Een nieuw algoritme dat is ontwikkeld door de Universiteit van Surrey, kan bouwkundig ingenieurs helpen om de gezondheid van bruggen beter te bewaken en hen te waarschuwen wanneer ze sneller moeten worden gerepareerd.

Veel overheden en organisaties gebruiken structurele gezondheidsmonitoringsystemen om de gezondheid van bruggen, samen met het gewicht van het verkeer dat het dagelijks weerstaat. Dit leidt tot een zeer hoge bemonsteringssnelheid van gegevens, sommige bereiken ten minste 10 Hz en databases die gigabytes aan informatie hebben op een enkelvoudige structuur - die duur is om te huisvesten.

In een paper gepubliceerd door het tijdschrift Meting , wetenschappers beschrijven hoe ze een algoritme hebben gemaakt dat grote gegevens van brugbewakingssystemen comprimeert tot meer beheersbare formaten.

De wetenschappers van Surrey gebruikten een woordenboekleermethode genaamd K-means Singular Value Decomposition (K-SVD) om gegevens te comprimeren van het systeem dat de Lezíria-brug in Portugal bewaakt. Het team paste zijn algoritme toe op 45, 000 gegevens per kanaal per uur ontvangen door het Bridge Weight-in-Motion-systeem - een van de meest gebruikte bewakingstoepassingen - en slaagde erin om een ​​bijna verliesvrije reconstructie te bereiken op basis van de informatie van minder dan 0,1 procent. Andere methoden hebben aangetoond dat ze 50 procent van de gegevens nodig hebben om een ​​vergelijkbare nauwkeurigheid van de reconstructie te bereiken.

Dr Ying Wang, hoofdauteur van het artikel van de Universiteit van Surrey, zei:"Veel autoriteiten vinden het moeilijk om de gegevens die ze hebben voor hun bruggen en andere infrastructuur te huisvesten - met honderdduizenden, soms gebruiken miljoenen auto's elke dag enkele bruggen.

"Wij zijn van mening dat deze aanpak laat zien dat je de grote hoeveelheid gegevens drastisch kunt verkleinen tot een goed beheersbare omvang zonder informatie te verliezen - wat van cruciaal belang is voor bouwkundig ingenieurs."