结构健康监测（ＳＨＭ）技术在许多大型桥梁的运营养护管理中均有应用，但已有监测系统积累的海量数据并未被充分解读。为将大数据技术引入到桥梁 ＳＨＭ 数据的处理分析中，首先总结大数据的概念和构成要素；然后分析ＳＨＭ 数据的工业大数据属性，梳理桥梁ＳＨＭ 大数据的研究方向；随后综述包括处理技术和分析方法在内的大数据技术在桥梁ＳＨＭ 中的应用现状，在由数据预处理、数据融合、特征工程、模式识别、可视化构成的大数据分析流程中提出 ＳＨＭ 大数据研究的需求和应用场景；最后对大数据技术在桥梁ＳＨＭ 中的前景与驱动力进行展望和讨论。结果表明：ＳＨＭ 大数据研究应以结构状态评估为落脚点；大数据处理技术在ＳＨＭ 的系统框架搭建及数据分析能力扩展方面虽已得到较多应用，但其并非 ＳＨＭ 大数据研究的重点；ＳＨＭ 数据融合对大数据分析方法有迫切需求，以实现桥梁 ＳＨＭ 数据与外观检测等多源异构数据的多层面融合；深 度 学习、集成学习为结构状态敏感特征的提取提供了新的算法；有监督、无监督机器学习方法结合海量ＳＨＭ 数据将对结构状态评估下的模式识别问题形成更全面的认知；异常识别、相关分析、迁移学习等方法可为实桥ＳＨＭ 损伤识别提供支撑。研究结果可为ＳＨＭ 领域的大数据研究提供参考。
