Influence of geometric and mechanical properties on the fragility of RC Maillart

bridges
Influenza della variabilità delle proprietà meccaniche e geometriche sulla fragilità
di ponti Maillart in c.a.

Giovanni Crisci1, Francesca Ceroni1, Gian Piero Lignola2, Andrea Prota2

1
Department of Engineering, University of Naples “Parthenope”, Naples, Italy
2
Department of Structures, University of Naples “Federico II”, Naples, Italy
1
Email: giovanni.crisci@uniparthenope.it / francesca.ceroni@uniparthenope.it
2
Email: glignola@unina.it / aprota@unina.it

L’autore di riferimento per questo paper è: Giovanni Crisci

ABSTRACT: The paper presents the results of nonlinear analysis carried out on RC deck stiffened arch bridges, a particular ty-
pology diffused in Italy in the 50s, known also as ‘Maillart bridges’. The particularity of the ‘Maillart’ bridges is mainly represented
by the high stiffness of the deck beam in comparison with the slenderness of the arch aimed to reduce the flexural stresses in it. In
this paper, the behavior of several simulated samples of ‘Maillart’ bridges, made of 2 carriageways, is analyzed under the seismic
actions provided by the current Italian design code. The analyses are performed by means of a nonlinear model implemented in the
software OpenSees where both the epistemic, i.e. strength of concrete and steel, and the ground motions uncertainties have been
considered. The, the Cloud approach is used to represent the effect of these variabilities on the structural response of the examined
bridges in terms of fragility curves. / Il lavoro presenta i risultati di analisi non lineari su ponti ad arco in c.a. a volta sottile ed im-
palcato rigido, una particolare tipologia di ponti ad arco diffusa in Italia negli anni ’50 e conosciuta anche come ponti ‘Maillart’.
L’elevata rigidezza dell’impalcato nei ponti ‘Maillart’ e l’elevata snellezza dell’arco sono finalizzate a ridurre le sollecitazioni flet-
tenti nell’arco. In questo studio si analizza il comportamento di alcuni esempi simulati di ponti ad arco del tipo ‘Maillart’ a 2 corsie
sotto i carichi sismici prescritti dall’attuale normativa italiana. Le analisi sono eseguite con modelli non lineari implementati nel
software OpenSees e considerando sia le incertezze legate alle proprietà meccaniche dei materiali (resistenze del calcestruzzo e
dell’acciaio) sia quelle legate all’input sismico. L’approccio ‘Cloud Analysis’ è stato utilizzato per rappresentare gli effetti delle va-
riabilità epistemiche e dell’input sismico sul comportamento strutturale dei modelli esaminati in termini di curve di fragilità.

KEYWORDS: RC arch bridges, Maillart bridges; Analisi dinamiche non lineari, Cloud Analysis, epistemic uncertainties/ Ponti ad
Arco in c.a., Ponti Maillart; Analisi Dinamiche non lineari, Analisi Cloud, variabili epistemiche.

1 INTRODUZIONE I recenti crolli di ponti verificatisi in Italia, primo

tra tutti il Viadotto "Polcevera" di Genova nel 2018,
Negli ultimi anni, la valutazione delle condizioni
ma anche strutture minori come il ponte di Albiano
di sicurezza rispetto ai carichi attuali dei ponti esi-
Magra (2020), hanno contribuito ad evidenziare i
stenti è diventata di prioritaria importanza per i ge-
principali problemi strutturali ed i rischi che possono
stori di ponti e infrastrutture. Infatti, il livello di si-
interessare il patrimonio infrastrutturale italiano. Sia
curezza di un ponte esistente è spesso inadeguato a
i collassi disastrosi che il danneggiamento diffuso
causa di diversi fattori: il numero sempre crescente
hanno, infatti, dimostrato che, anche per i soli cari-
di veicoli e, quindi, l’incremento dei carichi in eser-
chi gravitazionali attualmente agenti, le prestazioni
cizio indotti dal traffico, il degrado dei materiali
strutturali dei ponti esistenti potrebbero essere insuf-
(corrosione delle armature, carbonatazione del cal-
ficienti. Queste considerazioni hanno dato lo spunto
cestruzzo) accentuato dall’assenza o l’inefficacia di
per avviare negli ultimi anni diffuse campagne di va-
programmi di manutenzione e dalle condizioni am-
lutazione del rischio strutturale per ponti e infrastrut-
bientali, la necessità di tener conto di azioni sismi-
ture, che, in caso di danno, potrebbero comportare
che spesso non considerate o sottostimate all’epoca
significative perdite economiche e sociali.
del progetto. Condizioni ambientali e di carico mo-
Un ulteriore problema, molto sentito in Italia, è
dificate possono causare variazioni della resistenza
dato dall’assenza di un dettagliato catalogo delle in-
strutturale, pregiudicando la sicurezza dei ponti sia
frastrutture esistenti che rende ancora più difficile il
in condizioni ultime che di esercizio. Ciò comporta
ruolo degli enti gestori. Un esempio della particola-
che molti ponti esistenti potrebbero non soddisfare
rità dello scenario infrastrutturale italiano è rappre-
gli attuali standard di normativa.
sentato dal seguente dato (De Matteis et al., 2019): (Crisci et al., 2020b, Crisci et al., 2022); 2) analisi
nel Febbraio 2019, non era noto l’ente proprietario dinamiche lineari su tutto il campione (quindi su lar-
per circa 1000 strutture tra ponti e viadotti. ga scala) al fine di valutare l’effetto della variabilità
Sebbene nel patrimonio infrastrutturale italiano dei principali parametri geometrici nell’ambito del
dei ponti in calcestruzzo armato quelli a ‘travata’ campione stesso (Crisci et al., 2020a).
siano i più ricorrenti, una discreta percentuale è rap- Questo lavoro si propone l’obiettivo di estendere
presentata dai ponti ‘ad arco’. Tali ponti, progettati e le analisi non lineari già condotte sulla singola strut-
costruiti soprattutto negli anni ‘50 del secolo scorso tura al variare dell’input sismico anche alla larga
e, nella maggior parte dei casi, sottodimensionati per scala portando in conto la variabilità sia dei parame-
le condizioni di servizio odierne, richiedono partico- tri geometrici sia delle proprietà dei materiali consi-
lare attenzione a causa delle loro specifiche peculia- derati nella generazione del campione, ma senza, tut-
rità (arco progettato come funicolare dei pesi propri, tavia, dover svolgere le analisi non lineari su tutti gli
pilastri tozzi alla chiave dell’arco, interazione impal- elementi del campione. Per ridurre il numero di ana-
cato-arco) che rendono particolarmente complessa la lisi non-lineari da svolgere sono state utilizzate pro-
valutazione del loro comportamento sotto azioni sia cedure di campionamento statistico note in letteratu-
statiche che dinamiche. ra (Vamvatsikos, 2014). Successivamente, i risultati
Nell’ambito dei ponti ad arco in c.a., il presente delle analisi non lineari sono stati sintetizzati in ter-
lavoro focalizza l’attenzione sui cosiddetti ponti mini di vulnerabilità nei riguardi dell’azione sismica
‘Maillart’, caratterizzati da un impalcato molto rigi- attraverso opportune funzioni di fragilità costruite
do e da una volta esile e larga, collegati tra loro da basandosi sulla metodologia Cloud (Jalayer et al.,
colonne o pareti molto snelle. Queste strutture pren- 2012) già applicata in (Crisci et al., 2020b, Crisci et
dono il nome dall’ingegnere svizzero Robert Mail- al., 2022). Le analisi dinamiche non lineari sono sta-
lart che per primo pensò di invertire il classico rap- te realizzate generando dettagliati modelli tridimen-
porto di inerzia tra impalcato e arco e riuscì ad sionali dei ponti esaminati nel software OpenSees.
ottenere una netta riduzione del momento e del ta- I risultati di questo studio, in un eventuale scena-
glio agenti nell’arco. Tali ponti si inquadrano nelle rio post-terremoto, consentirebbero di stimare rapi-
cosiddette strutture ad “impalcato collaborante”, in damente i potenziali danneggiamenti su ponti ad ar-
cui quest’ultimo, chiamato ad esplicare una funzione co in c.a. e di indirizzare le operazioni e gli
statica, non costituisce più un semplice mezzo di tra- interventi strutturali post-evento sismico.
smissione dei carichi, ma contribuisce alla capacità
portante dell’intera struttura. Nei ponti ‘Maillart’, la
volta ha il compito di sopportare i carichi gravita-
zionali da peso proprio attraverso un regime princi-
palmente di compressione, ottenuto progettando la
forma dell’arco in maniera da essere funicolare dei
pesi propri. L’impalcato, invece, costituito da travi
di elevata rigidezza, è deputato ad assorbire le solle-
citazioni flessionali derivanti dai carichi accidentali.
In Figura 1 si riportano due esempi di ponti ad arco
tipo “Maillart” costruiti in Italia a partire dal 1960: il
ponte “Ciolo” (Fig. 1a) e il viadotto “Canalone”
(a)
(Fig. 1b).
Per questa tipologia di ponti ad arco informazioni
su dimensioni e tipologia degli elementi, dettagli co-
struttivi sulle armature e sulle proprietà dei materiali
sono disponibili per un numero ridotto di casi. Gli
intervalli tipici di variabilità delle geometrie e delle
proprietà meccaniche sono stati valutati basandosi su
dati disponibili per circa 90 ponti ad arco esistenti
(Crisci et al., 2021). Sulla base di questi intervalli, è
stato generato un campione di ponti ad arco (1500)
simulati con caratteristiche geometriche e meccani-
che compatibili con le variabilità osservate (Crisci et (b)
al., 2021). Sugli elementi di tale campione sono state
Figure 1. Examples of Maillart Bridges in Italy; (a) Ciolo Brid-
sviluppate numerose analisi strutturali lineari e non
ge (Lecce); (b) Canalone Viaduct (Salerno) / Esempi di Ponti
lineari finalizzate ad investigare la vulnerabilità si-
Maillart in Italia: (a) Ponte Ciolo (Lecce); (b) Viadotto Cana-
smica dei ponti Maillart con diversi approcci: 1)
lone (Salerno).
analisi dinamiche non lineari condotte su una singola
struttura del campione al variare dell’input sismico
2 DEFINIZIONE DEL CAMPIONE PER
ANALISI A LARGA SCALA
2.1 Procedura di campionamento
In generale, dato un qualsiasi modello strutturale,
i due principali fattori che contribuiscono all'incer-
tezza nella sua risposta sismica sono: (i) la variabili-
tà dell’input sismico, e (ii) la variabilità dei parame-
tri strutturali del modello, ovvero i parametri
geometrici e/o meccanici. La prima può essere por-
tata in conto analizzando la risposta dello stesso mo-
dello strutturale sotto molteplici accelerogrammi,
come ad esempio viene fatto attraverso l’analisi di-
namica incrementale, IDA (Vamvatsikos e Cornell
2002), o attraverso la Cloud Analysis (Jalayer,
2012). La variabilità dei parametri strutturali del
modello viene, invece, definita variabilità “epistemi-
ca” e può essere aggiunta alla precedente in analisi
dinamiche non lineari. Tuttavia, l’applicazione su
larga scala di analisi dinamiche non lineari combina-
te con approcci di simulazione Monte Carlo o con
altri metodi di campionamento, come il Latin Hy-
percube Sampling (LHS), finalizzati a portare in
conto la variabilità epistemica, potrebbe essere for-
temente limitata dall’enorme aumento del numero di
analisi. Se si volessero considerare tutti i parametri
di incertezza, determinare l’influenza di più parame-
tri casuali potrebbe diventare proibitivo in termini di
tempo. Il metodo LHS (Novák et al., 2014) appar-
tiene alla categoria delle tecniche di campionamento
avanzate in grado di fornire un’ottima stima della ri-
sposta statistica di una popolazione anche simulan-
done piccoli campioni. Più precisamente, il metodo
LHS è considerato una tecnica di riduzione della va-
rianza, poiché fornisce una varianza minore rispetto
al campionamento con la tecnica Monte Carlo, a pa-
rità di dimensione del campione. La caratteristica
fondamentale del metodo LHS è che ogni distribu-
zione cumulata, relativa ai parametri di definizione
del campione da simulare, viene suddivisa in Nsim
intervalli (con Nsim numero di simulazioni), tutti
uguali, i cui valori medi sono utilizzati nel processo
di simulazione. I valori medi vengono selezionati
come punti centrali dei vari intervalli direttamente
sulla funzione di densità di probabilità. La figura 2
riporta graficamente la selezione degli intervalli e
l’individuazione dei punti centrali.
Per ridurre gli oneri computazionali ed ottenere ri-
sultati che portino in conto la variabilità epistemica
oltre all’input sismico, l’approccio generale proposto
da (Vamvatsikos, 2014) può essere applicabile per
analisi di vulnerabilità su larga scala. Dato ad esem-
pio un campione di 100 strutture con caratteristiche
geometriche o meccaniche diverse ed un set di 100
accelerogrammi, tipicamente si dovrebbero eseguire
un totale di 100x100 (10000) analisi, se il compor-
tamento di ogni struttura venisse studiato per gli
stessi 100 accelerogrammi selezionati. Secondo
(Vamvatsikos, 2014), in maniera alternativa,
l’insieme delle 10000 analisi può essere partizionato
in 100 potenziali estrazioni, ciascuna delle quali cor-
risponde ad una sola delle 100 analisi che andrebbe-
ro eseguite per ogni struttura. In questo modo, il
numero di analisi da eseguire si ridurrebbe ad un
numero (100), esattamente pari al numero di accele-
rogrammi selezionati. Questo approccio viene indi-
cato in letteratura come assegnazione 1 a 1 (1 strut-
tura per 1 accelerogramma) e permette un vantaggio
sempre maggiore in termini di oneri computazionali
al crescere del numero di variabili considerate.
Figure 2. Range selections and definition of mean values (No-
vák et al., 2014) / Selezione di intervalli e definizione dei valo-
ri medi (Novák et al., 2014).
2.2 Definizione del campione
La procedura descritta è stata applicata in questo
lavoro ad un campione di ponti ad arco in c.a. del ti-
po ‘Maillart’, al fine di eseguire analisi dinamiche
non lineari in cui si considerasse sia la variabilità
dell’input sismico attraverso una opportuna scelta di
accelerogrammi sia la variabilità dei principali pa-
rametri geometrici di tali ponti (freccia, luce, altezza
impalcato, dimensione pilastri, percentuale meccani-
ca di armatura, etc.) e di quelli meccanici (resistenza
a compressione del calcestruzzo, fc, resistenza allo
snervamento dell’acciaio, fy).
In (Crisci et al., 2021), grazie ad una approfondita
indagine su vecchi progetti, libri e risorse online, so-
no stati raccolti e individuati sul territorio italiano
circa 90 ponti ad arco a via superiore, grazie ai quali
è stato possibile definire la variabilità di alcuni pa-
rametri geometrici principali, quali: la luce dell’arco
L (50-120m), il rapporto freccia/luce (0.2-0.3), lo
spessore della volta (0.15-0.3m), la larghezza
dell’impalcato (6-8m), la lunghezza degli elementi
tozzi (0.3-0.45m), la dimensione delle basi di travi e
pilastri (0.30-0.45m). I valori dei principali parame-
tri geometrici sono stati fatti variare nei suddetti in-
tervalli assumendo una distribuzione uniforme di
probabilità, a causa del ridotto numero di dati dispo-
nibili, insufficiente a determinare delle distribuzioni
statistiche affidabili. La resistenza a snervamento
dell’acciaio e quella a compressione del calcestruzzo
sono state fatte variare assumendo distribuzioni log-
normali (Figura 3a e 3b), in cui il valore medio è sta-
to definito sulla base di indicazioni di letteratura per
i materiali comunemente utilizzati all’epoca di co-
struzione dei ponti ‘Maillart’ (fc = 20 MPa per il cal-
cestruzzo e fy= 600 MPa per l’acciaio, Crisci et al.,
2021) e la deviazione standard è stata fissata in base
a studi di letteratura su edifici esistenti (Verderame
et al., 2001, Tabella 1). Utilizzando tali distribuzio-
ni, è stato, quindi, applicato il metodo LHS per ge-
nerare un campione di 80 ponti ad arco del tipo
‘Maillart’, tutti diversi tra loro per caratteristiche
geometriche e/o proprietà dei materiali ed ai quali
saranno applicati 80 diversi accelerogrammi secondo
l’approccio di assegnazione 1:1 per eseguire altret-
tante analisi dinamiche non lineari.
Table 1. Mechanical properties of materials for lognormal
distribution/Proprietà meccaniche dei materiali per distribuzio-
ni lognormali.
Mechanical Lognormal Statistical Distribution
Property mean µ St. dev. σ
Concrete fc 20.0 MPa 8.6
Steel fy 600.0 MPa 28.6
(a)
(b)
Figure 3. Log-normal distributions of: (a) concrete compres-
sion strength fc; (b) steel yielding strength fy / Distribuzioni log-
normali della: (a) resistenza a compressione del calcestruzzo,
fc; (b) Resistenza a trazione dell’acciaio, fy.
2.3 Selezione degli accelerogrammi
L’analisi dinamica non lineare con integrazione al
passo è lo strumento più affidabile per analizzare il
comportamento sismico e valutare le prestazioni di
una struttura esistente. I risultati delle diverse analisi
dinamiche non lineari sono stati interpretati nel se-
guito attraverso la metodologia ‘Cloud’ (Jalayer et
al., 2015, Jalayer et al., 2017, Miano et al., 2018,
Zanini et al., 2020) che è finalizzata ad ottenere cur-
ve di fragilità per strutture esistenti sottoposte ad una
serie di accelerogrammi naturali non scalati. In par-
ticolare, la metodologia ‘Cloud’ implementa i risul-
tati delle analisi dinamiche non lineari in termini di
un parametro prestazionale della struttura in un mo-
dello probabilistico basato sulla regressione lineare.
In un piano bi-logaritmico, infatti, si riporta una
‘nuvola’ (Cloud) di punti che rappresentano coppie
di una data misura di intensità, im, (PGA, PGD,
PGV, etc..) e di un corrispondente parametro presta-
zionale della struttura, EDP, (spostamento, rotazio-
ne, etc.), entrambi ottenuti dalle analisi. Si esegue,
quindi, una regressione lineare nel piano bi-
logaritmico di tali coppie di punti al fine di ottenere
una curva che fornisca valori medi di EDP per cia-
scun livello di im.
Secondo il metodo di assegnazione 1 a 1, avendo
generato un campione costituito da 80 ponti, la va-
riabilità dell’azione sismica è stata considerata attra-
verso la selezione di 80 accelerogrammi, individuati
nel database SIMBAD (Selected Input Motions for
Displacement-based Assessment and Design, Smer-
zini et al., 2014) seguendo alcuni criteri suggeriti in
letteratura quando si applica la metodologia Cloud
(Jalayer et al., 2015, Jalayer et al., 2017, Miano et
al., 2018, Zanini et al., 2020) e riportati a seguire: 1)
gli accelerogrammi selezionati devono coprire una
vasta gamma di misure di intensità al fine di ridurre
l'errore nella stima della pendenza di regressione, 2)
una porzione significativa dell’input deve avere va-
lori maggiori delle soglie di riferimento, cioè deve
determinare il superamento di predefinite prestazioni
della struttura in modo da avere una effettiva regres-
sione, 3) la selezione dell’input sismico deve anche
riflettere i meccanismi dominanti del terreno e le
condizioni del sito (Kohrangi et al, 2017), 4) non si
devono selezionare troppi accelerogrammi dallo
stesso evento sismico per ridurre potenziali correla-
zioni.
3 MODELLI ED ANALISI NUMERICHE
Ciascuno degli 80 ponti del campione è stato defini-
to in termini di dimensioni degli elementi resistenti
(travi, pilatri, arco) e di quantitativi di armatura sulla
base di un progetto simulato (Crisci et al., 2020) in
cui è stata replicata la tipica procedura utilizzata ne-
gli anni ’50 e ’60 del secolo scorso in accordo ai co-
dici normativi in vigore nel 1945, il Regio Decreto
del 1939 e la Circolare n. 6018 sui carichi verticali
agenti sulle strutture da ponte.
Sono stati, quindi, utilizzati gli schemi strutturali
più comunemente adottati all’epoca, che, per ridurre
l’onere di calcolo, erano molto semplici (in genere
bi-dimensionali). Nel caso dei ponti ad arco, in par-
ticolare, si considerava l’arco fisso alle sue imposte
e gli impalcati continui sui pilastri, che solitamente
venivano considerati assialmente rigidi e incernierati
alle due estremità (come pendoli). Definiti gli sche-
mi strutturali ed utilizzando il metodo delle tensioni
ammissibili ed i valori medi delle proprietà dei ma-
teriali riportati in Tabella 1, sono stati determinati i
quantitativi di armatura a flessione e a taglio e sono
state verificate le dimensioni di tutti gli elementi in
calcestruzzo (travi, pilastri, arco) in relazione ai ca-
richi verticali previsti dalle normative in vigore nel
1945 (Crisci et al., 2020). Questa procedura ha per-
messo di scartare eventuali combinazioni di parame-
tri che dessero luogo a strutture non verificate per i
carichi vigenti all’epoca di costruzione.
Successivamente, per ciascuno degli 80 ponti si-
mulati è stato creato un sofisticato modello tridimen-
sionale agli elementi finiti (Figure 4a) nel software
OpenSees (Mazzoni et al., 2009). Nella fattispecie,
elementi ‘beam’ sono stati utilizzati per modellare
l’arco, i pilastri e l’impalcato. L’arco è considerato
fisso nelle sue imposte in tutte le direzioni, mentre
l’impalcato è libero di muoversi per spostamenti or-
(a)
Figure 4. (a) Finite Element model of a generic ‘Maillart’ type bridge of the generated database; (b) the backbone curve of pillars
controlled by shear /(a) Modello agli elementi finiti di uno dei ponti ‘Maillart’ presenti nel campione; (b) Sviluppo flessionale di pi-
lastri tozzi in caso di rotture fragili.
Il comportamento sismico di tutti gli 80 ponti del
database è stato esaminato attraverso analisi dinami-
che non lineari. In tali analisi, la volta e le travi sono
state considerate elastiche, mentre per i pilastri è sta-
to adottato un modello a plasticità concentrata inte-
grato nella libreria di OpenSees del tipo “Beam With
Hinges”. Il comportamento non lineare delle cerniere
plastiche alle estremità dei pilastri è stato simulato at-
traverso il legame momento-curvatura riportato in
Figura 4b e caratterizzato da tratti lineari individuati
da 4 punti (Mcr, My, Mmax e Mult). Poiché per i pilastri
più tozzi la crisi è di tipo tagliante, (Crisci et al.,
2020), l’interazione taglio-flessione è stata dunque
portata in conto considerando una riduzione della
duttilità flessionale (Priestlely et al., 1994).
Per simulare il comportamento dell’impalcato so-
togonali all’asse del ponte e vincolato alla traslazio-
ne nella direzione parallela all’asse al fine di simula-
re la presenza di spalle o di altri viadotti di collega-
mento che ne limitano gli spostamenti.
Attraverso il modello tridimensionale, in primis,
sono state eseguite analisi in presenza dei soli cari-
chi non sismici previsti dall’attuale normativa vigen-
te in Italia (Crisci et al., 2021). Tali analisi hanno
evidenziato un buon comportamento sia per l’arco
che per l’impalcato, mostrando una buona resistenza
sia per le azioni flessionali che taglianti. Ben più se-
vere sono invece risultate le condizioni di sollecita-
zione relative ai pilastri, soprattutto quelli più snelli
(esterni rispetto alla chiave dell’arco), dove si evi-
denziano prevalentemente crisi flessionali. Maggiori
dettagli su tali verifiche sono riportati in Crisci et al.,
(2021), mentre nel seguito si forniranno informazio-
ni più approfondite sulle sole verifiche sotto azioni
sismiche in quanto il presente lavoro è essenzial-
mente finalizzato alla valutazione della vulnerabilità
sismica dei ponti ad arco ‘Maillart’ tenendo conto
della variabilità dell’input sismico e di quella epi-
stemica.
Shear Behavior
Flexural Behavior
(c y; My) (c sp; Msp)
Bending Moment M
DS2
DS1
(c cr; Mcr) (c ult; Mult)
Curvature c
(b)
no stati considerati come elementi resistenti solo le
travi, trascurando la presenza della soletta, che è sta-
ta, quindi, portata in conto solo in termini di carico,
mentre un diaframma rigido ne simula l’effetto nel
piano. Tale semplificazione è, inoltre, giustificata dal
fatto che spesso nei ponti, i componenti strutturali
più vulnerabili sono i pilastri, mentre difficilmente si
apprezzano danneggiamenti all’impalcato.
Il comportamento strutturale di ogni elemento si
riflette nella vulnerabilità dell’intero ponte. Nelle
analisi qui presentate, a favore di sicurezza, è stato
considerato come livello prestazionale del ponte,
quello dell’elemento, o degli elementi, che per primi
raggiungono un predefinito target. Per la specifica ti-
pologia strutturale esaminata, data l’elevata vulnera-
bilità a taglio degli elementi tozzi, si è assunto che
questi ultimi qualifichino il comportamento 5. Si precisa, inoltre, che ciascuna soglia è il valore
dell’insieme. Pertanto, se negli elementi tozzi si rag- medio tra tutti gli 80 valori dei DSi raggiunti dai pila-
giunge la prematura rottura a taglio, che anticipa lo stri tozzi nelle 80 analisi. Ciò comporta che la defini-
snervamento delle armature longitudinali per flessio- zione delle soglie di danno non è deterministica, ma è
ne, questi elementi subiscono una repentina riduzione caratterizzata da una media e una varianza relative al
di resistenza (Figura 4b). Non sapendo se tali pilastri campione di 80 ponti diversi analizzati: ciascun pon-
riescano ancora a portare carico verticale, a favore di te del campione, con riferimento ai suoi pilastri tozzi,
sicurezza, si considera come ultimo livello di per- ha, infatti, un distinto valore del drift relativo al DS1
formance per tali elementi la condizione appena an- e al DS2. Oltre al valore medio delle soglie di danno
tecedente lo snervamento (DS2 in Fig. 4b). L’altra è, quindi, possibile definire anche il 16° e l’84° per-
condizione di danno definita per tali pilastri corri- centile della loro distribuzione.
sponde alla loro fessurazione (DS1 in Fig. 4b). In Figura 6 si riportano le curve di fragilità per i
due livelli di danneggiamento DS1 e DS2 con riferi-
mento sia ai valori medi che ai percentili 16° e 84°
4 RISULTATI DELLE ANALISI NON LINEARI
della distribuzione delle soglie di danno DS1 e DS2
In accordo al metodo di assegnazione 1 a 1, gli 80 negli 80 ponti analizzati; pertanto, per ogni DS, si
accelerogrammi selezionati sono stati applicati al può definire un fuso di variazione delle relative curve
campione di ponti generato, formato da 80 strutture di fragilità.
diverse per geometria o proprietà meccaniche dei
materiali. Come parametro rappresentativo della ri-
sposta sismica di ogni ponte è stato assunto il massi-
mo drift dei pilastri registrato (indicato con PD, i.e.
Pillar Drift) durante l’analisi dinamica per effetto
dell’accelerogramma applicato a quel ponte che è a
sua volta identificato dalla sua PGA. In accordo
all’approccio Cloud, i valori del massimo PD e della
PGA corrispondente all’accelerogramma che ha ge-
nerato quel drift sono diagrammati in un piano dop-
piamente logaritmico dando luogo alla nuvola di
punti su cui si esegue una regressione lineare (Figura
5).

Figure 6. Fragility curves for DS1 and DS2/ Curve di fragilità

per DS1 e DS2.
La tabella 2 mostra i parametri statistici relativi al-
la retta di regressione individuata nel piano bi-
logaritmico (Figura 5). I parametri a e b sono rispet-
tivamente la pendenza e l’intercetta della retta di re-
gressione (Jalayer, 2012), mentre  e σ sono il valore
medio e la deviazione standard della funzione lo-
gnormale che rappresenta ciascuna curva di fragilità
(Jalayer, 2012).

Table 2. Statistics parameters of fragility curves (a, b, θ and σ /

Parametri statistici per le curve di fragilità (a,b,  e σ).
Figure 5. Cloud analysis results and linear regression / Regres-
sione lineare dei risultanti delle NLTHA.
Parametri Statistici Curve di Fragilità
DS
 [g] a b σ
Si osserva in tutte le analisi che per ciascun acce-
lerogramma il massimo drift ricorre sempre in corri- µ 0.060
spondenza dei pilastri più tozzi, vale a dire quelli in DS1 16° 0.047
corrispondenza della chiave di volta dell’arco. Per- 84° 0.072
0.043 1.24 0.61
tanto, stante il loro comportamento tagliante (linea µ 0.195
rossa in Figura 4b), solo due livelli prestazionali pos- DS2 16° 0.176
sono essere individuati (DS1 e DS2). Le soglie di cia- 84° 0.238
scun DS (DS1=0.1% e DS2=0.6%) sono state rappre-
sentate unitamente alla retta di regressione in Figura Le curve di fragilità riportate in Figura 6 permet-
tono di valutare l’influenza della variabilità dei pa-
rametri geometrici e meccanici sulla fragilità dei
ponti investigati. Se si trascurasse la variabilità dei
parametri meccanici e geometrici, le curve di fragilità
sarebbero quelle ‘medie’. La variabilità dei parame-
tri, come discusso, porta, invece, alla definizione dei
fusi individuati dai percentili 16° e 84°.
Con riferimento a due fissate località, l’una a bas-
sa (Genova - PGASLV = 0.07g) e l’altra ad alta sismi-
cità (L’Aquila - PGASLV = 0.21g), è possibile valuta-
re quanto sia influente la variabilità dei parametri
meccanici, e quindi l’estensione del fuso, sulla fragi-
lità di ponti situati nelle due località. In Tabella 3 si
riportano i valori della probabilità di superamento di
DS1 e DS2 per le PGA attese nei due siti allo SLV sia
con riferimento alla curva di fragilità media che al
limite inferiore individuato dal 16° percentile. Si os-
serva in generale una maggiore influenza per DS2
(per DS1 nel sito ad alta sismicità non cambia la per-
centuale perché già pari al 100% per la curva media)
ed un effetto più marcato per il sito ad alta sismicità.
Nel sito a bassa sismicità la percentuale di supera-
mento di DS2 raddoppia nel passaggio dalla curva
media al 16° percentile, ma resta comunque limitata
(1.7% vs. 3.3%).
Table 3. Probability of exceedance for Genova and L’Aquila /
Probabilità di superamento per Genova e L’Aquila.
Pr[PD>DS1] Pr[PD>DS2]
Genova 63% 1.7%
media
L’Aquila 100% 64%
Genova 77% 3.3%
16° perc.
L’Aquila 100% 78%
Si sottolinea che l’approccio adottato per la defi-
nizione delle soglie di prestazione, cioè associare la
prestazione del ponte al raggiungimento di un target
del primo elemento strutturale del ponte, è sicura-
mente molto conservativo in quanto non tiene conto
del comportamento della struttura e della sua capaci-
tà di ridistribuzione dopo la crisi del singolo pilastro
tozzo. Le curve di fragilità riportate in Figura 6 sono
fortemente influenzate dalla rottura per taglio dei pila-
stri tozzi, tipica di questi ponti; infatti, i valori mediani
di PGA (0.06 g per DS1 e 0.195g per DS2) sono indice
di un comportamento profondamente fragile rispetto a
curve di fragilità di altre tipologie strutturali.
Per ottenere valutazioni meno conservative, per
sviluppi futuri, si analizzerà l’evoluzione del dan-
neggiamento nella struttura per valutare le prestazio-
ni dell’intero ponte anche dopo la crisi di un suo sin-
golo elemento strutturale. Tali valutazioni
risulterebbero particolarmente interessanti anche per
stimare gli effetti di eventuali interventi strutturali
localizzati in singoli elementi sulla fragilità
dell’intero ponte.
4 CONCLUSIONI
This work focuses attention on the Deck – Stiff-
ened Arch Type bridges, also known as “Maillart –
Type” Arch Bridges, in which an inversion of the usu-
al arch-to-deck inertia ratio was designed in order to
improve the stress distribution in the structural ele-
ments and, mainly, in the arch that was mainly sub-
jected to compression and, thus, realized with thinner
cross section.
The seismic performance of the “Maillart type”
bridge is analysed through the construction of fragili-
ty functions for different damage states based on
non-linear dynamic analyses. The influence of the
uncertainties related to several aspects (seismic input,
geometrical parameters of the bridges, strength of
materials) is investigated by using the Cloud Analy-
sis approach and with the aim of assessing the seis-
mic vulnerability of this kind of structure at large
scale.
The analyses were developed on a dataset of 80
bridges defined according to the common design
schemes adopted at the time of construction and to the
mandatory codes in the 1950s. Ranges of variability of
the main geometrical properties of this type of bridge
were assessed based on the existing literature, books,
codes and drawings of realized “Maillart–Type” arch
bridges. The number of analysed structural samples,
taking into account several sources of uncertainness,
was optimized by means of a statistical approach
known in literature. The non-linear dynamic analyses
were carried out by means of three-dimensional mod-
els of the bridges by means of the Opensees software.
The fragility functions were built by adopting as
an engineering design parameter the drift of the pil-
lars. Since each structure of the sample has a differ-
ent drift threshold, the definition of the threshold for
the whole sample is not deterministic, but has an av-
erage value and a standard deviation, which allowed
to obtain a range of variability of the fragility func-
tions, i.e. the average and the 16th and 84th percentile
curves related to the corresponding drift thresholds.
Such a variability of the fragility functions evidenced
that a greater influence of the mechanical and geo-
metrical parameters for higher damage levels and for
structures localized in high seismicity areas. It is
worth noting that, since the analyses evidenced in all
cases a shear failure of the shortest pillars, only two
damage states were defined, one related to cracking
and the other to the shear strength. For both damage
levels, the fragility functions evidenced a high fra-
gility of these structures, probably because the failure
of the whole bridge does not correspond to the shear
failure of the shortest pillar. Thus, future develop-
ments will be focused on the analysis of damage sce-
narios able to follow the bridge behaviour after the
shear failure of single elements and on the assess-
ment of the beneficial effects of localized strengthen-
ing interventions.
 Tale lavoro esamina il comportamento sismico dei
ponti ad arco in c.a. a volta sottile e trave irrigidente,
noti anche come ponti ad arco "Maillart", in cui, at-
traverso un’inversione del consueto rapporto d'iner-
zia tra arco e impalcato, si migliorava la distribuzio-
ne delle sollecitazioni negli elementi strutturali ed, in
particolare, nell'arco che, essendo soggetto essen-
zialmente a forze di compressione, poteva essere rea-
lizzato con sezioni più sottili, mentre l’impalcato, ca-
ratterizzato da un’elevata rigidezza, era deputato ad
assorbire le sollecitazioni flessionali e taglianti.
La vulnerabilità sismica dei ponti ‘Maillart’ è stata
qui valutata attraverso la costruzione di curve di fra-
gilità per diversi stati di danno basandosi sui risultati
di analisi dinamiche non lineari in cui l’influenza
dell’incertezza di diversi aspetti (input sismico, pa-
rametri geometrici e meccanici) è stata portata in
conto per estendere le valutazioni alla ‘larga scala’.
Le analisi sono state sviluppate su un database di
80 ponti simulati e progettati in accordo agli schemi
statici adottati negli anni ’50 e ’60 del secolo scorso e
dei codici normativi vigenti in quegli anni. Gli inter-
valli di variazione di alcuni parametri geometrici dei
ponti ‘Maillart’ sono stati fissati in base ad informa-
zioni provenienti da letteratura scientifica, libri, codi-
ci e disegni di ponti ‘Maillart’ effettivamente realiz-
zati. La variabilità delle resistenze dei materiali
rispetto ai valori medi, questi ultimi fissati in base ai
materiali comunemente utilizzati per tali strutture ne-
gli anni 1950-60, è stata definita considerando va-
rianze di letteratura per edifici esistenti.
Il numero di modelli strutturali analizzati per tene-
re conto di tutte le fonti di variabilità è stato ottimiz-
zato attraverso l’uso di un approccio statistico noto in
letteratura. Le analisi dinamiche non lineari sono sta-
te condotte attraverso modelli tridimensionali im-
plementati nel software Opensees. La metodologia
‘Cloud’ è stata utilizzata per analizzare i risultati ed
ottenere curve di fragilità adottando come parametro
prestazionale dell’intero ponte il drift dei pilastri. La
definizione dei valori del drift non è stata determini-
stica, ma, a causa del valore diverso per ciascuno de-
gli 8 ponti analizzati, è caratterizzata da una media e
una varianza che hanno permesso di costruire le cur-
ve di fragilità sia con riferimento al valore medio del-
le soglie di danno sia ai percentili 16° e 84° della loro
distribuzione. Tale variabilità delle curve ha eviden-
ziato che l’influenza della variabilità dei parametri
meccanici e geometrici è maggiore per i livelli di
danno più alti e per strutture localizzate in siti ad alta
sismicità. Occorre sottolineare che, poichè le analisi
hanno evidenziato in tutti i casi una rottura per taglio
dei pilastri più corti, sono stati definiti solo due stati
di danno, uno relativo alla fessurazione e l'altro alla
resistenza a taglio di tali pilastri. Per entrambi i livelli
di danno, si è osservata un'elevata fragilità dei ponti
simulati, probabilmente perché la crisi dell'intero
ponte non corrisponde nella realtà alla crisi a taglio
del pilastro più corto. Pertanto, sviluppi futuri di que-
sto lavoro si concentreranno sull'analisi di scenari di
danno successivi alla crisi a taglio dei singoli pilastri
e sulla valutazione degli effetti benefici di eventuali
interventi di rinforzo localizzato.
RINGRAZIAMENTI
Il lavoro è stato sviluppato nell’ambito del progetto “ReLUIS
DPC 2019/2021, WP4/Task 4.9 – Modelli e curve di fragilità di
ponti esistenti”, finanziato dal Dip. di Protezione Civile italiana.
REFERENCES
Crisci G., Ceroni F., Lignola G.P., Prota A. (2020a). “Structural
Peculiarities of Maillart – Type Arch Bridges. Proc. of Ita-
lian Concrete Days 2020.
Crisci G, Ceroni F, Lignola GP, Prota A. (2020b). Seismic re-
sponse of RC deck-stiffened arch existing bridges. Proc. of
the 18th Int. Conf. of Numerical Analysis and Applied Math-
ematics; 2020 September 17-23; Rhodes – Greece.
Crisci G, Ceroni F, Lignola GP, Prota A. Performance of exist-
ing reinforced concrete arch bridges under current non seis-
mic loads. COMPDYN 2021, Greece; 2021 June 27–30.
Crisci G, Ceroni F, Lignola GP, Prota A (2022). Critical issues
in existing RC deck stiffened arch bridges under seismic ac-
tions. Eng St. https://doi.org/10.1016/j.engstruct.2022.114980.
De Matteis G., Bencivenga P., Zizi M., Del Prete A.; 2019: Ri-
schio strutturale di ponti esistenti: considerazioni preliminari
sullo scenario in provincia di Caserta. In Proc. XVIII Con-
vegno ANIDIS, Ascoli Piceno, Italy.
FEMA (2003) HAZUS-MH MR1: technical manual. Federal
Emergency Management Agency, Washington, DC.
Gentle, J. E. (2006). Random number generation and Monte
Carlo methods. Springer Science & Business Media.
Jalayer F, De Risi R, Manfredi G. (2015). Bayesian Cloud
Analysis: efficient structural fragility assessment using line-
ar regression. Bull Earthq Eng. 13(4): 1183-1203.
Jalayer F, Ebrahimian H, Miano A, Manfredi G, Sezen H.
(2017). Analytical fragility assessment using un-scaled
ground motion records. Earthq Eng Struct Dyn.
https://doi.org/10.1002/eqe.2922.
Kohrangi M, Vamvatsikos D, Bazzurro P. Site dependence and
record selection schemes for building fragility and regional
loss assessment. Earthq Eng Struct Dyn. 2017; 46
(10):1625‐1643.
Miano A., Jalayer F., Ebrahimian H. and Prota A. (2018),
“Cloud to ida: Efficient fragility assessment with limited
scaling” Earthquake Engineering & Structural Dynamics,
vol. 47, no. 5, pp. 1124-1147.
Mouroux P, Le Brun B (2006) Presentation of risk-UE project.
Bull Earthq Eng 4:323–339.
Novak D., Vorechovsky M., Teply B., "FReET: Software for
the statistical and reliability analysis of engineering prob-
lems and FreET-D: Degradation module". Advances in
Engin. Software, 2013. 10.1016/j.advengsoft.2013.06.011.
Priestley MJN, Verma R, Xiao Y. Seismic shear strength of re-
inforced concrete columns. J Struct Eng ASCE 1994;120(8):
2310–29.
Smerzini C, Galasso C, Iervolino I and Paolucci R (2014)
Ground motion record selection based on broadband spectral
compatibility. Earthquake Spectra 30(4): 1427–1448.
Vamvatsikos D, Cornell CA (2002) Incremental dynamic analy-
sis. Earthq Eng Struct Dyn 31(3):491–514.
Vamvatsikos D. (2014) Seismic performance uncertainty esti-
mation via IDA with progressive accelerogram-wise Latin
Hypercube Sampling. J Struct Eng.
Verderame GM, Manfredi G, Frunzio G (2001a) Le proprietà
meccaniche dei calcestruzzi impiegati nelle strutture in ce-
mento armato realizzate negli anni 60. L’ingegneria Sismica
 in Italia, Potenza-Matera 9–13/09/2001.
Verderame GM, Stella A, Cosenza E (2001b) Le proprietà mecca-
niche degli acciai impiegati nelle strutture in cemento armato
realizzate negli anni 60. L’Ingegneria Sismica in Italia, Potenza
e Matera 9–13/09/2001.
Zanini M.A., Hofer L., Faleschini F., Pellegrino C. (2020)
Seismic Reliability Analysis: Application to an Existing
Single-Span Open-Spandrel RC Arch Bridge. In: Arêde A.,
Costa C. (eds) Proc. of ARCH 2019.