Satellite-Based InSAR Monitoring of Highway Bridges: Validation Case Study on the North Channel Bridge in Ontario, Canada
Notice bibliographique
Résumé
A space-borne bridge displacement monitoring technology was demonstrated on a major highway bridge in Cornwall (Ontario, Canada) over a 15-month period. Two major challenges had to be overcome and solutions were identified and implemented. The first challenge related to the proper selection and analysis of satellite imagery to optimize the number and signal quality of point targets on the bridge for adequate movement detection and analysis. The second challenge was the comparison and validation of independent sets of data having different measurement methods, reference baselines, and distributions in space and time. The key findings include: (i) the regression analysis of interferometric synthetic aperture radar (InSAR) data from the satellite produced the best coherence when fitted against the following three independent variables: height, ambient temperature, and time; (ii) the bridge railings appeared to be excellent natural reflectors with their sharp edges and regular spacing along the bridge, showing a return of over 3,000 clear point targets to the satellite; (iii) the InSAR displacement thermal sensitivity data was found to compare very well to numerical modeling thermal data. The results show great promise and value in applying satellite-based technology for the remote monitoring of highway and railway bridges to alert engineers of excessive movement and, in turn, will help optimize preventive maintenance management, extend structural lifespan, minimize traffic disruptions due to late repair, and ensure structural integrity.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,003 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».