本书系统总结和阐述了交通基础设施时空域多源异构大数据分析理论、方法和应用的研究成果，主要介绍了交通基础设施大数据质量提升方法以及车辆荷载时空辨识与跟踪；针对桥梁，介绍了数据驱动和模型驱动的桥梁服役性能评估方法；针对道路，给出了道路病害识别与服役性能评估方法；针对网络，介绍了基于无向图和有向图的交通基础设施网络评估方法。
样章试读
目录
- 目录BR>前言BR>第1章 绪论 1BR>1.1 交通基础设施时空域多源异构大数据预处理 1BR>1.1.1 大数据异常检测 1BR>1.1.2 异常大数据修复 3BR>1.2 交通基础设施动荷载及病害识别与服役性能评估 6BR>1.2.1 车辆荷载辨识与跟踪 7BR>1.2.2 道路关键病害识别 8BR>1.2.3 道路服役性能评估 12BR>1.2.4 桥梁服役性能评估 15BR>1.3 路网级交通基础设施服役性能评估 19BR>1.3.1 网络级桥梁服役管理概况 19BR>1.3.2 路网级交通基础设施服役性能评估方法 20BR>参考文献 24BR>第2章 交通基础设施多源异构大数据质量提升方法 37BR>2.1 数值数据异常检测与智能修复 37BR>2.1.1 基于DS-LOF与GA-XGBoost的路域环境感知数据智能检测与修复算法 37BR>2.1.2 基于SSC与XGBoost的高速公路异常收费数据修复算法 46BR>2.2 图像数据质量提升 55BR>2.2.1 基于超分重建和数据增广的二维图像质量提升 55BR>2.2.2 基于断点插值和参考平面滤波的三维感知图像缺失及异常修复 65BR>参考文献 74BR>第3章 桥梁结构健康监测系统的不良数据重构方法 75BR>3.1 基于时空图注意力网络的不良趋势项数据重构 75BR>3.1.1 基于多源数据关联的不良监测数据重构 75BR>3.1.2 基于时空图注意力网络的数据重构方法 77BR>3.1.3 斜拉桥索力趋势项数据重构实例 83BR>3.2 基于降噪自编码器的不良车致项数据鲁棒重构 90BR>3.2.1 基于降噪自编码器的车致项数据的鲁棒重构与特征降维 90BR>3.2.2 铁路钢桁梁桥不良车致应力数据鲁棒重构实例 95BR>参考文献 108BR>第4章 车辆荷载时空辨识与跟踪方法 110BR>4.1 车辆荷载空间辨识方法 110BR>4.1.1 车辆荷载空间辨识网络架构 112BR>4.1.2 车辆荷载空间辨识网络训练策略 115BR>4.1.3 车辆荷载空间辨识网络评估指标及实施细节 117BR>4.1.4 车辆荷载空间辨识应用实例 119BR>4.2 车辆荷载时空跟踪方法 122BR>4.2.1 车辆荷载时空跟踪算法具体架构 124BR>4.2.2 车辆荷载时空跟踪评估指标及实施细节 126BR>4.2.3 车辆荷载时空跟踪应用实例 128BR>参考文献 129BR>第5章 模型驱动的单体桥梁服役性能评估方法 131BR>5.1 考虑冻融循环与除冰盐作用的氯离子侵蚀模型 131BR>5.1.1 钢筋初始锈蚀时间 132BR>5.1.2 锈蚀钢筋剩余面积与强度时变模型 133BR>5.1.3 混凝土强度时变模型 135BR>5.2 寒区桥梁荷载模型 136BR>5.2.1 桥梁结构恒载模型 136BR>5.2.2 车辆荷载模型 136BR>5.3 寒区桥梁时变可靠度分析实例 137BR>5.3.1 桥梁概况 137BR>5.3.2 基于检测信息的桥梁构件可靠度贝叶斯更新 137BR>5.3.3 多重指标下的桥梁结构整体时变可靠度 140BR>参考文献 148BR>第6章 基于数据时空关联的桥梁结构状态评估方法 150BR>6.1 基于趋势项数据空间关系图表征的桥梁结构状态评估 150BR>6.1.1 基于空间关系图表征的局部和全局数据异常模式区分 151BR>6.1.2 趋势项数据的空间关系图表征建模方法 152BR>6.1.3 结合回归残差与边权重的异常诊断策略 157BR>6.1.4 基于斜拉桥索力趋势项数据的评估方法验证 161BR>6.2 基于时空互补车致项数据解耦的桥梁结构状态评估 168BR>6.2.1 桥梁车致项数据的单一车辆响应提取 168BR>6.2.2 基于时空互补信息的多车叠加响应解耦方法 171BR>6.2.3 桥梁多车叠加响应解耦实例 177BR>6.2.4 基于车致项数据解耦的结构状态评估 189BR>6.3 基于趋势项和车致项数据降维特征的桥梁结构状态融合评估 194BR>6.3.1 桥梁趋势项和车致项数据的降维特征学习 194BR>6.3.2 基于降维特征的单分类异常诊断方法 199BR>6.3.3 基于监测数据降维特征的结构状态评估方法验证 200BR>参考文献 208BR>第7章 基于注意力机制增强CNN的路面裂缝检测评估方法 210BR>7.1 AttentionCrackNetCNN模型 211BR>7.1.1 AttentionCrackNet网络结构 211BR>7.1.2 编码器-解码器框架 218BR>7.1.3 跳跃连接和注意力门 219BR>7.1.4 快速并行细化算法 221BR>7.2 沥青道路裂缝像素级检测 222BR>7.2.1 沥青道路数据的采集 222BR>7.2.2 沥青道路裂缝的检测结果与分析 223BR>7.2.3 AttentionCrackNet模型评价标准和网络设置 225BR>7.2.4 AttentionCrackNet模型对比研究 229BR>7.3 裂缝量化评估 232BR>参考文献 237BR>第8章 基于长短期记忆模型的路面服役性能评价方法 238BR>8.1 数据收集与整理 239BR>8.1.1 路面技术参数数据收集 239BR>8.1.2 影响变量数据收集 240BR>8.1.3 相关性分析 242BR>8.2 沥青路面技术参数预测模型 243BR>8.2.1 小波降噪 243BR>8.2.2 构建沥青路面技术参数预测模型 246BR>8.2.3 沥青路面技术参数预测结果 249BR>8.3 沥青路面使用性能综合评价模型 258BR>8.3.1 沥青路面使用性能评价方法 259BR>8.3.2 构建沥青路面使用性能综合评价模型 262BR>参考文献 267BR>第9章 交通基础设施无向网络建模与评估方法 268BR>9.1 无向网络建模 268BR>9.1.1 网络中桥梁检测情况 269BR>9.1.2 无向网络建模方法 270BR>9.2 基于贝叶斯网络的无向网络脆弱性分析 276BR>9.2.1 无向网络全端连通概率分析 277BR>9.2.2 无向网络脆弱性分析 283BR>9.3 基于网络分解的无向网络连通概率快速评估算法 284BR>9.3.1 递归多级k路网络分解算法 286BR>9.3.2 子网评估 288BR>9.3.3 简化网络评估 292BR>参考文献 294BR>第10章 交通基础设施有向网络建模与评估方法 296BR>10.1 有向网络建模 297BR>10.1.1 有向网络拓扑图的建立 298BR>10.1.2 有向网络边权赋值 299BR>10.2 有向桥梁网络连通概率分析 303BR>10.2.1 有向桥梁网络的状态枚举算法 304BR>10.2.2 有向边的重要性指标 305BR>10.3 实例分析：有向城市桥梁网络模型 306BR>10.3.1 有向城市桥梁网络建模 307BR>10.3.2 有向相关桥梁网络评估 309BR>参考文献 310BR>
京公网安备 11010102004214号