大数据时代结构工程发展新趋势的几点思考

霍林生

(大连理工大学，大连 116024)

大数据时代结构工程发展新趋势的几点思考

霍林生

(大连理工大学，大连 116024)

土木工程支撑着基础设施及公共和民众住房的建设，土木工程的建设和服役过程中都会产生大数据。如何有效利用这些大数据，为土木工程的学科发展和工程决策提供依据，这是工程师和科学家都在思考的问题。本文从着重针对土木工程中的大数据如何影响结构工程的问题，结构的荷载估算、结构承载能力与破坏准则、震害调查、结构健康监测、云计算等几个方面，提出了几点思考。

大数据； 结构工程； 震害调查； 结构健康监测； 云计算

【DOI】 10.16670/j.cnki.cn11-5823/tu.2016.05.22

1 引言

大数据(big data)，或称巨量资料，指的是所涉及的资料量规模巨大到无法通过目前主流软件工具来分析、并且无法在合理时间内达到撷取、管理、处理、并整理成为提供决策的信息。大数据也指不用随机分析法(抽样调查)这样的捷径，而采用所有数据的方法。大数据具有4V的特点，即：Volume(大量)、Velocity(高速)、Variety(多样)、Value(价值)[1]。大数据技术的战略意义不在于掌握庞大的数据信息，而在于对这些含有意义的数据进行专业化处理。换言之，如果把大数据比作一种产业，那么这种产业实现盈利的关键，在于提高对数据的“加工能力”，通过“加工”实现数据的“增值”。

在科学研究和工程实践中，人们还主要是依赖抽样数据、局部数据和片面数据，甚至在无法获得实证数据的时候纯粹依赖经验、理论、假设和价值观去发现未知领域的规律。因此，对于问题本质的认识是表面的、肤浅的、简单的、扭曲的或者是无知的。大数据时代使人类第一次有机会和条件，在非常多的领域和非常深入的层次获得和使用全面数据、完整数据和系统数据，深入探索现实世界的规律，获取过去不可能获取的知识，得出过去无法得出的结论。

大数据时代给人们在数据理念上带来三大转变：要全体不要抽样，要效率不要绝对精确，要相关不要因果。大数据将逐渐成为现代社会基础设施的一部分，就像公路、铁路、港口、水电和通信网络一样不可或缺。大数据时代的许多科学门类都会发生巨大甚至是本质上的变化和发展，进而影响人类的价值体系、知识体系和思维方式。大数据时代对于土木工程尤其是结构工程学科会带来怎样的影响？作者对此进行了如下思考。

2 大数据时代的荷载估算方法

《建筑结构荷载规范》中对于活荷载的取值，是基于在抽样调查和统计基础上得出来的[2]。如《工业与民用建筑结构荷载规范》TJ9-74修订时，对4个城市(北京、兰州、成都和广州)的606间住宅和3个城市(北京、兰州和广州)的258间办公室的实际荷载作了测定。在1977年以后的三年里，曾对全国某些城市的办公室、住宅和商店的活荷载情况进行了调查，其中，在全国25个城市实测了133栋办公楼共2 201间办公室，总面积为63 700m2，同时调查了317栋用户的搬迁情况； 对全国10个城市的住宅实测了556间，总为7 000m2，同时调查了229户的搬迁情况； 在全国10个城市实测了21家百货商店共214个柜台，总面积为23 700m2。

从样本数量来看，这些调查数据远远小于总体数量。从调查时间来看，大部分统计数据还是上个世纪的数据，远不能体现出现代社会中荷载的变化规律(如建筑中新的设备、荷载的分布方式、人流的运动方式等)。传统的荷载调查统计由于需要入户填写调查问卷，效率低、样本不够随机，且经常因住户不愿意配合而得不到有效数据，因此操作起来比较困难。

大数据时代，可以利用摄像头监控记录、货物出入楼房登记等数据，来对建筑结构的实际荷载进行估算。出于安全监控的目的，很多的建筑物各楼层都会安装摄像头。根据摄像头的图像资料，基于视频处理技术，可以更为精确地得出现代社会中建筑物活荷载的活动规律和分布方式，从而为规范编制提供更为可靠的依据。同样，对于桥梁等其他工程结构，也可以采取同样的方式来估算荷载分布规律。

文献[3]探究了对交通枢纽综合体中的人员疏散荷载进行动态监测的方法，提出了基于图像处理技术的交通枢纽综合体人员荷载监测系统构架(如图1所示)。该系统基于网络构架建立，通过对多路视频监控录像中视频图像的处理和分析，实现对被监测区域的人员荷载的监测。在大数据时代，类似的技术将会在建筑结构荷载估算时得到更多的应用。

图1 区域人员荷载动态监测[3]

3 大数据时代结构承载能力与破坏准则研究

对于土木工程结构而言，结构的承载能力与破坏准则，是进行结构设计和分析的基础。然而，由于土木工程材料，尤其是混凝土材料的变异性很大，其破坏特性的研究一直是热点问题。然而此问题至今尚未得到很好的解决，尽管已经提出了许多类型的本构模型和恢复力关系，试图在材料层次和构件层次上给出结构的破坏准则，但是这些数学模型只能与特定的实验结果吻合较好，对于其他大多数实验结果则差异较大。

如果能够获得足够多的样本数据，对于结构承载能力与破坏准则的认识将更为清晰。然而，在科学研究中，由于经费、时间等原因，所获得实验数据样本相对于总体来说极少。而且，由于各单位对数据的保密性，大多数的原始实验数据和实验工况是无法公开获取的。事实上，除了用于科研的实验数据，实践中还有很多的实验数据未能得到收集与整理。如，教学性的实验中产生的数据，质检站对实际工程抽查试验中产生的数据，质量检测机构对建筑物进行安全鉴定时生产的实验数据。把这些实验数据收集起来，将会形成很大的一个样本数据，从而对于结构承载能力与破坏准则有新的认识。大数据时代，能够获取大量的可用数据是最为关键的，建议相关的职能机构能够加强数据的管理和收集工作。

4 大数据时代的震害调查研究

地震发生后，我们迫切需要建筑物的破坏情况进行迅速和准确的统计，以确定烈度和救灾方案。传统的震害调查需要对震害现场进行抽样、调查和访问，费时费力，且结果不够精确。现代智能手机的普及，让很多人在震害现场会拍照并共享照片。大数据时代，基于图像分析方法，对于大量照片进行分析，可以快速确定建筑物的破坏情况，得出建筑物的破坏规律，并确定地震烈度。

作者曾提出基于图像识别技术的震损结构残余变形检测方法，通过分析震损结构的图片，得到构件间的夹角，从而确定残余变形[4]。针对实际获得的图片与被测平面之间通常都会存在一定角度、以至无法从斜拍图像直接测量变形的问题，提出了基于射影几何原理的直线矫正方法，结合变形检测的需要，在人工参与选取特征点的前提下，运用canny边缘检测法和主成分分析方法，检测目标直线，进而应用直线矫正方法对目标直线进行矫正和角度计算。结果表明，所提出的方法对于变形检测的精度较高，能够适用于震损结构残余变形的快速检测中。

文献[5]提出了应用图像三维重建法对震损结构进行实体建模的方法。在围绕目标物体从不同角度进行一系列图像采集后，提取每张图像的特征点并两两匹配，由此对相机进行标定，进而建立二维图像和三维空间位置的对应关系，产生稀疏三维点云。然后，运用多视图立体视觉方法，生成密集三维点云，并根据已知信息对点云进行尺度变换； 最后，运用泊松表面重建算法对密集三维点云进行表面重建，并利用三维点与原二维图像的对应关系应用纹理映射方法对重建出的三维表面进行纹理贴图，生成真实感强的三维模型。

图2 基于二维图片的三维结构模型重建

5 大数据时代的结构健康监测技术

结构健康监测是通过对结构的物理力学性能进行无损监测，实时监控结构的整体行为，对结构的损伤位置和程度进行诊断，对结构的服役情况、可靠性、耐久性和承载能力进行智能评估，为结构在突发事件下或结构使用状况严重异常时触发预警信号，为结构的维修、养护与管理决策提供依据和指导。结构健康监测技术是一个多领域跨学科的综合性技术，它涉及土木工程、动力学、材料学、传感技术、测试技术、信号分析、计算机技术、网络通讯通信技术、模式识别等多个研究方向。随着结构健康技术的发展和应用，许多建筑物都会安装传感器，这些传感器会采集到大量的数据，但是如何有效利用这些数据，却是一个问题。传统的结构健康监测方法是基于因果判定的方法，大数据时代应该发展基于相关关系的方法，即将研究重点从破坏机理转移到数据与破坏模式之间的关系上。

传统的健康监测系统已日臻成熟，无线传感网络的发展可能为吊装监测提供一种解决方案，但其需要昂贵的传感系统、复杂的数据传输系统以及专业人员的操作。开发一种适用于普通群众参与的快捷、方便、简单、解决现场实际问题的监测方式很有必要。智能手机作为最普遍的工具，内置传感、网络通讯、计算分析及存储等功能，为其在结构健康监测中的应用提供了可能。文献[6]-[8]提出基于智能手机的结构健康云监测方法，并开展了系统的研究。首次将智能手机应用于结构健康监测中，证实了其可行性与有效性(如图3所示)。可以预见，大数据时代，智能手机将会在结构健康领域有着更广泛的应用。

(a)控制端主界面 (b)实时监控界面图3 结构健康监测系统手机控制端[7]

图4 云计算界面[10]

6 大数所时代的结构分析的云计算平台

由于数据越来越多、越来越复杂、越来越实时，要实现上述目标，传统的单机计算已经无法实现，需要发展有效的云计算平台。云计算是大数据的技术基础，是大数据成长的驱动力。未来的数据与结构分析，应在云平台上进行。因此，针对结构工程学科特色，发展高效的云计算平台成为必然[9]。

文献[10]采用了云计算的三层架构和服务封装的思想，将有限元分析仿真系统的功能需求划分成服务，设计了有限元分析仿真系统架构和云计算环境下有限元分析仿真系统的服务模式及服务流程； 采用应用虚拟化技术，将有限元分析软件在云计算环境的数据中心进行集中部署和管理，实现有限元分析软件的灵活交付及计算资源的多用户共享； 搭建了集群系统以管理OpenSees 并行的有限元计算作业，设计并实现了有限元分析仿真系统作业管理和作业结果数据管理功能，从而更加有效地利用系统资源、平衡网络负载、提高系统整体性能。这是土木工程中云计算理念在有限元方法中的初步尝试，大数据时代，土木工程中的数值计算软件与云计算结合的需求将会越来越多。

7 结论

本文根据大数据及大数据技术的相关概念和特征，结合结构工程学科的特点，从结构的荷载估算、结构承载能力与破坏准则、震害调查、结构健康监测、云计算几个方面，对大数据技术如何影响结构工程进行了思考，对大数据时代土木工程新的发展趋势提出了展望。

[1]迈尔·舍恩伯格， 库克耶.大数据时代[M].杭州：浙江人民出版社， 2013.

[2]《建筑结构荷载规范》(GB50009-2012)[S]. 北京：建筑工业出版社， 2012.

[3]杨华. 基于图像处理技术的交通枢纽综合体人员荷载监测研究[D].合肥：中国科技大学， 2013.

[4]霍林生， 张耀文，王胜法，等.基于图像识别的震损结构残余变形检测[J].地震工程与工程振动， 2016, 36(3): 127-133.

[5]张耀文. 基于图像处理的震损结构快速识别研究[D].大连：大连理工大学， 2016.

[6]赵雪峰， 丁言兵，韩瑞聪，等.基于智能手机的无线索力测量方法[J].振动与冲击， 2016， 35(18)： 147-151+171.

[7]赵雪峰， 韩瑞聪，喻言，等.智能手机结构安全云监测系统及其工程应用[J].物联网技术， 2016, 6(7): 70-73.

[8]赵雪峰， 喻言，李明楚，等.智能手机结构健康云监测技术[J].物联网技术， 2015, 5(8): 8-11.

[9]马智亮， 刘世龙，刘喆．大数据技术及其在土木工程中的应用[J].土木建筑工程信息技术， 2015, 7(5): 45-49.

[10]马艾田. 基于云计算的有限元分析仿真系统研究与实现[D].北京：北京工业大学， 2013.

Several Considerations about the Development Trend of Structural Engineering in the Big Data Time

Huo Linsheng

(DalianUniversityofTechnology，Dalian116024，China)

The civil engineering supports the construction of the basic facility and public and civil housing.The construction and service of civil structures will result in big data.It is the question considering by engineers and scientists that how to effectively use the big data to provide the basis for the subject development of civil engineering and decision making in practical engineering.This paper proposed several considerations about how the big data will affect the structural engineering from the evaluation of load，the bearing capacity and failure criterion of structures，seismic damage investigation，structural health monitoring and cloud computing.

Big Data； Structural Engineering； Seismic Damage Investigation； Structural Health Monitoring； Cloud Computing

中央高校基本科研业务费专项资金资助(DUT16TD03)

霍林生(1975-)，男，副教授。长期从事土木工程抗震与减振控制的研究。

TP311

A

1674-7461(2016)05-0111-04