桁架问题：人工智能能否解决世界桥梁老化危机？

在牛津大学附近一栋毫不起眼的办公楼里，一群计算机科学家正计划拯救世界。

“我们的使命是利用人工智能 (AI) 解决世界上最重要的问题，”汤姆·巴特利说道。他是 Mind Foundry 的最新成员之一，Mind Foundry 是一家大学衍生公司，致力于将人工智能应用于其所谓的“高风险应用”。

使用象形文字创建的 AI 生成图像

这家公司由两位机器学习教授于 2016 年创立，一直致力于解决当今建筑环境中最紧迫的问题之一——评估和修复世界各地成千上万座因气候变化和污染而迅速老化的混凝土和钢桥。

近年来，一系列备受瞩目且造成人员伤亡的桥梁故障和缺陷事件，使桥梁维护问题成为新闻议程上的首要议题。

2018 年，意大利热那亚的莫兰迪桥（Morandi Bridge）是一座建于 20 世纪 60 年代的斜拉钢筋混凝土桥梁，其 200 米长的桥段在夏季风暴中坍塌，造成 43 人死亡。

一年后，俄罗斯奥伦堡市附近萨尔米尔什河上的一座建于 20 世纪 50 年代的混凝土公路桥在暴雨中部分坍塌，造成四人受伤。

2022 年，就在拜登总统计划访问并推广他的新基础设施法案之前不久，宾夕法尼亚州匹兹堡的 Fern Hollow Creek 大桥（建于 20 世纪 70 年代，长 447 英尺）坍塌，坠入下方 100 英尺深的公园，造成 10 人受伤。

在这些案例中，调查人员都得出结论，检查和维护不足是造成故障的原因。

巴特利表示，虽然这些桥梁在建造时预计可以安全可靠地运行一百多年，但一旦桥梁的使用年限达到半个世纪，就需要更密集的检查和维护。

“欧洲、美国和日本的公路网都是在上世纪六七十年代随着机动车使用量的激增而修建的，”他说道。“如今，在这些国家，桥梁的平均桥龄已接近50年，就像人一样，桥梁一旦达到50年左右的桥龄，劣化程度就会加剧。这意味着我们需要更加积极主动地维护和管理这些桥梁。”

日本国土交通省估计，该国73万座桥梁中，有三分之一的桥龄超过50年。美国国家桥梁清单显示，美国62.3万座桥梁中，有四分之一建于20世纪60年代之前，现有桥梁的平均桥龄约为42年。

而这仅仅是个开始。专家警告说，气候变化导致的极端天气、污染和交通拥堵等因素共同作用，正在加速环境恶化。

气候变化加速桥梁老化

巴特利补充道：“过去，我们在管理这些建筑方面一直非常被动。因为它们没有出现损坏，所以我们不需要了解它们的状况。几十年来，我们一直任由这些巨大的混凝土块矗立在世外。”

巴特利指出，尽管有一些备受瞩目的事故，但桥梁倒塌事件很少见，而且大多数国家都有严格的检查制度要求，会派遣测量员评估每个结构的完整性，并关闭任何可能构成风险的桥梁。

2018 年热那亚莫兰迪高速公路桥坍塌后不久的照片。照片：路透社/ Manuel Romano/NurPhoto。

然而，只有当你开始查看这些检查产生的数据时，你才会开始了解需要解决的问题的规模。

根据汽车团体 RAC 基金会对地方议会数据的分析，英国 73,208 座桥梁中有 2,928 座被归类为“不合格”，这意味着到 2024 年，它们将无法承载最重的车辆。

美国道路与交通建设者协会（ARTBA）估计，目前美国约有221,800座桥梁需要维修或更换。其中，约有42,067座被列为“结构缺陷”且状况不佳。

巴特利说：“不可能同时修复所有的桥梁。资源根本不够。”

Mind Foundry 针对此问题提出的解决方案是利用人工智能，不仅帮助更深入地了解每座桥梁的实际状况，而且还要计算出在最能使每座桥梁受益的确切时间点上，对每座桥梁进行单独维修的最佳时机。

巴特利表示，目前桥梁勘测往往缺乏足够的有效数据，使业主无法真正了解每座桥梁的状况。这意味着一些实际上完全可以使用的桥梁会被归类为不合格，而另一些急需维修的桥梁却可以继续使用——有时会酿成悲剧。

检查通常分为两大类：一般检查，即测量员到达桥梁的视线范围内，并记下任何需要进一步调查的关键问题；以及详细检查，通常每六年左右进行一次，检查范围在触手可及的范围内，需要进行更彻底的调查。

然后，测量员需要对每个建筑物进行健康评级，评级范围为 1 到 5 分，以概括其整体状况。

巴特利说：“这两个案例的问题在于，他们收集的数据非常缺乏结构化。这是一个相当主观的过程，很容易出现人为错误。他们的评估范围非常狭窄。一级代表完美状态，五级代表已经失效，所以实际上只有三种选择。检查员拿着记事板和傻瓜相机就去检查。考虑到跨度的大小，很难判断我发现的裂缝是两年前别人检查过的同一条裂缝，还是另一条不同的裂缝。”

此外，巴特利表示，试图从这些报告中找出哪些维修应该优先进行以及如何分配预算可能很棘手——尤其是对于通常拥有数百座桥梁的大型公共机构而言。

Mind Foundry 的手机应用程序运行演示。图片来源：Mind Foundry

Mind Foundry 只是众多寻求使用人工智能工具来检测和量化桥梁损坏的公司之一。

该新工具的核心是一个手机应用程序，检查承包商或市政工作人员可以通过该应用程序拍摄桥梁照片并上传。

该系统利用日本裏野市约 300 座桥梁的照片和检查报告进行训练，然后分析图像以检测和量化损坏——消除过程中的主观性，并实现更高的一致性。

然后，人类专家可以查看更详细的结果集，以便判断每座桥梁的状况，并决定如何更有效地使用市政预算。

“基本上，这款应用就是一个增强型相机，”巴特利说。“它会标出相机的位置以及你当时正在观察的结构部分。你可以在照片上做标记。比如，这里是裂缝。这里我看到了一些损坏。这里还有一些相关的注释。然后，当你回到办公室后，你可以上传历史照片，它会自动与之前的照片进行比对，看看缺陷是否恶化了。”

汤姆·巴特利，Mind Foundry公司民用基础设施总监。照片：Mind Foundry公司

与其他希望利用人工智能评估桥梁状况的公司（例如总部位于加拿大的 Niricson 和总部位于新西兰的 Beca）不同，Mind Foundry 的应用程序旨在用于大量结构，而不是用于那些通常已经使用传感器和无人机进行高度监控的高调标志性桥梁。

巴特利不愿就此类技术是否能帮助市政当局避免像 2018 年热那亚大桥倒塌这样的灾难发表评论，但他指出，向专家提供关于数千座建筑物真实状况的更准确数据，有助于发现存在重大缺陷的案例。

劣化途径有哪些？

巴特利表示，人工智能真正发挥作用的地方在于，它可以查看整个桥梁组合中的所有缺陷，并准确地找出进行维修的最佳时机，以便在最有利的时候以最具成本效益的方式进行维修。

“我们称之为劣化路径，”巴特利说。“如果你有金属制品，就应该保持油漆完好。如果不保持油漆完好，它就会开始生锈。一旦开始生锈，就会出现截面损失，而截面损失会导致构件损坏。劣化路径上的每一步，维修成本都会成倍增加。但你不能仅仅看到一点点锈迹就进行全面维修——那样做成本太高了。”

“相反，你应该监测这条路径的劣化情况，并在它彻底失效之前及时发现并解决问题，”他说道。“人工智能真正发挥作用的地方之一，就是找出解决这个问题的最佳时机。我们估计，如果干预时机把握得当，桥梁管理生命周期成本大约可以节省三分之一。”

但如果人工智能出错会怎样？巴特利表示，归根结底，这款应用并非旨在取代人类决策，而只是辅助决策，何时以及如何实施维护预算的最终决定权仍然交给训练有素的人类专家。

巴特利说：“我们非常明确地指出，这是一项人机协作。最终，风险应该由真正身处一线、了解这项工作旨在增强巡检效果而非取代人类决策的桥梁管理人员承担。我相信我们在此过程中还有很多探索工作要做，但我们不能把责任完全交给计算机。我们需要以一种协作的方式来完成这项工作。”