CN117057955A - 一种基于大数据的桥梁形变智能监测系统 - Google Patents

Abstract

本发明属于桥梁形变监测技术领域，具体公开一种基于大数据的桥梁形变智能监测系统，本发明对桥体进行监测点布设时通过依据各桥体区域对应的易形变率针对性对各桥体区域进行监测点布设，提高了监测点布设的合理性，实现了满足形变监测需求和降低监测成本的兼具，同时在对各桥体区域对应的各监测点上进行形变监测时采集形变监测设备运行环境参数，并据此从形变监测数据中识别出有效形变数据，实现了对形变数据的有效甄别，有利于提高对后续桥梁形变分析的可靠度，后面在利用形变数据进行桥梁形变分析时不仅对桥梁形变幅度进行分析，还对桥梁形变过程中的关联形变指征进行分析，实现了桥梁形变在纵向维度和横向维度的双重分析。

Description

一种基于大数据的桥梁形变智能监测系统

技术领域

本发明属于桥梁形变监测技术领域，具体为一种基于大数据的桥梁形变智能监测系统。

背景技术

桥梁是重要的交通基础设施，而受到各种因素的影响，如车流、自然灾害、长期使用等，桥梁可能会产生形变和损伤。监测桥梁的形变可以及时发现潜在的安全隐患，确保桥梁的结构稳定性和可靠性，为通行的车辆和行人提供安全保障。

为了提高形变监测的精准度，现有对桥梁形变的监测都采用专业的形变监测仪器进行监测，但目前利用形变监测仪器进行监测过程中存在以下缺陷：1、为了实现对整个桥梁结构的全面监测，常常需要在桥体上进行监测点布设，以在布设的各监测点进行形变监测，然而现有技术在进行桥体监测点布设时一般都是统一布设，使得监测点的布设密度在所有桥体区域中是均衡的，没有考虑到不同桥体区域因位置和结构的差异，使得易发生形变概率不是统一的，由此可见现有监测点的布设方式缺乏针对性，就会导致监测点的布设数量过多或过少，当过多时容易造成过度监测，进而浪费监测成本，当过少时容易造成监测不全面，存在无法满足形变监测需求的隐患，进一步影响了形变监测结果的可靠度。

2、由于形变监测仪器属于电子设备，使得监测结果的准确性受运行环境的影响较大，当运行环境不适宜时会降低监测结果的准确度，在这种情况下会导致不是所有监测到的所有形变数据都可用，然而现有技术对监测到的形变数据缺乏有效甄别，致使形变数据的使用过于草率，在一定程度上增大了无效形变数据的使用概率，为后续桥梁形变的可靠分析埋下了隐患。

3、现有利用形变数据对桥梁形变的分析大多集中在对桥梁形变幅度趋势的分析，是从纵向维度的分析，没有考虑到桥梁不同形变指征之间关联性的分析，由于桥梁形变的指征不只一个，在桥梁发生形变时可能会伴随性发生多种形变，这种形变指征之间的伴随关联性为桥梁形变后续发生哪些形变提供了可靠参照，有利于从横向维度了解桥梁形变的变化特征，而现有技术利用形变数据对桥梁形变的分析过于单一，不够全面，不仅降低了形变数据的利用率，无法发挥出形变数据的最大价值，还难以为桥梁形变的预防提供可靠的预防方向，不利于桥梁形变的精准维护。

发明内容

鉴于此，为解决上述背景技术中所提出的问题，现提出一种基于大数据的桥梁形变智能监测系统。

本发明的目的可以通过以下技术方案实现：一种基于大数据的桥梁形变智能监测系统，包括：桥体区域划分模块，用于将桥梁桥体划分为若干桥体区域，其中各桥体区域对应一个桥体结构。

监测点布设模块，用于在各桥体区域布设若干监测点。

形变监测模块，用于设置监测周期和初始监测时间点，并按照设定的时间间隔在各桥体区域布设的各监测点利用形变监测设备进行形变监测，得到各监测时间点各桥体区域对应各监测点的形变指征。

形变监测设备运行环境采集模块，用于在各监测时间点对各桥体区域对应各监测点采集形变监测设备运行环境参数。

形变数据处理分析模块，用于基于各监测时间点中各桥体区域对应各监测点的形变监测设备运行环境参数对各监测时间点中各桥体区域对应各监测点的形变指征进行处理，从中选取各桥体区域在各监测时间点的各形变指征对应的有效形变数据。

云数据库，用于存储各桥体区域对应的易形变率和参考易形变率对应的监测点布设密度，存储形变监测设备的正常运行环境参数，并存储各桥体区域中各形变指征对应的安全值。

易形变桥体区域识别模块，用于基于各桥体区域在各监测时间点的各形变指征对应的有效形变数据识别出易形变桥体区域。

形变变化幅度分析模块，用于统计易形变桥体区域对应的特定形变指征数量，分析易形变桥体区域对应各特定形变指征的变化幅度。

特定形变指征关联分析模块，用于从易形变桥体区域对应的各特定形变指征中识别出关联特定形变指征。

显示终端，用于将易形变桥体区域、易形变桥体区域对应各特定形变指征的变化幅度和关联特定形变指征进行显示。

优选的，所述在各桥体区域布设若干监测点具体参见下述过程：从云数据库中提取各桥体区域对应的易形变率和参考易形变率对应的监测点布设密度，并由此计算出各桥体区域对应的监测点布设密度，其中/>表示为第i桥体区域对应的监测点布设密度，i表示为桥体区域的编号，/>，/>表示为第i桥体区域对应的易形变率，/>表示为参考易形变率，/>表示为参考易形变率对应的监测点布设密度。

获取各桥体区域的表面积，并结合各桥体区域对应的监测点布设密度计算出各桥体区域内监测点的布设数量，计算表达式为，其中/>表示为第i桥体区域的表面积，/>表示为上取整。

按照各桥体区域内监测点的布设数量在各桥体区域内进行均匀监测点布设。

优选的，所述形变指征包括挠度、移动位移、应变和加速度。

优选的，所述运行环境参数包括运行环境温度、运行环境湿度、运行环境灰尘浓度。

优选的，所述对各监测时间点中各桥体区域对应各监测点的形变指征进行处理的具体实施过程如下：从云数据库中提取形变监测设备的正常运行环境参数，进而将各监测时间点中各桥体区域对应各监测点的形变监测设备运行环境参数与形变监测设备的正常运行环境参数进行对比，通过表达式计算各监测时间点中各桥体区域对应各监测点的形变监测设备运行环境偏离度/>，式中/>、、/>表示为第t监测时间点中第i桥体区域对应第j监测点的形变监测设备运行环境温度、形变监测设备运行环境湿度、形变监测设备运行环境灰尘浓度，t表示为监测时间点编号，/>，j表示为监测点的编号，/>，/>、/>、/>分别表示为形变监测设备正常运行环境温度、形变监测设备正常运行环境湿度、形变监测设备正常运行环境灰尘浓度，e表示为自然常数。

将各监测时间点中各桥体区域对应各监测点的形变监测设备运行环境偏离度与设置的允许偏离度进行对比，若某监测时间点中某桥体区域对应某监测点的形变监测设备运行环境偏离度大于允许偏离度，则将该监测点记为无效监测点。

优选的，所述选取各桥体区域在各监测时间点的各形变指征对应的有效形变数据具体操作方式为：从各监测时间点中各桥体区域对应的各监测点中剔除无效监测点，并将保留下的监测点记为有效监测点，由此得到各监测时间点中各桥体区域对应各有效监测点的形变指征，进而提取同一形变指征在各监测时间点中各桥体区域对应有效监测点的数值，得到各桥体区域在各监测时间点的各形变指征对应的有效形变数据。

优选的，所述易形变桥体区域具体识别过程如下：将各桥体区域在各监测时间点的各形变指征对应的有效形变数据进行均值计算，得到各桥体区域在各监测时间点的各形变指征对应的有效值。

将各桥体区域在各监测时间点的各形变指征对应的有效值与云数据库中各桥体区域中各形变指征对应的安全值进行对比，若某桥体区域在某监测时间点的某形变指征对应的有效值大于该桥体区域中该形变指征对应的安全值，则将该桥体区域记为异常桥体区域，将该监测时间点记为异常监测时间点，并将该形变指征记为特定形变指征。

获取存在的异常桥体区域，并将各异常桥体区域进行相互对比，统计各异常桥体区域的出现频次，进而将最大出现频次对应的异常桥体区域作为易形变桥体区域。

优选的，所述分析易形变桥体区域对应各特定形变指征的变化幅度具体包括下述步骤：获取易形变桥体区域对应的若干异常监测时间点，并将各异常监测时间点对应的特定形变指征进行对比，将相同特定形变指征对应的异常监测时间点进行归类，形成各特定形变指征对应的异常监测时间点组。

在各特定形变指征对应的异常监测时间点组中分别计算各特定形变指征在相应异常监测时间点的形变程度系数，并对异常监测时间点按照时间先后顺序进行排列。

按照异常监测时间点的排列顺序依次将各特定形变指征对应相邻异常监测时间点的形变程度系数进行对比，计算各特定形变指征在相邻异常监测时间点的形变变化量，具体计算表达式为，/>、/>分别表示为第k特定形变指征对应第f+1异常监测时间点的形变程度系数、第f异常监测时间点的形变程度系数，k表示为特定形变指征的编号，/>，f表示为各特定形变指征对应的异常监测时间点编号，/>。

基于各特定形变指征在相邻异常监测时间点的形变变化量分析易形变桥体区域对应各特定形变指征的变化幅度，式中/>表示为第k特定形变指征对应的形变变化量方差，且/>，/>表示为设定的允许方差，/>表示为第k特定形变指征在相邻异常监测时间点的平均形变变化量，/>表示为第k特定形变指征在相邻异常监测时间点的形变变化量中存在的极端值，/>表示为第k特定形变指征对应形变变化量中极端值的数量。

优选的，所述各特定形变指征在相邻异常监测时间点的形变变化量中存在的极端值具体获取方式为：将各特定形变指征在相邻异常监测时间点的形变变化量进行均值计算，得到各特定形变指征在相邻异常监测时间点的平均形变变化量。

将各特定形变指征在相邻异常监测时间点的形变变化量与平均形变变化量进行对比，计算各特定形变指征在相邻异常监测时间点形变变化量的偏均度，并与设定的正常偏均度进行对比，若某相邻异常监测时间点形变变化量的偏均度大于设定的正常偏均度，则将该形变变化量作为极端值。

优选的，所述关联特定形变指征的具体识别过程如下：从异常监测时间点对应的特定形变指征中筛选出存在至少两种特定形变指征的异常监测时间点，记为指定监测时间点。

将各指定监测时间点对应的各特定形变指征进行对比，从中筛选出特定形变指征组，进而将相同特定形变指征组对应的指定监测时间点进行归类，统计各特定形变指征组对应的指定监测时间点数量。

选取最多指定监测时间点数量对应的特定形变指征组作为关联特定形变指征。

相较于现有技术，本发明的有益效果如下：（1）本发明对桥体进行监测点布设时通过对桥梁进行桥体区域划分，并依据各桥体区域对应的易形变率针对性对各桥体区域进行监测点布设，有效提高了监测点布设的合理性，大大减少了监测点的布设数量过多或过少的发生率，实现了满足形变监测需求和降低监测成本的兼具，具有较高的实用性价值。

（2）本发明在对划分的各桥体区域对应的各监测点上利用形变监测设备进行形变监测时采集形变监测设备的运行环境参数，由此分析形变监测设备运行环境偏离度，并根据分析结果从形变监测数据中识别出有效形变数据，从而利用有效形变数据进行桥梁形变分析，实现了对形变数据的有效甄别，最大限度避免对无效形变数据的使用，在一定程度上提升了形变数据的准确度，有利于提高对后续桥梁形变分析的可靠度。

（3）本发明在利用形变数据进行桥梁形变分析时不仅对桥梁形变幅度进行分析，还对桥梁形变过程中的关联形变指征进行分析，实现了桥梁形变在纵向维度和横向维度的双重分析，使得桥梁形变分析更加全面，不仅提高了形变数据的利用率，使其能够发挥出最大价值，还为桥梁形变的预防提供可靠的预防方向和预防方式，能够为桥梁形变预防维护提供可靠保障。

附图说明

为了更清楚地说明本发明实施例的技术方案，下面将对实施例描述所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1为本发明系统各模块连接示意图。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

请参阅图1所示，本发明提出一种基于大数据的桥梁形变智能监测系统，包括桥体区域划分模块、监测点布设模块、形变监测模块、形变监测设备运行环境采集模块、形变数据处理分析模块、云数据库、易形变桥体区域识别模块、形变变化幅度分析模块、特定形变指征关联分析模块和显示终端。

上述中桥体区域划分模块与监测点布设模块连接，监测点布设模块分别与形变监测模块和形变监测设备运行环境采集模块连接，形变监测模块和形变监测设备运行环境采集模块均与形变数据处理分析模块连接，形变数据处理分析模块与易形变桥体区域识别模块连接，易形变桥体区域识别模块分别与形变变化幅度分析模块和特定形变指征关联分析模块连接，易形变桥体区域识别模块、形变变化幅度分析模块和特定形变指征关联分析模块均与显示终端连接，云数据库分别与监测点布设模块、形变数据处理分析模块和易形变桥体区域识别模块连接。

所述桥体区域划分模块用于将桥梁桥体划分为若干桥体区域，其中各桥体区域对应一个桥体结构。

示例性的，上述提到的桥体结构包括但不限于桥墩、桥面、拱腹。

所述监测点布设模块用于在各桥体区域布设若干监测点，具体布设过程如下：从云数据库中提取各桥体区域对应的易形变率和参考易形变率对应的监测点布设密度，并由此计算出各桥体区域对应的监测点布设密度，其中/>表示为第i桥体区域对应的监测点布设密度，i表示为桥体区域的编号，/>，/>表示为第i桥体区域对应的易形变率，/>表示为参考易形变率，/>表示为参考易形变率对应的监测点布设密度。

获取各桥体区域的表面积，并结合各桥体区域对应的监测点布设密度计算出各桥体区域内监测点的布设数量，计算表达式为，其中/>表示为第i桥体区域的表面积，/>表示为上取整。

按照各桥体区域内监测点的布设数量在各桥体区域内进行均匀监测点布设。

本发明对桥体进行监测点布设时通过对桥梁进行桥体区域划分，并依据各桥体区域对应的易形变率针对性对各桥体区域进行监测点布设，有效提高了监测点布设的合理性，大大减少了监测点的布设数量过多或过少的发生率，实现了满足形变监测需求和降低监测成本的兼具，具有较高的实用性价值。

所述形变监测模块用于设置监测周期和初始监测时间点，并按照设定的时间间隔在各桥体区域布设的各监测点利用形变监测设备进行形变监测，得到各监测时间点各桥体区域对应各监测点的形变指征，其中形变指征包括挠度、移动位移、应变和加速度。

作为上述方案的一个示例，形变监测设备为挠度传感器、雷达测距仪、变形计、加速度计，其中挠度传感器用于监测挠度，雷达测距仪用于监测移动位移，变形计用于监测应变，加速度计用于监测加速度。

所述形变监测设备运行环境采集模块用于在各监测时间点对各桥体区域对应各监测点采集形变监测设备运行环境参数，其中运行环境参数包括运行环境温度、运行环境湿度、运行环境灰尘浓度。

所述形变数据处理分析模块用于基于各桥体区域对应各监测点在各监测时间点的形变监测设备运行环境参数对各监测时间点中各桥体区域对应各监测点的形变指征进行处理，从中选取各桥体区域在各监测时间点的各形变指征对应的有效形变数据。

在本发明的具体实施例中，形变指征的具体处理过程如下：从云数据库中提取形变监测设备的正常运行环境参数，进而将各监测时间点中各桥体区域对应各监测点的形变监测设备运行环境参数与形变监测设备的正常运行环境参数进行对比，通过表达式计算各监测时间点中各桥体区域对应各监测点的形变监测设备运行环境偏离度/>，式中/>、/>、/>表示为第t监测时间点中第i桥体区域对应第j监测点的形变监测设备运行环境温度、形变监测设备运行环境湿度、形变监测设备运行环境灰尘浓度，t表示为监测时间点编号，/>，j表示为监测点的编号，/>，/>、/>、/>分别表示为形变监测设备正常运行环境温度、形变监测设备正常运行环境湿度、形变监测设备正常运行环境灰尘浓度，e表示为自然常数。

将各监测时间点中各桥体区域对应各监测点的形变监测设备运行环境偏离度与设置的允许偏离度进行对比，若某监测时间点中某桥体区域对应某监测点的形变监测设备运行环境偏离度大于允许偏离度，则将该监测点记为无效监测点。

进一步地，选取各桥体区域在各监测时间点的各形变指征对应的有效形变数据具体操作方式为：从各监测时间点中各桥体区域对应的各监测点中剔除无效监测点，并将保留下的监测点记为有效监测点，由此得到各监测时间点中各桥体区域对应各有效监测点的形变指征，进而提取同一形变指征在各监测时间点中各桥体区域对应有效监测点的数值，得到各桥体区域在各监测时间点的各形变指征对应的有效形变数据。

需要补充的是，在保留下有效监测点之后还统计各桥体区域在各监测时间点对应的有效监测点数量，并与设置的正常监测点数量进行对比，若某桥体区域在某监测时间点对应的有效监测点数量少于正常监测点数量，则在该监测时间点对该桥体区域布设的监测点重新进行形变指征监测和形变监测设备运行环境采集，直至保留下的有效监测点数量达到正常监测点数量，这样做的目的在于为了避免保留下的有效监测点过少造成监测误差，对形变指征数据的准确性造成影响。

本发明在对划分的各桥体区域对应的各监测点上利用形变监测设备进行形变监测时采集形变监测设备的运行环境参数，由此分析形变监测设备运行环境偏离度，并根据分析结果从形变监测数据中识别出有效形变数据，从而利用有效形变数据进行桥梁形变分析，实现了对形变数据的有效甄别，最大限度避免对无效形变数据的使用，在一定程度上提升了形变数据的准确度，有利于提高对后续桥梁形变分析的可靠度。

所述云数据库用于存储各桥体区域对应的易形变率和参考易形变率对应的监测点布设密度，存储形变监测设备的正常运行环境参数，并存储各桥体区域中各形变指征对应的安全值。

所述易形变桥体区域识别模块用于基于各桥体区域在各监测时间点的各形变指征对应的有效形变数据识别出易形变桥体区域，具体识别过程如下：将各桥体区域在各监测时间点的各形变指征对应的有效形变数据进行均值计算，得到各桥体区域在各监测时间点的各形变指征对应的有效值。

将各桥体区域在各监测时间点的各形变指征对应的有效值与云数据库中各桥体区域中各形变指征对应的安全值进行对比，若某桥体区域在某监测时间点的某形变指征对应的有效值大于该桥体区域中该形变指征对应的安全值，则将该桥体区域记为异常桥体区域，将该监测时间点记为异常监测时间点，并将该形变指征记为特定形变指征。

获取存在的异常桥体区域，并将各异常桥体区域进行相互对比，统计各异常桥体区域的出现频次，进而将最大出现频次对应的异常桥体区域作为易形变桥体区域。

所述形变变化幅度分析模块用于统计易形变桥体区域对应的特定形变指征数量，分析易形变桥体区域对应各特定形变指征的变化幅度，具体包括下述步骤：获取易形变桥体区域对应的若干异常监测时间点，并将各异常监测时间点对应的特定形变指征进行对比，将相同特定形变指征对应的异常监测时间点进行归类，形成各特定形变指征对应的异常监测时间点组。

在各特定形变指征对应的异常监测时间点组中分别计算各特定形变指征在相应异常监测时间点的形变程度系数，并对异常监测时间点按照时间先后顺序进行排列。

需要补充的是形变程度系数计算表达式为。

按照异常监测时间点的排列顺序依次将各特定形变指征对应相邻异常监测时间点的形变程度系数进行对比，计算各特定形变指征在相邻异常监测时间点的形变变化量，具体计算表达式为，/>、/>分别表示为第k特定形变指征对应第f+1异常监测时间点的形变程度系数、第f异常监测时间点的形变程度系数，k表示为特定形变指征的编号，/>，f表示为各特定形变指征对应的异常监测时间点编号，/>。

上述提到的相邻异常监测时间点对比是将下个异常监测时间点的形变程度系数与上个异常监测时间点的形变程度系数进行对比。

需要解释的是由于桥梁形变是时间累积的结果，一旦在某时刻监测到存在形变，很大程度在下一时刻也会监测到，且形变程度随着时间累积会越来越明显。

基于各特定形变指征在相邻异常监测时间点的形变变化量分析易形变桥体区域对应各特定形变指征的变化幅度，式中/>表示为第k特定形变指征对应的形变变化量方差，且/>，/>表示为设定的允许方差，/>表示为第k特定形变指征在相邻异常监测时间点的平均形变变化量，/>表示为第k特定形变指征在相邻异常监测时间点的形变变化量中存在的极端值，/>表示为第k特定形变指征对应形变变化量中极端值的数量。

在上述方案基础上，各特定形变指征在相邻异常监测时间点的形变变化量中存在的极端值具体获取方式为：将各特定形变指征在相邻异常监测时间点的形变变化量进行均值计算，得到各特定形变指征在相邻异常监测时间点的平均形变变化量。

将各特定形变指征在相邻异常监测时间点的形变变化量与平均形变变化量进行对比，计算各特定形变指征在相邻异常监测时间点形变变化量的偏均度，并与设定的正常偏均度进行对比，若某相邻异常监测时间点形变变化量的偏均度大于设定的正常偏均度，则将该形变变化量作为极端值。

上述方案中。

本发明在分析特定形变指征的变化幅度时是采用平均值的计算方式，在这种计算方式下考虑到数据计算过程中可能会出现极端值、异常值，而极端值对分析结果的影响还是比较大的，当一组数据中存在极端值时如果还采用平均值的计算方式就会扭曲分析结果的真实情况，因而通过引入方差计算，识别形变变化量数据中是否存在极端值，当识别存在极端值进行极端值剔除，就能够避免极端值对分析结果的影响，使得分析结果更加合理、真实、可靠。

所述特定形变指征关联分析模块用于从易形变桥体区域对应的各特定形变指征中识别出关联特定形变指征，具体识别过程如下：从异常监测时间点对应的特定形变指征中筛选出存在至少两种特定形变指征的异常监测时间点，记为指定监测时间点。

将各指定监测时间点对应的特定形变指征进行对比，从中筛选出特定形变指征组，进而将相同特定形变指征组对应的指定监测时间点进行归类，统计各特定形变指征组对应的指定监测时间点数量。

选取最多指定监测时间点数量对应的特定形变指征组作为关联特定形变指征。

作为上述方案的一个示例，假设指定监测时间点有8个，各指定监测时间点对应的特定形变指征分别为挠度、加速度（第1个指定监测时间点），移动位移、加速度（第2个指定监测时间点），挠度、加速度（第3个指定监测时间点），应变、加速度（第4个指定监测时间点），挠度、加速度（第5个指定监测时间点），应变、加速度（第6个指定监测时间点），移动位移、加速度（第7个指定监测时间点），应变、加速度（第8个指定监测时间点），其中挠度和加速度、移动位移和加速度存在多组，在这种情况下挠度和加速度构成特定形变指征组，移动位移和加速度构成特定形变指征组，由于挠度和加速度出现的频次多，使得挠度和加速度成为关联特定形变指征。

本发明在利用形变数据进行桥梁形变分析时不仅对桥梁形变幅度进行分析，还对桥梁形变过程中的关联形变指征进行分析，实现了桥梁形变在纵向维度和横向维度的双重分析，使得桥梁形变分析更加全面，不仅提高了形变数据的利用率，使其能够发挥出最大价值，还为桥梁形变的预防提供可靠的预防方向和预防方式，能够为桥梁形变预防维护提供可靠保障。

所述显示终端用于将易形变桥体区域、易形变桥体区域对应各特定形变指征的变化幅度和关联特定形变指征进行显示。

以上内容仅仅是对本发明的构思所作的举例和说明，所属本技术领域的技术人员对所描述的具体实施例做各种各样的修改或补充或采用类似的方式替代，只要不偏离发明的构思或者超越本发明所定义的范围，均应属于本发明的保护范围。

Claims (10)

1.一种基于大数据的桥梁形变智能监测系统，其特征在于，包括：

桥体区域划分模块，用于将桥梁桥体划分为若干桥体区域，其中各桥体区域对应一个桥体结构；

监测点布设模块，用于在各桥体区域布设若干监测点；

形变监测模块，用于设置监测周期和初始监测时间点，并按照设定的时间间隔在各桥体区域布设的各监测点利用形变监测设备进行形变监测，得到各监测时间点各桥体区域对应各监测点的形变指征；

形变监测设备运行环境采集模块，用于在各监测时间点对各桥体区域对应各监测点采集形变监测设备运行环境参数；

形变数据处理分析模块，用于基于各监测时间点中各桥体区域对应各监测点的形变监测设备运行环境参数对各监测时间点中各桥体区域对应各监测点的形变指征进行处理，从中选取各桥体区域在各监测时间点的各形变指征对应的有效形变数据；

云数据库，用于存储各桥体区域对应的易形变率和参考易形变率对应的监测点布设密度，存储形变监测设备的正常运行环境参数，并存储各桥体区域中各形变指征对应的安全值；

易形变桥体区域识别模块，用于基于各桥体区域在各监测时间点的各形变指征对应的有效形变数据识别出易形变桥体区域；

形变变化幅度分析模块，用于统计易形变桥体区域对应的特定形变指征数量，分析易形变桥体区域对应各特定形变指征的变化幅度；

特定形变指征关联分析模块，用于从易形变桥体区域对应的各特定形变指征中识别出关联特定形变指征；

显示终端，用于将易形变桥体区域、易形变桥体区域对应各特定形变指征的变化幅度和关联特定形变指征进行显示。

2.如权利要求1所述的一种基于大数据的桥梁形变智能监测系统，其特征在于：所述在各桥体区域布设若干监测点具体参见下述过程：

从云数据库中提取各桥体区域对应的易形变率和参考易形变率对应的监测点布设密度，并由此计算出各桥体区域对应的监测点布设密度，其中/>表示为第i桥体区域对应的监测点布设密度，i表示为桥体区域的编号，/>，/>表示为第i桥体区域对应的易形变率，/>表示为参考易形变率，/>表示为参考易形变率对应的监测点布设密度；

获取各桥体区域的表面积，并结合各桥体区域对应的监测点布设密度计算出各桥体区域内监测点的布设数量，计算表达式为，其中/>表示为第i桥体区域的表面积，表示为上取整；

按照各桥体区域内监测点的布设数量在各桥体区域内进行均匀监测点布设。

3.如权利要求1所述的一种基于大数据的桥梁形变智能监测系统，其特征在于：所述形变指征包括挠度、移动位移、应变和加速度。

4.如权利要求1所述的一种基于大数据的桥梁形变智能监测系统，其特征在于：所述运行环境参数包括运行环境温度、运行环境湿度、运行环境灰尘浓度。

5.如权利要求4所述的一种基于大数据的桥梁形变智能监测系统，其特征在于：所述对各监测时间点中各桥体区域对应各监测点的形变指征进行处理的具体实施过程如下：

从云数据库中提取形变监测设备的正常运行环境参数，进而将各监测时间点中各桥体区域对应各监测点的形变监测设备运行环境参数与形变监测设备的正常运行环境参数进行对比，通过表达式计算各监测时间点中各桥体区域对应各监测点的形变监测设备运行环境偏离度/>，式中/>、/>、/>表示为第t监测时间点中第i桥体区域对应第j监测点的形变监测设备运行环境温度、形变监测设备运行环境湿度、形变监测设备运行环境灰尘浓度，t表示为监测时间点编号，/>，j表示为监测点的编号，/>，/>、/>、/>分别表示为形变监测设备正常运行环境温度、形变监测设备正常运行环境湿度、形变监测设备正常运行环境灰尘浓度，e表示为自然常数；

将各监测时间点中各桥体区域对应各监测点的形变监测设备运行环境偏离度与设置的允许偏离度进行对比，若某监测时间点中某桥体区域对应某监测点的形变监测设备运行环境偏离度大于允许偏离度，则将该监测点记为无效监测点。

6.如权利要求5所述的一种基于大数据的桥梁形变智能监测系统，其特征在于：所述选取各桥体区域在各监测时间点的各形变指征对应的有效形变数据具体操作方式为：从各监测时间点中各桥体区域对应的各监测点中剔除无效监测点，并将保留下的监测点记为有效监测点，由此得到各监测时间点中各桥体区域对应各有效监测点的形变指征，进而提取同一形变指征在各监测时间点中各桥体区域对应有效监测点的数值，得到各桥体区域在各监测时间点的各形变指征对应的有效形变数据。

7.如权利要求1所述的一种基于大数据的桥梁形变智能监测系统，其特征在于：所述易形变桥体区域具体识别过程如下：

将各桥体区域在各监测时间点的各形变指征对应的有效形变数据进行均值计算，得到各桥体区域在各监测时间点的各形变指征对应的有效值；

将各桥体区域在各监测时间点的各形变指征对应的有效值与云数据库中各桥体区域中各形变指征对应的安全值进行对比，若某桥体区域在某监测时间点的某形变指征对应的有效值大于该桥体区域中该形变指征对应的安全值，则将该桥体区域记为异常桥体区域，将该监测时间点记为异常监测时间点，并将该形变指征记为特定形变指征；

获取存在的异常桥体区域，并将各异常桥体区域进行相互对比，统计各异常桥体区域的出现频次，进而将最大出现频次对应的异常桥体区域作为易形变桥体区域。

8.如权利要求7所述的一种基于大数据的桥梁形变智能监测系统，其特征在于：所述分析易形变桥体区域对应各特定形变指征的变化幅度具体包括下述步骤：

获取易形变桥体区域对应的若干异常监测时间点，并将各异常监测时间点对应的特定形变指征进行对比，将相同特定形变指征对应的异常监测时间点进行归类，形成各特定形变指征对应的异常监测时间点组；

在各特定形变指征对应的异常监测时间点组中分别计算各特定形变指征在相应异常监测时间点的形变程度系数，并对异常监测时间点按照时间先后顺序进行排列；

按照异常监测时间点的排列顺序依次将各特定形变指征对应相邻异常监测时间点的形变程度系数进行对比，计算各特定形变指征在相邻异常监测时间点的形变变化量，具体计算表达式为，/>、/>分别表示为第k特定形变指征对应第f+1异常监测时间点的形变程度系数、第f异常监测时间点的形变程度系数，k表示为特定形变指征的编号，/>，f表示为各特定形变指征对应的异常监测时间点编号，/>；

基于各特定形变指征在相邻异常监测时间点的形变变化量分析易形变桥体区域对应各特定形变指征的变化幅度，式中/>表示为第k特定形变指征对应的形变变化量方差，且/>，/>表示为设定的允许方差，/>表示为第k特定形变指征在相邻异常监测时间点的平均形变变化量，表示为第k特定形变指征在相邻异常监测时间点的形变变化量中存在的极端值，/>表示为第k特定形变指征对应形变变化量中极端值的数量。

9.如权利要求8所述的一种基于大数据的桥梁形变智能监测系统，其特征在于：所述具体获取方式为：

将各特定形变指征在相邻异常监测时间点的形变变化量进行均值计算，得到各特定形变指征在相邻异常监测时间点的平均形变变化量；

将各特定形变指征在相邻异常监测时间点的形变变化量与平均形变变化量进行对比，计算各特定形变指征在相邻异常监测时间点形变变化量的偏均度，并与设定的正常偏均度进行对比，若某相邻异常监测时间点形变变化量的偏均度大于设定的正常偏均度，则将该形变变化量作为极端值。

10.如权利要求7所述的一种基于大数据的桥梁形变智能监测系统，其特征在于：所述关联特定形变指征的具体识别过程如下：

从异常监测时间点对应的特定形变指征中筛选出存在至少两种特定形变指征的异常监测时间点，记为指定监测时间点；

将各指定监测时间点对应的各特定形变指征进行对比，从中筛选出特定形变指征组，进而将相同特定形变指征组对应的指定监测时间点进行归类，统计各特定形变指征组对应的指定监测时间点数量；

选取最多指定监测时间点数量对应的特定形变指征组作为关联特定形变指征。