Цифровое и математическое моделирование рельефа местности в системах автоматизированного проектирования трасс железных дорог тема диссертации и автореферата по ВАК РФ 05.22.06, кандидат технических наук Кулажский, Алексей Викторович

• Кулажский, Алексей Викторович
• кандидат технических наук
• 2011

Оглавление диссертации кандидат технических наук Кулажский, Алексей Викторович

Введение.

1. Системы автоматизированного проектирования железных дорог. Анализ существующего опыта.9*

1.1. Информационные технологии. Основные понятия и определения.

1.2. Автоматизированное проектирование. Основные понятия и архитектура систем.

1.2.1. Модель процесса проектирования.

1.2.2. Компоненты и архитектура САПР.

1.3. Системы автоматизированного проектирования железных дорог. Перспективы развития.

1.3.1. GeoniCS ЖЕЛДОР.

1.3.2. Топоматик Robur - Железные дороги (Robur-rail).

1.3.3. IndorCAD/Rail.

1.3.4. Credo.

1.3.5. AutoCAD Civil 3D.

1.4. Моделирование рельефа местности в системах автоматизированного проектирования железных дорог.

1.4.1. Модели рельефа на основе триангуляции.

1.5. Постановка задачи исследования.!.

2; Цифровое нематематическое моделирование рельефа местности.

2.1. Методы построения цифровых моделей рельефа.482.2. Задачи цифрового моделирования рельефа местности.

2.3. Виды цифровых моделей рельефа.

2.4. Триангуляционные модели рельефа местности. Достоинства и недостатки.

2.6. Математические модели рельефа.

2.7. Моделирование рельефа местности методом конечных элементов.

2.8. Проблема использования» моделей рельефа для> линейно-протяженных объектов.

2.9. Выводы по второй главе.

3. Математическое моделирование рельефа местности настадии разработки инвестиционных проектов.

3.1. Назначение вариантов направления проектируемой линии, ее основных технических параметров и трассирование железной дороги.

3.2. Традиционная технология трассирования.

3.3. Триангуляционное моделирование в режиме реального времени.

3.4. Стохастическое моделирование.

3.5. Программная реализация стохастической и триангуляционной модели.

3.6. Применение нейронных сетей в моделировании рельефа местности.

3.6.1. Введение в искусственные нейронные сети.

3.6.2. Моделирование рельефа местности на основе нейронных сетей радиальных базисных функций.

3.6.3. Алгоритм обучения РБФ сети.

3.6.2. Проблемы применения метода и пути их решения.

3.7. Выводы по третьей главе.

4. Моделирование рельефа местности на основе нейронных сетей РБФ в составе программы обоснования инвестиций Invest.

4.1. Общее описание.

4.2. Алгоритм работы комплекса CMR.

4.3. Программная реализация.

4.3.1. Задание (импорт) входных данных.

4.3.2. Создание/Загрузка модели РБФ.

4.3.3. Контроль модели РБФ.

4.3.4. Создание модели Invest.

4.4. Оценка скоростных характеристик предложенной модели в сравнении с триангуляционным методом.

4.5. Практическое применение предложенного метода моделирования рельефа.

4.6. Выводы по четвертой главе.

Введение диссертации (часть автореферата) на тему «Цифровое и математическое моделирование рельефа местности в системах автоматизированного проектирования трасс железных дорог»

Использование информационных технологий при проектировании новых I железнодорожных линий позволяет обеспечить сопровождение процесса принятия решений на всех стадиях разработки проекта оперативной информационной поддержкой. Реализация такой поддержки требует организации управления источниками информации, выбора наилучших характеристик информационной модели и эффективного аппарата управления« процессом проектирования.

В- современных условиях проектирования-; трассы железных дорог с: применением средств* вычислительной техники процесс работы с такой; информационной моделью может быть организован различными способами;.

При появлении: автоматизированного проектирования железных дорог появилась возможность автоматизировать наиболее рутинные операции проектирования - производство вычислений (анализ). Именно; функции; анализа; поддерживаются; современными САПР железных дорог. Также существующие САПР ЖД ориентированы на выпуск проектной документации, как одного из условий разработки САПР;

Из обзора применяемых в настоящее время; систем автоматизированного проектирования? железных дорог (САПР ЖД) видно, что их работа основана на использовании; «компьютерных аналогов» управления информационными моделями, применяемыми при традиционном проектировании. В первую очередь это относится к организации начального этапа проектирования - трассировании^ железнодорожной линии по карте в горизонталях.

Ориентация первых САПР ЖД на традиционные методы проектирования определялась уровнем развития вычислительной техники того времени, однако; такой подход сохраняется и в более поздних разработках.

Существенный рост мощности вычислительной техники определяет возможность перехода от копирования; традиционных технологий к реализации собственно машинных технологий, заменяющих традиционные. На целесообразность и актуальность такого перехода обращал внимание академик В.М.Глушков: «При автоматизации организационного управления на основе использования ЭВМ следует помнить, что главным залогом её успеха является коренное изменение традиционной технологии организационного управления».

Применительно к автоматизированному проектированию новых железных дорог такой переход требует повышения наукоемкости средств поддержки принятия решений по вновь укладываемой трассе:

Попыткой создания такой технологии автоматизированного трассирования, которая, используя- возможности средств современной вычислительной техники, позволяла бы в процессе укладки плана трассы железнодорожной линии получать, оперативную информацию по продольному профилю укладываемого участка трассы в> режиме реального времени, является-работа к.т.н. И. М. Лисицына [39]. В данной работе показано, что при создании4 САПР ЖД реального времени, одним из критических моментов является получение отметок, поверхности земли по оси, проектируемой трассы («черного профиля»). В- связи/ с этим необходимо применение скоростных моделей, рельефа. В качестве модели рельефа И. М. Лисицыным предложена, модель, основанная на методе- конечных элементов (МКЭ) с использованием сплайн-аппроксимации поверхностями третьего порядка. Опорные точки аппроксимации при этом находятся- в узлах регулярной прямоугольной сетки. Одним из недостатков предложенного метода является получение входных данных с регулярной структурой.

Основной задачей исследования- является разработка и практическая-реализация: такого метода, который позволял бы создавать модели рельефа местности на произвольно расположенных входных данных при сохранении точности моделирования и скорости, позволяющей использовать данный метод в САПР ЖД реального времени. В первой главе производится* анализ существующего опыта в системах автоматизированного проектирования железных дорог. В рамках данного анализа рассмотрены основные понятия и определения информационных технологий вообще и автоматизированного проектирования в частности. Рассмотрены существующие САПР ЖД, такие как GeoniCS ЖЕЛДОР, Robur, IndorCAD/Rail, Credo, AutoCAD Civil-3D, а так же методы моделирования рельефа, использующиеся в системах автоматизированного проектирования. Оказывается, что основное внимание разработчики САПР уделили функциям автоматизации выдачи проектной документации, а функция анализа не поддерживается должным образом. Кроме того, современные САПР ЖД не ориентированы на процесс трассирования железных дорог, и лишь только копируют традиционную технологию на данной стадии разработки проекта.

В" конце главы, производится формализованная постановка задачи исследования: создание метода моделирования рельефа, способного работать в-САПР ЖД реального времени и не зависящего от характера распределения* входных данных.

Во» второй главе в целях обзора существующего опыта в области моделирования ► рельефа рассмотрены понятия цифровых и математических моделей рельефа (ЦМР и ММР), виды таких моделей и методы, их получения: При этом установлено, что все модели рельефа^ основаны на- использовании " плоских проекций земной поверхности, когда расстояние между двумя точками модели в плане, являетсяг евклидовым- расстоянием. Для линейно-протяженных объектов, каковыми являются железнодорожные линии,, расстояния, высчитываемые по формулам сферической геометрии, могут давать значительные отличия от евклидовых расстояний.

В' третьей главе с целью оценки пригодности методов моделирования рельефа для* использования в САПР ЖД' реального времени рассмотрены и программно реализованы триангуляция в режиме реального времени и стохастическая« (французская) модель плавающего квадрата/круга. Анализ точностных и скоростных качеств реализованных моделей показал, что данные методы моделирования не удовлетворяют поставленным условиям.

Для достижения поставленной задачи автором предложен метод моделирования рельефа на основе нейронной сети радиальных базисных функций (РБФ). Данный метод позволяет реализовать неявную функцию поверхности. Показано, что разность заданных и вычисленных высотных отметок на входных данных стремится к нулю, в связи с чем можно говорить о высокой точности предложенного метода моделирования. Так же в данной главе показано, что данная точность не зависит от характера распределения входных данных. Предложен алгоритм обучения такой нейронной сети. Рассмотрены проблемы применения предложенного метода моделирования- и пути их решения.

В четвертой главе описана программная реализация метода моделирования рельефа местности на основе РБФ, отвечающая заданным требованиям. Программный комплекс разработан в , среде* Borland. Delphi и состоит из нескольких модулей: В данной главе приведена структура и алгоритм, работы, программного комплекса, а так же описание модулей, входящий в состав комплекса. Сравнение скорости расчета предложенного метода моделирования и традиционно используемого в САПЕ ЖД метода триангуляции на основе критерия' Делоне показывает, что разработанный метод- быстрее в десятки раз. Разработанный программный комплекс внедрен в программу оценки инвестиций Invest (RealGeoProject, г. Москва) в качестве инструмента подготовки ЦМР.

В результате проведенного исследованиям был разработан, теоретически обоснован и программно реализован новый метод моделирования' рельефа, пригодный для- использования при автоматизированном трассировании железных дорог в режиме реального времени.

В. результате проведенных исследований основными элементами, отражающими новизну работы можно считать следующие:

- Разработан новый метод моделирования рельефа на основе нейронной сети радиальных базисных функций, позволяющий создавать неявную, функцию поверхности, в связи с чем, качество модели не зависит от характера распределения входных данных.

- В связи с особенностями предложенного метода погрешность расчета высотных отметок на множестве входных данных является нулевой.

- Разработанный метод по скорости вычислений в десятки раз превосходит наиболее широко распространенный метод триангуляционного моделирования.

- Предложенный метод моделирования рельефа удовлетворяет как скоростным, так и точностным характеристикам, предъявляемым к моделям рельефа, используемым в системах реального времени.

С практической точки зрения предлагаемый метод моделирования рельефа ориентирован на снижение трудоемкости получения и использования моделей, используемых при вариантных проработках проектных решений по трассе железнодорожной линии.

Заключение диссертации по теме «Железнодорожный путь, изыскание и проектирование железных дорог», Кулажский, Алексей Викторович

5. Общие выводы и предложения

По результатам работы над диссертацией можно сделать следующие выводы и предложения:

1. Потребность в моделировании самого процесса проектирования, как вида человеческой деятельности, возникает с целью обеспечения специалиста в области системного анализа средствами описания разрабатываемой технологии проектирования. Сам процесс проектирования можно представить, как последовательно-цикличное выполнение операций:

- синтеза - распознание ситуации и выделение подмножества приложимых правил из множества известных;

- анализа - применение данного подмножества правил для создания модели объекта;

- оценки - при соответствии полученной модели заданию на проектирование процесс завершается; в противном случае корректируется выделенное на стадии синтеза подмножество приложимых правил, как за счет удаления из него правил являющихся вероятной причиной такого несоответствия, так и за счет его расширения с вводом дополнительного подмножества известных правил;

- Представление - завершающая стадия процесса проектирования (разработка проектной документации);

2. Анализ современных САПР ЖД (GeoniCS, Robur, IndorCAD, Credo, AutoCad Civil 3D) показал, что процесс трассирования реализован, как аналог традиционного трассирования. Однако, стремительное развитие вычислительной техники и средств сбора и обработки информации позволяет создавать средства информационной поддержки процесса принятия принципиальных решений по проекту, результатом использования которых является сужение зоны поиска решений и сведения задачи трассирования к поиску оптимального решения с учетом различных критериев.

Особенности применения САПР при проектировании новых железных дорог диктуют применение иных, по сравнению с традиционными, технологических приемов проектирования, и, соответственно, трассирования, позволяющих укладывать и оценивать варианты трасс в режиме реального времени.

3. Реализация данного подхода даже на самых мощных ЭВМ требует применения особых методов формирования данных по продольному профилю земли и методов построения оптимального очертания проектной линии продольного профиля в автоматическом режиме.

Как показал анализ данной технологии, критический путь проходит через построение продольного профиля земли. Поэтому в работе были проанализированы различные типы ЦМР. Для оценки скоростных качеств моделей рельефа в режиме реального времени автором были реализованы триангуляционный и стохастический методы моделирования. Анализ реализованных методов показал, их непригодность для использования в системах проектирования железных дорог реального времени. Как известно, наивысшим быстродействием с точки зрения решения основной задачи моделирования рельефа — определение отметки точки с заданными координатами, - обладают модели, описываемые регулярной прямоугольной сеткой. Однако одна из основных проблем данного метода — получение регулярной сетки входных данных. После изучения литературных источников для моделирования рельефа местности был разработан алгоритм на основе нейронных сетей радиальных базисных функций, позволяющий получить неявную функцию поверхности независимо от характера распределения входных данных. При этом точность модели рельефа, созданной на основе предложенного алгоритма, определяемая погрешностью вычислений высот на множестве входных данных, является нулевой. Для достижения необходимых скоростей расчета предложено использовать метод конечных элементов (разбиение регулярной сеткой), где в качестве финитных функций были рассмотрены поверхности на основе нейронных сетей РБФ.

4. Предложенный метод моделирования реализован в составе действующей программы Invest, а так же опробован на практике при проработке вариантов железнодорожной линии.

5. Предлагаемая методика моделирования рельефа местности в составе автоматизированного трассирования позволяет повысить качество проектных решений за счет снижения трудоемкости при получении моделей рельефа.

6. В результате проведенных исследований основными выводами, отражающими новизну работы можно считать следующие:

- для оперативной поддержки принятия проектных решений по трассе в целом или по отдельным ее элементам целесообразен переход от использования моделей триангуляционного типа к моделям другого типа;

- реализация машинно-ориентированной технологии требует автоматического формирования проектного решения по продольному профилю трассы железнодорожной линии со скоростью, превосходящей существующие реализации. Быстродействие такого процесса может быть обеспечено применением скоростных расчетных алгоритмов, в том числе при расчете «черного профиля».

- для расчета предложен метод моделирования рельефа, удовлетворяющий как скоростным, так и точностным характеристикам, предъявляемым к моделям рельефа, используемым в системах реального времени. Кроме того, качество модели на основе предложенного метода не зависит от характера распределения входных данных.

Список литературы диссертационного исследования кандидат технических наук Кулажский, Алексей Викторович, 2011 год

1. Горохов В .Г., Степин B.C. Философия науки и техники. — М., 1995

2. Тульский государственный педагогический университет им. JI. Н. Толостого. Электронный учебный ресурс «Информационные технологии». http://www.tspu.tola.m/iviyoldsite/umr/inform/lect/lect6.htm

3. Энкарначчо Ж., Шлехтендаль Э. Автоматизированное проектирование: основные понятия и архитектура систем. М. Радио и связь. 1986г.

4. CADmaster. Журнал для профессионалов в области САПР. 1(36)'2007. Москва. ЗАО ЛИР консалтинг, http://www.cadmaster.ru.

5. Топоматик Robur Железные дороги 2.3. Официальный сайт компании «ПСС» г. С.Петербург, www.pss.spb.ru/catalog/71.html

6. Robur программный комплекс для решения дорожных задач. Интернет портал «Промышленность России» www.prompages.ru.

7. Система автоматизированного проектирования железных дорог IndorCAD/Rail. Официальный сайт компании «ИндорСофт». www.indorsoft.ru.

8. Современное проектирование инфраструктуры. AutoCAD Civil 3D. Autodesk, Inc. 2010. www.autodesk.ru.

9. Геоинформатика: Учеб. для студ. вузов / Е.Г.Капралов, A.B. Кошкарев, B.C. Тикунов и др.; Под ред. В. С. Тикунова. — М.: Издательский центр «Академия», 2005.

10. Делоне Б.Н. О пустоте сферы // Изв. АН СССР. ОМЕН. 1934. № 4.

11. ДеМерс, Майкл Н. Географические информационные системы.

12. Основы.: Пер. с англ. -М.: Дата+, 1999.

13. Роджерс Д., Адаме Дж. Математические основы машинной графики / Пер. с англ. М.: Машиностроение, 1980.

14. Ильман В.М. Экстремальные свойства триангуляции Делоне // Алгоритмы и программы, ВИЭМС. Вып. 10(88). М., 1985.

15. Федотов Г.И. «Автоматизированное проектирование автомобильных дорог» / М., Транспорт, 1986г.

16. Федотов Г.И. «Инженерная геодезия» / М., "Высшая школа (Москва)", 2004г.

17. Соколов A.B. Достоверность инженерной информации и точность расчетов при оценке вариантов трассы железной дороги / Диссертация на соискание ученой степени канд.техн.наук, М.: МИИТ, 1990.

18. Иванников А.Д., Кулагин В.П., Тихонов А.Н., Цветков В.Я. Прикладная геоинформатика / М., МАКС Пресс, 2005.

19. Шварцфельд B.C. Теория и практика проектирования развития региональной сети железных дорог на основе геоинформационных технологий / Диссертация на соискание ученой степени доктора техн.наук, ДВГУПС: Хабаровск, 2001.

20. Обоснование математической модели местности для проектирования автомобильных дорог. Н. Е. Коновалов, Н. Н. Зоннэ, И. Г. Мельник, А. К. Якимович Науч. Тр. /Гипродорнии, 1976, вып. 18;

21. Багров H.A. Аналитическое представление полей. Тр. Центрального ин-та прогнозов, М.: Гидрометиздат, 1958, вып.64

22. Гинзбург В.И. Модель рельефа для проектирования и составления планов, "Геодезия и картография", 1977, № 4.

23. Гончаров B.JI. Теория интерполирования и приближения функций: 2 изд., М.: Гостехиздат, 1954.

24. Проворов K.JL, Иванов А.М. Математическое моделирование рельефа местности с использованием кубических и бикубических сплайнов.

25. Геодезия и картография", 1978, № 8

26. Бойко A.B., Лимонтов Л.Я. О структурно-аналитическом представлении рельефа местности. Тр. НИИГАиК, М., 1975, вып. 211.

27. Бойко A.B., Лимонтов Л.Я. Цифровые модели рельефа и сбор данных о рельефе местности при крупномасштабном картографировании. «Геодезия и картография», 1975, № 10.

28. Грейсух В.Л., Космин В.В. Аналитическое представление рельефа в ЭЦВМ. "Изв.вузов. Геодезия и аэрофотосъемка", 1964, вып.6

29. Геоинформатика/А.Д.Иванников, В.П.Кулагин, А.Н.Тихонов, В.Я.Цветков. М.: МАКС Пресс, 2001.

30. Бугаевский Л.М., Цветков В.Я. Геоинформационные системы. Учебное пособие для вузов. М.: 2000.

31. Цветков В.Я. Геоинформационные системы и технологии. М.: Финансы и статистика, 1997.

32. Колмогоров А.Н. О представлении непрерывных функций нескольких переменных суперпозициями непрерывных функций меньшего числа переменных. Докл. АН СССР, 1956. Т. 108, No. 2. С.179-182.

33. Официальный сайт компании BaseGroup Labs. Нейронные сети. www.basegroup.ru/library/analysis/neural/

34. Решение краевых задач теории поля с использованием радиально-базисных нейронных сетей. Убиенных Г.Ф., Нейрокомпьютеры: разработка, применение, № 9, 2007 г.

35. Н.Г.Загоруйко "Прикладные методы анализа данных и знаний", Новосибирск, Издательство Института математики, 1999 г.

36. Кулажский А. В. Применение нейронных сетей на основе радиальных базисных функций в моделировании рельефа местности. ВЕСТНИК Ростовского государственного университета путей сообщения. Ростов-на-Дону. №3(35). 2009 г. с. 118-124.

37. Кулажский A.B., Портнов A.B. Моделирование рельефа приинтерактивном трассировании линейных сооружений// Научно-технический и производственный журнал «Транспортное строительство», Выпуск 5 Москва, 2010.

38. Бучкин В.А., Лисицын И.М. Трассирование железнодорожной линии в интерактивном режиме / Научно-технический и производственный журнал «Транспортное строительство», Выпуск 12 Москва, 2006. С.22-24

39. Лисицын И. М. Совершенствование методов автоматизированного проектирования трассы железной дороги / Диссертация на соискание ученой степени кандидата техн.наук, М.: МИИТ, 2007.

40. Buhmann M.D. Radial Basis Function: Theory and Implementations. Cambridge Monographs on Applied and Computational Mathematics, 2003;

41. A fast method for implicit surface reconstruction based on radial basis functions network from 3d scattered points. Hanbo Liu, Xin Wang, WENYI QIANG. International Journal of Neural Systems, Vol. 17, No. 6 (2007), World Scientific Publishing Company.