2.3　铁路选线系统智能环境体系结构

2.3.1　GBRLIE的任务和组织

CommonKADS为知识工程与知识管理的方法论，该方法论提供了组织模型、任务模型、Agent模型、知识模型和通信模型，并结合统一建模语言（Unified Modeling Language，UML）作为建模的分析工具。该方法论因填补了组织和控制中的结构和控制问题，而更具实用性，成为很多知识工程和知识管理项目的开发工具。实际经验表明知识系统的成功的关键因素常常取决于如何较好的处理组织问题，但许多系统开发方法学主要注重技术方面，并不支持决定组织成败的组织因素分析，而CommonKADS方法正好提供了这种工具[83]。

这些组织和任务分析工具用于[84]：

（1）识别问题和机会，找出知识系统或其他知识管理系统能够给一个组织带来附加值的领域。

（2）确定解决方案的可行性，根据成本、资源、承诺和技术可行性等，确定是否进行一个项目。

（3）改进任务以及任务相关知识，分析所涉及任务的性质和成功完成任务需要的知识。

（4）计划所需的组织变化，调查所提议的知识系统对组织各个方面有什么样的影响，并为相关组织准备一个行动计划。

为研究铁路选线系统智能环境的建模方法的，下面采用CommonKADS给出GBRLIE的组织和任务模型，从总体上来认识要研究的智能环境。

2.3.1.1　GBRLIE组织模型

1.问题与机会

铁路选线设计是涉及大量知识、经验性强的专业工作，建立集知识管理、知识应用、知识传播于一体的智能环境，不仅可以加快设计进程、优化设计质量，还能保存、传播领域知识，有利于专业人员的培养和锻炼。GBRLIE的组织语境与解决方案见表2-2。

2.选线设计的核心组织

表2-3（工作表OM-2）给出了选线设计的核心组织部分。讨论组织模型的可变部分，包括怎样构建业务过程、涉及的员工和资源，以及由于知识系统的引入，会引发组织的哪些变化。

3.选线设计的任务分解

图2-2反映了选线设计的总体过程，该活动图有助于从宏观的角度把握选线设计的进程以及所需处理的相关信息。

重大方案就是指网性方案和原则方案，这类方案对投资、运营、工程条件和经济效益有决定性影响，确定需比选的重大方案就是找出需要进一步设计的方案，总体设计负责人根据运输要求、主客观约束，在智能环境知识工具的辅助下，选择有价值的、符合实际情况的、值得或需要做进一步工作的方案。包括确定接轨点方案、通道方案、技术标准选择方案等几个子任务。

重大方案比选对经过详细设计的方案进行综合评价，它包括评价指标选择、评价指标计算和方案综合比选等任务。

重大方案设计，也就是对需进一步设计的方案做详细设计，设计过程中又涉及局部方案的提出、设计、比选等任务，该任务用图2-3表示。

对各子任务的分析见表2-4，即工作表OM-3。

4.知识资产

在前面的分析中把选线设计中涉及的知识分为四类，即领域静态知识、方案生成知识、方案评价知识和方案修改知识，这几类知识各自涵盖面是非常广泛的。

续上表

1）领域静态知识

领域静态知识包括线路设计相关以及地理信息相关的与线路设计过程无关的静态知识，涵盖事实知识、过程性知识与约束知识等，这些知识构成了线路设计时处理的对象。

2）方案生成知识

方案生成知识包括：

（1）抽象程度最高、考虑范围最广、创造性最大的重大方案确定的高级知识，用于生成需作详细设计的网性方案和原则方案。

（2）确定需作局部方案比选的中级知识，根据所研究方案的自然和社会经济环境确定哪些地段需要做详细设计进行方案比选。

（3）诸如曲线半径或坡段长度等参数确定的低级知识。

这些方案生成知识抽象程度由高到低、有综合到局部，建模难度由复杂到简单。

3）对于方案评价知识和方案修改知识也有与方案产生知识类似的特点

表2-5归纳了这些知识的基本特点。

5.可行性分析

尽管研究GBRLIE具备一定技术条件，尤其是在地理信息获取与管理、自然环境建模、工程数据库的建立与管理、设计方案的综合评价等方面已经积累了一定基础，但要建立能在实际工作中应用的GBRLIE目前条件还不成熟，尚需对建立GBRLIE的理论与方法进行广泛深入的研究。

由前面的分析可知，铁路选线是典型的知识密集型任务，但是涉及的知识还没有可用形式。尽管在以往的研究中，对铁路选线中涉及知识有部分研究，但没有从总体上对整个选线设计任务进行过宏观规划，还没有真正适用的方法，更不用说对知识的获取、整理与管理了。只有在知识存在形式正确或基本正确，质量达标或优质的情况下，构建实际的智能环境系统方能成为现实。

2.3.1.2　GBRLIE任务模型

选线设计任务的半自动或自动化，无论是主要技术标准选择，还是区间的局部方案比选，都是通过“初始方案—评价—再设计”的不断反复来实现的，那么问题的关键也就由如何自动生成初始方案、怎样进行方案评价以及如何根据评价结果修改方案三个部分构成。

优化方法是对已有的初始方法或根据一定算法假设的初始方案进行数值方式的比较评价，然后根据一定优化算法（比如常规优化中的梯度投影法、遗传算法中的重组、变异）产生新方案，然后再对新方案进行评价，如此不断反复直至产生初步满意的方案，最后对方案进行人工整饰以满足规范要求。

在GBRLIE中，对于基于知识的选线设计，其智能化表现在如下几个方面：

（1）基于启发知识生成合理的满足规范的设计方案，减少方案生成盲目性和复杂性。

（2）基于知识的方案评价，选线领域的工程师和专家在长期以来的工作中积累了不少关于简化和优化方案评价的经验和知识，对不同阶段的和不同级别的方案采用不同的评价指标，对这些指标采用不同的计算方法或是经验值。

（3）基于知识的方案分析和修改，现场工作的设计人员对现有设计的修改都是基于对其进行认真分析以后才进行的，比如什么地段需要改动平面位置，什么地方只需要调坡即可，而哪些地段没有必要再设计等，这样就能有的放矢，提高效率和精度。

在GBRLIE中，需要将优化方法和知识工程联合起来应用，用基于知识工程的方法生成满足规范要求的合理设计方案，然后在知识的指导下利用优化方法的数值处理优势对方案进行局部优化，解决方案的经济性问题，再利用知识对方案进行评价分析，有针对性的进行修改。如此充分发挥二者的优势。

线路设计任务是知识密集型的，其中确定需比选的重大方案极为重要。如果遗漏最有价值的方案，以后所有工作都无法弥补，怎样使确定的方案数最少而又不遗漏有价值的比选方案，这是该任务关注的焦点，当然可以通过对实际比选工作的反馈，来增加可能被遗漏了的方案（图2-2）。

确定需比选的局部方案任务类似于确定需比选的重大方案任务，只是其任务级别要低一级，考虑更少宏观因素（图2-3）。方案比选（包括重大方案比选和局部方案比选）是对设计结果的对比分析，据此采纳较优或满意方案，或发现推荐方案或备选方案的不足，从而提出新的比较方案或对已有方案实施修改。开始方案设计任务对方案设计进行规划，对全线进行区段划分，区分紧坡地段和缓坡地段，对整个设计任务进行分解。

局部方案设计是方案设计的具体实施，局部方案可以是需比选方案中的某一方案，也可以是整个重大方案中某一段，局部方案通过“初始方案—评价—再设计”方法生成，该任务是线路设计进程的主体部分，它占据了整个选线设计工程的绝大部分时间，也是提高设计速度和质量的关键。因此这里重点分析一下确定需比选的重大方案和局部方案设计两个任务，分别见表2-6和表2-7。

2.3.2　GBRLIE的体系结构

GBRLIE的体系结构见图2-6。

构建智能环境，必然离不开地理信息数据库和选线工程数据库，它们构成了GBRLIE的数据层。地理信息数据库存储与建设项目相关的地理信息，包括诸如水文、地质、地形等在内的自然信息和包括行政区划、道路与铁路、各种管线等社会经济信息。

选线工程数据库存储建设项目的中间信息和最终结果，包括各种版本的①设计要求、主要技术标准、控制点信息；②平纵面信息；③平纵优化的约束条件、方案评价信息、设计决策中间数据和最后结果；④车站、路基、隧道、桥涵等各种构造物信息；⑤工程数量、造价信息以及列车运行仿真数据等。

智能中心是GBRLIE的服务层，为各种设计任务和培训任务提供智能服务，用于辅助线路工程师完成辅助性工作或部分创造性工作，是一个多Agent系统，每个Agent根据分工不同完成各自的任务。

应用模块是GBRLIE的应用层，是对选线设计的进行任务分解、实施和委托的模块，可将分解后的任务交给智能中心处理，也可以在选线工程师的控制下完成一些常规计算、分析和处理。

人机界面是GBRLIE的界面层，负责人机交互，提供各种使工程师具有沉浸感的交互方式，便于设计人员与智能系统协同完成各种线路设计任务。

通信与数据交换是GBRLIE的通信层，整个智能环境是一个庞大的系统，必须对通信与数据交换进行统一规划与管理，使各Agent之间以及各模块之间等通信与数据交换按既有的通信标准进行，以便于系统的控制与协调，解决协同工作中遇到的问题。它是整个智能环境的数据与信息交换中心。