随着《国家公路网重点桥梁和隧道监测评价规程》(T/CECS G: E41-04—2019)^[1]、《公路隧道养护技术规范》(JTG H12—2015)^[2]和《公路隧道照明设计细则》(JTG/T D70/2-01—2014)^[3]的实施和应用，普通干线公路隧道照明亮度检测是隧道机电设施检测中的一项重要的工作，各省普通公路养护管理单位每年都会在管辖隧道内进行隧道照明亮度检测。伴随车载式隧道亮度检测技术日益成熟，借助于车辆可以快速开展工作，如张钰等^[4]发明一种快速检测隧道照度测量系统，代东林等^[5]发明提供的一种公路隧道检测数据快速检测装置及方法等。虽然每座隧道照明亮度检测效率提高了，但是现实中存在隧道与隧道之间，隧道区域与隧道区域之间远距离的问题，便形成了隧道高效率检测与隧道之间跨度大、隧道检测行进方向和路线的矛盾，普通干线公路隧道数量多，如云贵川两广福建等山岭众多的省份普通干线公路隧道数量更是庞大，由于各省普通干线公路隧道的分部情况分散或运营管理片区内公路隧道分部情况分散，面对时间紧、任务重、检测工作量大的普通干线公路隧道检测任务时，避免行车来回往返，减少行车路线、降低行车成本、防止测试过程中隧道遗漏，提高隧道照明亮度检测工作效率成为亟待解决的问题。行进路线的提前规划设计成为隧道定检工作的首要工作之一。

目前，国内外学者在不同领域不同行业研究不同对象时在不同方向上的具体路径路线问题都应用科学的数学算法来解决实际问题，通过科学的分析、计算得出科学的结论，满足生产生活工作的需要，其中科学的数学算法主要有遗传算法、粒子群算法、禁忌搜索算法、模拟退火算法、人工鱼群算法、蚁群算法等。例如以研究粒子群算法为代表的张震等^[6]，在航天领域进行探索提出基于协同粒子群算法的航天器集群动态路径规划算法研究。以研究遗传算法为代表的刘明亮^[7]，在高精度机械制造领域提出一种用于螺旋锥齿轮齿面测量路径优化的改进遗传算法研究。以研究禁忌搜索算法和模拟退火算法为代表的张晓云等^[8]，在农业生产领域提出基于禁忌搜索和PID算法的联合收割机最短路径设计，范叶满等^[9]基于模拟退火算法提出基于模拟退火算法的无人机山地作业能耗最优路径规划。以研究人工鱼群算法为代表的姚正华等^[10]，在煤矿应急救援方向上基于人工鱼群算法提出基于人工鱼群算法的煤矿救援机器人路径规划。以研究蚁群算法为代表的白响恩等^[11]，在航海领域提出了基于双向搜索的改进蚁群算法的船舶路径规划。各种不同科学算法在不同领域都发挥着积极作用，研究成果将指导普通干线公路隧道领域快速检测。

在普通干线公路隧道照明亮度检测行进路线的规划设计上选用合适的数学算法模型是首要工作，简单明了的数学算法模型方便指导规划设计隧道检测路线，各个行业和领域在路线规划上的数学算法模型作了如表 1所示的对比分析。

通过上述各数学算法模型的分析和总结，蚁群算法，采用正反馈控制原理，使得遍历过程不断迭代收敛, 最终得出适合行进的路线算法；蚁群可以通过释放信息素来更新路线，信息获得迅速，能够与周边访问过程进行信息交互。遍历过程采用并行分布式计算，算法运行效率和计算能力相对其他算法不复杂，选择上优于其他算法。遍历计算不容易陷入局部合理，全局合理求解准确无误。

普通干线公路隧道机电设施检测有以下特点：车流量较少，不封闭，限速较低，单洞双向1级和2级公路隧道较多，满足交通安全条件下可以随时调头，照明亮度检测只需要在车辆经过时把隧道照明灯具全部开启，测试过程中交通管制限制少，亮度检测中不用封路，当载有亮度检测装置的车辆行驶通过，即可采集隧道照明亮度值。

本方法在计算行进路线上，主要受冰雪天气影响，建议涉及冬天测试的省份例如吉林、辽宁和新疆等省份，应与当地交通管理部门沟通，检测时间尽量避开冬季。

普通干线公路隧道在地图上的定位是用地理坐标系表示，如某隧道东经经度L(°)和北纬纬度B(°)，定位隧道的经纬度即可作为参数引入数学算法模型，对于有隧道的地方隐含的已知条件是隧道地点必有道路通过，这对路线的规划设计有天然的帮助，辅助电子地图工具即可到达隧道。

结合普通干线隧道的特点和隧道照明亮度检测的情况以及隧道的地理坐标系分部情况，本研究采用简单明了的蚁群算法作为数学算法模型。

基于蚁群算法的普通干线公路隧道照明亮度检测路线的研究技术路线如下：

(1) 通过资料搜集辅助电子地图工具确定公路隧道经纬度地理坐标系(GCS)。

(2) 根据各省公路隧道的分部情况或者检测片区的隧道分部建立经纬度球面坐标系(L, B)数据库表，L为经度，B为纬度。

(3) 通过数学计算辅助地图分析软件工具将确定的球面地理坐标系经纬度坐标变换到二维投影坐标系中国2 000国家大地坐标系(CGCS2000)。

(4) 更新坐标系数据库表，增加CGCS2000二维投影坐标系(X，Y)，X为横坐标，Y为纵坐标。

(5) 编写蚁群算法对二维投影坐标系数据库表进行计算并确定计算后的新路线。

(6) 分析检测路线，人工分析选择确定距离城市最近的第1个隧道，重新生成隧道路线排序的数据库表。

(7) 依据生成的隧道路线数据库表在电子地图上标记进行检测的隧道。

(8) 调整亮度检测设备，做好隧道照明亮度检测前准备工作。

(9) 检测工作结束后，对电子地图进行测试后标记，继续下一隧道照明亮度测试，直到回到起始位置。

根据技术路线(1)~(2)建立经纬度球面坐标系(L, B)数据库表，以某省片区内普通干线公路隧道举例，如表 2所示，该片区内公路隧道30座，通过资料搜集辅助电子地图(高德地图)工具获取隧道的地理坐标系经度纬度，建立经纬度坐标系(L, B)数据库表。

根据技术路线(3)~(4)更新坐标系数据库表，增加二维投影坐标系(X，Y)，便于蚁群算法计算，可将地理坐标系通过计算及辅助软件工具变换到二维投影坐标系。例如可将GCS转换为CGCS2000系列坐标系如表 3所示。

蚁群算法用于解决隧道检测路线规划问题的基本思想是：蚂蚁的行进路线表示规划隧道检测路线问题的解路线，蚂蚁集合的所有路线构成规划隧道检测路线问题的解路线集合。路线越短的蚂蚁释放的信息素量越多，随着行进时间的进行，路线越短积累的信息素浓度越高，选择该路线的蚂蚁数量也增加。结果，蚂蚁集合会在正反馈的反馈下集中到需要规划的路线上，此时对应的便是隧道检测路线规划的合理路线。

根据技术路线(5)编写蚁群算法对二维投影坐标系数据库表进行计算并确定计算后的新路线，确认隧道检测路线。

根据二维投影坐标系坐标(X，Y)可以确定隧道i与隧道j之间的距离d_ij。

根据蚁群算法时间为t时，隧道i与隧道j连接路径上的信息素浓度为τ_ij(t)，初始时刻τ_ij(0)=τ₀。

设P_ij^k(t)为t时间轮询点k从隧道i专场隧道j的概率，则计算如式(1)所示：

(1)

式中，η_ij(t)为启发函数，η_ij(t)=1/d_ij为轮询点k从隧道i专场至隧道j的期望程度；N_k为轮询点k待访问隧道的集合；s为N_k中的元素，即待访问的第s座隧道；τ_is(t)为t时间时，隧道i与隧道s连接路径上的信息素浓度；η_is(t)为待访问隧道s时的启发函数；α为信息素重要因子，其值越大表示信息素的浓度在转场过程中的作用越大，β为启发函数重要因子，其值越大表示启发函数在转场过程中作用越大，即轮询点k会以较大的概率转场至距离合理的隧道。轮询点k为正整数。计算每一个待访问的隧道，直到所有轮询点访问完所有隧道。

信息素τ是蚁群算法的核心。信息素根据时间进行更新，数学表达如式(2)所示：

(2)

式中，τ_ij(t+1)为t+1时间的信息素浓度；1-ρ为信息素挥发程度，ρ<0<1避免子集上信息素的无限累加；Δτ_ij^k为轮询点k在隧道i与隧道j连接路径上释放的信息素浓度。

(3)

式中，Q为信息素强度，表示轮询点循环一次所释放的信息素总量；L_k为轮询点k经过路径的长度；n为隧道总数。计算各个轮询点经过的路线长度L_k，计算迭代过程，并满足最大迭代次数，重新更新信息素浓度，直致终止，并记录完成检测数据隧道的合理路线。设置最大迭代次数number_max作为蚁群算法结束的判定条件，若number<number_max，则number++，number为初始次数，直到number增加到预设的最大迭代次数，计算直到结束，输出规划合理的一种路线。

蚁群算法软件算法流程图如图 1所示。

图 1 蚁群算法流程图 Fig. 1 Flowchart of ant colony algorithm

图选项

(1) 初始化参数，对蚁群算法中的蚂蚁集合数m，信息素重要因子α，启发函数重要因子β，信息素挥发程度ρ，信息素强度Q，最大迭代次数number_max等参数。

(2) 从不同隧道地点进行轮询访问，轮询点以较大的概率转移到距离短的隧道。

(3) 计算遍历所有隧道时经过路线的长度，计算迭代过程，并满足最大迭代次数，重新更新信息素浓度Δτ_ij^k，根据各个隧道间连接路径上的信息素浓度决定下一个遍历的隧道。

(4) 判断对遍历隧道的路线是否合理，如果不是合理线路则返回流程2，至到输出合理路线，输出结论。

依据蚁群算法软件算法计算出30座隧道规划后的路线如图 2所示。

图 2 30座隧道规划后的路线 Fig. 2 Optimized routes of 30 tunnels

图选项

由初始起点隧道出发，遍历所有隧道，规划路线，形成环形行进方向，例如：A₁₄→A₁₅→A₁₆→A₁₇→A₁₈→A₁₉→A₂₀→A₂₁→A₂₂→A₂₃→A₂₄→A₂₅→A₂₆→A₂₇→A₂₈→A₂₉→A₃₀→A₁→A₂→A₃→A₄→A₅→A₆→A₉→A₇→A₈→A₁₀→A₁₁→A₁₂→A₁₃→A₁₄。

随着遍历隧道迭代计算的增加，合理路线与平均路线均呈不断下降的态势，当迭代次数大于30时，规划的路线已经不再改变，找到合适的规划路线，完成计算，如图 3所示。

图 3 迭代次数 Fig. 3 Iterations

图选项

根据技术路线6标记检测路线的位置，人工分析选择确定距离城市最近的第1个隧道，重新生成隧道路线排序的数据库表。

人工分析选择确定距离城市最近的第1个隧道为A₂，从A₂出发，顺序为：A₂→A₃→A₄→A₅→A₆→A₉→A₇→A₈→A₁₀→A₁₁→A₁₂→A₁₃→A₁₄→A₁₅→A₁₆→A₁₇→A₁₈→A₁₉→A₂₀→A₂₁→A₂₂→A₂₃→A₂₄→A₂₅→A₂₆→A₂₇→A₂₈→A₂₉→A₃₀→A₁→A₂。当行进至A₁隧道时，又重新返回出发点的城市，此过程中无遗漏任何隧道，且行进路线规划合理。

根据技术路线7依据生成的隧道路线数据库表在电子地图上标记进行照明亮度检测的隧道，并且利用电子地图标记行车路线，如表 4所示。

根据技术路线7计算规划后的隧道检测路线的总行车路程为2 039.4 km，总行车时间1 936 min，估算检测时间大约3 d。普通干线公路隧道照明亮度检测前，如果不规划合理的线路，按照地图提供的导航一个一个隧道导航过去，路线选择会相当混乱，会出现上、下高速，来回迂回，行进路程无法合理计算，检测时间迟缓，无法完成规定时间内的检测任务。

根据技术路线(8)~(9)调整好照明亮度检测装置，行进至普通干线公路隧道前与养管单位积极沟通并将隧道照明灯具全部开启，作好检测前的准备工作，待车辆到达隧道后开展隧道照明亮度检测工作。全部隧道照明亮度测试后回到起点位置。

本研究对普通干线公路隧道检测行进路线进行了分析研究，提出采用蚁群算法模型计算隧道检测路线，主要得出以下结论。

(1) 主要应用于普通干线公路隧道机电设施照明亮度检测。面对隧道与隧道之间，隧道区域与隧道区域之间远距离、跨度大的问题时，基于蚁群算法的公路隧道照明亮度检测路线技术能够规划出行车的合理路径和合理行车时间。

(2) 确定蚁群计算的输入参数，利用隧道的经纬度地理坐标系，构建数据库表，将隧道的地理坐标系变换成二维投影坐标系，更新二维投影坐标系数据库表，建立蚁群算法模型特征值。

(3) 配置蚂蚁集合数、信息素重要因子，启发函数重要因子，信息素挥发程度，信息素强度，最大迭代次数等参数，从不同的隧道开始轮询访问计算，遍历所有检测隧道，利用蚁群算法模型可以计算出遍历隧道的合理路线。

(4) 结合电子地图将规划生成的隧道及路线标记，可以计算隧道检测路线的总行车路程，总行车时间，估算检测时间，推动普通干线公路隧道照明亮度检测工作的快速开展。