基于文獻計量學方法的智能建造研究現狀與支撐技術分析

韓佳麗 崔楠楠 張春巍

（1.青島理工大學 土木工程學院，青島 266555；2.山東建筑大學 交通工程學院，濟南 250101；3.沈陽工業大學 建筑與土木工程學院，沈陽 110870）

引言

在工業4.0 的背景下，新一代物理信息技術的快速發展，并與建筑業不斷融合，催生出了智能建造的概念和與之相關的各類研究主題[1-3]。

為了了解智能建造的發展現狀，劉占省等[4]綜述了智能建造的概念和特征，論述了近年來智能建造的相關政策和智能建造在土木工程施工中的應用進展。尤志嘉等[5]在總結研究現狀的基礎上描述了一套智能建造理論體系框架。羅齊鳴等[6]、陳述等[7]梳理了中國知網（CNKI）及Web of Science（WOS）數據庫中智能建造相關文獻，繪制科學知識圖譜。劉新怡等[8]、熊鑫博等[9]也從CNKI 數據庫中篩選智能建造研究文獻進行了文獻計量學分析。以上研究對智能建造領域知識圖譜的構建與應用提供了重要參考，但總的來說尚缺乏對智能建造的研究主題的全面詳細分類。智能建造的學科交叉屬性，使其研究子領域和基礎支撐技術相對分散且繁雜，對其進行系統總結，有利于不同學科的研究者快速了解本領域研究主題之間的邏輯關系，了解支撐技術的融合及應用現狀，促進理論及技術創新。

為了更深入地把握本領域的研究主題和支撐技術，本文將基于文計量學理論，利用CiteSpace 和VOSviewer軟件進行知識圖譜可視化分析，將從以下內容對智能建造領域進行總結分析：

（1）明確研究方法與數據來源；

（2）2007 年-2022 年智能建造相關發文趨勢及研究主題；

（3）智能建造研究領域有影響力的期刊、國家；

（4）智能建造的支撐技術；

（5）研究現狀總結和展望。

1 研究方法與數據來源

文獻計量學的分析方法有助于可視化大量文獻和書目數據中的知識結構和研究模式[10,11]。目前已有多種工具可完成文獻分析工作，本文根據不同的分析側重點，選用CiteSpace 和VOSviewer 兩個軟件。

表1 中統計了四篇國內已發表的智能建造綜述的信息，包括數據庫、檢索關鍵詞、學科、時間跨度和文獻類型的選擇以及分析內容，本文綜合智能建造方向的檢索關鍵詞，形成合理的檢索式在WOS( Web of Science)進行檢索，如表1 所示。

表1 已發表文獻的文獻計量學數據信息、分析類型匯總

WoS( Web of Science) 核心館藏數據庫索引高質量的期刊，是一個具有相當權威性和綜合性的數據庫，受到科學計量學研究者的青睞[12]。近年來有諸多學者將WOS 在建筑研究領域的數據源作為文獻來源[12-15]。因此，在本研究中選用該數據庫是合理有效的。

除了與智能建造相對應的“smart”、“intelligent”、“intelligence”、“automation”、“automate”、“building”、“build”、“construction”等同義詞之外，“construction management”、 “construction project”、“engineering information construction”、“virtual construction”、“digital construction”這些詞也經常出現在智能建筑相關研究文獻中，所以將其納入檢索關鍵詞中。為縮短檢索式長度，對檢索式進行簡化，將“intelligent”、“intelligence”合并為“intelligen*”，“automation”、“automate” 合并為“automat*”， 將“building”、“build” 合并為“build*”。使用選定的檢索主題的方式，檢索2007 年至2022 年內發表的文獻。文獻類型限制為Article 和Proceeding Paper,學科類型限制在“Engineering Civil”and “Construction Building Technology”。截至到論文檢索當日時間（2022 年11 月30 日），共檢索出1 983 篇相關論文，檢索信息匯總如表2 所示。

表2 本文文獻檢索信息匯總

Web of Science 數據庫由Science citation Index-Expanded（SCIE，科學引文索引）；Social Sciences Citation Index(SSCI，社會科學引文索引）;CPCI（會議錄引文索引）；Art &Humanities Citation Index(A&HCI，人文藝術索引）組成，分別對應不同的期刊。文章檢索結果中文獻大部分屬于SCI，一小部分屬于SSCI，但SSCI 等級和SCI 一樣，均為領域內高質量文獻；且本文研究范圍為世界范圍內的英文文獻，未包含中文期刊，不涉及中文核心文獻。審稿意見中所建議的對EI 和中文核心進行發文情況分析亦有重要的研究意義，但本文限于篇幅所限，僅對SCI 數據庫的文獻數據進行分析。

2 文獻計量可視化分析

2.1 發文量時序分析

論文發文量是衡量某一領域發展速度與關注度的最直觀的分析表現形式[16]。 按照時間順序描述從2007年到2022 年之間智能建造領域的文章數量如圖1 所示，雖然十余年內發文量增長起伏波動較為頻繁，但總體呈現增長趨勢；2012 年到2017 年間發文量保持在150到200 之間，2017 年到2018 年，發文量大幅度的增長，發文數量突破300 篇，到2021 年發文量高達546 篇。專家學者們對于智能建造的關注度越來越高，對智能建造的理解認識得到了提升，相關研究也越來越多。

圖1 2007-2022 年發文量與累積發文量

2.2 關鍵詞共現分析

文獻關鍵詞是作者根據文章內容匯總出的可以高度反映其主題概念及思維的詞匯，同時也是影響論文學科結果的重要因素。關鍵詞共現頻數可以反映該研究領域某一時間段內的研究熱點[17,18]。通過VOSviewer 軟件將關鍵詞共現情況可視化。WOS 文獻的關鍵詞分為三種，all keywords, author keywords,keywords plus。all keywords 包括文章 title, abstract,author keywords；author keywords 僅指文章作者添加的關鍵詞；keywords plus 則是WOS 通過聚類給原文章增加的關聯關鍵詞。本文選用更為嚴謹和簡潔的“author keywords”進行分析，分析類型為“co-occurence”。

首先，對第一次的關鍵詞分析結果進行合并與刪除處理，將詞匯的單復數形式、同一事物的不同表達方式等關鍵詞進行合并，刪除明顯沒有實際意義或對分析不產生影響的詞匯。例如：將“building information modeling”、“building information modeling (bim)”、“building information modelling”、“building information modelling (bim)”、“building information model”、“building information models”合并為“bim”。對“construction”、“construction industry”、“building”、“energy”、“review”、“construction projects”、“technology”、“civil engineering”、“performance”、“design”等無實際分析價值的關鍵詞刪除。

設置關鍵詞最小出現次數閾值為10，其中共包含64 個項目（Items）和884 條連線（Links），如圖2 所示。關鍵詞出現次數大于30 的所有詞匯，按照出現次數從大到小排序如表3 所示。

圖2 關鍵詞共現可視化

表3 關鍵詞出現次數排序表

關鍵詞中智能建筑的英文表達方式有smart building、intelligent building、smart construction 等，也出現了智慧城市、智能家居、智能綠色建筑、零能耗建筑、可持續性建筑一些名詞。涉及到流變學、機器人學、攝影測量測控測量學、語義學等多個學科。

通過對關鍵詞進行篩選分析，可以將其劃分為智能化、數字化、自動化、工業化、信息化、可持續性、建筑評估、建筑控制和建筑管理九個研究主題。

智能化相關關鍵詞包括智能材料、智能結構、智能窗口、智能儀表、智能傳感、智能交通系統、智能空調和智能消防。

自動化包含自動化施工、自動化設計、自動控制、自動化信息采集、自動車輛檢測及自適應控制等。數字化包括書數據分析、數據融合、數據收集、數字圖像、數字制圖、數據擴充及數據交換等；工業化包含裝配式建筑、參數化、預制、預制結構、模塊化結構及一體化設計等；信息化包含信息提取、信息共享、信息管理及信息模型等；可持續性包含能源消耗量、能源效率、能源性能、節能、可再生能源、碳足跡、熱舒適性、采光、通風、視覺舒適性、建筑環境、室內空氣質量、熱負荷、室內舒適度、暖通空調控制、遮光控制及溫度控制等關鍵詞；評估包括地震易損性評估、可持續性評估、狀態評估、坍塌風險評估、質量評估及結構評估等；管理包含項目管理、施工管理、建筑能源管理、設施管理、信息管理、安全管理、需求側管理、資產管理、負荷管理、知識管理及質量控制等。建筑控制包括直接負載控制、半主動振動控制、遮光控制、溫度控制、施工成本控制、媒體訪問控制、質量控制、結構控制、自適應控制、暖通空調控制及地震響應控制等。

此外，對關鍵詞中包含的新一代信息技術進行總結分析，在1 983 篇文獻的關鍵詞中涉及BIM、人工智能、擴展現實技術、數字孿生、物聯網、計算機視覺、3D 打印、區塊鏈、大數據、GIS 技術、遙感、云計算、5G 及智能設備等。人工智能技術提到了機器學習、深度學習和自然語言學習三類；虛擬現實提到了虛擬現實、增強現實和混合現實三類；物聯網技術提到了射頻識別和激光掃描；3D 打印，又名增材制造，集中于三維混凝土打印方面的研究，區塊鏈技術提到了智能合約，更詳細的支撐技術分析見第3 章節。

2.3 國家分析

各國的科學合作網絡有助于確定在相關研究領域特別活躍的國家[19]。為了確定這些國家、最有影響力的國家以及它們之間的合作，使用VOSviewer 創建了一個網絡。分析類型為“co-authorship”，分析單位為“country”。網絡中共有86 個節點即86 個國家、336 條連線、總連接強度為743，如圖3 所示。隨著智能建造相關領域的研發與推廣應用，涉足智能建造領域研究的國家也在逐步增多。

圖3 國家合作網絡圖

網絡中文獻數量排名前十的國家如表4 所示。就WOS 中智能建造研究的合作程度以及文獻數量而言，美國和中國是排名最高的國家。說明美國和中國是WOS 中智能建造研究的最大貢獻者，其次分別為澳大利亞、韓國和英格蘭。就關系強度而言，美國與其他各國間的合作強度最強，網絡圖中連接強度達到了226，其他國家間也都存在一定程度的合作關系。

表4 各國文獻數排序表

2.4 期刊分析

期刊分析可以幫助讀者獲得最有價值可靠的信息，在未來研究過程中獲取參考文獻[20]。使用VOSviewer軟件對被引期刊進行可視化，網絡圖通過節點、連接線、顏色表示期刊之間的相關性，如圖4 所示。圖中共有26 個節點、124 條連線、總連接強度為1 442。分析類型為“citation”，分析單位為“sources”。

圖4 期刊可視化分析網絡

衡量期刊貢獻程度的幾個重要因素以及各期刊數據匯總如表5 所示。通過對文獻發文期刊以及被引文獻發文期刊的分析，Automation in Construction 是發文數量最多,被引次數最多的期刊，說明Automation in Construction 是智能建造領域影響程度較高的期刊。

從上表可以看出，36個入選城市中，歐洲13個、北美9個、亞洲7個，其余為澳洲3個、拉美2個、非洲2個。因此，歐美城市占比達到58.3%，占據了重要位置；隨著亞洲經濟的崛起，亞洲國家的中心城市也極具單競爭力。從人口規?？?，36個城市絕大多數屬于大城市或特大城市(城市人口大于100萬)，但一些中小城市(人口小于100萬)如曼徹斯特、謝菲爾德、斯德哥爾摩、哥本哈根、鹿特丹、格拉斯哥、拉斯維加斯、印第安納波利斯、杰克遜維爾，甚至是法國小鎮查默尼克斯也躋身于頂級的主辦城市。

表5 期刊數值匯總

3 支撐技術分析

3.1 支撐技術的提取

智能建造領域涉及大量的支撐技術，現有技術的進步、技術之間的融合、以及新技術的出現都有可能為智能建造帶來飛躍。了解支撐技術的種類有助于研究者利用學科交叉技術融合提出創新的研究視角[21]。因此，對現有支撐技術發展及應用情況進行梳理和總結是非常重要的[22]。

在檢索文獻時，作者發現有相當數量的論文雖然涉及智能建造領域，但在題目和關鍵詞中未提及“智能建造”類似詞匯。設計完備的檢索式包含這些文章通常是非常困難的，此時可考慮對某一個涵蓋特定領域的有影響力的期刊進行文獻計量學分析[23]。從2.4小節分析結果得出，Automation in Construction 是智能建造領域中發表文獻最多、引用量最大的期刊，在最新的智能建造相關技術的文獻計量學綜述中[14,24-27]，也得到同樣的結論。Automation in Construction 發表“在土木工程規劃設計、施工、維護、管理中使用最新物理信息技術”[28]的高質量研究論文，可見期刊的收錄范圍與智能建造的概念內涵一致，且有較大影響力。因此，為了充分覆蓋當前智能建造領域的研究方向，并保證文獻數據有較為均勻的質量水平，本小節在提取支撐技術時，采用了近十年（2013~2022 年）所有發表在Automation in Construction 雜志上的論文（不包含綜述），共2 062 篇。

本小節采用CiteSpace 軟件提供的文獻共被引分析法（DCA）提取支撐技術。DCA 方法是CiteSpace 的核心功能，通常，論文中引用的參考文獻為論文提供了基礎知識，可用來識別支撐技術[22]。采用DCA 方法生成的共被引網絡時間線圖譜如圖5 所示，圖中上方的2008~2022 時間軸為被引文獻發表年份，左側的2013~2022 顏色圖例為被引用的年份。根據施引文獻中的關鍵詞，CiteSpace 自動識別出18 個主要的共被引聚類（忽略文獻數量小于10 的聚類），每個聚類的標題和密切相關的關鍵詞見表，表中的輪廓值（Silhouette）表示某類團內部成員之間的緊密程度，或成員的同質性，大于0.7 就認為緊密程度較好[29]，本次分析的輪廓值大部分在0.9 以上，說明聚類質量較高。

圖5 共被引網絡時間線圖譜

從聚類的標題可以直接得出的支撐技術有深度學習（deep learning，0#）、計算機視覺（computer vision，1#）、建筑信息模型（BIM,3#）、數字孿生（digital twin，10#）、3D 打?。?d concrete printing，17#）。14#聚類智能合約（smart contracts）為區塊鏈技術的應用。2#聚類無線射頻識別（RFID）屬于物聯網技術。4#激光掃描（laser scanning）和12#點云分割（segmentation）共同構成逆向建模技術。分析6#和8#聚類的相關關鍵詞，可總結為擴展現實技術。

聚類13#、15#、16#為建造設備/機械的智能化，屬于技術的綜合應用，9#聚類無具體的技術相關信息，因此可以忽略。

綜上所述，智能建造領域近年來所涉及的支撐技術可概括為9 項，包括深度學習、計算機視覺、BIM、數字孿生、3D 打印、區塊鏈、物聯網、逆向建模及擴展現實技術。

3.2 主要支撐技術的討論

從圖5 的引用時間軌跡可以看出，機器學習、計算機視覺、數字孿生、區塊鏈及3D 打印技術是近三年智能建造領域的熱門技術。逆向建模技術中的激光掃描的研究趨勢相對平穩，而點云分割（#12）是新的研究熱點。無線射頻識別、擴展現實技術近年來熱度減退，可能由于該類技術的發展與應用趨于成熟。BIM 伴隨著智能建造的興起，從一開始便受到了學者的大量關注，但研究方向有新舊更替，其中本體論、語義網絡（7#）、IFC 標準（11#）是近年來的研究熱點。

5G 和云計算也是智能建造領域重要的支撐技術，但因其技術本身不屬于土木工程學科的研究范圍，其應用場景也較為固定，因而未出現在共被引聚類中。

4 結論與展望

本文綜述了Web of Science 數據庫中2007~2022 年智能建造相關的1 983 篇文獻，利用CiteSpace、VOSviewer軟件進行了關鍵詞、作者、期刊和國家的可視化分析，

得出研究結論如下：

（1）智能建造雖然處于初期發展的水平，但從發文量來看，文獻發表數量呈增長趨勢，且增長趨勢明顯加快；

（2）通過期刊分析，比較發文量占比、引文數量、影響因子，Automation in Construction(建筑自動化)為影響力較高的期刊；

（3）1 983 篇文獻包含86 個國家與地區，美國和中國是排名最高的國家，各個國家間也存在一定的交流合作；

（4）由關鍵詞共現分析可以得出，智能建造融合了越來越多的學科與領域，智能化、數字化、自動化、工業化、信息化都是智能建造的特征。通過對智能建造支撐技術的梳理，表明利用新一代的BIM、人工智能、擴展現實技術、數字孿生、物聯網、計算機視覺、3D 打印、區塊鏈、大數據、GIS 技術、遙感、云計算、5G 技術，將會推動智能建造領域進一步的高速發展。

根據研究結論，智能建造未來研究趨勢和展望如下：

（1）智能建造未來將包含更多學科領域，除了數學、物理、化學等一些基礎理工學科，還將涉及社會學、心理學、醫學等領域，實現多種類學科交叉。各類學科的研究發展也將會進一步推動智能建造領域的發展，實現學科融合進一步深入。多學科、多技術集成將成為未來智能建造領域的重點研究方向；

（2）機器學習、計算機視覺、數字孿生、區塊鏈、3D 打印技術是近年來智能建造領域的熱門研究方向，學者應重視相關領域的技術迭代更新，縮短新技術進入土木行業的時間差，實現土木工程智能科學與技術新的突破；

（3）智能建造不僅是新技術的應用，更是土木工程領域生產方式的變革，學者應重視工程管理模式的創新，探索精益建造、綠色建造、集成交付等組織管理機制，整合跨越建筑產業價值鏈的業務流程，為各類新技術的融合消除壁壘，降低新技術帶來的增量成本。