资料简介
作为故障后果的驱动者，预测超过桥梁设计交通荷载限制(DLEEs)的事件的严重程度是道路安全的基础。以前的研究主要集中在通过直接和间接成本指标来估计失效后果。直到最近才有研究以非常规的方式评估严重程度，其中通过二项式逻辑回归(BLR)应用计量经济模型预测delees的类型。由于使用人工神经网络(ANN)的机器学习模型尚未被探索，本研究将在以下方面加强文献。首先，建立了两种不同的“严重性”模型，作为桥侧、时间-上下文和交通负载危险变量的函数。前者依赖于BLR，后者使用ANN。其次，使用混淆矩阵、一些性能指标和交叉熵参数来评估这些模型的性能。对布雷西亚(意大利)主干道上一座桥上7.4M+个人车辆的原始动态称重数据进行了处理。尽管BLR和ANN取得了类似的强劲表现，但结果表明，ANN在案例研究数据集中预测严重性记录的置信度高于BLR，ANN的交叉熵不到BLR的三分之一。这些分析可以支持道路当局的交通管理，以保护桥梁免受交通负荷危害。最后，本研究提出了未来的发展建议，例如在建模中考虑交通荷载的结构影响，在网络层面上优先考虑桥梁之间的交通管理行动，以及探索ANN模型在风险评估中的影响。
| 
