基于大数据分析的桥梁健康状况评价

赵义龙，王少钦，曹明盛，李宇杰

（1. 北京建筑大学土木与交通工程学院，北京 100044，2. 北京建筑大学理学院，北京 100044；3. 北京市地铁运营有限公司，北京 100044）

1 研究背景

随着现代化进程的推进，我国桥梁建设取得了举世瞩目的成就[1]。然而，桥梁在长时间的环境侵蚀、外荷载反复的动力作用下，引起结构的局域性损伤，或产生影响桥上行车舒适性与安全性的振动。随着损伤的累积，结构的抗力和寿命下降，从而给工程结构的安全和稳定性带来隐患[2]。国内外已发生多起恶性桥梁事故，给公众生命财产安全带来极大的损失。事故分析结果表明，监测系统不完善、预警机制不健全是导致一部分事故发生并加重人员伤亡与经济损失的主要原因。传统的桥梁养护管理模式大多属于在桥梁出现病害后的一种纠正性维护方式，这种养护策略是被动的，并且采用的检测方法主要是通过人工目测检查或借助便携式仪器对桥梁进行检测，存在实时性差、耗费大量人力物力、受检测人员知识经验技能影响大、影响正常交通等诸多局限性，已经不能满足大规模结构健康检测评定的发展需求。在“互联网+”的理念下，迫切需要建立一个能够通过实时监测数据反映桥梁健康状况的桥梁评价系统。

程辉等[3]提出了包括数据采集子系统、传输子系统、数据控制及管理子系统、评估及报警子系统在内的桥梁健康监测系统，以期实现桥梁综合信息、智能化养护、多元化桥梁决策、便捷化办公4 个主要功能。Brito 等[4]针对混凝土桥梁开发了桥梁管理专家系统，实现了桥梁检测和桥梁管理策略优化功能。Melhem 等[5]采用专家系统工具CLIPS(C Language Integrated Production System)，建立了桥梁总体评价程序，提出了模糊加权向量方法来评估桥梁健康状况。Furuta 等[6]采用将遗传算法(genetic algorithms)与神经网络(neural networks)相结合的方法，开发了桥梁损伤模糊评价专家系统。杨军[7]认为，桥梁健康监测大数据中心是以桥梁健康、安全预防评估与诊断信息为基础，以现代信息技术为支撑，能够及时为桥梁及其群体的健康评估、诊断防治等方面提供科学指导，以提高综合防治质量和效率为目的的联合机构。李惠等[8]研究了桥梁健康监测系统的各个子系统的功能、特点、实现方法与软硬件系统，完成了桥梁健康监测任务对各个子系统协同工作的要求；提出了以LabWindows /LabVIEW 为桥梁健康监测系统的核心软件，用其指挥、调用和驱动各个子系统的运行和数据的交互与通信。张启伟[9]提出，桥梁健康监测的基本内涵是通过对桥梁结构状态的监控与评估，为大桥在特殊气候、交通条件下或桥梁运营状况严重异常时触发预警信号，为桥梁维护与管理决策提供依据和指导。

国内外的桥梁健康监测系统研究一般只有理论层面的构架和模块，缺乏具体的数据处理方法、数据判别标准以及预警界限等[10-11]。已有桥梁健康监测平台大多建立时间较早，存在一些问题：不能较好适用于现在的大量监测数据，对于数据只能进行简单分类，没有统一的桥梁健康评价标准，不能充分利用监测数据及时准确地反映桥梁健康状况，紧急状况预警不及时，等等。

下面运用统计学方法建立数学模型，对大量监测数据进行分析，并通过合理的车-桥相互作用模型，对车辆及桥梁的振动响应进行模拟计算，通过对比实测数据与仿真数据验证模型的合理性，结合实际工程及模拟数据，制定基于大数据的桥梁健康状况评价标准。在此基础上，利用监测数据和制定的评价标准，建立桥梁健康状况实时评价预警系统，通过监测系统采集的数据实时反映桥梁的健康状况，以便于桥梁管理人员做出合理决策。

2 监测数据采集与分析

2.1 数据采集

北京地铁5 号线某高架桥上安装完整的监测系统，如图1 所示，其中包括温度监测、应力监测、位移监测等。

1) 温度监测：选用环球之星9980 环境温度传感器，监测精度为0.1℃，量程为-40～120℃。

2) 应力监测：低频选用环球之星9250 应力计，监测精度为1 με，量程为3 000 με，高频选用GBY-125型工具式表面应变传感器。

3) 梁体位移及支座位移监测：低频选用基恩士IL-S100 激光位移传感器，监测精度为0.1 mm，量程为60 mm，高频选用TCWY-50 动态数字位移传感器。

监测数据通过无线网络上传到网上数据管理平台，以供评价系统导出及调用。

2.2 数据分析

在监测大数据处理方面，李爱群等[12]采用最大熵法、小波包分析、数据融合技术等信号分析和数据处理方法，研究适用于大型土木工程结构的损伤预警技术。

本研究利用快速傅里叶变换及小波分析，探究不同位置应力监测信号的频率组分，分析其频谱特征，并结合温度监测信号的频谱特征，探寻梁体应力信号和环境温度信号之间的关联性。对数据进行预处理并剔除异常数据，再利用Origin 软件进行拟合分析，得出一年内温度及应力随时间变化关系(见图2)。从全年总体上看，梁体应力与温度变化趋势相同，近似为正弦变化。

图1 部分监测仪器及测点布置Fig. 1 Some monitoring equipment and measuring point layout

选择2017 年11 月的监测数据做出应力及温度时间序列图(见图3)，从应力及温度月变化的情况来看，梁体应力与温度随时间变化基本同步。

图2 梁体年应力及温度时间序列图Fig. 2 Annual time series of stress and temperature of the beam

图3 梁体月应力及温度时间序列图Fig. 3 Monthly time series of stress and temperature of the beam

影响梁体应力变化的主要因素有温度和车辆荷载，为了研究这两者对梁体应力变化的影响，需要运用控制变量法，即在保证一个影响因素不变的条件下，研究另一个因素对应力的影响。考虑到北京地铁的发车时间间隔为3～5 min，在出行高峰期内每半小时会有6～10 趟列车通过桥梁，通常在不出现极端异常天气的情况下，半小时内的温度变化可以忽略。数据量方面，半小时内每个指标约有18 万条数据，足够保证分析结果的可靠性。综上所述，可选择出行高峰期内每半个小时采集的数据为一组，分析荷载对梁体应力的影响，做出应力时程曲线，如图4 所示。

可以看出，半小时内梁体应力出现了6 次较大幅度波动，波峰间隔约5 min，这与北京地铁列车运行时间间隔较为吻合。因此组数据取自中午12:00 出行高峰期，该时段内列车载重相对较大，车辆荷载引起的应力波动幅度在0.08 MPa 以内，可以表明列车荷载不是影响梁体应力变化的主要因素，通过分析其他时间段数据也得出同样结论。分析梁体顺桥向位移、横向位移、支座竖向位移、横向位移等监测指标，也可得出列车荷载均不是其主要影响因素。

图4 应力时程曲线Fig. 4 Stress time history curve

在分析温度对各项评价指标的影响时，需要保证桥梁上荷载条件相同。由于列车过桥时间短且随机性大，所以无法考虑桥上有车时温度对各项监测指标的影响。地铁在晚上12:00 至次日凌晨6:00 停止运行，该时间段内桥梁上没有活载，一年内温度变化范围足够大，不同年份温度变化具有周期性，因此可选取一年中每天晚上12:00 至次日凌晨6:00 的数据，分析温度对各监测指标的影响。鉴于数据量庞大，几分钟内的温度变化可以忽略且不影响评价的准确性，因此每2 min 选取一组数据，做出应力随温度变化关系，如图5 所示。可以看出，梁体应力变化受温度影响较为显著，因此可认为温度是影响梁体应力变化的主要因素。钢筋混凝土梁的质量远大于列车质量，因此列车活载不会对其产生显著影响。由文献[13]可知，由于混凝土的导热性能较差，导致梁体截面温差大，混凝土的不均匀热胀冷缩受到相邻部分混凝土的约束，不能自由变形产生次内力，因此其应力变化受温度影响更加显著。

图5 应力-温度散点图Fig. 5 Stress-temperature scatter plot

分别选取一年中温度相差较大的4 天做出应力随时间变化关系曲线，如图6 所示。可以看出，同一条曲线上的应力波动主要是列车荷载作用及日温差引起的，不同曲线间幅值差异主要是温度变化引起的，可见温度对应力的影响比列车荷载的影响更加显著。

图6 不同日期应力-温度曲线Fig. 6 Stress-temperature curves for different dates

由以上分析可知，温度是影响梁体应力变化的主要因素，因此选用4 种不同拟合方案对梁体应力和温度的关系进行拟合，拟合结果展示如表1 所示。

方案1：温度差ΔT和梁体应力σ的一元线性拟合；方案2：温度T、温度差ΔT和梁体应力σ的多元线性拟合；方案3：温度差ΔT和梁体应力差Δσ的一元线性拟合；方案4：温度T和梁体应力σ的一元线性拟合。

表1 拟合结果Tab. 1 Fitting results

由表中可见方案4 的拟合效果最好，梁体应力变化与温度成正比关系，且满足

式中，σ 为应力，t 为温度。

3 桥梁健康状况综合评价

3.1 仿真计算

选择北京地铁5 号线大屯路东—北苑路北区间119#—120#简支T 梁桥进行测试及仿真计算。桥梁全长25 m，桥宽8.6 m，主梁为预应力混凝土简支T 梁，如图1(g)所示。车辆模型是由机车和若干辆客、货车组合而成的列车，每辆车又是由车厢体、转向架、轮对以及弹簧-阻尼器悬挂装置组成的多自由度振动系统。

通过对车辆模型、桥梁模型及其相互耦合关系的研究，得到车桥耦合振动系统的动力平衡微分方程为

式中，M、C、K、X 分别为质量矩阵、阻尼矩阵、刚度矩阵和位移向量，下标b、v 分别表示桥梁及车辆，Fvb、Fbv分别表示列车-桥梁系统间的相互作用力。

利用Midas 软件建立的桥梁模型如图7 所示，通过提取相关参数，根据Fortran 编写程序计算车桥耦合振动方程，得出车辆、桥梁的位移、加速度等动力响应，将计算所得桥梁竖向位移及实测位移绘成时程曲线，如图8 所示。

图7 桥梁模型Fig. 7 Bridge model

图8 桥梁竖向位移时程曲线Fig. 8 Time history of vertical displacement of a bridge

由时程曲线可见，桥梁竖向位移变化范围在0～5 mm之间，变化幅度为5 mm，相对于桥梁的跨径25 m仅为1/5 000，因此车辆活载不是影响桥梁监测指标的主要因素，也验证了实测数据分析结论的可靠性。

通过实测数据与仿真计算数据的对比，验证了实测数据的有效性及仿真模型的可靠性。由以上时程曲线可看出，实测数据与仿真计算数据的走势基本一致，峰值接近，实测跨中位移峰值为5.0 mm，仿真计算所得跨中位移极值为4.2 mm。分析误差产生的原因有：结构服役期间内，出现疲劳损伤，混凝土收缩徐变、预应力筋松弛等原因导致桥梁刚度比理论值偏小，从而使得实测跨中位移偏大。此外，桥址周围的公路交通车辆也会引起地面振动，使得实测结果偏大。

以上数据基本可以验证实测数据的有效性，以及仿真模型的可靠性。

3.2 动态阈值

北京地铁5 号线于2002 年12 月28 日开工建设，2007 年10 月7 日正式运营，目前处于服役初期，各监测指标、历年巡检结果均满足相关规范标准，表明桥梁健康状况良好。故2016—2019 年在该线路采集的数据均在桥梁健康状况比较良好的范围内，为期3 年的数据量足够大，且温度具有年回归周期性，可以避免偶然误差。鉴于现行规范标准没有动态阈值的相关规定，故参考均值控制图法，采用正常监测数据范围的置信区间作为各评价指标的动态阈值。

均值控制图原理是统计假设检验的图上作业法，在控制图上每描一个点就是做一次统计假设检验，并将假设检验以一种可视的形式表示出来。在图中，做出中心线(CL)、上控制线(UCL)、下控制线(LCL)和一系列的数据点列。中心线表示所有样本的均值位置，而上下控制线则是按照一定的置信度得到的置信区间。若监测数据点落在控制线之间，可认为数据点正常；相反，若落在控制线之外，则认为该数据点异常。

均值控制图法非常适用于地铁桥梁的实时监测，当监测数据连续多次超出置信区间时，可以做出桥梁损伤或出现异常的预警[14]。

根据以上分析可知，温度是影响桥梁各评价指标的主要因素，因此把以温度为自变量的回归方程作为各评价指标的动态阈值。由统计理论可知，置信度为100%的置信区间为(L-δ，L+δ)，即所有监测数据均在该区间内，若数据超出该区间，则表明桥梁可能出现不良病害，以此作为一级预警阈值；考虑到监测仪器误差及环境影响等不确定因素，将该区间适当放大为(L-1.2δ，L+1.2δ)，作为二级预警阈值。其中，L为拟合曲线，δ为同一温度下监测值与拟合值的最大差值的绝对值。

如图9 所示，以119#～120#梁(东3 腹板西)的梁体应力为例，拟合直线方程为

图9 应力动态阈值Fig. 9 Dynamic Threshold of Stress

一级预警上、下限分别为

二级预警上、下限分别为

3.3 综合评价

本部分主要依据《公路桥涵养护规范》(JTG H11—2004)[15]、《公路桥梁技术状况评定标准》(JTGT H21—2011)[16]以及《城市轨道交通运营监测与评价方法》，对桥梁整体健康状况做出评价，其具体评定方法主要是按照构件-部件-全桥的顺序，评分按式(6)～(9)进行评定。

3.3.1 构件评价

桥梁构件的技术状况评分计算如下：

式中，MCI 为某一构件的技术状况评分，DP 为该构件监测指标所在区间对应的扣分值，而扣分区间参照相应规范。

3.3.2 部件评价

包含多个同类构件的部件技术状况评分计算如下：

3.3.3 结构评价

结构(上部结构、下部结构、附属结构)的技术状况评分计算如下：

式中，CI 为结构技术状况评分，n为结构包含的构件种类数，Wi为第i类部件的权重(按规范标准取值)。

3.3.4 总体评价

桥梁总体技术状况评分计算如下：

式中，Dr为桥梁总技术状况评分，φi为结构所占权重，按表2 取值。

3.3.5 安全等级

借鉴文献[17]给出的桥梁评估指标分数值，将桥梁整体安全状况划分为5 类，如表3 所示。其中，1 类桥梁功能完好；2 类桥梁有轻微缺损，不影响桥梁使用；3 类桥梁有中等缺损，尚能维持正常使用；4 类桥梁主要构件有较大的缺损，严重影响桥梁使用；5 类桥梁主要构件严重缺损，不能正常使用，危及桥梁安全，桥梁处于危险状态。将上面得到的桥梁总体技术状况评分与表3 对照，即可评定桥梁健康状况等级。

表2 各结构权重分配Tab. 2 Re-allocation for each structure

表3 安全等级划分Tab. 3 Classification of security levels

以119#～120#简支T 梁桥为例，将9 月26 日监测数据导入监测系统，按上述流程处理，可得上部结构、下部结构、附属结构的评分，分别为87.3、90、90，将其代入式(9)，可得

对照表3，可知桥梁总技术状况评分Dr在80～95之间，故该桥梁健康状况属于2 类，如图10 所示。

图10 桥梁综合评价Fig. 10 Comprehensive evaluation of bridges

4 桥梁健康状况评价系统

目前，基于云计算的桥梁健康监测大数据分析均存在一定的局限性：只针对一个或几个工程，通用性较差，不利于推广普及；对实测数据利用不充分，不能发挥大数据价值；偏重于监测内容和技术，缺乏数据处理方法的研究及创新[18]。

本研究建立的桥梁状态评估系统主要包括单项评估和综合评估两部分。

1) 单项评估是对各项监测项目数据处理后与阈值比较：当超过阈值时系统会及时报警，并根据超限程度调用专家库系统，生成维修方案，以Word 形式输出；若未超阈值系统会对数据信息进行存储，并根据存储的信息分析今后某一段时间的数据趋势，以图线的形式输出，设计流程如图11 所示。

2) 综合评估是对桥梁整体进行实时评价：将各个监测项目数据进行预处理，剔除异常数据，通过与规范中的标度比较，将所得分数进行加权得出各部件分数，再加权得到最终分数及最终桥梁等级，从而分析整座桥梁是否处于安全运营状态，其设计流程如图12所示。

图11 单项评估流程Fig. 11 Single item evaluation

图12 综合评估流程Fig. 12 Comprehensive assessment

目前，该系统已基本完成开发并实现预期功能，其优点在于实时性强，单项评估体系随时监测桥梁的关键性控制指标，动态阈值及实时监测数据以不同颜色的动态曲线予以展示，生动直观，一旦出现超限情况会随时触发报警机制，便于管理方快速做出决策。综合评价体系从总体上评估桥梁的整体健康状况，评价结果以表格形式展示，表格中包含上部结构、下部结构、附属结构的各自得分以及桥梁综合评定等级；当桥梁出现问题时，可以通过查看各部分得分来快速定位到病变部位，采取针对性措施，以保证投入的维修加固费用在合适的地方，发挥最大的效益。

通过实时与长期监测、局部与整体评价相结合，既能保障桥梁的实时服役安全，又能反映桥梁的长期健康状况。部分数据不准确及其他问题需根据后期运营调试情况进一步完善调整，系统部分功能以119#～120#简支T 梁桥为例进行展示，如图13 所示。

图13 梁体应力实时监测Fig. 13 Real-time monitoring of stress of the beam

5 结语

通过对桥梁实测数据进行分析，得出结论：温度是影响各监测指标的主要因素，车辆荷载对其影响较小；利用仿真计算数据与实测数据进行对比，验证了实测数据的有效性及仿真模型的可靠性。利用仿真模型结合实测数据及相关规范标准，给出了各评价指标随温度动态变化的阈值及评价标准；在此基础上，提出了桥梁健康状况评价系统构架及实现流程，并实现了系统的开发与调试。