作为保证公路畅通运输而在水域、山谷、交通构造物等特殊地段架设的钢结构桥梁，公路钢桥是典型的装配式建筑产品，主要可分为钢箱梁、钢桁架梁、钢混组合梁等类型^[1]。与传统的混凝土桥相比，钢结构桥梁具有强度高、重量轻、抗震性强、施工周期短、维修方便和绿色环保等优点^[2-4]。公路钢桥建管养过程横跨制造业和建筑业，需要多行业多单位协同推进：设计单位实地勘察对设计方案进行确定；钢结构制造企业按照设计流程对钢桥构件进行生产；施工单位对桥梁构件进行组装与调试；养护单位对交付后的钢桥进行定期维护。因此，钢结构桥梁项目通常具有业务链长、参与方多、精益化管理难度大等特点。由于缺乏有效的数字化手段，钢桥全生命周期各阶段往往易形成信息孤岛，导致项目各参与方之间协作效率低、项目进度滞后、无法对项目进行有效的调整决策等问题。

为充分发挥公路钢桥的优势，解决目前公路钢桥建管养过程中存在的问题，学者们进行了相关的研究。Shim等^[5]提出了桥梁可扩展信息模型，解决了桥梁在规划、设计、建设、维护和拆除中的数据互通问题。王一川^[6]开发了基于云平台的装配式桥梁项目管理系统，实现了装配式桥梁项目智慧建造和精益管理。王庆贺等^[7]采用全过程建筑信息模型(BIM)、云计算和物联网(IoT)技术，构建了适用桥梁全生命周期的信息管理平台。Ding等^[8]针对传统钢桥建设项目中施工进度、质量和成本的不可控性和低效率问题，探讨了基于BIM和IoT的智能钢桥建设框架。岳乃华等^[9]将二维码与BIM进行结合，解决了装配式建筑构件信息匹配不完整、定位慢等问题。Karim等^[10]通过采用优劣解距离法(TOPSIS)和层次分析法(AHP)开发了用于机器评估的决策系统。Omer等^[11]基于Unity 3D开发了桥梁表面缺陷检测系统，提高了检测准确性。肖春红等^[12]对公路桥梁的各阶段业务场景进行了系统性的研究，并以各场景的业务需求制定了BIM模型的分类编码和设计信息等指标。Sun等^[13]研究了大数据和人工智能技术在桥梁结构健康监测中的作用，实现了对桥梁的状态评估和损伤检测。徐强等^[14]通过神经网络构建了智能化桥梁缺陷诊断模型和知识库，开发了桥梁病害成因分析模块，实现了桥梁病害的自动诊断分析。上述研究表明，通过利用IoT、BIM等新兴信息技术，可以提高数据处理效率和钢桥建管养智能化水平。然而，目前仍缺乏有效手段将IoT和BIM融合应用于钢桥建管养等全生命周期。

本研究以中小跨径公路钢桥为研究对象，采用BIM与IoT相融合的方法构建钢桥数字智能实体，实现钢桥数字信息和现场反馈信息的融合，搭建基于BIM与IoT的装配式钢桥智能建管养系统，实现中小跨径公路钢桥的快速、高质量建造以及全生命周期透明化管理，为公路钢桥工业化建设提供支撑。

BIM与IoT技术为建筑行业中的信息壁垒问题提供了解决方案。依托BIM和IoT技术，建立桥梁全生命周期的可视化大数据，将有效提升桥梁建设过程中的管理水平及协作效率。下文将围绕钢桥设计-制造-建设-管养的全生命周期主线进行探讨，如图 1所示。

图 1 钢桥智能建管养主线 Fig. 1 Guideline of intelligent construction, management and maintenance of steel bridges

图选项

(1) 多主体参与的钢桥协同设计：装配式钢桥项目具有业务链长和参与方多的特点，因此对信息传输和数据处理方面有更高的要求。在设计阶段，需要根据相关标准构建统一、标准化的智慧桥梁BIM与IoT融合平台，为后续的制造、建设和管养奠定坚实基础^[15]。

(2) 预制构件协同制造与监控：钢桥预制构件通常在多个钢桥构件工厂进行分布式加工。为确保准时交付，需要对各工厂的加工任务和进度进行规划与跟踪。根据文献^[16]中的多属性决策评价方法对钢结构工厂进行科学筛选，并制定多工厂协同生产方案。基于二维码、BIM与IoT技术，可将构件数字化为智能实体。各工厂之间可以通过智能实体实时交互预制构件的加工任务和生产进度等信息，从而监控构件生产质量并调整协同生产计划，以实现跨工厂生产任务流程的优化^[17]。

(3) 钢桥装配式施工可视化：钢桥施工过程中，存在多种要素作业，需要合理安排工作顺序和工作区域等因素。利用虚拟现实和BIM技术，可以对钢桥装配施工流程进行仿真和优化^[18]。基于钢桥的BIM模型，在施工前对施工流程进行高置信度的可视化仿真，以便发现潜在的偏差和扰动，并将优化后的施工方案传达给项目各参与方。在正式施工阶段，基于轻量化的BIM模型可实现云端远程监控^[19]。

(4) 钢桥健康状态智能监测与预测：钢桥运营过程中易受恶劣环境及多种负面因素影响，导致结构性能与整体状态逐渐下降，因此健康监测与寿命预测已成为钢桥管养的关键^[20]。利用BIM和IoT技术，结合数字化桥梁基础信息和传感器采集的海量数据，采用基于模糊层次马尔科夫模型的监测与预测方法，可精准评估钢桥状态并给出管养建议，提高管养效率。

为实现轻量化运行的目标，钢桥建管养系统采用B/S(浏览器/服务器)结构进行开发，系统总体架构包括：Web端浏览器、服务支撑层、应用层、物理层和数据层，如图 2所示。

图 2 系统总体架构 Fig. 2 Overall system structure

图选项

(1) 物理层：物理层为系统提供最基本的服务支持，是系统的基础结构，采用阿里云服务器，操作系统为ECS Centos 7.x，将应用框架部署在云端上，通过开放特定端口提供服务；通过Nginx作为代理服务器，主要挂载系统所需的静态文件并为系统处理请求重定向等功能；使用MySQL作为系统的数据库，为系统提供数据支持。

(2) 数据层：使用MySQL作为系统的数据库，主要负责数据的访问和修改操作。系统的数据来源包括BIM数据库、构件/节段数据库、企业数据库、权限数据库和通过采集上传的制造信息数据。

(3) 服务支撑层：服务支撑层为系统提供底层的服务支撑，从系统运维层面看：该层面基于角色权限认证，确保无权限用户不能修改服务器资源；对身份伪造进行安全认证与判断，阻止对服务器的攻击；对接口进行管理，确保信息上传正常。从数据交互层面看：该层面包括对数据库的ORM操作，即数据的主从同步机制、各数据库之间联通共享资源数据的机制以及数据传输的通道。

(4) 应用层：应用层是系统结构的最顶层，为用户直接提供界面和服务。系统管理员为用户分配对应的角色，用户可通过支持浏览器的设备登陆系统，在当前权限限定的功能界面内进行业务流程作业。

钢桥建管养系统共分为8个功能模块，如图 3所示。

图 3 系统功能模块划分 Fig. 3 Classification of system function modules

图选项

(1) 系统权限管理：按角色的资源划分，保证钢桥建设过程中高效的数字化协作、全过程的信息化和数据的统一，实现精益化管理。

(2) 图文档管理：储存项目中的图文档信息，解决文档存储分散、文档无法协作共享以及文档的权限控制界限不明确导致容易泄密的问题^[21]。

(3) 智能实体：将构件/节段的身份码与对应的BIM进行唯一绑定，建立以身份为识别的信息接口，实现构件与节段信息的精确溯源。

(4) 装配施工可视化：通过扫描智能实体的状态来对钢桥建设进程进行实时监控，该模块还包括虚拟建设仿真系统，能对建设方案进行验证和完善。

(5) 协作企业管理：对各参与方进行集中管理，同时为决策模块提供基础数据支撑。

(6) 制造企业决策：基于多属性决策评价方法计算钢结构桥梁构件制造企业的优劣指数和推荐适合企业加工的预制构件类型。

(7) 制造信息管理：收录构件/节段状态信息，是创建智能实体的基础。

(8) 健康状态监测：基于模糊算法和马尔科夫模型，用于评估桥梁当前状态等级并对未来状态进行预测。

基于模型-视图-控制器(Model-View-Controller，MVC)架构和B/S结构搭建的基于BIM和IoT的钢桥智能建管养系统，为各参与方提供项目信息交流平台，使相关人员可以实时动态关注设计成果，并进行资料互提、资料审核、模型审核及成果审核等操作。基于如图 4所示的协同作业流程，采用RBAC模型和协同数据库将用户与部门、角色、专业等相互关联。设置系统的功能模块控制权限及用户角色权限，确保在协同设计与作业模式中，有权限用户对相关的数据信息、设计资料及模型等进行访问与共享，避免不同专业人员产生交叉访问与协同不规范等问题，实现钢桥建造多专业协同设计与作业。

图 4 钢桥协同设计与作业流程 Fig. 4 Collaborative design and operation process of steel bridges

图选项

钢桥构件智能实体的构建流程如图 5所示，以钢桥智能建管养系统为基础平台，根据《公路工程信息模型应用统一标准》的编码体系对钢桥构件/节段进行编码，并依据编码生成二维码，由相关人员在具体的步骤中采用恰当的标识技术将二维码标识到对应需要制造的构件/节段上，构件/节段与二维码形成一个智能实体。智能实体以二维码为纽带，基于IoT技术完成制造过程信息采集、制造任务下达等操作，实现对制造过程全要素信息集成。

图 5 钢桥智能实体构成 Fig. 5 Intelligent entities of steel bridges

图选项

采用如图 6所示的BIM轻量化与施工可视化实现过程，根据数据库中的构件/节段信息，使用Revit对钢桥进行BIM建模并基于Revit API对模型进行格式转换，保证格式适用于WEB端展示。采用Draco对导出的glTF模型进行几何信息的压缩，并与对应的智能实体进行绑定，组成“二维码-模型-实体”关联的信息体。采用WebGL技术中的Three.js框架将智能实体的三维模型在网页中进行可视化展示，并通过在前端定义的控件达到点击具体构件/节段获取详细信息的方式来细化监控的粒度。同时，中央大屏显示通过IoT获取的数据，实现钢桥装配式施工过程可视化监控。

图 6 装配施工可视化功能的实现路线 Fig. 6 Route to realize visualization function of assembly construction

图选项

钢桥状态监测指标种类繁多，对钢桥所涉及的各种参数布置传感器会导致传感器系统硬件繁杂和产生数据冗余等问题。在决定传感器所需监测数据时，需要考虑到钢桥工程设计的具体要求，国内外钢桥状态监测内容主要包括钢桥所受应力应变、挠度和温度等参数。本研究基于温度、挠度、应力和锈蚀4种类型的传感器设计了一种基于模糊层次马尔科夫模型的钢桥技术状态等级监测与预测方法，其设计流程如图 7所示。

图 7 钢桥健康状态智能监测设计流程 Fig. 7 Design process of intelligent monitoring of steel bridge health status

图选项

首先，基于层次分析法建立传感器与监测点的层次结构模型，构建该层次模型中各个因素的判断矩阵，由此确定该层次模型的因素权向量；进一步通过传感器对影响钢桥状态的各因素进行数据采集，根据统计学方法确定当前时间段的数据对钢桥状态的影响程度，进而建立模糊关系矩阵，并利用模糊综合评价法计算当前时间段钢桥所处的技术状态等级；最后，基于历史大数据建立马尔科夫状态转移矩阵，在模糊综合评价法所确定的钢桥当前技术状态等级基础上，对钢桥未来的运行状态等级进行预测。

以某装配式钢桥项目作为实施案例，结合钢桥智能建管养系统对桥梁施工概况进行分析，验证本系统在实际工程中的应用效果。

多主体参与的钢桥协同设计主要体现在图纸设计方面，主要包括：

(1) 图纸方案上传：大型工程的设计图纸，施工图纸，制造图纸都是其建设过程中的核心支撑和凭据，钢桥的设计、制造和施工等阶段都将依靠图纸完成，在协同建造的模式下，各方于系统中开展协同作业，具有唯一性的图纸就成为了链接各方的纽带。例如设计单位在完成上部结构设计后将设计图图纸上传至系统中，制造企业通过数据库中的设计图纸初步制定各工艺流程，并上传至数据库供其他单位评审。

(2) 图纸方案送审：考虑到设计过程的理想化条件在实际生产环节中可能无法实现，需要对图纸提出一定范围的改动，在协同设计模式下，制造和施工企业单位成员通过对存疑的图纸开据评审单报表推送至协同办公区，接收到推送的设计单位成员将对评审单提出的意见进行答复并送还给原企业，其他具有权限的角色也可以发表意见或提出修改，最终得到一套多方认可的方案。例如制造单位可以主动向设计单位发出评审清单，针对设计图纸中与实际制造条件不符的部分提出审议要求，以确保最终方案的可靠性。

首先根据项目实际情况从协作企业管理模块中选出符合要求的工厂名单，经过专家评分、权重划分以及条件筛选，得到企业的综合接近度指数及推荐加工的预制构件类型。筛选条件为准时交货率>70%，合格率>90%的结果如表 1所示。

在对各制造工厂的订单任务进行详细分配和确定之后，相关的节段加工信息将被平台收录。这一过程有助于实现信息的集中管理与实时更新，便于各方参与者查阅和跟踪加工进度，从而提高生产效率和协作水平。

为还原真实吊装施工，需要在虚拟环境中模拟车辆的移动、固定与吊装施工操作。主要测试功能为吊车的行进、支腿支撑、吊臂的工作运行、钢节段的吊装测试。用户在虚拟环境中通过操作键盘控制吊车进行钢节段吊装工作。经测试，施工吊车仿真满足真实要求，施工吊车行进功能正常，钢节段吊装固定点处碰撞体设置合理，吊车舱身可进行360°旋转，支腿和吊臂伸缩功能正常。

为更好在虚拟环境中指导施工操作，系统将施工过程中获取的信息(如构件信息、位置信息、施工进度信息和施工吊车承载能力信息等)实时显示在交互界面。用户操作施工吊车吊装钢节段时，控制台输出系统检测到的被吊装节段信息，并把钢节段位置、质量、编号、施工进度等信息传递给交互界面。除了主摄像机，系统还设置了多个副摄像机全方位监控桥墩与钢节段施工连接处，防止误操作造成的重大事故。

现场施工人员根据施工情况扫描二维码，更新钢桥节段/构件的状态。系统通过读取该智能实体的状态并计算已施工实体所占全部实体的比例得到制造进度，如图 8所示。监控大屏显示钢桥建设过程信息采用轻量化BIM模型和智能实体技术实现，通过在网页上渲染智能实体的模型即可展示钢桥建设过程，由于在前端定义了一些控件，可以点击具体构件/节段获取详细信息的方式来细化监控的粒度。

图 8 桥梁节段建设进度监控 Fig. 8 Bridge section construction progress monitoring

图选项

项目布置了温度、挠度、应力和锈蚀4种类型的传感器各5个，监测点如图 9所示。在系统的钢桥状态智能监测界面选取传感器类型和监测点将显示采集数据，若数据超过限定值则会对异常数据进行智能记录。

图 9 传感器监测点 Fig. 9 Sensor monitoring locations

图选项

桥梁健康状态等级查询及预测功能包括当前技术状态评估和桥梁未来技术状态等级预测，并且不同的技术状态等级都有相应的状态描述。当前的技术等级是根据服役年限和传感器数据计算得出，输入预测的年限，系统将预测未来的状态等级，并给出相应的状态描述。通过预测桥梁未来一段时间的健康状态等级并结合预警数据工作日志，可以提前发现桥梁潜在的风险，从而为制定处理预案提供了宝贵的时间，同时也提高了桥梁管养和维护效率。

本研究以中小跨径公路钢桥为研究对象，从提高钢结构桥梁的设计、制造、建设和运营全生命周期智能化与数字化方面进行研究，主要研究成果如下：

(1) 提出基于BIM与IoT技术的装配式钢桥数据协同技术框架，并开发相应的钢桥智能建管养系统，以将钢结构桥梁设计、建造和运营阶段中人工反馈数据、BIM模型数据和IoT采集的数据进行统一管理。系统通过角色管理模块解决项目各参与方协同工作中产生的问题，有效消除了不同行业及部门间的信息壁垒，提高了信息同步与方案决策效率。

(2) 提出钢桥设计制造协同的信息模型，构建“信息模型-BIM编码-二维码”唯一绑定的钢结构桥梁智能实体模型。以智能实体为纽带，为钢桥跨领域的协同作业提供一种新的模式和手段，并加入了施工装配可视化模块，通过虚拟装配环境对桥梁实际施工过程中可能遇到的问题进行模拟，提高桥梁装配质量。同时也考虑钢结构桥梁的全生命周期管理的需求，通过扩展智能实体的信息以适应未来的业务需求。

(3) 提出基于模糊层次马尔科夫模型的钢桥技术状态等级监测与预测方法，并搭建相应的系统模块。依据IoT获取的桥梁历史数据，对桥梁运营过程中的健康状态以及未来可能出现的问题进行评估，帮助桥梁方提早建立应对方案，保证桥梁安全稳定运营。

最后将该系统应用在某装配式钢桥项目推进过程中，有效提升了建造和管理水平，证明了系统在钢桥施工过程中适用性好，能满足钢桥装配化建造和管养的智能化要求，可为同类型桥梁智能建管养框架的搭建与系统平台的开发提供参考。