人工智能在建筑工程和管理中的作用：批判性评论和未来趋势外文翻译资料

英语原文共 21 页，剩余内容已隐藏，支付完成后下载完整资料

人工智能在建筑工程和管理中的作用：批判性评论和未来趋势

关键词：人工智能，建筑工程及管理，批判性审查

摘要

随着人工智能(AI)的广泛应用，建筑工程与管理(CEM)正经历着快速的数字化转型。由于CEM中基于AI的解决方案已经成为当前的研究热点，因此需要对其进行全面的理解。在这方面，本文在科学计量学和定性分析下进行了系统的回顾，介绍了CEM中人工智能采用的现状，并讨论了其未来的研究趋势。首先，根据1997-2020年发表的4,473篇期刊文章，进行了科学计量学综述，以探讨关键词、期刊和集群的特点。研究发现，相关论文的激增，特别是在过去的10年里，随着关键词流行从专家系统到建筑信息建模(BIM)、数字孪生等的变化。 然后，对CEM进行了简要的了解，这可以从人工智能在自动化、风险缓解、高效率、数字化和计算机视觉方面的新兴趋势中获益。特别关注的是六个热点研究主题，充分利用了人工智能在CEM中的优势，包括（1)知识表示和推理，(2)信息融合，(3)计算机视觉，(4)自然语言处理，(5)智能优化，(6）过程挖掘。这些主题的目标是在实际复杂项目的整个生命周期中以数据驱动的方式建模、预测和优化问题。为了进一步缩小AI与CEM之间的差距，突出了未来研究的六个关键方向，如智能机器人、云虚拟和增强现实(云VR/AR)、人工智能(AIOT)、数字孪生、4D打印和区块链，以不断促进CEM的自动化和智能化。

1.前言

在工程和建造（AEC）行业范围内的建筑工程和管理（CEM）充满了自己的问题和复杂性，涵盖了与建筑相关的活动和过程以及人类因素和相互作用的研究。建筑业作为经济的一个大部门，在推动经济增长和国家长期发展发挥着突出的作用。根据McKinsey全球研究所(McKinseyGlobalInstitute)2017年的一项调查，全球建筑业约占世界国内生产总值(GDP)的13%，预计这一数字将在2020年上升到15％。与此同时，建设项目为7%的世界劳动人口创造了广泛的就业机会。尽管它在经济上很重要，但一个明显的问题是施工过程中劳动生产率差，从而导致人力、物力和财力的浪费。因为建筑活动在经济上对我们的社会有很大的贡献，为了提高产品性能，最有意义的方法是采取适当的施工管理。如果建筑生产率提高50%至60%或更高，估计每年将增加1.6万亿美元的工业价值，并进一步提高全球GDP。

具有固有复杂性的建筑被认为是最危险的行业之一，它极易受到各种不可预测的因素的影响，如不同角色的参与者、大不确定性中多变的环境、设备碰撞危险等诸多因素。因此，建筑业往往会造成较小规模的致命事故，其发生频率高于其他领域，这甚至导致了世界范围内30%-40%的死亡。例如在1989-2013年期间，建筑工地上的事故在美国造成26,000多名工人死亡。2014年，欧洲共发生782起致命建筑事故，伤亡率约为每10万工人13人。根据韩国就业和劳工部2012年至2015年的年度报告，韩国建筑业的死亡率仍然是其他经济部门中最高的。中国的建筑业被认为是最危险的行业之一，在那里，致命事故的数量超过了许多发达国家，没有明显的下降趋势。大量的研究表明，安全问题与危险的工作条件和缺乏监督有关，强调施工管理对安全保障和事故预防的必要性。通过在早期阶段识别、评估和应对动态和危险建筑环境中的潜在风险，预计将消除安全危害，然后可持续地减少建筑业的死亡人数。

在“工业4.0”的背景下，CEM正在不断创新数字化和智能化，以实现自动化、生产力和可靠性的显著提高。也就是说，建筑业正在沿着整个建筑价值链重塑自己，包括规划、建设、运营和维护(Oamp;M)。为了在CEM中推出真正的数字策略，人工智能作为骨干，在改变建设项目的执行方式方面贡献了极大的作用。作为计算机科学的一个分支，人工智能驱动计算机感知和学习诸如感知、知识表示、推理、解决问题和规划等输入，这些输入可以以有意、智能和适应性的方式处理复杂和不明确的问题。对人工智能的投资正在迅速增长，其中机器学习占很大比例，可以从多个来源学习足够大的数据，然后根据数据的洞察力自适应地做出明智的决策。根据埃森哲公司的一份报告，人工智能已经改变了生活的每一步，这预示着劳动力效率将在2035年提高40%和年增长率翻一番的巨大潜力。为了使人工智能不辜负人们的期望，越来越多的公司正在积极投资于各种人工智能技术，这使人工智能成为一个更突出的焦点，并扩大了其应用范围。当AI人才不断成熟时，相信AI方法将成为下一个数字前沿，轻松地将海量数据转化为有用的知识，导致工商两方面的高度自动化和智能化。虽然在建设项目中大量的工程数据增长前所未有，但人工智能技术的采用仍落后于其他行业。因此，人们对在CEM领域实现各种AI方法有着巨大的兴趣，抓住数字化的宝贵机会，以获得更好的性能和盈利能力。

由于人工智能在土木工程中的应用显著增长，一些关于这一主题的评论已经发表。然而，大多数只强调人工智能在特定子领域的价值，如结构工程、建筑信息建模(BIM)、自动化建筑制造、计算机视觉等。也就是说，它们只提供了一个狭窄的视角，而不是在CEM中对AI实现的一般观点。同时，它们在很大程度上取决于人工审查和评估，可能导致的有偏见的调查结果。此外，Darko等人利用科学计量分析对AEC行业的人工智能进行了审查，以提高AEC对人工智能的认识。但它没有提供AI技术和实际AI应用在CEM中的全面介绍，只有两个未来的研究方向，即机器人自动化和卷积神经网络，这是不够的。Yan等人回顾了专门集中于建筑业数据挖掘的文献。然而，数据挖掘是AI的一个子集，可以自动处理数据并检索有用的洞察力。数据挖掘之外的许多有前途的技术也值得关注，这些技术能够在CEM中提供增值服务，如性能预测和优化、过程挖掘、可视化分析、能源管理等。

为了解决目前审查的这些现有局限性，我们的目标是提出一个更广泛和更系统的审查，以捕捉人工智能在CEM领域的演变和应用，包括科学计量学分析和定性分析。综上所述，本综述的主要目的是：（1）在该主题内搜索学术出版物并进行科学计量学分析（第2节）；（2）总结CEM的活动和特点，并突出AI在CEM中的好处（第3节）；（3）报告用于CEM改进的最先进的AI技术的几个热点研究主题（第4节）；（4）确定未来数字化CEM研究的路标（第5节）。

2对出版物的分析

首先，检索CEM领域内的相关论文，以准备我们的数据库供审查。采用以下三个标准来指导同行评审论文的搜索：（1）科学网（WOS）、Scopus、美国土木工程师学会（ASCE）图书馆、威利在线图书馆和IEEE图书馆被定义为选择目标出版物的已采用的学术数据库。 （2）选定的关键词侧重于本综述的主要概念，可简单地分为两个方面：一个是关于人工智能及其关键分支，另一个是关于CEM。为了使搜索更有效，我们还参考了以前的一些评论论文来识别特定的关键词。这两种关键字然后通过布尔运算组合。简而言之，按照以下规则对相关研究进行搜索：（“人工智能”或“人工智能”或“计算智能”)和(“土木工程”或“建筑工程”或“建筑业”或“建筑管理”或“建筑项目”）。（3）过去20年来，许多现有的审查已经建立了相关出版物的概况，证明这些出版物适合于理解目标专题内的发展变化和发展。 因此，我们根据以下原因确定了从1997年到2020年进行有意义调查的搜索期。 自2002年以来，由于数据和计算能力的增长，研究兴趣逐渐转向机器学习和深度学习，在建筑行业的各种用途上处于更高的智能水平。在2002年之前，研究主要集中在专家系统上，这是早期人工智能支持的模拟人类行为和决策知识的方法。众所周知，这些作品在2002年之前是相对简单和直观的，因此我们不必考虑它们。为了控制论文数量，2002年前5年的主要文章作为代表检索。总之，确定出版研究的范围还有三个限制，包括出版年份（1997-2020年）、文件类型(“文章”、“评论”）和语言(“英语”）。因此，总共选择了4,473篇主要与研究领域有关的论文，并将其存储在我们的数据库中，讨论如下。

（1）1997-2020年期间，相关出版物的年度数量呈上升趋势，表明新兴人工智能在建筑业的使用正在成为目前的一个热门话题。在图1中表现的很清楚，在过去23年中，有关出版物的数量逐年增加。大约84.78%的论文从2010年开始发表，这意味着基于人工智能的CEM的普及，特别是在2010年之后。 应该指出，最后数字528只是2020年前六个月发表的论文，在1997-2018年期间超过了年度出版物。使用Gompertz函数在0.913的调整R方下很好地拟合数据，该函数由图中的红线可视化。加上95%的置信带。当合适的功能发挥作用时，估计到2020年底，相关出版物的数量可增至700多份。也就是说，在建筑数字化创新的预期下，CEM领域的AI解决方案越来越受到关注。

1. 期刊，公开更相关的关于CEM的论文，更有可能被其他关于类似主题的论文引用见图2 ，图2将提供最多相关论文的前10种期刊和在我们准备好的数据集中拥有最多引用论文的前10种期刊可视化。图2中的12种期刊在2020年的影响因子大于3.0，因此它们的重要性可以得到验证。 换句话说，这些期刊对基于AI的CEM主题的研究做出了更多的贡献。可以看出，拥有400多份关于目标主题的出版物的大多数期刊是“土木工程计算杂志”、“建筑自动化杂志”、“建筑工程与管理杂志”以及“计算机辅助土木和基础设施工程杂志”，期刊占我们数据集中论文的约39.48％。此外，这些前4名期刊的论文更有影响力，其他选定的论文可以更频繁地引用。虽然《清洁生产与安全科学杂志》的相关出版物数量排在第8位和第9位，但这两种期刊并不在最受欢迎期刊的前10位。相反，神经计算和IEEE关于神经网络和学习系统的事务可以为引用提供主要的参考来源。这两种期刊主要集中在理论层面的一组新的计算模型和算法，这些模型和算法可以应用于工程实践，以实现它们的应用价值。

1. 借助基于Java的科学可视化工具CiteSpace，进行共现关键词分析，输出知识图谱。 关键词是捕捉论文本质的核心词或短语，如图所示。由节点和共现链接组成。字体和节点的大小直接与包含某个关键字的出版物数量成比例。很明显，出现频率最高的前5个关键词是“人工智能”、“神经网络”、“施工管理”、“模型”和“机器学习”。除了频率外，还可以计算一个称为中心度的度量来度量节点在知识网络中的作用。结果表明，这五个频率最高的关键字也具有相对较高的中心度值（分别为0.51、0.18、0.38、0.3和0.39），这也可能对其他节点产生更大的影响。 为了更好地理解一堆关键词，我们可以简单地把它们分成两部分。 一种是关于“人工智能”、“神经网络”、“机器学习”、“模糊逻辑”和“算法”等方法”。 另一个是关于目的，如“施工管理”、“设计”、“预测”、“优化”和“分类”。
2. 聚类分析由CiteSpace进行，从大量的论文集合中发现潜在的主题和研究前沿。自网络的关键字在图3中具有较大的模块化Q（0.775），表明该网络可以合理地划分为几个集群进行进一步的研究。图4将11个确定的集群可视化。为了更清楚地理解，表1将这些发现的集群分成两组：一组涉及方法，另一组涉及领先的应用领域。所有簇的剪影分数都大于0.859，表明每个簇的同质性很大。也就是说，验证了聚类结果的鲁棒性和显着性。从对数似然检验(LLR)导出的标签被分配给集群来描述集群的性质。例如，命名为专家系统（#0）的集群大小最大。 这是因为专家系统早在1970年代就提出并发展了很长一段时间，导致11个组中最早的平均出版物年（2010）。专家目前的系统研究趋势是将更高层次的智能（即机器学习和深度学习）融入其中，允许自动调整知识库，以便为更可靠的决策提供信息。相比之下，第二大集群的平均年份是2019年，这表明最近的热点问题已经转向了数字主题转型。 正在努力在实际建设项目中实施更先进的数字解决方案，如BIM、物联网、数字孪生等，这是推动CEM走向数字化、自动化和生产力的日益增长的趋势的一部分。

3.对CEM的理解

通过回顾相关和最新的出版物，我们总结了CEM的相关活动和特点，以提供对建筑业的深入了解。应该指出的是，在项目的每个阶段都收集了大量的异构数据，特别是随着BIM和无线传感器网络(WSN)的出现，CEM成为一个数据密集型领域。因此，合理地执行各种人工智能技术，以多种方式充分利用这些数据，这有可能在整个项目生命周期内有效地解决CEM的特点。总之，AI的几个好处被强调，这被证明是显著推进CEM领域。

您可能感兴趣的文章

• BIM的原理与实践外文翻译资料
• 第7章 契约外文翻译资料
• BIM怎么运作?第3章外文翻译资料
• 通过BIM改变业主、设计师、承包商的角色外文翻译资料
• 川中丘陵区农村生活污水去除生态沟系统研究外文翻译资料
• 大熊猫国家公园，中国向精简保护区和统一保护管理迈出的一步外文翻译资料
• 房地产开发项目融资计划分析外文翻译资料
• 房地产开发项目融资计划分析外文翻译资料
• 区域协调发展：中国特色道路外文翻译资料
• bim设施管理的应用领域和数据需求外文翻译资料