針對網級評估的區域橋梁信息集成與數據挖掘

夏 燁, 雷曉鳴, 王 鵬, 劉國明, 孫利民

(1. 同濟大學 土木工程學院，上海 200092；2. 上海臨港經濟發展(集團)有限公司，上海 201306；3. 河北省交通規劃設計院，石家莊 050011；4. 土木工程防災國家重點實驗室(同濟大學)，上海 200092)

橋梁定期常規檢測是橋梁技術評定有效依據，也是橋梁狀態較為直接和完整的記錄，重點橋梁的監測對區域橋梁狀態信息予以補充. 現有的橋梁評價體系本質上為“一橋一檔”單體評估方法，從單體橋梁獲取的數據，僅能有限用于該橋梁的評價和改善. 一方面，極大浪費了數據的潛在規律和價值；另一方面，繁復的工作增加了橋梁管理的難度和成本. 從區域路網的角度來看，區域內分布的眾多橋梁是一個彼此聯系的群體，若能對多年累積的區域橋梁群海量信息實現集成與規整，形成路網橋梁數據庫，將明顯提升管理工作的效率，并有助于發現數據中隱藏的模式[1-2].

近年來，區域橋梁的管理與信息利用吸引了國內外學者的關注，通常既有橋梁的管理可以劃分為項目級和網絡級(本文稱“單體和網級”)兩個層次. 面對中小跨徑橋梁龐大的基數，若僅依靠單體管理模式，即將不同的橋梁視為單獨的個體，對檢測、監測等方式獲得的結論進行“點對點”的應用，顯然會事倍功半[3]. 考慮該橋梁群體的共性特征和路網相關性，開展網級層次的評估和管理是必要的. 事實上，目前國內外已存在針對廣泛橋梁群體的信息化管理手段，即橋梁管理系統(BMS). 該系統源于美國聯邦高速公路局(FHWA)在1968年開發的NBI數據庫(National Bridge Inventory)[4]，當時僅具有數據管理功能. 隨著不斷增加的管養需求和有限的資金之間的矛盾日益凸顯，研究者在NBI的基礎上又添加了評價、預測、分析、決策等功能形成了BMS. 現有的典型BMS例如美國的PONTIS和BRIDGIT[5]. 前者是運行最久、用戶最多的網級管理系統，而后者的主要功能與之接近，相當于對應的單體管理版本. 類似地，還有英國的NATS[6]、日本的J-BMS[7]、丹麥的DANBRO[8]等；中國在這方面起步稍晚，主要應用有中國公路橋梁管理系統(CBMS)、上海市橋梁管理系統等.

BMS的出現有效地提高了橋梁管理水平，但其具體功能尚不完善，在實際運用中仍有較多不足. 具體而言：1)現有BMS都是基于檢測信息的，未實現監測信息的集成和利用，導致數據樣本不夠全面和可靠；2)采用的橋梁退化模型存在較明顯的局限性，其評估和預測效果并不理想；3)決策輔助功能較為簡單，有待進一步優化和改進.

橋梁退化的模式識別是BMS將橋梁路網原始數據轉化為領域知識的必要工具，亦是實現網級評估的關鍵[9]. 文獻[10]將其定義為“結構狀態與一系列自變量之間的聯系”. 主要存在兩種實現方式：一種是基于結構退化的歷史數據來預測將來的行為及狀態；另一種則試圖通過研究影響結構退化的各種時變因素(鋼筋銹蝕、氯離子侵入等)，預測結構的退化規律. 本文主要利用前者思想，挖掘區域橋梁信息，尋找結構退化模式. 應用數據的統計與分析，可以有效地得到橋梁退化的影響因子和結構狀態關系模型. 該模型在對大規模路網的預測與評估上具有出色的效率.

目前，對于區域內橋梁群的多源信息，尚無研究闡明信息的存在形式和獲取方式、集成規則及數據結構. 現有的BMS僅對檢測信息進行存儲和管理，未實現對監測信息的良好協同. 若考慮到網級評估的需要，則還有較多細節需要改進.

本文首先對單體橋梁的多源信息及綜合評價方法進行了討論. 其次，考慮區域內橋梁原始資料的存在形式及后續研究分析的需求，提出了路網橋梁數據庫的集成規則和數據結構. 最后，以河北省部分交通路網為例，建立數據庫并進行了特征參數的研究和挖掘，為區域內的橋梁網級評估和結論演繹奠定基礎.

1 單體橋梁狀態評估

1.1 橋梁狀態信息源

盡管近年來橋梁健康監測系統的布置數量有所增加，但通常布置于重點橋梁之上. 對于監測系統在路網上的大量普及，其建設成本和周期仍制約著區域性應用.

檢測作為管養部門的主要手段，能夠廣泛地、定期地獲取區域內各橋梁在運營中的結構變化信息. 在中國現行的橋梁管理制度中，根據《公路橋梁技術狀況評定標準》[11]，檢測信息主要有以下兩類：1)由檢查直接獲取的關于各構件的病害描述和標度；2)由分層加權間接導出的構件(如一片梁，一個橋墩等)、部件(如梁、橋墩、支座、伸縮縫等)、部位(上部結構、下部結構、橋面系)及總體(整體結構)的技術狀況評分. 按其總體評分橋梁可劃分為一至五類. 管理者將根據橋梁整體及其構件的評定情況制定區域橋梁維修管養計劃.

綜上，對于區域交通網絡中的大量橋梁，應利用其長年運營養護期累計的豐富檢測數據和現有的評估方式，考慮區域環境氣候變化和交通荷載變化，結合區域各單體橋梁的基本屬性等信息，挖掘區域橋梁技術狀態與各屬性之間的相關性聯系. 借助區域內布設有監測系統的重點橋梁，還可獲取此類橋梁的精細化時空狀態信息，以輔助判斷此類橋梁的技術狀態. 由此建立的基于多源信息的區域橋梁技術狀態退化模型和評估體系可以對區域橋梁的管養決策形成有效反饋.

1.2 橋梁狀態綜合評估

目前，橋梁的綜合評估主要分為兩種模式[12]. 第1種采用層次分析、模糊數學等方法對橋梁狀態進行評估，并建立考慮結構安全性、使用性和耐久性的評估模型. 文獻[13]以系桿拱橋為背景，在層次分析法中引入變權理論，提出了由指標層、準則層、目標層組成的多級指標體系，完善了系桿拱橋的綜合評估方法. 文獻[14-15]根據現行規范和實際需求，分別使用層次分析和模糊理論建立了斜拉橋的綜合評估模型. 此種模型還可以一定程度上融合監測數據，較適用于大跨度或復雜橋梁. 然而，不同橋型適用的綜合評估體系不一，彼此間難以確立統一標準，限制了歷史數據和共性數據的繼承和轉化，不利于在區域級路網的普及.

第2種可稱為并行評估模式，即并行保留基于檢測和基于監測的評估體系，使其成為橋梁的兩個評判維度. 文獻[16]提出了結構的檢測性能指標(condition index)和監測性能指標(safety index)，結合二者對橋梁的退化進行了評估. 此模式在延續現有檢測評估制度的同時利用監測數據對其進行了適當的補充和完善，兼顧了區域橋梁群和重點橋梁的評估需求，突出了檢測信息和監測信息各自的特點，有益于實現從單體向網級評估的拓展.

因此，本文按并行評估模式開展后續的橋梁信息集成工作. 當區域內重點橋梁安裝有監測系統時，同時保留基于檢測和基于監測的評估體系，將單體橋梁的監測評估作為區域檢測評估的一種補充和完善. 當沒有監測信息時，由于從單橋獲得信息量很少，難以挖掘出特定的退化模式，利用區域橋梁群的數量優勢和單體之間必然存在的相關性，可以從區域總體層面獲得較穩定的退化模式.

2 區域橋梁群信息集成

區域內海量橋梁狀態數據的集成和處理，是數據挖掘和模式識別的首要步驟. 橋梁群檢測數據預處理的好壞也直接影響橋梁退化模式識別的精度，本章將從信息集成技術角度對海量檢測數據進行集成、分類和清洗，從而建立路網數據庫，為后續模式識別提供有效的數據支撐.

2.1 橋梁群信息集成特征

用于網級評估的橋梁群信息來源與集成有其固有特征：1)多層次分解. 橋梁乃至路網均由多種子結構組成的復雜體系. 數據庫應實現對路網按路線—橋梁—構件的多層次分解和追溯，保證不同層次間的檢索可行性，為網級評估提供數據邏輯基礎. 2)相互作用. 橋梁各構件的退化相互影響，例如，橋面開裂會加速主梁退化；受損支座亦會引發橋面損傷. 因此，數據庫應提供各構件的相互作用，以揭示結構性能與狀態的變化的內在聯系. 3)通用性與拓展性. 數據庫應在滿足當前分析的條件下，保證其后續拓展和更新的能力，可適應對新數據的補充或新分析方法的融合. 4)時變數據的表達. 常見的橋梁數據可分為靜態數據(如跨徑、材料等)，和時變動態數據(如橋齡、交通量等). 動態數據通常和結構特性變化相關. 因此，數據庫應支持動態表達，以揭示數據時空關系.

2.2 數據來源

檢測信息是承載區域內橋梁數據的絕對主體. 而檢測報告是該信息最直接、相對最完整的歷史資料，通常以技術狀況評定表的形式存檔. 典型的評定表由3部分組成：1)橋梁基本參數，主要字段有所屬路段、橋位樁號、橋長、主跨結構、跨徑組合、建成年月、檢查日期等；2)各組成部位，即上部結構、下部結構、橋面系及對應的評級；3)橋梁總體評級和管養情況. 以上數據表征了橋梁的結構特征、服役年限、區位分布、環境作用、狀態評價等關鍵信息，對于把握被測結構的退化過程具有重要意義. 監測信息可作為補充，獲取區域重點橋梁的精細化時空狀態信息.

同時，交通路網承擔著通行及運載的功能. 從服役期橋梁受力角度來看，交通荷載也是其最主要的外部作用. 鑒于評定表中未記錄被測橋梁所處路段的交通流信息，需引入其他數據源. 采集公路沿線各交調站記錄的路段年平均日交通量數據，選取機動車自然當量，用于表征被測橋梁的交通流平均效應；或可結合動態稱重系統或視頻監測，獲取主干道車流信息. 特別地，車輛分類統計中，重型車輛的數量和比例對結構的影響更為明顯，需額外關注.

此外，橋梁的設計施工圖紙可補充和校核數據庫中橋梁的基本信息，如結構設計參數、公路等級、車道數量等.

2.3 多源數據邏輯表達

對于上述集成的多源數據，應采用“屬性”的形式進行存儲和表達. 屬性由屬性名和屬性值組成，前者指定某個具體特征，后者為該特征的相關數據. 不同屬性可能有不同的數據格式，例如數值型、序數型、標稱型等. 其中，數值型最為直觀，可進行定量比較. 其他格式均是定性表達，序數型雖同樣具有比較意義，但相繼值之間的差卻難以明確量化；標稱型，即與名稱相關的屬性，僅用于表征類別. 針對路網數據庫，典型屬性及其格式定義如下：

1)地區、路線編碼、橋梁編碼、構件編碼、橋梁樁號，均為標稱型屬性，表示橋梁對象的空間分布. 地區宜根據路網的具體情況，結合地理位置、溫濕度分布等進行劃分.

2)建成年月、檢查日期、橋齡，均為數值型屬性，表示橋梁的時間信息. 橋齡由檢測日期和建成年月相減導出.

3)橋型、橋長、最大跨徑、截面尺寸、配筋率，其中橋型為標稱型屬性，其他均為數值型，表示橋梁對象的結構特征.

4)年平均日交通量(ADT)、年平均日重車量(ADTT)，均為數值型屬性，表示橋梁承載交通流情況. 前者采用機動車合計自然數，后者采用大型貨車、大客車的數量之和.

5)公路等級、設計荷載、路基寬度、車道數，其中公路等級和設計荷載為序數屬性，其他均為數值型屬性，表示橋梁的通行能力.

6)總體評分、總體評級、上部評級、下部評級、橋面評級等各部件技術狀況等級中，總體評分為數值型屬性，其他均為序數型，表示橋梁的結構狀態.

其中，大部分屬性為靜態的，但檢測日期、橋齡、ADT、ADTT，結構評級、評分等為動態數據. 這些動態數據是與時間跨度等維的鍵值對，每個鍵代表對應的時間坐標，鍵值為該坐標下的屬性取值，且需按各自格式存儲. 如對于“建成年份=2015”的橋梁，有“橋齡={2016: 1, 2017: 2}”及“總體評分={2016:99, 2017:98}”.

2.4 數據集成與清洗

區域內不同層次信息的具體組織形式和數據結構各有特點. 參考面向對象的程序思想，引入“類”與“實例”的概念，類是對具體事物的抽象，表達一種特定概念. 在區域級的橋梁路網中，類涉及3種級別，分別為構件類、橋梁類和路線類. 不同級別之間存在隸屬關系，如：路線類包含橋梁類，橋梁類包含眾多構件類. 各類之間可通過類名區分，如“主梁”類和“支座”類，其存儲不同信息. 前文定義的屬性按其適用對象和范圍在上述類中有序集成，得到各構件、橋梁、路線對應的模板. 相應地，實例是事物在數據庫中的載體，可根據類指定的模板創建路網中存在的實例，即構件實例、橋梁實例及路線實例，并按實體的特征和性質填充屬性數據. 例如，橋A與橋B均基于“梁橋”類別創建，但兩者是相互獨立的橋梁實例，前者橋長屬性值為15 m，后者為30 m. 圖1對上述數據集成規則進行了總結.

圖1 數據集成規則和結構

然而，集成的結果不能直接用于后續分析和處理，主要是由各數據源的原始數據質量差異導致，具體為：1)紙質資料，保存時間有限，存在丟失、污損等現象，影響數據的連續性和準確性；2)電子資料，受制于管理水平和執行，導致格式、標準難以統一；3)資料錄入時難免出錯，易存在信息缺失或不一致的問題. 因此，有必要對集成數據進行清洗，以便消除噪點便于后期模式識別. 例如，利用不同數據源中的同一信息進行交叉驗證；或校正數據隨時間推移的動、靜態數據的異常變化. 常用的清洗操作有刪除法、均值填充法、眾數填充法等，需視具體情況而定. 完整的路網數據庫流程如圖2所示.

圖2 路網數據庫流程圖

有些時候，用戶需導出指定年份下區域橋梁路網數據，以便進一步考察其特征. 為此，定義數據庫的“切片”操作，即對各實例的動態數據按給定的時間坐標進行截取，而靜態數據保留，導出的結果即為數據庫在該年的切片. 對某路網按2018年切片后可生成表1的數據.

表1 某橋梁路網導出數據示例

3 區域橋梁數據挖掘及應用

本文收集了河北省內若干主線高速公路2011—2018年的6 707座橋梁的檢測報告、設計圖紙、維修記錄等，經清洗和集成，形成路網數據庫案例. 選取數據庫中典型字段，采用統計方法進行數據挖掘，以評估區域橋梁特征，并從中提煉區域橋梁群的共性和退化模式，為網級評估工作提供指導.

3.1 路網變量特征

河北省地處華北平原，是中國唯一兼有高原、山地、丘陵、平原、湖泊和海濱的省份. 考慮到該省空間跨度大且地貌復雜，按其氣候特征進一步劃分子區域. 參考2010年氣象觀測數據[17]，如圖3所示. 全省年平均氣溫呈現南高北低的分布特點；而年降雨量分布表現為東南多西北少的特點. 據此，將河北省劃分為3個地區，如圖4所示. 各區域內的公路及橋梁數量參見表2.

(a)年平均溫度

(b)年降水量

根據圖4及表2可知，不同區域的橋梁分布在時空上并不均勻. 主要原因為河北省地形地貌的復雜性，以及有限的數據源. 其中，區域3內交通路網最為密集，有效記錄最完備，時間區間也最完整，單一年份數據最多可達2 086條. 對于區域1和區域2，則在時間連續性上稍有欠缺. 同時，這兩區域的記錄數量也比區域3少. 但是，上述數據分布特征并不會對本節的分析和研究造成顯著影響.

圖4 基于氣候特征的河北省子區域劃分

表2 路網數據庫案例概覽

圖5為區域橋梁群建成年份統計，可看出2014年為集中建設的分水嶺，2014年以前為省內高速公路集中建設期，之后新增橋梁速度開始減緩，表明主干路網逐漸進入運營和維護階段. 各地區橋型構成見表3. 板梁橋在路網中占絕對主體地位，各區域占比均明顯超過60%；箱梁橋其次，占比在20%左右；T梁橋再次；僅區域1的T梁橋數目明顯增加，且超過同區的箱梁橋數. 而其他形式橋型(多為拱式橋、剛構橋)，在各地區所占比例極小.

圖5 區域橋梁群建成年份統計

表3 區域橋梁群橋型比例

區域內橋長分布參見表4. 鑒于近97%的橋長(L)都處于[0 m,500 m]，在此僅對該區間中的橋梁進行展示. 各區域內超過半數的橋梁橋長均位于[0 m,30 m]；而隨橋長的增加，對應區間的橋梁數量銳減. 結合表5所示的橋梁最大跨徑分布，可見98%以上的橋梁結構的最大跨徑(l)都在50 m以下，并顯著集中在[5 m,15 m]，這更有力地說明了中小跨徑橋梁在河北省干線路網內的廣泛分布，考慮到各橋型的適用跨徑，此結論亦與表4的分析結果相符.

表4 區域橋梁群橋長分布比例

表5 區域橋梁群最大跨徑分布比例

3.2 時空分布特征及演變規律

以2015年的數據記錄切片為例，研究橋梁總體評分在區域內的分布規律，如圖6所示. 根據《公路橋梁技術狀況評定標準》[11]，評分高于95為一類橋，未達到95但高于80的為二類橋，再次之的分別為三、四、五類橋. 在案例主線路網橋梁的2 947條記錄中，未出現評分低于80的橋梁，即結構保持完好或輕微缺損，屬一、二類橋，不存在損傷較大的三至五類橋. 這一現象歸因于道路管理的要求和長年維修養護的成果. 結合4條密度曲線，雖然區域1內樣本數量相對較少，其密度曲線波動略大，但整體趨勢仍與其他地區及總體吻合；各區域統計結果均表現為右偏分布，即向高評分區集中，可見目前全省干線路網橋梁尚處于較健康狀態；但對評分低的少數樣本，考慮到其正在或即將退化為三類橋梁，仍具有不可忽視的重要性.

進一步考察橋梁各部件評級，如圖7所示，則可得到相似結論，即大多數上部結構、下部結構和橋面系保持在一類、二類狀態，僅有少數劣化為三類，而四類、五類部件沒有出現. 特別地，橋面系相比上部結構和下部結構，其退化程度較為顯著，主要原因為橋面系直接承受車輪作用，且暴露在不利環境影響下的可能性更大，故破損速度更快，評級略低.

圖7 2015年區域橋梁群部件技術狀況評級

本文采用均值擬合方法得到了區域橋梁總體技術狀態的時變函數. 圖8(a)為各地區內的橋梁總體評分均值與橋齡的線性擬合結果，橫軸(x)為橋齡，縱軸(y)為總體或部件技術狀況評分. 其中，區域2的對應數據與理論直線吻合得很好；區域3中存在部分點離群現象，主要集中于橋齡在12 a以上的橋梁. 這類橋梁的評分均值呈上偏趨勢，原因為運營期中接受了橋梁維護與修繕. 若從原始數據中刪去此類離群點，則亦可獲取區域擬合直線. 對比不同區域的擬合結果，區域2和區域3高度接近，幾乎平行；而區域1的總體趨勢相對前兩者有較大偏離，表現為初始評分稍低，退化速率較慢. 若在全區域范圍內統一進行研究，則全區域退化直線位于圖8(a)的3條直線之間，如圖8(b)所示，但離群點仍然存在.

(a)各區域

(b)全區域

類似地，可以獲取上部評級、下部評級、橋面評級時的變信息量化挖掘，如圖9所示. 雖然部件評級為離散分布形式，但轉化為連續變量擬合仍可顯示出各類部件的趨勢變化. 對于上部結構，各地區內的退化模式較為接近；下部結構則有所地區差異，區域3的退化速率最快，區域1的最慢；橋面系的地區差異介于前兩者之間. 從全省范圍來看，橋面系最容易發生損傷和劣化，而上部結構和下部結構的變化規律相對接近. 表6對橋梁總體及其各部位的擬合結果進行了總結.

(a)橋齡-上部結構評分線性擬合(分區域) (b)橋齡-下部結構評分線性擬合(分區域) (c)橋齡-橋面評分線性擬合(分區域)

(d)橋齡-上部結構評分線性擬合(總區域) (e)橋齡-下部結構評分線性擬合(總區域) (f)橋齡-橋面評分線性擬合(總區域)

表6 擬合結果匯總

3.3 變量組合相關性分析

上一小節中，本文對區域橋梁群整體結構及其部件技術狀況的時空分布特性和規律進行了初步的探索，得到了相應評分或評級在平均意義上關于橋齡的回歸方程. 然而，表6僅適用于對指定橋梁路網的總體狀態及退化趨勢進行宏觀評價；且隨著橋齡的增加，總體評分和部位評級的實測值開始出現明顯的偏離. 此外，按區域和按全省的分析結果亦略有出入，后者更為廣泛和粗略，而前者在表征路網狀況和特征時更具有針對性. 有理由認為，若設定多個分類或約束條件，將原始數據劃分為不同的獨立子集，例如[地區：區域1；橋長：0～20 m；主跨結構：空心板]、[地區：區域2；橋長：20～40 m；主跨結構：箱梁]等，則可對該子集中的數據實現更精確的建模. 事實上，上述過程存在一個隱式的假定，即路網數據庫中的不同屬性對評分(評級)的變化具有獨特的貢獻. 更一般地，考慮地區、ADT、ADTT、橋齡、橋長、主跨結構、最大跨徑、上部評級、下部評級、橋面評級、總體評分組成的變量集合，依次對集合內變量進行兩兩組合并計算其相關性，生成Pearson相關系數矩陣，見表7.

相關性系數絕對值越大，表明對應的變量對相關性越強[18]. 表7中顯示，大部分系數絕對值均處于0.3以下. 對于總體評分，與之相關程度最高的依次為下部評級、上部評級及橋面評級，顯然，這與橋梁檢測評定中采用的加權評估方法是相符的；其次為ADT，系數值為-0.237，即隨著ADT的增加會引起總體評分的降低. 并且，橋面評級受ADT的作用更為顯著，系數值接近-0.3，這與橋面直接受到車輛荷載作用是相符的. 此外，跨徑、橋型、橋長亦對橋面評級存在一定的影響，上部評級、下部評級與之類似. 特別地，對于下部評級，橋長這一因素可以忽略不計. 若比對各組成部位間的相關性，則以[上部評級，橋面評級]較為明顯. 對于其他變量，亦存在若干相關性較強的變量對，例如[ADT，ADTT]、[橋長，跨徑]等，也均符合變量間的固有聯系.

表7 Pearson相關系數匯總

綜上，相關性分析揭示了各變量與部件及總體技術狀況間的依存關系，也反應了路網數據庫的內在模式和規律. 但大部分系數的絕對值均處于低水平，即弱相關關系，原因有二：1)相關性的表達受到了噪聲的明顯抑制；2)Pearson系數的本質在于線性關系的識別和量化，變量間的非線性相關會導致較低的Pearson值.

4 結 論

1)針對橋梁網級評估，研究了多源信息集成的系統方法，對多關鍵參數進行了相關性分析和挖掘，探求路網內橋梁群的共性特征和退化規律，建立了適用的網級評估理論.

2)提出了針對網級評估的多源信息集成的系統方法，將描述路網特征的檢測信息、監測信息、交通量觀測、設計施工圖紙等多源數據以“路線—橋梁—構件”的邏輯形式整合構建路網數據庫，突破了眾多單體橋梁之間的管理壁壘，發揮了海量數據的潛在價值. .

3)通過對河北省主干路網部分橋齡的統計分析，揭示了橋梁總體和部件技術狀況在區域層面的內在規律. 由于得到的總區域和分區域的退化模型，依環境和交通狀況等地區特征差別呈現合理的相關性和退化趨勢，分析中創新性地考慮了橋梁維護與修繕對評分的影響.

4)相關性分析量化了路網特征變量對總體和部件技術狀況的影響. 交通量、橋齡與橋梁總體評分以及橋面系評分的相關性較大，橋長對上部結構，及橋型/跨徑對下部結構/橋面系影響較大，該方法有助于橋梁管養者制定針對不同部件的目標橋梁維修策略，未來可借助更強的非線性數據分析方法，進一步加深對橋梁路網的認知.