摘要 合理評(píng)估橋梁技術(shù)狀況，并對(duì)橋梁技術(shù)狀況進(jìn)行準(zhǔn)確預(yù)測(cè)，確定科學(xué)、經(jīng)濟(jì)、可持續(xù)的養(yǎng)護(hù)決策是當(dāng)前亟待解決的問(wèn)題。該文綜述了橋梁技術(shù)狀況評(píng)估、預(yù)測(cè)和養(yǎng)護(hù)決策的研究成果，指出橋梁技術(shù)狀況預(yù)測(cè)和養(yǎng)護(hù)決策研究的發(fā)展趨勢(shì)，為實(shí)現(xiàn)高效、科學(xué)的橋梁運(yùn)營(yíng)管理提供參考。

關(guān)鍵詞 橋梁工程；技術(shù)狀況評(píng)估；技術(shù)狀況預(yù)測(cè)；養(yǎng)護(hù)決策

中圖分類號(hào) U447 文獻(xiàn)標(biāo)識(shí)碼 A 文章編號(hào) 2096-8949（2024）19-0167-04

0 引言

隨著公路橋梁運(yùn)營(yíng)時(shí)間增加，其材料老化、技術(shù)狀況逐漸劣化的情況不可避免。近年來(lái)，各國(guó)學(xué)者針對(duì)橋梁養(yǎng)護(hù)科學(xué)決策進(jìn)行了大量研究，此類研究通常以橋梁預(yù)測(cè)為開(kāi)始基礎(chǔ)，如何合理評(píng)定橋梁技術(shù)狀況并對(duì)其準(zhǔn)確預(yù)測(cè)，確定科學(xué)、經(jīng)濟(jì)、可持續(xù)的養(yǎng)護(hù)決策，最大限度地確保橋梁的安全和耐久性水平是當(dāng)下所面臨的問(wèn)題。

1 橋梁技術(shù)狀況評(píng)估

橋梁技術(shù)狀況評(píng)估是指對(duì)橋梁的結(jié)構(gòu)性能、安全性和耐久性進(jìn)行全面評(píng)價(jià)的過(guò)程，包括對(duì)橋梁使用的材料和結(jié)構(gòu)特性的分析、對(duì)橋梁荷載狀況和工作環(huán)境因素的分析以及對(duì)橋梁歷史和現(xiàn)狀的分析等[1]。

1.1 基于標(biāo)準(zhǔn)和規(guī)范的評(píng)估方法研究

基于標(biāo)準(zhǔn)和規(guī)范的評(píng)估方法是采用現(xiàn)行標(biāo)準(zhǔn)和規(guī)范對(duì)橋梁各部件及總體的技術(shù)狀況進(jìn)行評(píng)定。

《公路橋梁技術(shù)狀況評(píng)定標(biāo)準(zhǔn)》（JTG/T H21—2011）中采用分級(jí)綜合評(píng)價(jià)與單項(xiàng)控制指標(biāo)相結(jié)合的方法[2]，橋梁技術(shù)狀況評(píng)定框架如圖1所示。

基于《公路橋梁技術(shù)狀況評(píng)定標(biāo)準(zhǔn)》（JTG/T H21—2011）[2]，《公路橋涵養(yǎng)護(hù)規(guī)范》（JTG 5120—2021）[3]取消了原規(guī)范中一般評(píng)定的相關(guān)內(nèi)容，保留1～5類橋梁的等級(jí)劃分和狀態(tài)描述，并針對(duì)1類橋梁增加預(yù)防養(yǎng)護(hù)對(duì)策，在適應(yīng)性評(píng)定方面，通常按照整條線路統(tǒng)一安排進(jìn)行。

1.2 基于層次分析法的評(píng)估方法研究

層次分析法是綜合定性和定量方法的多目標(biāo)分析方法。內(nèi)容包括使用多個(gè)級(jí)別因素將復(fù)雜問(wèn)題分解，根據(jù)指標(biāo)的重要程度建立判斷矩陣并計(jì)算矩陣的特征值和特征向量，確定不同解的重要性權(quán)重，基于層次分析法評(píng)估方法一般流程如圖2所示[4]。

郭大進(jìn)等[5]提出了一種基于層次分析法的改進(jìn)橋梁評(píng)價(jià)模型，利用最優(yōu)傳遞矩陣法改進(jìn)傳統(tǒng)層次分析法來(lái)確定評(píng)價(jià)指標(biāo)的相對(duì)權(quán)重。文良華等[6]探討了一種基于分層分級(jí)的鐵路橋梁技術(shù)狀況評(píng)估方法，從構(gòu)件單元出發(fā)，逐級(jí)進(jìn)行部件、結(jié)構(gòu)部位和全橋的技術(shù)狀況評(píng)定。

1.3 基于機(jī)器學(xué)習(xí)的評(píng)估方法研究

機(jī)器學(xué)習(xí)是計(jì)算機(jī)科學(xué)和統(tǒng)計(jì)學(xué)的融合，涉及分析統(tǒng)計(jì)數(shù)據(jù)以構(gòu)建通過(guò)經(jīng)驗(yàn)自動(dòng)迭代的計(jì)算機(jī)模型，是當(dāng)今發(fā)展最快的技術(shù)領(lǐng)域之一，也是人工智能和數(shù)據(jù)科學(xué)的核心。喬朋等[7]利用多種機(jī)器學(xué)習(xí)方法進(jìn)行橋梁技術(shù)狀況評(píng)估與預(yù)測(cè)，應(yīng)用決策樹(shù)、支持向量機(jī)、隨機(jī)森林以及兩種集成算法構(gòu)建了多個(gè)評(píng)估模型。沈林白等[8]使用高效的神經(jīng)網(wǎng)絡(luò)算法，建立橋墩地震動(dòng)力響應(yīng)與損傷程度之間的關(guān)系模型。

1.4 基于監(jiān)測(cè)數(shù)據(jù)的評(píng)估方法研究

基于監(jiān)測(cè)數(shù)據(jù)的橋梁評(píng)估方法主要是指利用各種傳感器收集的橋梁結(jié)構(gòu)的各種數(shù)據(jù)，通過(guò)數(shù)據(jù)分析和機(jī)器學(xué)習(xí)技術(shù)來(lái)評(píng)估橋梁的健康狀況和使用性能。Wedel等[9]通過(guò)分析德國(guó)高速鐵路線上兩座橋梁的監(jiān)測(cè)數(shù)據(jù)，研究了空氣溫度、太陽(yáng)輻射和降水量與橋梁溫度之間的關(guān)系，從而實(shí)現(xiàn)傳感器故障檢測(cè)和結(jié)構(gòu)狀態(tài)評(píng)估。

1.5 評(píng)估方法分析

基于標(biāo)準(zhǔn)和規(guī)范評(píng)估方法綜合考慮了多種變量，平衡了安全與經(jīng)濟(jì)，然而也可能過(guò)于保守，面臨著標(biāo)準(zhǔn)化與適應(yīng)性挑戰(zhàn)。基于層次分析法的評(píng)估方法提供了一種系統(tǒng)化的決策方法，能夠處理復(fù)雜的多準(zhǔn)則決策問(wèn)題，但層次分析法依賴于專家的經(jīng)驗(yàn)和判斷，可能導(dǎo)致評(píng)估結(jié)果受到主觀因素的影響?，F(xiàn)階段基于機(jī)器學(xué)習(xí)的評(píng)估方法自動(dòng)化程度高，然而其實(shí)際應(yīng)用難度大，僅通過(guò)監(jiān)測(cè)數(shù)據(jù)實(shí)現(xiàn)橋梁損傷診斷仍具有不確定性，橋梁結(jié)構(gòu)的綜合性能尚無(wú)法基于監(jiān)測(cè)數(shù)據(jù)的評(píng)估結(jié)果完全反映。

2 橋梁技術(shù)狀況預(yù)測(cè)

橋梁技術(shù)狀況預(yù)測(cè)是基于合理假設(shè)，通過(guò)計(jì)算機(jī)或數(shù)理統(tǒng)計(jì)方法分析橋梁檢查或評(píng)定數(shù)據(jù)以探求橋梁技術(shù)狀況變化趨勢(shì)的方法。預(yù)測(cè)的準(zhǔn)確性往往取決于數(shù)據(jù)的體量和可靠程度，在承載能力與可靠性評(píng)估基礎(chǔ)上預(yù)測(cè)橋梁剩余壽命是當(dāng)前橋梁技術(shù)狀況預(yù)測(cè)的主要研究?jī)?nèi)容。

2.1 統(tǒng)計(jì)回歸預(yù)測(cè)

統(tǒng)計(jì)回歸分析預(yù)測(cè)模型即使在沒(méi)有精確的函數(shù)表達(dá)式的情況下也表現(xiàn)出逼近變量之間函數(shù)關(guān)系的特征，橋梁不同部件受到獨(dú)特的環(huán)境和退化模式的影響，每個(gè)部件的技術(shù)狀況可以利用歷史檢查和評(píng)估數(shù)據(jù)通過(guò)回歸函數(shù)來(lái)描述，使用統(tǒng)計(jì)回歸分析預(yù)測(cè)模型、預(yù)測(cè)組件后續(xù)狀況和橋梁整體技術(shù)狀況的基礎(chǔ)。孫廣俊等[10]利用長(zhǎng)期監(jiān)測(cè)數(shù)據(jù)確定橋梁技術(shù)狀況退化模型參數(shù)，建立了技術(shù)狀況退化模型和預(yù)防性養(yǎng)護(hù)開(kāi)始時(shí)間和間隔時(shí)間的優(yōu)化模型。Jiang等[11]通過(guò)建立橋梁性能曲線來(lái)尋找橋梁狀況評(píng)分與橋梁年齡之間的關(guān)系。

2.2 馬爾可夫預(yù)測(cè)

馬爾可夫鏈?zhǔn)敲枋鲭S機(jī)過(guò)程的數(shù)學(xué)模型，其運(yùn)行假設(shè)為下一個(gè)狀態(tài)僅取決于當(dāng)前狀態(tài)，與先前狀態(tài)無(wú)關(guān)。在橋梁服務(wù)壽命預(yù)測(cè)中，可以將橋梁的不同條件等級(jí)視為不同的狀態(tài)，并計(jì)算從一個(gè)狀態(tài)轉(zhuǎn)移到另一個(gè)狀態(tài)的概率。林日成[12]基于包含預(yù)測(cè)主體、主體分布向量、退化階段、狀態(tài)轉(zhuǎn)移概率矩陣及計(jì)算的馬爾可夫鏈，提出預(yù)測(cè)路網(wǎng)級(jí)橋梁性能退化的方法。Collins等[13]認(rèn)為馬爾可夫鏈在橋梁劣化建模中的應(yīng)用主要體現(xiàn)在預(yù)測(cè)未來(lái)狀態(tài)、處理不確定性、減少單一模型的不確定性、分類和應(yīng)用以及校準(zhǔn)和更新等方面。

2.3 神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)

人工神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)模型是為特定目的而簡(jiǎn)化的對(duì)生物神經(jīng)網(wǎng)絡(luò)的一種技術(shù)模擬，其主要目標(biāo)是開(kāi)發(fā)一個(gè)適合工程結(jié)構(gòu)的模型，利用生物神經(jīng)網(wǎng)絡(luò)的基本原理來(lái)模擬認(rèn)知過(guò)程。張艷君等[14]探討了基于門(mén)控循環(huán)單元網(wǎng)絡(luò)的橋梁變形預(yù)測(cè)方法。袁明等[15]通過(guò)在部分預(yù)應(yīng)力混凝土斜拉橋損傷模型試驗(yàn)中收集聲發(fā)射波形信號(hào)，使用卷積神經(jīng)網(wǎng)絡(luò)對(duì)損傷程度進(jìn)行識(shí)別和預(yù)測(cè)。孫凡等[16]將對(duì)預(yù)應(yīng)力混凝土橋梁使用性能進(jìn)行預(yù)測(cè)研究。Miao等[17]的研究主要比較了馬爾可夫鏈模型和循環(huán)神經(jīng)網(wǎng)絡(luò)在預(yù)測(cè)橋梁劣化方面的性能。

2.4 預(yù)測(cè)方法分析

統(tǒng)計(jì)回歸預(yù)測(cè)方法是一種簡(jiǎn)單且易于更新的預(yù)測(cè)方法，適用于各種類型的橋梁，但此方法無(wú)法預(yù)測(cè)個(gè)別橋梁的服務(wù)壽命。馬爾可夫鏈預(yù)測(cè)方法能較好地反映橋梁狀況變化的隨機(jī)性，然而此方法需要大量的數(shù)據(jù)支持，橋梁狀況評(píng)分可能受到主觀判斷的影響。神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)方法能處理大量復(fù)雜的數(shù)據(jù)輸入，可以學(xué)習(xí)和適應(yīng)用戶需求，不過(guò)此方法需要對(duì)大量的數(shù)據(jù)進(jìn)行訓(xùn)練，模型的解釋性較差。

3 橋梁養(yǎng)護(hù)決策

決策是指在所有可能的選擇中確定最佳替代方案的過(guò)程，但在實(shí)踐中，決策者常常面臨各種決策問(wèn)題，隨著信息技術(shù)的發(fā)展，養(yǎng)護(hù)決策正從定性方法向定量方法轉(zhuǎn)變。橋梁養(yǎng)護(hù)決策是指為確保橋梁的安全運(yùn)行并延長(zhǎng)其使用壽命，在橋梁養(yǎng)護(hù)過(guò)程中對(duì)養(yǎng)護(hù)或修復(fù)措施進(jìn)行科學(xué)、合理和經(jīng)濟(jì)性判斷的重要過(guò)程，橋梁養(yǎng)護(hù)系統(tǒng)的核心是養(yǎng)護(hù)決策模型。

3.1 多屬性決策方法

多屬性決策方法是一種用于解決具有多個(gè)評(píng)價(jià)標(biāo)準(zhǔn)或?qū)傩缘臎Q策問(wèn)題的工具，此方法主要關(guān)注如何對(duì)一組備選方案進(jìn)行排序和選擇，以尋找最符合期望的方案。鄒艷等[18]通過(guò)分析基于相容關(guān)系和區(qū)分矩陣的知識(shí)獲取算法，針對(duì)信息不完備條件下的橋梁養(yǎng)護(hù)決策問(wèn)題進(jìn)行了研究。郭志東等[19]考慮五個(gè)因素應(yīng)用模糊數(shù)學(xué)方法構(gòu)建橋梁養(yǎng)護(hù)決策模型。

3.2 多目標(biāo)決策方法

多目標(biāo)決策方法是在考慮多個(gè)目標(biāo)的情況下尋找最優(yōu)解的方法，與多屬性決策方法不同，多目標(biāo)決策方法關(guān)注的是如何在滿足所有目標(biāo)的前提下，尋找一個(gè)或多個(gè)折中的最優(yōu)解。蘇丹[20]利用改進(jìn)的事故樹(shù)分析模型分析大型橋梁結(jié)構(gòu)損傷的因果鏈，提出用于確定預(yù)防性養(yǎng)護(hù)措施和養(yǎng)護(hù)時(shí)機(jī)的多目標(biāo)決策模型，數(shù)據(jù)驅(qū)動(dòng)的橋梁智能養(yǎng)護(hù)決策路徑，如圖3所示[20]。

劉淵[21]通過(guò)NSGA-Ⅱ遺傳算法建立養(yǎng)護(hù)決策模型，并通過(guò)效益目標(biāo)函數(shù)平衡養(yǎng)護(hù)費(fèi)用與橋梁狀況之間的關(guān)系，最終實(shí)現(xiàn)路網(wǎng)級(jí)橋梁的養(yǎng)護(hù)決策優(yōu)化。Gui等[22]提出了一種用于項(xiàng)目級(jí)橋梁維護(hù)決策的綜合評(píng)估算法，通過(guò)預(yù)測(cè)參數(shù)狀態(tài)、計(jì)算權(quán)重和建立綜合評(píng)估模型，為橋梁維護(hù)提供優(yōu)化方案。

3.3 決策方法分析

傳統(tǒng)決策方法主要關(guān)注在眾多備選方案中找出最優(yōu)解，但此方法在處理多目標(biāo)問(wèn)題時(shí)存在局限。多屬性決策方法則能夠綜合考慮各個(gè)方面的因素，使得決策過(guò)程更加客觀和靈活，然而此方法在實(shí)際操作中需要大量的數(shù)據(jù)和信息支持。多目標(biāo)決策方法能夠同時(shí)考慮多個(gè)目標(biāo)，處理相互沖突的目標(biāo)，有助于決策者從多個(gè)角度評(píng)估和選擇最合適的方案，但此方法可能會(huì)忽略一些重要的因素或者目標(biāo)，且需要大量的計(jì)算資源和時(shí)間，結(jié)果可能依賴于所選擇的權(quán)重和偏好。

4 結(jié)束語(yǔ)

隨著機(jī)器學(xué)習(xí)和人工智能技術(shù)的發(fā)展，這些技術(shù)有望在橋梁技術(shù)狀況評(píng)估和預(yù)測(cè)工作中得到更廣泛地應(yīng)用，例如與傳感器技術(shù)、物聯(lián)網(wǎng)和大數(shù)據(jù)分析等其他先進(jìn)技術(shù)相結(jié)合，共同推動(dòng)橋梁智慧管養(yǎng)技術(shù)的發(fā)展。對(duì)于養(yǎng)護(hù)決策問(wèn)題，由于我國(guó)公路橋梁對(duì)橋梁養(yǎng)護(hù)決策的現(xiàn)實(shí)需求日益增加，傳統(tǒng)的多線性模型可能無(wú)法準(zhǔn)確描述變量之間的關(guān)系，隨著更多數(shù)據(jù)的積累和算法的改進(jìn)，養(yǎng)護(hù)決策模型將變得更加精準(zhǔn)和高效。后續(xù)該領(lǐng)域有望實(shí)現(xiàn)更高的自動(dòng)化水平、更準(zhǔn)確的預(yù)測(cè)能力和更廣泛的實(shí)際應(yīng)用。

參考文獻(xiàn)

[1]AKIYAMA M， FRANGOPOL D M， ISHIBASHI H. Toward life-cycle reliability-， risk- and resilience-based design and assessment of bridges and bridge networks under independent and interacting hazards： emphasis on earthquake， tsunami and corrosion[J]. Structure and Infrastructure Engineering， 2020（1）：26-50.

[2]公路橋梁技術(shù)狀況評(píng)定標(biāo)準(zhǔn)：JTG/T H21—2011[S].北京：中華人民共和國(guó)交通運(yùn)輸部，2011.

[3]公路橋涵養(yǎng)護(hù)規(guī)范：JTG 5120—2021[S].北京：中華人民共和國(guó)交通運(yùn)輸部，2021.

[4]郭金玉，張忠彬，孫慶云.層次分析法的研究與應(yīng)用[J].中國(guó)安全科學(xué)學(xué)報(bào)，2008（5）：148-153.

[5]郭大進(jìn)，宋波，周文歡.基于層次分析法的在役梁橋養(yǎng)護(hù)狀況綜合評(píng)估[J].公路交通科技，2011（3）：108-112.

[6]文良華，肖鑫.鐵路橋梁技術(shù)狀況分層分級(jí)評(píng)估方法[J].鐵道建筑，2022（8）：103-107.

[7]喬朋，梁志強(qiáng)，徐凱，等.基于機(jī)器學(xué)習(xí)的中小跨徑橋梁技術(shù)狀況評(píng)估[J].長(zhǎng)安大學(xué)學(xué)報(bào)（自然科學(xué)版），2021（6）：39-52.

[8]沈林白，洪彧，周志達(dá)，等.基于機(jī)器學(xué)習(xí)的鐵路橋

墩地震損傷快速評(píng)估[J].地震工程學(xué)報(bào)，2024（1）：95-104.

[9]WEDEL F， MARX S. Application of machine learning methods on real bridge monitoring data[J]. Engineering Structures， 2022：113365.

[10]孫廣俊，焦陽(yáng)，吳炳延，等.基于技術(shù)狀況的混凝土公路橋梁周期性預(yù)防性養(yǎng)護(hù)策略研究[J].南京工業(yè)大學(xué)學(xué)報(bào)（自然科學(xué)版），2022（1）：82-91.

[11]JIANG Y， SINHA K C. Bridge Service Life Prediction Model Using the Markov Chain[J]. Transportation Research Record， 1989（1）：24-30.

[12]林日成.路網(wǎng)級(jí)橋梁性能狀況預(yù)測(cè)研究[J].運(yùn)輸經(jīng)理世界，2022（31）：80-82.

[13]COLLINS J， WEIDNER J. Comparison of Markovian-Based Bridge Deterioration Model Approaches[J]. Journal of Bridge Engineering， 2023（8）：04023047.

[14]張艷君，丁德平，沈平，等.基于GRU神經(jīng)網(wǎng)絡(luò)的橋梁變形預(yù)測(cè)方法研究[J].建筑結(jié)構(gòu)，2022（S2）：1938-1943.

[15]袁明，王爍，顏東煌，等.基于聲發(fā)射和卷積神經(jīng)網(wǎng)絡(luò)的混凝土橋梁損傷預(yù)測(cè)研究[J].中外公路，2022（4）：69-75.

[16]孫凡，鄔曉光，霍建斌，等.基于模糊神經(jīng)網(wǎng)絡(luò)的PC橋梁使用性能預(yù)測(cè)[J].公路，2022（2）：95-98.

[17]MIAO P， YOKOTA H. Comparison of Markov chain and recurrent neural network in predicting bridge deterioration considering various factors[J]. Structure and Infrastructure Engineering， 2024（2）：250-262.

[18]鄒艷，楊丹.不完備信息系統(tǒng)知識(shí)獲取方法在橋梁養(yǎng)護(hù)決策中的應(yīng)用[J].計(jì)算機(jī)與現(xiàn)代化，2010（7）：188-190+196.

[19]郭志東，劉杰穎，張學(xué)軍.鄉(xiāng)村公路橋梁養(yǎng)護(hù)工程決策方法研究[J].公路工程，2013（6）：260-262.

[20]蘇丹.大型橋梁結(jié)構(gòu)健康評(píng)估及預(yù)防性養(yǎng)護(hù)多目標(biāo)決策方法研究[D].北京：北京交通大學(xué)，2022.

[21]劉淵.基于改進(jìn)技術(shù)狀況評(píng)定的多目標(biāo)橋梁養(yǎng)護(hù)決策方法研究[D].西安：長(zhǎng)安大學(xué)，2023.

[22]GUI C， ZHANG J， LEI J， 等. A comprehensive evaluation algorithm for project-level bridge maintenance decision-making[J]. Journal of Cleaner Production， 2021：125713.

收稿日期：2024-06-19

作者簡(jiǎn)介：季柯城（1996—），男，碩士研究生，工程師，研究方向：交通運(yùn)輸工程。

基金項(xiàng)目：浙江省交通運(yùn)輸廳科研計(jì)劃項(xiàng)目“多塔連跨雙層鋼桁梁懸索橋智慧運(yùn)營(yíng)與養(yǎng)護(hù)關(guān)鍵技術(shù)研究”（2018007）。