中国公路学报

作者：夏烨, 张宸鸿, 杨国强, 雷晓鸣

单位：1. 同济大学 桥梁工程系, 上海 200092;2. 上海期智研究院, 上海 200232;3. 上海城投(集团) 有限公司, 上海 200020;4. 香港理工大学 土木与环境工程学系, 香港 九龙 999077"],"fundList_en":["National Natural Science Foundation of China (52278313); Shanghai Qi Zhi Institute Innovation Program (SQZ202310)

关键词：桥梁工程,桥梁管养,退化模型,集成学习,桥梁群,数据治理,状态预测

基金：国家自然科学基金项目(52278313)；上海市期智研究院科技合作项目(SQZ202310)

网级桥梁退化模型能够为桥梁管理者提供对桥梁退化状态和趋势的全面把握。现有模型通常依赖于检测报告的评分，易受数据残缺和错误的影响，也难以有效分析维修效应。提出一种基于病害数据治理的路网级桥梁退化模型。首先对桥梁检测报告中的残错病害数据进行了清洗与修正，确保数据的完备性和准确性。基于修正后的数据，提出了一个新的定量指标用于衡量桥梁部件的退化程度，并建立了其与评分相对应的经验公式，克服了评分体系受人为因素影响较大的问题。接着，利用多源数据结合自动机器学习方法，构建了桥梁部件级退化模型，确保模型能够通过少量参数调整应用在大规模区域桥梁的状态评估与预测。基于上海市3条路线的桥梁检测数据对模型进行了验证，结果表明：该方法在修正数据的同时提升了退化模型的预测精度，病害严重程度指标增强了模型对维修行为的量化能力，基于自动机器学习的退化模型则提高了模型的可扩展性与实用性，能为区域桥梁群管理提供可靠的决策依据。

来源：2025年第11期

《中国公路学报》期刊编辑部

查看中国公路学报杂志2025年第11期