國道1號漁港高架橋導入數位孿生與深度學習代理模型

為因應基礎設施老化與傳統目視檢測之限制，國立高雄科技大學與台灣世曦工程顧問研究團隊以國道1號漁港高架橋（S14－S16三跨連續箱型梁）為對象，探討數位孿生（Digital Twin）於橋梁安全監測與預測維護之應用。相較於傳統僅考量幾何資訊的BIM模型，本研究透過ANSYS建立三維有限元素模型，並結合現地車載試驗及微振量測資料，納入時間歷程、車橋互制（VBI）與隨機路面粗糙度進行校正，有效描述連續翼板懸臂箱型梁在動態扭轉載重下的力學行為。 為解決高精度有限元素模型運算耗時的問題，研究團隊進一步運用深度學習建立代理模型（Surrogate Model）。結果顯示該模型能將運算時間縮短至毫秒等級，且預測誤差維持在±5%以內，實現高速車流下橋梁關鍵力學反應的即時掌握。此外，系統透過Unity平台直觀呈現三維結構應力分布，有助於工程人員判讀疲勞風險，推動維護模式由週期性檢修轉向依條件維護（Condition-based Maintenance）。

值得帶走的重點

• 研究建立國道1號漁港高架橋三維ANSYS模型，結合現地微振與載重試驗校正車橋互制動力效應。
• 導入深度學習代理模型取代耗時的有限元素運算，將分析時間縮短至毫秒級且預測誤差控制在±5%以內。
• 透過Unity引擎直觀呈現結構應力分布特徵，支援橋梁由定期檢修轉向依條件維護決策。