基于BIM的高速公路桥梁养护综合管理系统设计

刘 勇，徐 峰，张 超，蒋 艺

(1.中电建路桥集团有限公司，北京 100048；2.中电建(广东)中开高速公路有限公司，广东 江门 529000；3.中国电建集团中南勘测设计研究院有限公司，湖南 长沙 410014)

0 引言

随着我国经济的不断发展，交通设施建设不断朝着专业化、高速化发展。高速公路作为交通枢纽中的重要构成，其公路桥梁的养护十分重要[1]。高速公路作为国民经济的重要连接，其管理系统直接关系着人身安全和财产安全。因此，高速公路桥梁养护综合管理成为了当前研究的热点。对高速公路桥梁养护综合管理的研究主要是建立在对高速公路桥梁养护综合管理的地理信息进行数据分析的基础上，并采用模糊信息融合方法、特征综合提取方法、自适应参数融合方法和空间信息分配方法等[2-3]，结合大数据和相关约束条件进行高速公路桥梁养护综合管理系统的设计。

相关学者对该领域进行了大量的研究，乔旭等[4]提出一种基于可扩展的标记语言(extensible markup language，XML)的公路养护管理系统通用设计技术。在集成框架(struts spring hibernate，SSH)基础上，将生成系统的文件分为静态信息层与参数层。根据实际需求在参数层配置界面元素类型和数据实体信息等参数,结合静态信息层的基础数据,生成通用公路养护管理系统。该系统增强了公路养护管理系统的通用性，但对于相关信息特征提取的准确性还不高，仍有待进一步优化。颜鹏等[5]提出一种桥梁技术状况智能评定系统。该系统将公路桥梁技术状况、桥梁数据库系统以及数学建模理论进行有机结合，构建了桥梁质量评定系统。该系统可对公路桥梁构件、部件以及结构等状况进行评定，确定桥梁病害部分详情，并对桥梁进行有效评定，对桥梁可进行有针对性的维护。但该系统评定的数据不细致，易导致评价效果差。

基于上述问题，为了提高高速公路竣工段的养护管理效果，本文提出一种基于建筑信息模型(building information modeling,BIM)技术的高速公路桥梁养护综合管理系统。通过构建BIM 高速公路桥梁养护综合管理模型，并对其进行优化，提高了综合信息相关特征提取的准确度，缩短了数据调度耗时。与其他系统相比，本文系统可有效提升高速公路桥梁养护综合管理的信息化，具有一定实际意义。

1 高速公路桥梁养护综合管理模型构建

1.1 BIM数据库模型构建

BIM数据库模型的构建过程如图1所示。

图1 BIM数据库模型的构建过程Fig.1 Building process of BIM database model

为了实现基于BIM的高速公路桥梁养护综合管理系统，需要构建高速公路桥梁养护综合信息的多层次BIM数据库模型。采用大数据信息融合和参数调度法，对高速公路桥梁养护综合信息进行融合调度[6]。通过多维空间BIM地理信息数据挖掘法，融合高速公路桥梁养护综合管理过程中的信息，构建BIM数据库模型。

图1 中，通过传感器采集桥梁样本信息，得到信息样本关联规则集，表示为：

(1)

式中：U为信息样本关联规则集；A为信息属性的非空集合桥梁样本信息；V为域满足收敛条件。

通过确定高速公路桥梁养护综合信息管理的关联特征量，分析样本信息，建立信息样本指标体系，得到的指标体系函数为：

(2)

式中：H为指标体系函数；xij为关联特征量,i、j为样本关联规则集中的2个量,s(xij)为桥梁断面信息；t(xij)为桥梁长度信息。

根据指标体系函数，构建高速公路桥梁养护综合管理信息数据的统计分析模型，为：

(3)

式中：S为信息集合，且A∈S;Sβ为信息关联系数；X为具备关联性的信息；S(X)为具备关联性的养护信息总量；X1为不具备关联性的信息。

通过以上分析，构建的高速公路桥梁养护综合管理的BIM数据模型表达式为：

ind(P)=aq+qg+∑S(X)+U2

(4)

式中：ind(P)为BIM数据模型函数；ag代表高速公路数据总量集合；aq为桥梁养护数据总量集合。

1.2 BIM信息存储模型构建

在构建的高速公路桥梁养护综合管理BIM数据库模型基础上，通过模糊自相关检测和信息融合的方法，融合高速公路桥梁养护综合管理的大数据信息[7]。

结合统计分析方法，进行高速公路桥梁养护综合信息融合管理。其表达式为：

(5)

式中：f(s)为函数；p为差异度属性；Q为综合养护管理的决策集合；s为桥梁断面。

高速公路桥梁养护综合管理的信息分布论域满足收敛条件：A=P&Q。

当X⊆U，R⊆A条件成立时，高速公路桥梁养护综合信息融合管理的边界条件为：

(6)

式中：Rβ(x)为满足高速公路养护综合信息融合的边界集合；R(x)为高速公路桥梁养护综合信息融合的总数集；β为关联度属性，β∈U。

结合条件属性决策分类方法，得到高速公路桥梁养护综合信息管理的信息对象解，为：

(7)

通过对高速公路桥梁养护综合管理BIM信息对象解的融合处理[8]，可以得到高速公路桥梁养护综合管理的BIM信息存储模型。其表达式为：

(8)

式中：Y(X)为BIM信息；Px为满足差异度属性的信息总数；Qx为满足综合养护管理决策的信息总数；βx为满足关联度属性的信息总数。

通过上述分析，建立高速公路桥梁养护综合管理的BIM数据库模型以及信息存储模型，再通过BIM信息调度，进行高速公路桥梁养护综合管理的优化。

2 高速公路桥梁养护综合管理系统优化

2.1 BIM信息调度

在构建高速公路桥梁养护综合管理模型的基础上，对高速公路桥梁养护综合管理系统进行优化。

采用随机博弈模型描述高速公路桥梁养护综合管理信息评估的效益均衡函数，即：

(9)

采用主特征建模，建立高速公路桥梁养护综合管理的BIM底层数据库，得到熵权信息分布维数，为：

(10)

式中：fn(k)为熵权信息分布维数；b为熵权维数；k为公路桥梁养护数据特征量；f(k-1)为去除基本特征量的信息分布维度；f(k)为信息分布维度。

基于ID3决策寻优的方法，得到高速公路桥梁养护综合管理的BIM信息分布自相关函数C(τ)，即：

C(τ)=∑[x(t)+x(t+τ)]

(11)

式中：x(t)和x(t+τ)分别为t和(t+τ)时刻对应的高速公路桥梁养护综合管理的BIM信息提取的相似特征量。

在上述高速公路桥梁信息管理大数据分析基础上，对系统进行优化设计，以提高高速公路桥梁养护综合管理质量。

在高速公路桥梁养护综合管理的大数据信息融合特征分布的基础上，得到特征分布判决式，为：

(12)

通过计算得到高速公路桥梁养护综合信息融合的关联因素特征量[10]。通过模糊度预测，获取高速公路桥梁养护综合管理和BIM资源信息调度的数学模型，即：

(13)

式中：cij为信息调度的适应性特征量。

如果xij=1,则表示高速公路桥梁养护综合信息管理的差异值。如果xij<1，则表示差异度不明显。

通过以上分析，可实现BIM信息调度，从而进行高速公路桥梁养护综合管理。

2.2 高速公路桥梁养护综合管理优化

根据高速公路桥梁养护综合管理信息调度结果进行模糊寻优，进而实现高速公路桥梁养护综合管理系统优化。所得的寻优参数为：

(14)

采用参数融合方法，明确高速公路桥梁养护综合管理目标损害因素[11]，得到优化管理的空间密度特征，为：

(15)

式中:Ii,j(t)为空间密度特征值；D″i,k(t)为高速公路桥梁养护综合管理信息增益值；D″k,j(t)为管理空间密度值。

构建高速公路桥梁养护综合管理的资源信息调度模型[12]，得到空间分布函数，为：

(16)

式中：D″i,j(tn+1)、D′i,j(tn)分别为在tn+1时刻和tn时刻分别进行高速公路桥梁养护综合管理的BIM空间映射。

(17)

高速公路桥梁养护综合管理系统优化流程如图2所示。

图2 高速公路桥梁养护综合管理系统优化流程Fig.2 Optimization process of highway bridge maintenance integrated management system

3 仿真试验分析

3.1 试验环境

为了验证本文系统在实现高速公路桥梁养护综合管理中的应用性能，进行仿真试验分析。选择中电建(广东)中开高速公路有限公司的高速某一桥梁的局部进行仿真试验分析，采用SPSS 14.0统计分析软件，对高速公路桥梁养护综合管理过程中的信息进行处理和统计分析。试验操作系统为Windows 7.0 ，运行内存为8 GB。

3.2 试验参数

高速公路桥梁养护综合管理的BIM属性指标如表1所示。

表1 高速公路桥梁养护综合管理的BIM属性指标Tab.1 BIM attribute index of highway bridge maintenance integrated management %

在此基础上，提取高速公路桥梁养护综合管理的BIM信息管理特征量。得到的自相关特征提取结果如表2所示。

表2 自相关特征提取结果Tab.2 Autocorrelation feature extraction results

根据表1和表2所示的参数指标设计，对比本文系统、乔旭等[4]提出的基于XML的公路养护管理系统以及颜鹏程等[5]提出的桥梁技术状况智能评定系统，并提取高速公路桥梁自相关特征量的准确度和桥梁信息调度的耗时，以验证本文系统的科学有效性。

3.3 试验结果分析

3.3.1 高速公路桥梁自相关特征量提取的准确度

为了验证本文系统的可行性，试验分析了本文系统、乔旭等[4]提出的基于XML的公路养护管理系统以及颜鹏程等[5]提出的桥梁技术状况智能评定系统提取高速公路桥梁自相关特征量的准确度。高速公路桥梁自相关特征量的准确度对比如图3所示。

图3 高速公路桥梁自相关特征量的准确度对比Fig.3 Accuracy comparison of autocorrelation feature parameters of highway bridges

分析图3可以看出，在相同试验环境下，本文系统对高速公路桥梁自相关特征量提取的准确度高于其他2种系统，最高可达99 %，而其他2种系统提取的准确度最高分别为74%和60%。这是由于本文系统结合统计序列分析方法，进行高速公路桥梁养护综合管理信息融合调度，通过模糊度预测，运用模糊自相关检测和特征融合调度方法，提高了自相关特征量提取的准确度，由此验证了本文系统的有效性。

3.3.2 高速公路桥梁信息调度的耗时

为了进一步验证本文系统的可行性，试验分析3种系统用于高速公路桥梁信息调度的耗时。高速公路桥梁信息调度的耗时对比如图4 所示。

图4 高速公路桥梁信息调度的耗时对比Fig.4 Time-consumption comparison of highway bridge information schedulings

分析图4可以看出，随着迭代次数的变化，3种系统对高速公路桥梁信息调度的耗时存在一定差异。其中，本文系统的耗时最短，约为1 s，而其他2种系统的调度耗时高于本文系统，由此验证了本文系统的有效性。

4 结论

通过BIM地理信息融合技术，进行高速公路桥梁养护综合管理系统和模型的优化设计，构建高速公路桥梁养护综合管理的资源调度模型，提出一种基于BIM技术的高速公路桥梁养护综合管理系统。该系统可对高速公路桥梁养护综合管理信息调度结果进行模糊寻优，实现高速公路桥梁养护综合管理系统的优化。试验结果表明：采用本文系统进行高速公路桥梁养护综合管理的信息融合度水平较高，资源调度能力较好，提高了高速公路桥梁养护综合管理水平。在以后的研究中，将根据实际应用情况，进一步优化大量自相关特征量提取下的准确度和信息调度耗时，优化系统构架，为高速公路设计、施工、养护、运营等综合管控系统的推进提供帮助。