重大基础设施在城市体系中扮演着至关重要的角色， 安全和维护问题至关重要，直接关系到城市的运行， 因此对维护的要求更高。考虑到重大基础设施特点， 如何进行智慧运维显得尤为重要。当前智能维养存在一些显著难点， 主要包括以下几个方面：结构服役状况不明、性能劣化机理不清、维养决策不够科学。

为了解决这些难题， 智慧城市需要建立一套科学、智能的交通设施运维体系， 实现对结构的实时监测和分析，为运维提供更为科学的依据。 基于以上背景，以数字模型为载体，建立重大基础设施的数字底座， 并通过建立三大模型赋予数字模型以评估和决策的能力。

智慧城市的发展是在信息化模型的基础上实现了智能运维、科学决策，如何将设施物理实体与虚拟信息模型进行对应，结构解析、数据初始化是关键。信息化模型中的数据是多维度、多层次的，结构解析能够帮助我们理清数据之间的关系，形成更为清晰和有层次感的数据结构。

基于BIM、实景三维模型建立数字孪生模型，结合维养业务需求对设施进行结构解析，将客体对象拆分成若干层级、若干节点的结构树，并为每个节点赋予属性信息，构建设施编码体系，实现物理构件与模型构件的一一对应。此外，将建设阶段产生的静态信息录入数字模型，将运营产生的业务数据绑定数字模型的属性，实现物理实体与虚拟信息的联系，如图 1所示。

图1 结构解析与数据初始化

建立信息化模型的前提是数字化，数字化使得信息能够以更灵活的方式进行存储和处理，使得实体模型可以被精确地表示、存储、传递和分析。不同基础设施有着各种各样的数据，这些数据来自不同的部门、行业和领域。如何获取具有可靠性、全面性的数据，建立起模型与数据之间的关联，实现数据协同和共享，提高数据可信的程度，建立通用的数据标准是不可或缺的。目前，通过已经建立的一系列涵盖交通工程全业务、全流程的数据标准，以应对复杂多变的城市交通环境和日益增长的交通需求。该数据标准涵盖了技术标准与施工标准，包含了设计、建设、运维等信息模型的应用标准，为后续三大模型在智慧城市运维中提供可靠基础，具体如图 2所示。

图2 智能运维数据标准体系

单纯建立信息化模型无法实现智能维养决策，维养决策需要大量维养知识——病害信息、维养措施、验收定额等。因此，基于上述前提，建立了涵盖维养业务全要素的病害知识库。使病害、维养相关知识与模型有更加详细的联系，方便非专业人员了解病害成因，采取有效的维养措施。病害知识库中核心位置为病害类型库，具有病害的定性定量描述、图形标杆，病害知识库以病害类型库为核心，根据病害发生的构件建立构件库，感知病害发生的方法建立检查库，根据病害的维养措施、维养定额、维养验收标准分别建立措施库、定额库、验收库，如图 3所示。

图3 涵盖维养业务全要素的病害知识库

在智慧城市中,知识库的建立是一个长期过程,需要不断更新和完善。通过充实知识库,城市可以更好地应对各种挑战,推动城市管理的现代化和智能化。

病害知识库在智慧维养决策中发挥作用的前提是采集的病害数据可信、可靠，而获取具有可靠性的病害数据，需要建立规范化、标准化的病害信息采集流程。

因此，基于上述背景，我们将病害信息采集与管理标准化，统一了日常巡检、定期检测、特殊检测、专项检测等各类检测业务的计划制定、信息采集和病害管理，包含了病害信息与复核，将构件与病害类型结合，打破各种检测业务的壁垒，如图 4所示。

图4 标准化、规范化的病害信息采集

重大基础设施数字底座以数字模型为载体，实现重大设施物理实体在数字空间的精准映射。而维养科学决策便是在数字底座上实现的，基于对设施运行状况、维护需求和未来趋势的全面分析，提出了三大模型——性能评估模型、性能预测模型、科学决策模型。旨在通过充分利用数据、技术和科学方法，提高设施管理的效能，实现设施的智能化、高效运行和可持续发展。

评估设施是利用特定信息分析既有设施的可靠性,并为后续设施保持规定的安全性能而做出相应工程决策提供依据。因此综合考虑设施的技术状况、风险、韧性等多项指标,我们提出基于多属性效用函数的综合性能评估模型。该评估模型包括设施技术状况、适用性、耐久性分析，通过多属性效用方程将多源异构数据进行合理融合,依托模型数据对设施多方面性能进行综合评定,可为当前设施服役状态做出一个定量的判断。

该评估模型使用的多属性评估方法建立在多源大数据综合分析基础上，对不同维度的数据进行去量纲化的整合分析，把不同维度下，不同量级的数据进行归一化处理，再通过权重方程进行属性合并以给出评定值。我们将设施的评定分为两部分——设施技术状况评定和设施健康度评定。技术状况评定根据表观病害数据评定，沿用层次分析法，从底层单个构件进行评分，通过权重函数化零为整，通过效用方程考虑风险值与数据不确定性，把单个构件的评分上升到整个部件；设施健康度评定考虑健康监测与专项评估的多维度数据，考虑钢筋混凝土材料与钢材本身的力学性能，通过多属性效用方程，不同量纲数据可进行去量纲归一化处理。

图5 综合性能评定

设施结构性能退化是一个自然过程，随着使用时间的增长结构不可能始终保持较高的服务水平。因此，掌握设施结构的退化机理，及时准确地了解结构当前性能，合理预测退化发展的趋势对有效地管理现有设施意义重大。目前影响结构退化的因素很多，主要归结于以下三个方面：由于设计不合理或建筑材料低劣造成结构的退化或缺损、施工方法不当、不利外部环境的影响。可以看出在退化过程中各影响因素的随机性，所以随机模型是应用最为广泛的退化预测模型。不同模型的优缺点，我们在设施长期性能演化预测中选择马尔可夫劣化模型或Weibull退化模型。马尔可夫模型基于预先统计的马尔可夫过程先验矩阵和设施历史状态观测值，获得修正的转移矩阵并逐年预测未来状态；Weibull退化模型采用最大似然估计对三参数模型进行估计，预测设施在未来各年度的失效概率，模型对比如图6所示。

图6 Markov链模型与Bayes更新模型对比

在上述背景下，以病害知识库和病害采集为基础，根据同类构件历年评定值，维护各结构单元性能预测模型参数（Weibull先验参数或Marcov先验矩阵），开发出设施性能预测算法，包括以马尔可夫理论为依据的状态劣化概率模型；另一套以Weibull分布理论为依据的维持当前状态的持续时间模型。两套模型都具备良好的数据兼容性、鲁棒性，所预测的退化曲线，为后续的科学决策模型提供了判断依据。

在建立了设施多属性服役状态评估模型后，需要采用相应的维养方案，帮助设施提升整体评分。设施服役性能随时间变化的规律如何辅助设施维养决策，是世界范围内新一代设施管理系统的发展趋势和重点。由于设施中同时存在多个影响得分的属性值，即多个目标函数，使得优化并不是针对一个参数的优化，而增加到了多个参数。问题有多个目标，决策者必须为问题生成相关的多个属性。而这多个目标通常是相互冲突的。矛盾性导致各目标间的权益是相互矛盾、相互竞争的，即如果采用一种方案去改进某一目标的值，可能会使另一目标的值变坏。增加设施维养次数使得设施性能得分增加，但会降低全寿命周期维养费用评分与增加费用。

基于上述存在的难题，为指导和规范设施维养决策，以智能化运维新基建赋能运营养护、大幅提升智能化运维水平为目的，规定统一的数据模型和表达方式，以结构化的工程维养专业知识库为算法基础，采用遗传算法与敏感度算法理论，通过构建长期服役性能数据库，融合多源异构数据，建立科学决策模型。

图7 结构性能随机演化模型

基于病害影响因子的优先排序模型

科学决策模型基于群体智能算法,对不同目标及约束维养场景的模型进行求解,可根据用户需求寻求设施全寿命周期内最经济、环境影响最小等要求下的维养清单及性能提升曲线,方便更合理、更智能的方法对设施维养进行管理决策。科学决策模型按照数字化、智能化维养需求，构建了智能维养决策架构；其次,基于三大模型的抽象构建,明确了重大设施智能维养中不同模型的功能及协同工作机制,集成了重大设施智能维养决策模型。科学决策模型面向智慧城市的重大设施,最终制定中长期维养规划和短期维养计划,供管理人员参考。

维养规划是以保持设施在规划期内综合状况达标为基本约束条件、以维养费用总投入最小或维养费效比最低为优化目标，通过性能预测模型和优化算法，获得中长期养护的宏观方案与资金分配。维养规划为中长期规划，时间跨度不低于5年，通常为20年及以上，规划范围可以是设施集群或单体设施。在中长期维养时间尺度上，管理人员可参考系统推荐的维养规划方案，研究维养资金分配策略。

多层次维养规划模型，通过多层次规划，分而治之的理念，将高层次优化结果作为低层次优化约束条件，构建了维养效果与费用的映射关系，解决了维养规划问题中优化变量多、收敛难的问题。

维养计划用于解决大量已发现非紧急病害的辅助决策问题。参考技术状况评定标准，对于病害或结构单元的体系化梳理与量化评价方法，基于维养知识库与策略库，维养计划为各个待维养条目推荐维养措施、预估维养费用。

维养计划针对已查明病害，根据病害的严重性和所在构件的重要性进行分级和排序，并基于维养知识库提供包括维养方法和预算的完善维养方案。病害分级将病害分为应养护、宜养护、可养护三个优先级。维养计划建立了基于病害影响因子的优先排序模型，设计了对既有未申报病害的归类与量化、影响因子计算与优先排序的决策流程，对所有病害进行排序，宜养护、可养护病害按照这个顺序开展维修。

输入较为简短的计划拟定、设施与病害选择、标度确认流程，模型便可计算整理出一份维养计划清单；对输出结果进行确认后，该计划可推出并形成一份维养工程表，用于指导维养计划实施，填报实际养护设计与实施过程中发生的养护动作、费用信息等。

基于模型的智慧城市重大设施维养以数字模型为载体，对设施进行结构解析；将客体对象拆分成若干层级，实现物理实体在数字空间的精准映射；建立涵盖维养业务全流程的数据标准和知识库，保证数据的标准性，为数据的跨部门、跨系统使用创造了条件；建立涵盖维养业务全要素的知识库，使病害、维养相关知识与模型有更加详细的联系，使得标准化、规范化的病害信息管理能够融合贯通。在以上四点基础上建立的重大基础设施数字底座为后续三大模型提高可靠支持。评估模型赋予了数字模型技术状况评定的能力，预测模型提供了设施退化发展的预测趋势，科学决策模型给出了退化发展趋势指导和规范设施维养的决策，以智能化运维新基建，赋能运营养护，大幅提升智能化运维水平。