想象公路是一张人脸，把人脸识别技术复制粘贴到土木工程领域会产生怎样的功效？

当“接地气”的公路穿上“数字化”外衣后，会发生什么？

最新一期Taylor & Francis Group学者访谈邀请到课题组杜豫川教授，请他分享人工智能技术在土木工程领域应用研究的进展及最新成果。

“相比英美等研究机构提出的‘智慧交通基础设施’时髦概念，我觉得就概念本身来说‘数据驱动的交通基础设施管理’更加合适。‘智慧交通基础设施’把土木工程变成电子工程，其实是不可能的。但我们可以基于数据驱动做一些传统的管理设计，推动传统土木工程领域向信息化转变。”

——杜豫川教授

二十年数据积累

重启路面病害识别研究

早在20年前，杜教授就开始了路面病害识别领域的研究，尝试利用人工智能技术在路面病害识别里进行一些精准度的提升。但因技术及应用受限，该领域研究一度停滞。随着近几年人工智能技术的迅猛发展与近20年的数据积累，使得土木工程领域重新重视并引用这一技术进行相关工作。杜教授重启20年前的研究工作成为可能。

在这一背景下，杜教授于2019年在Taylor & Francis Group旗下期刊International Journal of Pavement Engineering上发表文章Pavement distress detection and classification based on YOLO network。该文章主要应用了人工智能领域比较常用的分类器方法，之后还会陆续发布一系列不同的学习方法的应用成果。在数据收集阶段，杜教授和他的团队通过安装在车辆上的高分辨率工业相机在各种天气和照度条件下捕获的45,788张图像组成。这篇论文证明了在有相当数据积累的情况下，这些方法在工程领域的应用也可以获得像通用领域一样的成功。

建立数据驱动研究新方法

推动数据开放共享

杜教授团队目前的研究重点为土木工程领域细分的道路工程领域以数据驱动的性能演变、病害防治及养护、管理等精细化工作。在传统研究里，相关工作基于力学分析来做结构或铺面的发展衰变预测。以数据驱动是建立在模型化基础上，旨在建立新的模型、新的分析和管理方法。

这一研究需要庞大的数据资源做支撑。目前，数据共享的开放度并不够，很多论文还是基于比较小的样本，各地对数据库的自我保护普遍存在。能否建立完整的可开放数据源供全世界研究者共同使用，减少数据积累所耗的时间，变得极为关键。

论文发表有“据”可依

同行评议可圈可点

杜教授认为国际期刊论文发表重点在于使用国际同行比较认可的方法论，按照国际研究的规则把工程研究领域的内容用国际化语言或规则进行论文发表。此外，本领域研究的主要挑战在于“数据引用”，未来“数据”也可能成为一种学术交流形式。如何进行数据发表，提高研究的数据引用量，促进数据开放是国际期刊未来需要考量的问题。

作为作者和同行评审员，杜教授认为应对同行质疑的过程也是帮助研究者找到未来研究点的过程。他非常赞赏国际期刊，尤其是历史悠久的国际期刊的评审体系，对行业新问题和新技术保有高度敏感的评审员经常会提出一些对研究极有帮助的问题。

内容转载自“TandF学术”微信公众号，点击查看原文链接。