转载 | 新论文：智能建造研究进展综述—中国与发达国家的对比

智能建造（Intelligent Construction, IC）集成了人工智能（Artificial Intelligence, AI）、物联网（Internet of Things, IoT）等新一代信息技术，被视为推动建筑业（Architecture, Engineering, Construction Industry, AEC Industry）转型升级的新途径。由于智能建造融合了多个学科，其相关文献数量非常庞大且分散发表于不同期刊中。因此，为了全面了解智能建造的研究现状，把握未来发展机遇，同时为发展中国家和发达国家提供发展建议，本文通过VOSviewer和Gephi对21世纪以来智能建造领域的相关文献进行了系统综述与对比分析。

首先，本文选择Web of Science（WOS）数据库并通过检索过滤得到2788篇相关文献；其次，对有关文献进行了整体共被引（co-citation）分析以及作者合作（co-authorship）分析；同时，为了进一步分析发展中国家与发达国家间的差异，研究选择中国作为发展中国家的代表，通过关键词共现（co-occurrence）分析对比了与发达国家的异同，并定性讨论了二者在领域知识学习，数据感知、融合及决策支持，以及具身人工智能（embodied AI）等智能建造相关方向的差异。最后，研究总结了智能建造未来研究的4个潜在方向：（1）数据感知、融合与决策（即数字孪生），（2）领域知识学习与利用，（3）领域大模型构建与应用，（4）具身人工智能。

希望本文研究能为不同发展水平国家建筑业智能建造的研究、发展提供了有益的参考和支持。

建筑业虽然是经济发展的支柱行业，但其在全球都面临着信息化、自动化水平低、安全风险高、劳动力短缺等挑战。近年来人工智能、大数据、物联网等新一代信息技术与建筑业的融合有效地提高了建筑设计、施工和运维等阶段的效率。在这样的背景下，智能建造应运而生。

作为一个新兴的跨学科研究方向，许多研究人员对智能建造的研究往往基于自己以往的研究方向，这导致了智能建造领域的文献相当零散，对智能建造概念的定义也仍在发展，并未完全形成统一认识。

近年来，智能建造领域相关研究及探索蓬勃发展，在BIM、建筑/施工机器人、数据融合、知识抽取、三维重建等诸多子领域开展了大量探索，亟待通过综述对有关研究进行分析和总结。同时，考虑不同国家发展水平的差异，智能建造相关研究实践的方向、路径也存在不同，但尚未见到有关讨论。

因此，本研究针对上述问题，通过检索到的文献分析了智能建造领域影响力较大的期刊、作者和国家。随后，以中国为发展中国家代表进行了不同发展层次国家研究热点的对比分析。最后提出了未来的研究方向以供建筑行业有关学者与专家参考。

图1 本文研究路线

图2展示了中国与其他国家的年发文量，两条曲线虽然存在一定的差异，但总体趋势非常相似。2009年以来，智能建造领域的发文量快速增长。到2022年，该方向的年发文量已超过400篇。因此，智能建造领域将是未来的热门研究方向，把握好其研究趋势对未来的发展大有裨益。

图2 2001-2022年发文量趋势

以VOSviewer中的共被引分析功能为基础，我们识别了部分智能建造领域最具影响力的期刊，其结果如图3所示。图中的节点大小代表期刊发表的论文的被引次数总和，节点间边的宽度表示两本期刊发表的论文同时被其他期刊发表的论文引用的次数，节点间的颜色与距离为所代表期刊研究领域的密切程度。可以看出Automation in Construction有着最多的发文量，关注度和影响力较高。

图3 期刊共被引网络

表2 智能建造领域典型期刊引证数据分析

2.3 国际合作分析

图4 国际合作网络

与上一小节类似，我们对不同国家的论文篇均被引次数进行了分析与总结，其结果如表3所示。从表中的数据来看，中国与美国虽然发文量接近，但中国的被引次数却低了40%以上。结合2.1中的发文量趋势分析，可能的原因是中国在智能建造领域的研究起步较晚，一些新发表的论文尚未得到充分关注。

表3 各国论文发表及引证情况

对中国文献分别进行关键词贡献分析得到的结果如图6所示。如前文所述，由于智能建造领域的文献相当零散，VOSviewer划分的聚类并不完全合理。因此，本文将VOSviewer的聚类进一步归并为了“信息集成与数字孪生”以及“建设项目全生命周期中的智能算法”两个聚类。他们的主要研究内容如下：

（1）信息集成与数字孪生：以BIM为载体，整合GIS、规范条文、物联网等多源数据。同时结合区块链技术，解决信息不平衡问题。

（2）建设项目全生命期中的智能算法：包括设计阶段基于GAN的生成式智能设计、基于自然语言处理（Natural Language Processing, NLP）的自动规则审查；施工阶段的目标检测与基于数据挖掘与预测的风险预警；运维阶段的结构损伤检测、基于计算机视觉（Computer Vision, CV）的缺陷检测等算法。

图6 中国文献关键词共现网络

同样地，本文将发达国家的文献分为了“知识表示、学习与利用”，“建筑工业化与建筑机器人”，“三维重构”，“信息集成”，“结构运维”五个聚类。不同聚类的研究内容如下：

（1）知识表示学习与利用：主要集中于基于自然语言处理的规范条文信息提取与转化。

（2）建筑工业化与建筑机器人：目前的研究旨在通过脑机接口、人机协作等研究解决建筑业风险高、自动化程度低、劳动力短缺等问题。

（3）三维重建：主要研究如何通过激光扫描、点云、神经网络等技术，实现已建结构和在建结构的快速重构。

（4）信息集成：大部分文献以BIM为载体进行物联网、GIS与规范条文的集成，与中国相关研究不同的是，发达国家的部分研究实现了两个以上数据源的融合以及多数据源的分析与决策。

（5）结构运维：基于传感器的结构健康监测系统已经有了显著的成果。目前学者们正在寻找成本更低更便捷的检测方案，比如通过智能手机进行信号的发射与接收从而实现结构的监测。

图7 发达国家文献关键词共现网络

从研究基础角度来看，发达国家在智能建造领域起步早于中国，这也是高被引作者多来自发达国家（美国、以色列、韩国和丹麦）的原因之一。

为了进一步发掘智能建造在时间上的发展趋势，本文通过VOSviewer中的时间线叠加网络（timeline-overlayed network）对二者进行了分析，其结果如图8，9所示。

从图中可以看出，发达国家的智能建造研究经历了“建设项目信息化管理与集成”、“结构运维”、“信息化与智能化”等阶段，目前正在探索物联网、区块链等多数据源融合与决策。中国学者对智能建造的研究则同时受到国内需求与发达国家学者研究的影响，研究方向更加多元。

图8 发达国家文献关键词共现分析的时间线叠加网络

图9 中国文献关键词共现分析的时间线叠加网络

为了更好地对比中国与发达国家的研究前沿，把握智能建造领域的最新研究方向。本文对领域知识抽取、信息感知、融合与决策以及具身智能三个方向的文献进行了总结，详见表4。

表4 部分最新研究总结

结合图8,9以及表4可以得到目前智能建造主要的发展趋势及特点。同时，可以发现发达国家的研究相较我国的研究更加全面。他们不仅对信息感知和融合有着深入的研究，还利用融合的信息进行了分析并做出决策。在具身智能方面发达国家也取得了更多的进展。

本文采用文献计量分析方法对智能建造领域的文献进行了分析与回顾。这些分析包括年发文量、共被引分析、作者合作分析以及关键词共现分析。主要结论如下：

（1）发达国家对智能建造的研究早于中国，这也是中国相关研究关注度仍低于发达国家的原因之一。

（2）在最新的文献中，中国的文献更注重设计阶段的智能化和自动化，强调领域知识的应用。此外，发达国家对信息感知、融合和决策以及机器人等具身智能的研究更加深入。

综上所述，未来全球学者可以在以下领域进行相关研究：

（1）持续研究多源数据融合方法，构建数字孪生模型，实现工程全生命期推演与管控。BIM可以和物联网、物理引擎等技术结合来建立数字孪生模型。这类模型可以集成建设项目的各种信息，例如结构的几何属性、材料以及实时状态等，进而促进建设项目设计、施工到运维等全生命周期的协同设计和综合管理。

（2）提高领域知识学习和利用能力。建设项目中存在大量非结构化数据，尤其是文本数据。现有的非结构化文本处理方法准确率较低，且往往针对某一类文本。未来可以从准确率与泛化性两方面入手，进行现有领域知识的转化。

（3）探索领域大模型研发及应用。目前，NLP领域和CV领域分别出现了generative pre-trained transformer（GPT）系列和segment anything model（SAM）等大模型。但是这些大模型作为通用人工智能（artificial general intelligence, AGI），在不同领域的性能参差不齐。因此，亟待结合预训练大模型及其API，探索领域知识引入及大模型微调技术，面向建筑业构建专属大模型并开展应用。

（4）发展具身智能相关研究。以机器人、AI助手为代表的具身智能将数据获取、融合分析、规划决策及任务执行融为一体，为独立或与工人协作执行复杂建造任务带来了更多可能，将受到更多学者关注。

引用本文：Yan, J.K., Zheng, Z., Zhou, Y.C., Lin, J.R., Deng, Y.C., Lu, X.Z. Recent Research Progress in Intelligent Construction: A Comparison between China and Developed Countries. Buildings, 2023, 13, 1329. https://doi.org/10.3390/buildings13051329