本書系統總結和闡述了交通基礎設施時空域多源異構大數據分析理論、方法和應用的研究成果，主要介紹了交通基礎設施大數據質量提升方法以及車輛荷載時空辨識與跟蹤；針對橋梁，介紹了數據驅動和模型驅動的橋梁服役性能評估方法；針對道路，給出了道路病害識別與服役性能評估方法；針對網絡，介紹了基于無向圖和有向圖的交通基礎設施網絡評估方法。
李順龍， 哈爾濱工業大學教授， 2013 IASCM Takuji Kobori Prize獲得者，2017 ASCE Raymond C. Reese Research Prize獲得者。主持了國家重點研發計劃課題（2018YFB1600202）、國家自然科學基金優秀青年科學項目（51922034）、國家自然科學基金面上項目(2014年，2016年)、國家自然科學基金青年科學基金(2010年)等。
目錄BR>前言BR>第1章 緒論 1BR>1.1 交通基礎設施時空域多源異構大數據預處理 1BR>1.1.1 大數據異常檢測 1BR>1.1.2 異常大數據修復 3BR>1.2 交通基礎設施動荷載及病害識別與服役性能評估 6BR>1.2.1 車輛荷載辨識與跟蹤 7BR>1.2.2 道路關鍵病害識別 8BR>1.2.3 道路服役性能評估 12BR>1.2.4 橋梁服役性能評估 15BR>1.3 路網級交通基礎設施服役性能評估 19BR>1.3.1 網絡級橋梁服役管理概況 19BR>1.3.2 路網級交通基礎設施服役性能評估方法 20BR>參考文獻 24BR>第2章 交通基礎設施多源異構大數據質量提升方法 37BR>2.1 數值數據異常檢測與智能修復 37BR>2.1.1 基于DS-LOF與GA-XGBoost的路域環境感知數據智能檢測與修復算法 37BR>2.1.2 基于SSC與XGBoost的高速公路異常收費數據修復算法 46BR>2.2 圖像數據質量提升 55BR>2.2.1 基于超分重建和數據增廣的二維圖像質量提升 55BR>2.2.2 基于斷點插值和參考平面濾波的三維感知圖像缺失及異常修復 65BR>參考文獻 74BR>第3章 橋梁結構健康監測系統的不良數據重構方法 75BR>3.1 基于時空圖注意力網絡的不良趨勢項數據重構 75BR>3.1.1 基于多源數據關聯的不良監測數據重構 75BR>3.1.2 基于時空圖注意力網絡的數據重構方法 77BR>3.1.3 斜拉橋索力趨勢項數據重構實例 83BR>3.2 基于降噪自編碼器的不良車致項數據魯棒重構 90BR>3.2.1 基于降噪自編碼器的車致項數據的魯棒重構與特征降維 90BR>3.2.2 鐵路鋼桁梁橋不良車致應力數據魯棒重構實例 95BR>參考文獻 108BR>第4章 車輛荷載時空辨識與跟蹤方法 110BR>4.1 車輛荷載空間辨識方法 110BR>4.1.1 車輛荷載空間辨識網絡架構 112BR>4.1.2 車輛荷載空間辨識網絡訓練策略 115BR>4.1.3 車輛荷載空間辨識網絡評估指標及實施細節 117BR>4.1.4 車輛荷載空間辨識應用實例 119BR>4.2 車輛荷載時空跟蹤方法 122BR>4.2.1 車輛荷載時空跟蹤算法具體架構 124BR>4.2.2 車輛荷載時空跟蹤評估指標及實施細節 126BR>4.2.3 車輛荷載時空跟蹤應用實例 128BR>參考文獻 129BR>第5章 模型驅動的單體橋梁服役性能評估方法 131BR>5.1 考慮凍融循環與除冰鹽作用的氯離子侵蝕模型 131BR>5.1.1 鋼筋初始銹蝕時間 132BR>5.1.2 銹蝕鋼筋剩余面積與強度時變模型 133BR>5.1.3 混凝土強度時變模型 135BR>5.2 寒區橋梁荷載模型 136BR>5.2.1 橋梁結構恒載模型 136BR>5.2.2 車輛荷載模型 136BR>5.3 寒區橋梁時變可靠度分析實例 137BR>5.3.1 橋梁概況 137BR>5.3.2 基于檢測信息的橋梁構件可靠度貝葉斯更新 137BR>5.3.3 多重指標下的橋梁結構整體時變可靠度 140BR>參考文獻 148BR>第6章 基于數據時空關聯的橋梁結構狀態評估方法 150BR>6.1 基于趨勢項數據空間關系圖表征的橋梁結構狀態評估 150BR>6.1.1 基于空間關系圖表征的局部和全局數據異常模式區分 151BR>6.1.2 趨勢項數據的空間關系圖表征建模方法 152BR>6.1.3 結合回歸殘差與邊權重的異常診斷策略 157BR>6.1.4 基于斜拉橋索力趨勢項數據的評估方法驗證 161BR>6.2 基于時空互補車致項數據解耦的橋梁結構狀態評估 168BR>6.2.1 橋梁車致項數據的單一車輛響應提取 168BR>6.2.2 基于時空互補信息的多車疊加響應解耦方法 171BR>6.2.3 橋梁多車疊加響應解耦實例 177BR>6.2.4 基于車致項數據解耦的結構狀態評估 189BR>6.3 基于趨勢項和車致項數據降維特征的橋梁結構狀態融合評估 194BR>6.3.1 橋梁趨勢項和車致項數據的降維特征學習 194BR>6.3.2 基于降維特征的單分類異常診斷方法 199BR>6.3.3 基于監測數據降維特征的結構狀態評估方法驗證 200BR>參考文獻 208BR>第7章 基于注意力機制增強CNN的路面裂縫檢測評估方法 210BR>7.1 AttentionCrackNetCNN模型 211BR>7.1.1 AttentionCrackNet網絡結構 211BR>7.1.2 編碼器-解碼器框架 218BR>7.1.3 跳躍連接和注意力門 219BR>7.1.4 快速并行細化算法 221BR>7.2 瀝青道路裂縫像素級檢測 222BR>7.2.1 瀝青道路數據的采集 222BR>7.2.2 瀝青道路裂縫的檢測結果與分析 223BR>7.2.3 AttentionCrackNet模型評價標準和網絡設置 225BR>7.2.4 AttentionCrackNet模型對比研究 229BR>7.3 裂縫量化評估 232BR>參考文獻 237BR>第8章 基于長短期記憶模型的路面服役性能評價方法 238BR>8.1 數據收集與整理 239BR>8.1.1 路面技術參數數據收集 239BR>8.1.2 影響變量數據收集 240BR>8.1.3 相關性分析 242BR>8.2 瀝青路面技術參數預測模型 243BR>8.2.1 小波降噪 243BR>8.2.2 構建瀝青路面技術參數預測模型 246BR>8.2.3 瀝青路面技術參數預測結果 249BR>8.3 瀝青路面使用性能綜合評價模型 258BR>8.3.1 瀝青路面使用性能評價方法 259BR>8.3.2 構建瀝青路面使用性能綜合評價模型 262BR>參考文獻 267BR>第9章 交通基礎設施無向網絡建模與評估方法 268BR>9.1 無向網絡建模 268BR>9.1.1 網絡中橋梁檢測情況 269BR>9.1.2 無向網絡建模方法 270BR>9.2 基于貝葉斯網絡的無向網絡脆弱性分析 276BR>9.2.1 無向網絡全端連通概率分析 277BR>9.2.2 無向網絡脆弱性分析 283BR>9.3 基于網絡分解的無向網絡連通概率快速評估算法 284BR>9.3.1 遞歸多級k路網絡分解算法 286BR>9.3.2 子網評估 288BR>9.3.3 簡化網絡評估 292BR>參考文獻 294BR>第10章 交通基礎設施有向網絡建模與評估方法 296BR>10.1 有向網絡建模 297BR>10.1.1 有向網絡拓撲圖的建立 298BR>10.1.2 有向網絡邊權賦值 299BR>10.2 有向橋梁網絡連通概率分析 303BR>10.2.1 有向橋梁網絡的狀態枚舉算法 304BR>10.2.2 有向邊的重要性指標 305BR>10.3 實例分析：有向城市橋梁網絡模型 306BR>10.3.1 有向城市橋梁網絡建模 307BR>10.3.2 有向相關橋梁網絡評估 309BR>參考文獻 310BR>
新書資訊