建筑工程人工智能研究熱點可視化分析

文新鵬，陸軍霖，汪龍，白驍騎，方帥威 （廣西科技大學土木建筑工程學院，廣西 柳州 545006）

1 引言

近年來建筑行業隨著市場經濟的發展迅速發展，建筑工程呈現出規模、體量日益增長的的趨勢，但伴隨著建筑行業快速發展，結構設計復雜、生產成本高、質量監督困難、人工成本高等問題也相繼出現，成為了限制建筑工程發展因素之一。人工智能技術的發展為建筑工程發展提供了新的機遇，如建筑機器人可以解放大量勞動力從而降低人工成本，計算機識別技術與巡邏機器人可以進行工程質量的監督。未來隨著人工智能的深度學習和機器學習算法、計算機視覺、無人機、3D打印、BIM、虛擬現實和增強現實等應用于土木工程，將形成無人化、全自動、智慧化、實景體驗的城市和區域規劃，以及土木工程設計、建造、養維護和災害管控的新技術[1]。因此本文基于文獻計量理論，運用Citespace對1990～2020年期間國內外發表的相關文獻繪制可視化知識圖譜進行分析，為研究建筑工程人工智能的相關學者提供數據參考。

2 研究方法及數據來源

2.1 研究方法

Citespace是由美國德雷塞爾大學陳超美（Chaomei Chen）教授2004年開發出的一款可視化軟件，它能將復雜的學科知識通過信息挖掘、公式計算等方法對研究熱點進行數據分析，再通過巧妙地空間布局將所分析的數據以圖像的方式展現出來。

本文的研究方法采用定量分析為主，通過文獻計量學對高頻關鍵詞進行統計分析，利用Citespace繪制關鍵詞知識圖譜，分析出建筑工程人工智能研究熱點。

2.2 數據來源

本文研究的對象為國際和國內建筑工程人工智能領域的相關文獻，數據庫選擇Web of Science核心集合與中國知網數據庫，檢索方式選擇基本檢索。檢索主題為Artificial intelligence。年限選擇為 1990～2020年 3月。Web of Science精煉選項選擇精煉土木工程、建筑施工技術。中國知網檢索選擇工程科技Ⅱ輯里面的建筑工程與科學主題為人工智能的全部核心期刊。最終確定WOS數據庫的1338篇相關文獻及中國知網201篇相關文獻。

3 研究熱點分析

關鍵詞是文獻研究內容和主要含義的重要體現形式，所以在可視化分析中可以使用高頻關鍵詞確定學科研究熱點[2]。本文運用Citespace中的Keyword節點為分析節點繪制國內和國際關鍵詞知識圖譜。在關鍵詞共現圖譜中每一個節點代表著一個關鍵詞，節點大小與頻次大小成正比，節點之間的連線表示關鍵詞之間存在共現關系。

圖1 國內關鍵詞知識網絡圖譜

國內建筑工程人工智能研究高頻關鍵詞（部分） 表1

3.1 國內建筑工程人工智能研究熱點

從圖1和表1可以看出國內研究以人工智能為中心，圍繞著機器人、人工智能識別、計算機視覺、專家系統、人工神經網絡等研究熱點。整體上看研究熱點比較分散，不局限單一研究方向。具體將1990～2020年3月國內建筑工程人工人工智能研究熱點分為以下幾個方面分析。

①基礎性研究：基礎性研究興起時間較早，但是在人工智能建筑進入應用性研究后對其研究開始變少。國內基礎性研究主要集中為新技術的提出與綜述展望，這一如從原本單一領域研究到提出了基于BIM的人工智能技術、基于機器人學習的人工智能輔助技術、人工智能專家系統等技術推進了建筑工程人工智能技術的發展。對機器人應用的研究綜述、計算機視覺的發展綜述等內容為建筑工程人工智能研究提供了數據參考與發展方向，如葉肖偉[3]等人針對基礎性研究整理了基于計算機視覺對位移監測的研究，得到計算機視覺技術未來在結構位移監測的研究重點是應用效率與可靠性。

②應用性研究：國內應用性研究數量比較多，主要體現在基于現場施工的技術應用。如工程機器人巡檢技術、放樣機器人測量技術、計算機視覺技術識別結構損傷等技術。面向人工智能的應用性研究劉偉[4]等人為解決管廊人工巡檢不足，使用智能機器人巡檢代替人工巡檢，通過實際工程應用證實了智能機器人巡檢的可行性。人工智能技術的應用減少了施工成本、加強了數據監控、減少了測量數據偏差，在一定程度上促進了建筑行業的發展。

③技術性研究：技術性研究主要包括平臺的構件、系統設計等方面，如智能規劃平臺設計、智能監控系統設計、故障診斷專家系統的設計等。使用設計出的智能監控系統可以監控到結構的各個參數變化情況以通過健康監測系統獲取重要參數，經過分析、識別并采取相應措施可以將結構重新調整到良好的狀態。

3.2 國際建筑工程人工智能研究熱點

從圖2和表2可以看出國際圍繞著artificial intelligence為中心的artificial neural network、prediction、model等研究熱點，整體上看研究熱點比較集中，相互之間交叉研究較多。具體將1990～2020年3月國內建筑工程人工人工智能研究熱點分為以下幾個方面分析。

圖2 國際關鍵詞知識網絡圖譜

國際建筑工程人工智能研究高頻關鍵詞（部分） 表2

①基礎性研究：國際在基礎理論研究與國內相比較多，主要在體現在理論模型的建立。使用專家系統、人工神經網絡、遺傳算法等技術與計算機技術相結合建立人工智能模型，通過智能模型對理論技術進行驗證，如 Ashrafina，All[5]運用人工神經網絡與其他方法相結合，使用智能模型進行標定和驗證出了泡沫、沙土、粘結劑、水灰比、砂灰比和試件期齡是確定最小馬洛系數值的最基本的預測指標。通過建立人工智能模型進行理論確定促進了國際學者理論研究的發展。

②應用性研究：國外在應用性研究上相對基礎性研究較少，其主要研究方向為智能識別檢測，通過圖像處理方法從數字圖像中提取特征，完成對相關結構的識別，能夠迅速找到施工過程中的缺陷加以彌補。

③技術性研究：國際對建筑工程技術性研究主要針對技術性評估等內容。如Seitllari A[6]使用人工神經網絡、遺傳算法等內容，通過對實際火災試驗數據的綜合分析，評估出火災引起混凝土剝落的趨勢，從而提前進行預防與解決方案。

4 結論

通過對國內外建筑工程人工智能研究的相關文獻研究熱點分析，結論如下。

國內研究熱點偏向于應用性研究，其計算機視覺技術、工程機器人等技術已經在實際工程中得到應用并到達預期標準。國際研究熱點偏向基礎理論研究，主要使用人工智能模型進行理論驗證、風險預測等。