建筑工程人工智能研究熱點(diǎn)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(xué)土木建筑工程學(xué)院，廣西 柳州 545006）

1 引言

近年來(lái)建筑行業(yè)隨著市場(chǎng)經(jīng)濟(jì)的發(fā)展迅速發(fā)展，建筑工程呈現(xiàn)出規(guī)模、體量日益增長(zhǎng)的的趨勢(shì)，但伴隨著建筑行業(yè)快速發(fā)展，結(jié)構(gòu)設(shè)計(jì)復(fù)雜、生產(chǎn)成本高、質(zhì)量監(jiān)督困難、人工成本高等問(wèn)題也相繼出現(xiàn)，成為了限制建筑工程發(fā)展因素之一。人工智能技術(shù)的發(fā)展為建筑工程發(fā)展提供了新的機(jī)遇，如建筑機(jī)器人可以解放大量勞動(dòng)力從而降低人工成本，計(jì)算機(jī)識(shí)別技術(shù)與巡邏機(jī)器人可以進(jìn)行工程質(zhì)量的監(jiān)督。未來(lái)隨著人工智能的深度學(xué)習(xí)和機(jī)器學(xué)習(xí)算法、計(jì)算機(jī)視覺(jué)、無(wú)人機(jī)、3D打印、BIM、虛擬現(xiàn)實(shí)和增強(qiáng)現(xiàn)實(shí)等應(yīng)用于土木工程，將形成無(wú)人化、全自動(dòng)、智慧化、實(shí)景體驗(yàn)的城市和區(qū)域規(guī)劃，以及土木工程設(shè)計(jì)、建造、養(yǎng)維護(hù)和災(zāi)害管控的新技術(shù)[1]。因此本文基于文獻(xiàn)計(jì)量理論，運(yùn)用Citespace對(duì)1990～2020年期間國(guó)內(nèi)外發(fā)表的相關(guān)文獻(xiàn)繪制可視化知識(shí)圖譜進(jìn)行分析，為研究建筑工程人工智能的相關(guān)學(xué)者提供數(shù)據(jù)參考。

2 研究方法及數(shù)據(jù)來(lái)源

2.1 研究方法

Citespace是由美國(guó)德雷塞爾大學(xué)陳超美（Chaomei Chen）教授2004年開(kāi)發(fā)出的一款可視化軟件，它能將復(fù)雜的學(xué)科知識(shí)通過(guò)信息挖掘、公式計(jì)算等方法對(duì)研究熱點(diǎn)進(jìn)行數(shù)據(jù)分析，再通過(guò)巧妙地空間布局將所分析的數(shù)據(jù)以圖像的方式展現(xiàn)出來(lái)。

本文的研究方法采用定量分析為主，通過(guò)文獻(xiàn)計(jì)量學(xué)對(duì)高頻關(guān)鍵詞進(jìn)行統(tǒng)計(jì)分析，利用Citespace繪制關(guān)鍵詞知識(shí)圖譜，分析出建筑工程人工智能研究熱點(diǎn)。

2.2 數(shù)據(jù)來(lái)源

本文研究的對(duì)象為國(guó)際和國(guó)內(nèi)建筑工程人工智能領(lǐng)域的相關(guān)文獻(xiàn)，數(shù)據(jù)庫(kù)選擇Web of Science核心集合與中國(guó)知網(wǎng)數(shù)據(jù)庫(kù)，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(xiàng)選擇精煉土木工程、建筑施工技術(shù)。中國(guó)知網(wǎng)檢索選擇工程科技Ⅱ輯里面的建筑工程與科學(xué)主題為人工智能的全部核心期刊。最終確定WOS數(shù)據(jù)庫(kù)的1338篇相關(guān)文獻(xiàn)及中國(guó)知網(wǎng)201篇相關(guān)文獻(xiàn)。

3 研究熱點(diǎn)分析

關(guān)鍵詞是文獻(xiàn)研究?jī)?nèi)容和主要含義的重要體現(xiàn)形式，所以在可視化分析中可以使用高頻關(guān)鍵詞確定學(xué)科研究熱點(diǎn)[2]。本文運(yùn)用Citespace中的Keyword節(jié)點(diǎn)為分析節(jié)點(diǎn)繪制國(guó)內(nèi)和國(guó)際關(guān)鍵詞知識(shí)圖譜。在關(guān)鍵詞共現(xiàn)圖譜中每一個(gè)節(jié)點(diǎn)代表著一個(gè)關(guān)鍵詞，節(jié)點(diǎn)大小與頻次大小成正比，節(jié)點(diǎn)之間的連線表示關(guān)鍵詞之間存在共現(xiàn)關(guān)系。

圖1 國(guó)內(nèi)關(guān)鍵詞知識(shí)網(wǎng)絡(luò)圖譜

國(guó)內(nèi)建筑工程人工智能研究高頻關(guān)鍵詞（部分） 表1

3.1 國(guó)內(nèi)建筑工程人工智能研究熱點(diǎn)

從圖1和表1可以看出國(guó)內(nèi)研究以人工智能為中心，圍繞著機(jī)器人、人工智能識(shí)別、計(jì)算機(jī)視覺(jué)、專家系統(tǒng)、人工神經(jīng)網(wǎng)絡(luò)等研究熱點(diǎn)。整體上看研究熱點(diǎn)比較分散，不局限單一研究方向。具體將1990～2020年3月國(guó)內(nèi)建筑工程人工人工智能研究熱點(diǎn)分為以下幾個(gè)方面分析。

①基礎(chǔ)性研究：基礎(chǔ)性研究興起時(shí)間較早，但是在人工智能建筑進(jìn)入應(yīng)用性研究后對(duì)其研究開(kāi)始變少。國(guó)內(nèi)基礎(chǔ)性研究主要集中為新技術(shù)的提出與綜述展望，這一如從原本單一領(lǐng)域研究到提出了基于BIM的人工智能技術(shù)、基于機(jī)器人學(xué)習(xí)的人工智能輔助技術(shù)、人工智能專家系統(tǒng)等技術(shù)推進(jìn)了建筑工程人工智能技術(shù)的發(fā)展。對(duì)機(jī)器人應(yīng)用的研究綜述、計(jì)算機(jī)視覺(jué)的發(fā)展綜述等內(nèi)容為建筑工程人工智能研究提供了數(shù)據(jù)參考與發(fā)展方向，如葉肖偉[3]等人針對(duì)基礎(chǔ)性研究整理了基于計(jì)算機(jī)視覺(jué)對(duì)位移監(jiān)測(cè)的研究，得到計(jì)算機(jī)視覺(jué)技術(shù)未來(lái)在結(jié)構(gòu)位移監(jiān)測(cè)的研究重點(diǎn)是應(yīng)用效率與可靠性。

②應(yīng)用性研究：國(guó)內(nèi)應(yīng)用性研究數(shù)量比較多，主要體現(xiàn)在基于現(xiàn)場(chǎng)施工的技術(shù)應(yīng)用。如工程機(jī)器人巡檢技術(shù)、放樣機(jī)器人測(cè)量技術(shù)、計(jì)算機(jī)視覺(jué)技術(shù)識(shí)別結(jié)構(gòu)損傷等技術(shù)。面向人工智能的應(yīng)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(jī)器人巡檢代替人工巡檢，通過(guò)實(shí)際工程應(yīng)用證實(shí)了智能機(jī)器人巡檢的可行性。人工智能技術(shù)的應(yīng)用減少了施工成本、加強(qiáng)了數(shù)據(jù)監(jiān)控、減少了測(cè)量數(shù)據(jù)偏差，在一定程度上促進(jìn)了建筑行業(yè)的發(fā)展。

③技術(shù)性研究：技術(shù)性研究主要包括平臺(tái)的構(gòu)件、系統(tǒng)設(shè)計(jì)等方面，如智能規(guī)劃平臺(tái)設(shè)計(jì)、智能監(jiān)控系統(tǒng)設(shè)計(jì)、故障診斷專家系統(tǒng)的設(shè)計(jì)等。使用設(shè)計(jì)出的智能監(jiān)控系統(tǒng)可以監(jiān)控到結(jié)構(gòu)的各個(gè)參數(shù)變化情況以通過(guò)健康監(jiān)測(cè)系統(tǒng)獲取重要參數(shù)，經(jīng)過(guò)分析、識(shí)別并采取相應(yīng)措施可以將結(jié)構(gòu)重新調(diào)整到良好的狀態(tài)。

3.2 國(guó)際建筑工程人工智能研究熱點(diǎn)

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

圖2 國(guó)際關(guān)鍵詞知識(shí)網(wǎng)絡(luò)圖譜

國(guó)際建筑工程人工智能研究高頻關(guān)鍵詞（部分） 表2

①基礎(chǔ)性研究：國(guó)際在基礎(chǔ)理論研究與國(guó)內(nèi)相比較多，主要在體現(xiàn)在理論模型的建立。使用專家系統(tǒng)、人工神經(jīng)網(wǎng)絡(luò)、遺傳算法等技術(shù)與計(jì)算機(jī)技術(shù)相結(jié)合建立人工智能模型，通過(guò)智能模型對(duì)理論技術(shù)進(jìn)行驗(yàn)證，如 Ashrafina，All[5]運(yùn)用人工神經(jīng)網(wǎng)絡(luò)與其他方法相結(jié)合，使用智能模型進(jìn)行標(biāo)定和驗(yàn)證出了泡沫、沙土、粘結(jié)劑、水灰比、砂灰比和試件期齡是確定最小馬洛系數(shù)值的最基本的預(yù)測(cè)指標(biāo)。通過(guò)建立人工智能模型進(jìn)行理論確定促進(jìn)了國(guó)際學(xué)者理論研究的發(fā)展。

②應(yīng)用性研究：國(guó)外在應(yīng)用性研究上相對(duì)基礎(chǔ)性研究較少，其主要研究方向?yàn)橹悄茏R(shí)別檢測(cè)，通過(guò)圖像處理方法從數(shù)字圖像中提取特征，完成對(duì)相關(guān)結(jié)構(gòu)的識(shí)別，能夠迅速找到施工過(guò)程中的缺陷加以彌補(bǔ)。

③技術(shù)性研究：國(guó)際對(duì)建筑工程技術(shù)性研究主要針對(duì)技術(shù)性評(píng)估等內(nèi)容。如Seitllari A[6]使用人工神經(jīng)網(wǎng)絡(luò)、遺傳算法等內(nèi)容，通過(guò)對(duì)實(shí)際火災(zāi)試驗(yàn)數(shù)據(jù)的綜合分析，評(píng)估出火災(zāi)引起混凝土剝落的趨勢(shì)，從而提前進(jìn)行預(yù)防與解決方案。

4 結(jié)論

通過(guò)對(duì)國(guó)內(nèi)外建筑工程人工智能研究的相關(guān)文獻(xiàn)研究熱點(diǎn)分析，結(jié)論如下。

國(guó)內(nèi)研究熱點(diǎn)偏向于應(yīng)用性研究，其計(jì)算機(jī)視覺(jué)技術(shù)、工程機(jī)器人等技術(shù)已經(jīng)在實(shí)際工程中得到應(yīng)用并到達(dá)預(yù)期標(biāo)準(zhǔn)。國(guó)際研究熱點(diǎn)偏向基礎(chǔ)理論研究，主要使用人工智能模型進(jìn)行理論驗(yàn)證、風(fēng)險(xiǎn)預(yù)測(cè)等。