CN102982384A - 计算机实现的土地规划***和方法 - Google Patents
计算机实现的土地规划***和方法 Download PDFInfo
- Publication number
- CN102982384A CN102982384A CN2012102575907A CN201210257590A CN102982384A CN 102982384 A CN102982384 A CN 102982384A CN 2012102575907 A CN2012102575907 A CN 2012102575907A CN 201210257590 A CN201210257590 A CN 201210257590A CN 102982384 A CN102982384 A CN 102982384A
- Authority
- CN
- China
- Prior art keywords
- solution
- cost
- land
- place
- engineering
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims description 278
- 238000011161 development Methods 0.000 claims abstract description 56
- 238000005259 measurement Methods 0.000 claims abstract description 19
- 230000008569 process Effects 0.000 claims description 212
- 238000005457 optimization Methods 0.000 claims description 78
- 239000002689 soil Substances 0.000 claims description 36
- 238000004590 computer program Methods 0.000 claims description 18
- 238000013461 design Methods 0.000 claims description 17
- 238000004891 communication Methods 0.000 claims description 10
- 239000003651 drinking water Substances 0.000 claims description 10
- 235000012206 bottled water Nutrition 0.000 claims description 9
- 230000000694 effects Effects 0.000 claims description 6
- 238000012545 processing Methods 0.000 claims description 5
- 238000004364 calculation method Methods 0.000 claims description 4
- 238000004140 cleaning Methods 0.000 claims 4
- 230000003628 erosive effect Effects 0.000 claims 4
- 239000000243 solution Substances 0.000 description 268
- 238000004422 calculation algorithm Methods 0.000 description 57
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 42
- 230000018109 developmental process Effects 0.000 description 26
- 230000006870 function Effects 0.000 description 26
- 230000008859 change Effects 0.000 description 18
- 239000003550 marker Substances 0.000 description 13
- 230000002068 genetic effect Effects 0.000 description 9
- 230000008901 benefit Effects 0.000 description 7
- 230000001413 cellular effect Effects 0.000 description 7
- 238000013500 data storage Methods 0.000 description 7
- 238000010586 diagram Methods 0.000 description 6
- 230000006872 improvement Effects 0.000 description 6
- 230000002262 irrigation Effects 0.000 description 6
- 238000003973 irrigation Methods 0.000 description 6
- 239000012484 stacking solution Substances 0.000 description 6
- 230000015572 biosynthetic process Effects 0.000 description 5
- 238000005516 engineering process Methods 0.000 description 5
- 239000000463 material Substances 0.000 description 5
- 238000011112 process operation Methods 0.000 description 5
- 238000013459 approach Methods 0.000 description 4
- 230000004888 barrier function Effects 0.000 description 4
- 230000033228 biological regulation Effects 0.000 description 4
- 230000010429 evolutionary process Effects 0.000 description 4
- 239000011435 rock Substances 0.000 description 4
- 239000010865 sewage Substances 0.000 description 4
- 230000000007 visual effect Effects 0.000 description 4
- 241000406668 Loxodonta cyclotis Species 0.000 description 3
- 230000009471 action Effects 0.000 description 3
- 230000006399 behavior Effects 0.000 description 3
- 238000009826 distribution Methods 0.000 description 3
- 230000007613 environmental effect Effects 0.000 description 3
- 230000035772 mutation Effects 0.000 description 3
- 230000003044 adaptive effect Effects 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 2
- 239000012141 concentrate Substances 0.000 description 2
- 238000005520 cutting process Methods 0.000 description 2
- 238000011156 evaluation Methods 0.000 description 2
- 230000035558 fertility Effects 0.000 description 2
- VNWKTOKETHGBQD-UHFFFAOYSA-N methane Chemical compound C VNWKTOKETHGBQD-UHFFFAOYSA-N 0.000 description 2
- 239000000203 mixture Substances 0.000 description 2
- 230000011218 segmentation Effects 0.000 description 2
- 238000002922 simulated annealing Methods 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- 238000012546 transfer Methods 0.000 description 2
- 101150039077 CRCP gene Proteins 0.000 description 1
- 238000006424 Flood reaction Methods 0.000 description 1
- ATJFFYVFTNAWJD-UHFFFAOYSA-N Tin Chemical compound [Sn] ATJFFYVFTNAWJD-UHFFFAOYSA-N 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 238000009412 basement excavation Methods 0.000 description 1
- 230000000903 blocking effect Effects 0.000 description 1
- 230000009194 climbing Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000002596 correlated effect Effects 0.000 description 1
- 230000008878 coupling Effects 0.000 description 1
- 238000010168 coupling process Methods 0.000 description 1
- 238000005859 coupling reaction Methods 0.000 description 1
- 230000002950 deficient Effects 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000006073 displacement reaction Methods 0.000 description 1
- 235000020188 drinking water Nutrition 0.000 description 1
- 235000013399 edible fruits Nutrition 0.000 description 1
- 238000013101 initial test Methods 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 229940074869 marquis Drugs 0.000 description 1
- 238000012067 mathematical method Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 230000003278 mimic effect Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 239000003345 natural gas Substances 0.000 description 1
- 238000013386 optimize process Methods 0.000 description 1
- 238000012856 packing Methods 0.000 description 1
- 239000002245 particle Substances 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- VYMDGNCVAMGZFE-UHFFFAOYSA-N phenylbutazonum Chemical compound O=C1C(CCCC)C(=O)N(C=2C=CC=CC=2)N1C1=CC=CC=C1 VYMDGNCVAMGZFE-UHFFFAOYSA-N 0.000 description 1
- VBUNOIXRZNJNAD-UHFFFAOYSA-N ponazuril Chemical compound CC1=CC(N2C(N(C)C(=O)NC2=O)=O)=CC=C1OC1=CC=C(S(=O)(=O)C(F)(F)F)C=C1 VBUNOIXRZNJNAD-UHFFFAOYSA-N 0.000 description 1
- 230000006798 recombination Effects 0.000 description 1
- 238000005215 recombination Methods 0.000 description 1
- 238000007670 refining Methods 0.000 description 1
- 150000003839 salts Chemical group 0.000 description 1
- 239000004576 sand Substances 0.000 description 1
- 238000010845 search algorithm Methods 0.000 description 1
- 230000035807 sensation Effects 0.000 description 1
- 238000012163 sequencing technique Methods 0.000 description 1
- 238000007493 shaping process Methods 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 238000003860 storage Methods 0.000 description 1
- 230000001360 synchronised effect Effects 0.000 description 1
- 238000012876 topography Methods 0.000 description 1
- 238000010977 unit operation Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
- G06Q50/16—Real estate
- G06Q50/165—Land development
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Human Resources & Organizations (AREA)
- Tourism & Hospitality (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Marketing (AREA)
- General Health & Medical Sciences (AREA)
- Development Economics (AREA)
- Quality & Reliability (AREA)
- Operations Research (AREA)
- Primary Health Care (AREA)
- Entrepreneurship & Innovation (AREA)
- Game Theory and Decision Science (AREA)
- Health & Medical Sciences (AREA)
- Computer Hardware Design (AREA)
- Evolutionary Computation (AREA)
- Geometry (AREA)
- General Engineering & Computer Science (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Architecture (AREA)
- Software Systems (AREA)
Abstract
计算机实现的土地规划***被设计为生成至少一个用户定义的土地开发问题的概念上的适合的解决方案。该***电子创建至少一个土地开发问题的候选解决方案。该候选解决方案合并有多个可应用于未开发土地场所的开发的工程测量。适合度函数基于候选解决方案的适合度对其进行定量评估。启发式问题解决策略处理候选解决方案的工程测量以取得土地开发问题的更定量适合的解决方案。计算机输出设备输出举例说明土地开发问题的适合的解决方案的文件给用户。
Description
本申请是申请号为200780008773.2、申请日为2007年1月30日、发明名称为“计算机实现的土地规划***和方法”的发明专利申请的分案申请。
技术领域
本发明涉及计算机实现的土地规划***和方法,诸如被设计成生成至少一个概念上的适于用户定义的土地开发问题的解决方案。本发明可同等地应用来规划和开发单片和多片商业、混合使用和住宅土地场所。
背景技术
今天专业房地产开发商、公司、政府实体和其它评估土地的工程可行性、开发成本和投资目的所使用的方法是耗时的、不准确的和昂贵的。不幸地是,由于官僚政治复杂化加上土地使用分区、环境保护的要求、延长批准程序以及在令人想要的区域上土地的可用性和逐步升高的成本,使得当前的方法变得甚至更为复杂和昂贵。这个问题影响广泛的土地使用者,包含例如,房地产开发商(办公/工业、商用、零售、住宅)、拥有和使用房地产(公共/私有)的公司和政府实体(联邦、州、县、市)。
对于上述每个用户,评估土地场所用于开发的可行性通常涉及包含一个或多个建筑师、工程师和土地规划师的土地开发团队。许多这些团队成员参与设计和规划所考虑场所的预期用途。这个最初的规划过程可能花费2天到4周的时间,通常产生带有有限信息的单个示意性的草图(例如,场所支持建筑物脚点(footprint)或建筑基地(lot)和必需的街道和/或停车基地?)。此时,大部分基于对项目的直觉和“内心的感觉”,开发商将选择对更准确评估规划和预算可行性的附加规划和工程签订合同。这个过程可能花费2周至16周和通常导致唯一一个选项,它基于设计师的经验但在任何方面都不是最优化的。然后这个信息用于估计更准确的预算。常常要求时值工程将设计带回到原始预算之内。这个过程花费2周至6周。直到规划过程结束-有时在最初考虑这块土地场所后的3-4个月,一般才确定出最终的预算。
在购买所有权之前经常必须出现上面的规划过程,并要求以法律费用进行大量投资和保证金来保持所有权一段延长的时间。
在这4至28周过程(平均16周)和相当可观的费用以及丢失机会的风险之后,开发商必须基于一个不是最优的设计选项,去评估购买和开发所有权的风险。不幸地是,上面概述的过程是复杂的,甚至由于许多涉及的群体之间的错误传达和无法沟通而更负责,这常常导致坏的设计、坏的预算、意见不和、和坏的项目。
本申请人认识到土地开发工业需要较大的范例改变,现在通过数学建模和计算硬件的改进来做到这一点是可能的。本发明的一个主要目的是通过能够产生许多用于土地开发的优化可选方案的虚拟工程***—包含每个潜在解决方案的规划、工程和预算—来确定出上面概述的问题。一般在最多24小时的周期内实现这个计算过程。
启发式策略
通过利用启发式数学优化方法,例如象进化算法(具有可能的例示,例如象遗传算法、进化策略、进化规划、遗传规划、和上述各项的组合及其成分),本发明的速度和有效性是先进的。对于一定的子任务,也使用例如象线性规划、混合整数规划、分支定界这样的数学规划方法。
简明地说,进化算法(或“EA”)是模仿生物进化作为问题解决策略的规划技术。给出需要解决的具体问题,对EA的输入是一组以某种形式编码的、对那个问题的潜在的解决方案,和对每个候选者进行定量评估的称为适合度函数(fitness function)的度量。这些候选者可以是已知起作用的解决方案,EA的目的是改进它们,但更经常的是随机生成它们。
从这些最初的候选解决方案中,通过称为再现的过程,以更好的候选解决方案(根据它们的适合度测度)平均接收更多复本而较差的候选解决方案平均接收较少的复本的方式进行复制。此外,再现可以不是基于适合度(fitness),而是相反可能从父代种群中完全随机地选择解决方案。通过再现产生的这些复本进入算法的下一代,然后经历被称为变异和交叉(也被称为重新组合)的随机化的修改过程。在变异和交叉(常一起被称为“变化算子”),再一次对新创立的解决方案进行定量评估以确定它们的适合度值。在适合度确定的这个步骤后,可以加入选择步骤,这或者确定或者根据基于适合度的随机化的过程-从后代种群中选择更好的解决方案生存,同时抛弃较差的解决方案。可以将这个选择步骤仅应用到后代,或应用到父代和后代的联合体。然后,重复这个过程。期望是每轮增加种群的平均适合度,因此通过数百轮或数千轮重复这个过程,能够发现非常好的问题解决方案。
发明内容
因此,本发明的目的是提供计算机实现的土地规划***和方法,在一个示例性实施方式中可以自动地生成至少一个概念上的适合用户定义的土地开发问题的解决方案。
本发明的另一个目的是提供计算机实现的土地规划***,在一个示例性实施方式中可以利用例如象进化算法这样的启发式问题解决策略。根据一个进化算法,进化从完全随机的个体种群开始并在各代中发生。在每一代中,对整个种群的适合度进行评估,多个个体从当前种群(基于它们的适合度)中随机或确定性地选择,修改(变异和/或重新组合)以形成新的种群,这或者总体或者部分成为算法下一个迭代的趋势。在这个过程期间,种群的规模可以保持不变(象在遗传算法中的那样)或可以变化(象在(μ,λ)-或(μ+λ)-进化策略中的那样)。
本发明的另一个目的是提供计算机实现的土地规划***,在一个示例性实施方式中可以同时执行土地规划和工程。这项发明可以预先从土地规划师和工程师的观点考虑各种土地开发参数(例如场所规定、用户约束、成本信息),因此利用启发式算法研究数千个选项以确定哪些选项是按照成本和/或收益所确定的最佳选项。
本发明的另一个目的是提供计算机实现的土地规划***,在示例性实施方式中可以对当前土木工程处理应用启发式问题解决策略,以使住宅和商业土地规划和开发发生根本改变。
本发明的另一个目的是提供计算机实现的土地规划***,在一个示例性实施方式中可以缩短获得包含成本信息的最终工程草案(完成的85%或更多)所花费的时间,在许多情形中从3-4个月缩短到小于24小时。
本发明的另一个目的是提供计算机实现的土地规划***,在一个示例性实施方式中,可以提供可通过web访问的技术,它能够保证用户确定开发土地场所的成本最有效的方式。
本发明的另一个目的是提供计算机实现的土地规划***,在一个示例性实施方式中,它可以使土地开发问题可视化并提出最终的解决方案。
本发明的另一个目的是提供计算机实现的土地规划***,在一个示例性实施方式中可以给土地开发商在大约24小时(或更短的时间内)而不是在多个月的时间里直接获取合格的信息。
本发明的另一个目的是提供计算机实现的土地规划***,在一个示例性实施方式中可以使开发土地场所所要求的最初投资资本达到最小。
本发明的另一个目的是提供计算机实现的土地规划***,在一个示例性实施方式中可以降低工程成本。
本发明的另一个目的是提供计算机实现的土地规划***,在一个示例性实施方式中可以使与开发土地场所有关的风险降至最小。
本发明的另一个目的是提供计算机实现的土地规划***,在一个示例性实施方式中可以使工程时间缩短到最小。
本发明的另一个目的是提供计算机实现的土地规划***,在一个示例性实施方式中可以有效地整合土地规划和开发的创造性(美学)和工程方面以获得非常好的或甚至全局最优的解决方案。
本发明的另一个目的是提供计算机实现的土地规划***,在一个示例性实施方式中可以使例如象成本和/或投资回报(ROI)这样的金融措施最优化。
本发明的另一个目的是提供计算机实现的土地规划***,在一个示例性实施方式中可以对土地开发问题生成多个“最优不同的”解决方案,并且以能够输入到工程师现有的CAD/CAM***并被该***直接处理的“.dwg”格式提供这些解决方案。
本发明的另一个目的是提供计算机实现的土地规划***,在一个示例性实施方式中可在独立的PC机上使用,或可在网络上使用。
本发明的另一个目的是提供计算机实现的土地规划***,在一个示例性实施方式中可以利用数字卫星地形学。
本发明的另一个目的是提供计算机实现的土地规划***,在一个示例性实施方式中可以利用启发式问题解决策略,其能够同时处理许多参数。
本发明的另一个目的是提供计算机实现的土地规划***,在一个示例性实施方式中可以利用启发式问题解决策略,其在局部最优之上进行搜索。
本发明的另一个目的是提供计算机实现的土地规划***,在一个示例性实施方式中可以利用设计为能够在具有许多局部最优的空间之内找出全局最优-被称为具有概率1的全局收敛性的属性的启发式问题解决策略。
本发明的另一个目的是提供计算机实现的土地规划***,在一个示例性实施方式中可以利用可应用于包含信号最优化和高速公路设计的流量工程的启发式问题解决策略。
本发明的另一个目的是提供计算机实现的土地规划***,在一个示例性实施方式中可以利用可用于优化建筑物和桥梁结构设计的启发式问题解决策略。
下面通过提供计算机实现的土地规划***所公开的示例性实施方式中获得本发明的这些和其它目的,使得设计成生成至少一个概念上的适合用户定义的土地开发问题的解决方案。在一个实施方式中,该***使用计算机可读介质和在介质上被编码的计算机程序。当在计算机上执行时,该计算机程序可操作用于电子创立至少一个土地开发问题的候选解决方案。候选解决方案混合多个可应用于未开发土地场所的开发中的工程测量。适合度函数基于候选解决方案的成本对它进行定量评估。这些适合度函数同样也许包含一个或多个处罚分量,这些处罚分量说明候选解决方案违反一个或多个用户定义的约束。启发式问题解决策略处理候选解决方案的工程测量以获得更加定量的适合土地开发问题的解决方案。例如象显示监视器、打印机、电子通信等等这样的输出装置向用户传递举例说明适合土地开发问题的解决方案的文件。
这里广泛地定义了术语“规划”来指示任何概念上的土地场所的开发。术语“未开发的土地场所”指的是这样的场所,其可能有或可能没有现有的结构和/或工程架构并且没有根据概念上的本***生成的适合解决方案被开发。术语“启发式”广泛地涉及任何利用适应性、自学习或自适应的技术(如反馈进化)以改善性能的问题解决策略。下面是启发式问题解决策略的例子:进化算法(例如象遗传算法、进化策略、进化规划、遗传规划和这些的变种)、模拟退火、微分进化、神经网络、爬山策略和蚂蚁群体优化、粒子群优化和禁忌搜索。对于某些子任务,线性规划、混合整数规划和分支定界算法也被认为是启发式算法。
根据另一个示例性实施方式,例如象数字地形模型这样的工具以三维空间数字表示未开发的土地场所。
根据另一个示例性实施方式,计算机程序包括用于将工程测量概念上地定位在三维空间之内的指令。
根据另一个示例性实施方式,从包含但不限于暴风雨水***、生活污水收集***和饮用水***的群中选择工程测量。
根据另一个示例性实施方式,输出文件包括至少一个计算机生成的草案。
根据另一个示例性实施方式,输出文件进一步包括在工程测量逐条列出的成本清单。
根据另一个示例性实施方式,文件通过全球通信网络传递给用户。
在另一个实施例中,本发明是设计为生成至少一个概念上的适于用户定义的土地开发问题的解决方案的计算机实现的土地规划***。处理器获取未开发土地场所的土地开发约束条件。该***进一步使用计算机可读介质和在介质上被编码的计算机程序。当计算机程序在计算机上执行时,可操作用于创立土地开发问题的候选解决方案的种群。每个候选解决方案包含多个可应用于未开发土地场所的开发的工程测量。处理器获取包含每个工程测量的各个成本数据的成本模型。计算机程序包括用于处罚(或甚至抛弃)违反土地开发约束条件的不适合的解决方案。对于由于违反约束条件但还没有立即抛弃的所有解决方案,使用适合度函数来基于工程测量的成本数据计算适合度分数。适合度函数使用各种成本措施和也可以使用各种处罚措施计算候选解决方案的适合度。启发式问题解决策略处理各个选中的候选方案的工程测量以获取增加的适合度分数,使得那些实现了增加的适合度分数的候选方案比较有可能被使用或甚至被确定性地选中以在下一个算法迭代中形成新的种群。计算机程序包括用于从多个适合的解决方案中选择一组最优不同的可替换解决方案。例如象显示监视器、打印机、电子通信等等这样的输出装置用于向用户传递举例说明土地开发问题的最优不同的可替换解决方案的文件。
根据另一个示例性实施方式,处理器获取未开发土地场所的用户喜好。
根据另一个示例性实施方式,计算机程序包括基于违反用户喜好处罚候选解决方案的适合度分数的指令。
然而在另一个实施例中,本发明是设计为生成至少一个概念上的适于用户定义的土地开发问题的解决方案的计算机实现的土地规划方法。该方法包含电子创立至少一个土地开发问题的候选解决方案的步骤。这些候选解决方案包括多个可用在未开发土地场所的开发的工程测量。基于其总体适合度(它是依次由成本分量和处罚函数分量构成的)定量地评估候选解决方案。然后使用启发式问题解决策略来处理候选方案的工程测量以获取更加定量的适合土地开发问题的解决方案。在获取更适合的解决方案之后,将举例说明适合土地开发问题的解决方案的文件输出给用户。
简要术语表
下列术语表提供了本说明书中包括的一些术语的基本的定义/解释:
细胞自动机-通常在网格上,使用一组“细胞”执行某种全局任务的一群算法,其中每个细胞具有相同的局部性能。它们经常被用于模仿例如象雨云中的沙粒或水滴上的引力这样的自然力。
交叉-根据进化算法,这指的是将两个或多个个体的多个部分组合(在这种情形中是父代)以产生一个或多个新的个体(后代)的过程。
Delauney三角剖分-在二维空间中用线连接点以独特的和数学的方式产生三角形的方法。
便利设施-具有可以考虑最优化的特殊所有权的土地区域。通常地役权包含例如,树木保护区域、输电线、现有天然气管道和水管和象小溪的自然元素。
进化算法(EA)-以抽象的方式使用自然进化的概念来优化对于通常复杂问题的解决方案的一群算法。下面参见图22-25进行讨论。进化算法的子集包含例如进化策略、遗传算法、遗传规划和模拟退火。
进化循环-按照进化算法所使用的迭代循环。
进化策略-可以使用连续搜索空间的进化算法子集,一般更多地依赖变异而不是交叉,和经常使用步骤大小的适合策略以进化参数和增加性能。
适合度(函数)-个体的适合度定义个体在种群中的等级,且具有个体被选择用于配对的概率。适合度函数是计算个体适合度的函数。
启发式-启发式是帮助最优化过程的假定的实现。布局解决过程(Layout Solver)例如可以使用最小化人行道总是最小化成本的假定。
个体-根据进化算法,这是进化的实体。对于适合度函数它也许由输入参数构成的。最新创立的个体一般被称为“后代”和被选择用于配对的个体一般被称为“父代”。
迭代循环-进行一系列可能的选项或解决方案的循环。
多块商业-多块商业场所可能是开发多个商业建筑物的场所。这些建筑物可能连接起来。同样,具有不同楼层作为单个建筑物分离的部分的该建筑物经常被称为“多块”的。
变异-个体的小的变化。在利用交叉或普通复制生成个体之后经常会发生的事情。
小生境-不但在种群中优化出最佳的解决方案,而且保持种群的多样性的方法。这生成所谓的“最优不同的”解决方案,是一群全部都是局部最优的不同解决方案。
最优不同-最优不同的解决方案是在它的搜索空间的邻域中“最佳”的解决方案。那意味着一组最优不同的解决方案不仅显示整个搜索空间中的最佳解决方案,而且显示局部最优的解决方案的延展。
最优化-试图求出搜索问题中的最优解的过程。在一个实施方式中,最优过程是试图求出使土地开发成本最优的最佳布局、等级和效用规划。利用仿真进行成本的计算。
仿真-将数学规则应用到模仿真实世界过程的行为的过程。在本情形中,可以朝着“模仿”场所的结构和计算这个结构的成本对仿真进行调整。
单块商业-单块商业场所是只开发一栋建筑物的场所。
具体实施方式
此后将参照附图更完整的描述本发明,在附图中示出的是本发明的一个或多个示例性实施方式。然而,这项发明可以以许多不同的形式具体化且不应当解释为限于这里所公开的实施例;更确切地说,提供的这些实施例使得这个公开是可操作的、可行的和完整的。同样的数字在附图中涉及同样的元素。正如这里所使用的,冠词“a”的意思是指包含一项或多项。在意欲表示仅一项的情况下,使用“一”或类似的语言。尽管这里使用指定的术语,但是仅以一般性的和描述性的意义使用它们,而不是用于限制的目的。除非这里有另外特别地定义,意欲给予这样的术语以它们不与应用于相关工业的一致的广泛普通和习惯意义,且并不是对此后这里所描述的任何指定实施例的限制。对于优点、收益、不希望的结果、或本发明的可操作性的任何提及并不意味着断言本发明先前已经变为实践或断言已经执行任何测试。
在示例性实施方式中,本***在利用与主机服务器通过例如象因特网这样的计算机网络通信的客户机装置的环境中工作。在其它的实施例中,可以使用其它的计算机网络,例如广域网(WAN)、局域网(LAN)、或内部网。主机服务器可以包括处理器和例如象随机访问存储器(RAM)这样的计算机可读介质。处理器可操作用于执行一定的启发式问题解决程序和其它存储在内存中的计算机程序指令。这样的处理器可以包括微处理器(或任何其它的处理器)和同样可以包含例如,显示装置、数据存储装置、光标控制装置、和/或这些元件的任何组合、或任意数量的不同元件、***设备和其它装置。这样的处理器也可以与其它存储计算机程序指令的计算机可读介质通信,使得当处理器执行所存储的指令时,处理器执行这里所描述的步骤。本领域的技术人员也将认识到这里所描述的示例性环境并不意味着限制本***的应用,且在不背离本发明的范围的情况下可以使用可替换的环境。
各种合并到本***且在这里讨论的问题解决程序利用来自数据存储装置的数据作为输入。在一个实施例中,数据存储装置包括电子数据库。在其它的实施例中,数据存储装置可以包括电子文件、磁盘或其它数据存储装置。数据存储装置可以存储工程和成本模块、建筑代码和规则、用户数据和库。数据存储装置也可以包含用于执行本***功能的其它项。
在一个例子中,问题解决程序包括一个或多个启发式问题解决策略(特别是,例如象进化策略、遗传算法、进化规划、遗传规划和启发式这样的进化算法)以解决由用户定义的高级问题陈述-例如,基于成本对场所的土地开发进行优化。通过计算机网络将产生的最优不同的解决方案传输到客户机装置。然后用户能够决定哪一个适合的解决方案最好地满足他或她的设计目。
I.***概要
本***使用被分为下面单独讨论的三个不同解决过程的优化引擎。这些解决过程允许用户只实现***总体功能的所希望的部分的选项,且由此加速优化过程。
三个单独的解决过程包含:
(a)规划解决过程
(b)分级解决过程(grading solver)
(c)和效用解决过程
规划解决过程
规划解决过程进行场所的规划;对场所加入停车空间、人行道、机动车道、公路和其它2D的特征。目的是在给定由用户键入的所有规划约束条件的情况下对场所的建筑物的位置进行优化。
分级解决过程
分级解决过程在给定一定的固定规划的情况下对场所提出的级别进行优化,使得土方工程是可行和最优的。这个解决过程考虑例如象最小和最大斜坡、护墙和围栏这样的用户约束条件。
效用解决过程
效用解决过程对场所的管道和入口进行优化。这个解决过程考虑包含管道大小、深度、表面上的水流和管道中的流的因素。
A.不同的用途
三个解决过程可以不但单独使用,而且也可以堆叠起来组合二个或所有三个以获取更详细的信息。将解决过程堆叠起来影响优化的复杂性,因此影响计算一个或多个“好的解决过程”的速度。
对于所添加的复杂性,可以在线和离线地使用解决过程:
在线:解决过程从浏览器窗口内开始。在这个实施例中,在运行期间,用户可以与解决过程进行交互,且可以将不同的解决方案的进化或计算可视化。
离线:解决过程从向服务器区发送请求开始。在这个实施例中,当请求已经完成时,将优化的结果发送回用户。
因为将解决过程堆叠起来增加优化的复杂性,一般当在线时不将解决过程堆叠起来。在线运行可以被认为是“快速解决过程”或“仿真”。图1举例说明的是对在线和离线优化/仿真的用户访问。在本文中的其它地方提供解决过程堆叠的详细阐述。
为了提升便携性和由于计算的相对复杂性,***可以利用例如象因特网这样的全球通信网络。为了在实施方式中使用该***,用户使用因特网浏览器并进行因特网访问。用户可以利用web界面建立项目并将数据存储到主机数据库中。利用web界面,用户可以在少于5分钟内很快运行完成解决过程。这些很快的解决过程向用户提供了高级信息,并可以用于解决基本的可行性和美学考虑。如果希望更详细的信息,用户可以从堆叠的解决过程请求离线解决方案。堆叠的解决过程解决方案为工程师提供更多的细节、成本和选项以在他们的场所规划任务中使用。取决于在这样的运行中使用哪些(堆叠)的解决过程以及所提交场所的大小和复杂性,通常运行时间可以在从10分钟到24小时的范围内。
B.堆叠解决过程
正如上所提到的那样,在本***中存在将三个解决方案堆叠起来的不同方式。图2示出的是不同解决过程的一般接口。
有可以使用的6种不同的情景:
(1)只使用规划解决过程
(2)只使用分级解决过程
(3)只使用效用解决过程
(4)将规划解决过程堆叠在分级解决过程上
(5)将分级解决过程堆叠在效用解决过程上
(6)使用规划解决过程、分级解决过程和效用解决过程的完全的堆
这些运行的情景中的每个要求不同的输入和生成不同的输出。一般来说,输入涉及堆中的第一个解决过程、因此结果是堆中所有解决过程的结果的组合。如果堆叠两个解决过程,第一个解决过程使用第二个作为“适合度函数”。这个概念将在下面进一步的讨论。
C.仅仅规划解决过程
常常进行由自身运行规划解决过程以快速评估一定场所特性的一般美学或可行性。只键入给定场所的基本的信息,例如象所有权边界和建筑物的,轮廓,规划解决过程操作以确定建筑物的最佳位置,考虑停车空间的最小数目、机动车道、卡车回车道(如果需要)、地役权和其它用户定义的二维约束条件。
输入:
-所有权边界
-建筑物轮廓
-可选的二维约束条件(例如,地役权区域、机动车道需求、停车空间需求)
输出:
-基于停车空间的数目和铺路区域求出最佳规划。
当这个解决过程作为快速解决过程在web界面中运行时,用户也有与解决过程交互和移动建筑物的选项。当移动该建筑物时,规划解决过程利用用户选择的每个新的位置对规划很快地进行更新。在这个实施方式中,用户可以很快地评估场所的可行性和建筑物的一般位置。因为例如象停车空间的数量或机动车道要求这样的二维约束条件中的任何变化也引发规划的更新,这个界面给用户回答许多可行性问题的强有力工具,所述问题例如包含:
-在有建筑物选项A的场所能够配备100个停车位吗?
-在有建筑物选项B的场所能够配备100个停车位吗?
-在有建筑物A的场所能够配备100个停车位、二个机动车道并且在该建筑物的后边提供卡车通路吗?
-在有建筑物A的场所能够配备100个停车位、二个机动车道、提供卡车通路,并安装排水池吗?
图4和图5分别提供以前和以后规划的例子。在规划解决过程运行之前(图4),用户必须键入场所全面的仅仅基本的特征,例如象所有权的界线、建筑物和地形学的数据。在运行规划解决过程之后(图5),***已创建停车线、停车区域、机动车通路、至建筑物的卡车车道和人行道。用户可以通过为***提供遵循的规则,控制所考虑规划的选项,例如:
-建筑物从所有权的界线退后150英尺。
-在建筑物后面不允许停车。
-卡车通路必须60英尺宽。
D.仅仅分级解决过程
自身运行分级解决过程给出所提供的规划的土地分割和土地填充成本的快速指示。在这个情景中,用户键入例如象停车场斜坡的最小值、停车场斜坡的最大值、护墙高度的最大值等等这样的分级约束。当进行这种优化时,该***考虑提升/降低土地的总体分级,哪一个地方放置护墙、哪一个地方需要位于路边、对于停车合适的斜坡以及其它相关分级问题。然后分级解决过程考虑规划指定的不同区域、读取用户定义的分级约束条件和对场所的分级规划进行成本优化。
输入:
-完成规划
-三维现有的分级
-规划的分级约束条件
-将场所分级(挖掘/填充)的单独的单位成本
输出:
-提出的三维分级
-关于所提出的分级(除了效用成本)的成本报告
对用户通过web界面运行这个快速解决过程提供三维的分级浏览器,该浏览器允许他们观看被积极分级的场所。图6和7示出的是之前和之后3D分级仿真工具的图像演示操作。这个工具可视化地举例说明被分割/填充的土地、任何挖掘的岩石、护墙放置的地点、建造路边的地方、机动车辆行驶的地方和其它的细节。
***所考虑的分级选项可以由用户定制。用户可以将规则键入直接对场所进行分级的***。这样的规则包含例如:
-指定最大的护墙高度
-指示停车区域所允许斜坡的最小值和最大值
为了进一步优化分级计划,分级解决过程和效用解决过程可以在堆叠的情景中运行以使得分级在其优化的解决方案中考虑排水问题。
E.仅仅效用解决过程
效用解决过程生成优化的包含入口、出水口、有效地进行场所排水所要求的排水计划。通常运行堆叠在分级解决过程之下的效用解决过程。效用解决过程也可以通过自身在web界面上作为快速解决过程运行以提供关于美学和可行性问题的有价值的反馈。
输入:
-充分完整的规划
-充分完整的提出的三维分级
-规划的效用约束
-效用设计(管道/入口等等)的单位成本
输出:
-三维效用计划
-效用计划的成本报告
图8和9分别提供了来自效用解决过程的选项之前和之后的例子。图8示出的是没有提供任何效用设计的情况下规划的场所。图9示出的是在效用解决过程已经完成了这个设计之后场所的样子。图10示出的是在图中向用户提供的细节。
用户可以通过将约束条件键入到***中规定一定的效用设计。可能建立的某些约束条件包含:
-管道斜坡的最小值和最大值
-每个管道的直径的成本
F.规划+分级解决过程
将规划解决过程堆叠到分级解决过程的上面要求***对每个生成的可行规划进行分级。这允许用户根据分级考虑最低成本的、可行的规划。这运行的情景一般优选用于只测量停车空间的数值或铺路区域的大小。同样保证具有可行的分级的场所被选择为最佳的选项。由于大量的规划/分级组合针对这种情景运行,堆叠的解决过程不仅返回最佳的规划,而且返回5到10个“最优不同的”提出的解决方案。在这种情形中,堆叠的解决过程返回具有可比较成本的不同的规划可替换方法,使用户更多地洞察关于解决土木工程问题的选项。
输入:
-所有权边界
-建筑物轮廓
-三维现有分级
-可选择的二维约束条件(例如,地役权区域、机动车需求、停车空间需求)
-规划分级的约束条件
-用于分级(挖掘/填充)场所的单独的单位成本
输出:
-5至10个最优不同的解决方案。图11和14举例说明二个“最优不同的”解决方案。
解决方案的输出(对每个解决方案,可以提供下列选项):
-带有建筑物、所有权边界、停车、机动车、地役权、池塘等等的完全场所规划
-完全三维的提议分级
-完全的HTML和Excel成本报告其概述了分级和规划所提议的场所所产生的所有费用
-完全.DWG文件,其带有为每个规划元素、分级的轮廓、土木工程所需要的文本细节所定义的分层
-完全***文件,其包含所有能够反馈到***中以进行进一步提炼的关于场所的相关细节
图11-16中提供详细的解决方案输出的框图。这个堆叠的组合是离线运行且通常在1小时之内运行。
G.分级+效用解决过程
将分级解决过程与效用解决过程进行组合要求分级解决过程考虑在排水计划上分级的影响。如果分级变化,水也许以不同的方向或在场所中的区域流动。即使分级也许低廉,但这也许需要更昂贵的排水计划。通过在分级优化期间对不同的分级运行效用解决过程,效用解决过程可以在对于解决可能是昂贵的分级中突出问题区域。然后通过分级解决过程将那些区域进行不同的分级以使总的成本最小化。
输入:
-完全的规划
-三维的现有分级
-规划分级的约束条件
-用于分级(挖掘/填充)场所的单独的单位成本
-规划的效用约束条件
效用设计(例如管道和入口)的单位成本
输出:
-用于所提供的场所规划的一个优化的选项
解决方案的输出(对每个解决方案,可以提供下列选项):
-具有建筑物、所有权边界、停车、机动车、地役权、池塘等的完全场所规划
-完全三维提议的分级
-完全三维提议的效用计划
-完全HTML和Excel成本报告,其概述了分级和对提议场所规划管道敷设进行所产生的所有费用
-为每个规划要素、分级轮廓、管道示意图和土木工程所需要的所有区域的文件细节定义了的分层的完全的.DWG文件
-完全***文件,其包含所有能够反馈到***中以进行进一步提炼的有关场所的相关细节
图11-16提供了解决方案输出的详细框图。这个堆叠的解决过程通常运行在30分钟之内。
H.规划+分级+效用解决过程
利用完全的解决过程堆有可能获得5至10个具有最小信息的完全优化的规划。在这种情景中,分级解决过程也考虑排水计划的成本。然后这完成在考虑所有场所规划、分级和效用约束/成本的情况下提供最低成本的、可行的场所计划的完全优化。一般来说,这个完全堆更复杂且要求更多的时间计算,并将提供最精确的和详细的结果。
输入:
-所有权边界
-建筑物轮廓
-三维现有分级
-可选二维约束条件(例如、地役权区域、机动车要求、停车空间要求)
-规划的分级约束条件
-规划的效用约束条件
-用于分级(挖掘/填充)场所的单位成本
-效用设计(例如,管道和入口)的单位成本
输出:
-5至10个最优不同的解决方案。图11和14举例说明二个“最优不同”的解决方案。
解决方案输出(对于每个解决方案,可以提供下列选项):
-具有建筑物、所有权边界、停车、机动车、地役权、池塘等等的完全场所规划
-完全三维提议的分级
-完全三维提议的效用计划
-完全HTML和Excel成本报告,其概述分级和管道敷设所提议的场所规划的所有费用
-具有为每个规划要素、分级的轮廓、管道示意图、土木工程所需要的所有区域的文本细节定义的分层的完全.DWG文件
-包含所有能够反馈到***中以进一步提炼的有关场所的相关细节的完全***文件
图11-16中提供了解决方案输出的详细框图。对于10-15英亩的场所运行完全堆可能要求8至15小时之间。
II.优化
在不同的解决过程中出现多个优化。下列讨论略述如何进行这些优化和可能使用的设置。
(i)进化循环
进化算法(EA)使用进化循环以进化一池利用“选择”、“复制”“重新组合”和“变异”的个体,以不断地改进个体、努力求出最优解。在下面单独提供EA的扩充介绍因此不重复该介绍,相反下面的讨论集中在规划解决过程如何实现这个进化过程。
图3示出的是一般的进化循环。首先,生成最初的种群,或个体“池”。这个种群的大小在整个进化过程中一般是固定的。利用适合度函数测量每个个体的质量或“适合度”,之后检测终止准则。通常,在几代之后终止循环,但是顶部的适合度或适合度随时间的变化也可能起着这个作用。其次,选择“最佳的”个体。最佳个体集合并不总是必须是具有最佳适合度的个体集合(见关于“最优不同”和“小生境(niching)”(这里也许不是这种情形)的讨论)。使用所选择的个体形成下一代。能够利用重新组合做到这一点,但是也经常使用复制。下一代通常与最初的一代具有相同的大小,但只利用最初一代最佳的个体生成。这个下一代将被变异以希望沿右手(或更好)方向改变。这种个体变异的方式可能是相关的问题,但在大多数进化策略中使用“步长大小”影响造成变化的大小。策略上来说,改变这个步长的大小因此能够显著影响算法的性能。在变异之后,通过重新计算每个个体的适合度停止这个循环。因为这池现在由最新的一代靠近最佳的体构成,期望现在改进这一代的适合度值。
在一个实施例中,在所有其它优化过程未能进行的区域中使用这个进化过程。这意味着如果对于一定的问题子集找到数学方法的替换,这个替换方法一般是优选的。进化过程通常不是确定性的,且将因此不两次生成相同的答案。且因为大多数真实世界的问题的搜索空间太大以致不能考虑所有可能的答案,通过进化算法生成的解决方案可能决不被证明是最佳的解决方案。尽管进化算法相对灵活,且在其它优化算法对于求出解决方案不可用的地方执行的很好。
(ii)优化与仿真
本最优化引擎既是最优化器也是仿真器。这两个概念经常混淆,且因此在下面进行解释。
根据计算机程序的仿真是模仿给定某些输入将发生什么的过程。这可以是随时间分析工业过程的情形,计算天气模型或在这种情形中,试图将“公共感觉”应用到土地开发问题上。仿真通常是确定性的,且给出唯一的答案。
根据计算机程序的最优化过程是将什么能够是给定约束条件最优化的过程。与仿真重要的差别在于计算机试图求出最佳的输入以与问题和它的约束条件匹配,而不是分析一组给定的输入这一事实。
本规划解决过程既具有最优化元素又具有仿真元素,且在某些部分,解决过程可以两个都做一点。解决过程如何操作是基于由***制造的一定的假设。每个假设有效的限制最优化器;它告诉最优化器他不必寻找最佳的解决过程。每个假设因此减少搜索空间且一般而言增加最优化过程的速度。然而无法进行多少选择的假设可能对候选解决方案的质量具有显著的影响。有效地,制造的每个假定都将部分问题从最优化过程领域移动到仿真领域。换句话说,与试图求出子问题最佳的解决方案相反,假定在一定的方式下是最优的,使子问题的解决方案有确定性且仿真比最优化要多。
A.规划解决过程
下面将描述规划解决过程的最优化元素。图17概述了规划解决过程和它的内部工作。
规划解决过程的最优化元素是寻求发现建筑物的最佳位置的机制。为了测量该建筑物位置的质量,使用规划解决过程的仿真元素模仿作为建筑物位置的结果规划的其余部分将进行到哪里。根据进化算法(EA),最优化元素是“进化循环”,而仿真元素包括“计算细节”且将“个体”考虑为场所处建筑物的具***置。在下列的讨论中给出这个方法的细节和规定的设置。
(i)个体
规划解决过程的最优化过程中的个体是建筑物的位置。在多块商业场所的情形中,这可以是多个建筑物的位置。在商业场所的情形中,用户也可以希望将池塘的位置或广告符号最优化以使这些项目成为个体的一部分。
建筑物的位置根据东北方面、加上对给定原始形状的建筑物的旋转被定义为建筑物的中心。
(ii)变异
通过移动和旋转建筑物进行个体的变异。移动和旋转量是具有一定步长大小σ的标准方差的高斯随机分布。这个步长大小以合理的大小开始,例如,场所的对角线/λ,其中λ是种群大小,可以根据一些策略进行改变。使用的一个成功的策略是“自适应”,它使用进化原理在建筑物的位置进化的同时进化最佳的步长。图18示出的是建筑物的位置和它的置换的例子。
个体的变异是受许多真实世界逻辑问题的约束的。这些问题中的大部分仅是通过试图在场所上放置机动车、岛和停车来检测的;但是某些在适合度估计之前进行,类似的如检测该建筑物是否在建筑物后退之内。在适合度估计中不考虑例如象这种情况的不可行位置。
(iii)最优不同的选择或“小生境”
在一个实施例中,根据被称为“小生境”的区域进行规划解决过程中的选择。规划解决过程不仅寻找计算最佳的解决方案,而且在返回不同的解决方案中存在值。对于土木工程师或土地开发商,5个不同的“非常好的”解决方案也许比5个非常类似的(也许更好的)解决方案提供对于给定的场所的可能性的更好理解。
通过再用公式表示“好的个体”的定义获得最优地生成不同的解决方案:具有最佳适合度的个体在它的局部邻域中。术语“小生境”指示这个局部邻域,因此术语称为“小生境”。在选择期间,与选择具有最高适合度的μ个(=父代个数)个体相反,正如正常进行的哪样,现在选择只选择唯一一个最佳的个体。现在去掉这个最佳个体的紧邻的邻域中的所有个体,并且选择最佳剩余的个体。通过去掉第二个个体的紧邻邻域和再次选择来重复这个过程,直到去掉所有个体或选择μ个个体为止。
定义个体的邻域是这种类型的选择重要的步骤。一般地,通过半径ε定义邻域。在建筑物的东北方向的位置的情形中,这个相对是直截了当的,但是在旋转的情形中,它变得较为复杂。
考虑两个建筑物在同一邻域中,当且仅当:
-中心相距不大于ε=(场所的对角线/c)英尺
-旋转相差角度不大于45度
(设置c与所选择的父代数量紧密相关;c=μ不是罕见的)
如果小生境的数量降至μ以下,则选择每个小生境中未选择的最佳的个体直到满足μ为止。
(iv)适合度函数
规划解决过程的适合度函数仿真建筑物的位置对规划的剩余特征的位置的影响。可以根据建筑物中设置不同的约束条件,不同地测量适合度。解决过程的堆叠也影响着适合度函数如何定义。如果规划解决过程单机运行(由自身运行),不计算成本。如果规划解决过程堆叠在分级解决过程之上,适合度是最小或最优的分级成本。如果规划解决过程堆叠在分级解决过程和效用解决过程之上,适合度是最小/最优的总成本。
用户定义的某一建筑物所要求的停车空间的最小个数改变单机规划解决过程的适合度的定义。如果不定义这个数量,解决过程利用整个场所寻找停车空间数目的最大值。如果设置这个数量,则解决过程利用场所的子区域寻找停车空间所需要的区域的最小值。当规划解决过程未被堆叠时,将这个用作为建筑物位置的适合度。
(v)迭代循环
通过利用启发式算法消除一些潜在的建筑物位置,考虑场所上所有保留的建筑物位置的任务变得可行。
在这个方法和进化循环之间显著的差别在于定义建筑物位置的方式。不再进行偏北、偏东和旋转,而是通过选择所有权的两边、建筑物的一边和两个偏移量。
利用这个迭代循环而不是进化循环一般是更能繁殖的。然而,为了在搜索空间上迭代,这个方法要求许多假设。另一个所关心的是现在简化的问题仍然可以具有极大数量的可能性、或候选解决方案。复杂性减少到多项式O(n4),但其复杂性可以迅速增长。同样地,这个方法在单块商业土地开发中特别有用。
在某些情形中,用户已经知道建筑物的哪一边需要与所有权边界的哪一边线对齐。这个输入进一步减小搜索空间。这种情形中的复杂性减少至O(n2)。因为这导致候选解决方案的数量大量减少,可以通过减少偏移量中的步长和增加偏移量改进这些解决方案的质量。
可以使用类似的方法改进较小场所的质量。如果可能性的数量很小,可以减少偏移量中的步长并因此增加步长个数。
B.分级解决过程
尽管可以通过规划解决过程使用分级解决过程作为适合度函数的一部分,也可以将分级解决过程考虑为它自己的优化过程。它在给定某些斜坡和高度约束条件的情况下对场所的土方工程进行优化。下面将讨论分级解决过程的最优化过程。
分级被定义为“表面”及其所有的护墙。为了对分级进行优化,关于数据结构进行下列假设:
-护墙只位于二维区域的周围
-表面是由三角形网格构成的
-每一点(除开护墙上的那些)具有唯一的表面高度
护墙一般位于停车场周围,可以通过分割护墙需要位于的区域处理任何例外。利用三角形网格定义表面是土木工程中常见的,且常常被称为TIN。
因为护墙被定义为位于二维区域的边界上,在区域A和B之间的护墙可以通过两行三维点定义;一行位于区域A中且一行位于区域B中,两个都具有相同的二维位置,但不同的高度。高度的差异则产生垂直的墙。这保证区域内部在给定的位置只有一个高度。这使得有可能定义区域内的表面为一组三维点,其中第一个二维给出点的位置和第三维是该位置处的表面高度。利用智能的三角形剖分算法,这些点因此用三角形连接起来以产生表面。护墙将分离的区域连接在一起形成完成的三维表面结构。
分级解决过程将表面形状优化使得满足分级约束条件和成本最小化。大多数分级约束条件在通过规划解决过程给出的或由用户键入的二维区域上定义。例如,一般不允许停车场在任何方向上倾斜大于4度,以防止汽车滚动,但应当至少倾斜2度以允许水流走。除最小和最大斜坡之外,还有影响分级的其它约束条件,其中最重要的也许是最小和最大高度以防止一定区域的分级低于或高于指定的高度。下面提供当前约束条件的完整列表和如何强迫执行它们。重要的是应该注意到如下面略述的最优化过程与使容易地加入新的约束条件成为可能的个体约束条件相独立。
(i)巨大的搜索空间
利用所有二维区域和用户提供的现有分级,构造表面之后,这个结构基本保持不变。分级解决过程只改变所有三维点的高度。通过上下移动点,所有连接该点的三角形将获得不同的斜坡。如果该点向下移动,三角形将更多的向该点倾斜,和如果向上移动,三角形将倾斜的离该点远一些。同样,有许多具有不同斜坡的不同的表面和具有不同可能成本的高度。因为没有定义“最小变化”,对于表面中的每一个点存在无穷个可能的高度。
这对于进化算法通常不是问题。EA在定义了某些最小值和最大值的情况下能够解决具有无限搜索空间的问题。为分级解决过程定义现有表面的点或者来自轮廓线或者来自用户键入***的勘测点。为了精确地输入平均大小的表面,可能需要大约5000个点。某些更精细的表面可能需要高达10000个点。那些点中的每一点可以独立地变化。举例说明这个庞大的搜索空间,考虑如果表面中的每一点可能具有10个不同的高度所发生的情况。这将给出(平均而言)105000个不同的表面(1带有5000个零)。为了进行比较,估计宇宙中原子的个数在1081(1带有81个零)。
很少知道这个大小的搜索空间中进化算法的行为,和尽管理论上应当是可能的,本***并不提供算法学习这个搜索空间的方向属性所需要的时间。相反,这个分级解决过程应当优选在少于5分钟之内送出答案。
(ii)局部最优化
即使搜索空间很大,使可行的优化分级两个主要特征是:
-改变分级表面上的点只影响周围的三角形和连接护墙;它不改变场所的其它端的性质。
-现有的分级(尽管也许是不可行的)是生成最低成本的分级。没有土方需要搬移且没有护墙需要构建。土方工程的成本很大程度上与提出的分级和现有的分级之间的距离成线性关系。
这两点引起下列假设:
-如果三角形朝一定点斜得太多,向上移动那一点使场所更可行。
-如果三角形远离一定点斜得太多,向下移动该点使得场所移动可行。
-如果它减少场所上总的分割和总的填充之间的差异,将点向原来高度移动使场所成本较少。
-将护墙中的点朝它的相反部分移动,减少墙的大小,使场所成本较少。
根据上述的观点,现在根据容易解决的局部最优化定义难以解决的全局最优化。采取这些规则并通过加入另一个假设以确定性的局部最优的形式应用它们是很小的步骤:可以同时改变所有点而不用改变上面列出的任何假设。当这个假设也许不完全正确(因为一点的改变的确影响它周围的三角形,且因此该点影响三角形的其它端上的点)但给定变化不是重要的,这种影响是可以忽略的。在细胞自动机(CA)中使用这种类型的最优化且被称为“同步更新”。这种方法与CA相比在于存在邻域,并且点受它们邻居在前一代中高度变化影响,但是表面结构是不同的,且例如象总的分割和填充平衡这样的全局影响也是唯一的,正如在土木工程中对于土方工程计算的应用那样。
图19举例说明了这个简单的最优化过程(为了阐述的目的,可行性和成本计算被省略了)
(iii)终止
当表面是可行的且成本是最优的时,分级解决过程需要终止。为了取得这个结果,分级解决过程假设如下:
-如果整个场所的成本在最后1000次迭代后,没有大于0.5%的变化,则成本是最优的。
-如果场所的可行性在最后1000次迭代后,没有大于0.5%的变化,这个结果和获得的可行性一样好。如果这个结果不可行,则不能实现场所的约束条件。
虽然上述不一定对于每个场所成立,实际上这些设置对于大部分场所非常适用。如果需要的质量较高,可以修改这些设置,但是这将影响解决过程的运行时间。
C.效用解决过程
效用解决过程负责所有管道问题。对于需要的地下管道的情况有三种主要的分类:
(a)地下水的排水管道
(b)生活污水管道
(c)饮用水管道
从这三点来说,对排水计划进行优化相对复杂且也很大程度上取决于所提出的场所的分级。同样,就对提出的分级质量进行测量而言,排水优化是重要的可行性测试。
(i)效用(排水)解决过程
象其它两个解决过程那样,效用解决过程可以被分成仿真部分和优化部分。仿真部分也可以被分成多个部分,包含:水流计算和管道吞吐量计算。两个都将在下面详细地进行阐述。
效用解决过程中的最优化部分是由优化规划和连接暴风雨水入口的管道大小、水池和接头点构成的。管道越小或长度越短意味着场所的成本越少,但是管道规划必须象分级解决过程所设计的那样能够在所提出的分级上处理一定的暴风雨。同样,对这个最优化的约束条件可能相当复杂,但是为了防止设计的场所的洪泛,其应当是精确的。
也对管道的高度进行约束。排水管道一般使用引力使水流动。因此,管道具有使水流动的最小坡度。不允许管道高于地面,具有低于损坏或撞击它们的最大深度。此外,不允许管道穿过象建筑物这样的一定区域,只是很少允许穿出所有权边界。所有这些(和其它)的约束条件使这为沉重的“有界限的”优化且使它难以为进化算法找到有效的“优化路径”。
典型的场所也许有大约20入口/接头点散布在整个场所上。这意味着在两个入口之间的可能的管道数是20×(20-1)/2或190。这些管道形成不同的规划的可能组合数是2190,这大约是1,6·1057(1后面跟着6和56个0)。同样,仔细检查每个不同的管道规划是不实际的。这种情形中没有任何假设的最优化将是困难的。
有两种假设使这个问题容易一些:
-管道的成本绝不能是负的。
-对于入口子集的最好的管道规划将是整个场所的最好的管道规划的一部分。
第一个假设对于第二个假设成立是重要的。而土木工程常常使用第二个假设,理论上存在这个假设并非如此的情况。这个连同其它约束一起,例如象“某处需要管道敷设“,将这个问题转化成局部最优化。***知道水需要往哪里走(即,向水池/接头),使得限制问题最初的可能性的个数,或候选的解决方案。并且,因为解决过程可以假设任何管道开始是好的,结束是好的,最优化变成将“最好”可行的管道加入已经加入的管道,重复这个过程直到所有的入口连接在一起为止。
图20示出的是用于生成场所的排水计划的最优化循环。注意到与进化循环有某种相似性。一个差别是对于这个循环的每次迭代,减少遗留的问题,因为不必再次考虑连接到管道图的每个入口。
生成入口的位置可能是复杂的。这个涉及对水流进行仿真,然后查明人行道表面上的水变成池塘的地方。然后***检测入口是否能够有效地管理/排水,如果不能,***将入口加入到在水成池塘之前捕获水的关键位置。利用流图进行这种仿真。
下列描述的是如何“考虑加入管道”。加入管道不仅影响入口和管道本身,而且影响加入的水流通过到达水池/接头的管道。这意味着通过将管道临时加入到管道图中,然后重新计算所有管道的可行性、大小和成本来检测每个管道。当在管道图中没有什么因为管道变得不可行时才加入管道,且是加入成本最少的管道;概念是一次一次加入成本最少的管道,给出结束时成本最少的管道图。当所有的入口连接在一起时,循环终止。
(ii)污水和供水优化
每个建筑物一般具有一个污水线路和一个饮用水线路。这些线路通常以管道直线连接到接头。最优化为每个管道寻找成本最低的、可行的接头点。引力只对生活污水管道起作用,因为饮用水使用压力管道。
因为生活污水管道利用引力,建筑物的高度可能对排水管的可行性施加影响。尽管这是在分级解决过程中所考虑的。不允许建筑物低于利用生活污水管道接头建筑物上的线路和它们的相对位置计算出的一定的高度。
III.计算细节
下列讨论概述在优化引擎中仿真和成本模型的计算。
A.成本模型
在本发明示例性实施方式中,成本模型是最优化过程的心脏。每件事情都根据成本进行优化。
成本模型具有两种类型的输入:
-单位成本,是场所的所有部分的成本。
-量,是场所有部分的大小/重量/长度
(i)单位成本
所使用的单位成本如下:
分级解决过程:
(ii)测量
对于所有这些成本列出需要计算场所总的成本的测量。下列讨论将概述如何计算分割和填充。
在成本模型中使用的所有测量的列表:
分级解决过程:
效用解决过程:
在分级和排水解决过程期间主要重新计算成本模型。规划解决过程将更多地集中在停车空间的数量和铺设区域的规模上。然而铺设区域的确与铺设区域成本并因此与规划成本有直接关系。然而,因为这只是该复杂成本报告的一个方面,整个成本报告不需要在规划解决过程中被重新计算。
以下列方式重新计算整个成本模型:
//计算所有分级成本
calculateClearing(VdisturbedArea,Vtopsoil);
calculateCutAndFill(VearthCut,VrockCut,VunsuitableCut,Vfill);
calculateWalls(VretainingWall);
calculateFinish(VdisturbedArea,Vpaving,Vcurb,Vsidewalk);
calculateErosionControl(VdisturbedArea);
//计算所有效用成本
calculateSWSInlets(VinletsEA,VinletsOversizedEA,
VinletsFT,VinletsOversizedFT);
calculateSWSManholes(VmanholesEA,VmanholesOversizedEA,
VmanholesFT,VmanholesOversizedFT);
calculateSWSRest(Vriprap,Vpumps,Vpondkits,Vstormmains);
注意到影响“calculateFinish”函数期间计算规划解决过程的只有成本。
以下列方式计算不同的分级成本:
calculateClearing(VdisturbedArea,Vtopsoil):
cost+=VdisturbedArea*Cclearing;
cost+=VdisturbedArea*Vtopsoil*Cstripping;
calculateCutAndFill(VearthCut,VrockCut,VunsuitableCut,Vfill):
Vonsite=min(VearthCut,Vfill);
Vwaste=(VearthCut-Vfill)*Fexpansion;
Vborrow=(Vfill-VearthCut)/Fcompaction;
if(Vwaste<0)Vwaste=0;
if(Vborrow<0)Vborrow=0;
cost+=Vonsite*Cearth+VrockCut*Crock+
Vunsuitable*Cunsuitable;
cost+=Vonsite*Cfill;
cost+=Vborrow*Cborrow;
cost+=Vwaste*Cwaste;
calculateWalls(VretainingWall):
cost+=VretainingWall*CretainingWall;
calculateFinish(VdisturbedArea,VpaVing,Vcurb,Vsidewalk):
cost+=Vfinish*CdisturbedArea;
cost+=Vpaving*Cpaving;
cost+=Vcurb*Ccurb;
cost+=VsideWalk*Csidewalk;
calculateErosionControl(VdisturbedArea):
cost+=Verosion*Cerosion;
对于所有效用相关函数执行相同过程:
calculateSWSInlets(VinletsEA,VinletsOversizedEA,
VinletsFT,VinletsOversizedFT):
cost+=VinletsEA*CinletsEA;
cost+=VinletsOversizedEA*CinletsOversizedEA;
cost+=VinletsFT*CinletsFT;
cost+=VinletsOversizedFT*CinletsOversizedFT;
calculateSWSManholes(VmanholesEA,VmanholesOversizedEA,
VmanholesFT,VmanholesOversizedFT):
cost+=VmanholesEA*CmanholesEA;
cost+=VmanholesOversizedEA*CmanholesOversizedEA;
cost+=VmanholesFT*CmanholesFT;
cost+=VmanholesOversizedFT*CmanholesOversizedFT;
calculateSWSFES(Vfes):
for every different size of FES do:
CthisFES=cost in Cfes with current size;
VthisFES=number of FES’s used with this size;
cost+=CthisFES*VthisFES;
calculateSWSRCP(Vrcp):
for every different size of RCP do:
CthisRCP=cost in Crcp with current size;
VthisRCP=total size RCP pipe used with this size;
cost+=CthisRCP*VthisRCP;
calculateSWSRest(Vriprap,Vpumps,Vpondkits,Vstormmains):
cost+=Vriprap*Criprap;
cost+=Vpumps*Cpumps;
cost+=Vpondkits*Cpondkits;
cost+=Vstormmains*Cstormmains;
由最优化引擎计算出在上面描述的场所的总的成本。为了优化这个成本,解决过程通过改变不同的输入参数利用进化方法增量减少这个成本。
B.规划解决过程
规划解决过程生成不同的可行的场所规划并寻找“最佳“的。最佳规划定义取决于什么其它解决过程堆叠在这个解决过程上和某些对规划解决过程的指定约束条件:
-没有解决过程堆叠且没有停车空间数量最小:解决过程寻找给出边界约束条件的停车空间数量的最大值。
-没有解决过程堆叠且停车空间的数量最小:解决过程寻找最小化停车空间数量所需要的人行道。
-分级解决过程与可选的效用解决过程堆叠在规划解决过程上:解决过程寻找在总的项目成本上成本最低的规划。
规划解决过程为每个它可能规划的组件的位置生成一个规划。在一个实施例中,规划解决过程只对一个建筑物进行定位然后构建这个建筑物周围的场所。在其它实施例中,规划解决过程也许对多个建筑物和象水池、废物箱等等这样的区域进行定位。对于规划解决过程,这些区域是不可区分的,且它们的用途通过区域中存在的约束条件进行定义。
除活动区域之外,规划解决过程也处理固定的区域。可以考虑这些例如象附属建筑物这样的空间约束条件。
根据中心点定义机动车道。然后规划解决过程生成到停车场地或建筑物的机动车道,这取决于中心点和建筑物上定义的约束条件。
(i)对一个建筑物进行定位
可以以两种方式对建筑物进行定位:
-利用进化循环
-利用迭代循环
(ii)定义人行道
可以由用户将人行道加入到建筑物。它变成附属于该建筑物并相对于建筑物进行移动和旋转。建筑物的每一边都具有预先定义的人行道宽度。这个缺省值是0。
(iii)定义停车场
术语“停车场”涉及允许停车的区域,在规划解决过程的情形下,这个被翻译成:停车被最大化的区域”。因此,如果没有为建筑物设置最小数量的停车空间,则停车场地是整个所有权的边界减去停车倒车和边界内的附属建筑物。图21提供这样停车场的例子。
注意到在某种情形下停车场地由停车倒车或附属建筑物分割成多块。这被考虑为可行的,但可能导致不可到达的停车空间。
(iv)规划出机动车道
机动车道被定义为是车回退的多条线(和包含例如象入口/出口的数量、路边半径、拐角半径、人行道类型和堆叠距离)。机动车道总是具有“源”和“目标”。源可以或者是机动车道中心点或者是另一条机动车道,而目标可以或者是停车场或者是具有方向的一侧区域。在描述路连接到的讨论的边时,这个方向或者是“平行的”或者是“垂直的”。
可以以几种不同的方式连接源到目标,但是规划解决过程试图寻找成本最低的替代。
如果机动车位于停车场,停车场的区域需要分割。注意到这可能再次有利于所有非常可行的多块停车场。
(iv)规划停车分隔区
生成的停车场用停车空间“填充”。这个思想是使停车空间数量最大化。通过将每个停车场的空间数量单独最大化做到这一点。某些启发式/假设用于得到这个结果:
-停车标志停车场的边界最大化空间。
-停车与建筑物相比使空间最大化。
-停车标志边界应当在建筑物周围停车之前
下列算法实现这些结果:
对于每个停车场进行:
根据停车场的边界生成停车分隔区
根据附属建筑物的边界生成停车分隔区
生成过道以到达具有横距的所有停车分隔区
生成内部停车分隔区
为了生成内部停车分隔区,规划解决过程必须具有方向和分隔区的起点。可选地是,给出分隔区的方向,但是如果没有给出假设停车场其中的一边,那给定下列算法形成分隔区:
对于停车场的每一边进行:
当左边有停车场时:
利用2*P深度从停车场分割出停车分隔区
利用宽度从停车场分割出过道。
计算停车空间
基于停车空间利用最佳的边规划出分隔区
(vi)规划停车空间
为了规划停车空间,解决过程考虑下列约束:
-需要足够的停车空间的宽度和深度。
-需要考虑安全岛的路边。
-需要可达的停车空间。
-停车空间可能必须对齐。
利用停车分隔区的边界,***安全岛和端的偏移部分以生成分隔区有用部分从而生成停车空间。然后根据大小和然后“形成”停车空间的各行而考虑这些有用部分。
C.分级解决过程
分级解决过程寻求以总的场所成本最小化的方式对提出的场所表面进行最优化。使用局部启发式的进化方法改变提出的表面做到这一点。
本***的表面用三角形来定义。利用“Delauney三角剖分”和边界“成形”的组合生成这些三角形。下列陈述对于提示产生的数据结构是重要的:
-每个点具有连接三角形的列表
-每个三角形具有三个不同的点
-每个点具有当前和原始的高度
-某些点是“链接”到其它点上面或下面形成墙
可以单独或结合效用/排水解决过程运行分级解决过程。如果分级解决过程结合效用解决过程运行,它寻求最小化入口和提升以及降低水池和不能达到的入口以使排水可行且费用低廉。
分级解决过程如何使分级最优化,关于可行性的确定的细节和成本下面将进一步的讨论。
(i)可行性
有许多需要为了获得可行的分级解决方案执行的可行性约束条件。这些约束条件必须翻译成点的属性。有两种不同类型的分级约束条件:
-斜坡约束条件
-高度约束条件
斜坡约束条件约束最小斜坡和最大斜坡之间的三角形的斜坡。这个一般为整个区域所定义,但也可能为按照边或点的偏移量定义的虚拟区域定义。重要的斜坡考虑包含:
-整个区域的斜坡
-远离建筑物的斜坡
-建筑物内部在一定方向中的斜坡
-路边的斜坡
为了执行斜坡约束条件,需要将违反约束条件的三角形倾斜或水平。这可以被翻译成如果倾斜,移动点远离平均高度和如果使其水平,靠***均高度来变化这些点。
一般也在整个区域上定义高度约束,但是实际上可以是动态的。因此,最小或最大斜坡可以取决于另一个区域或点的高度。这定义例如水池可能的不同部分。
由于某些高度约束的动态特性,违反最小或最大约束条件的点不是立即向特定的约束条件移动,而是朝着约束条件相当缓慢的移动。
一个具体的高度约束条件是最大护墙高度。这实际上是两个连接点之间的最大高度差。
(ii)成本
分级解决过程的一个主要的目的是成本的最优化。然而,如果它们也是可行的,产生的解决方案只是相对的。同样,不管一定变化的成本,如果它改进了可行性它将这样做。每个点跟踪可行性改进和成本改进。只有当可行性改进足够靠近0时,也应用了成本改进。
改变单点的高度以数个方式影响成本,包含:
-分割/填充土方和岩石
-输出/输入土方
-打乱土方
-护墙的高度
-入口的数量
可以局部地计算上面提到的某些项目且其它必须对于为每次迭代以全局的方式进行处理。每次迭代成本计算一般进行如下:
计算总的输入和输出
计算入口数量
...
对于每个点,进行:
...
如果点可行,则进行:
计算变化对坊和岩石分割的影响
计算变化对扰乱坊的影响
计算对可选护墙的影响
计算平衡输入/输出的方向
计算是否应去除入口
...
对于每个点,进行:
改变点
(iii)来自排水的反馈循环
一种利用局部搜索算法和很大程度上依赖于局部方向启发式的可能的缺陷是最优化每个方面所要求的方向。问题在于排水难以根据局部性质进行定义。入口的数量和大小也许给出某种反馈,但是例如水池的高度不是那样容易定义的。
目前,水池的高度被定义为被定义的区域的平均。经过大约500次分级解决过程的迭代,然后进行1次排水迭代。效用/排水解决过程的结果然后被看作为所定水池高度情况下最优值。然后,改变水池的高度(变异)和另外500次迭代运行分级,另外单次运行效用解决过程。如果改进结果,使用新的高度用于下一次变异,否则使用旧的一个。这个过程非常类似于(1+1)进化策略(ES)
D.效用解决过程
效用解决过程可以被分成三个部分:
(a)暴风雨水下水道
(b)生活污水下水道
(c)饮用水
本***的实现将处理下列效用问题:
-水的流动
-排水区域位置
-入口位置
-管道的最优化
-某些生活污水管和饮用水约束条件
为了找到分级中的最低点和将多少水排进这些最低点,效用解决过程必须对水的流动进行仿真。在一个实施例中,细胞自动机用于以网格的形式仿真水的流动。第二个算法使用“流图”仿真更完美的方向路线。第一个算法可以用作为可视工具,和作为泛洪预测的工具。第二个算法可用于计算入口的位置和排水区域的大小。
(i)细胞自动机
二维细胞自动机用于仿真水的流动。这样的细胞自动机通过定义细胞是整个区域的很小(在这种情形)的矩形块进行工作,矩形块以值的形式具有一定小部分的解决方案。在这种情形,每个细胞具有细胞中当前存在的总的水量。因此想法是定义解决方案(在此情形下是水)如何与邻近细胞进行交互的规则。在同步的细胞自动机中,使用一组规则通过每次迭代使用前一次迭代中邻近细胞的值重新计算细胞中的值做到这一点。然后这些规则与CA的拓扑一起定义CA的行为。
细胞的邻域可以以不同的方式进行定义,例如象“von Neumann”(冯.诺依曼)邻域。在这个邻域中,两个细胞是邻居当且仅当它们直接水平或垂直地连接。那意味着每个细胞有四个邻居。
在这个CA中规则体系对水流的仿真基于细胞交迭的三角形斜坡。每个细胞在细胞的中心被精确地赋予三角形。那个三角形的斜坡将因此表示细胞中所有水的流动。这做出对这个算法的估计,和由于细胞太小它可能是不精确的。可以调整细胞到任意大小,且精确的级别被限定于超过表面中的数据精确度级别本身。
标准更新循环类似于:
对于所有细胞,进行:
细胞中的水=1.0
在仍有变化时:
对于所有细胞,进行:
流到细胞=0
对于所有细胞,进行
x=x方向的斜坡
y=y方向的斜坡
len=斜坡矢量的长度
如果x>0则进行:
流到右边邻居+=water*x/len
否则进行:
流到左边邻居+=water*-x/len
如果y>0则进行:
流到上边邻居+=water*x/len
否则进行:
流到下边邻居+=water*-x/len
对于所有细胞进行:
细胞中的水=流到细胞
(ii)流程图
流图算法企图捕获一个图结构中的表面总的流。一旦生成那张图,容易计算象流向入口、排水区域的描绘和排水区域的大小的基本功能。
利用“节点”生成流图。表面中的每个三角形获得这些节点中的一个。数据结构中的每个三角形已经明白它的邻近三角形和甚至它的邻近区域中的邻近三角形(或“连接的三角形”)。如果三角形的水排进邻近的三角形,节点可以被连接到其它的节点。每个这样的连接被称为“流”,且所有的连接具有赋予它的三角形总的流一定的“百分比”。按照根据斜坡从边缘流到邻近三角形的三角形的百分比计算这个总的流的百分比。
在结束分级时计算排水,于是要求考虑路边。路边在一个方向停止水流,但允许向其它方向流。同样,水可以从人行道流进例如停车场,但不能流进其它路径。数据结构以每个三角形只是在边界的一边的方式定义区域边界,因此没有边界穿过三角形。同样,在边界其它边上的三角形的邻居被以不同的方式连接到边界同一侧边的邻近三角形。
区域的类型定义路边是否用于限定区域边界。一般地,路边只用于铺设区域与非铺设区域相遇的地方。每个区域具有确定这个所使用的“needsPaving”标记。对于流图,这意味着不允许从铺设区域流到非铺设区域。允许向其它方向流动。不允许水通过的任何边界就像它是一个通道一样被处理。那意味着水将流到将水分块的边缘的最低端且将产生助手节点。
护墙也是流水制动器。不允许水从较低的区域流到较高的区域。这个以类似路边的方式处理。然而,如果允许流过护墙(从较高到较低),生成从高点流向低点的水流。这个先于任何其它从高点流向通道三角形的水流。
(iii)排水区域
排水区域是将水排向一定的局部最低点的表面总的区域。可以容易通过为没有任何流出的节点搜索所有节点完全求出局部最低点。理论上每个局部最低节点具有排水区域。
为了计算排水区域的大小,算法在局部最低点开始且递归地行到“上流”和将流的相对规模加到与排水区域大小相同的水量。这个类似下面的:
计算进入节点的流大小的功能:
如果已经计算出大小
返回大小
size=0
如果节点具有三角形,则进行:
size+=三角形的大小
对于流入节点的所有节点进行:
nsize=计算进入源节点的流大小
size+=流的百分比*nsize
返回大小
因为每个三角形具有面积且每个面积具有径流(run off)系数,可以用类似的递归方法计算排水区域的径流系数。
通过在流的大部分去向不同入口的三角形之间划线描绘排水区域。当这个是估计之上的估计时,它主要用于可视化的目的且因此充分精确。
(iv)入口
标准的入口被放置在排水区域的局部最低点处。但并非所有的入口需要管道铺设。所有排水的入口否则将位于需要管道铺设的不受影响的区域。不受影响的区域是所有铺设的区域加上所有建设的区域。所有局部最低点之外不能渗透的区域不需要排水且实际上应当以类似在场所分级之前的方式排水。
待售的土地(out parcel)是这个规则的例外。待售的土地被分级成预期的建筑物和停车场,但是它们还没有铺设,虽然大多数待售土地需要排水。
某些排水区域只对于一个入口太大。如果排水区域超过入口的最大大小,需要将更多的入口加入到排水区域中。通过从现有入口向上行进流图来加入额外的入口,直到至当前的位置的流小于最大的入口大小。那个过程类似于:
在入口太大时,进行:
Current=inlet
当当前的流太大:
向上去到具有最大流的节点
添加当前入口
重新计算到入口的流
这个算法的确假定没有三角形大于入口的最大规模,但是可以通过在三角形剖分期间将三角形划分来确保这一点。
(v)管道
生成管道的过程使用贪婪算法。为了生成管道图,该算法使用所有的早些时侯生成的入口加上所有的接头点。接头点可能或者是现有管道线上的点或者是水池。于是该算法在入口自身和接头点之间生成所有可能的管道。从入口用管道输送到水池表面边界最近点中的水池末端。某些管道当然是不合规定的。例如,穿过建筑物的管道是不合规定的。那些管道以尽可能最短的方式被安排到建筑物周围。这也是穿过所有权边界的管道努力想得到的结果。
对于入口的每个组合,进行:
生成管道
对于所有障碍物,进行:
使管道经过障碍物周边
对于所有接头点,进行
对于所有入口,进行:
生成管道
对于所有障碍物,进行:
使管道经过障碍物周边
在进行这个预处理之后,存在从每个入口到每个其它入口和从每个入口到每个接头点的所有合乎规定的管道路径列表。
为了从所有可能的管道列表中生成管道图,贪婪算法将“最佳”管道加入到已经存在的图中。这里通过整个管道图的最小成本定义最佳管道。那意味着每次管道“被尝试”时需要计算整个管道图的成本。水需要利用引力流过管道。那意味着在一定高度流向入口的水不能从较高高度的入口中流出。这个加上每个管道需要在一定的最小和最大斜坡之间意味着如果加入一根管道,一定的高度可能变化。
管道也需要“调整大小”。那意味着每秒流过管道的水量将表明需要使流可行所需要的最小尺寸。利用Manning方程做到这一点。这个方程利用排入它的排水区域的大小,水到管道和象斜坡这样的事物的时间和管道本身所用的材料估计通过管道的流。有管道调整尺寸和使用材料的标准集合,和算法选择最成本有效的一个用于当前管道图。生成管道图的算法类似下列:
Graph=接头点的集合
在未完成所有入口时进行:
对于紧接当前图的所有管道,进行:
将管道连接到图
重新计算图的成本
断开管道
将最便宜的管道连接到图
IV.进化算法
进化算法(EA)对一组不同的、或者是全局最优或者局部最优的解决方案进行进化-每个解决方案概念上地以高成本有效的方式满足(场所内)的成本测量,且考虑***和用户约束条件和用户喜好。
在“0”代开始,EA中的第一步骤是创立概念上的解决方案的最初种群。每个解决方案分别包括驱动最优化的不同的参数集合。这个最初的种群可以包含单一到数千或更多潜在的解决方案中的任意个。
对于种群中的每个解决方案,定义成本测量。例如,分级成本包含例如象总的分布区域、挖掘材料总的体积、挖掘岩石的体积、挖掘不合适的材料体积、填充材料的体积、护墙区域、停车区域、混凝土人行道区域、路边和水槽的长度和斜坡表面区域这些方面。
参照图22,在创立最初的种群之后,下一步骤是应用适合度函数来定量地估计每个候选解决方案的适合度。这个步骤涉及首先确定解决方案的工程可行性,且解决方案是否满足上面讨论的选择规则。如果解决方案满足这些阈值要求,然后利用成本模型和任何可应用的处罚记下适合度的得分。如果不是,该解决方案立即被抛弃。作为抛弃这样的解决方案的替代,该方法也可能提供测量以完全避免这样解决方案的创立,或便于这样的解决方案的修复,两种测量都基于利用启发式进行避免或修复。
对于那些满足上面阈值要求的解决方案,适合度值被赋给成本测量。在本例子中,这个适合度值是当前解决方案成本的测量。正如以前所陈述的那样,成本处罚赋给违反用户喜好或“软约束”的测量。基于成本模型计算每个测量的成本。
对于种群中的每个解决方案,加入成本和处罚以为成本以及各种处罚分量引入权因子的方式得出适合度值。这能够用下列公式表示:
fitness=wc*cost+wp1*penalty1+wp2*penalty2+…+wpn*penaltyn
其中“cost”是指成本函数的值和“penaltyi”是指当前解决方案的不可行分量的处罚成本值的值。这将成本和处罚因子组合成一个单一适合度值,这需要被最小化。此外,也可以单独保持成本和处罚值并用于不同的方式估计解决方案的质量,例如,通过定义在(成本、处罚)对上定义特定顺序或通过考虑成本和处罚作为在多目标最优化任务中的单独准则,其特征在于使用冲突的最优化准则确定在冲突准则之间最佳可能的折衷解决方案的所谓的Pareto-front。
在对种群中的每个解决方案进行计分之后,EA确定是否满足已知的终止准则。在本例子中,终止准则是各轮或“代”预选的数。假定这个准则没有得到满足,则***选择某些的候选解决方案复制到后代的种群中。EA可以使用许多不同的技术完成这项工作;即,精英的选择、适合度成比例的选择、轮盘赌选择、缩放比例选择、竞争选择、排序选择、生育选择、稳定状态选择、分层选择、(μ,λ)-和(μ+λ)-选择(也都是所谓的截断选择)。这些方法中的某些方法是互相排斥的,但是其它方法可能且常常组合使用的。也可以有两个选择步骤,一个步骤经常被称为用于繁殖的“性别选择”(即,从父代种群中进行个体复制),另一个步骤被称为“环境选择”,它用于减少后代种群的规模。
根据精英选择,保证将选择的是每代最适应的解决方案。在适合度比例选择中,较适合个体更有可能,但不一定被选择。轮盘赌选择是适合度比例选择的一种形式,其中解决方案被选择的机会与它的适合度大于或小于它的竞争者的适合度的量成比例。根据缩放比例选择,当种群的平均适合度增加时,选择压力的强度也增加且适合度函数使区别变得更清楚。这个方法可能对以后当所有的解决方案都具有相对高的适合度和相互之间适合度区别很少时,进行最佳选择是有帮助的。在竞争选择中,随机的从较大的种群中重复选择解决方案中的少量子群且每个子群的成员彼此竞争。从每个子群中选择繁殖的只有一个-即,最佳,解决方案。在排队选择中,种群中的每个解决方案基于适合度被赋予数值顺序,且选择是基于这个顺序而不是适合度的绝对差。这个方法的优点在于它能够防止非常适合的个体以损害较少适合个体的情况下较早获得优势,这会减少种群遗传散度且可能阻碍找到可接受的解决方案的尝试。在生育选择中,从每一代选中的解决方案的后代变成整个下一代。在代之间不保留解决方案。在稳定状态的选择中,从每代中选中的解决方案的后代追溯到先前存在的种群,代替先前一代中某些较少适合的成员。某些解决方案在代之间保留。在分层选择中,解决方案仔细检查多轮每代选择。低级的进化较快且区别较少,而存在于高级的那些进化较残酷。这个方法的优点在于它通过利用较快、较少选择的进化铲除表明很少或根本没有希望的大部分解决方案,并且只使从这个最初测试幸存的那些经受更残酷和计算更昂贵的适合度进化,来减少总的计算时间。在(μ,λ)-选择中,最佳解决方案在后代种群中被确定地从λ个解决方案中选出(在这种情形λ大于μ)以形成进化算法下一个迭代的父代种群。这个方法的优点在于它简单且支持进化策略的自适应能力,且它允许算法从局部最优朝着全局最优解决方案方向前进。在(μ+λ)-选择中,μ个最佳解决方案从父代种群中的μ个解决方案加上后代种群中的λ个解决方案中被确定性地选出,以形成算法的下一个迭代的父代种群。这个方法的优点在于它是精英,即,它保证解决方案在最优化过程期间不变差。(μ,λ)-和(μ+λ)-选择也是基于顺序的选择方法,都用在进化算法中作为“环境选择”方法(即,在新解决方案的产生和进化之后-后代个体-已经发生)。
在一个例子中,例如象(μ,λ)-选择这样的顺序选择方法选出所有μ个候选解决方案,其在当前后代种群中的所有λ个解决方案中间具有最佳(即最小)成本和处罚函数值。
一旦选择已经选出适合解决方案,则在希望改进它们下一代的适合度时它们随机地被改变。通过变异和交叉发生这种随机地改变。解决方案通过稍微改变个体参数进行变异。这种变异也可能涉及适合变异的分布的一个或多个方差和协方差的自适应,例如象正态分布。自适应变异的可能实例通过下列数学过程,改变具有相关的方差(标准偏差)的坐标矢量x=(xl,…,xn):
生成σ的新的值,用σ'表示为σ'=σ*exp(τ*N(0,1)),循环通过i的所有值i=1,…,n并生成xi的新值,用x′i表示为且x'i=xi+σ'*Ni(0,1)。
这里,N(0,1)是根据具有均值0和期望1的正态分布的随机数。τ是该方法的参数,它可以被设置为1/sqrt(n)的值。交叉需要选择两个或多个解决方案交换一个或多个参数,由此产生是它们父代的组合的人工“后代”。由于交叉,存在成功的“个体”之间的信息传递-可以从其它解决方案已经学到的东西中受益的解决方案,且计划可以被混合和组合,具有产生具有它的父代的优点而没有其弱点的后代的潜力。称为均匀交叉的常见的交叉形式(在进化策略中也被称为离散重组)允许每个父代个体有50%的机会贡献一个参数给新形成的解决方案。在图23中提供了交叉示意性例子。在这个例子中,通过有50%的机会交换或停留的每个位置的值的随机交换在两个解决方案(用“父代1”和“父代2”表示)之间交换参数以得出两个新的解决方案(用“后代1”和“后代2”表示)。同样,在一个断点之后或两个断点之间可以交换信息连续分割,这如图24所示(其中随机断点在位置三后出现)。所有这些交叉算子生成两个或多个新的解决方案,这可能或者使用它们所有的,或者只使用它们中的一个,然后通常在生成的新的解决方案之间随机选出。正如本例子中所使用的进化策略,选出新的解决方案中的一个。同样,在两个或多个解决方案之间对一个或多个参数进行平均是进化算法所使用的可能的交叉形式。这个版本的交叉例子(在进化策略中也被称为中间重组)在图25中所示。这个算子通常只生成一个新的解决方案。同样,除平均之外,可以将在两个或多个解决方案之间的一个或多个参数的任何其它算术组合用作为交叉的可能形式。
这个进化策略算法也可以与局部启发式进行组合。局部启发式方法确保进化策略的算子,具体地说是,变异算子,考虑局部约束条件,使得由变异算子生成可行的点。
上面描述了本发明示例性实施方式。在这个描述中使用的任何元件、行动、或指令都不应当被解释为是本发明关键的或必需的,除非进行了明确描述。在不脱离本发明的范围的情况下,可以改变本发明的各种细节。而且,仅为了举例说明的目的且并不作为限制的目的,提供本发明示例性实施方式和实践本发明的最佳模式的前面的描述-由权利要求和它的等价物限定本发明。
Claims (30)
1.一种被设计为生成至少一个对于用户定义的土地开发问题的概念上的成本优化的解决方案的计算机实现的土地规划***,所述***包括:
用于当通过计算机执行时电子地创建至少一个对于土地开发问题的候选解决方案的装置,所述候选解决方案包括多个可应用于未开发土地场所的开发的相互关联的工程成本测量,并且所述多个工程成本测量是从由场所布局、场所分级和场所效用构成的组中选择的;
用于当通过计算机执行时采用迭代的启发式的问题解决策略来处理所述候选解决方案的工程成本测量直到至少一个对于土地开发问题的成本优化的解决方案被实现为止的装置,其中所述候选解决方案的所述多个工程成本测量中的一个的变化影响该候选解决方案的所述多个工程成本测量中的另一个的变化;以及
用于当通过计算机执行时将举例说明对于土地开发问题的所述成本优化的解决方案的输出数据传送给用户的装置。
2.如权利要求1的计算机实现的土地规划***,并且包括用于当通过计算机执行时存取对于未开发土地场所的用户偏好的装置。
3.如权利要求1所述的计算机实现的土地规划***,其中所述输出数据含有包括至少一个图的文档。
4.如权利要求1所述的计算机实现的土地规划***,其中所述输出数据含有包括所述工程成本测量的项目化的成本列表的文档。
5.如权利要求1所述的计算机实现的土地规划***,其中所述输出数据含有通过全球通信网络传送给用户的文档。
6.如权利要求1所述的计算机实现的土地规划***,并且包括用于当通过计算机执行时存取未开发土地场所的土地开发约束条件的装置。
7.一种被设计为生成至少一个对于用户定义的土地开发问题的概念上的成本优化的解决方案的计算机实现的土地规划***,所述***包括:
用于当通过计算机执行时电子地创建至少一个对于土地开发问题的候选解决方案的装置,所述候选解决方案包括可应用于未开发土地场所的开发的相互关联的多个工程成本测量,并且所述多个工程成本测量是从由拆除、清洁、挖掘、发掘、填充、拥壁、侵蚀控制、竣工平整、土方输出、土方输入、排水、池塘高度、停车场设计、进路、块石面路、路边、排水沟、沥青、地形、垂流涵洞、检修口、管道、管道尺寸、管道路径、暴雨收集***、公共厕所下水道收集***和饮用水***构成的组中选择的;
用于当通过计算机执行时采用迭代的启发式的问题解决策略来处理所述候选解决方案的工程成本测量直到至少一个对于土地开发问题的成本优化的解决方案被实现为止的装置,其中所述候选解决方案的所述多个工程成本测量中的一个的变化影响该候选解决方案的所述多个工程成本测量中的另一个的变化;以及
用于当通过计算机执行时将举例说明对于土地开发问题的所述成本优化的解决方案的输出数据传送给用户的装置。
8.如权利要求7的计算机实现的土地规划***,并且包括用于当通过计算机执行时存取对于未开发土地场所的用户偏好的装置。
9.如权利要求7所述的计算机实现的土地规划***,其中所述输出数据含有包括至少一个图的文档。
10.如权利要求7所述的计算机实现的土地规划***,其中所述输出数据含有包括所述工程成本测量的项目化的成本列表的文档。
11.如权利要求7所述的计算机实现的土地规划***,其中所述输出数据含有通过全球通信网络传送给用户的文档。
12.如权利要求7所述的计算机实现的土地规划***,并且包括用于当通过计算机执行时存取未开发土地场所的土地开发约束条件的装置。
13.一种计算机程序产品,包含确切地存储在非易失性的计算机可读介质上的程序指令,并且可操作为使得计算机设备执行被设计为生成至少一个对于用户定义的土地开发问题的概念上的成本优化的解决方案的方法,所述方包括:
使用计算机电子地创建至少一个对于土地开发问题的候选解决方案,所述候选解决方案包括可应用于未开发土地场所的开发的相互关联的多个工程成本测量,并且所述多个工程成本测量是从由拆除、清洁、挖掘、发掘、填充、拥壁、侵蚀控制、竣工平整、土方输出、土方输入、排水、池塘高度、停车场设计、进路、块石面路、路边、排水沟、沥青、地形、垂流涵洞、检修口、管道、管道尺寸、管道路径、暴雨收集***、公共厕所下水道收集***和饮用水***构成的组中选择的;
使用计算机采用迭代的启发式的问题解决策略来处理所述候选解决方案的工程成本测量直到至少一个对于土地开发问题的成本优化的解决方案被实现为止,其中所述候选解决方案的所述多个工程成本测量中的一个的变化影响该候选解决方案的所述多个工程成本测量中的另一个的变化;以及
查看对于土地开发问题的所述成本优化的解决方案。
14.如权利要求13的计算机程序产品,并且所述方法包括存取对于未开发土地场所的用户偏好。
15.如权利要求13所述的计算机程序产品,其中查看所述成本优化的解决方案包含接收包括至少一个计算机生成的图的文档。
16.如权利要求13所述的计算机程序产品,其中查看所述成本优化的解决方案包含接收包括所述工程成本测量的项目化的成本列表的文档。
17.如权利要求13所述的计算机程序产品,其中查看所述成本优化的解决方案包含通过全球通信网络接收文档。
18.如权利要求13所述的计算机程序产品,所述方法包括存取未开发土地场所的土地开发约束条件。
19.一种非易失性的计算机可读存储介质,存储有包括一个或多个指令、能够由计算装置的处理逻辑执行的计算机可执行的指令,当由所述处理逻辑执行时,所述计算机可执行的指令使得所述处理逻辑执行被设计为生成至少一个对于用户定义的土地开发问题的概念上的成本优化的解决方案的方法,所述方包括:
使用计算机电子地创建至少一个对于土地开发问题的候选解决方案,所述候选解决方案包括多个可应用于未开发土地场所的开发的相互关联的工程成本测量,并且所述多个工程成本测量是从由拆除、清洁、挖掘、发掘、填充、拥壁、侵蚀控制、竣工平整、土方输出、土方输入、排水、池塘高度、停车场设计、进路、块石面路、路边、排水沟、沥青、地形、垂流涵洞、检修口、管道、管道尺寸、管道路径、暴雨收集***、公共厕所下水道收集***和饮用水***构成的组中选择的;
使用计算机采用迭代的启发式的问题解决策略来处理所述候选解决方案的工程成本测量直到至少一个对于土地开发问题的成本优化的解决方案被实现为止的装置,其中所述候选解决方案的所述多个工程成本测量中的一个的变化影响该候选解决方案的所述多个工程成本测量中的另一个的变化;以及
查看对于土地开发问题的所述成本优化的解决方案。
20.如权利要求19的非易失性的计算机可读存储介质,其中所述方法还包括存取对于未开发土地场所的用户偏好。
21.如权利要求19的非易失性的计算机可读存储介质,其中查看所述成本优化的解决方案包含接收包括至少一个计算机生成的图的文档。
22.如权利要求19的非易失性的计算机可读存储介质,其中查看所述成本优化的解决方案包含接收包括所述工程成本测量的项目化的成本列表的文档。
23.如权利要求19的非易失性的计算机可读存储介质,其中查看所述成本优化的解决方案包含通过全球通信网络接收文档。
24.如权利要求19的非易失性的计算机可读存储介质,其中所述方法还包括存取未开发土地场所的土地开发约束条件。
25.一种被设计为生成至少一个对于用户定义的土地开发问题的概念上的成本优化的解决方案的计算机实现的土地规划方法,所述方法包括:
使用计算机电子地创建至少一个对于土地开发问题的候选解决方案,所述候选解决方案包括多个可应用于未开发土地场所的开发的相互关联的工程成本测量,并且所述多个工程成本测量是从由拆除、清洁、挖掘、发掘、填充、拥壁、侵蚀控制、竣工平整、土方输出、土方输入、排水、池塘高度、停车场设计、进路、块石面路、路边、排水沟、沥青、地形、垂流涵洞、检修口、管道、管道尺寸、管道路径、暴雨收集***、公共厕所下水道收集***和饮用水***构成的组中选择的;
使用计算机采用迭代的启发式的问题解决策略来处理所述候选解决方案的工程成本测量直到至少一个对于土地开发问题的成本优化的解决方案被实现为止,其中所述候选解决方案的所述多个工程成本测量中的一个的变化影响该候选解决方案的所述多个工程成本测量中的另一个的变化;以及
查看对于土地开发问题的所述成本优化的解决方案。
26.如权利要求25的计算机实现的土地规划方法,其中所述方法还包括存取对于未开发土地场所的用户偏好。
27.如权利要求25的计算机实现的土地规划方法,其中查看所述成本优化的解决方案包含接收包括至少一个计算机生成的图的文档。
28.如权利要求25的计算机实现的土地规划方法,其中查看所述成本优化的解决方案包含接收包括所述工程成本测量的项目化的成本列表的文档。
29.如权利要求25的计算机实现的土地规划方法,其中查看所述成本优化的解决方案包含通过全球通信网络接收文档。
30.如权利要求25的计算机实现的土地规划方法,其中所述方法还包括存取未开发土地场所的土地开发约束条件。
Applications Claiming Priority (4)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US76347406P | 2006-01-30 | 2006-01-30 | |
US60/763,474 | 2006-01-30 | ||
US85356406P | 2006-10-23 | 2006-10-23 | |
US60/853,564 | 2006-10-23 |
Related Parent Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CNA2007800087732A Division CN101405771A (zh) | 2006-01-30 | 2007-01-30 | 计算机实现的土地规划***和方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN102982384A true CN102982384A (zh) | 2013-03-20 |
Family
ID=38327958
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN2012102575907A Pending CN102982384A (zh) | 2006-01-30 | 2007-01-30 | 计算机实现的土地规划***和方法 |
Country Status (7)
Country | Link |
---|---|
US (3) | US8321181B2 (zh) |
EP (1) | EP1979744A4 (zh) |
CN (1) | CN102982384A (zh) |
AU (1) | AU2007210026B2 (zh) |
CA (1) | CA2640952A1 (zh) |
MX (1) | MX2008009808A (zh) |
WO (1) | WO2007089691A2 (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105096148A (zh) * | 2014-04-30 | 2015-11-25 | 西门子公司 | 一种成本估计方法、装置和*** |
CN110674995A (zh) * | 2019-09-27 | 2020-01-10 | 山西路恒交通勘察设计咨询有限公司 | 一种环保、经济约束条件下的路线优化方法 |
CN111191304A (zh) * | 2019-11-27 | 2020-05-22 | 中国地质大学(武汉) | 基于随机策略与多目标优化算法的施工场地平面布置方法 |
CN112036537A (zh) * | 2020-08-04 | 2020-12-04 | 中国农业大学 | 用于平地机导航的三维路径规划方法及*** |
CN113642852A (zh) * | 2021-07-20 | 2021-11-12 | 合肥泰瑞数创科技有限公司 | 基于数字孪生的道路铺设成本计算方法及*** |
Families Citing this family (31)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7395191B2 (en) * | 2004-07-28 | 2008-07-01 | Blueridge Analytic, Inc. | Computer-implemented land planning system and method designed to generate at least one conceptual fit solution to a user-defined land development problem |
MX2008009808A (es) * | 2006-01-30 | 2008-11-14 | Blue Ridge Analytics Inc | Sistema y metodo de planeacion de terreno implementado en computador. |
US8559662B2 (en) * | 2008-05-06 | 2013-10-15 | Starkey Laboratories, Inc. | Genetic algorithms with subjective input for hearing assistance devices |
WO2010089900A1 (en) * | 2009-02-05 | 2010-08-12 | Nec Corporation | Method, system and program for deadline constrained task admission control and scheduling using genetic approach |
US8170933B1 (en) * | 2010-02-25 | 2012-05-01 | Intuit Inc. | Method and system for providing a customized start-up budget for a new business |
US10366180B2 (en) * | 2010-03-15 | 2019-07-30 | Bentley Systems, Inc. | Computer-implemented land planning system and method with automated parking area design tools |
WO2012057841A2 (en) * | 2010-10-29 | 2012-05-03 | Blueridge Analytics, Inc. | Computer-implemented land planning system and method with gis integration |
US10614255B2 (en) * | 2010-10-29 | 2020-04-07 | Bentley Systems, Incorporated | Computer-implemented land planning system and method with GIS integration |
US10565665B2 (en) * | 2011-05-10 | 2020-02-18 | Gridics Llc | Computer-implemented methods and systems for determining development potential |
US8954297B2 (en) * | 2012-01-02 | 2015-02-10 | Flux Factory, Inc. | Automated and intelligent structure design generation and exploration |
US9799045B2 (en) * | 2012-04-27 | 2017-10-24 | Softree Technical Systems, Inc. | Method and system for determining the vertical alignment of an infrastructure corridor |
US9965573B2 (en) * | 2012-05-15 | 2018-05-08 | Chad R Meiners | System and method for design of subsurface drainage systems incorporating control weirs, surface to subsurface inlets, and irrigation inlets |
US9886527B2 (en) * | 2013-01-16 | 2018-02-06 | Autodesk, Inc. | Determining feasible splines with engineering constraints using projection methods |
US20140214472A1 (en) * | 2013-01-31 | 2014-07-31 | Paragon Partners Ltd. | Systems, methods, and devices for analyzing a route using a geographic information system |
US20150160838A1 (en) * | 2013-12-06 | 2015-06-11 | Takeshi SHIRABE | Method and apparatus for automatic graphic editing with map-dependent constraints |
US20150178799A1 (en) * | 2013-12-19 | 2015-06-25 | Sap Ag | System and method of fuel filling to minimize fuel cost |
US20160027020A1 (en) * | 2014-07-23 | 2016-01-28 | Underbuilt, Llc | Method and apparatus for determining parcel build size |
AU2016283735A1 (en) * | 2015-06-23 | 2017-12-21 | Komatsu Ltd. | Construction management system and construction management method |
US9822509B1 (en) * | 2016-05-02 | 2017-11-21 | Caterpillar Inc. | Method of controlling machines at a worksite |
JP7156775B2 (ja) * | 2016-07-26 | 2022-10-19 | 株式会社小松製作所 | 作業車両の制御システム、制御方法、及び作業車両 |
WO2018222967A1 (en) * | 2017-06-01 | 2018-12-06 | Walmart Apollo, Llc | Systems and methods for generating optimized market plans |
US10818082B2 (en) * | 2018-03-05 | 2020-10-27 | Vivacity Inc. | Method and system for parametrically creating an optimal three dimensional building structure |
US11361118B2 (en) | 2018-03-09 | 2022-06-14 | Pascale Marill | Symbiotic modeling system and method |
US11320803B2 (en) | 2019-06-04 | 2022-05-03 | Mighty Buildings, Inc. | Custom assembly of 3D printed building modules |
US10969765B2 (en) | 2019-06-04 | 2021-04-06 | Mighty Buildings, Inc. | Custom assembly of 3D printed building modules |
US10817155B1 (en) * | 2019-06-04 | 2020-10-27 | Mighty Buidings, Inc. | Suitable building layout determination for a property parcel |
KR20210001689A (ko) * | 2019-06-28 | 2021-01-06 | 두산인프라코어 주식회사 | 유용토와 사토량 정보를 고려한 토량배분계획 수립 시스템 |
CA3165715A1 (en) * | 2020-01-23 | 2021-07-29 | Bryan COPLEY | Machine learning systems and methods for facilitating parcel combination |
CN112163308A (zh) * | 2020-10-13 | 2021-01-01 | 西安理工大学 | 一种适应性导视设计布局方法 |
US20220405870A1 (en) * | 2021-06-17 | 2022-12-22 | Vibtant Planet PBC | Land management and restoration |
CN114417459A (zh) * | 2021-12-23 | 2022-04-29 | 山东同圆数字科技有限公司 | 一种基于cim技术的土石方平衡分析方法及*** |
Family Cites Families (35)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US4964060A (en) * | 1985-12-04 | 1990-10-16 | Hartsog Charles H | Computer aided building plan review system and process |
JPH0644255A (ja) * | 1991-05-17 | 1994-02-18 | Shimizu Corp | 統合的生産プロジェクト情報管理システム |
EP0696775A1 (en) * | 1993-04-21 | 1996-02-14 | Hitachi, Ltd. | Computer-aided design and production system for component arrangement and pipe routing |
US5918219A (en) * | 1994-12-14 | 1999-06-29 | Isherwood; John Philip | System and method for estimating construction project costs and schedules based on historical data |
US5689705A (en) * | 1995-02-13 | 1997-11-18 | Pulte Home Corporation | System for facilitating home construction and sales |
US5867397A (en) * | 1996-02-20 | 1999-02-02 | John R. Koza | Method and apparatus for automated design of complex structures using genetic programming |
JP4393586B2 (ja) * | 1996-08-08 | 2010-01-06 | 株式会社ブリヂストン | 多成分系材料の設計方法、最適化解析装置及び多成分系材料の最適化解析プログラムを記録した記録媒体 |
US6392651B1 (en) * | 1997-04-03 | 2002-05-21 | Intergraph Corporation | Interactive timeline visualization |
US6037945A (en) * | 1997-12-16 | 2000-03-14 | Xactware, Inc. | Graphical method for modeling and estimating construction costs |
US6532453B1 (en) * | 1999-04-12 | 2003-03-11 | John R. Koza | Genetic programming problem solver with automatically defined stores loops and recursions |
US20010047251A1 (en) * | 2000-03-03 | 2001-11-29 | Kemp William H. | CAD system which designs 3-D models |
US6757667B1 (en) * | 2000-04-12 | 2004-06-29 | Unilever Home & Personal Care Usa, Division Of Conopco, Inc. | Method for optimizing formulations |
WO2001080099A1 (en) * | 2000-04-14 | 2001-10-25 | The Orton Family Foundation | Integrated system for and method of supporting spatial decision making and land-use scenario analysis |
US6488921B1 (en) * | 2000-07-14 | 2002-12-03 | General Electric Company | Silicone compositions for personal care products and method for making |
US7164883B2 (en) * | 2001-02-14 | 2007-01-16 | Motorola. Inc. | Method and system for modeling and managing terrain, buildings, and infrastructure |
US7146295B2 (en) | 2001-08-15 | 2006-12-05 | Fbe Associates, Inc. | Computerized design method and apparatus for drainage systems |
US20030061012A1 (en) * | 2002-04-25 | 2003-03-27 | Orr Wilson W | Method and system for performing four-dimensional, multiple consequence assessments of change in selected spaces |
CA2435101A1 (en) * | 2002-07-12 | 2004-01-15 | Daniel De Lichana | Systems and methods for land-use development, planning and management |
US20040260573A1 (en) * | 2003-05-23 | 2004-12-23 | Schmitt Kathleen M. | Method and system for utilization assessment development and management of open space land areas |
US7561990B2 (en) * | 2003-09-29 | 2009-07-14 | Autodesk, Inc. | Interactive triangulated irregular network (TIN) surfaces design |
US7693724B2 (en) * | 2003-10-20 | 2010-04-06 | Bryant Consultants, Inc. | Multidiscipline site development and risk assessment process |
US20050268245A1 (en) * | 2004-05-11 | 2005-12-01 | Peter Gipps | User interface for path determination system |
RU2006143654A (ru) * | 2004-05-11 | 2008-06-20 | Тримбл Нэвигейшн Лимитед (Us) | Система анализа пути |
US20060020430A1 (en) * | 2004-05-11 | 2006-01-26 | Peter Gipps | Path analysis system with client and server-side applications |
US20060020431A1 (en) * | 2004-05-11 | 2006-01-26 | Peter Gipps | Path determination system for transport system |
US20060020789A1 (en) * | 2004-05-11 | 2006-01-26 | Peter Gipps | Secure infrastructure for path determination system |
US20060206623A1 (en) * | 2005-03-10 | 2006-09-14 | Peter Gipps | Path determination system for vehicle infrastructure paths |
US7395191B2 (en) * | 2004-07-28 | 2008-07-01 | Blueridge Analytic, Inc. | Computer-implemented land planning system and method designed to generate at least one conceptual fit solution to a user-defined land development problem |
KR100579515B1 (ko) | 2004-10-08 | 2006-05-15 | 삼성전자주식회사 | 브로드캐스트 암호화를 위한 키 생성 장치 및 방법 |
MX2008009808A (es) * | 2006-01-30 | 2008-11-14 | Blue Ridge Analytics Inc | Sistema y metodo de planeacion de terreno implementado en computador. |
US8145677B2 (en) | 2007-03-27 | 2012-03-27 | Faleh Jassem Al-Shameri | Automated generation of metadata for mining image and text data |
US8073791B2 (en) | 2007-04-20 | 2011-12-06 | Mark Williams | Vertical curve system for surface grading |
US20090094077A1 (en) * | 2007-10-09 | 2009-04-09 | Bryn Fosburgh | Site development planning |
US20090198505A1 (en) * | 2008-02-05 | 2009-08-06 | Peter Gipps | Interactive path planning with dynamic costing |
US10366180B2 (en) * | 2010-03-15 | 2019-07-30 | Bentley Systems, Inc. | Computer-implemented land planning system and method with automated parking area design tools |
-
2007
- 2007-01-30 MX MX2008009808A patent/MX2008009808A/es unknown
- 2007-01-30 US US12/223,295 patent/US8321181B2/en active Active
- 2007-01-30 CN CN2012102575907A patent/CN102982384A/zh active Pending
- 2007-01-30 WO PCT/US2007/002368 patent/WO2007089691A2/en active Application Filing
- 2007-01-30 AU AU2007210026A patent/AU2007210026B2/en active Active
- 2007-01-30 CA CA002640952A patent/CA2640952A1/en not_active Abandoned
- 2007-01-30 EP EP07762790A patent/EP1979744A4/en not_active Withdrawn
-
2012
- 2012-11-27 US US13/685,971 patent/US8655629B2/en active Active
-
2014
- 2014-02-18 US US14/182,966 patent/US10380270B2/en active Active
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105096148A (zh) * | 2014-04-30 | 2015-11-25 | 西门子公司 | 一种成本估计方法、装置和*** |
CN110674995A (zh) * | 2019-09-27 | 2020-01-10 | 山西路恒交通勘察设计咨询有限公司 | 一种环保、经济约束条件下的路线优化方法 |
CN110674995B (zh) * | 2019-09-27 | 2023-08-25 | 中科路恒工程设计有限公司 | 一种环保、经济约束条件下的路线优化方法 |
CN111191304A (zh) * | 2019-11-27 | 2020-05-22 | 中国地质大学(武汉) | 基于随机策略与多目标优化算法的施工场地平面布置方法 |
CN112036537A (zh) * | 2020-08-04 | 2020-12-04 | 中国农业大学 | 用于平地机导航的三维路径规划方法及*** |
CN112036537B (zh) * | 2020-08-04 | 2023-12-26 | 中国农业大学 | 用于平地机导航的三维路径规划方法及*** |
CN113642852A (zh) * | 2021-07-20 | 2021-11-12 | 合肥泰瑞数创科技有限公司 | 基于数字孪生的道路铺设成本计算方法及*** |
CN113642852B (zh) * | 2021-07-20 | 2023-09-12 | 合肥泰瑞数创科技有限公司 | 基于数字孪生的道路铺设成本计算方法及*** |
Also Published As
Publication number | Publication date |
---|---|
US20100211512A1 (en) | 2010-08-19 |
EP1979744A2 (en) | 2008-10-15 |
US10380270B2 (en) | 2019-08-13 |
WO2007089691A3 (en) | 2008-11-20 |
US20140163932A1 (en) | 2014-06-12 |
WO2007089691A9 (en) | 2007-09-27 |
AU2007210026A1 (en) | 2007-08-09 |
MX2008009808A (es) | 2008-11-14 |
US8655629B2 (en) | 2014-02-18 |
WO2007089691A2 (en) | 2007-08-09 |
AU2007210026B2 (en) | 2011-07-14 |
US8321181B2 (en) | 2012-11-27 |
EP1979744A4 (en) | 2011-05-18 |
CA2640952A1 (en) | 2007-08-09 |
US20130090898A1 (en) | 2013-04-11 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN102982384A (zh) | 计算机实现的土地规划***和方法 | |
US10614255B2 (en) | Computer-implemented land planning system and method with GIS integration | |
US10366180B2 (en) | Computer-implemented land planning system and method with automated parking area design tools | |
US9721043B2 (en) | Computer-implemented land planning system and method with GIS integration | |
US7395191B2 (en) | Computer-implemented land planning system and method designed to generate at least one conceptual fit solution to a user-defined land development problem | |
CN101990672B (zh) | 具有动态成本计算的交互式路径规划 | |
Babapour et al. | Forest road profile optimization using meta-heuristic techniques | |
Redouane et al. | Adaptive surrogate modeling with evolutionary algorithm for well placement optimization in fractured reservoirs | |
Kim et al. | Highway alignment optimization incorporating bridges and tunnels | |
CN101405771A (zh) | 计算机实现的土地规划***和方法 | |
Davey et al. | Designing higher value roads to preserve species at risk by optimally controlling traffic flow | |
Detwiler | Re nolds r | |
Smith et al. | A zero-one integer-programming formulation of the problem of land-use assignment and transportation-network design | |
Goncalves Klink | Analytical Graphical Approach for Predicting Ground Conditions in TBM-based Tunneling Construction | |
Asa | An intelligent 3-D open pit design and optimization using machine learning: adaptive logic networks and neuro-genetic algorithms | |
Al-Battaineh | Infrastructure intermediate-level modelling and oprimization of budget allocation | |
Dickey | Thoughts on the Future of Transportation and the Built Environment |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
REG | Reference to a national code |
Ref country code: HK Ref legal event code: DE Ref document number: 1183548 Country of ref document: HK |
|
C02 | Deemed withdrawal of patent application after publication (patent law 2001) | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20130320 |