砂石骨料加工场地规划方法研究

摘要：本文针对砂石骨料加工的规划问题，分别进行场地规划和交通规划。首先，按照加工产出的不同将加工现场分为3类，分别是混凝土场地、砂石骨料场地和堆石料场，其次，对这3类场地进行规划，最后，充分考虑水利工程的自然条件，在蚁群算法的基础上提出局部平滑修正的思想，设计更加合理的交通路线。对比试验及其结果显示，改进后的蚁群算法规划了更加合理的路线，可以增强砂石骨料的运输效果。

关键词：砂石骨料；加工场地；料场规划；交通规划

中图分类号：TV42""""""""" 文献标志码：A

砂石骨料是制备混凝土等建筑材料的重要原料，在水利工程项目的施工建设中，就地取材是一种非常理想的选择[1]。在这个过程中，要充分考虑场地布局、设备选取、交通规划等一系列问题，都属于砂石骨料加工现场的场地规划范畴[2]。合理规划可以节省运输时间、提高加工效率，从而增加砂石骨料的产量、缩短工程建设的周期。在本文的研究工作中，首先，分别对混凝土骨料、砂石骨料、堆石料进行规划，划分不同的场地并给出相关的施工方案[3]。其次，根据改进蚁群算法对场地周边的交通路径进行规划，提高交通道路配置的合理性。最后，通过试验对砂石骨料加工现场的规划方法进行验证。

1砂石骨料加工场地料场规划

本文依托水利工程项目的自然条件加工砂石骨料，并对河道及周围边坡区域的原石骨料进行开采，在现场规划场地进行分品类加工。将加工场地划分为3类，如图1所示。

由图1可知，根据水利工程的砂石骨料加工场地，将场地规划为3种类型：混凝土场地、砂石骨料场地、堆石料场地。要沿河道和水利工程妥善布置这3种场地，既要满足原材料开采的便利性需求，也要满足运输和施工的便利性需求。

2砂石骨料加工场地交通规划

对加工场地料场进行规划后，更关键的是砂石骨料加工场地的交通规划。交通规划既要考虑水利工程项目的自然情况复杂性，又要考虑不同料场和施工场地间运输的便利性。为了给出更合理的交通规划方案，本文采用改进的蚁群算法进行智能规划设计。

2.1蚁群算法

在交通路线的规划设计中，蚁群算法是一种非常有效的方法。蚁群算法本身就是建立在蚂蚁搜索食物、返回蚁巢的路径生成的基础上。当每只蚂蚁个体经过一个有效位置时，都会留下信息素。当多只蚂蚁经过这个有效位置时，信息素的浓度就会大幅度增加，从而吸引其他蚂蚁也由此经过，这个有效位置也是正确路径应该经过的位置。

蚂蚁种群的全部总数可以按照公式（1）计算。

（1）

式中：m为蚂蚁个数在t时刻所有位置点上的个数总和。

蚂蚁所在位置i和目标位置j间的距离长度，决定了期望启发式函数的大小，如公式（2）所示。

（2）

第k只蚂蚁在t时刻的状态转移概率的计算过程如公式

（3）所示。

式中：τij（t）为从i到j路径上，t时刻的信息素浓度；α为信息启发式因子；β为期望启发式因子；S为蚂蚁下一时刻可以进行位置移动的点的集合。

在环境模型中，设定蚂蚁在地图中的位置点为i。那么位置点i周围的8个相邻网格点可以组成下一步能够移动的位置点集合S。蚂蚁位置点移动的期望值与距离成反比。算法的节点选择概率越高，蚁群中蚂蚁的个体数越多，蚁群选择状态转移概率高的路径方向前进的可能性就越大。

在初始时刻阶段，信息素在各个路径上分布均匀。设τij（0）=C，在起始位置，将蚁群中蚂蚁个体的总数设置为m。蚂蚁在附近区域进行分析，确定是否有食物。如果附近有食物，就朝着食物所在的位置移动，触碰到食物即表示觅食成功。在附近位置没有食物的情况下，蚂蚁在每条可行的途径上随机释放信息素。在行进路径搜索后，更新路径上的信息素，为后续蚂蚁选择信息素浓度高、距离短的路径指明方向。当蚁群中的所有蚂蚁都遍历完，路径上的信息素得到更新，蚁群中的蚂蚁重新定位到起始位置，开始路径搜索。重复此过程N次即可获得蚂蚁的觅食路径。

设所有蚂蚁遍历搜索后的时间为（t+n），则（t+n）时刻信息素的计算过程如公式（4）所示。

（4）

式中：ρ为路径上信息素的挥发系数；（1-ρ）为路径上信息素的留存系数；Δτij（t）为路径上信息素的增量，Δτij（t）由蚁群中所有m只蚂蚁释放的信息素量之和决定。

2.2局部修正

障碍物会破坏规划路径上已经形成的信息素标记，因此就需要不断探测可能出现的未知情况，并对蚁群算法进行局部修正。这里需要考虑静态障碍物的存在。

2.2.1处理静态障碍物

首先，判断障碍物的位置是否发生移动，确定其为静态障碍物的属性。其次，对确定为静态障碍物的位置执行一票否决制，规划路径转为比较该物上方和下方位置上的信息素浓度。按照这样的方式，围绕阻断原有信息素浓度的障碍物重新建构路径，具体的处理如图2所示。

根据图2，将对原有规划路径及其附近的（i，j），（i，j-1），（i，j+1）这3点进行处理，处理过程下。

确定（i，j）处为静态障碍物，将其信息素浓度设置为反向无穷大，并不再纳入规划路径表。将（i，j-1）、（i，j+1）这两个位置都纳入路径列表进行计算。从图1中的情况看，（i，j+1）的信息素浓度高于（i，j-1）的浓度，将新的路径将（i，j+1）纳入其中，直至绕过整个障碍，回归原有的规划路径。

2.2.2平滑修正

在充分考虑路径最优的前提下，还要保证路径的平滑度，如图3所示。

从图3可以看出，在静态障碍物的情况下，规划路径为黑色虚线。执行平滑处理的前提是保证车辆的目标位置引力无穷大。平滑处理可能使车辆无法通过信息素浓度最高的最佳位置，但其行进路线依然可以满足次优解。

3砂石骨料加工场地规划试验

为了验证本文提出的局部修正的蚁群算法的有效性，对砂石骨料加工场地交通规划进行试验。在试验中，将常规的蚁群算法作为参照方法，和本文提出的改进后的蚁群算法进行对比。将两种蚁群算法中同类参数设定为统一值，m=60，α=1，β=4，ρ=0.6。在试验中，分别设定新增静态障碍试验和新增动态障碍试验两个场景。

考察河道自然条件下没有进行砂石骨料加工场地设置时的交通路线规划。地图按照车辆可以行使的实际道路进行仿真设定，地图横向大小为20个栅格，地图纵向大小为10个栅格。带有黑色剖面的栅格是无法通行的山石障碍区域，白色栅格是可以通行的区域。

在地图信息全部为已知的情况下，使用蚁群算法就可以规划交通路线。车辆从A点开始运动，目标为G点。在蚁群算法的规划下，得到的路径为A—B—C—D—E—F—G。

考察场景内设置两个加工场地的情况。在车辆运输的过程中，砂石料堆积在场地内，形成新的障碍。这些障碍是地图信息中没有的，这样就形成了全局路径规划叠加局部路径规划的效果。当场景中出现两个加工场地障碍时，分别采用常规蚁群算法和本文蚁群算法获得交通路线规划结果，如图4所示。

在图4中，在Y点和Z点出现了两个新增加工料场，占地均为4个栅格区域。其中，两个线条分别为常规蚁群算法和本文蚁群算法规划的交通路线。

因Y点出现新增的加工料场，导致常规蚁群算法在局部无法用最佳路径求解，从而出现未到达目标地的部分路径规划结果。根据常规蚁群算法，得到的路径规划结果为A—B—C—D—H。

与常规蚁群算法相比，本文的方法圆满地完成了路径规划任务，不仅规划出了从A点到G点的完整路径，还成功跳出了新增加工料场可能导致的局部陷阱。按照本文蚁群算法规划的路径为A—I—J—K—L—M—H—N—O—P—Q—G。从这条路径中也可以看出，本文的蚁群算法可以获得更好的局部平滑效果，例如从A点到I点、从J点到K点、从L点到M点等，全都规避了直角弯的大角度转动调整，更利于运输储量完成行进。尤其是行进路线在两个料场中间通过，有利于两个料场的物料运输。

考察场景内设置3个加工场地的情况，分别采用常规蚁群算法和本文蚁群算法获得的交通路线规划结果，如图5所示。

由图5可知，随着运输车辆准确判断出新增料场Z的阻断作用，其并未大幅度调整自己的行进路线，在O点继续沿着直线运动，完成了O—R—F—G的剩余路线。本文蚁群算法给运输车辆规划的完整的路径为A—I—J—K—L—M—H—N—O—R—F—G，成功地躲避了3个新增料场干扰。

4结论

需要根据河道和水利工程项目的自然情况加工砂石骨料，并要进行合理的场地规划和交通规划，便于在加工过程中，提高物料运输的便利性。本文对砂石骨料加工现场进行3类场地规划，包括混凝土场地、砂石骨料场地和堆石料场。为了对各个场地间的高效物料进行运输，须对蚁群算法进行改进处理，形成基于局部修正的蚁群算法，用于加工现场的交通路线规划。试验结果表明，本文提出的改进蚁群算法，具有更加优秀的性能，可以规划更加合理的路线，提高砂石骨料运输的效率。

参考文献

[1]王芳，金泳，闻婧.QC活动在施工现场砂石堆场扬尘控制措施中应用[J]. 工程质量，2016（增刊1）：7.

[2]刘占波，刘建强.“砂石骨料4.0+”：我国砂石骨料行业新的发展方向—中国砂石协会会长胡幼奕谈我国砂石骨料行业发展现状及趋势[J]. 中国建材，2019，22（7）：56-59.

[3]徐全基，张洪义，许昌永. 西藏昌都市如美砂石加工系统设计工艺方案研究[J]. 云南水力发电，2023，39（2）：61-67.