From 孫利民 尚誌（zhì）強
原載（zǎi）於《橋梁》雜誌2018年第4期（qī）
結構健康監測技術被（bèi）廣（guǎng）泛（fàn）應用於（yú）大（dà）型橋（qiáo）梁（liáng）的養護管理，但受數據分析方法和計算方式的限製，橋梁結（jié）構健康監測係統（tǒng）所積累的海量監測數據並未得到有（yǒu）效利用。近幾年,大數（shù）據技術的發展為橋梁結構健康監（jiān）測數據的有效利用帶來（lái）了希望。大（dà）數據可視化分析是大數據分析的一個分支,能夠實現高維數據可視化（huà）的同時，識別數據中的模式。
在傳統的橋梁養（yǎng）護管理中，基於人工檢（jiǎn）測（cè）的結構狀態評估扮演了（le）重要角色，然而人工檢測工作量大、主觀性強，難以實現對結構性能的長期（qī）定量跟蹤。近年來，結構健康監測技（jì）術（Structural Health Monitoring, SHM）在大跨橋梁的養護管理中得到廣泛應用。橋梁結構健康監測通過在結構上安裝傳感器，以實時獲取橋址環境（jìng）和結構響應的信息（xī），並基於這些信息對橋梁的技術狀態做出實時、自動的評估甚（shèn）至安全預（yù）警。我國當前至少（shǎo）有240多座大跨度橋梁安裝了結構健康監測係統（Structural Health Monitoring System, SHMS），經過長期的觀測，這些監（jiān）測（cè）係統積累了大量的數據，基於這些（xiē）數據有（yǒu）效解讀結構的狀態、識別可能的損傷，成為目前SHM研究的關鍵問題。
利用SHM數據進行結構狀態評估和損傷識別有“基於（yú）模型”和“數據驅動”兩類方法。基（jī）於模型的方法（fǎ）本質上是橋（qiáo）梁結構有限元建（jiàn）模、模型修正（zhèng）、係統參數反演的過程，對（duì）理論模型的精度和監測數據的質量有（yǒu）很高的要求，目前在實際工（gōng）程中應用效果還不理想。數據驅動的方法關注監測所得到的輸入和輸出數據相（xiàng）關關係的（de）變（biàn）化規律，以識別結（jié）構狀（zhuàng）態所對應的模式，借助於成熟的統計學理論，數據驅（qū）動方法在SHM中得到廣泛應用。但傳統的統計方法由於計算能力和分析手段的限製，隻能分析少部分、低維度的數據樣本，且無法高效地（dì）呈現分（fèn）析結果，因此尚不足（zú）以解決海量、高維SHM數據的分析問題。
大數據技術（shù）是近幾年的新興技（jì）術，已在互聯網、電子商務、醫學（xué）等領域得到廣泛應（yīng）用，改善了計算能力不足、數據分析方法低效（xiào）等問題，在SHM的數據處理上（shàng）也展現出廣闊的應用前景。大數據可視化分析是大數據分析（xī）的（de）一個重要（yào）分支，該（gāi）方法將人所具備的、機器並不擅長的認知能力（lì）融入到分析過程中，可提升數據（jù）分析的效率和準確性，並可對高維數據進行（háng）直觀的（de）呈現。
“大數據（jù）”概念首（shǒu）次提出於1996年，2008年《Nature》雜誌推出大數據專欄，2011年麥肯錫公司的（de）研究報告對大數據的（de）關鍵技術和應（yīng）用領域等進行了全麵的分析（xī）總結，大數據（jù）逐漸（jiàn）為各行各業所關注。“大數據”的內涵和（hé）外延在不斷地被豐富，在（zài）不同（tóng）的文獻中，“大數據”被描述為數據集、可實現的功能（néng）、數據變現過（guò）程、架構和（hé）技術等。大數據應該從數據集特征、思維方式、技（jì）術三個方麵進行理解（圖1）。
一般認為，大（dà）數據具備4V特征，即數據體量大（Volume）、種（zhǒng）類多（Variety）、增速快（Velocity）、價值（zhí）密度低（Value）。4V特（tè）征並沒有明確地限定大數據（jù）的體量（liàng）規模，因而可廣泛適用於各個行業。
大數據分析應具備的三個思維方式，即“使用全體數據進行（háng）分析”“接受數據混雜性，數據量大彌補質量差”“追求相關關係而非因果關係”。因而具有以（yǐ）下（xià）特點（diǎn）：與傳統統計分析隻使用一小部分隨機抽樣數據相比，使用（yòng）全體數據可（kě）以發現更多的細節和有價值的信息（xī）；接受數據混雜、增大數據量能夠簡化分析模型並避免過擬合，從而獲得（dé）更準確的分析結果；從相關關係（xì）切入則可為數據分析提供（gòng）新的（de）視角（jiǎo）。當前大數據處理技術已使得分析所（suǒ）有數據成為可能，通過大數據分析挖掘相關關係（xì）也取得了許多成功應用；但以數據量大彌補質量（liàng）差時，如果（guǒ）全部數據中的噪聲多於信號（hào）則（zé）信號（hào）易被（bèi）掩蓋（gài），因（yīn）此不能（néng）盲目收入所有數據（jù），仍需尋找與分析目的強相關的數據。
大數據的技術主要體現在數據采集（jí）、存儲、計算處理、分析方法等幾（jǐ）個方麵。大數據的（de）采集、存儲、計算等多以軟件工具的方式呈現，如用於獲取數據的物（wù）聯網、互聯網（wǎng），用以存儲數據的Hadoop分布（bù）式文件係統、NoSQL數據庫，用於數據計算的Hadoop生態圈、MapReduce、Spark、Storm、雲計算等。大數據分析方法涵蓋以各種術語所表示的（de）數據分析方法，包括數據（jù）庫知識（shí）發現（KDD）、數據挖掘、機器學（xué）習、模式識別、統計學等。這些術語雖（suī）然在應用領域和關注點上有所不同，但當前（qián）在大（dà）數據語境下，其間（jiān）的差別可不必考（kǎo）究（jiū）。
與大數據（jù）分析方法有關的（de）另一個術語是人工智能，它是一個宏大的概念，它的提（tí）出遠早於大（dà）數據。人工智能與大數據分析的主要區別（bié）是目（mù）標上的不同，前者（zhě）是產生具有智能行（háng）為的東（dōng）西（xī），後者則用以發現數據中隱藏的知識。但二者都要靠大數據實體的支撐實現，且（qiě）可以共用（yòng）分析方法。當前人工智（zhì）能的代表技術是（shì）深（shēn）度學習，屬於機器學習的一個子集，由於在圖片、語音（yīn）等識別問題中的出色性能，常脫離（lí）於機器學習被突出強調。
KDD、數據挖掘等同於機器學習，貫（guàn）穿於大數據分析（xī）的整個流程，模式識別是其中的一個環節。大數據分析流程（chéng）在KDD流程的基礎上得到完善，強調了多（duō）源異（yì）構數據融合和特征提取的重要（yào）性，最終可由數據預處理、數據融合、特（tè）征工程、模式識別、可視化等環節構成。但應該注意到，這幾個步驟之間的順序並非絕對的（de）一成不變，且有可能在某一步實（shí）現多個功能。
數據可視化在大數據分析流程中的功能是呈現數據分析的結果，當被直接用於探索數據、挖掘數據中的模式時也被（bèi）稱為大數據可視化分析。大數據（jù）的一個特征是數（shù）據（jù）種類多（duō），在數（shù）據（jù）集中表現為數據的維度高。高維數據難以有效地可視化（huà），且會引起數據分（fèn）析中的維度災難問題，即數據集在（zài）高維空間中分布（bù）稀疏，缺乏足夠的數據構建模型。傳統數據（jù）分析常以降維的方式減少（shǎo）數（shù）據（jù）集（jí）中的變（biàn）量數，由此也會帶來原始數據集中信（xìn）息量（liàng）的減少。大數據可視化分析為有效地呈現、分析高維數據提供了新的思路，在SHM的模（mó）式識別問題中（zhōng）也展現出應用的潛力。
平行坐標圖（tú）法（parallel coordinate plot, PCP）、t分布隨機鄰域嵌入法（t-SNE）是當前高維數據可視化中常（cháng）用的兩種方法（fǎ）。t-SNE在高（gāo）維空間中構建每個數據（jù）點對（duì）其近鄰的概率分布，並在低維空間中重構該概率分布，通過最小化兩個概率分布間的差距，以保證高維空間中的數據點（diǎn）在低維空間中具有相近的局（jú）部結構，最終將結果顯（xiǎn）示於（yú）二維或三維坐標圖上。t-SNE雖然能有（yǒu）效探（tàn）知原始數據（jù）的結構和分布（bù），但需要很高的計算開銷。與t-SNE相比，PCP不需要（yào）對原始數據進行降（jiàng）維顯示，且具有更高的可視化效率。PCP通過N個平行坐標軸將N維數據投射到二維空間中，每個數據點（diǎn）被（bèi）表示為PCP中的一（yī）條線段（duàn），由此原始的高維數據集可被表示為一個幾何係統。PCP能夠（gòu）呈現數據間（jiān）的相關關係，因而具有模式（shì）識別功能，這也體現（xiàn）了大數據“追求相關關（guān）係而非因果關係（xì）”的思維方式。PCP的模（mó）式識別功能由（yóu）三個重要的可視化特征實現（xiàn），分別為以下幾方麵——
線段夾角，表明變量間的正負相關關係，圖3（a）中線段交匯於一（yī）點（diǎn），表示兩變量間具有強負相關關係，圖3(c)中線段彼此平行，表示兩個變量間具有強正相（xiàng）關關係。
線段交點區（qū）域，表明變量間相關關係的強弱，圖3（b）線段（duàn）交匯於一個區域，表示兩變量間具有弱負相關關係。
線段分（fèn）布，表明趨勢模式或異常點模（mó）式。趨勢（shì）模式對應密集區域的線段，異常點則是稀疏區域的（de）線段。圖3(d)下方的線段可判斷為趨勢，上方的（de）線段為異常點。
PCP用於大數據集時，線段數量的增多會造成線段間的重疊、遮擋（圖4），從而掩蓋坐標圖中（zhōng）的可視化（huà）特征。為消（xiāo）除線段重疊、減少視覺混雜，學者們提出了各種改進的PCP方（fāng）法。基於Alpha混合的PCP方法（fǎ）較（jiào）早地被提出，其將PCP中的每條線段賦予較低的透明度，使線段稀疏部分的顏色被淡化、線（xiàn）段密集區域的顏色被加深。此種方法的缺（quē）陷是透明度值存在下限，不能擴展到更大規模（mó）的數據（jù）集（jí）中。基於分布（bù）直方圖的PCP方法（圖10）按（àn）每（měi）兩個變量計算二維分布直方圖，以直方圖中的每一格表示坐標圖中的一（yī）條線段（duàn），並按直方圖的頻率值設定線段的透明度。由於能在大幅減少線段數量的同時，保（bǎo）留（liú）PCP中的可視化特征，基於分（fèn）布直方（fāng）圖的方法可被擴展到更大規模的數據集。除此之外（wài），PCP中減少（shǎo）視覺混雜的方法還有基於捆紮的方法、基於聚類的方法（fǎ）、基（jī）於刷的方法等。
橋梁SHM的監測內容主要包（bāo）括環（huán）境（jìng）運營荷載與結構響應兩類，環境與運營荷載的（de）監測項有溫度、降水量、空氣濕度、風荷載、交通荷載、地震輸（shū）入等；結構響應（yīng）監測項有幾（jǐ）何變形（xíng）和位移、加速度、應變、轉角、索力等。基於SHM數據首先（xiān）可（kě）以進行結構損傷（shāng）或異常識別，但（dàn）在實際橋梁中這還很（hěn）難理想實現，一是因為當前國（guó）內安裝有SHMS的大部分橋梁服（fú）役時間較（jiào）短，尚未出現（xiàn）明顯的損（sǔn）傷和退化；二是受傳感技術和（hé）數據分析方法的限製，結構初期的微小損傷難以被識別。進行結構狀態評估是SHM的主（zhǔ）要目的之一，對於服役初期階段尚無明顯損傷的新結構，SHM數據可用於分析正（zhèng）常環境與（yǔ）運營荷載下的結構響應規律，從而定義結構的正常狀態，並分析結構（gòu）狀（zhuàng）態發生偏離的原因。與結構狀態評估有關的研究還包括荷（hé）載效應分析、可靠度分析、安（ān）全（quán）預警、傳感器故障（zhàng）識別（bié）等。
在數據驅動的方法下，橋梁結構損傷或異（yì）常識別與狀態評估大都可歸類於模式識別問題。傳統數據驅動的分析中，模式識別前一般要先對多通道、多種（zhǒng）類的傳感器時間序列數據進行降（jiàng）維，以提升機器學習方法的效率和準確性。然而降維存在（zài）定階的問題，即需要確定最終的變量個數，盡可能多地保留原始數（shù）據中的信息（xī）。此外，損傷識（shí）別、傳感器故障識別等問題常缺（quē）乏足夠的（de）標注數據，使得有監督學習方法很難被應用；無監督學習雖不使用標（biāo）注數據但對參數設定敏感，且很（hěn）容易陷入局部最優解（jiě）。PCP將（jiāng）人的認知能力融入到數據分析（xī）中，為無（wú）法使用有監督學習及無監督學習不穩定情（qíng）況下的模式識別提供了（le）新的思路，並可直接對原始高維數據進行可視化。本文中（zhōng），PCP在SHM模式識別中的性能將（jiāng）通過2個數據集驗證，這兩個數據集均取自某斜拉橋的健（jiàn）康監（jiān）測係統。該斜拉橋共布設有169個各種類型的傳感器，可實現（xiàn）對環境荷載與結構響應的長期實時監測。
第一個數（shù）據集取自2007年，包括四個數（shù）據維度，分（fèn）別表示設置在主梁伸（shēn）縮縫處的兩個伸縮儀（DP001，DP002）和跨（kuà）中鋼箱梁腹板、底板位（wèi）置的兩個溫度計（jì）（ST002，ST009）所測的17520條數據。兩個伸縮儀在安裝時（shí）因對梁體的熱膨脹考慮不足而沒有設置足夠的預張量，使得夏天高溫時段的伸縮儀監測值溢出其量程而不再發生明顯變化。發生故障的兩（liǎng）個伸（shēn）縮儀中，DP001在（zài）高溫時段過後恢複工作，DP002則自此一直處於故障狀態（圖8）。除了正常（cháng）變（biàn）化狀態和伸縮儀故障兩種模式，時程圖上以0值出現的離群點構成了另（lìng）一類數據模式，其由（yóu）供電中斷等臨時性故障引起，可被視為（wéi）數據中的噪聲。PCP被用以識別這三種模式，為避免數據量增大產生的線段重疊問題，在此（cǐ）分別使用了基於Alpha混合（圖9）和基於分布直方圖的（de）PCP方法（圖10）。
通過基於Alpha混合的PCP可以明顯地識別數據集的三種模式。正常狀態的數據（jù）表現（xiàn）為兩個伸縮儀間、兩個溫（wēn）度計間大部分平（píng）行的線（xiàn）段，表明變量間具有正相關關係；伸縮儀與溫（wēn）度計之間的交匯（huì）區域（yù）（綠色圈內）則表明了二者之間的負相關關係。在兩個伸縮儀（yí）對應（yīng）的坐標軸底部均有密集的線段區域呈現較深的顏色（黑色圓圈（quān）內），對應著伸縮儀在夏天高溫時段的故障。在深顏（yán）色（sè）區域中，DP002伸縮儀線段比DP001伸縮儀更為密集，顏色更深（shēn），對應著DP002處於失（shī）效狀態（tài）的時間更長。在4個坐標軸最下方區域還存在一些（xiē）遠離趨勢的線段（duàn），即異常（cháng）點模式（藍色虛線圈），對應著數據中的噪聲點。基於Alpha混合的方法已可明顯地識別出（chū）數據集中的3種模式，相比之下（xià），基於分布直方（fāng）圖的PCP則可更為突出地顯示所（suǒ）關注的伸縮儀故障數據。
上麵講到的第一個數（shù）據集中，正常狀態、傳感器故障、噪聲（shēng）等（děng）模式是事先已知的。而本節（jiē）第二個數據集中可知的僅（jǐn）有正（zhèng）常狀態的模（mó）式，PCP被用以探索該數據集中是否還隱藏有未知的模式（shì）。第二個數據集有7個變量，分別代（dài）表結構一階（jiē）振動頻率（lǜ）（豎（shù）向彎曲、橫向彎（wān）曲、扭轉）、溫度、風速、交通、濕度（dù）、交通荷載，其中交通荷載由該斜拉橋跨中所（suǒ）測加速度的均方根值（RMS）表征。該（gāi）數據集的時間跨度長達5年，按每小時一個數據點的頻率計算（suàn）得到了由2007年至2012年共52608條數據。為研究環境與運營荷（hé）載對結構動力特性的影響規律，各（gè）變量之間的相關係（xì）數也分別被計算（suàn），並顯示在圖（tú）11、圖12中PCP的下部。在該數據集的模式識別中同樣使用了基於Alpha混合（圖11）和基於分布直方圖（圖12）的方法。
基於（yú）Alpha混合方法的PCP中，風速與扭轉頻（pín）率、豎（shù）彎頻率的平行坐標（biāo）軸之間各（gè）存在兩個狹長的深色區域（藍色圓圈），可表明兩個變量間具有一定的正相關關係。這兩個變量與風速的相關（guān）係（xì）數分（fèn）別為0.199和0.132，則可推斷該相關係數很大程度上由PCP中的狹長深色區域解釋。同理，由（yóu）在（zài）豎彎頻率與溫度、橫彎頻（pín）率與交通荷載坐標（biāo）軸間識別到的深顏色交匯區域（綠色圓圈），也（yě）能很大程（chéng）度上解釋這兩組變量間的負相關係數。除了（le）表示正相關關（guān）係的狹長形深色（sè）區域和表示負相關關（guān）係的交匯區域（yù），還可在圖中識別到（dào）一些表現為細條形的模式，如（rú）交通（tōng）荷載和（hé）橫彎頻率坐標軸間黑色圓圈（quān）中（zhōng）所示。上述由PCP可視化特征識別的相關關係（xì）僅（jǐn）對應著數（shù）據集中的一部分數據，在此將其（qí）定義為“局部相關關係”。局部相關關係模式所具備的物理意義當前尚無法解（jiě）讀，有（yǒu）待於通過交互式的PCP方法提（tí）取出來作進（jìn）一步的分析。
由於數據量較大，基於Alpha混合的方法必（bì）須設定很小的透明度值（在此為Alpha=0.001）。但Alpha值（zhí）在（zài）繪製PCP的OpenGL（繪製計算（suàn）機圖形（xíng）的（de）函數庫（kù））中不可能無限小，在更大規模的數據集中（zhōng），該方法（fǎ）仍將受到線段重疊的影響而無法使用。基於（yú）分布直方圖的PCP方法中，線段數量取決於（yú）分布（bù）直方（fāng）圖的數量，可不受透明度下限值的影響（xiǎng）。采用分布直方圖方法的圖12中交換了部分坐（zuò）標軸的順序，仍可以識別（bié）線段交匯的深色區域（yù）、細條形深色區域所表示的局（jú）部相關關係，但對狹長（zhǎng）形的深色區域呈現不夠明顯，這與該模式的特征（zhēng）不明顯有關（guān），也說明在繪製（zhì）PCP的過程中應結合使用多種參數（直（zhí）方圖數、透明度等），以更全麵地（dì）識別可能（néng）被遺漏的模（mó）式。
在橋梁結構健康（kāng）監測領域，深（shēn）厚的（de）力學背景雖（suī）決（jué）定了（le）對（duì）橋（qiáo）梁結構機理和行為較高（gāo）程度的認知，但（dàn）實測數據中（zhōng）仍存在（zài）環境與（yǔ）運營荷載、采集設（shè）備故障等所產生的不確定性因素。認知這些不（bú）確定性因素、從中識別隱藏的模式，並合理解釋其對應的物理現象，是采用（yòng）包括可視化分析在內的大數據分析方法應試圖去解決的問題。
本文介紹了在大數據可視化分析中常用的PCP方法，通過某斜拉橋結構健康監測係統所采集的兩個（gè）數據集，對其數據可視化和（hé）模（mó）式識別功能（néng）的適用性進行了驗證，可得到以下結論：
(1) PCP方法可用以識別傳感器故障引起（qǐ）的數據異（yì）常，基於（yú）分布直方圖（tú）的PCP方法能夠更為突出地顯示該種模式。
(2) PCP方法中的趨勢模式可呈現環（huán）境荷載（zǎi）與結構響應之間的局部相關關係，且能夠反（fǎn）映大數據分析“追求相關關係而非因果關係”的思維方式。
(3) 與局部相關關係模式對應的數據有必要被（bèi）提取出來以進一步（bù）的分析，能夠選擇並提取相應線段的（de）交互式PCP方法（fǎ）仍有待於在後續（xù）研究中被開發。
大數（shù）據方法（fǎ）在結構健康監測數據分析中的應用研究才剛剛開始，橋梁結構是遵循力學原理設計出的一個人（rén）工產品，相應的監測數據具有明顯的“工業（yè）大數據”特（tè）征，在借鑒其他領域的大數（shù）據分析方法時，我們也應十分注意方法的適用性，避免步入誤區。
