刘路海 喇海霞 王 凯 胡天明 段晓晨

（1.石家庄市交建高速公路建设管理有限公司西阜分公司 河北石家庄 050043；2.石家庄铁道大学 河北石家庄 050043）

1 引言

张家庄大桥地处灵寿县山区，全长928.5 m，宽度24.5 m，设计时速80 km，采用双向四车道高速公路标准。大桥地理环境复杂、车流流量大，不确定运维成本影响因素多，是西阜高速石家庄段运维重点工程。为有效控制运维成本，本文在收集以往类似工程运维成本相关资料的基础上，针对其随机、复杂、多时空、非线性等演变机理和趋势规律，运用PSO聚类分析模型筛选出与目标工程近似度较高的历史案例，基于BP神经网络对目标工程运维成本进行预测；运用PDCA、海恩法则等相关方法优化桥梁工程运维成本管理，并构建了基于BIM技术的桥梁工程运维成本可视化管理平台，辅助张家庄大桥运维成本管理，实时为管理者提供有效的决策依据和建议。

近年来，国内外诸多学者对桥梁工程运营维护阶段的成本控制进行深入研究，并取得了一定成果。白佳敏、徐晓伟等运用因子分析、粗糙集、PSO等理论对桥梁工程运维成本的影响因素进行建模分析[1－2]。Xing-An HU，Zhou S X 等运用模糊聚类、灰色关联分析等方法对公路桥梁工程建立运维成本预测模型[3]。王孟钧、赵娜等[4]运用扎根理论的质化研究法，深入研究了地铁工程成本形成机理，并指出地铁成本管控的重要影响因素。胡振中、张建平等[5－6]构建了基于BIM技术的桥梁、地铁工程运维管理平台，运用到桥梁、地铁工程全生命周期造价管理中。但将BIM、PSO、BPNN等方法集成应用，BPNN智能识别和三维可视化展现运维成本演变机理方面，查无文献报道。

2 PSO、BPNN智能识别张家庄大桥运维成本源

2．1 收集整理数据，建立原始数据库

（1）原始数据库架构。张家庄大桥运维成本构成和范围比较复杂，从部位分析主要有支座、伸缩缝、桥面系、桥台跳车、梁体、墩台基础、墩台、坍塌等损坏修复和防治费用；从时间上划分可分为日、周、季、年及小、中、大修周期等费用；从开支内容主要可分为小修保养、中修、大修等。为此，在通过田野调查、查阅文献、网搜等方式，广泛搜集国内外类似张家庄大桥的运维成本管理案例基础上，初步按年度、地区及部位架构类似工程运维成本原始数据库进行归纳，主要包括工程名称、通车时间、病害类型及程度、小修保养费及中、大修成本与周期、节超情况、问题原因、对策等原始数据信息。

（2）数据清理。按照分箱、离群点等方法，消除异常、冗余、无效的噪声数据。

（3）消除成本时间影响因素。根据相应公式[7]统一调整为2018年价格水平，将每一个类似工程数据汇总整理。

（4）消除成本区域影响因素。按相应公式[7]调整为石家庄地区价格水平。

（5）构建基础数据库。通过以上方法按部位构建52个案例基础数据库，表1为桥面系小修保养费示例（中大修相同）。

表1 桥面系运维成本基础数据库构建示例

2．2 基于PSO的类似工程案例选取

通过PSO聚类分析，可以较精确地提取与目标工程特征相似度较高的案例，以提高工作效率，克服单纯BP神经网络运行速度慢、易出现局部最优解的缺点。

（1）张家庄大桥各部位运维成本主要影响因素分析及量化赋值

根据张家庄大桥各部位运维成本消耗特点及工程特征，运用WBS（Work Breakdown Structure）法、专家咨询法对各部位主要运维成本发生源头进行分析，确定各部位主要影响因素，并进行量化赋值，见表2。

表2 高速公路桥梁桥面系工程特征类目量化

（2）对基础数据库中各类似工程案例和张家庄大桥工程特征进行量化赋值

按表2对基础数据库类似工程特征进行量化赋值，因篇幅所限对赋值过程不再赘述。张家庄大桥各工程特征量化赋值依次为 4、4、4、4、3、2、5、2。

（3）PSO聚类分析与样本数据库构建

运用MATLAB工具进行PSO聚类分析，界面如图1所示，运行结果如图2所示。最终选取相似度最高的一组案例（共25个）作为张家庄大桥桥面系样本案例数据库，进行BPNN模型预测。同理可构建伸缩缝、桥台、基础等其他部位样本案例数据库。

图1 PSO聚类分析界面

图2 PSO聚类结果

2．3 BPNN智能预测张家庄大桥运营维护成本

2．3．1 构建张家庄大桥运维成本目标体系

根据石家庄交建高速公路建设管理有限公司成本控制要求，按部位（桥面系、支座、伸缩缝、桥台、梁体、墩台基础等）根据小修保养、中修及大修成本与周期、可能的超支幅度等消耗指标构建张家庄大桥运维成本目标体系。

2．3．2 张家庄大桥运维成本目标预测和确定

在各部位样本案例数据库基础上，预测确定张家庄大桥各部位运维成本目标。本文以张家庄大桥桥面系小修保养费用和小修周期为例说明预测过程。

（1）构建BP神经网络

本文构建3层BP神经网络[8－9]：输入指标设置为8个；以柯尔莫哥洛夫定理为依据，隐含层节点数取2 m ＋1 ＝2 ×8 ＋1 ＝17，依次用 I1、I2、I3、I4、I5、I6、I7、I8表示桥梁长度、桥梁宽度、地质水文、通车年限、日交通量、气候条件、桥梁养护类型、运维管理水平；用O1表示年小修保养费用，用O2表示保养周期。本文将1～23组数据作为训练样本、24～25组数据作为测试样本。25组数据量化见表3。

（2）训练与测试网络

输入代码，运用MATLAB软件对前23个案例数据进行训练，网络最大迭代次数设为5 000次。BP神经网络训练过程如图3所示，误差达到预测精度要求；用最后两组数据进行检验，其输出值与实际值相对误差为3.10%（≤±5%），满足精度要求，因而可用于张家庄大桥运维成本预测。

图3 网络训练收敛过程

（3）预测张家庄大桥小修保养费及周期

通过BP神经网络预测，张家庄大桥小修保养费为0.068万元／（100 m·月）。考虑张家庄大桥刚开始运行，需处理的施工遗留问题较多，确定其目标控制成本为0.08万元／（100 m·月）；小修周期为1.006 9个月，取1个月。

同理可预测确定小修保养成本可能的超支为2.85%；中修目标成本为0.749万元／（100 m·年），周期4年，可能超支0.81%；大修目标成本1.235万元／（100 m·年），周期7年，可能超支0.3%。

2．4 构建张家庄大桥运营维护成本问题原因对策库和预警体系

（1）对张家庄大桥各部位样本案例数据库问题原因对策进行汇总整理，构建张家庄大桥各部位运维成本问题原因对策库，因数据信息量较大，在此不作展示。

（2）按照成本超支比例大小构建预警体系

当0＜成本超支率≤3%时，预警等级设为Ⅳ级；当3%＜成本超支率≤5%，预警等级设为Ⅲ级；当5% ＜成本超支率≤10%，预警等级设为Ⅱ级；当成本超支率＞10%，预警等级设为Ⅰ级。各预警级别响应机制不再赘述。

3 PDCA动态控制张家庄大桥运维成本

根据以上各部位确定的运维预算成本目标，在运维过程中，按周期进行实际成本统计，计算成本超支情况，运用PDCA进行成本偏差原因分析及对策制定，以消除偏差[10]。

（1）PDCA 控制周期

张家庄大桥2019年1月开始正式通车，根据张家庄大桥工程特征和成本消耗特征，确定张家庄大桥成本控制周期为一个月。

（2）运维成本统计

结合控制周期，对张家庄大桥运维成本进行统计。因张家庄大桥刚开始运营，前期主要涉及小修保养实际费用统计分析。运维过程中，对每月产生的小修保养实际费用进行统计，2019年3月份小修保养费用统计示例见表4。

表4 张家庄大桥3月份小修保养费用统计 万元

由表4可知：3月份超支4%，达到三级预警值，需要一线人员直接上报建管公司成本部门处理，结合已构建基础数据库信息，找出超支原因与相应对策，并在4月份运维管理过程中执行该对策。

大桥运行一年后，实际年小修保养费5.4万元，而2019年小修保养计划费用为5.8万元，略有节约，张家庄大桥运维成本控制取得了较好效果。

4 基于BIM的三维运维成本辅助管理平台

（1）开发张家庄大桥运维成本三维智能控制软件系统

架构开发运维成本三维智能控制软件系统[11－12]，系统主要包括五大功能模块：用户信息管理模块、基础数据库管理模块、运维成本管理模块、运维可视化管理模块、运维成本预测模块，其中运维成本预测模块还在开发建设中。软件系统登录界面如图4所示。

（2）成本目标、控制情况、原因对策等智能查询

该系统开发采用 IDEA，集成环境，前台使用Bootstrap框架，后台基于Java语言开发。图5为2019年3月份桥梁运维成本三维动态查询界面。通过该系统，只要输入张家庄大桥工程特征值和时间、部位，即可对张家庄大桥运维成本目标、成本控制偏差、预警、原因对策等进行实时查询，同时可按周期对张家庄大桥运维成本控制情况进行实时显示，并提供相关对策建议。

图5 张家庄大桥3月份运维成本查询统计信息

5 结束语

本文结合张家庄大桥工程特点，进行运维成本智能控制研究，主要有以下研究结论：

（1）在收集已完成类似工程安全数据资料基础上，运用基于PSO的BPNN人工智能方法，建立张家庄大桥运维成本估算模型，该模型通过输入目标工程的特征值可准确预测出目标工程的运维成本。

（2）运用PDCA动态管理理论与方法，加强桥梁运维成本的动态管理，发现问题，及时纠偏。

（3）构建基于BIM的张家庄大桥运维成本辅助管理平台，全过程可视化控制，提高了张家庄大桥运维管理的及时性和高效性。