CN115759486A - 城市桥梁灾变预测与韧性评估方法和系统 - Google Patents

城市桥梁灾变预测与韧性评估方法和系统 Download PDF

Info

Publication number
CN115759486A
CN115759486A CN202310018957.8A CN202310018957A CN115759486A CN 115759486 A CN115759486 A CN 115759486A CN 202310018957 A CN202310018957 A CN 202310018957A CN 115759486 A CN115759486 A CN 115759486A
Authority
CN
China
Prior art keywords
catastrophe
urban
bridge
bridges
toughness
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.)
Granted
Application number
CN202310018957.8A
Other languages
English (en)
Other versions
CN115759486B (zh
Inventor
陈明
宋浩
冯玉权
贺豪凯
乔磊
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.)
Cccc Road And Bridge Inspection And Maintenance Co ltd
CCCC Infrastructure Maintenance Group Co Ltd
Original Assignee
Cccc Road And Bridge Inspection And Maintenance Co ltd
CCCC Infrastructure Maintenance 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 Cccc Road And Bridge Inspection And Maintenance Co ltd, CCCC Infrastructure Maintenance Group Co Ltd filed Critical Cccc Road And Bridge Inspection And Maintenance Co ltd
Priority to CN202310018957.8A priority Critical patent/CN115759486B/zh
Publication of CN115759486A publication Critical patent/CN115759486A/zh
Application granted granted Critical
Publication of CN115759486B publication Critical patent/CN115759486B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Landscapes

  • Bridges Or Land Bridges (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明涉及城市桥梁灾变预测与韧性评估方法和系统。该方法包括：确定灾变能级，灾变能级与城市桥梁在遭遇灾变时的灾变工况相关联；获取针对城市桥梁中的每个桥梁的孪生虚拟模型，孪生虚拟模型对应于城市桥梁中的每个桥梁的实体结构；基于孪生虚拟模型对城市桥梁中的每个桥梁进行灾变预测，以得到与城市桥梁中的每个桥梁相对应的在灾变能级作用下的响应能力；构建目标系统，目标系统与城市桥梁在遭遇灾变时的恢复通行需求相关联并且包括连通图；以及对连通图或一条或多条链路进行韧性评判，以得到针对城市桥梁之间的韧性等级。以此方式，将常规桥梁管理面向单一对象延拓为分阶系统对象，大幅度提升灾后救援交通选定的效率和质量。

Description

城市桥梁灾变预测与韧性评估方法和系统
技术领域
本发明一般地涉及建筑技术领域，特别地涉及城市桥梁灾变预测与韧性评估方法和系统。
背景技术
桥梁是城市有序运转的重要节点，桥梁系统运行的韧性程度对桥市交通，尤其是对灾变下城市交通有着极其重要的影响。现有城市桥梁的运营管理多集中于桥梁初始设计状态的管理，在设计条件不变的前提下，其管理是相对有效的。但是，初始设计、运营条件发生变化后，其灾变影响将脱离传统的桥梁运营管理模式，导致传统管理模式的失效，容易引发整个桥梁系统的多米诺骨牌效应。
因此，需要新的技术，以解决灾变影响下的城市桥梁系统的连通问题，为灾后快速恢复城市交通提供技术支撑。
发明内容
本发明的目的是提供一种城市桥梁灾变预测与韧性评估的方案，以至少部分地解决现有技术中存在的问题。
根据本发明的第一方面，提供了一种城市桥梁灾变预测与韧性评估的方法。该方法包括：确定灾变能级，所述灾变能级与所述城市桥梁在遭遇灾变时的灾变工况相关联；获取针对所述城市桥梁中的每个桥梁的孪生虚拟模型，所述孪生虚拟模型对应于所述城市桥梁中的每个桥梁的实体结构；基于所述孪生虚拟模型对所述城市桥梁中的每个桥梁进行灾变预测，以得到与所述城市桥梁中的每个桥梁相对应的在所述灾变能级作用下的响应能力；构建目标系统，所述目标系统与所述城市桥梁在遭遇灾变时的恢复通行需求相关联并且包括连通图，所述连通图包括一条或多条链路，一条或多条所述链路包括所述城市桥梁中的至少两个桥梁节点并且至少两个所述桥梁节点具有大于预定阈值的所述响应能力；以及对所述连通图或一条或多条所述链路进行韧性评判，以得到针对所述城市桥梁之间的韧性等级。
在一些实施例中，确定灾变能级，所述灾变能级与所述城市桥梁在遭遇灾变时的灾变工况相关联包括：基于现有桥梁规范的强制性条款确定所述灾变能级，和/或在没有强制性条款规定时或管理机构具有高于所述强制性条款规定的需求时，采用模糊综合评定法确定所述灾变能级。
在一些实施例中，获取针对所述城市桥梁中的每个桥梁的孪生虚拟模型，所述孪生虚拟模型对应于所述城市桥梁中的每个桥梁的实体结构包括：确定针对所述城市桥梁中的每个桥梁的有限元模型；基于运营历史库在群体协同下修正所述有限元模型，所述有限元模型包括与所述实体结构相对应的、针对所述城市桥梁中的每个桥梁的构件和约束的几何属性与物理属性。
在一些实施例中，所述运营历史库包括通车检测、日常检测以及结构加固信息中的一种或多种，和/或所述群体包括设计、施工、监理、专业协作、行业专家中的一者或多者。
在一些实施例中，基于所述孪生虚拟模型对所述城市桥梁中的每个桥梁进行灾变预测，以得到与所述城市桥梁中的每个桥梁相对应的在所述灾变能级作用下的响应能力包括：对所述城市桥梁中的每个桥梁进行定量分析，以得到所述定量分析结果；以及基于所述定量分析结果，在群体库的支撑下对单个桥梁进行综合评估，以确定所述单个桥梁的使用状态。
在一些实施例中，构建目标系统，所述目标系统与所述城市桥梁在遭遇灾变时的恢复通行需求相关联并且包括连通图，所述连通图包括一条或多条链路，一条或多条所述链路包括所述城市桥梁中的至少两个桥梁节点并且至少两个所述桥梁节点具有大于预定阈值的所述响应能力包括：在灾变需求库的约束下构建所述目标系统，所述灾变需求库表征城市在灾变下快速恢复的基础需求；以及对所述连通图中的一条或多条所述链路进行评估。
在一些实施例中，对所述连通图或一条或多条所述链路进行韧性评判包括：在所述灾变需求库的约束下和所述群体库的支撑下对所述连通图进行综合韧性评判，以获得不同所述城市桥梁之间的韧性等级。
在一些实施例中，所述韧性等级为定性等级并且包括高等级、中等级以及低等级。
在一些实施例中，所述使用状态包括：正常使用、有限使用或禁止使用。
根据本发明的第二方面，提供了一种城市桥梁灾变预测与韧性评估系统，所述系统用于执行根据本发明第一方面所述的方法。该系统包括：灾变能级确定模块，被配置为确定所述灾变能级，所述灾变能级与所述城市桥梁在遭遇灾变时的灾变工况相关联；孪生虚拟模型获取模块，被配置为获取针对所述城市桥梁中的每个桥梁的孪生虚拟模型，所述孪生虚拟模型对应于所述城市桥梁中的每个桥梁的实体结构；灾变预测模块，被配置为基于所述孪生虚拟模型对所述城市桥梁中的每个桥梁进行灾变预测，以得到与所述城市桥梁中的每个桥梁相对应的在所述灾变能级作用下的响应能力；系统构建模块，构建目标系统，所述目标系统与所述城市桥梁在遭遇灾变时的恢复通行需求相关联并且包括连通图，所述连通图包括一条或多条链路，一条或多条所述链路包括所述城市桥梁中的至少两个桥梁节点并且至少两个所述桥梁节点具有大于预定阈值的所述响应能力；以及韧性评判模块，被配置为对所述连通图或一条或多条所述链路进行韧性评判，以得到针对所述城市桥梁之间的韧性等级。
在一些实施例中，灾变能级确定模块还被配置为：基于现有桥梁规范的强制性条款确定所述灾变能级，和/或在没有强制性条款规定时或管理机构具有高于所述强制性条款规定的需求时，采用模糊综合评定法确定所述灾变能级。
在一些实施例中，孪生虚拟模型获取模块还被配置为：确定针对所述城市桥梁中的每个桥梁的有限元模型；基于运营历史库在群体协同下修正所述有限元模型，所述有限元模型包括与所述实体结构相对应的、针对所述城市桥梁中的每个桥梁的构件和约束的几何属性与物理属性。
在一些实施例中，灾变预测模块还被配置为：对所述城市桥梁中的每个桥梁进行定量分析，以得到所述定量分析结果；以及基于所述定量分析结果，在群体库的支撑下对单个桥梁进行综合评估，以确定所述单个桥梁的使用状态。
在一些实施例中，系统构件模块还被配置为：在灾变需求库的约束下构建所述目标系统，所述灾变需求库表征城市在灾变下快速恢复的基础需求；以及利用所述目标系统获取所述连通图。
在一些实施例中，韧性评判模块还被配置为：在所述灾变需求库的约束下和所述群体库的支撑下对所述连通图进行综合韧性评判，以获得不同所述城市桥梁之间的韧性等级。
本发明的各个实施例至少可以起到如下有益效果：
根据本发明的各个实施例拟定适合灾变约束下影响城市桥梁正常运营的灾变能力，建立与实体对象相对应的孪生虚拟模型，完成灾变作用下所有桥梁对象的作用效应，完成城市中各功能节点的通行链路分析，并依据链路的强弱实现城市桥梁的韧性评价，将常规桥梁管理面向单一对象延拓为分阶系统对象，大幅度提升灾后救援交通选定的效率和质量。
根据本发明的各个实施例的城市桥梁灾变预测与韧性评估方案能够解决灾变影响下的城市桥梁系统的连通问题，为灾后快速恢复城市交通提供技术支撑。
根据本发明的各个实施例能够较好地解决模糊、难以量化的问题，使得评估结果直观、可量化且指示明确，并且韧性评估结果能够定性展示城市桥梁灾变的韧性等级，能够为提升城市桥梁管理能力奠定技术支撑和提出改进意见。
根据本发明的实施例的连通图和链路与响应能力相关联，并且选定了具有较大响应能力的节点，这种灾变预测针对性强，具有较高的预测效率，能够快速提供灾变预测的结果。
应当理解，发明内容部分中所描述的内容并非旨在限定本发明的实施例的关键或重要特征，亦非用于限制本发明的范围。本发明的其它特征将通过以下的描述变得容易理解。
附图说明
通过参考附图阅读下文的详细描述，本发明的实施例的上述以及其他目的、特征和优点将变得易于理解。在附图中，以示例而非限制性的方式示出了本发明的若干实施例，其中：
图1为根据本发明的示例实施例的城市桥梁灾变预测与韧性评估方法的流程示意图；
图2为根据本发明的示例实施例的城市桥梁灾变预测与韧性评估系统示意图；以及
图3为根据本发明的示例实施例的城市桥梁灾变预测与韧性评估方法的完整流程示意图。
在各个附图中，相同或对应的标号表示相同或对应的部分。
具体实施方式
下面将参照附图更详细地描述本发明的实施例。虽然附图中显示了本发明的某些实施例，然而应当理解的是，本发明可以通过各种形式来实现，而且不应该被解释为限于这里阐述的实施例，相反提供这些实施例是为了更加透彻和完整地理解本发明。应当理解的是，本发明的附图及实施例仅用于示例性作用，并非用于限制本发明的保护范围。
在本发明的实施例的描述中，术语“包括”及其类似用语应当理解为开放性包含，即“包括但不限于”。术语“基于”应当理解为“至少部分地基于”。术语“一个实施例”或“该实施例”应当理解为“至少一个实施例”。术语“第一”、“第二”等等可以指代不同的或相同的对象。下文还可能包括其他明确的和隐含的定义。应当理解，“评估”、“判断”、“评判”、“评价”等术语在特定场景中表达相同或相似的概念，因而可以进行替换。
如前所提及，城市桥梁初始设计、运营条件发生变化后，其灾变影响将脱离传统的桥梁运营管理模式，导致传统管理模式的失效，容易引发整个桥梁系统的多米诺骨牌效应。
针对以上问题，本发明的各个实施例提供了城市桥梁灾变预测与韧性评估方案，方案可以包括灾变能级、孪生虚拟模型、群体协同、灾变预测、系统构建、韧性评判等模块，相应模块在运营历史库、群体库、灾变需求库的支撑下完成城市桥梁灾变预测与韧性评估，以解决灾变影响下的城市桥梁系统的连通问题，为灾后快速恢复城市交通提供技术支撑。而且，根据本发明的各个实施例能够较好地解决模糊、难以量化的问题，使得评估结果直观、可量化且指示明确，并且韧性评估结果能够定性展示城市桥梁灾变的韧性等级，能够为提升城市桥梁管理能力奠定技术支撑和提出改进意见。此外，根据本发明的实施例的连通图和链路与响应能力相关联，并且选定了具有较大响应能力的节点，这种灾变预测针对性强，具有较高的预测效率，能够快速提供灾变预测的结果。
图1为根据本发明的示例实施例的城市桥梁灾变预测与韧性评估方法100的流程示意图。如图1所示，在方法100中，在框101，确定灾变能级，灾变能级与城市桥梁在遭遇灾变时的灾变工况相关联。
在一些实施例中，灾变能级是不同灾变工况的定义，其设置程度的强弱直接影响韧性评估的结果，是韧性评估的基础性信息，灾变能级的合理划分充分体现管理机构对桥梁建设的经济性与韧性的综合评判能力，本发明采用的灾变能级采用现有桥梁规范的强条确定，无强条约定或管理机构有更高的要求时采用模糊综合评价法确定。
在一些实施例中，模糊综合评价法是一种基于模糊数学的综合评价方法。该综合评价法根据模糊数学的隶属度理论把定性评价转化为定量评价，即用模糊数学对受到多种因素制约的事物或对象做出一个总体的评价。该综合评价方法具有结果清晰，系统性强的特点，能较好地解决模糊的、难以量化的问题，适合各种非确定性问题的解决。
在框103，获取针对城市桥梁中的每个桥梁的孪生虚拟模型，孪生虚拟模型对应于城市桥梁中的每个桥梁的实体结构。
在一些实施例中，孪生虚拟模型是结构设计有限元模型，并依据存储于运营历史库的通车检测、日常检测、结构加固等信息进行修正，修正的过程在设计、施工、监理、专业协作、行业专家等群体的支撑下完成，修正的内容包括桥梁结构各构件和约束的几何属性与物理属性。最终修正的结果达到孪生虚拟模型与实体结构的对应,该对应是基于计算模型假设的完整对应。
在框105，基于孪生虚拟模型对城市桥梁中的每个桥梁进行灾变预测，以得到与城市桥梁中的每个桥梁相对应的在灾变能级作用下的响应能力。
在一些实施例中，可以对城市全体桥梁集的灾变预测，分析各对象在灾变能级的作用下对灾变能级的响应能力，其一阶段输出结果为定量分析结果；二阶段在群体库支撑下进行单一对象定量分析结果的综合评估，判定结果可以为禁止使用、有限使用和正常使用。
在框107，构建目标系统，目标系统与城市桥梁在遭遇灾变时的恢复通行需求相关联并且包括连通图，连通图包括一条或多条链路，一条或多条链路包括城市桥梁中的至少两个桥梁节点并且至少两个桥梁节点具有大于预定阈值的响应能力。
在一些实施例中，系统构建可以在灾变需求库约束下运行，灾变需求库体现城市在灾变下快速恢复的基本需求，灾变需求库体现城市在灾变下快速恢复的基本需求，通常体现为
Figure 705197DEST_PATH_IMAGE001
的链路需求，
Figure 153495DEST_PATH_IMAGE002
和
Figure 933233DEST_PATH_IMAGE003
分别为城市中的两个具有较强抗灾变能力的节点，
Figure 859600DEST_PATH_IMAGE004
和
Figure 673973DEST_PATH_IMAGE005
之间可以有若干中间节点；系统构建模块用于建立
Figure 27593DEST_PATH_IMAGE006
的链路，其在物理意义上体现为一张带约束的连通图
Figure 294627DEST_PATH_IMAGE007
。
在框109，对连通图或一条或多条链路进行韧性评判，以得到针对城市桥梁之间的韧性等级。
在一些实施例中，对约束的连通图
Figure 24685DEST_PATH_IMAGE007
进行综合判定，其需要在灾变需求库的约束下和群体库的支撑下完成，结果韧性的“高、中、低”定性展示城市桥梁灾变的韧性等级，能够为提升城市桥梁管理能力奠定技术支撑和提出改进意见。应当理解，对连通图进行韧性评判的过程本质上是对连通图中的链路评判的过程。
图2为根据本发明的示例实施例的城市桥梁灾变预测与韧性评估系统200的示意图。在系统200中，如图2所示，灾变能级确定模块201被配置为确定灾变能级，灾变能级与城市桥梁在遭遇灾变时的灾变工况相关联。
孪生虚拟模型获取模块203被配置为获取针对城市桥梁中的每个桥梁的孪生虚拟模型，孪生虚拟模型对应于城市桥梁中的每个桥梁的实体结构。
灾变预测模块205被配置为基于孪生虚拟模型对城市桥梁中的每个桥梁进行灾变预测，以得到与城市桥梁中的每个桥梁相对应的在灾变能级作用下的响应能力。
系统构建模块207被配置为构建目标系统，目标系统与城市桥梁在遭遇灾变时的恢复通行需求相关联并且包括连通图，连通图包括一条或多条链路，一条或多条链路包括城市桥梁中的至少两个桥梁节点并且至少两个桥梁节点具有大于预定阈值的响应能力。
韧性评判模块209被配置为对连通图或一条或多条链路进行韧性评判，以得到针对城市桥梁之间的韧性等级。
应当理解，灾变能级确定模块201、孪生虚拟模型获取模块203、灾变预测模块205、系统构建模块207以及韧性评判模块209与图1所示的方法100的各个步骤相对应，因此图1中的各个实施例同样可以适用于系统200。
具体地，在一些实施例中，灾变能级确定模块201还可以被配置为基于现有桥梁规范的强制性条款确定灾变能级，和/或在没有强制性条款规定时或管理机构具有高于强制性条款规定的需求时，采用模糊综合评定法确定灾变能级。
在一些实施例中，孪生虚拟模型获取模块203还还可以被配置为确定针对城市桥梁中的每个桥梁的有限元模型；基于运营历史库在群体协同下修正有限元模型，有限元模型包括与实体结构相对应的、针对城市桥梁中的每个桥梁的构件和约束的几何属性与物理属性。
在一些实施例中，灾变预测模块205还可以被配置为对城市桥梁中的每个桥梁进行定量分析，以得到定量分析结果；以及基于定量分析结果，在群体库的支撑下对单个桥梁进行综合评估，以确定单个桥梁的使用状态。
在一些实施例中，系统构件模块207还可以被配置为在灾变需求库的约束下构建目标系统，灾变需求库表征城市在灾变下快速恢复的基础需求；以及利用目标系统获取连通图。
在一些实施例中，韧性评判模块209还可以被配置为在灾变需求库的约束下和群体库的支撑下对连通图进行综合韧性评判，以获得不同城市桥梁之间的韧性等级。
下文将结合图3详细介绍附图1和图2的示例性实施例。
图3为根据本发明的示例实施例的城市桥梁灾变预测与韧性评估方法的完整流程示意图。
在一些实施例中，参照图3，整体地，城市桥梁灾变预测与韧性评估完整流程可以包括灾变能级、孪生虚拟模型、群体协同、灾变预测、系统构建、人性评价六个模块和运营历史库、群体库、灾变需求库三个支撑库。
在一个实施例中，灾变能级可以在专家库支撑下完成，对不同的对象有不同的能级设定，定义灾变能级集
Figure 224723DEST_PATH_IMAGE008
，
Figure 218086DEST_PATH_IMAGE009
为规范灾变集，
Figure 503574DEST_PATH_IMAGE010
为专家定义的灾变集。在一个特定实施例中，其具体可以包括以下几个步骤：
Step1：定义对象集
Figure 240586DEST_PATH_IMAGE011
,
Figure 295130DEST_PATH_IMAGE012
为城市全体桥梁集，
Figure 724974DEST_PATH_IMAGE013
为单一对象；定义已完成灾变能级的桥梁集
Figure 497758DEST_PATH_IMAGE014
，
Figure 304040DEST_PATH_IMAGE015
；
Step2：如果
Figure 947511DEST_PATH_IMAGE016
，转Step5，按照
Figure 813836DEST_PATH_IMAGE017
的不同类型，从现有规范提取规范灾变集
Figure 542757DEST_PATH_IMAGE018
，
Figure 152730DEST_PATH_IMAGE019
，其中
Figure 650708DEST_PATH_IMAGE020
为规范对当前对象的灾变预设，例如在地震灾变下可以为反应谱、时程等；
Step3：按照管理群体对单一对象的不同管理要求，在专家库支撑下建立灾变集
Figure 953513DEST_PATH_IMAGE021
，其中
Figure 904151DEST_PATH_IMAGE022
为专家对灾变的预设。
Figure 317815DEST_PATH_IMAGE022
可以按以下步骤确定：
Step3.1：建立模糊集序列
Figure 201458DEST_PATH_IMAGE023
，本发明采用正态分布隶属函数；
Step3.2：建立模糊评估权重初始序列
Figure 144006DEST_PATH_IMAGE024
；
Step3.3：令
Figure 113099DEST_PATH_IMAGE025
；
Step3.4：专家库专家第
Figure 533716DEST_PATH_IMAGE026
次建立灾变集
Figure 537444DEST_PATH_IMAGE027
；
Step3.5：
Figure 650894DEST_PATH_IMAGE028
,
Figure 107283DEST_PATH_IMAGE029
为模糊综合评估算法，
Figure 331591DEST_PATH_IMAGE030
，为评判结果；
Step3.6：如果
Figure 935965DEST_PATH_IMAGE031
，
Figure 751474DEST_PATH_IMAGE032
为管理群体设定的灾变阈值，
Figure 164001DEST_PATH_IMAGE033
，令
Figure 723158DEST_PATH_IMAGE034
转Step4；
Step3.7：启动调整算法，将权重序列由
Figure 904741DEST_PATH_IMAGE035
调整为
Figure 625572DEST_PATH_IMAGE036
，令
Figure 525395DEST_PATH_IMAGE037
，转Step3.3；
Step4：如果
Figure 622664DEST_PATH_IMAGE038
，转Step2。
Step5：结束。
需要说明，上述步骤仅仅是示例性的，还可以采用其他合适的步骤来实现灾变能级的确定。
在一些实施例中，孪生虚拟模型可以是依据运营历史库的信息对初始有限元模型进行修正的过程，其修正过程需要涉及桥梁异动的所有群体的参与。在一个特定实施例中，其实现步骤可以如下：
Step1：定义对象集
Figure 455491DEST_PATH_IMAGE039
,
Figure 816065DEST_PATH_IMAGE040
城市全体桥梁集，
Figure 734342DEST_PATH_IMAGE041
为单一对象；定义已完成孪生虚拟模型的桥梁集
Figure 104144DEST_PATH_IMAGE042
，
Figure 525898DEST_PATH_IMAGE043
；
Step2：定义参与群体协同的集合
Figure 322953DEST_PATH_IMAGE044
,
Figure 462947DEST_PATH_IMAGE045
为参与协同的个体，
Figure 636439DEST_PATH_IMAGE046
；
Step3：如果
Figure 178279DEST_PATH_IMAGE047
，转Step5，
Step3.1：提取
Figure 677394DEST_PATH_IMAGE048
运营历史信息，构建运营历史集
Figure 773526DEST_PATH_IMAGE049
，
Figure 16288DEST_PATH_IMAGE050
，其中
Figure 881476DEST_PATH_IMAGE051
运营过程对桥梁各构件整改信息，
Figure 551492DEST_PATH_IMAGE052
；
Figure 134920DEST_PATH_IMAGE053
为对象
Figure 915794DEST_PATH_IMAGE054
的构件数量。
Step3.2：如果
Figure 432226DEST_PATH_IMAGE055
,转Step4，提取构件
Figure 741984DEST_PATH_IMAGE056
；
Step3.3：计算构件修正值
Figure 343867DEST_PATH_IMAGE057
，
Figure 397274DEST_PATH_IMAGE058
为对
Figure 768212DEST_PATH_IMAGE059
修正的描述在闭区间
Figure 248872DEST_PATH_IMAGE060
间的映射值，
Figure 72472DEST_PATH_IMAGE061
表示未涉及、
Figure 929569DEST_PATH_IMAGE062
表示无修正，
Figure 155014DEST_PATH_IMAGE063
表示有修正，
Figure 337734DEST_PATH_IMAGE064
修正后构件的几何、物理量变更。
Figure 383050DEST_PATH_IMAGE065
Step3.4：如果
Figure 309418DEST_PATH_IMAGE066
，令
Figure 858211DEST_PATH_IMAGE067
为对
Figure 477411DEST_PATH_IMAGE068
的修正意见为
Figure 744444DEST_PATH_IMAGE069
；
Step3.5：令
Figure 474503DEST_PATH_IMAGE070
为群体对
Figure 877803DEST_PATH_IMAGE071
的综合修正意见；
Step3.6：
Figure 667904DEST_PATH_IMAGE072
，转Step3.2；
Step4：
Figure 953392DEST_PATH_IMAGE073
，
Figure 690404DEST_PATH_IMAGE074
，转Step3；
Step5：结束。
需要说明，上述步骤仅仅是示例性的，还可以采用其他合适的步骤来实现孪生虚拟模型的建模。
在一些实施例中，针对灾变预测，灾变预测灾变能级集
Figure 744947DEST_PATH_IMAGE075
可以对城市全体桥梁集
Figure 174792DEST_PATH_IMAGE076
的分析结果，分一阶段预测和二阶段预测。在一个实施例中，一阶段预测可以采用通用有限元分析方法实现，其输出结果为各对象各构件对灾变能级的作用效应；二阶段预测可以在群体库支撑下进行综合判定。在一个特定实施例中，其具体步骤可以如下：
Step1：从
Figure 681996DEST_PATH_IMAGE077
中读取灾变能级s i ；
Step2：运行有限元分析系统，得出s i 作用下城市全体桥梁集
Figure 222699DEST_PATH_IMAGE078
的作用效应；
Step3：定义城市全体桥梁在灾变能级s i 下的运营预测
Figure 397329DEST_PATH_IMAGE079
，
Figure 263653DEST_PATH_IMAGE080
；
Step4：定义全体桥梁对象的作用效应集
Figure 992575DEST_PATH_IMAGE081
，其中
Figure 602548DEST_PATH_IMAGE082
为桥梁对象
Figure 100525DEST_PATH_IMAGE083
在灾变能级s i 作用下的效应，
Figure 137751DEST_PATH_IMAGE084
为对象各构件的效应；
Step5：读取规范约束下对象
Figure 353969DEST_PATH_IMAGE085
的抗力集
Figure 767633DEST_PATH_IMAGE086
;
Step6：读取
Figure 651275DEST_PATH_IMAGE087
，
Figure 593824DEST_PATH_IMAGE088
；
Step6.1：如果
Figure 562917DEST_PATH_IMAGE089
,转Step5.3；
Step6.2：如果
Figure 983534DEST_PATH_IMAGE090
，令
Figure 987262DEST_PATH_IMAGE091
;
Step6.3：
Figure 835132DEST_PATH_IMAGE092
；
Step7：如果
Figure 291521DEST_PATH_IMAGE093
，转Step7；
Step7.1：如果
Figure 46988DEST_PATH_IMAGE094
，转Step7；
Step7.2：读取
Figure 374064DEST_PATH_IMAGE095
、
Figure 720731DEST_PATH_IMAGE096
；
Step7.3：群体各成员定义信任度标识
Figure 133258DEST_PATH_IMAGE097
；
Step7.4：令
Figure 426836DEST_PATH_IMAGE098
；，
Step7.5：
Figure 608419DEST_PATH_IMAGE099
Step7：令
Figure 594829DEST_PATH_IMAGE100
，转Step5；
Step8：结束。
需要说明，上述步骤仅仅是示例性的，还可以采用其他合适的步骤来实现灾变预测。
在一些实施例中，针对系统构建，可以在灾变需求库约束下运行，依据灾变需求库的要求，基于
Figure 494652DEST_PATH_IMAGE101
尝试建立点对点之间的链路。在一个特定实施例中，其具体步骤可以如下：
Step1：读取灾变需求库，建立期望链路集
Figure 591921DEST_PATH_IMAGE102
;
Step2：对link j ，定义连通图集G j ，令
Figure 159169DEST_PATH_IMAGE103
；
Step2.1：基于
Figure 785322DEST_PATH_IMAGE104
建立连通图
Figure 703600DEST_PATH_IMAGE105
；
Step2.2：如果
Figure 807822DEST_PATH_IMAGE106
，
Figure 495155DEST_PATH_IMAGE107
，令
Figure 292210DEST_PATH_IMAGE108
转Step2.1；
Step2.3：如果
Figure 432204DEST_PATH_IMAGE109
，
Figure 605697DEST_PATH_IMAGE110
，
Figure 147536DEST_PATH_IMAGE111
；
Step2.4：如果
Figure 646651DEST_PATH_IMAGE112
，转构图结束；
Step3：结束。
需要说明，上述步骤仅仅是示例性的，还可以采用其他合适的步骤来实现目标系统的构建。
在一些实施例中，针对韧性评判，可以对期望链路集
Figure 742783DEST_PATH_IMAGE113
的所有链路进行评估，按照单一链路的通行条件对整个城市桥梁灾变下的韧性提出结论性意见和管理性建议。在一个特定实施例中，基本步骤可以如下：
Step1：令通达值
Figure 719966DEST_PATH_IMAGE114
，定义单一链路通达性阈值
Figure 850733DEST_PATH_IMAGE115
；
Step2：从
Figure 520749DEST_PATH_IMAGE113
读取
Figure 104177DEST_PATH_IMAGE116
；
Step3：对满足
Figure 885051DEST_PATH_IMAGE117
要求的
Figure 401483DEST_PATH_IMAGE118
；
Step3.1：如果
Figure 711242DEST_PATH_IMAGE119
，令
Figure 313124DEST_PATH_IMAGE120
，转Step7；
Step3.2：读取
Figure 366531DEST_PATH_IMAGE121
；
Step3.3：如果
Figure 737470DEST_PATH_IMAGE122
，
Figure 218130DEST_PATH_IMAGE123
，
Figure 41729DEST_PATH_IMAGE124
；
Step3.4：
Figure 898827DEST_PATH_IMAGE125
转Step3.1；
Step4：如果
Figure 124272DEST_PATH_IMAGE126
，令
Figure 306991DEST_PATH_IMAGE127
=1；
Step5：如果
Figure 352308DEST_PATH_IMAGE128
，令
Figure 278675DEST_PATH_IMAGE129
=0；
Step6：如果
Figure 827468DEST_PATH_IMAGE130
，
Figure 446669DEST_PATH_IMAGE131
=1，转Step8；
Step7：如果
Figure 713702DEST_PATH_IMAGE132
，
Figure 709340DEST_PATH_IMAGE131
=0；
Step7.1：启动群体库中各群体给出
Figure 378218DEST_PATH_IMAGE133
的韧性标识
Figure 168320DEST_PATH_IMAGE134
，其中
Figure 657070DEST_PATH_IMAGE135
为群体库成员序号；
Step7.2：计算
Figure 190820DEST_PATH_IMAGE136
；
Step7.3：如果
Figure 245363DEST_PATH_IMAGE137
=1，令
Figure 409628DEST_PATH_IMAGE131
=1；
Step8：如果
Figure 194131DEST_PATH_IMAGE138
，
Figure 734834DEST_PATH_IMAGE129
=1，定义韧性等级为高；
Step9：如果
Figure 643884DEST_PATH_IMAGE139
，
Figure 244630DEST_PATH_IMAGE140
=0，定义韧性等级为中，并将评判依据输出；
Step10：定义不连通阈值
Figure 239130DEST_PATH_IMAGE141
，如果
Figure 583524DEST_PATH_IMAGE142
，
Figure 612660DEST_PATH_IMAGE143
，定义韧性等级为低，并将评判依据输出。
Step11：结束。
需要说明，上述步骤仅仅是示例性的，还可以采用其他合适的步骤来实现灾变预测。而且，在一些实施例中，还可以对链路集的部分链路进行评估，以进一步提升评估效率。
综上，根据本发明的各个实施例的城市桥梁灾变预测与韧性评估方案包含的灾变能级、孪生虚拟模型、灾变预测、系统构建、韧性评判等模块在专家库、运营历史库、群体库、灾变需求库和群体协同的支撑下，拟定适合灾变约束下影响城市桥梁正常运营的灾变能力，建立与实体对象相对应的孪生虚拟模型，完成灾变作用下所有桥梁对象的作用效应，完成城市中各功能节点的通行链路分析，并依据链路的强弱实现城市桥梁的韧性评价，将常规桥梁管理面向单一对象延拓为分阶系统对象，大幅度提升灾后救援交通选定的效率和质量。
其次，根据本发明的各个实施例的城市桥梁灾变预测与韧性评估方案能够解决灾变影响下的城市桥梁系统的连通问题，为灾后快速恢复城市交通提供技术支撑。
而且，根据本发明的各个实施例能够较好地解决模糊、难以量化的问题，使得评估结果直观、可量化且指示明确，并且韧性评估结果能够定性展示城市桥梁灾变的韧性等级，能够为提升城市桥梁管理能力奠定技术支撑和提出改进意见。
此外，根据本发明的实施例的连通图和链路与响应能力相关联，并且选定了具有较大响应能力的节点，这种灾变预测针对性强，具有较高的预测效率，能够快速提供灾变预测的结果。
虽然在上面论述中包含了若干具体实现细节，但是这些不应当被解释为对本发明的范围的限制。在单独的实施例的上下文中描述的某些特征还可以组合地实现在单个实现中。相反地，在单个实现的上下文中描述的各种特征也可以单独地或以任何合适的子组合的方式实现在多个实现中。
此外，虽然采用特定次序描绘了各操作，但是这应当理解为要求这样操作以所示出的特定次序或以顺序次序执行，或者要求所有图示的操作应被执行以取得期望的结果。在一定环境下，多任务和并行处理可能是有利的。同样地，虽然在上面论述中包含了若干具体实现细节，但是这些不应当被解释为对本发明的范围的限制。在单独的实施例的上下文中描述的某些特征还可以组合地实现在单个实现中。相反地，在单个实现的上下文中描述的各种特征也可以单独地或以任何合适的子组合的方式实现在多个实现中。
以上已经描述了本发明的各实施例，上述说明是示例性的，并非穷尽性的，并且也不限于所披露的各实施例。在不偏离所说明的各实施例的范围和精神的情况下，对于本技术领域的普通技术人员来说许多修改和变更都是显而易见的。本文中所用术语的选择，旨在最好地解释各实施例的原理、实际应用或对市场中的技术改进，或者使本技术领域的其它普通技术人员能理解本文披露的各实施例。

Claims (10)

1.一种城市桥梁灾变预测与韧性评估方法，其特征在于，所述方法包括：
确定灾变能级，所述灾变能级与所述城市桥梁在遭遇灾变时的灾变工况相关联；
获取针对所述城市桥梁中的每个桥梁的孪生虚拟模型，所述孪生虚拟模型对应于所述城市桥梁中的每个桥梁的实体结构；
基于所述孪生虚拟模型对所述城市桥梁中的每个桥梁进行灾变预测，以得到与所述城市桥梁中的每个桥梁相对应的在所述灾变能级作用下的响应能力；
构建目标系统，所述目标系统与所述城市桥梁在遭遇灾变时的恢复通行需求相关联并且包括连通图，所述连通图包括一条或多条链路，一条或多条所述链路包括所述城市桥梁中的至少两个桥梁节点并且至少两个所述桥梁节点具有大于预定阈值的所述响应能力；以及
对所述连通图或一条或多条所述链路进行韧性评判，以得到针对所述城市桥梁之间的韧性等级。
2.根据权利要求1所述的方法，其特征在于，确定灾变能级，所述灾变能级与所述城市桥梁在遭遇灾变时的灾变工况相关联包括：
基于现有桥梁规范的强制性条款确定所述灾变能级；和/或
在没有强制性条款规定时或管理机构具有高于所述强制性条款规定的需求时，采用模糊综合评定法确定所述灾变能级。
3.根据权利要求1所述的方法，其特征在于，获取针对所述城市桥梁中的每个桥梁的孪生虚拟模型，所述孪生虚拟模型对应于所述城市桥梁中的每个桥梁的实体结构包括：
确定针对所述城市桥梁中的每个桥梁的有限元模型；
基于运营历史库在群体协同下修正所述有限元模型，所述有限元模型包括与所述实体结构相对应的、针对所述城市桥梁中的每个桥梁的构件和约束的几何属性与物理属性。
4.根据权利要求3所述的方法，其特征在于，所述运营历史库包括通车检测、日常检测以及结构加固信息中的一种或多种；和/或
所述群体包括设计、施工、监理、专业协作、行业专家中的一者或多者。
5.根据权利要求1所述的方法，其特征在于，基于所述孪生虚拟模型对所述城市桥梁中的每个桥梁进行灾变预测，以得到与所述城市桥梁中的每个桥梁相对应的在所述灾变能级作用下的响应能力包括：
对所述城市桥梁中的每个桥梁进行定量分析，以得到所述定量分析结果；以及
基于所述定量分析结果，在群体库的支撑下对单个桥梁进行综合评估，以确定所述单个桥梁的使用状态。
6.根据权利要求5所述的方法，其特征在于，构建目标系统，所述目标系统与所述城市桥梁在遭遇灾变时的恢复通行需求相关联并且包括连通图，所述连通图包括一条或多条链路，一条或多条所述链路包括所述城市桥梁中的至少两个桥梁节点并且至少两个所述桥梁节点具有大于预定阈值的所述响应能力包括：
在灾变需求库的约束下构建所述目标系统，所述灾变需求库表征城市在灾变下快速恢复的基础需求；以及
对所述连通图中的一条或多条所述链路进行评估。
7.根据权利要求6所述的方法，其特征在于，对所述连通图或一条或多条所述链路进行韧性评判包括：
在所述灾变需求库的约束下和所述群体库的支撑下对所述连通图进行综合韧性评判，以获得不同所述城市桥梁之间的韧性等级。
8.根据权利要求7所述的方法，其特征在于，所述韧性等级为定性等级并且包括高等级、中等级以及低等级。
9.根据权利要求5所述的方法，其特征在于，所述使用状态包括：正常使用、有限使用或禁止使用。
10.一种城市桥梁灾变预测与韧性评估系统，其特征在于，所述系统包括：
灾变能级确定模块，被配置为确定所述灾变能级，所述灾变能级与所述城市桥梁在遭遇灾变时的灾变工况相关联；
孪生虚拟模型获取模块，被配置为获取针对所述城市桥梁中的每个桥梁的孪生虚拟模型，所述孪生虚拟模型对应于所述城市桥梁中的每个桥梁的实体结构；
灾变预测模块，被配置为基于所述孪生虚拟模型对所述城市桥梁中的每个桥梁进行灾变预测，以得到与所述城市桥梁中的每个桥梁相对应的在所述灾变能级作用下的响应能力；
系统构建模块，被配置为构建目标系统，所述目标系统与所述城市桥梁在遭遇灾变时的恢复通行需求相关联并且包括连通图，所述连通图包括一条或多条链路，一条或多条所述链路包括所述城市桥梁中的至少两个桥梁节点并且至少两个所述桥梁节点具有大于预定阈值的所述响应能力；以及
韧性评判模块，被配置为对所述连通图或一条或多条所述链路进行韧性评判，以得到针对所述城市桥梁之间的韧性等级。
CN202310018957.8A 2023-01-06 2023-01-06 城市桥梁灾变预测与韧性评估方法和系统 Active CN115759486B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202310018957.8A CN115759486B (zh) 2023-01-06 2023-01-06 城市桥梁灾变预测与韧性评估方法和系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202310018957.8A CN115759486B (zh) 2023-01-06 2023-01-06 城市桥梁灾变预测与韧性评估方法和系统

Publications (2)

Publication Number Publication Date
CN115759486A true CN115759486A (zh) 2023-03-07
CN115759486B CN115759486B (zh) 2023-05-12

Family

ID=85348337

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202310018957.8A Active CN115759486B (zh) 2023-01-06 2023-01-06 城市桥梁灾变预测与韧性评估方法和系统

Country Status (1)

Country Link
CN (1) CN115759486B (zh)

Citations (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104820904A (zh) * 2015-05-19 2015-08-05 重庆大学 一种城市自然灾害等级的模糊综合评价方法
CN110046819A (zh) * 2019-04-16 2019-07-23 韧科(浙江)数据技术有限公司 城市基础设施系统灾后耦联恢复分析方法
CN112101474A (zh) * 2020-09-22 2020-12-18 中国民航大学 一种航空交通网络模体识别方法及子图结构韧性评估方法
CN114093168A (zh) * 2021-11-18 2022-02-25 长安大学 一种基于韧性视角下的城市道路交通运行状态评价方法
US11321648B1 (en) * 2017-10-23 2022-05-03 University Of South Florida System and method for infrastructure restoration plan optimization
CN114444983A (zh) * 2022-04-08 2022-05-06 深圳市城市交通规划设计研究中心股份有限公司 基于车桥耦合和数字孪生的城市桥梁群状态评估方法
CN114493201A (zh) * 2022-01-12 2022-05-13 北京交通大学 一种基于城市轨道交通网络服务韧性测度方法及应用
US20220167142A1 (en) * 2020-11-24 2022-05-26 Electronics And Telecommunications Research Institute Digital twin disaster management system customized for underground public areas
CN114881511A (zh) * 2022-05-25 2022-08-09 江苏科技大学 面向洪涝灾害的社区防灾韧性评估方法
WO2022257712A1 (zh) * 2021-06-11 2022-12-15 国网上海市电力公司 面向韧性提升的配电网分布式电源储能控制方法及系统
CN115545421A (zh) * 2022-09-16 2022-12-30 招商局重庆交通科研设计院有限公司 一种公路路段抗灾韧性快速评价方法

Patent Citations (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104820904A (zh) * 2015-05-19 2015-08-05 重庆大学 一种城市自然灾害等级的模糊综合评价方法
US11321648B1 (en) * 2017-10-23 2022-05-03 University Of South Florida System and method for infrastructure restoration plan optimization
CN110046819A (zh) * 2019-04-16 2019-07-23 韧科(浙江)数据技术有限公司 城市基础设施系统灾后耦联恢复分析方法
CN112101474A (zh) * 2020-09-22 2020-12-18 中国民航大学 一种航空交通网络模体识别方法及子图结构韧性评估方法
US20220167142A1 (en) * 2020-11-24 2022-05-26 Electronics And Telecommunications Research Institute Digital twin disaster management system customized for underground public areas
WO2022257712A1 (zh) * 2021-06-11 2022-12-15 国网上海市电力公司 面向韧性提升的配电网分布式电源储能控制方法及系统
CN114093168A (zh) * 2021-11-18 2022-02-25 长安大学 一种基于韧性视角下的城市道路交通运行状态评价方法
CN114493201A (zh) * 2022-01-12 2022-05-13 北京交通大学 一种基于城市轨道交通网络服务韧性测度方法及应用
CN114444983A (zh) * 2022-04-08 2022-05-06 深圳市城市交通规划设计研究中心股份有限公司 基于车桥耦合和数字孪生的城市桥梁群状态评估方法
CN114881511A (zh) * 2022-05-25 2022-08-09 江苏科技大学 面向洪涝灾害的社区防灾韧性评估方法
CN115545421A (zh) * 2022-09-16 2022-12-30 招商局重庆交通科研设计院有限公司 一种公路路段抗灾韧性快速评价方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
VALERIO CUTINI等: "street network resilience put to the test：the dramatic crash of Genoa and Bologna Bridge", 《SUSTAINABLITY》 *
刘洁等: "交通运输系统韧性研究综述", 《科技和产业》 *

Also Published As

Publication number Publication date
CN115759486B (zh) 2023-05-12

Similar Documents

Publication Publication Date Title
CN105139585B (zh) 一种土质边坡险情智能预警预报方法
CN110020815A (zh) 一种基于网络层次分析法的电网节点综合脆弱性指标计算方法
Fu et al. An interval difference based evidential reasoning approach with unknown attribute weights and utilities of assessment grades
CN101763304A (zh) 一种基于证据理论的不确定型软件可信性评估方法
CN107295537A (zh) 一种测评无线传感器网络可靠性的方法及系统
CN112288328A (zh) 一种基于灰色层次分析法的能源互联网风险评估方法
Lagaros et al. Multi-objective design optimization using cascade evolutionary computations
CN112487639A (zh) 使用模糊灰色综合评价模型确定城市地下空间寿命周期风险等级的方法
Li et al. Network topology optimization via deep reinforcement learning
CN110310199B (zh) 借贷风险预测模型的构建方法、系统及借贷风险预测方法
CN114782099A (zh) 一种建筑工程造价用预算估计及分析方法
CN115051929A (zh) 基于自监督目标感知神经网络的网络故障预测方法及装置
CN110298409A (zh) 面向电力可穿戴设备的多源数据融合方法
CN112307648B (zh) 一种卫星通信系统可靠性模型的评估方法
CN115759486A (zh) 城市桥梁灾变预测与韧性评估方法和系统
CN112905436A (zh) 一种面向复杂软件的质量评估预测方法
CN114626655A (zh) 一种区域综合能源系统多标准综合评价方法
CN112612968A (zh) 一种基于长期收益的动态社交网络中的链接推荐方法
CN115511230B (zh) 一种电能替代潜力分析预测方法
CN104869017B (zh) 一种基于核度积的卫星信息系统拓扑结构优化方法
CN116224084A (zh) 电池的荷电状态预测方法及装置
CN105931133A (zh) 配电变压器更换优先级评定方法和装置
CN115994704A (zh) 一种全过程工程咨询成熟度评价方法
CN115689191A (zh) 一种面向指标体系筛选优化的智能电网安全性评估方法
CN114647947A (zh) 单位造价预测方法、装置、电子设备及计算机可读存储介质

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
GR01 Patent grant
GR01 Patent grant