Un nouvel algorithme développé par l'Université de Surrey pourrait aider les ingénieurs en structure à mieux surveiller la santé des ponts et à les alerter plus rapidement lorsqu'ils doivent être réparés.

De nombreuses autorités et organisations utilisent des systèmes de surveillance de la santé structurelle pour suivre la santé des ponts, ainsi que le poids du trafic qu'il supporte au quotidien. Cela conduit à un taux d'échantillonnage très élevé des données, avec certains atteignant au moins 10 Hz et des bases de données qui contiennent des gigaoctets d'informations sur une structure singulière - ce qui est coûteux à héberger.

Dans un article publié par la revue La mesure , les scientifiques expliquent comment ils ont créé un algorithme qui compresse les données volumineuses des systèmes de surveillance des ponts en des tailles plus gérables.

Les scientifiques de Surrey ont utilisé une méthode d'apprentissage par dictionnaire appelée K-means Singular Value Decomposition (K-SVD) pour compresser les données du système qui surveille le pont de Lezíria au Portugal. L'équipe a appliqué son algorithme à 45, 000 données par canal et par heure reçues par le système Bridge Weight-in-Motion - l'une des applications de surveillance les plus utilisées - et a réussi à obtenir une reconstruction presque sans perte à partir des informations de moins de 0,1 pour cent. D'autres méthodes ont montré qu'elles ont besoin de 50 % des données pour obtenir une précision de reconstruction similaire.

Dr Ying Wang, auteur principal de l'article de l'Université de Surrey, a déclaré :« De nombreuses autorités ont du mal à héberger les données dont elles disposent pour leurs ponts et autres infrastructures - avec des centaines de milliers, parfois des millions de voitures empruntant certains ponts chaque jour.

"Nous pensons que cette approche montre que vous pouvez réduire considérablement les données volumineuses à une taille très gérable sans perdre d'informations - ce qui est essentiel pour les ingénieurs en structure."