基于環(huán)境保護視角的高速公路路基土石方均衡與調配技術研究

摘 要：文章以某高速公路路段土石方工程為例，通過地形地貌分析調查當?shù)厣鷳B(tài)環(huán)境保護成本，將該影響因子加入經濟運距公式，結合粒子群優(yōu)化算法設計出一種新的高速公路路基土石方平衡與調配方案，并對該土方平衡調配技術進行驗證。結果表明，該路段施工縱斷面高程誤差在±5 mm波動，平均誤差為-1.1 mm，最大誤差為-5 mm，所提出的高速公路路基土石方平衡與調配技術取得了良好的應用效果，可為類似高速公路路基土石方平衡與調配的優(yōu)化提供借鑒與幫助。

關鍵詞：高速公路；路基；土石方；調配技術

中圖分類號：U416.1+1

0"引言

傳統(tǒng)的土石方平衡與調配方法往往依賴于人工經驗和簡單計算，難以適應復雜多變的地質條件和施工環(huán)境，導致路基工程存在質量不穩(wěn)定、成本過高等問題。因此，越來越多的學者開始關注土石方平衡與調配的問題。黃丙湖等［1］針對傳統(tǒng)土石方調配模型線性化簡化及忽略施工次序的問題，提出了綜合考慮施工次序、方向和調配量的優(yōu)化模型，采用改進蟻群的算法求解，實際應用表明，該方法相比線性規(guī)劃法更可行，且ArcGIS軟件繪制的調配矢量指導圖更直觀。王仁超等［2］針對土石方調配問題的傳統(tǒng)解決方法存在局限性，提出了運用強化學習中離散型Q學習的方法，通過構建Q學習模型并探討解法，結合工程實例驗證了該方法的可行性，為后續(xù)利用強化學習方法解決動態(tài)土石方調配平衡問題奠定了基礎。傳統(tǒng)的土石方調配方式往往忽視了環(huán)境保護的重要性，且效率不高，導致了大量的土地破壞和環(huán)境污染［3-4］。鑒于此，本研究通過地形地貌分析調查當?shù)厣鷳B(tài)環(huán)境保護成本，同時將該影響因子加入經濟運距公式，并以廣西某高速公路路段為例，展開實地試驗，針對不同路段的情況制定出不同的動態(tài)調配策略，結合粒子群優(yōu)化算法對每輛運輸車的具體路線運量等信息做出統(tǒng)一調配，設計出一種新的高速公路路基土石方平衡與調配方案。

1"調配技術細節(jié)與工程概況

1.1"工程概況與方案總體設計

工程位于廣西河池市，項目規(guī)模為新建互通1座，匝道長約2.8 km，連接線長約2.1 km［5-6］。工程主要包括路基挖方117.25×104 m3，路基填方62.19×104 m3，以及大橋、中橋、小橋和蓋板涵等結構物［7-8］?；ネㄎ鲄^(qū)段總挖方為253 286 m3，總填方為34 042.5 m3；互通東區(qū)段總挖方為578 475.2 m3，總填方為310 204.2 m3；連接線區(qū)段總挖方為340 770 m3，總填方為277 695 m3。同時，工程還考慮了安全文明保障措施，包括施工人員防護、機械設備操作、現(xiàn)場治安防護、施工警示標志等方面的要求。項目總體調配方案如圖1所示。

方案共包含多個模塊，分別是地形地貌分析模塊、土石方量計算模塊、挖填方平衡分析模塊、土石方調配優(yōu)化模塊、環(huán)保型運輸工具選擇模塊、施工廢棄物處理模塊、生態(tài)環(huán)境保護模塊、智能監(jiān)控系統(tǒng)模塊與方案評估模塊。各模塊之間緊密聯(lián)系、相互支持，形成一個完整的技術方案體系。地形地貌分析模塊為土石方量計算提供數(shù)據基礎；挖填方平衡分析模塊根據土石方量計算結果提出調配方案；環(huán)保型運輸工具選擇模塊和施工廢棄物處理模塊為調配方案的實施提供支持；生態(tài)環(huán)境保護模塊在施工過程中保護生態(tài)環(huán)境；智能監(jiān)控系統(tǒng)模塊對調配方案的實施進行實時監(jiān)控。各模塊的協(xié)同作用保證了整個技術方案的有效實施并取得預期效果。在具體調配策略上，團隊遵循了先橫向后縱向的原則，優(yōu)先考慮本樁利用，以減少不必要的借方和調運成本。通過綜合考慮施工方法、運輸條件和地形等因素，確保了調配的經濟合理性。利用經濟運距的公式來決定是采取縱向調運還是就近借土，以確保成本效益，其計算公式如式（1）所示：

L=L_J+L_M（1）

式中：L_J——土方借運距，表示從挖方場所到填方場所的距離，即土方被借運的距離；

L_M——免費運距，表示在某一特定距離內，只按土方量計價而不計運費的距離。

為避免因取土或棄土導致的環(huán)境惡化，增加一項代表生態(tài)環(huán)境保護成本的參數(shù)C_cost，因此得到一個新的經濟運距公式，如式（2）所示：

L=L_M+（B+C_cost）T（2）

式中：B——借土單價（元/m3）；

T——遠運運費單價（元/m3·km）。

1.2"高速公路路基土石方平衡與調配技術

本項目中，動態(tài)調配在路基土石方平衡與調配過程中起到了關鍵作用［9-10］?；ネㄎ?、互通東及連接線3個區(qū)段的動態(tài)調配過程特征各有不同，并針對每個特征提出不同的調配措施，如圖2所示。

在高速公路路基土石方動態(tài)調配中，互通西、互通東和連接線三區(qū)段各有特點?；ネㄎ鲄^(qū)段挖方量大，應優(yōu)先本樁利用并注意環(huán)保；互通東區(qū)段挖填較平衡，調配須注重效率，避免跨深溝調運；連接線區(qū)段需更精細化的調配以保持經濟。針對這些特征，必須綜合考慮施工、運輸、地形和環(huán)保因素，制定相應的調配措施?；ネㄎ鲄^(qū)可優(yōu)先使用本樁土石方降低成本；互通東區(qū)應優(yōu)化調配路徑提高效率；連接線區(qū)則需精細化管理降低成本。在確定不同路段的總體調配策略后，為了進一步提高調配的效率和效果，還需要進行更細致的調配管理，這就需要結合先進的粒子群優(yōu)化算法，對每輛車的運輸路線、運量等具體細節(jié)進行決策。通過算法的智能優(yōu)化，可以實現(xiàn)土石方資源的更高效、更環(huán)保的調配。其算法流程如圖3所示。

（1）進行本項目中互通西、互通東及連接線3個區(qū)段相關數(shù)據的收集、清洗和格式化處理，包括土石方量、運輸條件、地形以及生態(tài)環(huán)境保護要求等。這些數(shù)據的清洗和整理為后續(xù)建模提供了可靠的基礎。

（2）研究進行了問題建模，基于收集的數(shù)據構建了數(shù)學模型，明確了目標函數(shù)（如成本最小化、環(huán)保影響最小化等）和約束條件。在建模過程中，特別將環(huán)保因素，如生態(tài)保護成本。

（3）初始化粒子。

（4）計算適應度值，即調配方案的成本和環(huán)保影響等綜合評價指標，其適應度函數(shù)如式（3）所示：

f（Xi）=α·Cost（Xi）+β·Time（Xi）+γ·Environmental I mpact（Xi）（3）

式中：α，β，γ——權重系數(shù)，用于平衡不同的優(yōu)化目標；

Cost（Xi）——粒子Xi代表的土石方調配方案的每車平均運輸成本；

Time（Xi）——每車平均完成土石方調配方案所需的時間；

Environmental I mpact（Xi）——每車土石方調配方案對環(huán)境的影響。

隨后，不斷更新個體最優(yōu)解和全局最優(yōu)解，尋找出所有粒子中適應度值最好的調配方案。在接下來的步驟中，根據粒子群算法的公式更新了粒子的速度和位置，粒子的速度和位置更新公式如式（4）所示：

Vi（t+1）=ω·Vi（t）+c1·rand1（）·（Pbest，i-Xi（t））+c2·rand2（）·（Gbest-Xi（t））

Xi（t+1）=Xi（t）+Vi（t+1）（4）

式中：Vi（t）和Xi（t）——粒子i在時刻 t的速度和位置;

ω——慣性權重，用于控制粒子保持原來速度的趨勢;

c1和c1——加速因子，通常設置為正常數(shù);

rand1（）和rand2（）——產生在［0， 1］的隨機數(shù);

Pbest——粒子i的歷史最佳位置;

Gbest——粒子群的全局最佳位置。

同時，進行了方案優(yōu)化與調整，針對互通西、互通東及連接線3個區(qū)段的具體特征進行了精細化調整，以實現(xiàn)更具針對性的優(yōu)化。對優(yōu)化后的調配方案進行綜合評價，考慮了成本、環(huán)保影響、施工效率等因素，并進行了對比試驗，選擇最優(yōu)方案作為最終的調配方案，為項目實施提供了科學依據和可靠保障。

2"工程實例分析

為了驗證研究所提算法的可行性，利用該算法在該項目中進行了試驗，并對施工質量進行了測量。見表1?？v斷面高程是指路基縱向的高程變化，使用水準儀進行檢測，每200 m測量5個斷面，允許偏差為±10 mm。通過比較實際測量值與設計值，判斷縱斷面高程是否符合要求。中線偏差是指實際路基中線與設計中線之間的偏差。使用經緯儀進行檢測，每200 m測量5點，同時在彎道的HY（水平曲線起點）和YH（水平曲線終點）兩點進行測量，允許偏差為45 mm。

通過計算實際中線與設計中線之間的偏差，判斷中線偏差是否符合要求。路基寬度是指路基的橫向尺寸。使用米尺進行檢測，每200 m測量5處，要求路基寬度符合設計要求。通過測量實際寬度并與設計寬度進行比較，判斷寬度是否符合要求。橫坡是指路基橫向的坡度。使用水準儀進行檢測，每200 m測量5個斷面，允許偏差為±2%。通過測量實際橫坡并與設計橫坡進行比較，判斷橫坡是否符合要求。平整度是指路基表面的平整度。使用3 m直尺進行檢測，每200 m測量2處×10尺，允許偏差為15 mm。通過測量路基表面的凹凸不平程度，判斷其平整度是否符合要求。具體測量結果如圖4所示。

從圖4（a）中可以看出，1～9號施工路段檢測點的縱斷面高程誤差在±5 mm之間波動。其平均誤差為-1.1 mm，最大誤差為-5 mm。從圖4（b）中可以看出，1～9號檢測點所測量的路段中線偏差在16～33 mm波動，其平均誤差為22 mm，最大誤差為33 mm。從圖4（c）中可以看出，1～9號檢測點所測量的路段坡度誤差在±1°之間波動。其平均誤差為0.1°。從圖4（d）中可以看出，1～9號檢測點所測量的路段平整度誤差在6～10 mm波動，其平均誤差為9 mm，最大誤差為10 mm。綜上所述，該方案在縱斷面高程、中線偏差和平整度方面都取得了符合設計要求的表現(xiàn)，這充分證明了該方案的有效性和可行性。此外，為了進一步驗證該方法的先進性，試驗引入了文獻［11］所提出的基于蒙特卡洛樹搜索的土石方動態(tài)調配算法（MCTS-DEA）與本文所提方案進行對比，并利用OriginLab軟件對兩種方法分別進行模擬試驗，與挖填方平衡率、平均調配運距作為評價指標，結果如圖5所示。

由圖5可知，在挖填方平衡率上，本文所提出的方法平均達到了6.3%，相比之下，MCTS-DEA方案僅為4.1%。這表明本文所提出的方法在土方調配過程中更能實現(xiàn)土方的就地平衡，有效減少了土方搬運次數(shù)和運輸距離，從而降低了施工成本和時間。其次，在平均調配運距方面，本文所提出的方法平均為1.1 km，而MCTS-DEA方案則達到了2.8 km。較短的調配運距意味著更低的運輸成本和更高的施工效率。此外，短距離運輸還能減少土方運輸過程中可能產生的揚塵、噪音等環(huán)境污染，有利于保護施工現(xiàn)場和周邊環(huán)境。至于環(huán)境破壞程度的評估，研究將其分為了10個等級。這種等級劃分基于對環(huán)境影響的綜合評價，包括但不限于土壤侵蝕、植被破壞、水資源污染、生物多樣性損失等多個方面。每個等級對應不同的影響程度，從1級（最小影響）到10級（最大影響）。通過對比兩種方法在30個路段中的平均破壞程度，研究發(fā)現(xiàn)所提方法的平均破壞程度為4級，而MCTS-DEA方案則達到了6級。這表明本文所提出的方法在環(huán)境保護方面表現(xiàn)更優(yōu)，能夠更有效地減少對周圍環(huán)境的破壞。綜上所述，本文所提出的方法在挖填方平衡率、平均調配運距和環(huán)境破壞程度等方面均表現(xiàn)出優(yōu)于MCTS-DEA方案的性能。這些分析結果進一步證明了該方法的可行性和先進性，為土石方施工領域提供了一種更為高效、環(huán)保的解決方案。

3"結語

針對傳統(tǒng)土石方調配方案在環(huán)保和效率方面的不足，本文提出了一種考慮環(huán)保意識并結合粒子群優(yōu)化算法的新型調配方案。這一方案旨在實現(xiàn)土石方施工的高效性與環(huán)保性的平衡。

（1）在本項目的施工中應用了這種新型調配算法。結果顯示，該算法在縱斷面高程、中線偏差、寬度、橫坡和平整度等關鍵指標上均表現(xiàn)出色，完全符合設計要求，從而驗證了其在實際施工中的有效性。

（2）與基于蒙特卡洛樹搜索的土石方動態(tài)調配算法（MCTS-DEA）相比，本研究方法在挖填方平衡率和平均調配運距上均展現(xiàn)出顯著優(yōu)勢。具體而言，實現(xiàn)了更高的挖填方平衡率和更短的平均調配運距，這不僅有助于降低運輸成本，還減少了施工過程中的環(huán)境污染。

（3）在環(huán)境破壞程度的評估上，本研究方法明顯低于MCTS-DEA方案，顯示出優(yōu)越的環(huán)保性能。這表明該算法在減少施工對環(huán)境的負面影響方面更為有效。綜上所述，研究提出的土石方動態(tài)調配算法在實際施工中展現(xiàn)出了顯著優(yōu)勢，不僅滿足了施工質量要求，還在成本、環(huán)境和效率等多個方面實現(xiàn)了優(yōu)化。因此，該方法未來有望在土石方施工領域得到廣泛應用和推廣，為提升施工質量和效率提供有力支持。

（4）研究的局限性與后續(xù)方向：盡管本研究取得了積極的成果，但尚未將該技術大規(guī)模地運用到其他項目工程的施工中以驗證其可移植性。這也是后續(xù)研究需要改進和深入探索的方向，以確保該算法在不同環(huán)境和條件下的穩(wěn)定性和適用性。

參考文獻：

［1］黃丙湖，趙"蕓，呂"瑞，等.基于蟻群算法的土石方調配優(yōu)化［J］.土木工程與管理學報，2019，36（3）：72-77，84.

［2］王仁超，李宗蔚. 基于Q學習算法的土石方調配模型及應用［J］.水力發(fā)電學報， 2019，38（6）：11-18.

［3］李"敏，高岳林. 基于改進粒子群優(yōu)化的BP神經網絡圖像壓縮方法［J］. 南京理工大學學報， 2023，47（6）：756-766.

［4］白響恩，孫廣志，徐笑鋒. 基于改進粒子群算法的海流環(huán)境下無人水面艇路徑規(guī)劃［J］.上海海事大學學報， 2023，44（4）：1-7.

［5］趙"瑜，賈"政，張建偉，等.基于粒子群和遺傳算法的面板堆石壩土石方調配研究［J］.華北水利水電大學學報（自然科學版）， 2022，43（2）：54-59，68.

［6］王仁超，張鵬程，徐躍明. 基于蒙特卡洛樹搜索的土石方動態(tài)調配算法及驗證［J］.水利學報，2020，51 （4）：391-401.

［7］Ozcan Y U， Ozdemir O， Kurt G K. Reconfigurable intelligent surfaces for the connectivity of autonomous vehicles［J］. IEEE Transactions on Vehicular Technology， 2021， 70（3）： 2 508-2 513.

［8］Cherif N， Jaafar W， Yanikomeroglu H， et al. 3D aerial highway： The key enabler of the retail industry transformation［J］. IEEE Communications Magazine，2021，59（9）：65-71.

［9］于子波，劉少華，羅來輝. 深圳市西部水庫水廠群聯(lián)合調配研究［J］. 人民長江， 2023，54（S2）：229-231，246.

［10］姚明亮，張培軍，宋曉茹，等. 發(fā)電機電網供電負荷平衡自動調配研究［J］. 計算機仿真， 2017，34 （11）：73-77，162.

［11］楊"楓，葉春明，種大雙. 城市突發(fā)事件中基于事故演變的救援需求決策模型及其優(yōu)化求解［J］. 運籌與管理， 2020，29（8）：79-88.20240318