绿色铁路客站节地与室外环境评价方法的研究

陈虎

(兰州铁道设计院有限公司， 甘肃 兰州 730000)



绿色铁路客站节地与室外环境评价方法的研究

陈虎

(兰州铁道设计院有限公司， 甘肃 兰州 730000)

铁路客站是国家铁路网的交汇中心，具有集散、运输、中转客流等多项功能，是满足城市运输发展的重要环节。绿色铁路客站的评价包括了节地与室外环境、节能与能源利用、节水与水资源利用、节材与材料资源利用、室内环境质量、施工管理、运行管理等七类。针对绿色铁路客站的节地与室外环境建立多层指标体系，采用灰色关联与模糊神经网络纵向相结合的方法，构建新的绿色铁路客站节地与室外环境评价模型，消除传统“打分法”评价过程中人为不确定性。最后通过具体的实例进行验证，得出该评价模型在绿色铁路客站节点与室外环境评价中具有一定的应用价值。

绿色铁路客站；节地；室外环境；灰色关联；模糊神经网络

21世纪以来，我国经济的快速发展，铁路行业的建设迎来了发展的黄金期[1]。铁路客站作为城市运输过程中重要的环节，在正确选取铁路客站的位置、提高运输能力、满足城市发展等方面都有了更高的要求。然而，随着城市的快速发展，加强环境整治、改善和保护生态环境、提高能源利用率等就显得尤为重要[2-3]。因此，为了实现我国铁路长期的可持续发展，提出了“绿色铁路”的概念。并结合我国现行绿色建筑评价标准、绿色施工评价标准等，国家铁路局颁布了《绿色铁路客站评价标准》(TB/T10429—2014)行业规范文件。

“绿色铁路”是以环境价值为尺度，运用各种绿色技术，提高铁路运输的社会效益、生态效益和经济效益，使我国铁路网全面协调可持续发展[4]。《绿色铁路客站评价标准》主要包括了节地与室外环境、节能与能源利用、节水与水资源利用、节材与材料资源利用、室内环境质量、施工管理以及运行管理7个类别。根据规范性文件，本文主要是从选址、土地利用、室外环境、交通等角度采用灰色关联与模糊神经网络相结合的方法对绿色铁路客站的节地与室外环境进行评价，既结合了专家的经验，又避免了评价过程中人为的主观随意性[5],并通过具体实例进行验证，得出该方法对绿色铁路客站节地与室外环境的评价具有指导作用。

1　方法介绍

1.1灰色关联分析

灰色关联分析作为灰色系统理论的一种技术方法，应用非常广泛。它通过对数据的一定处理，根据评价因素发展态势的相似程度，找出各个评价因素之间的关联程度来判定主要影响因素[6]，以解决实际的问题。本文建立的绿色铁路客站节地与室外环境涉及多个评价指标，而且各个指标之间的关联性很不明确，因此采用灰色关联的方法来确定一级指标的权值。具体的步骤如下[7]：

1)各指标的无量纲化。将原始数据第一个作为基数，用每个指标的实际值除以第一个数据，则得到新的无量纲数据。

2)求解差序列及两级最大、最小差

(1)

(2)

(3)

3)计算关联系数

(4)

式中：γ0i(k)代表第k个时刻比较曲线x1与参考曲线x0的相对差值，也就是x1对x0在k时刻的关联系数。式中，ζ是分辨系数，本文中取0.5。

4)计算关联度

(5)

5)求解指标权重值。对评价指标各个关联度进行求和，再根据不同指标的关联度大小分配权值。

(6)

1.2T-S模糊模型

模糊数学是一种用来描述和处理具有模糊特征问题的数学方法。其中，T-S模糊系统是模糊数学中一种自适应能力很强的模糊系统[8]。通过建立模糊集，数据不断地自动更新，设计和修订模糊子集的隶属函数，应用“if-then”的规则形式来定义[9-10]，使其网络输入部分模糊，输出部分是确定的。

假设输入向量为x=[x1,x2,…,xk]，根据模糊规则确定各个输入向量的隶属度为：

(7)

将各个隶属度采用连乘算子进行模糊计算，得模糊规则的适应度为wi,见下式：

(8)

最后根据模糊计算结果求解T-S模糊模型的输出值yi，见下式：

(9)

1.3T-S模糊神经网络

将T-S模糊模型与人工神经网络结合，形成T-S模糊神经网络，共有四层组成。第一层为输入层，与输入向量x=[x1,x2,…,xk]连接；第二层为模糊化层，采用隶属度函数对输入值进行模糊得到隶属度；第三层为模糊规则计算层，采用连乘算子得到适应度；第四层即为输出层[5]，具体算法流程见图1所示。

图1　模糊神经网络算法流程Fig.1 Fuzzy neural network algorithm process

T-S模糊神网络的学习主要包括有3个步骤：

1)误差计算

(10)

式中：yd为模糊神经网络期望输出值，yc为实际输出值。

2)系数修正

(11)

3)参数修正

(13)

(14)

2　灰色关联分析与模糊神经网络相结合的综合评价模型

2.1节地与室外环境评价指标体系的建立

通过查阅国家铁路局新颁布的《绿色铁路客站评价标准》规范以及大量国内外参考文献，建立绿色铁路客站节地与室外环境评价指标体系[11]。首先选取了选址、土地利用与场地设计、室外环境、室外交通组织4个一级指标[12]，并确定了与4个一级指标相关的17个二级指标构建了三层评价指标，具体指标体系见图2所示。

图2　绿色铁路客站节地与室外环境评价指标体系Fig.2 Evaluation index system of green railway station in landsaving and outside environment

图2绿色铁路客站节地与室外环境评价中，选址主要考虑了与城乡发展的协调以及场地安全等方面的因素[1]；土地利用与场地设计主要是根据场地的情况，合理高效地利用土地资源，减少破坏，建筑功能多元化；室外环境指的是不影响周边的建筑环境，并在满足规划的条件下竟可能的提高周边的绿化等；室外交通组织则表示铁路客站遵循公共交通的原则，体系综合交通枢纽的特点[13-14]。

2.2灰色关联分析和模糊神经网络的综合评价

参照绿色铁路客站的设计评价审阅及项目可行性研究报告对客站的节地与室外环境进行评价[15]，为了客观合理的对绿色客站进行评价，降低传统“打分法”的主观随意性，采用灰色关联的方法对一级指标进行赋权。首先选取相关领域的若干专家对一级指标的重要性进行评分，采用10分制的原则，最后再通过灰色关联法确定一级指标最终权值[16]。

采用T-S模糊神经网络的方法，建立绿色铁路客站节地与室外环境的二级指标到一级指标客观的模糊神经网络模型。输入层为对模糊信息进行预处理，输入节点数为17个，输出层为4个节点(选址、土地利用与场地设计、室外环境、室外交通组织)。在模糊神经网络模型中，根据《绿色铁路客站评价标准》对绿色铁路客站的二级指标确定模糊隶属度，将每一个因素分成非绿色、浅绿色、准绿色、绿色以及深绿色五个评价等级[17]。利用足够多的样本训练网络，使其网络输出值接近期望值。最后再结合一级指标权重值得出绿色铁路客站的评价结果。

3　实例验证

西安北客站是国家特大型铁路旅客站，也是亚洲最大的高铁车站之一。它是铁路、城市轨道、城市道路交通为一体的现代化特大型交通枢纽站。西安北站占地面积达到53.3万m2，规划整体建筑面积为42.5万m2，是西安“三主两辅”重要中心枢纽车站之一。本文则选取西安北客站为例，对绿色铁路客站节地与室外环境保护进行评定。

3.1一级指标权重确定

分别邀请相关决策人员、设计人员、环保人员等领域8位专家根据自身的经验及西安北客站的设计特点等对绿色铁路客站节地与室外环境保护一级指标的重要性进行评定，总分为10分[18]。由于是对一级指标的重要性进行评定，则不需要对结果进行量钢化处理。8位专家对一级指标的重要性评分结果见表1所示。

表1　一级指标重要性评定

表2　一级指标权重值

3.2模糊神经网络模型设置

铁路客站节地与室外环境二级指标评价量度分为非绿色、浅绿色、准绿色、绿色以及深绿色五个评价等级，分别与0.1，0.3，0.5，0.7和0.9相对应，对于界于两者之间的情况可选取0.2，0.4，0.6和0.8。利用Matlab7.0建立模糊神经网络，输入层为评审专家根据项目可研报告和现场核实情况对二级指标的评定结果，即输入层节点数为17；输出层为西安北客站选址、土地利用与场地设计、室外环境、室外交通组织4个一级指标的实际评价结果。采用随机初始化模糊隶属度函数中心c，宽度b以及系数p0～p6。选取若各组数据作为网络学习样本，获得模糊神经网络的权值和阈值，对已训练好的网络进行二级指标的模拟。

3.3灰色关联与模糊神经网络相结合的评审结果

将模糊神经网络的输出值与通过灰色关联法确定的一级指标权重值经过加权计算，得到采用该模型的最终评定结果，并将模型评定结果与专家评审结果进行比较，结果见表3所示。

表3　绿色铁路客站节地与室外环境评定结果

从上表对西安北客站节地与室外环境评定结果可以看出，所建灰色关联与模糊神经网络相结合的模型评审结果与专家评定结果进行比较，相对误差为0.491%，说明该评价方法效果好，能够得到满意的效果，对绿色铁路客站节点与室外环境评定具有一定的指导作用。

4　结论

1)通过查阅相关规范和文献，建立了较为完整的绿色铁路客站节地与室外环境评价指标体系，对后期绿色铁路指标的评定具有一定的指导作用。

2)采用灰色关联分析法和模糊神经网络的方法对绿色铁路客站节地与室外环境进行评价，与传统的方法相比误差较小，并能够科学客观的对各个指标进行评定，为后期绿色铁路的评价提供了依据。

3)绿色铁路评价过程中，利用Matlab数学软件建立方法模型，减少了人为的重复操作，大大地提高了工作的效率。

[1] 任涛，张宬，杨墨池.绿色铁路客站评价标准“节地”与“节水”指标研究[J].城市发展研究,2013,20(1):22-24.

RENTao，ZHANGCheng，YANGMochi.Researchon“LangSaving”and“WaterSaving”oftheevaluationstandardofgreenrailwaystation[J].UrbanDevelopmentStudies, 2013, 20(1):22-24.

[2]CarpinteriA，BazzucchiF，ManuelloA.Nonlinearinstabilityanalysisoflong-spanroofingstructures:Thecase-studyofportasusarailway-station[J].EngineeringStructures, 2016(110):48-58.

[3]DomenicoGattuso,AntonioRestuccia.Atoolforrailwaytransportcostevaluation[J].Procedia-SocialandBehavioralSciences, 2014(111):549-558.

[4] 熊风,杨立中,罗洁,等.“绿色铁路”基础理论研究及其评价指标体系的建立[J].生态经济,2007, 23(6):57-60.

XIONFFeng,YANGLizhong,LUOJie,etal.Studyon“GreenRailway”basictheoryandevaluatingindicatorsystem[J].EcologicalEconomy,2007,23(6):57-60.

[5] 熊风, 杨立中, 罗洁.绿色铁路模糊神经网络评价指标体系的研究[J].铁道运输与经济，2006,29(3):73-78.

XIONFFeng,YANGLizhong,LUOJie.Studyonevaluationindexsystemoffuzzyneuralnetworkfor“GreenRailway” [J].RailwayTransportandEconomy, 2006,29(3):73-78.

[6]SONGShijie,ZHAOXiaoguang，XIEJuan,etal.GreycorrelationanalysisandregressionestimationofminingsubsidenceinYu-Shen-Fuminingarea[J].ProcediaEnvironmentalSciences, 2011, 10(2):1747-1752.

[7] 刘思峰，党耀国，方志耕.灰色系统理论及其应用[M].第三版.北京：科学出版社，2010.

LIUSifeng,DangYaoguo,FANGZhigeng.TheGreySystemTheoryanditsApplication[M].Thethirdedition.Beijing:SciencePress,2010.

[8] 从爽.面向Matlab工具箱的神经网络理论及应用[M].合肥：中国科学技术大学出版社，2013.

CONGShuang.Toolboxofmatlabmeuralmetworktheoryandapplication[M].Hefei:PressofUniversityofScienceandTechnologyofChina,2013.

[9] 刘冰，郭海霞.Matlab神经网络超级学习手册[M].北京：人民邮电出版社，2014.

LIUBing，GUOHaixia.Matlabneuralnetworklearningmanual[M].Beijing:ThePostsandTelecommunicationsPress,2014.

[10]MohamedAmina，DoaaSheblb.ReasoningdynamicfuzzysystemsbasedonadaptivefuzzyhigherorderPetrinets[J].InformationSciences, 2014(286):161-172.

[11] 李传成,陈川.绿色铁路旅客站评价标准研究探讨[J].武汉理工大学学报, 2010, 32(21):68-70.

LIChuangcheng,CHENChuan.Researchontheevaluationstandardforgreenrailwaystation[J].JournalofWuhanUniversityofTechnology, 2010, 32(21):68-70.

[12] 郑健.绿色铁路客站评价标准研究[J].中国工程科学, 2012, 17(12):41-47.

ZHENGJian.Researchontheevaluationcreteriaofgreenrailwaysataion[J].ScientificResearchofChina, 2012, 17(12):41-47.

[13] 黄咏梅.从绿色铁路客站角度议武汉站自然采光设计[J].城市建筑, 2013, 10(8):248-249.

HUANGYongmei.ThedesignofWuhanrailwaystationneturallightingfromtheperspectiveofgreenrailwaystation[J].CityBuilding,2013, 10(8):248-249.

[14] 王彦.绿色铁路客站建筑方案设计的被动式设计策略应用探讨[J].铁道经济研究, 2014, 21(3):41-43.

WANGYan.Thedesignschemeofthegreenrailwaystationgbuildingapplicationofpassivedesignstrategies[J].RailwayEconomicResearch,2014, 21(3):41-43.

[15] 盛晖, 李传成.绿色铁路旅客站建筑设计探讨[J].铁道经济研究, 2010, 17(1):24-30.

SHENGHui,LIChuancheng.Discussiononconstructiondesignofgreenrailwaypassengerstation[J].RailwayEconomicsResearch, 2010, 17(1):24-30.

[16]LiuGangab,XuYiab,DangRuiab,etal.Theresearchoftriadicrelationamongbuildingspaces,lightingcomfortlevelandlightingenergyconsumptioninhigh-speedrailwaystationinChina[J].ProcediaEngineering,2015(121)：854-865.

[17]HutterDóra，SzilágyiKinga.Improvingtheurbangreensystemandgreennetworkthroughtherehabilitationofrailwayrustareas[J].AgricultureandEnvironment,2014,6(1):69-88.

[18] 段小容.基于多层次灰色评价方法的绿色住宅结构设计评价研究[D].兰州：兰州交通大学，2014.

DUANXiaorong.Evaluationofthegreenresidentialstructuraldesign[D].Lanzhou:LanzhouJiaotongUniversity, 2014.

Land Conservation and Outdoor environment evaluation method ofgreen railway station

CHENHu

(Lanzhou Railway Survey and Design Institute CO.,LTD, Lanzhou730000, China)

Railwaystationistheintersectionofnationalrailwaynetworkandhasmanyfunctionssuchasdistribution,transportation,transitpassengerflow.Italsoformsaveryimportantpartofurbantransportationdevelopment.Theevaluationofrailwaystationincludeslandconservationandoutdoorenvironment,energysavingandenergyconsumption,waterconservationandwaterresourcesutilization,savingmaterialandmaterialresourcesutilization,indoorenvironmentquality,constructionmanagement,andoperationmanagement.Thisarticlewasmainlyaimedatthelandconservationandoutdoorenvironmentofgreenrailwaystationtobuildmulti-levelindexsystem,andthegreyrelationandfuzzyneuralnetworkmethodwereusedtobuildanewgreenrailwaystationinlandconservationandoutdoorenvironmentevaluationmodel.Thismodelcouldeliminatethetraditional"gradingsystem"foruncertaintyevaluationprocess.Finally,thismethodisverifiedbyanexample.Itisconcludedthatthisevaluationmodelinlandconservationandoutdoorenvironmentofgreenrailwaystationhasacertainapplicationvalue.

greenrailwaystation;landsaving;outsideenvironment;greycorrelation;fuzzyneuralnetwork

2015-11-22

陈虎(1973-)，男，甘肃武威人，高级工程师，从事绿色铁路、建设项目管理及经济评价研究；E-mail：13909315113@139.com

TU528

A

1672-7029(2016)07-1433-06