大数据背景下城市轻轨桥梁检测策略研究——以金义东轨道交通为例

应俊杰

（浙江横店影视职业学院）

0 引言

新时代下，我国仍然以一定规模建设轻轨，其中大部分以混凝土桥梁为主。桥梁在运行中受到风、雨、雪等恶劣天气的侵蚀以及极寒极炎的环境影响，极易出现损伤的情况，若未能及时发现或处理，将会影响轻轨的正常运行。2022 年7 月24 日，辽宁鞍山一桥梁坍塌致4车5 人坠河。众多桥梁坍塌事故的直接原因就是没有及时对桥梁进行维护。若设置对应的养护管理办法和应用加固维护技术，不仅能够保障出行人员的切身安全，还能延长桥梁的使用寿命，减少相应的各项损失。大数据背景下，我们面对桥梁检测出的海量信息数据需要有能够快速判断、多样化数据处理、信息自动筛选的能力。

因此，在轻轨项目建设、运营过程中，各方单位应重视桥梁检测，利用好大数据技术，为轻轨平稳运营保驾护航。

1 桥梁检测技术应用现状

1.1 国内现状

早期的桥梁检测方法是专业检测人员通过实际经验对桥梁进行定期结构性损伤检查[1]。由于桥梁结构的特殊性，需要借助大型的设备，如桥检车等进行户外作业。有些结构无法通过肉眼观察，检测结果往往是不客观的，对桥梁损伤等级正确评估也成了一个难题。另外，由于检测设备限制，某些桥梁构件不能通过外观判断内部结构损伤情况，缺乏桥梁结构损伤记录，因此也就错过了最佳桥梁检测和维修的窗口期，导致内部损伤持续恶化。综上，我国桥梁检测技术应用困难如下：①传统肉眼巡检方式不全面，无法检测出全部桥梁病害；②人工检测容错率高，主观意识与经验意识主导检测方式无法及时发现病害且危险性较高，增大成本；③检测效率低；④无精确的桥梁病害动态数据库，不利于政府有关部门养护和判断。

虽然我国许多大型桥梁已经采用了先进的技术进行检测。例如超声相控技术解决内部焊缝在运营期无法进行内部自检的难题；利用超声波技术直观查看角焊缝情况等。但是在大数据背景下，全面智能化检测的应用还有很长的路。

1.2 国外现状

在大数据背景下桥梁检测领域美国走在前列。如：采用声发射技术[2]，全方位检测悬索桥主缆断丝情况，检测重点位置损伤特性（桥面板裂缝类型、伸缩缝等情况）；美国的罗格斯大学利用无损检测技术开发无损检测机器人[3]用于路面检测，并在海马基特大桥上成功应用；日本政府针对在笹子隧道发生的垮塌事故，采用无人机、机器人、激光雷达扫描等智能检测技术提高桥梁检测的精度。

2 智能装备检测

文章主要介绍三种主流的智能装备检测技术，分别是计算机视觉技术、无损检测技术、大数据与云技术，有效结合了各方优势，为实现大数据背景下的智能化桥梁检测提供思路。

2.1 计算机视觉技术

计算机视觉技术是通过计算机去替代人眼识别图像、视频等信息，最终输出结果[4]，生活中常见的应用如：汽车无人驾驶识别道路与障碍物、医学病症识别等。在桥梁检测中，该技术主要应用在病害识别、位移测量、交通管理、施工管理等方面。计算机视觉技术需要以大量的数据为前提，通过一定的编程语言，用卷积神经网络进行训练，不断提高识别的准确率，十分适合在大数据的背景下进行应用。相比传统的人工拍照识别病害，计算机视觉技术可以量化图片中病害位置、类型、面积，而且一秒钟可以直接识别上百甚至上千图片，大大提高识别的速度和工作量。但是，准确高的计算机视觉技术需要算力佳的计算机、与时俱进的深度学习模型、数据量足够庞大的数据集，三者缺一不可。目前，已有对桥梁裂缝进行识别的智能化检测技术，识别精度已达1mm内，应用在桥检车和无人机检测的平台中，应用的广度和深度还有一段路要走。

图1 无人机检测作业

2.2 无损检测技术

无损检测技术是指在不损害桥梁结构和性能的基础上，利用光、电、声音等方式，获取物理信息情况的一种桥梁检测技术[5]。因此，该技术有显而易见的优点：①方便；②快速；③精确度高；④不影响桥梁使用。常见的无损检测技术有探地雷达法、红外热成像法、声发射法、超声探伤法等。其中GNSS 技术主要用于桥梁变形检测，通过接收卫星信号和基站信号之间的差分信息，精确计算出检测点的三维坐标，实现毫米级别精度误差的实时连续静动态测量。目前，已有多座大桥采用该系统，如武汉的鹦鹉洲长江大桥使用搭载了GPS 接收器、惯性单元IMU 组成的组合导航系统，解决了桥塔遮挡GPS 失锁以及长时间数据漂移两大问题。在桥梁检测的应用领域中，又可分为桥梁挠度监测、桥墩沉降监测、桥面位移监测、桥塔位移监测等。近年来，随着技术的发展，无损检测技术向着智能化、系统化的方向发展，应用的场景也较为广阔。

2.3 云计算与大数据技术

目前，国家正在大力推广“互联网+”，为桥梁检测的创新发展，实现智慧交通、智慧工地、智能检测提供了良好的发展环境。云技术是一种基于云计算的商业模式，是信息技术、网络技术、管理平台技术、整合技术等的总称，具有信息流通便利流、信息交流快速等优势[6]。大数据解决了数据分析低效以及计算能力不足问题，使桥梁监测应用存在可能性。桥梁检测信息与大数据基本特征十分贴切：桥梁检测数据规模庞大、所涉及的信息维度多、具备增速快、流转快的特征。大型桥梁健康检测具有数据量庞大、类型复杂的特点。整合利用物联网、云计算与大数据技术，在强大的运算能力、存储能力和兼容能力支持下，便能实现长大桥梁的集约化、网络化、系统化管理。随着科技发展，云计算与大数据技术也将逐渐应用到桥梁施工监控、梁厂加工信息管理等几个方面，为桥梁管理、养护决策提供有力的技术支撑。

图2 云计算与大数据技术工作原理

3 桥梁检测策略研究—以金义东轨道交通为例

3.1 项目简介

金义东轨道交通工程是浙中城市群城际轨道交通网络的重要部分，全长约107.17km，由金义段（金华站至秦塘站）和义东段（义乌高铁站到明清宫站），设有31站（13座地下站，18座高架站），设计时速120km/h，是国内目前单条线路最长的市域轨道交通项目。其中，高架线路长约77km，地下线路长约22.6km，其余为山岭隧道和过渡段。目前已投入运营使用，截至2022 年8 月29日，金华轨道交通金义东线（金义段）试乘累计总客运量达到484.19万人次，日均客运量约2.33万人次。

3.2 金义东轨道交通特点

图3 金义东市域轨道交通线路走向示意图

金义东轨道交通工程串联起金华城区、金义新区、义乌城区、东阳城区、横店影视城。建设维护好金义东轨道交通是推动金义同城化，助力大都市建设的重要支撑，也为金武永东轨道交通项目提供技术保证。根据调研情况，可知金义东轨道交通有以下特点。

3.2.1轨道线路长

金义东轨道交通工程是国内市域轨道单条线路最长项目。若根据规范要求定期检测，其运营和维护成本也是随着线路长度而线性增加。如果长期依靠传统的人工检测方法，不仅严重影响了轨道正常运行，而且会大大提高了检测成本，甚至因为过久的检测时间严重影响发现病害，无法做到及时维修，不利于长期、健康发展。

3.2.2站点分布离散

依据金华地区地势情况为南北高、中部低，“三川环山夹一盆”特貌以及奇特的地质情况，金义东轨道交通的31 个站点分布极具意义，但是也造成了站点分布离散问题。从金华南站至塘雅站以及从东华街站到义亭站距离十分遥远，而从金华站到金华南站，距离较近，但是中间还分布了双溪西路站等5 个站点，而其余站点分布较为相近。各个站点之间不乏隧道、山洞、河流、丘陵等复杂情况，很难简单地选择其中一种或多种检测方法进行。

图4 站点分布示意图

3.2.3简支梁桥多

金义东轨道交通以高架为主，主要由混凝土预应力简支梁桥和预应力连续现浇梁组成，但是又以预应力简支梁桥绝大多数。虽然混凝土简支梁均由工厂预制完成，承载力可靠，但是受力结构单一，受环境影响较大，若不及时定期对其检测，随着时间的推移会出现桥梁病害，主要表现有：混凝土碳化、桥面坑槽、桥面铺装混凝土开裂、钢筋裸露、伸缩缝损坏，桥台损坏等，将严重影响上部结构承载力，直接影响到轻轨正常运营。因此，定期桥梁检测十分重要也很必要，金义东轨道交通的检测需求十分庞大。

图5 金义东轨道交通某标段简支桥梁

结合金义东轨道交通特点，得出检测费用高、检测方法选择困难、检测需求大3 个结论，而这直接影响了政府主管部门的监管，难以对轨道交通建设全局把控，影响浙中地区第二条市域轻轨的规划、建设。

3.3 桥梁检测策略研究

为了能全寿命运营好金义东轨道交通，需巧用大数据的技术，达到经济利益、便民服务、使用成效的最大化的效果。因此，检测的开展需依次做好三套系统建设，分别是传感器选择与设置、数据采集与传输、数据分析平台搭建，通过有效的整体协作，最终实现轻轨的实时检测。文章将基于大数据技术角度开展研究。

3.3.1理论基础研究

⑴传感器选择与设置

通过实地考察、专家论证等方式确定关键桥梁最不利情况，安装好GPS 定位装置、混凝土应力与应变传感器、温度传感器、位移传感器、桥墩沉降传感器、挠度传感器等。同时，利用NB-IoT 技术或LoRa 智能传感网络方法，提高数据无线传播能力，将相关情况实时传输至总部数据中心备份，实现信息动态监控。

⑵数据信息处理

在信息处理方面，利用计算机视觉检测技术实时识别病害情况，利用CNN 网络技术将整条线路上的病害进行识别并分类，来解决好计算机主动发现病害的难题。分类完成后，利用图像分割技术，如：FCN、UNet、Vet 网络将病害进行具体的细化，如裂缝长度和宽度，蜂窝麻面的面积大小，伸缩缝堵塞面积等，来解决好计算机主动对病害发展情况判定的难题。最终，通过大数据技术将所有图像、视频数据上传至总部云端进行备份，以供工作人员参考。

⑶输出病害实时检测表

通过无人机和实地检测情况以及传感器实时传输结果情况将结果输出为病害实时检测表。记录好病害发生位置、检测时间点、气温情况，具体构件部位，相对应的应力变化情况，位移情况，病害类型，病害发展方向，计算机主动判断系统预警情况。通过大数据技术，将桥梁以动态发展的情况，及时掌握病害发生位置，来预判病害发生的可能性，实现更广泛、高效地为金义东轨道交通保驾护航。

3.3.2实地开展

⑴人工检测，全面排查

由于金义东轨道交通刚投入使用，桥梁运营情况佳，建议前三年通过人工检测的方式，摸排一轮整条线路的实际情况，建立一套初始的数据情况，根据地理位置情况，环境状况，分类判别区域适用的检测方法，哪些区域可以用智能装备检测，哪些区域必须人工检测。例如：高空桥梁段可以采用无人机巡检的方式，对于状况较差或者检测不便利的路段，建议在合适的构件和位置安装传感器和摄像头。同时，如有病害发生，工作人员需第一时间详细记录位置和病害发生情况，并通过图像记录保存上传至数据中心处理。

⑵建立动态病害数据库

由于大数据技术基于庞大的数据库才能得以发挥最大作用，建议在第三年开始，启用利用该技术方法。利用无人机或公路检测车实时将轻轨具体情况上传至系统，利用GPS 技术对智能设备找到的病害进行标记，通过计算机视觉检测技术对病害做好分门别类的工作，生成病害数据库。同时，无人机等设备要定期巡检拍摄病害发展情况。这些动态变化的数据库是大数据技术的宝藏，金义东轨道交通作为国内市域轨道单条线路最长项目，能提供的数据量可想而知。经过长年累月的观测，动态病害数据库也将足够庞大，极具价值。

⑶数据重新训练，提高识别准确率

例如chatgpt、AlphaGo 等都是利用人工智能技术，让计算机对庞大的数据进行不间断地训练才得以实现。而金义东轨道交通在运营之初数据库病害信息较少，导致FCN、UNet 等网络模型数据处理的病害识别准确率低，很难发挥大数据技术的作用。因此，整套系统能够顺利完成的关键就在于动态数据库的建设和人工智能技术的识别率情况。需要在采集数据的同时训练模型，在不断循环中达到良性发展的目的。最终，经过金义东轨道交通实地训练的网络模型不仅能实现自动输出病害实时检测表，供工作人员判断。

这“三步走”方法很好地解决了未来金义东轻轨桥梁检测过程中可能会碰到的问题，并提出了一个效率高、可持续发展、动态检测的方法，也为其他地区桥梁智能化检测提供极大的帮助。

4 结语

大数据时代下，桥梁检测有了更多实用的方法，金义东轨道交通作为首条金华建设的轻轨线路，亟需出现科学、高效、可持续的桥梁健康检测方法。本文介绍了国内外桥梁检测的现状，分析了三种智能装备检测方法的适用情况和优劣，综合金义东轻轨建设情况，提出一种城市轻轨桥梁检测策略的思路，为未来桥梁检测方法创新提供了新思路。