En ny algoritm som utvecklats av University of Surrey kan hjälpa konstruktionsingenjörer att bättre övervaka broars hälsa och varna dem om när de behöver repareras snabbare.

Många myndigheter och organisationer använder strukturella hälsoövervakningssystem för att hålla koll på broarnas hälsa, tillsammans med vikten av trafiken som den tål dagligen. Detta leder till en mycket hög samplingshastighet av data, med en del som når minst 10 Hz och databaser som har information om gigabyte om en singular struktur - som är dyr att hysa.

I en artikel publicerad av tidskriften Mått , forskare beskriver hur de skapade en algoritm som komprimerar stora data från bryggövervakningssystem till mer hanterbara storlekar.

Surrey-forskarna använde en ordboksinlärningsmetod som heter K-means Singular Value Decomposition (K-SVD) för att komprimera data från systemet som övervakar Lezíria-bron i Portugal. Teamet tillämpade sin algoritm på 45, 000 data per kanal per timme som Bridge Weight -in -Motion -systemet mottog - en av de mest använda övervakningsprogrammen - och lyckades uppnå en nästan förlustfri rekonstruktion från informationen på mindre än 0,1 procent. Andra metoder har visat att de behöver 50 procent av data för att uppnå liknande rekonstruktionsnoggrannhet.

Dr Ying Wang, huvudförfattare till artikeln från University of Surrey, sade:"Många myndigheter har svårt att hysa data de har för sina broar och annan infrastruktur - med hundratusentals, ibland miljontals bilar som använder vissa broar varje dag.

"Vi tror att detta tillvägagångssätt visar att du dramatiskt kan minska den stora datan till en mycket hanterbar storlek utan att förlora information - vilket är avgörande för konstruktionsingenjörer."