2.2　铁路选线系统智能环境

2.2.1　智能环境

1.智能系统与智能环境

知识工程的概念产生于20世纪70年代中期。1977年美国斯坦福大学的费根鲍姆（Feigenbaum）教授在第五届国际人工智能会议上提出了“知识工程”这一概念[10]。知识工程的早期应用主要体现在各式各样的专家系统上。20世纪90年代以后，随着网络技术、通信技术、知识工程技术以及多媒体技术的成熟，随着数据仓库、数据挖掘、知识发现、智能主体（Intelligent Agent）技术、分布式系统及算法的出现，专家系统逐步发展演变为智能系统。智能系统除了具有传统专家系统能运用内部包含的大量领域专家水平级知识与经验、模拟领域专家解决领域问题的思维过程进行推理判断、求解那些需要人类专家才能处理的复杂问题功能以外，还有另外两个关键的功能：一是海量数据、信息、知识的演示（screening）、筛选（sifting）、过滤（filtering）；二是支持信息执行系统（executive information system）的高效运行，满足用户的智能化需求和个性化服务[75]。

此处讨论的智能环境仍是知识工程的具体应用，同为知识工程发展新阶段。环境（environment）在《新华字典》中解释为：“周围的一切事物。”在《英汉双解计算机辞典》中的解释为：“定义和限定的各种要素的混合体，全部相关的状态视为一个整体。如计算机环境、数据采集环境、事务处理环境等。就程序而言，指特定计算机系统中能保证其正常运行的各种资源的组合。”智能环境中“环境”包含了将全部相关状态视为一个整体和计算机各种资源的组合两层含义，前者为抽象意义上的概念层面的“环境”，后者为实际执行系统的物理层面的“环境”，智能环境的研究就是以“概念环境”为出发点，研究其如何通过“物理环境”来实现。

智能环境（intelligent environment）虽在多处文献中使用过，但未见公认的定义。这里试定义为：智能环境是以解决专业领域问题为目标，具备专家级问题求解能力，集辅助性、创造性、教育性于一体，具有沉浸感（be situated）的人机协同复杂智能信息系统。智能环境首先得具有专业问题的专家级求解能力；其次它是由很多组件组成的复杂系统，具有更强、更大的问题解决能力；再次它不是为单一目标设计的，要考虑知识的综合利用，能辅助专业人员完成创造性工作，能自行进行一定难度的创造性工作，能为非专业人员或专业新手提供指导；最后它是一个具有沉浸感的人机协同环境，为专业人员创造一个身临其境的虚拟现实环境。

舍“智能系统”，而取“智能环境”，是因为：①研究目的是建立一个人机协同的、具有沉浸感的选线设计系统，更强调整体性，具有组成一个环境的特征；②不仅是研究单一目的的知识系统，而强调如何综合运用各种知识，充分发挥知识的价值，构建综合性知识平台；③不仅研究知识工程的应用，而将知识工程的应用同常规软件开发相结合，构筑一个虚拟现实环境，使二者相得益彰。

2.智能环境的研究状况

智能环境在国际上已有大量研究，主要是研究如何无缝集成人的常规行为与计算机的计算，从而提高各自的功能。典型的有：

为研究智能环境，埃及的孟菲斯大学建立了专门的IE实验室，以免除人们接口学习的苦恼，也就是说“不是为人建立计算机接口，而是为计算机建立人接口”，其研究内容涵盖了人机交互、面部识别、手势识别、情感识别、人身跟踪、图形处理、多Agent系统、自动Agent控制结构、无线网络、多模式界面、非常规问题处理、动态行为再规划等[76]。

美国马萨诸塞州立大学计算机科学系的UMASS多Agent系统实验室的智能家庭项目（Intelligent Home Project），是一个智能环境的研究项目，探索应用多Agent系统来管理智能环境，建立了复杂模拟住宅，并为其配备分布式智能住宅控制Agent（包括虚拟机器人），用来控制家电设备和协商使用共享资源，并就不同的协调方案试验Agent对环境条件变化适应性和反应[77]。阿尔斯特（Ulster）大学研究了在智能教学环境中如何通过网络访问到远程实验室，进行有效的远程实验[78]。

微软的简单生活智能环境系统（EasyLiving Intelligent Environment System），微软从移动计算的角度定义智能环境，由于发明能随身携带的计算设备和维护随时需要的信息有一定难度，于是采用智能环境加移动计算的方法实现“普适计算”，此时智能环境的作用为：为移动设备提供增加其功能的软件资源，提供激发计算的方法[79]。

澳大利亚为解决用水困难问题，尤其是灌溉用水，基于数据驱动有监督学习、自适应神经模糊推理、多层感知神经网络等技术，开发了用于特定区域和指定时间水资源消耗与灌溉决策支持的、基于大规模动态Web数据挖掘和上下文知识集成的集成环境知识系统[80]。

国内有关智能环境的研究并不多见，检索到有：西南交通大学易思蓉教授的铁路选线设计系统虚拟环境的组成部分[2，53，81]，铁路选线设计系统智能环境，也就是本研究的前身；湖南大学的王益民等研究的环绕智能环境中的智能家庭网络结构，提出了基于Agent主动移动数据库系统模型的环境感知识库，以及软件无线电基础网络层模型[82]。

由此可见，对智能环境的解释并不完全一致，但都是为了提高人机协同强度，为充分发挥计算机和人各自的能力来解决实际问题而引入的概念。

2.2.2　铁路选线系统智能环境

1.铁路选线系统智能环境（GBRLIE）

铁路选线系统智能环境是铁路线路设计虚拟环境的一个组成部分，它同自然环境一同构成了铁路选线设计的虚拟现实环境[2]。文献[2]从物理层面定义了铁路选线设计的智能环境，即：是由选线工程师与基于计算机的选线知识与推理机、选线工程数据库、图形交互设计界面和优化与决策分析方法所集成的环境。从物理层面定义铁路选线系统智能环境具有直观、简便的优点，也易于理解，但随着信息技术，特别是人工智能技术的发展，智能环境的物理组成不会一成不变，因此定义也就需要根据实际应用修改。下面给出铁路选线系统智能环境在概念层上的定义。

定义：铁路选线系统智能环境是以解决铁路选线设计领域专业问题为目标，具备专家级问题求解能力，集辅助性、创造性、教育性于一体，具有沉浸感（be situated）的人机协同设计复杂智能信息系统。

研究铁路选线系统智能环境，就是研究面向铁路选线设计实际应用，基于知识工程，追求知识综合运用，以在复杂系统中获取、表达、管理、利用知识为中心，构筑能充分发挥人机各自优势的让人身临其境的人机协同设计智能计算机信息系统。

铁路选线系统智能环境，必须基于地理信息技术建立，为便于文字简洁表达。本书后续部分将用GBRLIE代表基于GIS的铁路选线系统智能环境，意即：GIS-Based Railway Location Intelligent Environment。

铁路选线人机协同智能设计结构见图2-1。铁路选线系统智能环境包括了人机界面和铁路选线智能计算机系统。

2.铁路选线系统智能环境的领域特色

需要构建的铁路选线系统智能环境，其主要特色简要表述如下：

（1）数据源广泛。铁路选线设计需结合国家或地区政治经济规划，综合考虑路网的运能、速度、密度，受水文、地质、地形等条件的限制，协调各站前、站后工程，满足线路本身的技术要求，因此需要的数据特别广泛，要求系统能处理包括图形、图像、声音、影像、文字等各种形式的数字信息，数据的获取、处理、管理、利用难度大。而GIS技术在多数据源处理上有其独特优势，并且该技术在实际生产获得了广泛应用，因此把我们的智能环境建立在GIS的基础上。

（2）整体性强。铁路选线设计，特别是前期的预可行性研究和可行性研究阶段，需从全局出发选择线路技术标准、接轨点和线路走向，而这些因素又和铁路要求输送能力和通过能力紧密联系，又要考虑环保和经济规划等要求，各种要素环环相扣，任何一个因素的改变都会引发全局的变化。因此在研究铁路选线系统智能环境时，整体的、宏观的概念尤为重要。

（3）知识面广。选线设计的总领性、数据源的广泛性决定其涉及广泛的知识面，知识的收集、整理、管理、利用在该领域有其特别的紧迫性及必要性。

（4）方案特征强。从大的接轨点、通道走向、主要技术标准选择到细部的曲线半径、桥梁基础方案、路基挡土墙尺寸的选取都有无数可能方案，都需要知识循环的迭代过程，即通过“初始方案—评价—再设计”的不断反复来寻求最优或满意方案。

（5）符号型推理和数值型优化相结合，度与量统一。异构知识和方案特性决定，要满意解决铁路领域内诸如造价评估、运量预测、地质评价、方案寻优等问题，不能单纯依靠最优理论或符号性知识的推理来解决。如果在优化中使用知识加以指导控制、把使用优化理论的经验又上升为知识，如此循环，则能探索出一条很好解决该领域问题的智能技术路线。

（6）实践性强。铁路是对社会政治经济有重大影响、跟各种地面自然或人造结构物相干扰的长大带状构造物，使用的知识会随着项目所处的地理位置、社会历史环境不同而改变或出现新知识，比如比较经济的方案可能会因为宗教信仰、自然保护的原因而采用不太经济的方案，又比如在山坡上或隧道中出现黏土，遇到气浪型泥石流等。

2.2.3　构建铁路选线系统智能环境的关注焦点

（1）与GIS及3S的集成技术。GIS技术为铁路选线系统智能环境就空间数据的获取、管理、利用提供了技术基础，而GIS又同GPS和RS密不可分，协同发展。要建立铁路选线系统智能环境势必要解决好智能环境同GIS及GPS和RS的集成问题，考虑采用何种集成方式、如何通信、如何有效发挥GIS的既有功能为选线服务、如何从地理数据中挖掘对选线设计有用的模式等问题。

（2）知识的获取、表达、管理、利用。知识的获取可以采用三种方式：以知识工程师为中介的问答式，以便捷的知识编辑界面为媒介的专家输入式，从大量数据中挖掘或从以往个案推理中学习。挖掘方法包括从工程数据库、地理信息数据库或处理中的遥感图像中挖掘。知识表达方式的选择应结合知识的利用和管理考虑，要便于知识的数据库方式管理和综合利用。知识管理包括有效性、完整性的验证，知识的存储、查询，知识的并发访问以及安全性问题等。知识的利用主要表现在如何实现综合利用，既能辅助完成或自动完成设计任务，又能作为教育培训系统。

（3）多库集成技术。多库包含两个方面内容：工程数据库同选线设计知识库的集成，工程数据库、知识库同地理信息数据库的集成；分布在网络中不同节点的工程数据库、知识库、地理信息数据库的集成管理。要研究在同一个系统如何实现知识库和数据的同时操作，如何保证知识库和数据库之间各种概念的一致性，如何实现异地知识库和数据库的通信和交流。

（4）人机协同设计的人机界面技术。在协同设计环境中，领域人员是一个重要而又智能程度最高的智能主体，他要实现与智能软件系统的交流，必须为他构筑良好的交流平台和交流工具，达到人机协同作业的目标，充分发挥各自优势。

（5）与虚拟自然环境集成。铁路选线设计自然环境是虚拟环境铁路选线设计系统的组成部分，主要研究铁路本身以及沿线环境的建模及可视化问题，与自然环境的集成为智能环境提供虚拟的可视化环境。两个环境功能、数据的集成问题，以及工程数据库的共享问题，是这方面研究的重点。

（6）系统体系结构。要实现的系统，既是多Agent系统，又是功能、数据库、知识库都分布的复杂系统，尚需考虑通过基于Internet分布系统实现异地办公的问题。

（7）基于智能环境选线设计方法。建立这样一个智能环境其目的就是用它来更新传统选线设计方法，在一个分布的、集成知识与数据的人机协同环境中方便、快捷的优选出经济合理的各级线路方案。这方面的研究涉及各级线路方案的自动或半自动生成、各种技术指标的自动提取分析、方案的一般评价和综合评价等。