地鐵通車時間早知道

朱峻鋒

隨著中國城市化建設進程的加快，各大城市都在爭相發展地鐵。以上海為例，截至2018年12月，上海地鐵擁有運營線路16條，在建線路4條。誰都希望自家毗鄰地鐵站，出行方便，可是這事也有著快樂的煩惱：由于地鐵修建工期長達數年，其間對居民的生活和出行都會產生影響，家門口的環境也會受到一定程度的破壞，而通車時間卻是個未知數。

那么，是否有辦法預測出地鐵修建的速度，從而提前知道地鐵何時能建成通車呢？

地鐵修建的工期主要取決于地鐵隧道的建設速度。目前，盾構法是修建地鐵隧道的主要方法。該方法類似蚯蚓在地下挖洞，即通過一個大型的挖掘機（盾構機）在地下一邊向前掘進，將挖出的泥土運向后方；一邊在挖好的洞周邊裝配預制混凝土管片。浩大的地下工程就這樣一步一步完成了。在這個過程中，盾構機掘進速度決定了隧道建設進度。我們知道，時間等于長度（距離）與速度的比值，地鐵隧道的長度是確定的，只要得到盾構機掘進速度值，那就很容易計算出地鐵修建的時間。但是，在實際操作中并不如想象中那么簡單，地下巖土環境千變萬化，掘進速度也受到盾構機本身和周圍環境的多重影響，很難用物理模型來描述盾構施工過程。通過最原始的數學計算和物理模型方法是難以實現盾構掘進速度預測的。

盾構機有200多個傳感器，每時每刻都在產生大量的監測數據，這些數據背后隱藏著盾構機和土體相互作用的信息，我們可以利用機器學習法來挖掘數據背后的知識。機器學習法是利用計算機模擬實現人類學習行為的方法，它包含很多種計算方法，其中神經網絡算法是一種十分實用的算法。我們知道，人的大腦由眾多神經元組成，在處理事件過程中，每個神經元都在發揮各自的作用，功能相對簡單，但大量神經元相互交錯，系統行為非常復雜。神經網絡算法就是一種模擬人腦的計算方法，它不是常規的一步一步執行運算，而是通過自身總結規律、協同處理、完成運算，特別適合在信息本身模糊不確定情況下的復雜數據處理。神經網絡算法分為輸入項、隱含項和輸出項，其中的隱含項可以想象成一個暗箱，其間運算過程復雜交錯。例如，有兩組數據1、2、3、4和1、4、9、16，分別作為輸入項和輸出項，經過隱含項的暗箱數據處理，可以得出Y=X2這個函數。同樣原理，在盾構掘進速度的研究中，我們可以將盾構機傳感器得到的參數和土層性質作為輸入項，將掘進速度作為輸出項，利用神經網絡算法，獲得掘進速度函數關系式。由于數據量大，需要通過專門的計算機語言進行處理。

在計算過程中，不同種類傳感器測得的數據量級差距很大，數據單位又互不相同，能混在一起計算嗎？實際工作中情況那么復雜，獲得的預測模型函數是否真的準確無誤呢？這些可以用數據歸一化消除不同種類數據量值和單位的影響，在模型訓練的過程中用均方根誤差和決定系數來評估模型預測結果的好壞，同時要十分注意模型欠擬合和過擬合情況發生，最終獲得準確的預測模型。

預測模型的構建正好符合當下新興的智能建造領域，它是傳統土木工程與人工智能的交叉學科。隨著速度預測模型的不斷優化，我相信未來的地鐵修建將有可能實現盾構機虛擬駕駛，人工智能操作下的盾構機的工作效率也將大大提高。如果真的實現這一步，家門口的地鐵也將早日通車！