大数据微算法在桥梁工程智能监测中的研究应用

李勇 刘念琴 黄程宇 曹逻津 李敏 马立平 文剑波 刘秋红

摘 要：近年来，我国的社会经济和交通事业在不断快速发展，交通压力也变得越来越大，又随着时间的不断推移，目前存在诸多已建成完工的桥梁各方面性能也在不断下降，使得桥梁当初设计的承载力已经无法满足目前的需求，严重威胁到桥梁结构安全以及行车安全。为避免桥梁在使用期间出现安全问题，有必要对桥梁进行健康监测，并对监测数据进行分析研究，实时掌握桥梁运营情况，建立预警机制。

关键词：大数据;桥梁工程;智能监测;研究应用

桥梁作为现代公路交通系统中的关键节点，其健康情况会对公路的安全运营和服务水平等造成直接影响。如何对桥梁存在的病害隐患进行方便快捷的监测并进行科学的处理是桥梁检测与维护工作人员目前面临的一个重要难题。

一、大数据统计关联分析

在统计工作过程中取得，并能够对社会现象和国民经济进行真实反映的数字资料或是其他有关联性的资料就叫做数据统计。数据统计应用在桥梁领域内，需要科学合理的分类并汇总工程检测数据，从而得到在相同分类中的数据规律，比如对同一时期建成的桥梁中出现问题最多的部位进行统计。关联性分析也可被叫做关联挖掘，指的是在关系数据、交易数据等的载体当中，找寻存在于项目集合或对象集合之间的频繁模式、相关性或因果结构，这种分析技术比较简单，而且实用，主要目的是对大量数据之间的相关性进行挖掘，用来对同一个事物中部分属性在相同时间出现的规律进行描述[1]。比如利用大数据中的Apriori算法对桥梁工程监测数据进行分析，可以分为三步：（1）按照结构样式以及建设时间对系统里的所有桥梁数据进行分类。（2）在完成各种不同桥梁的监测数据分类后，再根据桥梁各个不同部件的所有病害类型进行统计分类处理。（3）关联和统计不同桥梁中相同部件的所有病害类型，并进行分析，从而发现部件的常见病害类型以及病害出现的频率。如图1，桥梁智能监测系统结构。

二、桥梁工程智能监测大数据中心的内容

1、智能监测系统自身产生的大量数据

健康监测系统对大桥关键结构的信息采集工作，是通过安装在桥梁上面传感器来完成，收集到大量数据后再进行数据的存储、传送及分析工作，同时将此类数据传输到数据中心，海量的实时数据最终得以产生。在目前的大数据环境中，实现数据的实时采集是进行数据分析处理的前提，将PB级别的数据处理时间缩短到秒是当前数据处理的目标，这也要求相应的数据处理工具和设备必须具备较高的性能及可扩展特性。

2、桥梁的各种资料数据信息

桥梁数据的重要组成部分主要包括桥梁的设计、定期检测、施工监控等资料，这部分数据信息可以储存在常规数据库中，可以归类为结构化数据。当前有比较多的数据分析工具和手段，属于传统数据分析，但也需要大数据分析软件来对其进行分析和对比。

3、社会数据信息

社会数据主要包括一些桥梁的设计、施工和运营等方面资料的出版书籍，这些书籍主要是由新闻报道工作者和桥梁科技专业人员来书写完成的，这些书籍中的相关有用信息可以被检索出来用于桥梁安全和健康情况的辅助判断[2]。半结构化数据和非结构化数据在社会数据中占比较大，要对这部分数据进行利用有很大的难度，也是当前研究人员关注的重点。数据挖掘算法和语义搜索引擎是大数据中对社会数据进行提取和搜索的两个主要工具。

三、大数据在桥梁工程智能监测中的作用

将大数据运用到传统信息资料库中，可以全面、高效的对桥梁建设的基本信息进行了解和掌握，为桥梁工程建设提供可靠的数据资料支持。对与桥梁建设相关的研究数据信息进行公开，也可以促进学术界之间的交流，推动建筑行业的发展和创新。在大数据库中包含着桥梁工程的重要监控数据，可以利用技术优势对其中的价值进行挖掘，有利于提升桥梁建设的施工品质，加快施工进度，施工工期缩短可以为企业节省部分成本。在大数据思维模式技术的支持下，还能对桥梁将来可能出现的问题进行准确预测，并及时采取应对措施。因此，大数据微算法应用在未来桥梁工程智能监测工作已成为必然趋势。

四、大数据微算法在桥梁工程智能监测中的应用

1、应用于系统误差处理工作中

在采集数据的过程中，系统误差是对同一个对象进行重复测量时，得出数据的误差值大小和符号均无发生变化，或者是跟随条件的变化而有规律发生改变的误差。通过对观测值的正态分布特征性进行分析，可以看出比较大的偏差出现的可能性较低。如果观测值数量比较少，误差依据小概率原理分析，正常情况下出现的可能性较小，一旦出现则说明异常值一定存在。在桥梁工程智能监测数据当中，数据既不能通过试验再现也不具备重复性，因此只能对数据从理论方面进行推导，即使用数据分析方法来对系统误差进行分析。数据分析法主要包扩残余误差观察法、秩和检验法以及计算数据比较法等，系统是否存在误差可通过此类方法来进行判别[3]。如果系统误差确实存在，可对周围环境和监测仪器进行检查，并对其他干扰因素进行排除。

2、应用于噪音消除工作中

由于外界多种因素的干扰，采集到的数据会出现一定程度失真的情况，要想接收准确有效的数据信息则必须对采集的数据进行滤波处理。为确保数据信息的真实性，可以利用数据平滑滤波法来以此消除噪声，低通滤波、中值滤波、移动平均滤波等都是比较常用到的方法[4]。其中每一种滤波方法对噪声都具有一定程度上的消除作用，在实际的应用过程中需根据工程的不同情况进行科学的选择。

3、应用于数据分析工作中

在对数据完成处理后，接下来的桥梁评判工作方可对数据进行应用。数据的相关性分析、关联分析以及趋势分析工作可以从数据挖掘的角度来进行。相关分析是进行监测数据之间存在的某种联系的分析工作，在目前的技术条件下，我们能够明确它们之间存在一定联系性就已具有很大意义，但很难做到了解和定义它们之间的关系;桥梁各种参数之间的内在联系就是关联分析，目前我国通过对监测的数据进行大量分析研究工作，得知了桥梁数据中的裂缝宽度、温度、支座变形程度以及伸缩缝位移等因素之间存在一定程度上的关联;趋势分析是在海量数据信息的基础上，通过不断的整理数据从而发现趋势线，对桥梁健康状况的发展趋势就可以通过发现的趋势线来进行分析和估计。

結语

我国的桥梁工程智能监测系统起步较晚，目前还是属于一种新的技术，通过它产生的海量数据暂无一个完全科学有效的处理方法。此外，大数据分析技术也是近年来发展起来的新型技术，对于大数据在桥梁工程智能监测中的应用前景非常广阔。大数据分析技术能够实现海量数据的有效利用，并对数据之间的关联性进行挖掘，为桥梁的养护维修工作提供了依据，有利于提高我国的桥梁监测水平和效率。

参考文献

[1] 李莉，刘昱含.大数据算法与分析技术国家工程实验室：推进人工智能与大数据的实质应用[J].科学新闻，2018，554（12）：34-36.