自組織映射優化群集合併演算法於智慧橋梁維護之研究

NCU Institutional Repository > 工學院 > 營建管理研究所 > 博碩士論文 > Item 987654321/97253

請使用永久網址來引用或連結此文件: https://ir.lib.ncu.edu.tw/handle/987654321/97253

題名:	自組織映射優化群集合併演算法於智慧橋梁維護之研究
作者:	林聖國;LIN, SHENG-KUO
貢獻者:	土木系營建管理博士班
關鍵詞:	橋梁維護;橋檢分析;分群;自組織映射;優化群集分析;Bridge maintenance;inspection;clustering;somcm;visualized clustering
日期:	2025-06-13
上傳時間:	2025-10-17 11:02:24 (UTC+8)
出版者:	國立中央大學
摘要:	橋梁作為交通系統中之關鍵基礎設施，不僅具備連接地理斷裂地形（如河川、溪谷、鐵道等）的功能，更肩負促進區域發展與提升交通效率之使命。隨著橋梁使用年限增長，其結構安全性將受到設計品質、材料性能、施工工法及後續維護管理成效等多項因素綜合影響。加以長期暴露於自然環境中，如海風、濕氣、溫度變化等，加速其結構性劣化，若未能及時掌握並進行維護，將可能引發安全疑慮、交通中斷，甚至造成人員與財產損失。目前國內橋梁管理作業多仰賴「車行橋梁管理資訊系統（BMS）」進行橋檢資料之蒐整，既有檢測方式以人工目視與經驗判讀為主，對於大量數據之整合應用、模式辨識與潛在風險預測仍有待提升。鑑此，本研究擷取桃園市轄區內2020~2021年橋梁檢測資料共6,140筆，彙整橋梁構件之劣化缺失樣態，並導入人工智慧技術，以多維矩陣複合式類神經網路配合自組織映射優化群集合併演算法（Self-Organizing Map-based Cluster Merging, SOMCM），建立橋梁構件表面劣化影像自動化分群分析模型。透過劣化特徵與維修相關指標進行分群分類，經過預定次數的疊代後，61個群聚被合併為8個群。對最後8群進行聚類分析，針對各群組進行構件名稱、結構型式與劣化程度等綜合分析，揭示了12個主要的橋樑維護關聯規則。結果顯示，不同橋梁型式及區域條件與劣化樣態存在具關鍵影響關聯性，本研究成果除可作為橋梁維護管理決策參考，亦具備擴展潛力，未來可整合GIS空間定位技術、IoT感測資料與交通即時監控資訊，發展為智慧橋梁維護系統之核心模組，進一步提升橋梁全生命週期管理效益，延長基礎設施使用壽命，並降低營運維修成本。 ;Bridges are vital infrastructure in transportation systems, connecting geographically separated areas and supporting regional development. Over time, their structural integrity is affected by factors such as design quality, materials, construction methods, and environmental exposure, leading to deterioration if not properly maintained. In Taiwan, bridge inspections primarily rely on visual assessments recorded in the Bridge Management System (BMS), which lacks advanced data mining and risk prediction capabilities. This study collected 6,140 bridge component inspection records from Taoyuan City (2020–2021) and proposed an automated clustering model using a multi-dimensional neural network integrated with the Self-Organizing Map-based Cluster Merging (SOMCM) algorithm. The model reduced 61 initial clusters to 8 representative groups, revealing 12 key deterioration-related maintenance rules based on component types, structural forms, and regional conditions. The results demonstrate strong correlations between bridge deterioration patterns and environmental or structural factors. This method not only enhances current maintenance decision-making but also shows potential for integration with GIS, IoT sensors, and real-time monitoring systems to support intelligent, lifecycle-based infrastructure management.
顯示於類別:	[營建管理研究所 ] 博碩士論文

文件中的檔案:

檔案	描述	大小	格式	瀏覽次數
index.html		0Kb	HTML	4	檢視/開啟

在NCUIR中所有的資料項目都受到原著作權保護.

社群 sharing

資料載入中.....