Developing a bridge management strategy at the network level with efficient use of capital is very important for optimal infrastructure remediation. This paper introduces a novel decision support system that considers many aspects of bridge management and successfully implements the investigated methodology in a web-based platform. The proposed decision support system uses advanced prediction models, decision trees, and incremental machine learning algorithms to generate an optimal decision strategy. The system aims to achieve adaptive and flexible decision making while entailing powerful utilization of nondestructive evaluation (NDE) methods. The NDE data integration and visualization allow automatic retrieval of inspection results and overlaying the defects on a 3D bridge model. Furthermore, a deep learning-based damage growth prediction model estimates the future condition of the bridge elements and utilizes this information in the decision-making process. The decision ranking takes into account a wide range of factors including structural safety, serviceability, rehabilitation cost, life cycle cost, and societal and political factors to generate optimal maintenance strategies with multiple decision alternatives. This study aims to bring a complementary solution to currently in-use systems with the utilization of advanced machine-learning models and NDE data integration while still equipped with main bridge management functions of bridge management systems and capable of transferring data to other systems.

This paper presents the capabilities and limitations of high-definition (HD) imaging and infrared thermography (IRT) using unmanned aerial vehicles (UAVs) for bridge inspections. Regarding HD imaging, this study shows the potential to detect the required minimum, 0.1 mm, width of cracks using simulated cracks at a distance of 1-3 m from the bridge. As for IRT application with UAVs, the effect of vibration caused by the drone was investigated. This paper concludes that the hovering flight of drones was extremely stable and IRT with UAVs can provide reliable data for bridge inspections. If IRT is used without hovering flight, the effect of flying speed must be investigated since it might also affect the IRT results. This paper shows great potential of image-based technologies with UAVs for bridge inspections without any traffic disturbance as a complimentary approach to current practices.

Vehicle-to-infrastructure (V2I) communication is essential for reliable deployment of connected automated vehicle technology, contributing to the advanced safety and optimization of our transportation networks. However, supplying and maintaining necessary wireless infrastructure is a challenging task, particularly when it comes to rural areas. This study proposes a novel methodology that uses artificial intelligence, machine vision, and smart traffic signs to support V2I in areas where availability of wireless communication infrastructure is limited. The objective of this paper is to investigate the operational challenges of the proposed low-cost solution in different V2I applications, including a MapData message in an unsignalized traffic intersection, traveler information message in a work zone, and a red-light violation warning with the help of a smart sign. The proposed system showed some important advantages, such as invulnerability to third-party alterations and robust operation under harsh environmental conditions.

Adversarial attacks pose serious traffic safety risks that could potentially impede the deployment of automated driving systems (ADS). Recent discoveries show that imperceptible perturbations (also referred to as adversarial attacks) to inputs of deep neural networks employed in these systems could impair their image recognition and prediction capabilities. Adversarial attacks can misguide advanced driving assistance systems (ADAS) to misclassify a traffic sign (e.g., classify a stop sign as a speed limit sign), causing the vehicle to accelerate instead of stop, which may potentially result in catastrophic incidents. This paper investigates encrypted invisible security patches placed on traffic signs and an onboard machine-vision system that can be integrated into the ADAS (i.e., ADS and cooperative adaptive cruise control systems). The security patches are essentially a visual representation of encrypted hash values generated via a one-way cryptographic algorithm. In this way, every traffic sign will be associated with a unique security pattern that can only be recognized by the proposed machine-vision technology. Additionally, these patches will be made invisible with the help of ultraviolet reflective sign technology. The proposed methodology aims to bring an additional security layer to sign recognition to enhance the reliability of ADAS. If a traffic sign is physically altered to attempt an adversarial threat, the security patch on the sign will not match with the sign information, and the driver will receive a warning to take control of the driving. For self-driving vehicles, a signal will be sent to the autonomous vehicle to enforce a safe driving action.

Betonarme asmolen çerçeveler mimari kolaylıklar sağlayan yatık sığ kirişleri sebebiyle Türkiye’de mimarlar tarafından özellikle tercih edilmektedirler. Ne yazık ki söz konusu yapıların mimarlar tarafından tercih edilme sebebi aynı zamanda yapısal zaafiyetlerine kaynak olmaktadır. Asmolen çerçeveler 1967 Adapazarı depreminden başlamak üzere çok sayıda göçmenin kayıtlandığı bir tarihçeye sahiptir. Yapılan deneysel ve analitik çalışmalar, asmolen çerçevelerinin doğru tasarım kararları alınmadığı takdirde yetersiz deprem dayanımına sahip olabileceğini göstermektedir. Sorunlar eleman seviyesinde başlamaktadır, yatık kirişler tipik olarak kolonlardan geniş olduğundan eğilme donatılarının bir kısmı kolon çekirdek bölgesinin (kolon boyuna donatısı ile tanımlanan bölge) dışında kalmaktadır. Yapılan çalışmalar bu sorunla bağlantılı olarak donatının miktar ve yerine bağlı olarak kiriş donatılarında kenetlenme sorunlarını göstermektedir. Ayrıca, sığ kiriş derinlikleri sebebiyle kolon boyuna donatılarında sıyrılmalar oluşabilmektedir. Asmolen sistemlerde dış merkezli kolon-kiriş bağlantıları diğer bir yaygın sorundur. Bu tip bağlantıların nasıl davrandığı konusunda yeterli bilgi yoktur. Bu çalışmada ülkemiz yapı stokunun hatırı sayılır bir kısmını oluşturan asmolen çerçevelerin kırılganlık eğrilerinin geliştirilmesi amaçlanmıştır. 2018 Türk Bina Deprem Yönetmeliği asmolen çerçevelerin salt kendi başlarına taşıyıcı sistem olmalarını kabul etmese de envanterde 2018 yılı öncesinde inşa edilmiş çok sayıda asmolen çerçeve yapı mevcuttur. Söz konusu yapıların bölgesel hasar ve kayıp tahmin çalışmalarının yapılabilmesi amacıyla bu sistemlere ait kırılganlık eğrilerinin geliştirilmesine ihtiyaç vardır. Yapılan çalışma bu amaca hizmet etmekteyi amaçlamaktadır. Türkiye’deki konvansiyonel betonarme çerçeveli yapıların kırılganlık eğrileri ile ilgili olarak önemli sayıda çalışma olmasına rağmen asmolen çerçevelerin kırılganlık eğrileri ile ilgili bir çalışmaya ulaşılamamıştır. Yatık kirişli yapılar Türkiye’de ve genel olarak Akdeniz havzasında betonarme çerçevelerin alt bir dalını temsil etmektedir. Eğitimli bir tahmin ile ülkemizde toplam betonarme çerçevelerin %10 ila %15’inin bu yapı tipinde olduğu söylenebilir. Bu oran özellikle Akdeniz kıyısındaki şehirlerimizde %70’lere kadar çıkabilmektedir. Asmolen çerçeve yapılar için kırılganlık eğrilerini geliştirmek amacıyla tipik boyutlara, malzeme özelliklerine ve donatı detaylarına sahip iki boyutlu asmolen çerçeveli bir yapı, 2007 Türk Deprem Yönetmeliğine göre tasarlanmış ve modellenmiştir. Oluşturulan çerçeve modelinin sismik talep ve kapasitesini belirlemek amacıyla zaman tanım alanında doğrusal olmayan dinamik analiz ve statik itme analizleri yapılmıştır. Çerçeve elemanlar uçlarındaki doğrusal olmayan yaylar vasıtasıyla yığılı plastisite yaklaşımıyla modellenmiştir. Söz konusu yayların moment dönme ilişkileri yatık kiriş kolon alt birimlerinin literatürden seçilmiş deneysel verileri kullanılarak kalibre edilmiştir. Zaman tanım analizlerinden elde edilen veriler, önceden tanımlanmış performans seviyelerinin aşılma olasılıklarının seçili yer hareketi parametresinin fonksiyonu olarak hesaplanmasında kullanılmıştır. Elde edilen sonuçlar kullanılarak kırılganlık eğrileri geliştirilmiş ve literatürde mevcut yatık kirişli, kirişsiz ve standart kirişli sistemlerin sonuçlarıyla karşılaştırılmıştır. Çalışmanın sonucunda yatık kirişli betonarme çerçeve yapıların benzer yapısal özelliklere sahip konvansiyonel kirişli betonarme çerçeve yapılara göre daha kırılgan oldukları gösterilmiştir. Bu durum, her iki yapı türü de deprem yönetmeliğine uygun olarak inşa edilse dahi geçerlidir (burada bahsi geçen deprem yönetmelikleri 2018 öncesini kapsamaktadır). Bunun en büyük nedeninin, yatık kirişli yapılarda çok fazla yanal ötelemeye ve dolayısıyla hasara yol açan düşük yanal rijitlik olduğu düşünülmektedir. Bu zayıflık 2018 deprem yönetmeliğinde ele alınmış ve yeni çerçeve türü...

Conventional methods for visual assessment of civil infrastructures have certain limitations, such as subjectivity of the collected data, long inspection time, and high cost of labor. Although some new technologies i.e. robotic techniques that are currently in practice can collect objective, quantified data, the inspectors own expertise is still critical in many instances since these technologies are not designed to work interactively with human inspector. This study aims to create a smart, human centered method that offers significant contributions to infrastructure inspection, maintenance, management practice, and safety for the bridge owners. By developing a smart Mixed Reality framework, which can be integrated into a wearable holographic headset device, a bridge inspector, for example, can automatically analyze a certain defect such as a crack that he or she sees on an element, display its dimension information in real-time along with the condition state. Such systems can potentially decrease the time and cost of infrastructure inspections by accelerating essential tasks of the inspector such as defect measurement, condition assessment and data processing to management systems. The human centered artificial intelligence will help the inspector collect more quantified and objective data while incorporating inspectors professional judgement. This study explains in detail the described system and related methodologies of implementing attention guided semi supervised deep learning into mixed reality technology, which interacts with the human inspector during assessment. Thereby, the inspector and the AI will collaborate or communicate for improved visual inspection.