面向数字孪生的路堤状态评估与情景化养护决策支持概念框架

《Sustainability》：A DT-Ready Conceptual Framework for Condition Assessment and Scenario-Based Maintenance Decision Support of Road Embankments

　　

道路路堤养护决策往往基于碎片化的设计、分析及监测信息，这限制了状态评估的一致性与干预优先级排序的及时性。本研究通过整合结构化数据库、分析性状态评估与模糊决策支持，构建了一个面向数字孪生（Digital Twin, DT）就绪的概念框架。路堤状态指数（Road-Embankment Condition Index, RECI）将归一化的沉降、静力稳定性与抗震稳定性指标相结合，而干预优先级指数（Intervention Priority Index, IPI）则将RECI与状态趋势及数据可靠性相整合。该框架利用E-863卢查尼—波热加（Lu?ani–Po?ega）高速公路路段三处路堤的文献记载计算数据进行了数值论证。由于缺乏监测时间序列，状态趋势被作为受控情景输入处理。在RECI与数据可靠性保持恒定的情况下，状态趋势由稳定变为快速劣化，在所有案例中均使干预优先级提升两个等级。在不利的状态—趋势组合下，数据可靠性的降低同样会使IPI增大。RECI权重±10%的变动以及模糊隶属函数参数与IPI边界协调±5%的变动均未产生分类变化，表明在所测范围内具有局部鲁棒性。该框架为基于状态的养护规划以及未来监测数据、自动化趋势判定和经验校准的整合提供了透明基础，从而支持更一致、可持续且具韧性的道路基础设施管理。

论文解读

一、研究背景与问题

道路基础设施是现代交通系统的关键组成部分，路堤稳定性直接关系到交通安全可靠运行。在服役期内，路堤承受交通荷载、气候效应、地下水波动、固结过程及地震作用等多种复杂因素影响，其状态评估因材料非均质性、岩土参数空间变异性及复杂土—结构相互作用而面临显著困难。有效的路堤管理要求系统化的数据采集、分析性状态评估以及基于可靠信息的及时工程决策。

数字孪生（Digital Twin, DT）技术作为土木工程数字化的重要方向，能够将设计数据、信息模型、监测数据与分析工具整合为物理系统的动态数字表征，支持状态监测与管理过程。然而，与建筑和结构系统不同，DT在岩土工程中的应用相对有限，原因在于土体行为复杂、岩土参数空间变异、数据不确定性以及连续监测困难。现有研究多集中于概念架构或单一应用，针对道路路堤的集成化管理系统仍然匮乏。

具体而言，已有研究存在以下不足：Piciullo等人开发的基于物联网的边坡稳定性预测DT主要输出短期稳定性预报，而非与养护干预优先级关联的集成状态指数；Xu和Zhang提出的AI支持的高速公路边坡稳定性风险监测DT侧重于风险监测，未提供将不同路堤状态指标转化为统一状态指数及管理行动优先级的透明多指标流程；Cotoarb?等人开发的概率DT框架聚焦于施工阶段的不确定性更新与决策优化；Lu等人开发的降雨诱发滑坡实时评估DT则面向滑坡灾害后果与应急评估。上述研究均未建立一套统一且可复现的工作流程，能够先将异构路堤指标转化为量化当前状态评估，再将该评估转化为干预优先级与可解释的管理建议，并同时分别考虑状态趋势与数据可靠性。这一具体的方法论空白正是本研究拟解决的核心问题。

二、研究内容与意义

研究人员针对上述空白，提出了一个DT就绪的概念框架，通过整合结构化数据库、分析性状态评估与模糊决策支持，实现路堤状态量化评估与养护决策支持的衔接。该框架包含五个功能模块：设计数据模块、监测模块、数据管理模块、分析模块和决策支持模块，形成从物理路堤到数字表征再到管理决策的反馈信息回路。研究利用E-863卢查尼—波热加高速公路路段三处真实路堤的文献记载设计数据与前期计算结果进行了数值论证，展示了从数据→状态指标→RECI→(RECI, T, C)→IPI→管理行动→建议的完整信息流。该研究的意义在于：不依赖新建监测系统，而是将现有设计数据与岩土数据同透明的分析决策程序相整合，为基于状态的路堤养护规划提供一致、可持续且具韧性的管理基础，并为未来监测数据集成、自动化趋势判定与经验校准预留了架构空间。

三、主要技术方法

研究人员采用的主要技术方法包括：其一，构建了包含设计数据模块、监测模块、数据管理模块、分析模块和决策支持模块的五模块DT概念架构；其二，建立了路堤状态指数（RECI）分析模型，将沉降、静力稳定系数（F_s）和抗震稳定系数（F_s,seis）三个指标分别归一化至[0, 1]区间后加权聚合，权重分别取0.306、0.355和0.339，沉降阈值取15 cm，稳定系数阈值取1.50；其三，开发了基于Mamdani模糊推理的智能决策支持模型，以RECI、状态趋势（T）和数据可靠性（C）为输入，通过27条模糊规则、重心法去模糊化得到干预优先级指数（IPI）；其四，设计了受控情景分析与局部敏感性分析程序，包括状态趋势与数据可靠性的受控变化、RECI权重±10%单独扰动、模糊隶属函数参数协调±5%扰动及IPI类别边界协调±5%扰动。案例数据来源于E-863卢查尼—波热加高速公路路段三处代表性路堤的既有文献记载计算结果，而非本研究实测监测数据。

四、研究结果

4.1 RECI计算结果

根据文献记载的沉降值与静力、抗震稳定系数数据，计算得到三处路堤案例的归一化指标与RECI值。案例S₁的RECI值最优，为0.756；S₂与S₃的RECI值较为接近且均不理想，分别为0.552和0.544。S₂的不利贡献主要来自沉降指标达到阈值，而S₃的不利结果主要与静力稳定系数尤其是抗震稳定系数偏低有关。RECI将不同的岩土缺陷特征整合为单一状态指数，体现了多指标综合评估的必要性。

4.2 IPI计算结果

将RECI值与受控的T、C设定值输入模糊模型后，案例S₁（RECI=0.756，T=0.00，C=1.00）激活规则R1，得到IPI=0.093，对应极低优先级；案例S₂（RECI=0.552，T=0.50，C=1.00）的RECI同时隶属于中、高集合，隶属度分别约为0.792和0.208，经Mamdani推理与重心去模糊化得到IPI=0.449，对应中等优先级；案例S₃（RECI=0.544，T=1.00，C=1.00）的RECI隶属于中、高集合的隶属度分别约为0.824和0.176，因采用快速劣化情景而激活更高优先级规则，得到IPI=0.675，对应高优先级。S₂与S₃的RECI值仅相差0.008，而IPI值相差约0.226，表明RECI表征当前技术状态，IPI则额外纳入状态动态与数据可靠性。

4.3 管理建议与DT系统响应

根据IPI分类标准，S₁对应类别I和行动M1——常规监测；S₂对应类别III和行动M3——详细岩土评估；S₃对应类别IV和行动M4——修复设计。S₂与S₃的对比确认管理响应不仅取决于当前技术状态，还取决于假定的状态演化趋势。

4.4 状态趋势对IPI影响的受控情景分析

在RECI与C保持恒定的条件下，将T从0.00变化至1.00，三处案例的IPI均一致增大。S₁的IPI从0.093增至0.500，管理建议由常规监测变为详细岩土评估；S₂的IPI从0.222增至0.666，由加强监测变为修复设计；S₃的IPI从0.227增至0.675，优先级类别由II类变为IV类。S₂与S₃因RECI值接近而响应相似，但T的变化对IPI及管理行动产生显著影响。

4.5 RECI权重系数敏感性分析

对RECI各权重系数单独进行±10%扰动并重新归一化后，RECI与IPI值变化有限，所有案例的干预优先级分类均未改变。S₁保持类别I，S₂保持类别III，S₃保持类别IV，对应IPI范围分别为0.093–0.096、0.435–0.463和0.666–0.686。S₂与S₃的相对排序在若干情景中发生互换，因其基线RECI值接近且缺陷特征不同，但管理建议保持不变，表明模型在±10%权重变动范围内具有局部鲁棒性。

4.6 模糊隶属函数与IPI类别边界敏感性分析

对输入输出隶属函数内部特征点进行协调±5%变动后，IPI值发生适度变化但所有案例的优先级类别均未改变。S₃的IPI变化范围最大，为0.613至0.749，表明快速劣化情景下数值敏感性更高，但管理建议不变。对IPI类别边界进行协调±5%变动后，所有案例分类同样保持不变。上述分析表明模型在管理决策层面具有局部鲁棒性，但接近类别边界的案例对隶属函数参数可能更为敏感。

4.7 数据可靠性对IPI影响的情景分析

在RECI与T保持恒定的条件下，将C从1.00变化至0.00，部分输入组合的IPI发生显著变化。S₁在C降至0.50时IPI从0.093增至0.250，管理建议由常规监测变为加强监测；S₂在C=0.00时IPI从0.449增至0.666，优先级由中等升至高；S₃在C降低时IPI变化最为显著。由于模糊规则激活与聚合存在重叠，C的变化并非对所有组合均产生线性影响，数据可靠性应结合RECI与T联合解读。

五、讨论与结论

研究讨论指出，所提出的框架将当前技术状态评估（RECI）与决策支持层（模糊模型和IPI）相区分，使管理响应不仅反映当前状态，还纳入状态动态与数据可靠性。受控情景分析表明，状态趋势从稳定变为快速劣化可使干预优先级提升两个等级，而数据可靠性的降低在不利组合下也会提高IPI。敏感性分析验证了模型在RECI权重±10%、模糊隶属函数参数与IPI边界±5%扰动范围内的局部鲁棒性。研究同时指出，由于监测时间序列不可用，趋势被作为受控情景输入而非实测变量，该研究属于方法论与数值论证而非经验验证。框架为基于状态的路堤养护规划提供了透明基础，支持未来监测数据集成、自动化趋势判定与经验校准，从而促进更一致、可持续且具韧性的道路基础设施管理。