一种基于谷本系数的桥梁风险识别及优化方法和系统

技术领域

本发明涉及智能数字化系统信息技术领域，具体涉及一种基于谷本系数的桥梁风险识别及优化方法和系统。

背景技术

桥梁是连接城市和乡村，沟通人与人，促进经济和社会发展的重要基础设施。我国拥有世界上最多的桥梁，其中不乏世界级的跨海大桥、高速公路桥梁、高铁桥梁等。这些桥梁不仅展现了我国的工程技术水平，也为人民群众提供了便利和安全的出行条件。

然而，随着我国桥梁服役期的不断增长，其安全性、耐久性及维护管理的问题日益严重，安全保障问题也日益突出。近年来，我国发生了多起桥梁垮塌、断裂、倾斜等事故，造成了人员伤亡和财产损失，引起了社会的广泛关注和担忧。面对这一严峻形势，我国急需加强桥梁安全保障技术、措施和政策的研究和实施，以提高桥梁的安全性能和延长桥梁的使用寿命。其中，数字化智能系统是一种有效的手段，它可以通过物联网设备采集、分析和处理桥梁结构和环境参数，实现对桥梁状态的实时监测、预警和评估。使用数学建模、深度学习等计算机技术，综合分析桥梁健康状况，为桥梁维修、加固和更新提供科学依据，并通过数学模型和专家系统对检测数据进行分析和评价，给出桥梁安全等级和建议措施。建立一套完善的桥梁安全监测体系，可以显著提升桥梁运营的安全水平，做到桥梁安全问题早发现、早报告、早控制、早解决。

我国桥梁安全监测体系的发展经历了从无到有，从单一到多元，从人工到自动，从局部到整体，从静态到动态的过程。目前，我国已经建立了一批具有代表性的桥梁安全监测体系，如港珠澳大桥、京沪高铁大桥、杭州湾跨海大桥等。这些监测体系采用了多种先进的技术和方法，如光纤传感技术、无线传感技术、卫星定位技术、云计算技术等，实现了对桥梁的全方位、多维度、高精度的监测。桥梁安全作为城市安全风险的核心场景，重点提及了研究创新手段，数据治理应用的主题。利用大数据分析技术，强调桥梁安全趋势及特点，挖掘桥梁结构共性问题，成为了重要的研究课题。

现有桥梁安全风险监测预警平台，通过布置物联网传感器，设置预警阈值，在危险出现后迅速通知有关部门，实现事后快速反应，但这种方法会使平台事前预先防范风险的能力不足。一是数据质量不够高效，使用桥梁的信息维度不足，没有基于桥梁设计特点、养护历史做定制化分析，对桥梁的管理颗粒度太低。二是应用水平不够深入，难以感知桥梁隐患风险，预先防范重大桥梁安全问题发生，缺乏桥梁宏观状况的综合评定模型。三是覆盖范围不够广泛，缺乏手段将物联网监测的数据趋势关联到具有共性的其他桥梁上，帮助未安装物联网监测设备的桥梁提升安全水平。

而谷本系数是一种用于衡量两个集合或向量之间相似度的指标，常用于化学信息学中比较分子结构的相似度。谷本系数是由杰卡德系数扩展而来，也称为广义杰卡德相似系数。谷本系数的优势在于它不仅考虑了两个集合或向量中共有的元素，也考虑了各自独有的元素。相比杰卡德系数，谷本系数可以接收连续的向量值，不局限于布尔变量。因此可以衡量差异具体值的大小。

因此，亟需一种基于谷本系数的桥梁风险识别及优化方法以提高桥梁风险识别的精准度以及养护单位的绩效和效率。

发明内容

为解决现有桥梁安全风险监测过程中存在的效率低、使用桥梁的信息维度不足、难以感知桥梁隐患风险以及覆盖范围不够广泛等问题，本发明提供了一种基于谷本系数的桥梁风险识别及优化方法，基于桥梁的物联网监测体征、人工巡查记录、检测报告结果以及特征参数识别出风险桥梁，并采用谷本系数计算出关联桥梁，以及采用特定的计算方法完成对桥梁风险识别的优化，有效增加了桥梁风险识别的效率和精准度。本发明还涉及一种基于谷本系数的桥梁风险识别及优化系统。

本发明的技术方案如下：

一种基于谷本系数的桥梁风险识别及优化方法，其特征在于，包括以下步骤：

桥梁风险识别步骤：获取某个地区内多个桥梁的物联网监测体征、人工巡查记录、检测报告结果以及特征参数，将物联网监测体征出现报警的次数与预设数量阈值作比较，当物联网监测体征出现报警的次数大于预设数量阈值时，对桥梁进行风险预警；并将检测报告结果中桥梁总体技术状况评定分数与不同技术状况评定等级作比较，根据比较结果对桥梁进行风险预警；再将人工巡查记录中桥梁各个养护标段的巡检打卡率、工单完成率以及巡检行为分别与各自对应的预设阈值作比较，根据比较结果对桥梁进行风险预警，并将该地区已识别出风险预警的桥梁作为风险桥梁；

关联桥梁计算步骤：基于特征参数中的相关参数，并采用谷本系数依次将风险桥梁特征参数中的多个主要参数分别与该地区内除风险桥梁以外的其它桥梁特征参数中的多个主要参数进行对应计算，得到各个主要参数的相似度，并计算出所有主要参数的平均相似度，再根据各个主要参数的预设权重计算出平均相似度的加权平均数，若该地区内某个桥梁与风险桥梁平均相似度的加权平均数大于等于预设数值阈值，则将该桥梁作为风险桥梁的关联桥梁；

自适应调整及优化步骤：根据人工巡查记录中的巡查结果自动识别出关联桥梁中的风险桥梁和非风险桥梁，并根据巡查结果计算出修正系数，将计算出的各个主要参数的相似度权重作为待调整参数，再根据关联桥梁中风险桥梁和非风险桥梁的特征参数得到人工反馈结果，根据人工反馈结果对待调整参数进行调整得到权重调整比例，再根据待调整参数、修正系数以及权重调整比例计算出调整后的各个主要参数的相似度权重，进而优化人工巡查过程，以完成对桥梁风险识别的优化。

优选地，所述特征参数包括同一水系、桥梁类型、桥梁规模、设计年限、上部结构、下部结构、桥面系以及地域距离；所述相关参数包括同一水系、桥梁类型、桥梁规模和设计年限，所述主要参数包括上部结构、下部结构和桥面系。

优选地，所述关联桥梁计算步骤中，在计算出所有主要参数的平均相似度后，还根据平均相似度与地域距离计算出优化的平均相似度，以使关联桥梁与风险桥梁处于同一地域。

优选地，所述桥梁风险识别步骤中，将检测报告结果中桥梁总体技术状况评定分数与不同技术状况评定等级作比较包括：

当桥梁总体技术状况评定分数达到第一技术状况评定等级时，对桥梁进行红色风险预警，当桥梁总体技术状况评定分数达到第二技术状况评定等级时，对桥梁进行橙色风险预警，当桥梁总体技术状况评定分数达到第三技术状况评定等级时，对桥梁进行黄色风险预警。

优选地，所述桥梁风险识别步骤中，将人工巡查记录中桥梁各个养护标段的巡检打卡率、工单完成率以及巡检行为分别与各自对应的预设阈值作比较包括：

若巡检打卡率小于等于预设打卡率阈值，则对桥梁进行黄色风险预警；

若工单完成率小于等于预设完成率阈值，则对桥梁进行黄色风险预警；

将人工巡查记录中巡检人员的桥梁巡检时间和桥间平均速度分别与该地区某季度内所有桥梁的人工巡查记录的平均值百分比进行比较，若桥梁巡检时间和/或桥间路程平均速度大于等于平均值百分比，且一周内发生的次数大于预设次数阈值时，判断巡检行为存在异常，对桥梁进行黄色风险预警。

一种基于谷本系数的桥梁风险识别及优化系统，其特征在于，包括依次连接的桥梁风险识别模块、关联桥梁计算模块和自适应调整及优化模块，

所述桥梁风险识别模块，获取某个地区内多个桥梁的物联网监测体征、人工巡查记录、检测报告结果以及特征参数，将物联网监测体征出现报警的次数与预设数量阈值作比较，当物联网监测体征出现报警的次数大于预设数量阈值时，对桥梁进行风险预警；并将检测报告结果中桥梁总体技术状况评定分数与不同技术状况评定等级作比较，根据比较结果对桥梁进行风险预警；再将人工巡查记录中桥梁各个养护标段的巡检打卡率、工单完成率以及巡检行为分别与各自对应的预设阈值作比较，根据比较结果对桥梁进行风险预警，并将该地区已识别出风险预警的桥梁作为风险桥梁；

所述关联桥梁计算模块，基于特征参数中的相关参数，并采用谷本系数依次将风险桥梁特征参数中的多个主要参数分别与该地区内除风险桥梁以外的其它桥梁特征参数中的多个主要参数进行对应计算，得到各个主要参数的相似度，并计算出所有主要参数的平均相似度，再根据各个主要参数的预设权重计算出平均相似度的加权平均数，若该地区内某个桥梁与风险桥梁平均相似度的加权平均数大于等于预设数值阈值，则将该桥梁作为风险桥梁的关联桥梁；

所述自适应调整及优化模块，根据人工巡查记录中的巡查结果自动识别出关联桥梁中的风险桥梁和非风险桥梁，并根据巡查结果计算出修正系数，将计算出的各个主要参数的相似度权重作为待调整参数，再根据关联桥梁中风险桥梁和非风险桥梁的特征参数得到人工反馈结果，根据人工反馈结果对待调整参数进行调整得到权重调整比例，再根据待调整参数、修正系数以及权重调整比例计算出调整后的各个主要参数的相似度权重，进而优化人工巡查过程，以完成对桥梁风险识别的优化。

优选地，所述特征参数包括同一水系、桥梁类型、桥梁规模、设计年限、上部结构、下部结构、桥面系以及地域距离；所述相关参数包括同一水系、桥梁类型、桥梁规模和设计年限，所述主要参数包括上部结构、下部结构和桥面系。

优选地，所述关联桥梁计算模块中，在计算出所有主要参数的平均相似度后，还根据平均相似度与地域距离计算出优化的平均相似度，以使关联桥梁与风险桥梁处于同一地域。

优选地，所述桥梁风险识别模块中，将检测报告结果中桥梁总体技术状况评定分数与不同技术状况评定等级作比较包括：

当桥梁总体技术状况评定分数达到第一技术状况评定等级时，对桥梁进行红色风险预警，当桥梁总体技术状况评定分数达到第二技术状况评定等级时，对桥梁进行橙色风险预警，当桥梁总体技术状况评定分数达到第三技术状况评定等级时，对桥梁进行黄色风险预警。

优选地，所述桥梁风险识别模块中，将人工巡查记录中桥梁各个养护标段的巡检打卡率、工单完成率以及巡检行为分别与各自对应的预设阈值作比较包括：

若巡检打卡率小于等于预设打卡率阈值，则对桥梁进行黄色风险预警；

若工单完成率小于等于预设完成率阈值，则对桥梁进行黄色风险预警；

将人工巡查记录中巡检人员的桥梁巡检时间和桥间平均速度分别与该地区某季度内所有桥梁的人工巡查记录的平均值百分比进行比较，若桥梁巡检时间和/或桥间路程平均速度大于等于平均值百分比，且一周内发生的次数大于预设次数阈值时，判断巡检行为存在异常，对桥梁进行黄色风险预警。

本发明的有益效果为：

本发明提供了一种基于谷本系数的桥梁风险识别及优化方法，先由桥梁风险识别步骤获取某个地区内多个桥梁的物联网监测体征、人工巡查记录、检测报告结果以及特征参数，将物联网监测体征出现报警的次数与预设数量阈值作比较对桥梁进行风险预警；并将检测报告结果中桥梁总体技术状况评定分数与不同技术状况评定等级作比较，根据比较结果对桥梁进行风险预警；再将人工巡查记录中桥梁各个养护标段的巡检打卡率、工单完成率以及巡检行为分别与各自对应的预设阈值作比较，根据比较结果对桥梁进行风险预警，并将该地区已识别出风险预警的桥梁作为风险桥梁，并及时提醒养护人员，预先做好防范；桥梁风险识别步骤可理解为是构建了风险识别模型，汇聚业务数据，识别潜在桥梁风险，算法关联与发生风险桥梁的结构组成、养护质量、检测评定等状况相似的桥梁，发起共性特点风险。提醒养护人员到场检查。从传统的事后抢修转变为事前预防性维修，实现基础设施的动态管养和科学维修加固管理，提升桥梁结构长期性能和服役水平，本发明通过桥梁风险识别模型/算法，结合桥梁监测历史数据，识别出桥梁可能存在的风险点提醒养护人员，预先做好防范；然后由关联桥梁计算步骤基于特征参数中的相关参数，并采用谷本系数依次将风险桥梁特征参数中的多个主要参数分别与该地区内除风险桥梁以外的其它桥梁特征参数中的多个主要参数进行对应计算，得到各个主要参数的相似度，并计算出所有主要参数的平均相似度，再根据各个主要参数的预设权重计算出平均相似度的加权平均数，可理解为是构建了桥梁运营状况关联度分析模型，关联与风险桥梁运营状况相似的桥梁，发起相似风险，若该地区内某个桥梁与风险桥梁平均相似度的加权平均数大于等于预设数值阈值，则将该桥梁作为风险桥梁的关联桥梁，以提醒养护人员到场检查，加强了地区隐患风险排查的覆盖范围，提高了桥梁整体安全水平；基于谷本系数，可以更好地反映出两座桥梁在结构形式、养护历史、检测评定等数据中的相似度，关联具有相似运营状况的桥梁，识别共性桥梁安全风险；最后由自适应调整及优化步骤根据人工巡查记录中的巡查结果自动识别出关联桥梁中的风险桥梁和非风险桥梁，并根据巡查结果计算出修正系数，将关联桥梁中风险桥梁和非风险桥梁的各个主要参数的相似度作为待调整参数，再根据关联桥梁中风险桥梁和非风险桥梁的特征参数得到人工反馈结果，根据人工反馈结果对待调整参数进行调整得到权重调整比例，再根据待调整参数、修正系数以及权重调整比例计算出调整后的风险桥梁和非风险桥梁的各个主要参数的相似度，进而优化人工巡查过程，以完成对桥梁风险识别的优化，能够有效增加桥梁风险识别的效率和精准度，可理解为是构建了算法自适应策略模型，根据隐患风险排查结果，通过自适应策略动态调整风险识别算法的模型参数，可智能化、自动化迭代算法模型，持续优化算法精准度。本发明从传统的事后抢修转变为事前预防性维修，实现了基础设施的动态管养和科学维修加固管理，提升桥梁结构长期性能和服役水平。

本发明还涉及一种基于谷本系数的桥梁风险识别及优化系统，该系统与上述的基于谷本系数的桥梁风险识别及优化方法相对应，可理解为是一种实现上述基于谷本系数的桥梁风险识别及优化方法的系统，包括依次连接的桥梁风险识别模块、关联桥梁计算模块和自适应调整及优化模块，各模块相互协同工作，基于桥梁的物联网监测体征、人工巡查记录、检测报告结果以及特征参数识别出风险桥梁，并采用谷本系数计算出关联桥梁，以及采用特定的计算方法完成对桥梁风险识别的优化，有效增加了桥梁风险识别的效率和精准度。

附图说明

图1是本发明基于谷本系数的桥梁风险识别及优化方法的流程图。

图2是本发明桥梁风险识别的流程图。

图3是本发明关联桥梁计算的流程图。

图4是本发明自适应调整及优化的流程图。

具体实施方式

下面结合附图对本发明进行说明。

本发明涉及一种基于谷本系数的桥梁风险识别及优化方法，该方法的流程图如图1所示，依次包括以下步骤：

1、桥梁风险识别步骤：获取某个地区内多个桥梁的物联网监测体征、人工巡查记录、检测报告结果以及特征参数，将物联网监测体征出现报警的次数与预设数量阈值作比较，当物联网监测体征出现报警的次数大于预设数量阈值时，对桥梁进行风险预警；并将检测报告结果中桥梁总体技术状况评定分数与不同技术状况评定等级作比较，根据比较结果对桥梁进行风险预警；再将人工巡查记录中桥梁各个养护标段的巡检打卡率、工单完成率以及巡检行为分别与各自对应的预设阈值作比较，根据比较结果对桥梁进行风险预警，并将该地区已识别出风险预警的桥梁作为风险桥梁。

具体地，如图2所示，先从业务系统中的数据汇聚中台获取某个地区内多个桥梁的物联网监测体征、人工巡查记录和检测报告结果以及特征参数等预警数据作为输入数据，并从中提取出重要数据特征进行风险类型匹配和风险等级评定实现桥梁风险识别，判断桥梁是否存在风险，包括预警分布、技术状况评定以及养护质量，其中，

预警分布：将物联网监测体征出现报警的次数与预设数量阈值作比较，当物联网监测体征出现报警的次数大于预设数量阈值时，对桥梁进行风险预警，即当物联网监测体征出现报警的次数超过10件/月时，判断预警过多，对桥梁直接发起红色风险预警；

技术状况评定：将检测报告结果中桥梁总体技术状况评定分数与不同技术状况评定等级作比较，根据比较结果对桥梁进行风险预警，其中，当桥梁总体技术状况评定分数达到第一技术状况评定等级(即达到四类等级(＜50分))时，对桥梁进行红色风险预警；当桥梁总体技术状况评定分数达到第二技术状况评定等级(即达到三类等级(＜70分))时，对桥梁进行橙色风险预警；当桥梁总体技术状况评定分数达到第三技术状况评定等级(即达到二类等级(＜90分))时，对桥梁进行黄色风险预警。此外，如果预警过多(即当物联网监测体征出现报警的次数超过10件/月时)，则将技术状况评定等级的分数阈值降低5分后，再将桥梁总体技术状况评定分数与降低分数后的不同技术状况评定等级作比较，根据比较结果对桥梁进行风险预警。需要说明的是，当桥梁总体中存在任意构件的技术状况评定分数属于第四技术状况评定等级(即任意构件达到五类等级)时，则直接发起红色风险预警。

养护质量：将人工巡查记录中桥梁各个养护标段的巡检打卡率、工单完成率以及巡检行为分别与管理单位结合养护规范设置的各自对应的预设阈值作比较，根据比较结果对桥梁进行风险预警，并将该地区已识别出风险预警的桥梁作为风险桥梁，其中，若若巡检打卡率小于等于管理单位要求的预设打卡率阈值，即巡检打卡率≤85％，则对桥梁进行黄色风险预警；若工单完成率小于等于管理单位要求的预设完成率阈值，即工单完成率≤80％，则对桥梁进行黄色风险预警；将人工巡查记录中巡检人员的桥梁巡检时间和桥间平均速度(巡检人员在梁桥之间行走的平均速度)分别与该地区某季度内所有桥梁的人工巡查记录的平均值百分比进行比较，若巡检人员的桥梁巡检时间和/或桥间路程平均速度大于等于该地区平均值75％，且累积一周内发生的次数大于预设次数阈值，即累积一周内发生三次或三次以上时，则判断巡检行为存在异常，对桥梁进行黄色风险预警，最后输出风险清单，并将该地区已识别出风险预警的桥梁作为风险桥梁。

综上，该桥梁风险识别步骤可理解为是通过构建桥梁风险识别模型，提取业务系统中汇聚的物联网监测体征、人工巡查记录、检测报告结果等预警数据，提取重要数据特征，判断是否存在风险。当物联网监测体征出现报警的次数超过一定设置阈值的时候，模型发起物联网红色风险预警。阈值可根据实际情况进行调整。如果该桥技术状况评定偏差，则根据策略适当收紧阈值；技术状况评定中，如局部存在任意五类构件，则直接发起红色风险预警，如果整体技术状况评定分数低于阈值，则根据不同技术状况等级分别发起对应等级的风险预警；养护质量监管中，算法将观察各养护标段的巡检打卡率、工单完成率、以及巡检行为离群值，并及时做出风险预警。

2、关联桥梁计算步骤：基于特征参数中的相关参数，并采用谷本系数依次将风险桥梁特征参数中的多个主要参数分别与该地区内除风险桥梁以外的其它桥梁特征参数中的多个主要参数进行对应计算，得到各个主要参数的相似度，并计算出所有主要参数的平均相似度，再根据各个主要参数的预设权重计算出平均相似度的加权平均数，若该地区内某个桥梁与风险桥梁平均相似度的加权平均数大于等于预设数值阈值，则将该桥梁作为风险桥梁的关联桥梁。优选地，特征参数包括同一水系、桥梁类型、桥梁规模、设计年限、上部结构、下部结构、桥面系以及地域距离；相关参数包括同一水系、桥梁类型、桥梁规模和设计年限，主要参数包括上部结构、下部结构和桥面系。该步骤可理解为是通过构建桥梁关联度分析模型，统计评价指标和计算相似度进行桥梁关联度分析，将已发现风险预警的桥梁和地区内其他桥梁依次比较相似度。结合水系、桥梁类型、桥梁规模、桥梁年限、上部结构、下部结构、桥面系、地域距离等这些特征的相似度，然后将它们转换成两个桥梁变量。接着，算法会根据预设的权重对这些变量进行加权计算，从而得出两个桥梁之间的相似度得分。

具体地，如图3所示，先将桥梁的主要参数中每个构件的结构集合表示为一个向量，构件中每一个特定的组件均代表向量中的一个元素，并将桥梁特征参数中的每个相关参数(即同一水系、桥梁类型、桥梁规模和设计年限)均作为向量中的一个元素。假设有两个构件A和B——如图3所示的待对比桥梁A和基准桥梁B，它们的结构集合分别表示为二进制向量A＝[a1,a2,...,an]和B＝[b1,b2,...,bn]，其中ai和bi的取值为0或1，分别表示没有这个结构或拥有这个结构。

谷本系数是通过计算两个二进制向量的交集和并集的比值来衡量它们之间的相似度。因此，在对某个地区内的风险桥梁和该地区内除风险桥梁以外的其它桥梁依次比较相似度时，先将该地区除风险桥梁以外的其他桥梁中的某个桥梁作为待对比桥梁，并从风险桥梁中选取某个风险桥梁作为基准桥梁，通过将基准桥梁和待对比桥梁的主要参数(上部结构、下部结构、桥面系)分别进行对应计算以得到两个桥梁之间的相似度。对于基准桥梁和待对比桥梁主要参数中的所有构件，先计算基准桥梁的某个构件B和待对比桥梁的与构件B相同的构件A的交集，再遍历二进制向量A和B的每个元素，如果对应位置的元素值都为1，则交集中对应位置的元素也为1；否则，交集中对应位置的元素为0，交集＝[a1&b1,a2&b2,...,an&bn]；

然后，分别统计交集、向量A和向量B中元素值为1的个数，并采用谷本系数计算两个向量的相似度，按照下式进行计算：

相似度＝(交集的元素个数)/(|x|2+|y|2-交集的元素个数)

上式中，交集的元素个数＝统计交集中元素值为1的个数；|x|2＝统计向量A中元素值为1的个数的平方；|y|2＝统计向量B中元素值为1的个数的平方。

当想要融合更多参数时，可以使用相同的方法来计算桥梁检测报告中每个构件的分数的相似度，并将其与结构组成的相似度进行平均。这样可以综合考虑多个参数对桥梁风险的贡献，得到更全面的相似度评估。通过上式即可计算出基准桥梁(风险桥梁)与待对比桥梁的各个主要参数(上部结构、下部结构、桥面系)的相似度，并计算出所有主要参数的平均相似度，然后根据各个主要参数的预设权重(上部结构占40％，下部结构占40％，桥面系占20％)计算出平均相似度的加权平均数，即如图3所示的录入待对比向量A和录入基准向量B后计算谷本系数，若该地区内某个待对比桥梁与风险桥梁平均相似度的加权平均数大于等于预设数值阈值，即加权平均数≥0.85，则将该桥梁作为风险桥梁的关联桥梁，并对关联桥梁发起与风险桥梁类似的风险预警，通过综合考虑多个主要参数对桥梁风险的贡献，能够得到更全面的相似度评估，进而加强了地区隐患风险排查的覆盖范围，提高了桥梁整体安全水平。

此外，由于关联桥梁分散在该地区的各个位置，因此可以使用地域距离对结果进行优化，根据平均相似度与地域距离计算出优化的平均相似度，通过将地域因素纳入考虑，一般情况下，会使得关联结果更倾向于选择与风险桥梁所在同一地区的桥梁，方便养护单位按地区划分管理。

3、自适应调整及优化步骤：根据人工巡查记录中的巡查结果自动识别出关联桥梁中的风险桥梁和非风险桥梁，并根据巡查结果计算出修正系数，将计算出的各个主要参数的相似度权重(相似度权重和上述各个主要参数的预设权重相同，各个主要参数的相似度权重即计算出的关联桥梁与风险桥梁的上部结构的相似度占40％，下部结构的相似度占40％，桥面系的相似度占20％)作为待调整参数，再根据关联桥梁中风险桥梁和非风险桥梁的特征参数得到人工反馈结果，根据人工反馈结果对待调整参数进行调整得到权重调整比例，再根据待调整参数、修正系数以及权重调整比例计算出调整后的各个主要参数的相似度权重，进而优化人工巡查过程，以完成对桥梁风险识别的优化。

具体地，如图4所示，在得到风险桥梁的关联桥梁后，养护单位派遣人工对所有关联桥梁进行巡查，根据预设标准(即根据《公路养护技术规范》的排查要求清单)判断关联桥梁是否为风险桥梁，若判断出某个关联桥梁为风险桥梁，则将该关联桥梁作为与巡查结果相符的桥梁，若判断出某个关联桥梁为非风险桥梁，则将该关联桥梁作为与巡查结果相违背的桥梁，并将判断结果录入至人工巡查记录中的巡查结果。因此，根据人工巡查记录中的巡查结果(即排查准确率、排查总数和排查人员置信度)可以自动识别出关联桥梁中的风险桥梁和非风险桥梁，并根据巡查结果，即根据排查准确率、排查总数和排查人员置信度计算出修正系数，按照下式进行计算：

排查准确率*排查人员置信度(排查总数≤100)

排查准确率*排查人员置信*100/排查总数(排查总数＞100)

然后将计算出的关联桥梁与风险桥梁的各个主要参数(上部结构、下部结构、桥面系)的相似度的权重作为待调整参数，再根据关联桥梁中风险桥梁和非风险桥梁的特征参数(即同一水系、桥梁类型、桥梁规模、设计年限、上部结构、下部结构、桥面系以及地域距离)得到人工反馈结果，根据人工反馈结果对待调整参数进行调整得到权重调整比例，即对风险桥梁与关联桥梁中的非风险桥梁的各个主要参数的相似度的权重，减小它们的权重，以降低它们对整体结果的影响，而对于风险桥梁与关联桥梁中的风险桥梁的各个主要参数的相似度的权重，则增加它们的权重，以加强它们对整体结果的正向作用，进而得到权重调整比例。最后根据待调整参数、修正系数以及权重调整比例计算出调整后的各个主要参数的相似度权重，进而优化人工巡查过程，以完成对桥梁风险识别的优化，能够更好地适应不同的养护条件和需求，从而提高养护单位识别桥梁风险的准确率和效率。

该自适应调整及优化步骤可理解为是构建算法自适应策略模型，该算法自适应策略模型是一种能够根据养护单位的巡查结果自主调整的模型，根据策略选择适当的变量作为待修改项，以便对巡查结果进行优化，包括更新权重、排查结果评估和权重调整比例。在此过程中，算法自适应策略模型根据预设学习速率，生成了一种反馈向量，用于指导权重的调整。当接收到养护单位的巡查结果后，算法自适应策略模型会分析这些结果，并与预设的标准进行比较。根据比较结果，算法自适应策略模型确定了与巡查结果相违背的变量以及与结果相符的变量。接下来，算法自适应策略模型根据巡查结果的反馈向量对权重进行调整。针对与巡查结果相违背的变量，算法自适应策略模型会减小它们的权重，以降低它们对整体结果的影响。而对于与结果相符的变量，算法自适应策略模型则会增加它们的权重，以加强它们对整体结果的正向作用。通过不断地调整权重，完成算法的自更新，算法自适应策略模型逐渐优化了养护单位的巡查结果，以此实现根据业务趋势智能迭代优化模型。这种自适应的过程使得算法自适应策略模型能够更好地适应不同的养护条件和需求，从而提高养护单位的绩效和效率。

实施例：

以风险桥梁与关联桥梁中某个待对比桥梁为例，风险桥梁与该对比桥梁的各个主要参数的初始相似度权重为：

上部结构相似度权重：0.6

其他变量(即下部结构和桥面系)相似度权重(假设还有其他变量)：0.4

排查人员通过对100座关联桥梁进行排查，巡查结果为：

排查准确率：80％

排查总数：100

排查人员置信度：90％

然后由专家根据关联桥梁中风险桥梁和非风险桥梁的特征参数(即同一水系、桥梁类型、桥梁规模、设计年限、上部结构、下部结构、桥面系以及地域距离)得到专家反馈结果：

专家反馈结果：建议将上部结构的相似度权重降低10％，即得到权重调整比例为1-0.10。

综合修正：

首先，根据排查准确率、排查总数和排查人员置信度计算修正系数。修正系数公式：

排查准确率*排查人员置信度(排查总数≤100)

排查准确率*排查人员置信*100/排查总数(排查总数＞100)

根据公式计算修正系数，修正系数为0.8*0.9＝0.72

然后，根据专家反馈结果，将上部结构相似度权重降低10％。即在初始相似度权重的基础上，将其乘以修正系数和权重调整比例：

调整后的上部结构相似度权重＝0.6*0.72*(1-0.10)≈0.39

其他变量相似度权重不受修正，保持不变：

其他变量相似度权重＝0.4

则最终调整后的权重变量为：

上部结构相似度权重：0.39

其他变量(即下部结构和桥面系)相似度权重：0.4

通过自适应策略对各个主要参数的相似度权重进行调整，进而优化人工巡查过程，以完成对桥梁风险识别的优化，能够更好地适应不同的养护条件和需求，从而提高养护单位识别桥梁风险的准确率和效率。

本发明还涉及了一种基于谷本系数的桥梁风险识别及优化系统，该系统与上述基于谷本系数的桥梁风险识别及优化方法相对应，可理解为是实现上述方法的系统，包括依次连接的桥梁风险识别模块、关联桥梁计算模块和自适应调整及优化模块，具体地，

所述桥梁风险识别模块，获取某个地区内多个桥梁的物联网监测体征、人工巡查记录、检测报告结果以及特征参数，将物联网监测体征出现报警的次数与预设数量阈值作比较，当物联网监测体征出现报警的次数大于预设数量阈值时，对桥梁进行风险预警；并将检测报告结果中桥梁总体技术状况评定分数与不同技术状况评定等级作比较，根据比较结果对桥梁进行风险预警；再将人工巡查记录中桥梁各个养护标段的巡检打卡率、工单完成率以及巡检行为分别与各自对应的预设阈值作比较，根据比较结果对桥梁进行风险预警，并将该地区已识别出风险预警的桥梁作为风险桥梁；

所述关联桥梁计算模块，基于特征参数中的相关参数，并采用谷本系数依次将风险桥梁特征参数中的多个主要参数分别与该地区内除风险桥梁以外的其它桥梁特征参数中的多个主要参数进行对应计算，得到各个主要参数的相似度，并计算出所有主要参数的平均相似度，再根据各个主要参数的预设权重计算出平均相似度的加权平均数，若该地区内某个桥梁与风险桥梁平均相似度的加权平均数大于等于预设数值阈值，则将该桥梁作为风险桥梁的关联桥梁；

所述自适应调整及优化模块，根据人工巡查记录中的巡查结果自动识别出关联桥梁中的风险桥梁和非风险桥梁，并根据巡查结果计算出修正系数，将计算出的各个主要参数的相似度权重作为待调整参数，再根据关联桥梁中风险桥梁和非风险桥梁的特征参数得到人工反馈结果，根据人工反馈结果对待调整参数进行调整得到权重调整比例，再根据待调整参数、修正系数以及权重调整比例计算出调整后的各个主要参数的相似度权重，进而优化人工巡查过程，以完成对桥梁风险识别的优化。

优选地，特征参数包括同一水系、桥梁类型、桥梁规模、设计年限、上部结构、下部结构、桥面系以及地域距离；所述相关参数包括同一水系、桥梁类型、桥梁规模和设计年限，所述主要参数包括上部结构、下部结构和桥面系。

优选地，关联桥梁计算模块中，在计算出所有主要参数的平均相似度后，还根据平均相似度与地域距离计算出优化的平均相似度，以使关联桥梁与风险桥梁处于同一地域。

优选地，桥梁风险识别模块中，将检测报告结果中桥梁总体技术状况评定分数与不同技术状况评定等级作比较包括：

当桥梁总体技术状况评定分数达到第一技术状况评定等级时，对桥梁进行红色风险预警，当桥梁总体技术状况评定分数达到第二技术状况评定等级时，对桥梁进行橙色风险预警，当桥梁总体技术状况评定分数达到第三技术状况评定等级时，对桥梁进行黄色风险预警。

优选地，桥梁风险识别模块中，将人工巡查记录中桥梁各个养护标段的巡检打卡率、工单完成率以及巡检行为分别与各自对应的预设阈值作比较包括：

若巡检打卡率小于等于预设打卡率阈值，则对桥梁进行黄色风险预警；

若工单完成率小于等于预设完成率阈值，则对桥梁进行黄色风险预警；

将人工巡查记录中巡检人员的桥梁巡检时间和桥间平均速度分别与该地区某季度内所有桥梁的人工巡查记录的平均值百分比进行比较，若桥梁巡检时间和/或桥间路程平均速度大于等于平均值百分比，且一周内发生的次数大于预设次数阈值时，判断巡检行为存在异常，对桥梁进行黄色风险预警。

本发明提供了客观、科学的基于桥梁的物联网监测体征、人工巡查记录、检测报告结果以及特征参数识别出风险桥梁(构建风险识别模型)，并采用谷本系数计算出关联桥梁(构建桥梁运营状况关联度分析模型)，以及采用特定的计算方法完成对桥梁风险识别的优化(构建算法自适应策略模型)，有效增加了桥梁风险识别的效率和精准度。

应当指出，以上所述具体实施方式可以使本领域的技术人员更全面地理解本发明创造，但不以任何方式限制本发明创造。因此，尽管本说明书参照附图和实施例对本发明创造已进行了详细的说明，但是，本领域技术人员应当理解，仍然可以对本发明创造进行修改或者等同替换，总之，一切不脱离本发明创造的精神和范围的技术方案及其改进，其均应涵盖在本发明创造专利的保护范围当中。