专业文章|基于BIM和AI技术的铁路桥梁智能布跨研究

注：本文为期刊公众号简版，完整版已发群内自取。

宋浩，中铁工程设计咨询集团有限公司数字工程研究中心

韩广晖，中铁工程设计咨询集团有限公司数字工程研究中心

针对我国铁路桥梁占比高、标准构件应用范围广、孔跨布置作业繁重的特点，将建筑信模型（BIM,Building Information Modeling）与人工智能（AI,Artificial Intelligence）技术相结合，进行桥梁智能布跨研究。文章根据桥梁布跨原则，基于信息集，选用Q-Learning算法对Bentley平台二次开发，形成了一套完整的可视化桥梁布跨方案 。验证结果表明，该方案可应用于一般铁路桥梁设计中，并从设计层提高BIM数据应用深度与广度，提高桥梁布跨工作效率与质量。

桥梁布跨原则

桥梁布跨方案主要受道路、建筑物和地下管线等因素的影响，在设计时应充分考虑经济性、适用性及设计边界条件进行孔跨的合理布置。针对本文研究内容，结合相关规范要求，桥梁布跨主要原则如下。

一般桥梁孔跨布置

对于一般桥梁而言，当控制性因素不复杂时，应首先从标准跨度中选择合适跨度进行孔跨布置，布置原则尽量以32m跨度为主，24m跨度为辅，用以规避主要约束条件；无法采用简支梁跨度进行规避时，优先采取常用的连续梁跨度进行孔跨布置。在曲线线路上，简支梁通常采用“以直代曲”方案进行布设；连续梁等特殊梁型采用“曲梁曲做”的方式进行布设。

特殊桥梁孔跨布置

当桥梁跨越河流时，以“一河一桥”为原则，河流有通航要求时，要适当考虑变迁性河道的影响；当跨越等级道路（高速、主干道等）、铁路等控制性工点时，应按照控制边界条件选择适当跨度，标准跨度不满足时，应提供特殊跨度进行布置，并考虑经济性等因素对特殊跨度的优先等级进行设置。

铁路桥梁智能布跨方案

本文根据一般铁路桥梁布跨设计原则，采用Q-Learning算法，并利用BIM的属性信息，在Bentley平台下进行二次开发，形成最终的可视化智能布跨方案，具体流程如图1所示。其中，信息集由根据智能桥梁孔跨布置需要而提取、处理的信息组成；智能布跨算法是根据Q-Learning算法，按照桥梁布跨原则对工程实例抽象化，以求得最优方案；方案可视化是利用BIM技术的可视化特点，结合地理信息系统（GIS，Geographic Information System）技术，对智能布跨方案进行可视化展示及评估。

信息集

1.动作空间

在布跨算法中，建立桥梁构件数据库，能够在形成算法动作空间的同时，为后续的模型设计提供便利。根据常用跨度的简支梁、连续梁建立梁部构件模型，并按照相关规范为模型挂载几何与非几何信息。构件模型建立时，抽象出构件的几何特征，梳理特征之间的关联并将特征参数化，利用Bentley平台提供的Template模板解析技术，进行几何建模及属性配置；对于非几何特征，通过Bentley平台下的EC Schema技术挂载到模型上，为模型设计提供更多的信息。

桥梁数据库可为以标准数据格式写入的各类构建提供统一管理工具，在需要时予以调用，如图2所示。动作空间即在桥梁布跨设计时，根据设计条件选择适合的数据库，通过读取数据库中的桥梁跨度，作为智能体可选择的动作。

2.环境信息

环境信息的获取需基于统一的数据格式，设计协同数据接口，实现各专业间的数据协同，对桥梁专业所需要的信息进行提取应用。

（1）线路信息线路信息包括线路里程信息、坐标信息和线路要素信息等。将所有信息附加在线路模型上，在Bentley软件中识别文件中对应的Alignment元素，通过相应接口函数即可获取线路信息。

（2）地形信息地形信息包括地面标高、地形地物（道路、河流、沟渠、湖泊）特征等信息。地面标高从利用数字高程模型加工生成的地形文件中获取；地形地物特征则是根据地形文件不同图层及其附加属性，在桥址范围内沿线路方向进行判断获取；个别信息提供手动配置工具，进行信息组集输入。

（3）起止里程信息根据线路、地形信息，结合起桥条件，初步确定桥址里程范围，其主要步骤如下。

• ①将上序专业文件以参考方式加入设计文件中，并激活相关地形、线路等模型，通过设置步长间隔获取线路纵断及地面线等相关资料；

• ②设置桥梁布置范围和起桥条件，一般是根据起桥高度结合地形进行判断；

• ③根据起桥高度复制偏移地面线，并计算其与线路纵断的交点；

• ④根据起点前后侧地形条件判断该点是桥梁起点还是终点，并进行起点的合理偏移设置；

• ⑤得到全部桥梁的起桥范围，并作为智能布跨算法的输入数据使用。

智能布跨算法设计

1.Q-Learning算法概述

Q-Learning算法是基于价值的强化学习算法，强化学习的过程是智能体通过感知环境而采取动作、与环境不断交互的过程。智能体根据环境反馈的信息，不断更新自身动作策略，最终得到一条最优策略。假设Q(st,at)表示在状态st下执行动作at所获得的价值，此后按最优动作执行所获得的奖励的期望，其更新表达式为

其中，α为算法收敛的学习效率；rt+1为实时奖励；γ为折扣因子。当Q(st,at)值不再继续变化，说明得到了一个收敛的结果。

2.智能布跨算法

桥梁的孔跨布置是一个将方案不断优化的过程，结合AI概念，采用Q-Learning算法，将孔跨布置相关约束条件抽象化为数据类型，根据工程实例将约束条件实例化。智能体通过感知环境信息，采取不同的动作，并以获得奖赏情况为指导改进选择策略，最终得出最优的策略方案，算法主要流程如图3所示。

对于铁路工程实例，其所处的状态和可选择动作是有限的，因此可以将以矩阵形式进行表示，根据状态—动作建立Q表，Q表的行代表智能体所处状态，列代表可选择的动作空间。铁路工程是一条长大带状线性工程，为了节省Q表占用空间，沿线路按照一定距离进行离散化设置，减少Q表的行列数。算法的奖赏函数则根据上述布置原则和环境信息，按照布跨优先级和桥梁预估造价进行设计。可选动作空间（桥梁跨度信息）则可以利用信息集，根据项目条件进行相应配置应用。在每次动作完成之后，需要对动作的最终状态和收敛性进行判断，收敛则表示得出了较优的桥梁布跨方案。

方案可视化设计

根据上文设计的一般桥梁智能布跨方案，利用BIM技术的可视性建立三维模型，可在方案展示的同时搭载设计数据，实现对设计的可行性分析，提升铁路桥梁设计水平。地理信息数据库能以直观的地理图形方式，通过统一的地理坐标系全局性地展示、分析和评估大范围的空间对象及抽象化的建筑对象。为了更好地评估桥梁布跨方案，提高方案的合理性，减少后期方案修改，利用多源数据融合平台，载入桥梁布跨模型数据和GIS数据，将BIM数据轻量化，结合实景模型对桥梁布跨方案进一步优化，具体包括以下2个方面。

（1）在Bentley平台应用二次开发读取布跨方案，并根据布跨方案获取匹配的构件模型数据库，根据各构件所处位置，将各类型构件按照空间层级关系进行精确定位，完成布跨方案的查看与评价。其中，梁部信息模型是根据桥梁跨度信息，从桥梁数据库中进行匹配，利用Bentley的自定义实体技术，以线路模型为基础，构造合适的空间位移矩阵，进行梁部结构的空间定位；桥墩则利用参数化单元进行创建，依据桥梁布置位置及梁部特征信息，进行桥墩的空间定位，并结合地形模型计算出墩高，修改相应墩高参数。此时，桥墩仅发挥空间占位作用，用以辅助方案设计。

（2）BIM可以很好地反映方案结构形式，能够较为方便地展现桥梁孔跨布置模型，但是无法表达周边建筑信息及桥梁跨越的地物信息。通过二次开发技术，在保留BIM模型数据精度和完整性的前提下，开发数据格式转换插件，将BIM数据导入多源数据融合平台中，结合GIS数据形成实景模型，如图4所示。

方案应用

应用分析

通过某铁路项目对本文设计的桥梁智能布跨方案进行应用，验证方案对一般桥梁的适用性。具体步骤为：

（1）参考相关专业（线路、地形）模型信息并激活模型，方便后续调用数据接口应用，如图5所示。

（2）加载开发的桥梁布跨工具，提取、处理智能桥梁孔布跨所需信息，并组建信息集，调用智能布跨算法，输出桥梁智能布跨方案，如图6所示。

（3）按照布跨方案进行BIM创建，并结合GIS技术对布跨结果进行可视化展示，如图7所示。

效益分析

与传统铁路桥梁布跨工作相比，利用BIM+AI技术的智能布跨方案的优点体现在：

（1）减少了设计人员对上序专业信息的处理，在统一的数据标准格式下，通过制定标准格式的接口，最大化地利用上序专业的成果，保证了数据的唯一性；

（2）设计人员只需关注本专业内的设计工作，减少了因数据再加工处理所消耗的时间与精力；

（3）利用机器代替人工进行程序化的工作，提高了设计效率；

（4）可视化的成果展示更能够保证方案准确表达，对方案的合理性及可实施性有更为准确的把控。

总结与展望

本文在总结铁路桥梁布跨原则的基础上，基于Q-Learning算法，对桥梁布跨算法进行研究。依托统一的数据交互格式，通过BIM技术识别线路、地形等基本信息，实现桥梁布跨所需信息的自动提取、处理，组建信息集，并利用二次开发技术建立桥梁整体BIM，融合GIS技术对方案进行可视化设计，给出一套适用于一般铁路桥梁的智能布跨方案。该方案提高了桥梁设计效率与质量，后续还需在特殊桥梁智能布跨方向进行研究。

来源：铁路BIM联盟