基于组件式GIS的桥梁健康监测数据集成及预警研究

2021-01-25吴学伟程培嵩

公路工程 2020年6期

魏鑫,吴学伟,程培嵩

(1.东北林业大学土木工程学院，黑龙江哈尔滨 150000;2.牡丹江市勘察测绘研究院，黑龙江牡丹江 157000)

1 概述

近年来我国在桥梁建设方面取得了飞速的发展，为我国经济腾飞做出了巨大的贡献。但随之而来的是诸多新建桥梁和在役桥梁的质量评定、桥梁结构病害及如何确保桥梁安全运营等问题。随着科学技术的快速发展，计算机技术、信息技术、传感器技术得到了广泛的应用，许多重大桥梁结构都建立了健康监测系统以实时获取桥梁服役状态，从而为准确评估桥梁性能提供数据与技术基础。但仍然有大量桥梁由于监测资金投入少，监测规模小等问题存在以下不足：

a.桥梁检测历史数据大多还以纸质监测报告形式存档，数字化程度低，可操作性较差。

b.桥梁监测过程，对于测点、仪器等布设管理还依靠二维CAD图纸表达，监测数据以单一的数字表现，可视化程度低。

c.长期监测过程中，累积了大量监测数据，在进行预警时，对数据的实时处理、及时预警效率低。

地理信息系统(GIS)强大的数据采集、管理、操作、分析、显示等特征[1]，可以对桥梁静态数据、动态数据、空间位置的关联信息等复杂多源数据进行高效存储检索，实现监测数据的统计分析、图形数据的属性显示、构件及设施空间信息与属性信息的查询等一体化管理。而Com GIS是组件技术与GIS技术相结合的新一代地理信息系统[2]。各个GIS组件可以像“搭积木”一样进行灵活的拆分和组合具有高度的伸缩性，扩展性。

选用北京超图公司开发的大型、全组件GIS开发平台Supermap iobjects9D搭建桥梁监测二三维一体化场景，阐述数据快速集成方法并实际应用于牡丹江红岭高架桥动态预警监测。

2 基于Supermap iobjects的数据集成

2.1 BIM数据集成

2.1.1IFC-CityCML转换

BIM专业软件多样化，具有多种数据格式(DWG、DNG、RVT、PLN等)，拥有各自的数据结构和数据标准。高精度的BIM数据转为GIS系统的数据源并结合地形、影像、监测信息等多源数据构建一体化大场景，将BIM技术丰富的建筑空间和语义信息与GIS技术大规模数据管理、分析、可视化的优势相结合。其中BIM与GIS领域通用的数据模型标准工业基础类(IFC)和城市地理标记语言(CityCML),为两者数据集成及互操作提供了基础[3]。将BIM数据格式转换为IFC标准格式，基于语义映射关系和多层次细节模型转换方法(LOD)，将BIM几何信息、语义信息集成到SuperMap软件平台中[4]。GityGML具有5层不同细节级别定义(LOD0-LOD4)，所有模型都通过LODs实现多尺度表达，其中LOD0只是建筑模型的二维轮廓,而IFC将BIM模型层次细节变化分为5组(LOD100-LOD500)其中LOD100不是几何表示。根据不同LOD层级所需的IFC组件类型及应用GIS过程中的不同需求，通过语义信息筛选输出构件类别的IFC，进行选择性的数据过滤和信息简化并存储到GIS数据库中，进而实现模型轻量化。其映射关系见图1。

图1 IFC-CityGML语义映射Figure 1 IFC-CityGML semantic mapping

2.1.2BIM模型建立与导出

采用BIM技术中应用较高的Revit软件。将桥梁的3个主要组成部分：上部结构、下部结构和附属结构拆分为一个一个的桥梁构件，进行参数化建模。建模过程中应用图元包括模型图元、基准图元、视图图元。建模关键步骤：依据划分桥梁组成部分创建相应的可载入族；利用设计参数进行构件参数化建模；利用族参数的关联性进行族与族的关联；利用基准图元中标高、轴网、参照平面等实现桥梁横断面和纵断面的精确定位，以及纵坡横坡空间定位。

桥梁构件建模工作流程图见图2。

图2 Revit模型建模框架Figure 2 Revit model modeling framework

图层是GIS数据组织和管理的基本单位，为了便于实现多视口显示状态下数据与模型之间的二三维联动及查询检索等功能，将Revit建立的桥梁模型构件在统一的项目基点下通过对其附加模块添加导出插件分别导出并存储于模型数据源中。其插入点信息参数，为输出的模型几何信息添加精确的地理空间位置信息，实现局部坐标系到绝对坐标系(经纬度)的转换，并同时对构件建立唯一的ID标识，作为关键字联结几何信息和属性信息。导出参数设置见图3。

图3 导出参数设置Figure 3 Model export parameter settings

2.2 桥梁信息集成

在对桥梁进行监测的过程中，会产生大量的文本信息、表格信息及图片信息包括：①传感器监测信息(环境荷载监测、结构响应监测);②外观检测信息(钢筋锈蚀情况、保护层厚度、混凝土外观等);③专项检测信息(混凝土碳化深度、强度等级);④动静载实验检测信息;⑤桥梁基本资料。将这些信息高效的集成在一起可以克服由于工作人员专业性水平差异而造成标度值不确定性的弊端[5]。

2.2.1基于图层的数据管理

GIS是以图层为基本单位进行数据组织和管理，对空间数据分层是GIS对数据管理的重要形式[6]。在图层支持下，对数据进行提取、修改、重构，调用需要图层，锁定无关图层可大大提高显示效率。同时通过图层复合，对不同内容的图层进行分离、组合、叠置，利用新生成的专题图进行相关性分析，极大的提高了数据显示和利用效率。其Supermap iobjects完备的SDX+数据引擎及Realspace技术体系，实现了数据存储、数据管理、可视化、分析功能等一体化操作，并提供了对已有大量二维数据直接在三维场景中高性能可视化，及二维分析功能直接在三维场景中应用等分析功能。图4为三维功能组件的模块调用。

图4 Realspace对象结构图Figure 4 Realspace object structure diagram

2.2.2信息+BIM集成与导入

信息与模型集成并同场景连接的主要操作：利用BIM中共享参数的功能，创建TXT格式的共享参数文件，形成对应的参数组及参数名称，通过对构件属性栏的定制，实现对检测信息的集成见图5(a)；对于检测照片，BIM模型支持贴花的方式，可将检测照片按实际位置，进行贴图和管理见图5(b)；将集成信息后的桥梁模型导出为SuperMap数据源的形式，其桥梁模型中模型数据的几何信息、属性信息、集成信息分别以模型数据集、文本数据集、影像数据集等保存于数据源中的数据集中见图5(c)；建立KML图层，利用三维符号标绘功能进行传感器图元添加见图5(d)，并与经处理分析后的监测数据连接并设置预警响应。

(a) 共享参数设置

(b) 病害记录创建

(d) 传感器图层标绘

3 应变分离及预警阈值设置

3.1 应变与温度之间关系分析

应变是桥梁结构进行安全监测和评估的重要参数之一，其测点的总应变测量值可以表示为：

εε=εL+εT+εR

(1)

式中:εL为荷载应变；εT为温度应变；εR为收缩徐变应变。

已有相关文献表明，温度与应变具有强相关性，且温度是影响桥梁结构监测应变主要因素[7-8]。取3#跨中底板测点温度应变2018年6月15日至2019年3月15日监测数据进行分析可知其最高温度出现于7月份，最低温度出现于12月份，最大温差可达49.5 ℃。应变及温度监测值分布如图6所示。

图6 3#跨中底板不同季节的温度及应变监测值

从图5可以看出，在监测过程中，温度与应变之间具有良好的相关性，但在长期监测过程中，不同季节的线性拟合公式的参数还是有较大的差异。所以在实际长期监测过程中为了保证预警结果的准确性，减少不必要的人员浪费，有必要建立一个时变的多元线性回归模型，使其参数随实际情况动态变化，供长期监测使用[9-10]。

3.2 时变性多元回归模型建立

由以上分析可知，温度与应变的线性关系受季节温度变化的影响。因此在建立回归模型时，预测变量以底板测点温度(T1)、顶底板测点温差(T2)、大气日平均温度(T3)作为解释变量即自变量，监测应变作为被解释变量即因变量，进行多元线性拟合令：

ε(t)=β0+β1T1+β2T2+β3T3+μ(t)

(2)

式中：ε为测点应变(根据本桥实际情况，忽略收缩徐变应变，其主要为εL+εT)；Ti(i=1,2,3)为各温度作用；β0为回归常数；βi为回归参数；μ为误差项。

将监测温度应变数据作为样本值，利用最小二乘法确定回归参数,即对任意样本值(εi,Ti)(i=1,2,…n)，使(3)式取值最小。

(3)

建立模型后，利用回归系数R2对模型拟合测定(R2越接近1，回归拟合程度越好)。项目采用长沙金码生产的JMZX-212AT智能弦式数码应变计，应变计粘贴在混凝土箱梁内侧，可同步记录测点的温度和应变。

对6个月中随机1 d监测温度数据分析见图7，由于传感器安装于箱梁内部封闭环境中加之混凝土传热性能差等原因，其1 d中结构温度随大气温度的变化而产生周期性变化并主要在其平均值附近波动。并由图8底板12月份温度监测平均值看出，监测温度在7 d之间已产生了较大的变化。

图7 底板实测温度日变化

图8 12月3#跨中底板平均温度Figure 8 Average temperature of 3# mid-span bottom plate in December

因此，为了在长期监测中较为准确地反映温度与应变随时间变化的线性关系，赋予多元线性回归模型时变性：取前1～7 d的应变与温度数据进行线性拟合，用于预测第8天应变中的温度效应，在将2～8 d的应变与温度数据预测第9天应变中的温度效应，以此类推。

3.3 温度效应分离及阈值设定

温度效应分离，即式(4)。

ε(应变残差)=ε(实测)-ε(计算值)

(4)

对式(4)应变残差进行分析，其残余应变可认为主要是活荷载(汽车荷载、人群荷载)引起的应变响应值。在长期监测中可将历史应变残差变化常态区间作为初级预警阈值，桥梁荷载试验应变监测变化值作为高级预警阈值。报警状态分为安全状态、异常状态、危险状态3种。

4 工程背景

牡丹江红岭高架桥竣工于2010年12月。在2012年3月、2013年5月、2015年5月分别进行了桥梁检测与试验，并于2016年底安装了桥梁健康监测系统。桥型结构为5跨预应力混凝土连续刚构箱梁桥，跨径布置为75 m+3×130 m+75 m，全长549.56 m。上部结构：箱梁采用单箱单室，全宽12.0 m，桥面纵向1.83%纵坡、行车道设置2%单向横坡。下部结构：桥墩为双薄壁墩，桥墩基础为扩大基础，桥台为肋板式桥台。其中温度应变传感器测点布置见图8，所有传感器均安装与箱梁内部。

4.1 监测场景功能设计

基于红岭高架桥大量监测数据，桥梁检测历史数据及模型数据，通过上述方法进行信息集成与管理，实现数据管理一体化，表达一体化。Supermap iobjects以组件式对象的形式提供功能：在Visual Studio中嵌入Supermap iobjects对象类型库及模板；建立iobjects对象与控件的联系；调用iobjects对象的方法和属性完成所需GIS需求[11]，表1为对iobjects调用的主要功能模块及功能概要。

图9 温度/应变测点布置图Figure 9 Temperature/strain measuring point layout

表1 功能模块调用Table 1 Function module table功能模块对应程序集涵盖功能概要数据模块Supermap.Data.dll提供对空间数据及其属性的全面操作及处理数据处理模块Supermap.Data.Processing.dll数据处理包括影像、地形、模型数据的缓存生成功能地图模块Supermap.Mapping.dll提供了显示、渲染、编辑以及强大制作统计图的功能三维模块Supermap.Realspace.dll提供数据、显示、分析二三维一体化的三维场景展示。可在三维窗口中漫游、浏览、选择、查询、定位三维场景构建模块Supermap.Realspace.ThreeD Designer.dll提供快速高效构建、运算、处理模型对象、地形等数据。可以实时分析、导出数据集、即时完成控件模块Supermap.UI.Controls.dll提供粗粒度的基础空间,方便用户开发如工作管理器控件、图层管理控件

其实现基本功能如下：

a.动态浏览查询功能：图层属性设置、场景放大、缩小、移动、测量、图元查询定位。

b.可视化分析功能：图表制作、图层叠加关联分析、基本统计分析等见图10。

图10 数据分析Figure 10 data analysis

c.二三维联动功能：多视口状态下、图层信息关联。

d.模型操作及轻量化：缓存建立、模型图层合并、拆分、移动等。

4.2 预警结果展示

采用上述方法，以3#跨中底板应变/温度传感器为例，得出12月1日至12月14日应变中的温度效应预测值(见图11)，其与实际应变监测值对比及分离温度效应后的应变残差如图12所示。

应用该时变多元线性回归模型，得到2018年12月7日至2018年12月14日的每日拟合公式参数如表2所示。

图11 时变多元线性回归模型预测结果Figure 11 Prediction results of time-varying multiple linear regression model

表2 3#跨中底板拟合公式参数Table 2 Parameters of the formula for 3# mid-span bot-tom plate fitting日期/(年.月.日)β0β1β2β32018.12.7-55.0883.5770.5690.0292018.12.8-56.4963.2742.6670.2892018.12.9-56.1632.8571.7110.5452018.12.10-56.6192.535-0.5710.5782018.12.11-64.3722.056-1.2040.4462018.12.12-68.4011.845-1.4230.3692018.12.13-81.4881.111-1.8300.1902018.12.14-81.4031.122-1.7860.188

应变残差预警阈值设置如下：黄色报警值=历史数据应变残差常态区间界限；红色报警值=荷载试验应变监测变化值。图12为红岭高架桥多视口监测预警场景。