本文是一篇项目管理论文，本文通过对 A 特大桥 2019 年 9 月份挠度、应变、倾角、温度的养护监测数据状况进行分析、评估，并利用质量管理工具和技术详细分析了导致桥梁养护监测数据出现质量问题的原因，针对数据质量问题，采用数据质量改进方法进行质量改进，最后将改进前和改进后的监测数据进行对比和分析，可得到以下结论：1．通过数据质量评估可得 A 特大桥 2019 年 9 月份挠度、应变、倾角、温度的养护监测数据数据质量状况比用来衡量数据质量状况的基准数据集的质量差；
第 1 章 绪论
1.1 研究背景
公路桥梁设施是一个国家的重要基础设施，也是一个投资巨大的产业，作为交通运输网络的重要节点，公路桥梁设施在国民经济生活中具有十分重要的地位，公路桥梁是否安全，不仅直接影响着公路交通的顺畅程度和人们的生活质量，更是关系着广大人民群众的生命、财产安全。
公路桥梁设施在长期的使用过程中，由于暴露在自然环境中，在长期的风吹日晒、雨露寒冻的影响下，各种材料老化、腐蚀，其系统性能也会随之衰退，对一些自然灾害的抵御能力就会降低，增加了桥梁运营的风险。随着经济社会发展，公路桥梁工程建设数量不断增多，大型桥梁数量更是急剧增长，然而，大型桥梁的总体养护状况并不容乐观，危桥数量居高不下，由此引发的重大安全事故不时发生，常规的人工、机械现场定检维护已无法满足桥梁运营安全的要求，因此，在很多桥梁上安装了桥梁养护监测系统，它能对桥梁的运营状况进行实时监测，让管理者掌握桥梁状态。桥梁养护监测系统主要是根据桥梁监测设备采集的实时监测数据对桥梁的运营状况进行评估的，通过对高质量的桥梁养护监测数据的分析和研究，可以及时识别桥梁结构状态及损伤，对桥梁的结构安全进行预警，保障桥梁安全运营，并能够协助管理者对桥梁养护工作做出科学决策。
公路桥梁养护监测系统获取的数据具有海量性、多维性、复杂性和随机性等特点，在采集、传输、存储、解析监测数据的过程中，由于各种已知或未知的因素，都有可能导致监测数据的数据质量不好，即桥梁养护监测系统采集到的数据就会出现一些异常值，主要表现为数据的不准确、不完整、不一致、重复、不及时等数据质量问题，像这些存在质量问题的数据并不能满足对桥梁运营状况的科学评估要求，如果直接利用这些存在质量问题的数据进行分析、研究、识别桥梁结构状态损伤、评估和预警桥梁结构安全是不科学的，因此，确保桥梁养护监测数据的质量非常重要。
图 3.2 A 特大桥右幅监测点布置图
...............................
1.2 研究目的和意义
近年来，科技的迅猛发展，尤其是在信息、计算机、通信方面，如大数据、物联网、云计算、互联网+、区块链、人工智能等，使得数据体量和规模急剧增长，数据复杂程度自然也随之而不断地加剧，但在海量和复杂的数据中包含着极大的价值，它们能够在一定程度上反映相关事物变化的规律和本质，对数据进行科学的研究，可以帮助人们做出更合理的决策以及更优化地配置资源，为个人、企业甚至社会创造更多的价值，所以，这些年以来，对数据的相关研究一直都是热门的方向和主题。基于养护监测数据的公路桥梁养护监测系统是保障桥梁安全运营和科学养护决策的重要手段，随着技术的迅速发展，桥梁养护监测数据也随之而变得更庞大和复杂，由于各种因素的影响，在海量的监测数据中难免会存在一些不符合质量要求的数据，例如，出现数据残缺、不完整、不准确、不一致、异常、重复等一些常见的数据质量问题，不能直接利用这些存在质量问题的数据进一步对桥梁运营状况进行分析、研究、评估和预警。
高质量的桥梁养护监测数据是科学评估桥梁运营状况的前提和关键，但在长期的桥梁养护实际监测工作中，庞大的养护监测数据的质量并非全都符合要求，如果用存在质量问题的监测数据对桥梁的运营状况进行分析、研究、评估和预警是不科学和不可靠的，甚至可能由于忽视了桥梁养护监测数据质量问题而引发更严重的安全或其他事故，给经济、社会造成巨大的损失，为了避免和减少这样的事故发生，因此，研究并科学对公路桥梁养护监测数据质量进行分析、评估、处理和改进，确保监测数据的质量具有十分重要的意义。
本文基于公路桥梁养护监测数据类型的特点，并以 A 特大桥桥梁养护实际监测数据作为研究对象，具体研究目的包括：
1. 通过相关文献的分析和研究，确定桥梁养护监测数据质量状况评估方法；
2. 利用评估方法对桥梁养护监测数据评估，针对评估结果，利用质量管理工具和技术对造成桥梁养护监测数据质量问题的原因进行分析；
3. 结合桥梁养护监测数据质量产生的原因，提出桥梁养护监测数据质量改进的方法。
..................................
第 2 章 数据质量管理
2.1 数据质量
伴随信息时代的到来，数据信息的价值日益显著，成为社会发展和科技进步极其重要的、可共享的资源，而对数据资源开发和利用的前提是保证数据的质量，许多理论研究者和实践者逐渐意识到数据质量的重要性，并开始对数据质量方面的相关理论和实践应用进行研究。
数据质量的本质来源于对质量的定义，根据时间、地点、对象、环境的不同，质量被赋予了不同的含义。[7]在国际标准 ISO 9000:2005 中，对质量及相关术语作了明确的定义：质量（quality）是指“一组固有特性满足要求的程度”，从本质上看，就是要求产品或服务满足特定的要求，可以实现既定的用途和价值。随着科学技术的发展和市场需求的变化，质量的概念也在不断地拓展、深化和完善，但由于研究方向和重点不同，各研究组织和个人对数据质量的定义也存在着较大的差异。
Aebi D 以形式化的方法定义了数据的一致性、正确性、完整性和最小性，而数据质量被定义为这个指标在信息系统中得到满足的程度。数据工程中数据质量的需求分析和模型，认为存在很多候选的数据质量衡量指标，用户应根据应用的需求选择其中一部分[8]。只有那些能够满足用户需要的数据质量衡量指标才具有价值和意义。
R.Y.Wang, D.Strong 在 1996 年采用二阶段调查方法确立出 4 类共 15 个数据质量维度，包括固有质量、可访问性质量、关联性质量和表达性质量四大类，正确性、完整性、一致性、安全性等 15 个数据质量维度，为后来的研究奠下深厚的理论基础[9]。这 15 个数据质量维度可以满足绝大多数的对数据质量固有属性的描述与定义。
文献[10]中指出，适合使用才是数据质量的根本。将数据质量定义为：数据能够切实地满足用户工作过程中实际应用需求的程度。目前有大量的学者将好的数据质量定义为所有的数据都是系统所需要的，数据质量即为数据对所适应系统的一种反应，其主要分为几大类：数据的完整性、准确性、一致性、冗余性以及唯一性。
综上所述，不同研究领域的研究者或相同领域的不同研究者对数据质量的理解和定义是不一样的，要求也是不一样的，数据质量只有结合特定的领域才具有实际意义，针对不同的方向和应用领域，根据研究的实际需求，多角度、选择性来组合定义对应的数据质量才是客观的和科学的，同时，有效的数据质量分析应当与具体的应用相结合，随着研究的深入，在对不同领域的数据进行分析时，数据质量的定义将会有更精细的划分和解释。本文基于公路桥梁养护监测的数据类型，针对监测数据本身的特点，结合众多研究者对数据质量的定义，本文将桥梁养护监测数据的完整性、准确性、一致性以及唯一性满足数据分析的程度定义为数据质量。
..................................
2.2 数据质量评估准则
由于数据的复杂性，同时数据相关的研究方向、重点和领域的不同，形成一套普遍通用的数据质量评估指标几乎是不可能的，基于上文对数据质量的定义：公路桥梁养护监测数据的完整性、准确性、一致性以及唯一性满足数据分析的程度，本文采用公路桥梁养护监测数据的完整性、准确性、一致性、以及唯一性四个维度的指标作为数据质量的评估准则，然后分别对其进行量化，分析数据质量的好坏，进而完成对桥梁养护监测数据的质量进行研究、描述和评估的目的。
随着数据的价值逐渐被发掘和认可，数据研究者们也开始越来越重视数据的质量状况，最近这些年，在数据质量相关领域里，国内外出现了不少的数据研究者，其中对数据质量的评估就是为了更好地提高数据质量而进行的必要工作，它能从源头上发现数据存在的质量问题，为改进数据的质量奠定了基础。在不同的领域中对数据质量的评估提出了各种适宜的评估方法。
Leo. L.Pipino, Y. W. Lee, R .Y. Wang 在 2002 年给出 3 种数据质量客观评价的算法：简单比率、最大最小运算、加权平均法[4]。如果需要在不同类型数据之间进行纵向对比时，可选择简单比率法，这种方法可以清晰地展现出已改善的数据，同时，数据质量的正确性、完整性和一致性可以通过该方法来体现，对选定的评估对象和数据集，根据相应的评估准则进行统计和计算，利用符合定义的相关准则的信息条目数与信息条目总数的比值来表征数据质量情况，这种方法简单明了，且便于操作。最值法也是数据分析时常用的方法，异常数据往往较多情况包含在最值里面，这种方法便于寻找和发现异常的数据，且对数据质量评估的关键也在于找出评估对象中各类型指标数据的最值。[11]在指标评估中，另一种最小算子即为变量的加权平均法，常常用于评估单个变量对于总体的重要性，用这些变量的加权平均系数是最适合的，为确保评估等级的标准化，权重系数应该归一化处理，取值大小在 0 到 1 之间，所有权重系数之和为 1。
图 3.1 A 特大桥左幅监测点布置图
..............
