根据德克萨斯大学阿灵顿分校(UTA)报道，该校的一名土木工程助理教授Ham正在努力通过将机器学习与传统监测方法相结合来更好地理解桥梁的结构健康状况。该助理教授获得来自中南部国家运输协会(Tran-SET)提供的12.2万美元拨款，经过18个月研发出来的模型将在达拉斯和沃思堡进行测试。

现用于监视桥梁的动态重量系统中带有测量振动、拉伸和偏转的传感器。通过桥梁对这些情况的反应，形成可视的桥梁的结构健康状况图。但是传感器没有考虑到不同类型的卡车，多条车道，早晚交通高峰等外界情况。因此，Ham教授正在研发一种新系统，以补充当前通过机器学习实现的运动中体重传感器。希望由此产生的数据能够为运输部门提供更准确的桥梁荷载参数，并更好地了解结构的整体完整性。“我们正在将基于物理的模型与人工智能相结合，因为计算机学习的越多，获得的信息就越好，”汉姆说，“机器学习的加入使我们能够准确地确定多个条件。”

Ham还在德克萨斯州交通运输部的资助下进行相关研究，以使用非接触式测试系统来更快速，更轻松，更准确地确定何时何地需要维修桥梁。