桥梁是道路基础设施的重要组成部分,对桥梁结构特性的相关研究受到广泛关注。南京大胜关大桥是跨越长江的重要铁路通道,综合考虑其规模及安全维护需要,大桥配备完备的传感器监测系统。这些传感器每天产生大量的数据,对监测数据的分析可以进一步了解桥梁结构特性,同时设计预警系统可以实现桥梁状态实时监测。传统数据处理方法难以分析大量监测数据且处理延时长,本文利用大数据处理技术,提升数据分析性能的同时全面分析桥梁监测数据;结合大数据实时处理技术设计和异常检测算法设计实现桥梁实时预警系统,可以对传感器监测数据在小批次时间间隔内实时预警。论文主要的工作和贡献包括:(1)基于桥梁监测数据分析需求,本文设计实现了桥梁大数据平台,主要包括两个模块:离线数据分析模块和在线数据分析模块。离线数据分析模块实现对离线数据的存储和分析建模功能,包括相关性分析和预警模型设计;在线数据分析模块使用预警模型实时分析传感器监测数据,监测桥梁实时运行状态;(2)基于温度与位移数据的强相关性使用回归算法构建位移预测模型,并结合预测模型和3-Sigma区间估计理论构建点估计预警模型,实验结果表明点估计预警模型的异常查准率和查全率约为90%;(3)基于振动加速度时间序列数据的平稳性,利用时间序列切割方法和孤立森林异常检测算法构建振动加速度时间序列预警模型,实验结果表明iForest+Kmeans预警算法的F1值相较于原始iForest算法提升约4%;(4)在实验基础上分析桥梁大数据平台的离线分析性能、在线分析性能,实验结果表明:与传统方法相比,离线分析性能可提升50%-90%,在线分析可在5秒时间间隔内完成实时预警。