近年来，新一轮科技革命和产业变革突飞猛进，以密集型数据发现为代表的科研范式逐步形成。物联网、大数据分析、人工智能等前沿科技的突破性发展，计算机科学、测量学和控制理论等学科与桥梁学科的加速渗透融合，以数据驱动方法构建的算法和模型，推动着桥梁工程研究范式的快速变革，形成了一系列新理念、新技术和新方法。

桥梁工程研究范式的演进

范式的演进对于学科的发展具有重要意义。作为科学技术发展所依赖的共同理论基础和实践规范，范式的概念最初是由美国科学哲学家托马斯·库恩于1962年在《科学革命的结构》中提出，指的是某领域内科学家群体所共同遵从的科学体系及行为方式，具有多义性，通常可被理解为共有的模式、方法、工具、路径、文化，等等。

图1 托马斯·库恩（Thomas Kuhn）

近年来，随着数据的爆炸性增长，计算机的能力被不断强化，不仅仅能做模拟仿真，还能进行分析总结，得到理论。2007年，著名的图灵奖得主詹姆士·格雷在NRC-CSTB大会上发表了著名演讲“The Fourth Paradigm: Data-Intensive Scientific Discovery”，指出数据密集型科学研究范式已成为继经验科学、理论科学、计算科学后的第四范式，将数据密集范式从计算科学范式中剥离，预示着传统的假设驱动型的科研，向基于科学数据进行探索的科学方法，已成为当前开展科学研究的一种重要方式。

图2 詹姆士·格雷（James Gray）

对于桥梁工程而言，传统的桥梁工程研究多以力学、材料和设计理论为基础来开展，形成了基于力学实验、理论建模和数值计算等研究方法的研究体系和面向设计、施工、维护、加固等桥梁寿命周期历程的知识体系。对于具体的物理机制、结构性能，桥梁科研工作者常基于理论经验公式，通过一定样本的试验观测和数值模拟分析开展工况试验，结合获得的结果数据，形成对特定场景的规律性认识。

图3 佩德罗·多明戈斯（Pedro Domingos）

然而，随着我国桥梁行业快速发展，仅依赖这样的基础研究范式已难以应对复杂条件下的机理分析研究和理论成果与工程应用的割裂化问题。例如：材料层面研究的机制机理常难以转换到工程层面直接应用，数值模拟计算的结果与复杂变化的实桥结果常存在较大偏差，基于规范和假设的设计理论无法与实桥真实运营历程相适应，多因素耦合效应与跨尺度、多尺度问题难以通过力学试验或数值模拟进行复现，严重限制了桥梁科学的进一步发展。如何突破现有模式，建立一种桥梁工程研究新范式已成为业内共同关注的问题。

随着第四科学范式的确立，由海量健康监测数据、视频数据、计算文本、报告形成的桥梁数据，助推了桥梁工程研究范式的加速变革。在学科基础上，计算机科学、测量学和控制理论等学科知识与力学、材料和设计理论融合发展，形成了具有新工科特征的新理论和新技术；在研究对象上，面向桥梁建管养场景的复杂问题在数据驱动下获得了快速的发展，形成了以算法、神经网络、概率图等为表达的系列研究成果；自主感知、知识涌现、数据融合、协同群智等前沿理念深度融入，伴随着机器学习领域五大流派的加速融合，以混合人工智能技术为核心的桥梁工程研究新范式逐步形成，勾勒出了桥梁工程未来发展的新方向。

人工智能混合模型增强下的桥梁设计

桥梁设计方案通常通过概念方案设计、承载力计算、性能试验与分析等步骤的反复迭代来获得，其基本的模式主要依靠直觉、经验和模型计算。在人工智能时代，桥梁设计的基本模式逐步呈现出“机器设计优化+人工选型”的新范式。相比传统的基于CAD-CAE-CAD设计路径而言，融合智能模型泛化能力，实现方案涌现和结构优化，进而根据设计标准和项目需求进行决策辅助，已成为未来桥梁设计的一种趋势。目前在结构的造型与找形方面已出现一些全新的理念和应用。

图4 深度学习增强的结构拓扑优化设计

在概念方案涌现与比选方面，设计人员基于现有桥梁设计图库，通过人工智能模型的学习提取桥梁美学描述，结合桥梁美学的评价理论，形成智能算法辅助下的概念桥梁方案的比选与决策辅助。同时，通过逆向的输入桥梁美学特征参数，建立基于深度学习的方案涌现算法，突破人类固有经验和理念的局限，由机器产生新的创意，丰富设计的文化灵感。在结构拓扑优化方面，结合材料、力学和多目标约束条件，建立设计参数与结构形式的样本库，运用深度学习技术训练生成对抗型网络，形成设计参数到结构形态的参数映射，实现快速的结构找形与优化。

图5 桥梁构件找形与优化设计

人工智能混合模型增强下的桥梁施工

桥梁施工领域的人工智能技术引入，目前主要体现在建造装备智能化和施工管理智能化两个方面。相比较传统的人工作业方式,桥梁施工正在快速向智能建造发生转变。集成计算机视觉、控制工程理论、路径规划与优化等前沿技术,实现对施工过程的综合感知和监测，提升施工作业的安全、质量和进度保障已成为施工智能化的共同目标。

图6 混凝土箱梁预制的智能化系统

在建造装备智能化方面，主要体现在位姿传感、视频监控等手段与常规施工设备的结合，运用目标检测、传感器数据聚类等方法，实现对施工作业过程参数指标的实时反馈,为作业人员提供预警信息与参考数据。例如：智能振捣、智能张拉、智能浇筑等施工控制过程。此外，结合施工过程结构状态监测数据形成的智能检测系统也已成为桥梁建造的标配。例如：主梁挠度控制、拉索索力分配等。

在施工管理方面，目前常存在施工人员管理难度大、施工现场环境复杂等管理难点，容易引发施工安全事故或施工质量不达标等问题。当前施工管理智能化的应用主要包括场地监控、安全帽识别、人员鉴权、物料监测、建造过程等。通过计算机视觉技术，对施工场地内的人、车、物进行有效识别，获得其运动轨迹与空间位置，划定虚拟围栏，对误闯危险区域的人员进行实时预警；融合数据库和图像语义识别技术，对施工区域内的异物或物料状态进行检测与比对，实现施工物料的科学管理和异常检测；运用三维建模与点云分割技术，对土石方工程、建造节段进行数字化建模，实现对工程量、工程进度的高精度管理。

人工智能混合模型增强下的桥梁运维

桥梁运维过程的场景需求和任务目标是多样的，在人工智能技术的支持下，车辆荷载、表观检测和管理手段等方面形成了系列融合交叉的新技术和新理论。

全场域车辆荷载监测与桥梁在线评估系统

动态车辆荷载测量是桥梁运维中的重要任务，准确掌握实际的车辆荷载水平及分布特性，对于桥梁设计标准更新、精细化性能评估、科学管养决策和全寿命周期分析均有重要意义。一般情况下，车辆荷载多采用WIM系统进行某一断面的车辆荷载信息采集，并结合模拟外推方法形成全桥车辆荷载谱。随着人工智能领域车辆识别与跟踪技术的突破发展，基于道路监控的车辆轨迹捕捉方法与理论日趋成熟，融合WIM系统和视觉系统的桥面车辆荷载监测，已成为在役桥梁真实荷载历程建模的新范式。

图7 全场域车辆荷载监测与桥梁在线评估

采用深度学习技术实现对桥面车辆的识别与跟踪，基于时间戳匹配融合WIM和视频数据形成完整的车辆行驶记录，可构建全息化的车辆荷载谱。在此基础上，进一步关联桥梁健康监测系统的实时数据，实现桥梁刚度损失的识别，可有效描述长期车辆荷载作用下实桥性能的退化规律，为桥梁加固和长寿命运维提供科学的决策依据。

模拟人类视觉的传感信号分类与事件识别

在桥梁监测系统基础上补充智能算法形成了新一代的桥梁智能监测体系。其中，针对传感器序列数据的处理、信号分类与事件识别是该方向的研究热点。相比现有的依赖阈值或动力学计算的健康监测数据应用方法而言，融合混合人工智能模型算法，实现在线学习和信号规律的挖掘，同步完成结构状态、传感器工作状态和异常事件的识别，已成为该领域研究的新范式。

对于传感器自身状态而言，基于卷积神经网络、长短记忆网络、图时空神经网络等智能技术的传感器工作状态异常监测和信号补全技术相继被提出，大大提升了健康监测系统的故障诊断效率与数据质量。其中，模拟人类视觉的信号处理技术，通过模仿人工信号识别过程获得了较大的成功。对基于传感器序列数据绘制时程曲线进行划窗检测，结合信号事件所代表的专业知识，建立了一种基于机器智能的桥梁事件识别方法。例如：重车监测、传感器信号漂移、信号缺失、韧性识别等。

图8 基于计算机视觉的应变信号分类与重车事件识别

基于全景图的桥梁多尺度表观病害检测

与量化评价

在长期的荷载与环境作用下，结构服役性能日渐劣化，会不可避免地产生各类病害，病害的发展与涌现严重危害着桥梁结构的安全性和稳定性。因此，及时地发现并治理桥梁病害对提升结构的服役安全性至关重要。目前，我国大量桥梁采用的定期检查与特殊检查，仍以人工检测为主，存在强度大、财力耗费高、效率低下等问题，对检测人员的专业技能和知识储备要求也较高，难以形成标准化病害描述和客观判断。

近年来，通过人工智能技术模拟人工目测，实现“以机换人”的智能检测已成为智能运维的重要发展方向。从数据处理和任务特征角度，智能检测的研究不仅包括病害图像分类、病害图像语义分割等算法的研究，还涵盖了与自动化、机械化装置结合下产生的智能装备或智能机器人。从现有研究来看，集成光谱传感系统，建立特异型机械运动云台，对在役结构进行全景式扫描，进而通过混合智能模型完成病害识别与量测，已成为病害标准化研究的主要范式。

图9 基于图像语义分割的钢箱梁底涂装病害分布

在算法方面，通过对病害图像中的病害区域进行标注，开展监督学习，利用U-Net、DeepLab、Mask-RCNN等图像语义分割算法，可实现对各类混凝土病害、钢结构病害的精准识别。一方面，通过算法的检测实现对病害量化描述，包括病害的种类、尺寸等关键信息；另一方面，基于统一模型推断获得的病害识别结果极大地避免了人工评价带来的主观性偏差，确保了检测数据的精度和质量。

在智能装备和机器人方面，人们通过将机械系统的运动控制与图像分析技术相集成，在病害信息之外，还可以获得病害时空位置信息，为长期的病害跟踪观测以及其发展规律揭示奠定了必要条件。当前主要的应用包括：基于无人机的不可达区域检测、基于扫描机器人的结构表观扫描和自主式机器人等。

图10 结构表观扫描系统

真实结构孪生模型构建与智能交互应用

依赖云计算、数据库和虚拟仿真等技术的快速发展，以BIM模型和数据仓库为数字底座，以移动终端、传感器和虚实交互技术为数据来源，形成的桥梁智能化、信息化运维管理模式已成为桥梁运营的基本配置。从研究角度，构建精细化的实桥模型、建立具有时空标记的标准化数据，已成为实桥性态演化规律研究的必要条件。在新思维下，近年来桥梁数字孪生相关技术获得高度关注。

构建实桥的数字孪生模型是桥梁运维智能化的一个重要内容，综合运用各类三维建模技术构建出与真实结构孪生的数字化模型，不仅可以提供直观的可视化效果和运维信息管理优势，还可以为有限元分析等提供更加准确的模型，有效提升数值计算的精度。目前，该领域主要的研究热点包括：逆向建模方法、虚实交互技术、数据管理及可视化等。

图11 逆向建模技术应用与构部件分割

在逆向建模上，多采用摄影测量技术或激光雷达来获得在役结构的点云，一般通过对不同时刻的点云模型进行差分运算，可获得精准的结构缺损信息。此外，基于点云的体系化、特征化处理，并构建深度学习模型实现点云的分割和聚类，来实现对结构构件的智能识别，可实现结构构件的精准分割与识别。

除了构建可视化的数字模型，通常需要建立一种虚实交互的方法和路径，实现真实数据或信息对虚拟模型的标记或属性更新。其中，基于图形码的方法因简单、高效已被广泛使用，例如：二维码、条形码等。在工程领域，近年来不少学者提出了适用于特定场景的特殊图形码，综合来看，这些编码均具备文字编码、尺度参数和高效的编解码算法等能力。例如：用于栓接铆件防松预警的PacCode、用于桥梁挠度或结构位移的GalaxyCode、用于姿态解算的网格化图形标码，等等。

图12 专用图形码及应用

综上所述，当前人工智能技术的引入，为传统桥梁工程研究中遇到的诸多问题提供了新思路、新方法。面向各类复杂桥梁工程场景，通过全量化大数据采集和智能化数据组织，进而建立人工智能混合模型以解决桥梁科学及工程中的关键问题，将势必成为未来研究的主要范式。未来，随着人工智能领域技术的快速发展，桥梁工程研究将进一步发生变革，多学科加速渗透、综合技术集成融合将推动桥梁行业快速发展。

本文刊载 / 《桥梁》杂志

2022年 第2期 总第106期

作者 / 陈艾荣 潘玥

作者单位 / 同济大学