CN110852610A - 基于马尔科夫模型的路桥隧健康状态与养护费用测算方法 - Google Patents

基于马尔科夫模型的路桥隧健康状态与养护费用测算方法 Download PDF

Info

Publication number
CN110852610A
CN110852610A CN201911087408.6A CN201911087408A CN110852610A CN 110852610 A CN110852610 A CN 110852610A CN 201911087408 A CN201911087408 A CN 201911087408A CN 110852610 A CN110852610 A CN 110852610A
Authority
CN
China
Prior art keywords
maintenance cost
bridge
calculating
tunnel
road
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN201911087408.6A
Other languages
English (en)
Inventor
保丽霞
马斌
刘玉喆
杨旻皓
须伟峰
王飒一
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Shanghai Urban Construction Design Research Institute Group Co Ltd
Original Assignee
Shanghai Urban Construction Design Research Institute Group Co Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Shanghai Urban Construction Design Research Institute Group Co Ltd filed Critical Shanghai Urban Construction Design Research Institute Group Co Ltd
Priority to CN201911087408.6A priority Critical patent/CN110852610A/zh
Publication of CN110852610A publication Critical patent/CN110852610A/zh
Priority to PCT/CN2020/096300 priority patent/WO2021088373A1/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
    • G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] analysis
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/29—Graphical models, e.g. Bayesian networks
    • G06F18/295—Markov models or related models, e.g. semi-Markov models; Markov random fields; Networks embedding Markov models
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/08—Construction

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Human Resources & Organizations (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Strategic Management (AREA)
  • Economics (AREA)
  • General Physics & Mathematics (AREA)
  • Marketing (AREA)
  • Development Economics (AREA)
  • General Business, Economics & Management (AREA)
  • Tourism & Hospitality (AREA)
  • Data Mining & Analysis (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Educational Administration (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Operations Research (AREA)
  • Artificial Intelligence (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Game Theory and Decision Science (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Evolutionary Computation (AREA)
  • Quality & Reliability (AREA)
  • Evolutionary Biology (AREA)
  • General Engineering & Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Primary Health Care (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)
  • Bridges Or Land Bridges (AREA)

Abstract

本发明公开了基于马尔科夫模型的路桥隧健康状态与养护费用测算方法；步骤如下：步骤一、通过计算机软件根据待测的公路、桥梁或者隧道的历史数据评价健康状态，计算各个待测的公路、桥梁或者隧道的单项健康指标及养护费用；步骤二、利用计算机通过回归分析方法对于公路、桥梁或者隧道的单项健康指标及养护费用进行回归分析，计算不同的健康状态指标下对应的养护费用；步骤三、计算状态转移概率向量，利用马尔科夫模型，对于公路、桥梁或者隧道的健康状态指标进行测算；步骤四、基于健康状态指标，对养护费用进行测算。本发明在大量减少人力投入的前提下，还能够极大的提高路桥隧健康状态与养护费用测算的精确性。

Description

基于马尔科夫模型的路桥隧健康状态与养护费用测算方法
技术领域
本发明涉及计算机辅助路桥隧评估技术领域，特别涉及基于马尔科夫模型的路桥隧健康状态与养护费用测算方法。
背景技术
公路、桥梁、隧道的健康状态及养护费用的估计一直以来是影响公路、隧道、桥梁养护决策的重要依据。
而准确的健康状态测算及养护费用估算，有助于养护工作的规划以及养护预算的合理分配。健康状态指标为反应公路、桥梁、隧道的重要依据，不同的单项指标可以体现结构物在不同方面的安全及性能。通过对于公路、桥梁、隧道当前及未来健康状态指标的变化测算，有助于我们判断何时该对于结构物进行何种养护工作，是对于公路、桥梁、隧道实施科学管理的基础。
但是，在现有技术中，通常采用人工方式进行健康状态和养护费用的测算，不但要消耗大量的人力，且容易产生人为的主观错误，导致测算结果失真。
因此，如何减少人力投入，并提高路桥隧健康状态与养护费用测算的精确性成为本领域技术人员急需解决的技术问题。
发明内容
有鉴于现有技术的上述缺陷，本发明提供基于马尔科夫模型的路桥隧健康状态与养护费用测算方法，实现的目的是在大量减少人力投入的前提下，还能够极大的提高路桥隧健康状态与养护费用测算的精确性。
为实现上述目的，本发明公开了基于马尔科夫模型的路桥隧健康状态与养护费用测算方法；步骤如下：
步骤一、通过计算机软件根据待测的所述公路、桥梁或者隧道的历史数据评价健康状态，计算各个待测的所述公路、桥梁或者隧道的单项健康指标及养护费用；
步骤二、利用计算机通过回归分析方法对于所述公路、桥梁或者隧道的单项健康指标及养护费用进行回归分析，计算不同的健康状态指标下对应的养护费用；
步骤三、计算状态转移概率向量，利用马尔科夫模型，对于所述公路、桥梁或者隧道的健康状态指标进行测算；
步骤四、基于所述健康状态指标，对养护费用进行测算。
优选的，在所述步骤三中，所述利用马尔科夫模型，对于所述公路、桥梁或者隧道的健康状态指标进行测算的数学模型如下：
X(k)＝X(0)Pk；
其中，X(k)为k时刻的状态概率向量，X(0)为初始状态概率向量；
P为状态转移概率向量，计算公式如下：
Figure BDA0002265846310000021
优选的，在所述步骤四中，对所述养护费用C进行测算的公式如下：
Figure BDA0002265846310000022
其中，ci为第i个单项指标健康状态下对应的养护费用，si为第i个单项的养护费用对应的工程量。
本发明的有益效果：
本发明在大量减少人力投入的前提下，还能够极大的提高路桥隧健康状态与养护费用测算的精确性。
本发明基于健康状态指标对于公路、桥梁、隧道养护费用估算，综合考虑了结构物的实际健康情形及养护费用的组成，所获得的估算养护费用具有实际的参考价值。
本发明可以作为养护工作的决策工具，对公路、桥梁、隧道全生命周期养护工作起到重要的辅助作用。
以下将结合附图对本发明的构思、具体结构及产生的技术效果作进一步说明，以充分地了解本发明的目的、特征和效果。
附图说明
图1示出本发明一实施例的执行流程图。
具体实施方式
实施例
如图1所示，基于马尔科夫模型的路桥隧健康状态与养护费用测算方法；步骤如下：
步骤一、通过计算机软件根据待测的公路、桥梁或者隧道的历史数据评价健康状态，计算各个待测的公路、桥梁或者隧道的单项健康指标及养护费用；
步骤二、利用计算机通过回归分析方法对于公路、桥梁或者隧道的单项健康指标及养护费用进行回归分析，计算不同的健康状态指标下对应的养护费用；
步骤三、计算状态转移概率向量，利用马尔科夫模型，对于公路、桥梁或者隧道的健康状态指标进行测算；
步骤四、基于健康状态指标，对养护费用进行测算。
在实际应用中，公路、桥梁、隧道的健康状态的恶化受到结构物材料自然的老化、结构物使用的程度不同(车流量、车重及所在环境等)及自然灾害的影响，健康状态的恶化是一个充满不确定性的随机过程，在进行公路、桥梁、隧道健康状态的预测时，模型需考虑到健康状态恶化的随机性。
马尔科夫模型(Markov Model)是描述这类状态的有力工具，同时也是一个最为简单的随机过程，在许多科学领域都有重要的作用。
马尔科夫模型适合随机波动性较大的过程描述，适用于公路、桥梁、隧道等钢筋混凝土结构物的状态描述，其性能衰退呈现某种变化趋势而非平稳的随机过程，在数据量不够多时，可以结合工程经验来建模，模型适用的范围较为广泛。
在某些实施例中，在步骤三中，利用马尔科夫模型，对于公路、桥梁或者隧道的健康状态指标进行测算的数学模型如下：
X(k)＝X(0)Pk；
其中，X(k)为k时刻的状态概率向量，X(0)为初始状态概率向量；
P为状态转移概率向量，计算公式如下：
Figure BDA0002265846310000041
上述马尔科夫模型的关键为如何获得状态转移概率向量，获得状态概率转移概率向量，则可通过初始的公路、桥梁、隧道健康状态，对于时刻的健康状态进行预测。
在实际应用中，通过计算机使大量的历史公路、桥梁、隧道健康状态数据，可以分别对于公路、桥梁、隧道的各个单项指标进行预测，避免了大量人力投入的同时，极大的提高了准确性。
在某些实施例中，在步骤四中，对养护费用C进行测算的公式如下：
Figure BDA0002265846310000042
其中，ci为第i个单项指标健康状态下对应的养护费用，si为第i个单项的养护费用对应的工程量。
在实际应用中，公路、桥梁、隧道的养护费用项目繁多，不同的结构物损害情形会有不同的养护方案。根据当前选择的养护方案，所产生的养护费用也存在着差异。
公路、桥梁、隧道的养护方案依照结构物的健康情形会有所不同，健康状态单项指标为反应公路、桥梁、隧道不同方面的健康情形的重要依据。通过单项健康状态指标及养护费用的回归分析，可以获得不同的单项健康指标评价下，不同健康状态所对应的各项养护费用。
通过上述方法，可以对于公路、桥梁、隧道不同方面的健康情形所对应的养护费用进行较深入的拆解，并对于不同健康状态下的公路、桥梁、隧道养护费用进行较为精确的计算。
以上详细描述了本发明的较佳具体实施例。应当理解，本领域的普通技术人员无需创造性劳动就可以根据本发明的构思做出诸多修改和变化。因此，凡本技术领域中技术人员依本发明的构思在现有技术的基础上通过逻辑分析、推理或者有限的实验可以得到的技术方案，皆应在由权利要求书所确定的保护范围内。

Claims (3)

1.基于马尔科夫模型的路桥隧健康状态与养护费用测算方法；步骤如下：
步骤一、通过计算机软件根据待测的所述公路、桥梁或者隧道的历史数据评价健康状态，计算各个待测的所述公路、桥梁或者隧道的单项健康指标及养护费用；
步骤二、利用计算机通过回归分析方法对于所述公路、桥梁或者隧道的单项健康指标及养护费用进行回归分析，计算不同的健康状态指标下对应的养护费用；
步骤三、计算状态转移概率向量，利用马尔科夫模型，对于所述公路、桥梁或者隧道的健康状态指标进行测算；
步骤四、基于所述健康状态指标，对养护费用进行测算。
2.根据权利要求1所述的基于马尔科夫模型的路桥隧健康状态与养护费用测算方法，其特征在于，在所述步骤三中，所述利用马尔科夫模型，对于所述公路、桥梁或者隧道的健康状态指标进行测算的数学模型如下：
X(k)＝X(0)Pk；
其中，X(k)为k时刻的状态概率向量，X(0)为初始状态概率向量；
P为状态转移概率向量，计算公式如下：
Figure FDA0002265846300000011
3.根据权利要求1所述的基于马尔科夫模型的路桥隧健康状态与养护费用测算方法，其特征在于，在所述步骤四中，对所述养护费用C进行测算的公式如下：
Figure FDA0002265846300000012
其中，ci为第i个单项指标健康状态下对应的养护费用，si为第i个单项的养护费用对应的工程量。
CN201911087408.6A 2019-11-08 2019-11-08 基于马尔科夫模型的路桥隧健康状态与养护费用测算方法 Pending CN110852610A (zh)

Priority Applications (2)

Application Number Priority Date Filing Date Title
CN201911087408.6A CN110852610A (zh) 2019-11-08 2019-11-08 基于马尔科夫模型的路桥隧健康状态与养护费用测算方法
PCT/CN2020/096300 WO2021088373A1 (zh) 2019-11-08 2020-06-16 基于马尔科夫模型的路桥隧健康状态与养护费用测算方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201911087408.6A CN110852610A (zh) 2019-11-08 2019-11-08 基于马尔科夫模型的路桥隧健康状态与养护费用测算方法

Publications (1)

Publication Number Publication Date
CN110852610A true CN110852610A (zh) 2020-02-28

Family

ID=69600033

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201911087408.6A Pending CN110852610A (zh) 2019-11-08 2019-11-08 基于马尔科夫模型的路桥隧健康状态与养护费用测算方法

Country Status (2)

Country Link
CN (1) CN110852610A (zh)
WO (1) WO2021088373A1 (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112632677A (zh) * 2020-12-25 2021-04-09 浙江大学 基于半马尔科夫决策过程的桥梁全寿命维护策略优化方法
WO2021088373A1 (zh) * 2019-11-08 2021-05-14 上海市城市建设设计研究总院（集团）有限公司 基于马尔科夫模型的路桥隧健康状态与养护费用测算方法

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103177187A (zh) * 2013-04-01 2013-06-26 北京市市政工程研究院 基于可变模糊集理论的公路隧道健康状态动态评价方法
CN108629144A (zh) * 2018-06-11 2018-10-09 湖北交投智能检测股份有限公司 一种桥梁健康评估方法

Family Cites Families (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101916398A (zh) * 2010-07-13 2010-12-15 中交公路规划设计院有限公司 基于web gis的区域桥梁信息化管理系统
CN104573870A (zh) * 2015-01-19 2015-04-29 华南理工大学 一种高速公路营运成本预测方法
CN109711722A (zh) * 2018-12-26 2019-05-03 江苏北极星交通产业集团有限公司 一种网级道路养护管理决策系统
CN110852610A (zh) * 2019-11-08 2020-02-28 上海市城市建设设计研究总院（集团）有限公司 基于马尔科夫模型的路桥隧健康状态与养护费用测算方法

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103177187A (zh) * 2013-04-01 2013-06-26 北京市市政工程研究院 基于可变模糊集理论的公路隧道健康状态动态评价方法
CN108629144A (zh) * 2018-06-11 2018-10-09 湖北交投智能检测股份有限公司 一种桥梁健康评估方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
崔琦 等: "公路隧道养护费用估价模型及评价体系研究" *
张春霞 等: "基于马尔可夫预测模型的桥梁养护时机研究" *

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2021088373A1 (zh) * 2019-11-08 2021-05-14 上海市城市建设设计研究总院（集团）有限公司 基于马尔科夫模型的路桥隧健康状态与养护费用测算方法
CN112632677A (zh) * 2020-12-25 2021-04-09 浙江大学 基于半马尔科夫决策过程的桥梁全寿命维护策略优化方法

Also Published As

Publication number Publication date
WO2021088373A1 (zh) 2021-05-14

Similar Documents

Publication Publication Date Title
van Noortwijk et al. Two probabilistic life-cycle maintenance models for deteriorating civil infrastructures
Ellis et al. Inspection, maintenance, and repair with partial observability
US7243049B1 (en) Method for modeling system performance
US8887008B2 (en) Maintenance planning and failure prediction from data observed within a time window
Yang et al. Battery states online estimation based on exponential decay particle swarm optimization and proportional-integral observer with a hybrid battery model
CN111259590A (zh) 一种混凝土坝变形安全监控模型的构建方法
CN103324798B (zh) 基于区间响应面模型的随机模型修正方法
Kallen Modelling imperfect maintenance and the reliability of complex systems using superposed renewal processes
Shamstabar et al. Reliability monitoring of systems with cumulative shock-based deterioration process
CN113406558B (zh) 基于线性回归的电表失准检测方法、装置及电子设备
CN110852610A (zh) 基于马尔科夫模型的路桥隧健康状态与养护费用测算方法
Li et al. A k-nearest neighbor locally weighted regression method for short-term traffic flow forecasting
Fuentes et al. Aircraft parametric structural load monitoring using Gaussian process regression
CN113868884A (zh) 一种基于证据理论的动力电池多模型容错融合建模方法
Li et al. Estimation of normal distribution parameters and its application to carbonation depth of concrete girder bridges
Nutkiewicz et al. Exploring the integration of simulation and deep learning models for urban building energy modeling and retrofit analysis
Tang et al. Predicting bottlenecks in manufacturing shops through capacity and demand observations from multiple perspectives
CN114048646B (zh) 基于有限元修正与人工智能的沥青面层损伤状态反演方法
Liu et al. Using a random coefficient regression model to jointly determine the optimal critical level and lot sizing
Haoran et al. Integrated design optimization method for pavement structure and materials based on further development of finite element and particle swarm optimization algorithm
CN116626506B (zh) 一种变电站蓄电池状态特性预测方法及系统
Welte et al. Estimation of sojourn time distribution parameters based on expert opinion and condition monitoring data
CN113239561B (zh) 一种基于高次影响增量的电力系统可靠性评估方法
Perrin et al. Comparison of Markov chain Monte-Carlo simulation and a FORM-based approach for Bayesian updating of mechanical models
Huynh et al. A method for improvement the parameter estimation of non-linear regression in growth model to predict project cost at completion

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
WD01 Invention patent application deemed withdrawn after publication

Application publication date: 20200228

WD01 Invention patent application deemed withdrawn after publication