AI+智慧建筑研究

(清華大學 互聯網產業研究院 經管學院，北京 100084)

1 “AI+智慧建筑”發展背景

18世紀中葉以來，人類歷史上總共經歷了四次工業革命：蒸汽技術革命(第一次工業革命)、電力技術革命(第二次工業革命)、計算機技術革命(第三次工業革命)、綠色智能工業革命(第四次工業革命)。工業4.0是由德國政府《德國2020高技術戰略》中所提出的十大未來項目之一，旨在提升制造業的智能化水平，建立具有適應性、資源效率及基因工程學的智慧工廠，在商業流程及價值流程中整合客戶及商業伙伴，其技術基礎是網絡。在新一輪工業革命的大背景下，建設行業、城市也在發生著日新月異的變化，面臨著城市更新、行業更新問題。工業4.0理念和技術在城市中的應用，正在創造著新價值，重構著城市產業鏈，催生著城市新經濟形態。近年來，圍繞著國家新型城鎮化進程推進、經濟社會智慧化轉型，國家在數字經濟、智慧城市、云計算、大數據、物聯網、人工智能、智能制造方面相繼出臺了一系列重要政策，有力地推進了數字中國、智慧社會的建設，建筑業信息化隨之快速發展。

2 “AI+智慧建筑”內涵

智慧經濟的范式是：物聯+數據智能(人工智能)+自適應服務。“智慧建筑”是智慧經濟中的一員，必然要符合智慧經濟的范式。因此，人工智能成為不可或缺的智慧建筑范式一環。智慧建筑是在不斷發展中的新事物，無論是研究還是產業化都正在探索中前進，其方法理念不斷滲透到傳統建設領域，成為傳統建筑行業轉型升級的必由之路。達沃斯世界經濟論壇人工智能委員會主席 Justine Cassel認為：談到智慧建筑有三個關鍵詞：智慧分析、智慧定制化、智慧的行為改變。目前，關于智慧建筑的概念、架構、模型、產業化等具體問題研究的尚不算多，關于“AI+智慧建筑”的研究就更少。其難點在于，一方面該研究需要基于智能建筑多年來業已形成的研究基礎進行進一步探索，不能脫離行業本質性的認知積累； 另一方面需要對人工智能學科領域有深刻的了解，并掌握應用人工智能理論、技術解決實際問題的方法。從本質上講，這是建筑科學與智能科學的交叉研究領域。本文從信息物理系統(Cyber-Physical Systems，CPS)的視角解釋智慧建筑的內涵，如圖1所示。

圖1 智慧建筑1.0和智慧建筑2.0

智慧建筑的必備組件是智慧建筑云腦，智慧建筑云腦是智慧建筑的核心與靈魂。智慧建筑云腦的體系架構如圖2所示，其含義為：智慧建筑的計算模型采用類似人類認知方法的類腦計算模式，感知端由視覺、聽覺、觸覺、味覺等傳感器組成，傳輸層采用邊緣計算(可+AI)、霧計算(可+AI)、寬帶、5G、現場總線綜合技術體系，控制決策層由控制器集群、執行器集群、決策集群、管理集群等組成，整個系統構成一個完整的閉環。智慧建筑云腦中含有“人工智能平臺”，該平臺的開發實現適宜采用開源方法，以更好地打造完全開放的“AI+智慧建筑”生態。人工智能平臺目前落地較好的機器學習算法有：深度學習、神經網絡、強化學習、模糊邏輯，商業化程度較高的技術有：機器視覺、智能視頻、語音語義、文本智能、虛擬現實、增強現實。

圖2 智慧建筑云腦

本文認為，“AI+智慧建筑”是指以人工智能理論、技術、方法為核心驅動力驅動智慧建筑發展的產業和學術新形態，“智慧建筑+AI”是指以智慧建筑為主體，融合人工智能的產業和學術新形態，兼容“AI+智慧建筑”、“智慧建筑+AI”二者內涵的新建筑形態稱為“AI建筑”，也稱為“超智能建筑”。AI建筑具備八大特征：實時感知、高效傳輸、自主控制、自主學習、智能決策、自組織協同、自尋優進化、個性化定制。“AI+智慧建筑”中的“AI”不僅指人工智能，從產業形態上來講，還包括對AI形成支撐的新一代信息技術——大數據、云計算、物聯網、移動互聯網、工業互聯網、現代通信、區塊鏈、量子計算等相關業態，“AI+智慧建筑”的業態內涵用圖3表示。

從圖3可清晰地看到，隨著數字經濟和智慧城市的發展，AI驅動的建筑生態圈正在被迅速擴大，建筑的產業鏈也正在被大尺度拉長。

3 “AI+智慧建筑”產業鏈模型

“AI+智慧建筑”產業鏈模型如圖4所示。

“AI+智慧建筑”產業鏈模型由基礎層(產業鏈上游)、技術層(產業鏈中游)、場景應用層(產業鏈下游)組成，每一層對上一層及具有支撐意義。在場景應用層，包含了智慧建筑領域豐富的應用場景，這些“場景+AI”共同構筑了AI+智慧建筑的全景圖。

由“AI+智慧建筑”產業鏈模型可實現針對某個項目的個性化定制規劃。例如，可根據某地提出的需求及當地產業和城市的實際發展情況，選取產業鏈模型中的某層中的某些部分形成當地的AI+智慧建筑產業鏈規劃架構。隨著技術和行業的發展，也可在場景應用層根據實際情況個性化定制某些智慧建筑AI應用場景。

圖3 “AI+智慧建筑”業態

圖4 AI+智慧建筑能產業鏈模型

4 AI+智慧建筑核心應用場景

依據產業發展現狀和未來3～5年發展趨勢，本文總結提煉出“AI+智慧建筑”28個核心應用場景，如圖4所示，它們是：建筑物故障診斷預測與健康管理、建筑環境舒適節能智能控制、建筑能源互聯網及能源大數據、建筑施工機器人、建筑維保機器人、保安巡邏機器人、消防機器人、視頻分析理解、出入口生物特征識別、智慧家庭、智慧社區、智慧工地、裝配式建筑、建筑信息模型(BIM)項目管理、智慧管網(廊)、智慧軌道交通、智慧隧道橋梁、智慧停車場、數字孿生建筑、建筑VR/AR仿真與體驗、建筑運維管理平臺商業大數據分析、建設云、建筑共享經濟、建筑群體智能、建筑設計智能、建筑規劃智能、房地產精準營銷、建筑企業兩化融合智慧化管理。這些應用場景又分為兩大類，一類側重于單個裝備或通用技術(如圖5所示的內環)，一類側重于綜合性復雜場景(如圖5所示的外環)。

圖5 AI+智慧建筑28個核心應用場景全景圖

下面選擇其中兩個典型應用場景進行詳細分析介紹。

4.1 典型應用場景一：建筑物故障診斷預測與健康管理

建筑物故障診斷預測與健康管理(Building Prognostic and Health Management，B-PHM)是AI+智慧建筑的典型應用場景之一。設備監控+設備管理+能耗監測和能源管理=建筑能源管理系統(Building Energy Management System，BEMS)。利用BEMS數據庫大數據的AI處理，可進一步實施B-PHM，對復雜建筑設備的全生命周期進行故障診斷、預測、健康狀態評估和健康管理。可采用的AI算法模型有：神經網絡(分類)、強化學習、貝葉斯(分類)、K-均值(聚類)、馬爾科夫(預測)、專家系統，基于這些算法模型可研制故障樹檢索系統、故障預測系統、健康管理系統。

圖6 基于神經網絡專家系統的空調水系統故障診斷模型

具體案例：采用神經網絡專家系統作為AI算法模型，實現空調水系統智慧故障診斷與預測。以神經網絡技術為核心，建立空調水系統專家系統，采用專家系統的相關經驗完成解釋、預測等工作。系統工作原理如圖6所示的模型。

系統研發與實現的主要步驟如下：

(1)故障數據提取、清洗、標準化。將空調水系統故障集合表示為：{制熱能效比COP過低，制冷能效比EER過低，冷凍、冷卻水泵輸送系數過低，冷卻塔效率過低，管網水力失調，主機喘振(離心機組)，水泵電機超載，水泵揚程不足，空調機組表冷器堵塞，閥門失靈，水管堵塞，能耗過大}。將影響主機能效比/COP的因素描述為：{冷機負荷率， 0.4； 冷卻塔效率， 0.4； 蒸發器/冷凝器換熱溫差， 0.1； 制冷劑泄漏， 0.1}。

(2)基于神經網絡專家系統的空調水系統建模。針對空調水系統，建立基于神經網絡專家系統的故障診斷流程模型，輸入診斷原始數據、訓練樣本數據、專家提供的學習實例，進行訓練和學習，最終生成可實用的在線故障診斷網絡模型和工具。

(3)將模型在線化，提供給實際空調水系統工程，實現實際數據、參數、模型與理論模型的實時交互、雙向修正，最終將最合理的結果提供給用戶。

4.2 典型應用場景二：基于深度學習的智能視頻分析理解

智慧建筑的視頻監控可采用目前流行的深度學習算法來模擬人類視覺系統的多尺度、特征不變性、顯著性等特點，從而實現智能視頻分析理解，基本機理如圖7所示。目前深度學習最廣泛使用的神經網絡是卷積神經網絡(CNNs)，它能夠將非結構化的圖像數據轉換成結構化的對象標簽數據。CNNs的工作流程如下：首先，卷積層掃描輸入圖像以生成特征向量； 第二步，激活層確定在圖像推理過程中哪些特征向量應該被激活使用； 第三步，使用池化層降低特征向量的大小； 最后，使用全連接層將池化層的所有輸出和輸出層相連。

圖7 基于深度學習的智能視頻分析理解

訓練速度和算法的執行速度是制約深度學習產業化應用的一個重要瓶頸。深度學習加速器目前有三種：(1)圖形處理器GPU； (2)專用神經網絡計算芯片； (3)大規模運算核集聯。隨著芯片和算法技術的進展，未來智慧建筑廣泛應用深度學習已為時不遠。

5 趨勢與建議

AI+智慧建筑產業的發展從人工智能角度主要依賴于三個方面：

(1)AI理論、算法和模型的改進；

(2)計算能力(GPU、CPU、TPU、DSP、FPGA等高性能計算)的提升；

(3)大數據理論與技術的發展，AI模型所需樣本數據質量的提升。

AI+智慧建筑的核心技術——智慧建筑智能計算(特別是類腦計算)的進一步發展體現在硬件和軟件兩方面：

(1)軟件方面

一是使智能計算模型在結構上更加類腦，二是在認知和學習行為上更加類人。模型和方法的探索和改善是關鍵，例如：模擬人的少樣本和自適應學習，可以使智能系統具有更強的小樣本泛化能力和自適應性。

(2)硬件方面

主要是研發新型機器學習計算芯片，如：深度學習加速器。2016年推出的TPU(張量處理單元)在推理方面的性能要遠超過 GPU(平均比當前的 GPU 或 CPU 快15～30倍，性能功耗比高出約30～80 倍)。

AI+智慧建筑產業的發展方向擬從以下幾個方面重點考慮：

(1)打造以細分行業產業鏈為基礎的全產業鏈生態圈

先從建筑業各細分行業入手，建好垂直細分行業協同平臺及產業互聯網系統，每一個行業都建立完善的生產、銷售、物流、消費鏈，內部形成閉環； 再將各細分行業產業鏈進行橫向集成，打造網狀全行業產業鏈生態圈。當前不論是綜合型還是垂直細分平臺，都在致力打造圍繞全產業鏈的閉環生態圈，在生態圈內提供便捷、高效、全方位、全產業鏈的一站式服務，形成B2B交易的閉環。

(2)打造特色產業集群

以產業鏈為核心，以重點行業、特色產業為基礎，進一步粘合周邊產業，形成更大體量的特色鮮明的產業集群，在差異化發展中不斷尋求自身優勢。打造產業集群B2B電商平臺，聚合商家、貨源、流通體系，整合線上線下資源，調動整個產業集群由簡單的空間集聚向真正的產業化、專業化轉變，形成上下游、集群內外的良性互動。

(3)在企業SaaS服務、行業PaaS服務、通用AI平臺上集中挖潛

隨著互聯網+、工業4.0的縱深化發展，通過研發、生產、交易、流通、融資等各個環節的網絡化滲透，達到提升效率、優化資源配置的效果已成為不可逆的未來發展趨勢。這是產業鏈的互聯網化。以大數據分析為核心的SaaS服務、行業的PaaS服務以及通用AI平臺必將迎來大爆發，都屬于包含巨大潛能的藍海。

隨著全球工業4.0研究開發及產業化熱潮的到來，“AI+智慧建筑”的研究、開發、落地將會進一步蓬勃發展。從建筑領域自身來看，本領域對節能、智能、高效、舒適、便捷存在巨大需求，人工智能恰是助力這些需求實現的有力工具。“AI+智慧建筑”的發展將在城市治理、環境治理、社會治理中發揮越來越重要的作用，具備越來越重要的地位。