续竞台,赵 琳

（1.中建路桥集团有限公司,河北 石家庄 050000; 2.石家庄铁道大学,河北 石家庄 050000）

0 引言

近年来，我国在道路工程施工方面取得了突飞猛进的发展，随之而来的环境问题也愈发严重，甚至造成了环境方面不可逆转的负面影响。为了深刻践行交通建设“十四五”规划中交通强国的目标，将环保工作落到实处，将绿色公路建设工作落到实处，严格把控施工过程中对环境可能造成污染的重点环节，将绿色施工理念贯彻到施工过程全生命周期。

1 研究背景

2006年我国《国民经济和社会发展第十一个五年规划纲要》首次将节约资源作为国家的基本政策。党的十八大报告首次将生态文明建设作为执政的战略决策。此后，我国逐步实施生态文明建设战略，从高污染的发展方式转向绿色发展方式。道路建设领域一直被广泛认为是有效控制温室气体排放的四个重点领域之一，并予以厚望。同时，严格把控道路建设活动的各项环境指标直接关系到国家层面的环境目标，它被视为实现生态文明战略的重要途径。肖冰运用动态综合评价方法建立绿色施工环境影响阈值模型对空气环境、光环境、地表水环境以及生态景观环境进行评价，判断环境影响等级，提出环境保护措施[1]；杨中杰等从政府、消费者、项目组织3个维度探讨绿色工程项目管理发展影响因素，结合层次分析法对绿色工程项目管理整体发展环境进行具体分析[2]；周杰在阐述利益及利益法学和环境影响评价制度基本理论的基础上，分析了我国环境影响评价制度在利益衡量程序与实体及实施效果方面存在的问题与不足[3]。考虑到道路建设对环境的影响较大，而我国缺乏道路建设的环境影响评价方法，该文从道路施工角度入手，通过道路建设对环境的影响因素分析。

2 道路施工环境影响分析

在道路施工项目中，施工环境变化多端且不可控制因素诸多，导致道路施工环境充满不确定性，施工环境的不确定性因素来源十分广泛，可以来自施工任务、施工环境、施工材料的生产、运输、施工人员等。施工材料在运输和使用中会产生大量的粉尘、液体污染物、垃圾废弃物等；其中粉尘主要来自混凝土，粉尘颗粒物对空气和人体都有持续的危害；液态污染物的排放主要成分是工业废水，排放过程中必须严格按照排污标准执行，稍有不当就会造成严重后果；垃圾废弃物主要是建筑废料，经过长期存放会蒸发至空气中散开，影响周围的空气质量。

在道路施工过程中，由于多个施工环节是互相影响的，从施工过程的某一环节出发，降低对环境的影响，就能够降低道路施工对整个施工环境的维护成本，这也意味着可以将更多的精力和财力投入到其他的施工环节，有效节约环境成本。

在考虑施工对环境的影响时，往往是从一个周期的开始到结束，即全生命周期。道路的全生命周期对环境的影响主要存在于两个阶段，第一是道路施工建设阶段对周边环境的短期影响，第二是道路使用阶段对周边环境的长期影响。短期影响主要来自施工材料的生产和运输、施工活动中对能源的消耗以及污染物的直接排放。施工材料的生产和运输过程需要设备和机械投入使用，意味着大量的电力和燃油消耗；能源消耗主要是水资源消耗、化石资源的消耗及其他资源消耗；污染物排放主要包含碳、氮和硫的氧化物、粉尘和固体废弃物等，温室气体排放过量会破坏臭氧层，从而导致全球气候恶化。长期影响主要来自道路投入使用后，行驶车辆对周围环境的影响以及道路维护养护对周围环境的影响，道路的养护维护能够有效增加道路的使用年限，在养护维护期间，需要重新返修路面，返修过程也会对附近的土地和水质造成影响，因此在决策时也需要重点考虑养护维护这一因素。道路全生命周期对环境的影响如图1所示。

图1 道路施工全生命周期对环境的影响

由于道路的使用周期长，基于道路的工作状况、持续时间、气候变化等一系列不确定因素，人们很难从中得到客观的概率分布。随着施工进程的不断推进，决策者对于最终决策方案偏好会随着项目决策背景的变化而变化。因此当前的施工实践行为仍然缺乏一种方法在深度不确定的情况下，对于施工过程的每一个阶段的成本、进度、环境的综合评价。

3 道路施工环境影响方法研究

3.1 生命周期评价方法

生命周期评价方法是道路环境定量评价中最重要的方法之一，它是评估研究对象整个生命周期过程对环境的影响，是一种客观的定量评价方法，同时也是当前被广泛利用的环境定量评估方法之一。李小冬等基于生命周期评价（LCA）理论，从施工过程的单元分解入手，建立了适应施工阶段特点的环境影响定量评价框架和评价流程[4]。生命周期评价方法包含研究目标、清单分析、影响计量和结果解释四个部分。目前生命周期评价方法正在不断更新完善，依据不同的施工情况，提出了混合式生命周期评价模型，该模型考虑到施工活动繁杂，选取各个施工环节的一部分进行测量，基于各施工环节部分数据进行预测，预测结果的精准性和可靠性得到了较好反馈。

目前，针对生命周期评价方法的应用普遍存在计算方法不完整或者不准确的问题，这些问题都会导致最终的预测结果与实际存在一定偏差。在道路施工过程中，各个施工工序之间具有较强的关联性，施工方案的微调可能引起整个施工工程的变化。因此若考虑应用生命周期评价方法去准确计量结果，就需要对每种方案的组合进行准确的评估与比较，不仅加大了工作难度和工作量，在数据精度方面也无法保证。

3.2 经典数学规划类方法

道路施工问题实际上可以看作是一个多目标最优化问题，即目标函数需要成本最低、进度最快、环境污染最小，其约束条件则是实际的各种条件限制。优化问题的本质是从可行域中找寻出一个或者多个可行解的过程，现实中绝大多数优化问题均属于多目标优化问题。在一般情况下，可行域的多个目标表现不尽相同。该研究探讨的经典数学规划类方法是最早用于解决多目标优化问题的方法。根据决策者的情况，可将经典数学规划类方法分为三个大类：偏好不表达型、偏好后表达型、偏好先表达型。每种大类里都有对应的优化方法，具体方法有：全标准加权法、加权求和法、字典序法、加权最小最大法、指数加权准则法、目标规划法、正常边界相交法、正规约束法、ε-约束法、全局性准则法、多目标迫近束法等，依据实际工程情况，选取适当的方法求取多目标优化解。

3.3 元启发算法

元启发算法是一种常见的求解多目标最优化问题的方法，该方法的基本思想源于自然界，是一种与精确算法相对的一类方法。在元启发算法中，常被大家使用的是基于生物自然选择理论的进化算法，它的基本思想是模拟生物的进化过程，通过选择、杂交、变异等产生更优质的后代。进化算法具有的种群特征使得每一次优化求解都能得到多组解，加快了多目标最优化问题的求解过程，并且对于各种形态的可行域适应性极强，不容易受到干扰。在所用的基于生物自然选择理论的进化算法中，遗传算法是最为人们所熟知、应用最为广泛的。自从1985年第一次使用遗传算法求解对目标最优化问题后，多目标遗传算法已经成为多目标问题中应用最为广泛的算法之一，并在之后的研究中不断迭代更新，推演出了十多种常用的遗传算法。

3.4 仿生启发算法

仿生启发算法属于元启发算法类，它包括生物学和动物行为学启发两类算法，在近年来的多目标最优化研究中逐渐开始流行起来，比如大家熟知的粒子群算法、蚁群优化算法、差分进化算法、人工免疫系统算法、人工蜂群算法、混合蛙跳算法等。这些算法是群智能算法一个分支，通过模拟一个具有社会属性的动物的群体行为来实现优化的目的，特别的是一些算法通过模拟一些特定群体可以实现全局最优化的效果。

3.5 人工智能算法

人工智能算法中的Deep Learning（深度学习）和Reinforcement Learning（强化学习）可以用于动态指标的评价，特别是在不确定的环境中，通过学习和分析进行决策，能够使效益最大化。深度学习是建立多层级的神经网络，分析和解决问题，主要包括DNN（深度神经网络）、CNN（卷积神经网络）、RNN（循环神经网络）、LSTM（长短期记忆网络）。强化学习三大要素构建基于深度学习的多模态指标评价模型，在短期施工中对施工材料生产运输、能源消耗、污染物排放等影响环境的因素进行指标体系构建，以获取评价数据[5]。深度学习评价模型注重于各种类型数据的收集，对各类数据进行整合分析。从各因素的抽象存在形式到数据的具体体现可分为以下三个阶段：第一阶段为数据采集阶段，基于各种传感器采集施工中如生产运输时间、能源消耗和污染物排放量数据，将数据存储在数据库中以便之后操作；第二阶段为数据处理阶段，对数据库中的数据通过数据清洗、数据标签化、归一化、去噪、降维等手段进行处理后，存储在数据库中；第三阶段为数据分析阶段，搭建神经网络训练数据库中的已有数据，得到的模型用来测试现有数据集，按标签划分数据特征以此作为评价。

4 道路施工环境影响决策

施工的不确定性因素有很多，包括自然环境因素、环境管理因素和作业环境因素，从道路角度来讲，路基是承受上部荷载作用的主要受力结构，一定要有足够的结构强度，才能达到长久的要求，地下水位、气候因素等对路基的影响非常大，不同的地区对路基土的要求不同[6]；从路面角度出发，其要求与路基不同，但也要确保其在设计使用年限内不发生结构性破坏，达到耐久的要求。此外，施工环境管理的过程中各单位之间的协调和作业环境因素同样对道路产生不同程度的影响，作业环境因素是指与施工现场有关的一系列要求，包括各种施工设施、施工照明、安全措施、交通条件等，施工阶段的不确定性因素不仅会影响现场施工进度，甚至会对道路质量产生不可逆转的影响。

根据施工阶段生态环境影响的特点和施工活动的决策特点，建立适合施工活动的环境影响测算和优化方法，在不确定性的背景下协助决策出准确的决策，将会大力推进施工建设环境、成本、效率等方面的发展。在环境影响预测方面，要考虑到地表水、大气、土壤、噪声、固体废物及垃圾等对环境的影响，通过多因素进行对比，实现决策的最优化[7]。

此外，由于以往的研究低估了施工污染的影响，在分布式复杂的程序和不确定性的影响下难以获得准确的施工过程数据，导致施工环境影响研究存在一些偏差，决策者指定的理想施工方案很难精准完成。道路施工活动是深度不确定的，由于该领域的施工不确定分析还处于刚刚起步阶段，很难为实际的施工项目提供足够的帮助。目前经典的“模拟优化”构建模型框架计算性能要求高、计算时间长，无法提供实时决策支持。胡笑旋等对“学习模型”和经典的“模拟优化”框架进行构建，以数据挖掘为突破口，多部门的力量与知识相匹配融合，建设中心决策系统，深入分析道路施工的不确定性，通过学习模型预测道路施工的不确定性，使得不确定分析更加接近真实的情况，促进不确定性分析在道路施工领域的发展[7]。在深度不确定的环境情况下，选用某一个模型用来做决策方法精度不高，需要用集成的方法使用多个模型来描述实际问题，多个模型描述可以对一个事件有多个思考角度，以此来帮助决策者更好地做出决定。所以如何在施工决策中去考虑不确定因素的影响，并做出合理的施工决策，是不确定性环境决策研究的重要研究内容。然而，现在对于不确定性的分析的研究工作还很少，分析不确定性因素如何影响施工是现在一个热点的研究方向。

5 结论

道路施工对环境影响主要分两个层面，宏观层面是以经济能源研究为对象，微观层面是以经济产品为研究对象。一方面是重点研究该地区与其他地区引进节能这一要素对环境的影响；另一方面是根据施工特点，通过合适的测量手段，从源头减少施工过程对环境的影响。深度不确定性理论与相关方法可能是解决施工不确定性问题的有效方法。综合考虑道路施工建设项目的不确定性因素，为建立在深度不确定的背景下施工决策分析方法提供了可能。该方法的构建将会综合运用到环境影响评价理论、多目标优化理论、机器学习和数据挖掘技术，为深度不确定的背景下施工决策分析方法搭建一个更完美的舞台。