路径规划典型算法精品(七篇)
路径规划典型算法篇(1)
关键词：AGV；AGV调度算法
1.AGV系统地图建模
实际应用当中，AGV的工作路径随着不同工厂的环境条件和规划可能各不相同。
图1.1中AGV轨道模型，图中圆圈内的数字代表该位置的站点号，直有向线代表直线轨道，弯曲的有向线代表半圆轨道，线上的数值代表其长度或者半圆的半径。图1.1所示显然为一个有向赋权图，记为G（V，E），V为图中所有站点的集合，显然非空，E为任意站点Vi到另一站点Vj的边的集合。
2.AGV调度问题研究
2.1单个AGV路径规划算法
单个AGV的调度问题可以简化为AGV的路径规划问题，即等价为求最短路径问题。
Dijkstra算法是一种用于计算有向图中一个节点到其他所有节点最短路径的典型图形搜索算法。其时间复杂度O（V2+E）～O（VlgV+E）取决于是否采用最小优先级队列。
实现的具体方法，即当不用队列而用数组实现时为O（V2），用二叉最小堆来实现时为：
O（（V+E）lgV），用Fibonacci堆来实现时为：
O（VlgV+E）。采用Fibonacci堆使算法的运行时间性能相比于O（V2）虽然有一些提高，但是编程时由于其常数较大，多数时候会发现其实际运行速度并没有明显的提高，并没有多大的效率优势。算法具体步骤为：
1）分组初始化，集合S中只有源节点v0，T由除V外的剩余节点组成。根据图的信息初始化各个节点的邻接关系和权值。
2）从T中选取与v0有邻接关系且权值最小的顶点Tp，把Tp又加入到S中（v0到Tp的最短路径值即为其权值大小，最短路径为v0Tp）。
3）以Tp为中间节点，考察T中与Tp邻接的节点。如果从源节点v0经过Tp到T中节点的距离比不经过Tp时距离短，则修改T中已比较过的顶点的路径值为经过Tp的路径。
4）判断T是否为空，或者源顶点到目的顶点的最短路径是否已经找到，若没有则
重新返回步骤2再次寻找。否则，推出循环，算法结束。
2.2 多个AGV路径规划算法
协调各个AGV之间能够无碰撞地高效完成其工厂里的作业任务，是多AGV调度系统的主要任务。相向冲突、站点冲突、拐角冲突、赶超冲突是多AGV运行过程中常见的几种基本冲突。多AGV的任务调度问题的典型的有效方法有以下几种：
（1）基于时间窗的AGV无碰撞路径规划
针对每段路径引入时间窗来指示该路段在某段时间是否已经被AGV占用，根据接受任务的优先级依次分配空闲的AGV，并利用算法选择最优路径，并产生各路径的时间窗。
（2）混合区域控制模型调度方法
通过对AGV的工作空间进行按不同的区域建模，AGV作业于不同区域内，且一个区域中最多只有一台AGV位于其中。
（3）线段网络控制调度算法通过把AGV小车的路线分为可进行控制的若干条路段，当小车将要或已经在一个路段上行驶时，AGV调度系统将这个路段及其终点分配给该AGV，当AGV行驶离开此路段的起始点一定距离后，系统又将该路段释放。
（4）两阶段控制调度算法
将AGV的调度控制系统分为离线路径表的生成和在线交通控制两个模块，其中离线路径表生成模块根据路径网路模型离线生成各结点间的所有路径，而在线交通控制模块根据下达的任务和工作中AGV的运行信息利用路径库中的路径表生成无冲突的最佳路径。
两阶段控制算法，利用已知信息先离线生成路径库，能很好的减少在线阶段的运行负担，提高系统实时性，且分阶段的控制方法使得实现和优化改进更简单。但是该算法生成的不是各结点的k条最优路径，当某个路段堵塞时，又要附加约束条件在线重新生成最优路径，使得效率反而更差。因此提出离线阶段对每个顶点生成k条最短路径集，以改进两阶段控制算法。
3 AGV调度算法算法分析与实现
（1）流程分析
假设AGV任务离线批量下发，本系统基于改进的两阶段控制算法的流程图设计如图3.1所示。正如图3.1所示，路径规划工作大部分静态工作如最优路径的生成等由调度系统离线阶段完成，而系统在线阶段主要负责动态的状态监控和资源的管理以及进行突况处理。突况下如果下位机可以采用一般的等待策略解决，则调度系统只负责路径资源时间窗的更新即可；若发现等待超时，即视为不能解决，则需以当前站点为起点重新为该任务进行路径规划。
在任务下发后，AGV开始执行任务，AGV执行任务过程中的避障策略算法如图图3.2所示。AGV根据调度系统对任务的路径规划，从起点开始不断检测障碍物和冲突以确定是否进行下一步。当遇到冲突时，首先自行进行等待处理，若调度系统发现等到时间过长而超时会对任务进行重新路径规划并发送任务的更新命令，AGV接收到该命令后会终止当前流程重新任务的执行。同时，AGV会定时不断的向监控调度系统更新AGV自身的状态信息，供调度系统决策使用。
结论
本文基于AGV运行环境的地图建模和系统简化，针对提出对单AGV系统采用经典的Dijkstra算法解决单AGV的路径的规划，最后完成了针对多AGV系统的算法程序上的流程图设计。
路径规划典型算法篇(2)
关键词： 增维启发式搜索； 智能车； 路径规划； 高效率； 平衡
中图分类号： TP311 文献标识码：A 文章编号：1009-3044（2016）36-0188-04
Increment-dimensional Heuristic Search Motion Planning Algorithm
WU Hong
（Department of Computer Science and Technology， Tongji University， Shanghai 201804， China）
Abstract： For intelligent vehicle motion planning， effective enough is always an important issue. The huge statue-space， high time complexity of the high dimensional search approach is always the bottle-neck of the algorithm. To solve this problem， this paper proposes a new method， increment-dimensional heuristic search algorithm. This method is a stepped-up heuristic search to reduce the searching status and improve the search algorithm execution efficiency. In experiment， the result shows that this algorithm reduces 87% of searching status and executes time is nearly 1/10 of that of the traditional heuristic search method. It is a very good trade-off between execution efficiency and trajectory quality.
Key words： increment-dimensional heuristic search； intelligent vehicle； motion planning； effective； trade-off
1 引言
在智能无人车领域，智能车无人车的行驶安全以及驾驶舒适度一直是一个非常重要的研究问题。而智能无人车的路径规划是这一问题的核心。智能无人车路径规划算法需要在有限的时间内，输出高质量高精度的路径，传输给智能无人车的控制模块、执行模块加以执行。一般的移动机器人路劲规划算法研究的是在高维度的空间里探索出一条路径，相比之下，智能无人车的路径规划则需要考虑车辆动力学模型约束，通常我们需要考虑四维状态。二维状态（x， y），表示车辆的地理坐标，车辆的航向角θ，以及行驶速度v。在四维状态空间里搜素出一条可行路径，是一个计算密集型的任务。与此同时，智能无人车的行驶速度可能很高，因此要求规划算法能够在一个非常有限的时间里给出搜索的结果。
为了解决这一问题，本文给出一种增维启发式路径规划搜索算法。该算法采取一种分阶段，逐步增加搜索维度的方法来生成路径。在每一个阶段，增维搜索算算法选择离车辆当前位置附近的一个区域，增加状态空间维度，进行启发式搜索。因此该算法的输出轨迹是多精度的轨迹。在车辆附近位置，输出轨迹为高维度高精度，充分考虑车辆动力学模型，驾驶舒适度，能耗以及可靠性。而在远处，低维度低精度的轨迹依然可以引导智能无人车的行驶方向正确，充分考虑的地图信息，障碍物信息。从人类正常的驾驶习惯上来说，驾驶员总是对近处的驾驶精度较高，而远处相对较低。该算法充分利用了这一点原理，牺牲了远处的轨迹精度，极大地提高了算法的运行效率。在频繁联系的反复规划中，车辆会一直执行高精度部分轨迹。因此，该算法在运行效率以及输出轨迹质量方面，取得一个非常好的均衡。
为了展示该算法的性能，本文进行了仿真实验。在实验中，智能无人车刚刚进入一个停车场，需要在目标停车位泊车。实验结果表明，相比传统的高维度启发式搜索算法，该算法减少了超过87%的搜索状态，运行性能提高了近10倍。
2 研究现状及文献综述
从20世纪70年代开始，欧美的西方国家开始无人驾驶汽车方面的研究工作，并在智能无人车的控制和商用化方面取得一定进展。在汽车工业非常发达的德国，各大汽车公司都资助或者联合高等院校以开发可在普通道路上行驶的智能无人车。目前，欧盟已启动一个名叫CyberCars的智能无人车项目，以推动智能无人车的研究和各国间智能无人车技术的信息共享。
在20世纪的80年代，我国部分大学开始智能无人车的研究工作，虽然起步较晚也取得一定成果。目前，从事这方面研究工作的 主要是国防科技大学、军事交通学院及清华大学等科研机构。[1-6]
在智能无人车决策模块的相关研究中，最核心的部分是路径规划算法的研究。文献[7]提出一种快速扩展随机树生成算法―RRT （Rapid-Exploring Random Tree）算法。RRT是一种多维空间中有效的路径规划算法。它以一个初始点作为根节点，通过随机采样增加叶子节点的方式，生成一个随机扩展树，当随机树中的叶子节点包含了目标点或者进入目标区域，便可以在当前随机树中找到一条从初始点到目标点的路径。文献[8]在RRT算法在自动驾驶汽车以及宇宙空间探测器路径规划上的应用。文I[9]对RRT算法提出优化方法并通过实验，解决了基本RRT算法存在的动态环境中规划路径不稳定的问题，同时提出双向RRT生成算法以及动态步长等优化方法，提高了RRT算法生成初始点到目标点路径生成的速度。然而RRT算法在规划路径的过程中产生的是可行解，而非最优解。文献[10]提出了RRT*算法，RRT算法进行了改进，保证了RRT算法生成解是渐进最优解。然而RRT*算法在时间复杂度上远高于朴素的RRT算法。文献[11]提出了一种RRT*算法加速的方法，通过使用预生成RRT随机树，在使用RRT*_S算法优化当前随机树，构造出与RRT*算法生成随机树本质相同的RRT*_S随机树，从而实现RRT*算法的加速。文献[12]为麻省理工学院将RRT*算法运用于叉车移动路径规划的一次应用实践，并对RRT算法与RRT*算法在实际应用中的结果给出对比分析。
文献[13][14][15][16]给出了2007年美国DARPA智能无人车比赛麻省理工学院（MIT）参赛智能无人车的整体架构，MIT智能无人车的轨迹生成算法，主要是用RRT算法生成可行路径，并对该路径进行平滑，以此为基础生成智能无人车运动轨迹。
文献[17][18][19][20][21][22]主要阐述了状态空间搜索算法，通过估价函数进行启发式搜索以及状态空间搜索剪枝。文献[23]提出了ARA*（Anytime A*）算法，对短时间间隔内连续反复用A*搜素算法进行空间状态搜索这一类状态空间搜索应用场景进行优化。
3 增维启发式搜索算法
增维启发式搜索是一种两阶段的启发式搜索算法。在算法的第一阶段，搜索出一条从车辆当前位置到目标位置的几何最短路的轨迹。在第一阶段的搜索，我们只考虑二维的搜索状态空间（x， y），即车辆的地理坐标。第二阶段，选取第一阶段的路径中的一个点作为本阶段目标点，搜索状态加入车辆的航向角θ，以及行驶速度v，总体状态空间提升到四维，并且考虑车辆动力学模型，在此状态空间下，搜索出一条高精度可执行的车辆行驶轨迹。
3.1 第一阶段搜索
在这一阶段，因为我们只考虑二维状态空间（x， y），即车辆的地理坐标。如果将状态空间离散化，这一搜索问题会退化成一个图论的最短路问题。虽然图论的最短路问题有很多经典成熟的算法。但是在这里还是有一些值得讨论的问题。
3.1.1 栅格随机化
一般地，在执行最短路算法之前，会把状态空间离散化成栅格，然后对栅格做4联通或者8联通处理，但是这种离散化方法会使最短路失去最优解，如图1a、1c所示。
图1 a. 离散化使得几何最短路失解；b. 随机化18联通栅格法；c. 8联通栅格法几何最短路（黑），随机化18联通栅格法几何最短路（红）。
a b c
为了解决这一问题。如图1b所示，算法使用一种随机化18联通的栅格法来离散化空间。即在栅格之间连边的时候，每个栅格除了相邻向相邻8个栅格联通，同时随机向其他10个栅格联通。选取的10个栅格满足与该栅格曼哈顿距离小于7，满足条件的格子约为100个，足以随机化，同时连边长度小于两个栅格长度，也方便计算是否与障碍物碰撞。
3.1.2 最短路算法
在离散化为栅格之后，采用单源最短路算法来计算车辆当前位置到其他位置的几何最短路，虽然单源最短路算法非常的经典成熟，但依旧有值得讨论的地方。
最短路的经典算法是堆优化的Dijkstra算法，该算法时间复杂度为 [O（eloge）]，其中[e]代表离散化后边的数量，然而在稀疏图中，SPFA算法的实际时间复杂度约为[O（e）]，在18随机联通结构的图中效率比价高，因而在本阶段中，我们采用SPFA算法计算单源最短路。
3.2 第二阶段搜索
在第二阶段的搜索中，我们选取第一阶段结果，几何最短路上的一个点来作为目标点，在搜索状态加入车辆的航向角θ，以及行驶速度v，在搜索中充分考虑车辆动力学模型，搜索出一条高精度可执行的车辆行驶轨迹。
3.2.1 启发函数
在启发式搜索过程中，一个强力有效的启发式函数对搜索效率来说至关重要。启发式函数不仅为搜索的实际代价提供了一个下界，同时也是实际代价的一个良好估算，可以引导搜索往正确的方向扩展，并且实现搜索剪枝，在第二阶段的搜索中，使用以下启发式函数。
动力学约束无障碍启发函数，[hnh（x，y，θ，v）]，该函数忽略障碍物信息，考虑车辆动力学模型，在此条件下求出最优的路径。这一启发式函数因为忽略了障碍物信息，只考虑动力学模型，所以可以离线计算、存储，在真实路径规划的过程中查询，计算速度极快。该函数极大的消除接近目标点航向角错误的搜索分支。
地图信息非动力学模型启发函数，[hh（x，y）]，该启发函数是上一启发函数的对偶函数，忽略车辆动力学模型，以几何最短路作为启发函数。该启发函数充分考虑的地理信息，消除了错误行驶方向的搜索分支。
结合二者，选取启发函数[h（x， y，θ，v）] = max（[hnhx，y，θ，v， hh（x，y））]，
fxyv） = g（x， y， ，v） + h（x， y， ，v） （1）
fxyv） Fxyv） （2）
f 为状态[（x， y， θ， v）]的估价函数， g为当前搜索状态[（x， y， θ， v）]的实际代价， [F]为实际搜索代价。
在该启发函数的引导下，第二阶段启发式搜索可以高效地计算出四维高精度路径。
4 仿真实验以及实验结果
为了展示该算法的性能，本文进行了仿真实验。在实验中，智能无人车刚刚进入一停车场，需要在目标停车位泊车。实验环境为Ubuntu 12.04 Linux系统，Intel i5处理器， 8GB内存。停车场大小为长80米宽50米，栅格离散化精度为10厘米，车辆采用72个不同的航向角，同时采用两个速度，最大的前向速度以及最大的后向速度。
图2 a朴素四维启发式搜索；b增维启发式搜索；c朴素四维启发式搜索输出路径；d增维启发式搜索输出路径
a
b
c
d
表1 算法性能比^
[ 阶段 朴素四维启发式搜索 增维启发式搜索 搜索状态数量 第一阶段 400000 第二阶段 10808634 408773 共计 10808634 808773 算法运行时间
（毫秒） 第一阶段 142 第二阶段 2844 141 共计 2844 283 ]
如图1b，对于每一次路径规划，增维启发式搜索算法可以有效地减少搜索状态的数量，因为高维度高精度部分的搜索集中在离车辆较近的区域，而从全局的角度，二维的几何最短路依旧引导着轨迹往正确的方向。相比之下朴素的四维启发式搜索搜索量极大（图2b）。从输出轨迹上看，两者的输出轨迹质量几乎相同（图2c、2d）。
5 结论
本文展示了增维启发式搜索路径规划算法。该算法分为两阶段。第一阶段在全局考虑二维的搜索状态空间，得出起始点到目标位置的几何最短路。在第一阶段几何最短路基础上选取一个目标点作为第二阶段目标状态空间，进而得到考虑了车辆动力学模型、四维的高精度可执行轨迹。仿真实验结果表明，在现实场景下，该算法极大地减少了搜索状态数量，提高了算法执行效率，同时输出高质量的智能无人车行驶轨迹。
参考文献：
[1] 杨明.无人驾驶车辆研究综述与展望[J]..哈尔滨工业大学学报，2006，38（增刊）：1259-1262.
[2] 孙振平.自主驾驶汽车智能控制系统[D].国防科技大学，2004.
[3] 杨森森.基于GPS/INS/激光雷达的无人车组合导航[D].上海交通大学硕士学位论文，2013.
[4] 钱钧，杨汝清，王晨，等，基于路标的智能车辆定位[J].上海交通大学学报，2007，41（6）：894-898.
[5] 王曦鸣.军用无人车的路径规划与仿真研究[D].北京交通大学硕士学位论文，2010.
[6] 曹玉芬，张国斌.美国无人地面车辆计划[J].国外坦克，2004（5）：25-27.
[7] Rapidly-exploring random trees： A new tool for path planning. S. M. LaValle. TR 98-11， Computer Science Dept.， Iowa State University， October 1998
[8] RRT-based trajectory design for autonomous automobiles and spacecraft. P. Cheng， Z. Shen， and S. M. LaValle. Archives of Control Sciences， 11（3-4）：167--194， 2001.
[9] Rapidly-exploring random trees： Progress and prospects. S. M. LaValle and J. J. Kuffner. In Proceedings Workshop on the Algorithmic Foundations of Robotics， 2000.
[10] S. Karaman and E. Frazzoli， Sampling-based algorithms for optimal motion planning，I. Robotic Res.， vol. 30， no. 7， pp. 846C894， 2011.
[11] Yun-xiao Shan Bi-jun Li Jian-Zhou Yue-Zhang，An Approach to Speed Up RRT* ，2014 IEEE Inteligent Vehicles Symposium （IV） June 8-11
[12] Karaman S， Walter M R， Perez A， et al. Anytime motion planning using the RRT*[C]//Robotics and Automation （ICRA）， 2011 IEEE International Conference on. IEEE， 2011： 1478-1483.
[13] Leonard J， How J， Teller S， et al. A perception-driven autonomous urban vehicle[J]. Journal of Field Robotics， 2008， 25（10）： 727-774.
[14] Kuwata Y， Fiore G， Teo J， et al. Motion planning for urban driving using RRT[C]//Intelligent Robots and Systems， 2008. IROS 2008. IEEE/RSJ International Conference on. IEEE， 2008： 1681-1686.
[15] Leonard J， Barrett D， How J， et al. Team MIT urban challenge technical report[J]. 2007.
[16] Kuwata Y， Karaman S， Teo J， et al. Real-time motion planning with applications to autonomous urban driving[J]. Control Systems Technology， IEEE Transactions on， 2009， 17（5）： 1105-1118.
[17] Barbehenn， M. and Hutchinson， S. （1995）. Efficient search and hierarchical motion planning by dynamically maintaining single-source shortest path trees. IEEE Transactions on Robotics and Automation， 11（2）： 198C214.
[18] Gaschnig， J. G. （1979）. Performance measurement and analsis of certain search algorithms. Ph.D. Dissertation， Carnegie Mellon University.
[19] Stentz， A. （1995）. The Focussed D* Algorithm for real-time replanning. Proceedings of the International Joint Conference on Artificial Intelligence （IJCAI）， pp. 1652C1659.
[20] Pearl， J. （1984）. Heuristics： Intelligent Search Strategies for Computer Problem Solving. Boston， MA： Addison-Wesley
路径规划典型算法篇(3)
【关键词】TETRA 覆盖规划 容量规划
1 引言
TETRA为欧洲电信标准协会(ETSI)推荐的数字集群标准,与iDEN、GT800、GOTA并列,为我国四大数字集群标准之一。TETRA标准采用TDMA与FDD技术,将一个载频的25kHz带宽分为4个时隙(信道),可用于承载话音/数据业务、控制信令。TETRA除了具有一般数字集群系统频率效率较高的特点外,在话音功能、数据服务、直通模式、系统容量、市场规模等方面具有比较明显的优势,加上其强大的调度功能,TETRA在国内外得到广泛应用。TETRA也是我国已建的数字集群共网系统普通采用的技术标准。
目前我国已建的TETRA数字集群网络主要有:北京正通政务网、上海电信集群网、深圳公安数字集群网络、广州800M数字集群共网、全国多个城市地铁、机场数字集群专网。随着政府管理水平的提升,对统一的应急通信指挥调度需求日益迫切,TETRA集群业务市场前景广阔,对TETRA无线网络规划技术研究、探讨,具有实际意义。
2 TETRA数字集群网络的服务指标
进行TETRA数字集群网络规划之前,应首先明确相关的网络服务指标,例如:网络接通率、覆盖率、排队等待概率等。这些网络服务指标指出了网络的建设目标,是网络规划的重要输入条件,各参数取值的不同也会直接影响网络规划的结果。表1列出了TETRA数字集群网络的一些主要网络指标。
3 TETRA覆盖规划
无线覆盖规划,主要针对不同区域类型的基站进行链路预算,得到相应的链路允许最大损耗以及基站覆盖半径,以此为依据进行下一步的无线基站规划及选点。
在TETRA网络规划设计之前,一般要先进行传播模型调校工作,使得最终的模型参数与实际测试结果更加吻合,增加覆盖预测的准确度。考虑到Hata理论模型不大适合直接应用到仿真软件的覆盖预测中,建议采用在国内得到广泛应用的仿真软件ASSET标准传播模型“Standard MacroCell Model”。该模型以Hata模型为基础进行扩展,能方便地利用测试数据进行模型校准,且考虑了地貌及无线信号衍射情况,从而增强了模型的灵活性和精确性,适用于150MHz到2GHz的频率范围。在该标准模型中:
其中:
Prx为接收信号强度(dBm);
Ptx为发射信号强度(dBm);
Ploss为传播路径损耗(dB);
并且:
其中:
K1为衰减常数;
K2为距离衰减系数;
K3和K4为移动台天线高度修正系数;
K5和K6为基站天线高度修正系数;
K7为绕射修正系数;
Kclutters为地物衰减修正值;
dkm为测试基站与移动台之间的距离(km);
Heff为测试基站天线的有效高度(m);
Hmeff为移动台天线的有效高度(m)。
进行基站链路预算时,上行和下行链路有各自不同的发射功率损耗和路径衰落。链路预算可分为前向链路预算和反向链路预算,与其他常见无线移动通信系统类似,TETRA数字集群通信系统的覆盖能力主要也是受限于反向链路预算,故工程上一般通过反向链路预算对TETRA基站的覆盖能力进行估算。
采用上述的ASSET标准模型公式,结合某城市的经过调校后的密集市区、普通市区和郊区农村传播模型,得到TETRA集群基站的典型链路预算结果如表2所示。要指出的是,表2中的分析针对的是800MHz TETRA系统,对350MHz或其它频段的TETRA系统,分析方法一致,主要区别在于传播模型参数的取值。
4 TETRA容量规划
进行容量规划之前,首先需明确网络的话务模型。数字集群通信网络主要有调度、电话和数据传输三种功能,各自所占比例不同,用户忙时话务量差别很大。参考国外的统计资料和国内已建数字集群网络的运营经验,取定话务模型如下:
用户分配比例:调度呼叫90%;电话呼叫5%;数据呼叫5%。
调度用户忙时话务量:0.01Erl/户。
电话互联忙时话务量:0.02Erl/户。
数据用户忙时话务量:0.04Erl/户。
综合取定每用户忙时平均话务量为0.012Erl/户。
集群用户忙时排队概率:≤5%。
容量规划一般在用户预测与用户分布分析的基础上进行,具体步骤为:首先根据用户总数和各类区域的话务分布,得到各区域的话务量;然后结合区域内的基站数量和各基站的覆盖范围,估算出各基站需要承载的话务量,并根据话务热点进行权衡调整;最后根据用户需要的服务等级,并考虑一定的冗余,查询Erlang C表得到承载相应话务量时各基站的载波配置。
TETRA容量规划的流程如图1所示:
图1 TETRA容量规划流程图
TETRA集群基站支持1~8载波配置,每个载波有4个时隙(信道),其中第一个载波的第一个信道为主控信道。
按上述取定的话务模型,查Erlang C表得到不同载波配置的TETRA基站容量,如表3所示:
表3 TETRA基站容量表
根据上述容量表,按照图1的容量规划流程,即可计算出各基站的载波配置信息。
5 TETRA无线网络规划实例
图2为某城市的中心市区,属于高密集市区传播环境,人口密集,且有火车站、重要体育场及武警等场所或机关,为该城市TETRA数字集群网络最重要的保障区域之一。
根据前面的链路预算及覆盖规划,该区域集群基站的覆盖半径为1.5km、站间距为2.6km左右。以此为基础,得到该区域集群基站的理想规划位置。在选点阶段,根据现场楼宇的实际情况以及物业情况等,部分站点在允许的搜索半径内对规划的位置进行了调整,图2为调整后的实际站点位置图。
根据前期相关调研结果,该区域每平方公里的数字集群用户数为120~160户左右。基站覆盖半径按1.5km考虑,各基站按理想蜂窝计算得到的覆盖面积为5.8km2。各基站覆盖范围的集群用户数为160*5.8=928户。若基站容量按照20%的冗余,各基站需支持的用户数为928*1.2=1114户。根据前述的集群话务模型及基站容量表,该区域基站的典型配置为6载波。另外,考虑到D基站靠近大型体育场,比赛期间有大量的安保、竞赛组织集群用户;F基站靠近火车站,在重要活动期间同样集群用户密集,这两个站点调整至8载波。也即该区域范围内:A、B、C、E、G基站按规划计算的6载波配置;D、F基站根据实际情况调整为8载波配置。
综上,实际进行TETRA网络规划时,站点位置、基站配置均要在理想规划的基础上,根据实际情况对部分站点进行适当的调整。
6 结束语
无线网络规划为TETRA数字集群网络建设过程中最重要的环节之一。采取合理、科学的无线网络规划方法,将为建设高质量、低成本TETRA集群网络奠定坚实的基础。
参考文献
[1]ETSI EN 300 392-1. Terrestrial Trunked Radio(TETRA);Voice plus Data(V+D);Part 1:General Network Design[S]. 2003.
[2]ETSI EN 300 392-2. Terrestrial Trunked Radio(TETRA);Voice plus Data(V+D);Part 2:Air Interface(AI) [S]. 1998.
[3]郑祖辉,陆锦华,郑岚. 数字集群移动通信系统(第2版)[M]. 北京:电子工业出版社,2005.
【作者简介】
宋 雅:毕业于华南理工大学通信与信息系统专业,工学硕士,现就职于广东省电信规划设计院有限公司,工程师,主要从事无线网络规划、设计与优化工作。
路径规划典型算法篇(4)
关键词：聚类；最优路径算法；工作量模型；订单日规划
中图分类号：F253 文献识别码：A 文章编号：1001-828X（2017）013-0-01
一、引言
随着我国烟草行业从传统商业向现代流通模式的转变，烟草物流配送正逐步向“集约化管理、规模化经营、专业化物流、标准化服务”方向发展，如何实现物流配送高效、低成本的运作模式，提高烟草企业整体竞争力水平，是许多烟草企业面临的一个关键问题。
文章提出了一种基于时间成本的物流线路优化方法，通过科学规划配送线路、平衡每日订单分布等方式，使卷烟网络分布更加合理，进一步降低固定投入和I务成本，提高供应链管理水平。
二、算法模型
基于时间成本的物流线路优化计算主要运用到三个求解算法，分别是聚类算法、最优路径算法和订单日规划算法。基本求解方案是：第一步按照车辆装载率完成对客户兴趣点聚类；第二步细致优化配送路径；第三步平衡每日订单分布。
1.聚类算法
聚类是空间数据挖掘中的一个重要研究领域，是指将物理的或抽象的对象分组成为由类似对象组成的多个类（簇）的过程。
以绍兴烟草为例，聚类计算时首先采用自下而上的一阶段方法对全地区26000个零售户点进行聚类，获得411个初始聚类结果。再根据实际需求，按照类容量将前408个类作为直接指派的初始类核，以配送车装载率90%作为类容量上限，进行直接指派聚类，最终获得聚类结果。
2.最优路径算法
最优路径算法的目标是寻找给定起点和终点间的最短路径，文章采用Dijkstra（迪杰斯特拉）算法。Dijkstra算法是典型的单源最短路径算法，用于计算一个节点到其他所有节点的最短路径。主要特点是以起始点为中心向外层层扩展，直到扩展到终点为止。
⑴初始时，S只包含源点，即S=v。U包含除v外的其他顶点，U中顶点u对应的距离值为边上的权（若v与u有边）或 ∞（若u不是v的出边邻接点）。
⑵从U中选取一个距离v最小的顶点k，把k，加入S中（该选定的距离就是v到k的最短路径长度）。
⑶以k为新考虑的中间点，修改U中各顶点的距离；若从源点v到顶点u的距离（经过顶点k）比原来距离（不经过顶点k）短，则修改顶点u的距离值，修改后的距离值为顶点k的距离加上边上的权。
⑷重复步骤（2）和（3）直到所有顶点都包含在S中。
3.配送工作量模型和订单日规划算法
进行订单日规划时，文章引入工作量模型概念，将综合作业时间作为线路优化的单一标准，把送货户数、送货量、行驶里程等多维度统一转换成工作时间，解决线路优化时指标过多，计算困难的问题。
综合作业时间=装车交接时间+车辆行驶时间+基本服务时间+客户交接时间+现金缴款时间。装车交接时间=（装车准备时间×车次）+（装车框数×单框装车时间）
订单日规划算法的目标是确定各配送线路的配送车辆和配送日，规划要求满足以下约束条件：车辆数最少；一周内各配送车辆工作时间基本均衡；每天各配送车辆工作时间基本均衡；每天工作时间上限设定6.5小时。
订单日规划算法模型：
约束条件：
（1.1）
（1.2）
（1.3）
（1.4）
i 需要安排的路线序号；取值范围从1到路线的最大数；
j 送货车序号；取值范围从1到指定车辆数；
k订单日的序号；取值范围从1到5，表示一周配送5天；
b每天所有车辆工作时间的上限；
c每辆车一周工作量上限；
d每辆车每天工作量的上限，d为6.5小时。
公式（1.1）一条路线有却只能有某辆车在某一天配送；
公式（1.2）每天所有车的工作量不能超过上限b；
公式（1.3）每辆车每周的工作量不能超过上限c；
公式（1.4）每辆车一天的工作量不能超过上限d。
三、结语
“低成本、高效率、优服务”是烟草物流建设的重要目标，文章提出的基于时间成本的物流线路优化算法，将影响物流成本的多维度指标转化为综合工作时间进行分析计算，为烟草商业企业科学合理的进行物流线路优化，提供了较完整的解决方案。
参考文献：
[1]刘启亮，邓敏，石岩，彭东亮.一种基于多约束的空间聚类方法[J].测绘学报，2011（4）.
路径规划典型算法篇(5)
文章提出了一种基于时间成本的物流线路优化方法，通过科学规划配送线路、平衡每日订单分布等方式，使卷烟网络分布更加合理，进一步降低固定投入和業务成本，提高供应链管理水平。
二、算法模型
基于时间成本的物流线路优化计算主要运用到三个求解算法，分别是聚类算法、最优路径算法和订单日规划算法。基本求解方案是：第一步按照车辆装载率完成对客户兴趣点聚类；第二步细致优化配送路径；第三步平衡每日订单分布。
1.聚类算法
聚类是空间数据挖掘中的一个重要研究领域，是指将物理的或抽象的对象分组成为由类似对象组成的多个类（簇）的过程。
以绍兴烟草为例，聚类计算时首先采用自下而上的一阶段方法对全地区26000个零售户点进行聚类，获得411个初始聚类结果。再根据实际需求，按照类容量将前408个类作为直接指派的初始类核，以配送车装载率90%作为类容量上限，进行直接指派聚类，最终获得聚类结果。
2.最优路径算法
最优路径算法的目标是寻找给定起点和终点间的最短路径，文章采用Dijkstra（迪杰斯特拉）算法。Dijkstra算法是典型的单源最短路径算法，用于计算一个节点到其他所有节点的最短路径。主要特点是以起始点为中心向外层层扩展，直到扩展到终点为止。
⑴初始时，S只包含源点，即S=v。U包含除v外的其他顶点，U中顶点u对应的距离值为边上的权（若v与u有边）或 （若u不是v的出边邻接点）。
⑵从U中选取一个距离v最小的顶点k，把k，加入S中（该选定的距离就是v到k的最短路径长度）。
⑶以k为新考虑的中间点，修改U中各顶点的距离；若从源点v到顶点u的距离（经过顶点k）比原来距离（不经过顶点k）短，则修改顶点u的距离值，修改后的距离值为顶点k的距离加上边上的权。
⑷重复步骤（2）和（3）直到所有顶点都包含在S中。
3.配送工作量模型和订单日规划算法
进行订单日规划时，文章引入工作量模型概念，将综合作业时间作为线路优化的单一标准，把送货户数、送货量、行驶里程等多维度统一转换成工作时间，解决线路优化时指标过多，计算困难的问题。
综合作业时间=装车交接时间+车辆行驶时间+基本服务时间+客户交接时间+现金缴款时间。装车交接时间=（装车准备时间车次）+（装车框数单框装车时间）
订单日规划算法的目标是确定各配送线路的配送车辆和配送日，规划要求满足以下约束条件：车辆数最少；一周内各配送车辆工作时间基本均衡；每天各配送车辆工作时间基本均衡；每天工作时间上限设定6.5小时。
订单日规划算法模型：
约束条件：
（1.1）
（1.2）
（1.3）
（1.4）
i 需要安排的路线序号；取值范围从1到路线的最大数；
j 送货车序号；取值范围从1到指定车辆数；
k订单日的序号；取值范围从1到5，表示一周配送5天；
b每天所有车辆工作时间的上限；
c每辆车一周工作量上限；
d每辆车每天工作量的上限，d为6.5小时。
公式（1.1）一条路线有却只能有某辆车在某一天配送；
公式（1.2）每天所有车
的工作量不能超过上限b；
公式（1.3）每辆车每周的工作量不能超过上限c；
公式（1.4）每辆车一天的工作量不能超过上限d。
路径规划典型算法篇(6)
关键词 教育装备；运筹学；运输
中图分类号：G40-057 文献标识码：A
文章编号：1671-489X（2013）33-0014-03
在教育装备管理活动中，决策是一个多阶段、多步骤的分析判断过程，贯穿于教育装备管理活动的各个阶段，绝大多数教育领域的管理决策都是多阶段决策问题。教育装备运输线路的选择是教育装备管理中经常遇到的多阶段决策问题。由于运输线路的有限性、决策变量的动态性、最优方案的不稳定性等多种制约因素，各教育装备生产厂商如何根据现有交通条件选择最短的运输线路，将装备送达教育机构，使总的运输代价最小，属于典型的教育装备运输问题，是教育装备运筹学的重要研究内容之一[1-2]。本文以教育装备运输线路选择问题为具体研究对象，采用动态规划的原理及方法，结合实际案例，给出具体的数学模型和决策过程，从而有助于教育装备管理活动中的科学决策。
1 动态规划的原理
1951年，美国数学家贝尔曼（Richard Bellman）创立了解决过程优化问题的经典方法——动态规划，常用于解决多阶段决策问题（如最优路径问题、资源分配问题、生产调度问题、库存管理问题、排序问题、设备更新问题、生产过程最优控制问题等），是一种重要的管理决策技术[1-6]。多阶段决策是指将决策过程划分为一系列相互关联的阶段，在每个阶段均需做出相应的决策，上一个阶段的决策不仅会影响下一个阶段的决策，而且将影响整个决策过程。因此，每个阶段最优决策的选取，不仅要考虑当前阶段所取得的效果，而且要综合考虑各个阶段的决策所形成的总体效果。
作为解决多阶段决策问题的一种有效方法，动态规划在工程技术、社会经济、国防军事等领域应用广泛，并取得了显著成果，已经成为现代管理学中进行科学决策不可或缺的重要工具。动态规划的最大优势在于把一个多阶段决策问题转化为若干个单阶段最优化问题，并逐个求解所有单阶段最优化问题。因此，在采用动态规划的原理和方法求解多阶段决策问题时，必须具体问题具体分析，建立相应的数学模型。
求解步骤 下面为动态规划方法求解多阶段决策问题的主要步骤。
1）划分阶段。按照时间、空间、变量等特征，将某一实际问题划分为若干个有序的阶段，通常采用i表示阶段变量。
2）确定状态和决策。根据无后效性原则，选择不同的状态表示各个阶段；并逐一确定阶段i的状态变量si、决策变量di及各自的取值范围。
3）撰写状态转移方程。根据上一阶段的状态si-1和决策di-1，可以导出本阶段的状态si，即写出状态转移方程T。
4）建立指标函数gi。得到实际问题的函数方程，即递推关系式。
5）求解最优指标值和最优策略。采用逆序算法，求出每个阶段的最优指标值及相应的最优策略。最后求得全过程的最优策略。
动态规划的逆序算法 最优指标函数通常表示为：
...（1）
其中，“opt”表示最优化，通常指“取最大值”或“取最小值”；表示某种运算，通常指“和”运算或“积”运算；n表示阶段数。
根据最优化原理，将式（1）表示为递推关系式：
...（2）
利用式（2）可表示出最后一个阶段（第n个阶段）的最优指标函数为：
（3）
其中，fn+1（sn+1）称为边界条件，其取值根据实际问题确定。
已知边界条件fn+1（sn+1），利用式（3）可求得第n个阶段的最优指标函数fn（sn）；根据fn（sn），继续利用式（3）可求得第n-1个阶段的最优指标函数fn-1（sn-1）；根据fn-1（sn-1），进而可得第n-2个阶段的最优指标函数 fn-2（sn-2）；……；依此递推，直至求得第1个阶段的最优指标函数f1（s1），从而使问题得到解决。由于上述最优指标函数的构建是按阶段的逆序从后向前进行的，所以也称为动态规划的逆序算法。
2 实例分析
下面以实际案例分析教育装备运输线路选择问题：
某教育装备厂商欲将装备由库房A运送至目的地E，从A不能直接到达E，必须经过3次停靠进行各种补充和休息：第一次停靠有两个可供选择的中转站，第二次停靠有三个可供选择的中转站，第三次停靠有两个可供选择的中转站。其运输路线图如图1所示，箭头表示单行线，旁边的数字表示距离（单位：百公里）。显然从A到E有多种运输路线，请选择最短的运输路线。
对于比较复杂的交通路线图来说，将所有可能的路线全部罗列出来，再比较它们的路程虽然可行，但并不可取。由最优化原理可知，最短路径有一个重要性质：如果由起点A经过B点和C点到达终点D是A到D的一条最短路径，则由B点经C点到达终点D一定是B到D的最短路径。因此，寻找最佳运输线路的方法为：从最后阶段开始，由后向前逐步递推求出各点到终点的最短路径，最后求得由始点到终点的最短运输线路。
按照动态规划的求解方法，将全过程划分为4个阶段，即阶段变量i=1，2，3，4，取过程在各阶段所处的位置为状态变量si，按动态规划的逆序算法求解。
1）当i=4时，由中间点D1到达目的地有一条路线可以选择，则
f4（s4=D1）=6
由中间点D2到达目的地有一条路线可以选择，则
f4（s4=D2）=7
因此，分别给D1和D2加上标号6和7，如图2所示。
2）当i=3时，由中间点C1到达下一阶段有两条路线可以选择，即选择D1或D2，则
，选择D1
由中间点C2到达下一阶段有两条路线可以选择，即选择D1或D2，则
，选择D2
由中间点C3到达下一阶段有一条路线可以选择，即选择D2，则
f3（s3=C3）=7+7=14，选择D2
因此，分别给C1、C2和C3加上标号15、13和14，如图2所示。
3）当i=2时，由中间点B1到达下一阶段有三条路线可以选择，即选择C1或C2或C3，则
，选择C2
由中间点B2到达下一阶段有两条路线可以选择，即选择C2或C3，则
，选择C2
因此，分别给B1和B2加上标号18和24，如图2所示。
4）当i=1时，由起点S到达下一阶段有两条路线可以选择，即选择B1或B2，则
，选择B1
因此，给A加上标号22。从而通过计算的反顺序追踪，得到最佳的运输线路，即一条从A到E的最短路径：AB1C2D2E（如图2中加粗线条所示），最短的运输距离是2200公里。图2中每个停靠站都有自己的标号，它表示从该站出发到目的地E的最短路径长度。
3 总结
教育装备管理的多阶段决策优化问题是教育装备运筹学的重要研究内容之一，可以为教育装备的决策者或管理者提供合理有效的辅助决策支持方案。本文以教育装备运输线路选择问题为研究对象，结合实际案例，采用动态规划的理论及方法研究教育装备运输线路的最优化选择，探讨教育装备管理活动中的科学决策，并给出具体的求解算法和决策过程，从而定量地提供了可操作的决策理论和方法。
参考文献
[1]李慧.教育装备运筹规划[M].北京：北京大学出版社，
2010：36-85.
[2]陈庆华.装备运筹学[M].北京：国防工业出版社，2005：
103，122.
[3]Winston W L.运筹学：决策方法[M].北京：清华大学出版社，2004：214-235.
[4]Winston W L.运筹学：数学规划[M].北京：清华大学出版社，2004：490-542.
[5]焦宝聪，陈兰平.运筹学的思想方法及应用[M].北京：北京大学出版社，2008：63-68.
路径规划典型算法篇(7)
【摘要】基于送电线路设计对工程造价控制的作用与影响,本文以设计阶段作为控制工程造价的着眼点,分析了设计阶段工程造价控制中存在的问题,探讨了控制工程造价的具体措施。
【关键词】线路设计工程造价控制措施
一、前言
随着社会用电量的高速增长,电力工程项目建设投资规模也在不断增加。特别是近几年来,拟建和在建的送电线路很多,无论是发电厂的配套工程还是输变电系统的网络建设项目,都在某种程度上存在着忽视工程造价控制和管理的现象,造成项目建设的“三超”现象较为普遍。架空送电线路工程由于影响工程造价的不确定因素较多,造成控制难度进一步加大。这些问题已经引起了各级主管部门的重视,对于存在的问题,如何采取有效措施,使工程造价控制走向规范化、系统化、法制化轨道,已是当务之急。本文就设计阶段当前存在的影响项目投资效益的一些问题及控制措施展开论述。
二、设计阶段造价控制中存在的一些问题
根据有关资料的反映和初步调查研究的结果,我们认为目前在设计阶段造价控制中存在如下一些主要问题。
1.设计深度不够使工程造价得不到有效控制
近几年来,电力工程的建设项目多、进度要求快,各级电力勘察设计单位承担的设计任务也大幅增加。一些设计单位在遇到设计任务重、时间紧的时候,往往无法做到深入细致的调查研究,工作敷衍了事,未按国家标准进行设计,对具体设计方案缺乏比较,以及设计水平不高,审查制度不严等,最终造成项目设计深度不够、套用图纸不适等导致设计变更增多,使工程造价得不到有效控制。
2.工程设计和投资控制联系不够紧密也是工程造价得不到有效控制的一种表现
在实际工作中,由于送电工程专业技术性强的特点,一般都是勘测设计人员根据设计委托进行现场调查、勘测和方案比较,分阶段提供条件给造价人员编制估算或概预算。但是长期以来,技术人员由于缺乏经济观念,往往无法提供编制概预算所需的全部条件;而从事概预算编制的人员不熟悉工程设计和施工的工艺,无法吃透相关定额、标准的内涵,不能主动收集或向技术人员索取所需的全部条件,导致编制的概预算存在缺项、漏项或重复计算、高估冒算的情况,难以真实反映施工现场费用,有效地控制造价。
3.缺乏信息反馈和项目后评价程序使造价控制工作的质量得不到进一步提高
项目完成后由于缺乏造价成本信息反馈和缺少项目的后评价程序使设计单位缺少机会了解实际发生的工程成本,无法进行事后分析,在以后工作当中又有可能将问题带入下一个项目中,不能进一步提高造价控制工作的质量。
三、设计阶段造价控制的措施
造价控制是一个全过程的控制,同时,又是一个动态的控制。在设计阶段的造价控制,体现了事前控制的思想。设计阶段是项目即将实施而未实施的阶段,为了避免施工阶段不必要的修改,减少设计变更造成的工程造价的增加,应把设计做细、做深入。一旦设计阶段造价失控,就必将给施工阶段的造价控制带来很大的负面影响。为了纠正上述存在问题,根据上级有关文件的精神和行业技术标准,参照国内部分省市的先进经验,我们认为,在设计阶段应该从如下几个方面进行造价控制。
1.健全设计单位经济责任制,严格控制工程成本,提高竞争意识
设计单位和主管部门对于设计节约和浪费应制定明确的奖罚标准:对因设计原因而造成的工程浪费、工期延误及超出投资限额的损失,要追究设计人员责任;对科学合理、经济的方案予与奖励。促使设计人员增强主观能动性,提高自身素质和相互间竞争的能力,增强为业主控制投资成本,提高竞争意识。
2.推行限额设计,全面推广工程典型造价运用工作,加强技术和经济的有机结合
所谓限额设计,就是按照批准的可行性研究报告和投资估算,在保证质量、功能要求的前提下,控制初步设计;按照批准的初步设计编制概算,控制施工图设计和预算;同时,各专业要按分配的投资额来控制设计。限额设计必须贯穿于勘察设计的全过程。
推行限额设计有利于强化设计人员对工程全过程的造价意识,有利于经济管理人员及时进行造价计算,为设计人员提供信息,使勘测设计小组内部形成有机整体,克服设计深度不够及勘测设计相互脱节的现象,改变设计过程不算账、设计完成见分晓的现象,使投资达到动态控制的目的。同时,推行限额设计还可以促使设计和造价人员进行项目全寿命费用的分析,使他们不仅要考虑项目一次性的投资,还要考虑施工阶段和运行后的经济费用。比如:在输电线路工程项目设计过程中对于线路选线定位以及在雷区的防雷、冰区的避冰、抗冰、防冰、融冰等对运行成本影响较大设计方案的优化时,就有利于设计人员进行全面分析、仔细考虑、认真权衡,最大限度降低工程成本,在投资限额内控制好工程造价。
送电线路工程典型造价是国家电网公司加强工程造价管理,降低工程造价,提高投资效益的重要手段。在送电线路典型设计的基础上,按照各模块的使用条件,通过对大量实际工程的统计、分析,合理确定典型工程断面,再结合各地区各电压等级线路的特点,科学设定设计所需的边界条件,形成典型方案。然后,典型造价在典型方案的基础上编制完成。典型造价成果体现了科学性,先进性,合理性和适用性。在实际工程设计中,必须按照典型造价进行严格把关,若工程主要条件与典型方案有差异而产生造价费用偏差,应对各项技术经济指标进行严格认真的分析比较,直至该设计方案的造价指标在合理范围内。推广典型造价,有利于科学建立工程造价标准,合理评价工程技术经济指标水平,有效控制工程投资,努力降低电网工程建设成本。
中国电力顾问集团公司按年度编制了《电网工程限额设计控制指标》,该指标一般作为220～750kV架空送电线路工程设计阶段的限额控制参考指标。国家电网公司于2007年出版了送电线路典型造价,丰富了110KV～500kV送电线路的造价指标。限额设计和典型造价都是在大量实际工程统计分析的基础上形成的,编制原则是一致的,在运用中可以相互补充,相互借鉴。不论是限额设计或是典型造价,出发点都是要求在设计阶段把技术与经济紧密结合在一起。在工程建设过程中,设计人员与造价编制人员通过相互学习,密切配合,才能将技术与经济有机地结合起来。为此,设计人员必须提高素质、熟悉本专业的概算、预算和费用定额,熟悉建筑材料预算价格,树立强烈的工程造价控制意识,精心设计,大胆采用新工艺、新材料,把技术与经济统一起来。通过经济分析、技术比较及效果评价,正确处理二者之间的对立统一关系,力求达到在技术先进条件下的经济合理,在经济合理基础上的技术先进。技经人员应当努力提高自身的政治和业务素质,深入实际,多方掌握有关造价信息,密切注视在我们这个领域里新工艺、新材料、新设备的出现,建立相应的资源库,力求提高工作效率和准确率,为工程造价的有效控制提供合理的依据。
3.优化设计方案,有效控制工程造价
设计是工程建设的灵魂,设计成果的好坏对造价影响很大,因此必须尽可能地优化设计成果。根据国家发展和改革委员会2007年的《电网工程建设预算编制与计算标准》的规定,架空送电线路工程静态投资主要由四个方面构成:即本体工程费、辅助设施工程费、编制年价差和其他费用。本体工程费一般占65%～75%左右,辅助设施工程费一般占0.3%左右,编制年价差正常情况一般占5%～10%左右;其他费用一般占15%～30%左右。从投资构成上看,编制年价差虽然也占一定的投资比例,但它的高低主要受人工、材料、机械要素的市场价格波动影响,对投资主体来说为不可控因素,故对架空送电线路工程造价控制的重点应该是对本体工程费用控制和其他费用控制。本体工程由六项单位工程构成:工地运输、土石方工程、基础工程、杆塔工程、架线工程、附件工程。按静态投资对各个因素的敏感程度来排序,较高的是杆塔指标、人力运距、基础混凝土。因此,在设计阶段对本体工程的控制重点应主要控制这三个技术指标。
其他费用从构成上主要包括:建设场地征用及清理费,项目建设管理费、项目建设技术服务费、整套启动试运费、生产准备费、辅助施工费、基本预备费等。除建设场地征用及清理费用外,其它各项费用一般有较明确的开支项目和费用标准,概预算编制也有规定的费率计取标准,管理和控制较容易,工程实践中这些项目很少出现超支问题。因此,对其他费用的控制重点是在建设场地征用及清理费的控制。
(1)优化线路路径
对送电线路来说,路径优化是设计工作的第一步,也是控制工程造价的重要措施。路径的选择影响本体工程的多个单位工程,是影响整个工程造价的主要因素。设计人员在设计前,要十分重视沿线气象条件、地形、地质、水文、污秽等级、现有可利用交通条件、重要交叉跨越、重大障碍物拆迁等资料的收集工作。不能片面追求路径最短化,而必须在满足所属地区规划部门要求及避让通信、军事等设施前提下,考虑安全运行、方便施工、降低造价、经济运行、障碍物处理及大跨越情况基础上,对线路路径的多方案进行综合比选,选择技术经济最优的方案,例如:拆除建筑物和居民住房,砍伐经济林木或防护林,跨越采石厂等都会增加拆迁补偿费用,影响到其他费用中的建设场地征用及清理费的控制;不良地质会增加基础建设投入;
(2)合理选择导线、地线
导线截面的选择应综合考虑线路的输送目的地负荷容量及负荷增长情况、导线制造、架线施工、运行维护等多方面因素,进行技术、经济的综合比较。发挥地线在防雷保护、通信等方面的综合作用,合理配置OPGW、良导体及普通地线,使选择的导线、地线既要满足技术上的要求,又要保证工程投资的经济合理。
(3)合理规划塔型
影响线路投资最敏感的因素就是塔材量,不同的杆塔型式在造价、占地、施工、运输和运行安全等方面均不相同。减少每公里塔材的耗钢量是降低造价的最有效途径。如每公里减少1吨的塔材,那么每公里可减少材料费及施工费用等各项投资约1万元。虽然每公里塔材的耗钢量不可能无限制地减少,但从以往工程统计分析看,不同的线路在标准相差不多的条件下,每公里塔材耗钢量可相差几吨。因此,在设计阶段,必须根据工程地形地貌条件,精心规划工程需要的各种塔型,在满足使用条件下选用耗钢量较少的杆型;同时,降低线路曲折系数,增加直线杆塔使用比例,以降低杆塔耗钢指标,从而控制工程造价。还可以结合近、远景规划,使用双回路或多回路铁塔,这样目前工程的造价虽然会高了点,但为以后的工程建设项目预留下线路走廊,避免或减少了下个工程的工地运输、土石方工程、基础工程、杆塔工程的施工工程量及建设场地清理费,从总体上讲还是会大大降低工程造价。
(4)优化杆塔基础形式
杆塔基础作为输电线路结构的重要组成部分,它的造价、工期和劳动消耗量在整个线路工程中占很大比重。其施工工期约占整个工期一半时间,运输量约占整个工程的60%,费用约占整个工程的20%～35%,基础选型、设计及施工的优劣直接影响着线路工程的建设。在基础设计方面,根据每基杆塔的基础作用力和地形地质条件,优先采用掏挖、嵌固、岩石基础等原状土基础,并积极采用技术先进的基础型式和杆塔全方位高低腿、不等高基础等,可大大减少工程中土石方量和混凝土量,同时也减少了对自然环境和地面植被的破坏,有效地减少建设场地清理费,节约工程的投资。
4.加强设计变更的管理
在项目建设过程中,不可避免会发生设计变更。设计变更有业主的功能性变更与设计的技术变更,设计变更管理主要是针对设计的技术变更管理。技术变更又分施工图设计变更与施工中的设计变更,施工中的变更主要是材料设备采购变更和现场施工变更;施工图设计变更会产生基础或结构局部变更,从而影响工程的造价;再者,设计变更管理还涉及到变更所处的时间段的问题,对非发生不可的变更,设计人员应主动深入了解情况,争取把设计变更控制在最小范围:在设计阶段发生变更,只修改设计图,损失就少;在采购阶段发生变更,不仅要修改图纸,还得要采购新的材料和设备;若是在施工阶段发生变更,不但是设计图和材料设备的变更,而且会造成返工、拆除、重做,势必产生重大变更损失,造成浪费。总之,要严格控制设计变更,变更前要算好账,论证其合理性、必要性再变更,严格履行变更程序,加强设计变更管理,使变更控制在限额内,达到有效地控制工程造价。
5.形成跟踪制度
设计部门应形成跟踪制度,主动跟踪工程项目的建设过程直至工程财务决算。对发生“三超”的工程项目,设计部门应及时总结发生问题的主、次方面原因,区分对待。属于因设计阶段造成的,应针对其发生的原因,制定对应的规范、规定,保证同类型的问题在今后的工程中不再发生。同时,应加强与兄弟设计单位的横向联系,借鉴其优点与不足之处。
