Digitalizing Bridge Management: Current Trends, Challenges, and a Practical Implementation Framework
Notice bibliographique
Résumé
Transportation infrastructure, including highway bridges, are essential for both economic prosperity and societal well-being. Given the considerable number of bridges that each bridge manger is responsible for monitoring and the constraints on the availability of resources, it becomes impractical to continuously assess the integrity of each bridge using conventional approaches. Leveraging digitalization, driven by technologies such as bridge information modeling (BrIM) and digital twins, promises to significantly improve the productivity of the process, while ensuring bridge safety, durability, sustainability, and reduced life-cycle costs. Many stakeholders are enthusiastic about adopting digital technologies for bridge management but often lack a clear understanding of the benefits and how to realize them. This can lead to a focus on implementation rather than achieving defined objectives, which can hinder tangible improvements in practice. This paper provides clear definitions of relevant technologies and offers practical guidance to transform enthusiasm for digital technologies into actionable strategies for their effective implementation in bridge management practices. It proposes an incremental approach to digitalization in bridge management and conducts a thorough examination of the various levels of adoption. In addition, the paper identifies the opportunities and challenges of reaching full digitalization and highlights the transformative potential of digital solutions in enhancing bridge maintenance practices when implemented effectively.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,026 | 0,020 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,003 | 0,004 |
| Études des sciences et des technologies | 0,003 | 0,010 |
| Communication savante | 0,016 | 0,025 |
| Science ouverte | 0,005 | 0,008 |
| Intégrité de la recherche | 0,008 | 0,008 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,008 | 0,001 |
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 source (Gemma direct ou Codex distillé), 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 ».