基于文獻(xiàn)計(jì)量學(xué)的智能建筑研究進(jìn)展及前沿分析

陳棟才， 張思洪， 蔡永翔， 陳湘萍

（1 貴州大學(xué) 電氣工程學(xué)院，貴陽 550025； 2 貴州電網(wǎng)有限責(zé)任公司 電力科學(xué)研究院， 貴陽 550002）

0 引 言

隨著第五次信息革命，計(jì)算機(jī)技術(shù)得到高速發(fā)展。 上世紀(jì)80 年代，Joanna Eley［1］提出了智能建筑的概念，美國的康州哈特福德市建造了第一座基于信息技術(shù)和物聯(lián)網(wǎng)技術(shù)的智能建筑“都市辦公大樓”。智能建筑通過使用系統(tǒng)集成技術(shù)，將計(jì)算機(jī)網(wǎng)絡(luò)技術(shù)、現(xiàn)代通訊技術(shù)、現(xiàn)代自動(dòng)控制技術(shù)等數(shù)字化技術(shù)與建筑技術(shù)等相關(guān)技術(shù)有機(jī)地結(jié)合一體，根據(jù)需求響應(yīng)，將建筑的結(jié)構(gòu)、系統(tǒng)、服務(wù)管理進(jìn)行最優(yōu)組合，所有的一切構(gòu)成了安全、高效、方便和舒適的建筑物［2］。智能建筑系統(tǒng)由多個(gè)互相協(xié)同的部分組成，能夠在任何情況下對建筑進(jìn)行管理。 通過對周圍環(huán)境資源的合理利用，智能建筑依托現(xiàn)代化技術(shù)，實(shí)現(xiàn)了綠色環(huán)保、節(jié)能減排的目的，如今已經(jīng)成為建筑行業(yè)和信息技術(shù)行業(yè)交叉發(fā)展的重要領(lǐng)域。

在人與建筑互動(dòng)的過程中，建筑與人之間產(chǎn)生了大量的數(shù)據(jù)，因此可以把建筑看作一個(gè)具有感知能力的“生命體”。 智能建筑擁有以下內(nèi)涵特征：自感知，即可監(jiān)測并收集建筑運(yùn)行期間的歷史數(shù)據(jù)等；自管理，即通過對歷史數(shù)據(jù)信息的分析處理，完成建筑內(nèi)基于大數(shù)據(jù)學(xué)習(xí)的自我行為管理等；自學(xué)習(xí)，即能夠分析建筑物自身運(yùn)行及環(huán)境相關(guān)的大量數(shù)據(jù)，進(jìn)行自我學(xué)習(xí)；自呼吸，即使建筑物依托綠色技術(shù)，模仿自然循環(huán)，以達(dá)到減少能耗，節(jié)約資源，保護(hù)環(huán)境的目的。 智能建筑典型特征如圖1 所示［3］。

圖1 智能建筑典型特征［3］Fig.1 Typical characteristics of intelligent buildings

對于智能建筑領(lǐng)域的研究，絕大多數(shù)學(xué)者選擇從某一方面著手。 如：改進(jìn)群智能算法［4］、管理控制［5-6］、建立評價(jià)體系［7］、物聯(lián)網(wǎng)集成［8］、建筑負(fù)荷預(yù)測［9］等方面，僅局限于方法層面或技術(shù)層面。 現(xiàn)有的這些文章雖然具有一定價(jià)值，但未能客觀揭示智能建筑研究的全貌，也未能適當(dāng)關(guān)注探索過去幾十年來的研究熱點(diǎn)。 在傳統(tǒng)的評論文章中，很難在大時(shí)間尺度的大量研究中有效地組織、總結(jié)和定量分析某一特定領(lǐng)域的發(fā)展。

由于智能建筑是一個(gè)跨學(xué)科的研究領(lǐng)域，涵蓋了建筑類、計(jì)算機(jī)類、能源類、控制類等學(xué)科，為了全面了解智能建筑的進(jìn)展和熱點(diǎn)，本文采用文獻(xiàn)計(jì)量分析方法，利用可視化工具CiteSpace 對國內(nèi)外眾多有關(guān)智能建筑的文獻(xiàn)數(shù)據(jù)進(jìn)行分析處理，繪制發(fā)文情況、關(guān)鍵詞、被引文獻(xiàn)等知識(shí)圖譜，從智能建筑全局出發(fā)，并結(jié)合相關(guān)文獻(xiàn)資料研究解讀，得到至今為止國內(nèi)外智能建筑的研究現(xiàn)狀及前言，并預(yù)測智能建筑的發(fā)展趨勢。

1 數(shù)據(jù)來源和研究方法

1.1 數(shù)據(jù)來源

以Web of Science 數(shù)據(jù)庫中的核心合集數(shù)據(jù)庫作為數(shù)據(jù)來源，引文索引選擇Science Citation Index Expanded（SCIE）和Conference Proceedings Citation Index-Science（CPCI-S），主題以“smart building*”O(jiān)R “ intelligent building * ” AND “ artificial intelligence” AND “big data”進(jìn)行檢索，時(shí)間跨度選擇2010 年至2022 年，并精煉檢索結(jié)果，去重后得到2 997 篇文獻(xiàn)。

1.2 研究方法

CiteSpace［10］是美國德雷塞爾大學(xué)陳超美教授基于Java 平臺(tái)開發(fā)的一款文獻(xiàn)計(jì)量可視化分析軟件，其結(jié)合網(wǎng)絡(luò)分析與關(guān)聯(lián)規(guī)則分析等方法，繪制知識(shí)圖譜，并通過圖譜分析該領(lǐng)域的研究動(dòng)態(tài)、研究趨勢、研究熱點(diǎn)，是近年來最具影響力的信息可視化分析軟件之一［11］。 當(dāng)前， CiteSpace 軟件已被廣泛應(yīng)用于諸多領(lǐng)域的研究綜合分析［12］。 通過知識(shí)圖譜的形式，與傳統(tǒng)文獻(xiàn)相比，可以更加清晰地展示智能建筑研究領(lǐng)域的發(fā)展脈絡(luò)、研究熱點(diǎn)等。

CiteSpace 與3 個(gè)中心概念相關(guān)：異構(gòu)網(wǎng)絡(luò)、中介中心性和突變檢測。 這些概念可以解決3 個(gè)實(shí)際問題，即了解研究的現(xiàn)狀和熱點(diǎn)、研究的相關(guān)性以及及時(shí)發(fā)現(xiàn)新趨勢和突變。 在CiteSpace 中，當(dāng)前的研究現(xiàn)狀和熱點(diǎn)是基于文獻(xiàn)的標(biāo)題、摘要和關(guān)鍵詞等標(biāo)識(shí)符中提取；研究的相關(guān)性通過識(shí)別具有高中介中心性的節(jié)點(diǎn)來確定，使用戶更容易識(shí)別關(guān)鍵點(diǎn)，為了在可視化的網(wǎng)絡(luò)中脫穎而出，關(guān)鍵點(diǎn)用紫紅色外圈突出顯示；突發(fā)檢測算法可以適用于檢測某個(gè)研究領(lǐng)域急劇增加的研究熱點(diǎn)。

文獻(xiàn)計(jì)量學(xué)是以文獻(xiàn)計(jì)量特征為研究對象，采用數(shù)學(xué)與統(tǒng)計(jì)學(xué)的計(jì)量方法來描述、評價(jià)文獻(xiàn)的分布情況、統(tǒng)計(jì)規(guī)律以及預(yù)測文獻(xiàn)方向，是一門集合數(shù)學(xué)、統(tǒng)計(jì)學(xué)、文獻(xiàn)學(xué)的交叉科學(xué)［13］。 文章通過CiteSpace 的文獻(xiàn)計(jì)量分析方法，來探索基于人工智能和大數(shù)據(jù)的智能建筑研究領(lǐng)域的相關(guān)知識(shí)圖譜。首先，通過從WOS 數(shù)據(jù)庫中收集與智能建筑相關(guān)的文獻(xiàn)數(shù)據(jù)；將數(shù)據(jù)導(dǎo)入到CiteSpace 軟件中，對文獻(xiàn)的出版年份、國家與機(jī)構(gòu)、作者共被引、共現(xiàn)關(guān)鍵詞和聚類、文獻(xiàn)共被引和聚類以及文獻(xiàn)突變進(jìn)行分析；最后得出智能建筑研究領(lǐng)域的知識(shí)圖譜。

2 結(jié)果與分析

2.1 發(fā)文量分析

將收集到的2 997 篇文獻(xiàn)做一個(gè)年發(fā)文量統(tǒng)計(jì)，如圖2 所示。 發(fā)文量的演變大致可分為3 個(gè)階段：第一階段始于2010～2012 年，期間智能建筑相關(guān)文獻(xiàn)稀少且增長緩慢，反映出智能建筑處于起步階段的事實(shí)； 第二階段始于2013 ～2019 年，在此期間，智能建筑論文的年度發(fā)表量激增，表明智能建筑受到越來越多的關(guān)注，也表明更多的研究得到了執(zhí)行； 第三階段始于2020～2022 年，發(fā)文量開始下跌，表明研究熱度有所下降，智能建筑的發(fā)展可能遇到了瓶頸。

圖2 基于WoS 智能建筑研究年發(fā)文量統(tǒng)計(jì)Fig.2 Annual publication statistics based on WoS intelligent building research

2.2 發(fā)文國家與機(jī)構(gòu)分析

發(fā)現(xiàn)重點(diǎn)關(guān)注的國家和機(jī)構(gòu)評價(jià)其學(xué)術(shù)影響力，對于了解該研究領(lǐng)域的研究基礎(chǔ)和研究動(dòng)態(tài)具有重要意義。 因此，可將CiteSpace 中節(jié)點(diǎn)類型設(shè)為“country”或“Institution”，得到發(fā)文國家與機(jī)構(gòu)的共現(xiàn)網(wǎng)絡(luò)。 如圖3 所示，節(jié)點(diǎn)越大，頻次越大，代表發(fā)文數(shù)量越多，每個(gè)節(jié)點(diǎn)從中心沿半徑方向到達(dá)邊緣的顏色趨勢表示了時(shí)間的演變，內(nèi)圈的冷色代表早年，外圈的暖色代表近幾年。

圖3 發(fā)文分析共現(xiàn)網(wǎng)絡(luò)知識(shí)圖譜Fig.3 Publishing and analyzing the co-existing network knowledge graph

由圖3 中可見，發(fā)文量排名前列的國家依次為美國、中國、意大利等。 從圖3 所顯示的復(fù)雜連線可知，各個(gè)國家之間的合作關(guān)系較為不同。 如：中國和美國發(fā)文量是最多的，但與其他國家節(jié)點(diǎn)的連線很少，說明與其他國家之間的合作不多；而歐洲國家之間連線密集，說明歐洲國家之間合作很密切。

值得指出的是，高中心性意味著節(jié)點(diǎn)的重要性。按中心度來排列，印度＜中國和法國＜美國＜英國＜意大利＜德國＜西班牙，西班牙的中心度最高，達(dá)到0.36，表明西班牙與意大利、德國、英國等許多國家保持著廣泛的合作。 表1 顯示大多數(shù)國家節(jié)點(diǎn)的中心性較低，這意味著大多數(shù)國家之間的合作研究較為有限，各國和國際機(jī)構(gòu)有必要加強(qiáng)合作與溝通。

表1 發(fā)文量前列的國家Tab.1 Countries with most publications

從表1 和表2 可以發(fā)現(xiàn)，中國、美國和意大利等發(fā)文量較多的國家，其發(fā)文并未集中在對應(yīng)國家的國內(nèi)某一機(jī)構(gòu)，說明該國國內(nèi)在該研究領(lǐng)域的研究勢力比較分散，需加強(qiáng)學(xué)術(shù)交流，形成良好的學(xué)術(shù)團(tuán)體。

表2 發(fā)文量前5 位的機(jī)構(gòu)Tab.2 Top 5 institutions with most publications

2.3 關(guān)鍵詞共現(xiàn)和聚類分析

2.3.1 共現(xiàn)關(guān)鍵詞分析

對文獻(xiàn)關(guān)鍵詞進(jìn)行分析，可對文章主題進(jìn)行概括。 一篇文獻(xiàn)的幾個(gè)關(guān)鍵詞存在著某種關(guān)聯(lián)，而不同的文獻(xiàn)出現(xiàn)相同的關(guān)鍵詞代表著文獻(xiàn)間存在著某種關(guān)聯(lián)，這種關(guān)聯(lián)可以用異構(gòu)網(wǎng)絡(luò)來表示。 頻次較高的關(guān)鍵詞可以反映該研究領(lǐng)域的研究熱點(diǎn)，而高中心性關(guān)鍵詞則反映了相應(yīng)研究內(nèi)容在該研究領(lǐng)域的地位和影響力［14］。 關(guān)鍵詞共現(xiàn)可視化結(jié)果如圖4 所示，圖中共有481 個(gè)節(jié)點(diǎn)，642 條連線，網(wǎng)絡(luò)密度為0.005 6，說明智能建筑研究主題比較廣泛，彼此之間較為松散。 圖譜中的節(jié)點(diǎn)表示關(guān)鍵詞，節(jié)點(diǎn)的大小、顏色、色帶寬度皆與關(guān)鍵詞的性質(zhì)有關(guān)。 熱門關(guān)鍵詞在頻次上的排序見表3。

表3 重點(diǎn)關(guān)鍵詞Tab.3 Important keywords

圖4 英文關(guān)鍵詞共現(xiàn)網(wǎng)絡(luò)知識(shí)圖譜Fig.4 Knowledge graph of English keywords co-appear network

由表3 對關(guān)鍵詞的出現(xiàn)頻次和中介中心性進(jìn)行統(tǒng)計(jì)，出現(xiàn)頻次由高到低的關(guān)鍵詞為系統(tǒng)（317）、模型（286）、管理（168）、優(yōu)化（143）等，是智能建筑研究的基礎(chǔ)，且研究成果較多，絕大多數(shù)研究主要是以搭建模型系統(tǒng)模擬建筑運(yùn)行，以進(jìn)行管理優(yōu)化為主。而設(shè)計(jì)（0.33）、效率（0.23）、策略（0.26）、需求側(cè)管理（0.27）、熱舒適（0.17）、互聯(lián)網(wǎng)（0.1）等中介中心性大于0.1 的關(guān)鍵詞，在智能建筑的研究中起連接作用，是該領(lǐng)域研究的重點(diǎn)內(nèi)容，包括依托互聯(lián)網(wǎng)實(shí)現(xiàn)人、物和建筑之間的互聯(lián)［15］；基于需求側(cè)管理的建筑能效分析［16］；考慮建筑能耗和人員熱舒適度的管理控制策略［17］等。

2.3.2 關(guān)鍵詞聚類分析

由于未考慮到不同文獻(xiàn)時(shí)效性所帶來的影響，因此熱點(diǎn)研究的薄弱程度不足以反映一個(gè)學(xué)術(shù)領(lǐng)域的研究趨勢。 為了克服這個(gè)弱點(diǎn)，對關(guān)鍵詞進(jìn)行聚類分析，以獲得智能建筑研究的新興趨勢和前沿，集群的標(biāo)簽是LLR 集群的命名模式，不同集群之間的某些部分可能會(huì)重疊。 聚類結(jié)果如圖5 所示，得到了10 個(gè)聚類（僅顯示最大連接組件），模塊度Q為0.816，平均輪廓值S為0.928 6，且每個(gè)聚類的輪廓值都超過了0.5，表明結(jié)果是可靠且有意義的。

圖5 2010-2022 年的文獻(xiàn)關(guān)鍵詞的聚類可視化Fig.5 Cluster visualization of literature keywords from 2010 to 2022

由圖5 的聚類效果可見，＃2 edge computing（邊緣計(jì)算）、＃5 wireless sensor network（無線傳感網(wǎng)絡(luò)）符合智能建筑的“自感知” 特征；＃ 0 anomaly detection（故障診斷）、＃1 energy management（能量管理）和＃3 smart building system（智能建筑系統(tǒng)）符合智能建筑的“自管理”特征；＃8 machine learning（機(jī)器學(xué)習(xí)）、＃9 data mining（數(shù)據(jù)挖掘）符合智能建筑的“自學(xué)習(xí)”特征；＃4 smart grid（智能電網(wǎng)）、＃6 thermal energy storage（熱能存儲(chǔ)）和＃7 life cycle assessment（生命周期評估）符合智能建筑的“自呼吸”特征。

聚類中出現(xiàn)頻次較高的關(guān)鍵詞system（系統(tǒng)）、neural network（神經(jīng)網(wǎng)絡(luò)）、energy forecasting（能源預(yù)測）、iot（物聯(lián)網(wǎng)）、reinforcement learning（強(qiáng)化學(xué)習(xí)）、 predictive control （ 預(yù) 測 控 制）、 energy management（能源管理）等，從總體上來看：智能建筑的研究熱點(diǎn)主要集中于現(xiàn)代計(jì)算機(jī)技術(shù)、通信技術(shù)、電氣能源技術(shù)以及現(xiàn)代控制技術(shù)在建筑領(lǐng)域上的交叉應(yīng)用。

但是，新的控制和通信技術(shù)的引入，對建筑能源管理系統(tǒng)產(chǎn)生了深遠(yuǎn)影響，提供了更精確、高效的能源監(jiān)測和控制手段，促進(jìn)了建筑能源管理技術(shù)的不斷發(fā)展和創(chuàng)新需求。 模型預(yù)測控制（MPC）以其在能源管理方面的潛力，成為近年來的一項(xiàng)研究熱門。國外學(xué)者Serale G［18］定義了MPC 制定框架，并討論不同的現(xiàn)有MPC 算法用于建筑和HVAC 系統(tǒng)管理的結(jié)果，強(qiáng)調(diào)了應(yīng)用MPC 在提高建筑物能源效率方面的潛在好處。 先進(jìn)的建筑能源管理技術(shù)的發(fā)展離不開建筑負(fù)荷預(yù)測的發(fā)展，然而建筑能耗具有非線性、時(shí)變性強(qiáng)和不確定等特點(diǎn)，主流的基于詳細(xì)能耗模型模擬方法存在使用復(fù)雜，建模時(shí)間久，且存在性能差距等問題［19］。 因此，基于數(shù)據(jù)挖掘與機(jī)器學(xué)習(xí)的建筑負(fù)荷預(yù)測研究的重要性日益提高。 通過使用包括人工神經(jīng)網(wǎng)絡(luò)（ANN）、支持向量機(jī)（SVM）、梯度提升（XGBoost）、分類與回歸樹（CART）等方法分析數(shù)據(jù)關(guān)聯(lián)關(guān)系，進(jìn)行特征選擇，挖掘影響建筑能耗的決定性因素，進(jìn)行負(fù)荷預(yù)測［20］。 以良好的建筑能源管理技術(shù)為基礎(chǔ)，以新型傳感器網(wǎng)絡(luò)為骨干，以物聯(lián)網(wǎng)集成系統(tǒng)為統(tǒng)帥，再輔以大數(shù)據(jù)、云計(jì)算等信息技術(shù)，即可實(shí)現(xiàn)綠色節(jié)能建筑［21］，實(shí)現(xiàn)智能建筑的“自呼吸”。 在國內(nèi)王宏等人［22］開展了針對人工智能和物聯(lián)網(wǎng)等技術(shù)為基礎(chǔ)的AIoT（Artificial Intelligence and Internet of Things）在實(shí)際綠色智能建筑樓宇自控中的融合應(yīng)用研究。 主要包括基于AIoT 的智能建筑樓宇自控系統(tǒng)總體層級架構(gòu)、智能自動(dòng)照明系統(tǒng)的節(jié)能優(yōu)化控制及其故障診斷與預(yù)測等研究，基于物聯(lián)網(wǎng)技術(shù)和神經(jīng)網(wǎng)絡(luò)的故障預(yù)測診斷也成為智能建筑較傳統(tǒng)建筑的一大優(yōu)點(diǎn)。

2.4 研究前沿分析

2.4.1 關(guān)鍵詞突變分析

通過對關(guān)鍵詞做突變分析，通過高頻關(guān)鍵詞的出現(xiàn)時(shí)間點(diǎn)，即可得到研究領(lǐng)域的熱點(diǎn)變化，反應(yīng)該領(lǐng)域的研究趨勢，且突變強(qiáng)度的大小也反映了關(guān)鍵詞在這一時(shí)刻的熱門程度。 使用citespace 的“burstness”功能，對智能建筑近些年的突變詞分析見表4。

表4 根據(jù)爆發(fā)開始時(shí)間排序的關(guān)鍵詞Tab.4 Keywords sorted by outbreak start time

根據(jù)突變爆發(fā)時(shí)間，可大致將智能建筑研究熱點(diǎn)的演化過程分為兩個(gè)階段。

2.4.1.1 第一階段（2012～2017 年）

從突變強(qiáng)度分析，早期的智能建筑以smart grid（智能電網(wǎng)）、wireless sensor network（無線傳感網(wǎng)絡(luò)）和energy efficiency（能效）為主， 由于微電子技術(shù)的興起，樓宇自動(dòng)化、通信網(wǎng)絡(luò)的系統(tǒng)集成達(dá)到進(jìn)一步的發(fā)展，以及“電網(wǎng)2.0”的提出，即現(xiàn)有的傳統(tǒng)電力系統(tǒng)升級為具備先進(jìn)通信、控制和能源技術(shù)的智能電網(wǎng)，以應(yīng)對日益增長的可再生能源（如太陽能和風(fēng)能）接入，提高電網(wǎng)的穩(wěn)定性、可靠性和能源效率。 早期的智能建筑主要以建筑能耗管理策略、簡單傳感網(wǎng)絡(luò)和電氣自動(dòng)化在建筑領(lǐng)域的［23］應(yīng)用為主，后引入genetic algorithm（遺傳算法）［24］等群智能算法，進(jìn)一步優(yōu)化建筑管理與控制策略。

2.4.1.2 第二階段（2019～2022 年）

從突變強(qiáng)度分析，iot（物聯(lián)網(wǎng)）作為計(jì)算機(jī)科學(xué)技術(shù)與互聯(lián)網(wǎng)技術(shù)后的第三信息技術(shù)，從早期簡單的傳感網(wǎng)絡(luò)到現(xiàn)在的“萬物互聯(lián)”，統(tǒng)協(xié)建筑的各個(gè)子系統(tǒng)，實(shí)現(xiàn)真正的智能建筑。 傳統(tǒng)物聯(lián)網(wǎng)在智能建筑上的應(yīng)用需要將設(shè)備產(chǎn)生的數(shù)據(jù)傳輸?shù)皆贫擞?jì)算再返回，以實(shí)現(xiàn)對設(shè)備系統(tǒng)的控制，為提高對數(shù)據(jù)的高效實(shí)時(shí)處理以及保證用戶的數(shù)據(jù)隱私安全。 如國內(nèi)的Li Wenzhuo［25］以及國外的Yar Hikmat［26］等學(xué)者引入edge computing（邊緣計(jì)算），一種靠近物或數(shù)據(jù)源頭的網(wǎng)絡(luò)邊緣側(cè)，通過融合網(wǎng)絡(luò)、計(jì)算、存儲(chǔ)、應(yīng)用核心能力的分布式開放平臺(tái)，就近提供邊緣智能服務(wù)［27］的服務(wù)方式，可有效處理數(shù)據(jù)且減少對互聯(lián)網(wǎng)帶寬的依賴，進(jìn)一步提高物聯(lián)網(wǎng)的智能化。 reinforcement learning（強(qiáng)化學(xué)習(xí)）以及deep learning（深度學(xué)習(xí)）皆是人工智能研究在建筑領(lǐng)域上的應(yīng)用，在大數(shù)據(jù)時(shí)代，分析并學(xué)習(xí)建筑歷史運(yùn)行數(shù)據(jù)，在建筑能源管理、樓宇自動(dòng)控制系統(tǒng)等方面有著良好的應(yīng)用前景，使用戶獲得更好的居住體驗(yàn)，使智能建筑“智慧化”。

2.4.2 被引文獻(xiàn)突變檢測分析

文獻(xiàn)的突變檢測能夠發(fā)現(xiàn)該研究領(lǐng)域的新興趨勢，即在某一時(shí)間段內(nèi)人們對某一特定出版物研究內(nèi)容的關(guān)注突然激增。 引文突發(fā)提供的證據(jù)表明，對出版物研究內(nèi)容的關(guān)注與引用的激增相關(guān)聯(lián)，表明相關(guān)文獻(xiàn)在該研究領(lǐng)域已經(jīng)受到了相應(yīng)的關(guān)注。根據(jù)引用突變強(qiáng)度以及開始時(shí)間，選擇了代表性參考文獻(xiàn)見表5。

表5 根據(jù)爆發(fā)開始時(shí)間排序的代表性參考文獻(xiàn)Tab.5 Representative references sorted by outbreak start time

根據(jù)被引文獻(xiàn)的爆發(fā)時(shí)間，可把研究領(lǐng)域按時(shí)間分為兩個(gè)階段，與年發(fā)文量的分析相對應(yīng)。

2.4.2.1 第一階段（2011～2018 年）

從表5 可以看出，本階段參考文獻(xiàn)的爆發(fā)強(qiáng)度均超過10，代表著這個(gè)研究領(lǐng)域具有里程碑意義的參考文獻(xiàn)。 最早的Dounis AI（2009）［28］發(fā)表了突變強(qiáng)度最高的文獻(xiàn)，主要介紹了以降低能耗和提高用戶熱舒適度為目的，在建筑環(huán)境中基于代理的智能控制系統(tǒng)的設(shè)計(jì)上。 Perez-Lombard （2008）［29］與Lu J（2010）［30］皆從暖通空調(diào)系統(tǒng)（HVAC）入手，討論如何利用廉價(jià)且簡單的傳感技術(shù)來自動(dòng)感知建筑HVAC 系統(tǒng)的使用和睡眠模式，以及如何使用這些模式通過自動(dòng)關(guān)閉家中的HVAC 系統(tǒng)來節(jié)省能源。由文獻(xiàn)突變分析得到的智能建筑早期研究熱點(diǎn)與2.4.1節(jié)中 關(guān)鍵詞突變分析結(jié)果基本吻合。

2.4.2.2 第二階段（2020～2022 年）

由突變文獻(xiàn)分析可大致分為3 個(gè)研究方向：

（1）物聯(lián)網(wǎng)技術(shù)在智能建筑上的集成應(yīng)用。Minoli D（2017）［31］研究物聯(lián)網(wǎng)在當(dāng)今各個(gè)行業(yè)的應(yīng)用，其中包括智慧城市、智能電網(wǎng)、智能家居、智能監(jiān)控、 能 源 優(yōu) 化、 BA 系 統(tǒng) 等。 而 Plageras AP（2018）［32］研究將物聯(lián)網(wǎng)技術(shù)、大數(shù)據(jù)、云計(jì)算、新型傳感器有機(jī)結(jié)合，獲取建筑節(jié)能建議方案，從而得到綠色智能建筑。

（2）基于數(shù)據(jù)驅(qū)動(dòng)的建筑能耗預(yù)測。 Amasyali K（2018）［33］回顧了開發(fā)數(shù)據(jù)驅(qū)動(dòng)的建筑能耗預(yù)測模型研究，重點(diǎn)回顧了預(yù)測范圍、數(shù)據(jù)屬性和使用的數(shù)據(jù)預(yù)處理方法、用于預(yù)測的機(jī)器學(xué)習(xí)算法，以及用于評估的績效指標(biāo)。 在此回顧的基礎(chǔ)上，確定了現(xiàn)有的研究空白，并強(qiáng)調(diào)了數(shù)據(jù)驅(qū)動(dòng)的建筑能耗預(yù)測領(lǐng)域未來研究方向。

（3）建筑能源管理技術(shù)。 為充分發(fā)展智能電網(wǎng)，考慮到建筑系統(tǒng)對全球總發(fā)電量的消耗占據(jù)了重要部分，因此建筑系統(tǒng)與電網(wǎng)系統(tǒng)之間的有效集成和協(xié)同運(yùn)行變得至關(guān)重要。 Lawrence TM（2016）［34］提出建筑管理人員必須平衡電網(wǎng)運(yùn)營商的需求響應(yīng)，請求與維持建筑運(yùn)營所需的能源。 例如，維持占用建筑物內(nèi)的熱舒適性需要能源，因此需要一種優(yōu)化的解決方案，來平衡能源使用與室內(nèi)環(huán)境質(zhì)量（足夠的熱舒適性、照明等），建筑物及其系統(tǒng)與電網(wǎng)的成功集成還需要可互操作的數(shù)據(jù)交換。Wei TS（2017）［35］開發(fā)了一種數(shù)據(jù)驅(qū)動(dòng)的方法，使用深度強(qiáng)化學(xué)習(xí)（DRL）技術(shù)，學(xué)習(xí)操作建筑HVAC 系統(tǒng)的最佳控制策略。 Reynolds J（2018）［36］以英國卡迪夫的一座小型辦公樓為研究對象，制定兩種優(yōu)化策略，基于啟發(fā)式算法的日前優(yōu)化和基于模型預(yù)測控制的日內(nèi)逐時(shí)優(yōu)化。 優(yōu)化策略成功轉(zhuǎn)移負(fù)載與基準(zhǔn)策略相比，價(jià)格更便宜，能源成本降低約27%。充分挖掘MPC 在建筑能量調(diào)節(jié)的潛力，是近年來一個(gè)重要的研究方法。

2.5 智能建筑發(fā)展與不足

自1984 年世界上第一座智能建筑——美國的“都市辦公大樓”建成后，智能建筑的發(fā)展已經(jīng)過了將近四十年的歷史。 時(shí)至今日，智能建筑在經(jīng)歷多項(xiàng)現(xiàn)代化技術(shù)的更新后，較傳統(tǒng)建筑，擁有高效利用建筑面積、自動(dòng)化程度高、數(shù)據(jù)可視化、綠色節(jié)能、可預(yù)測性維護(hù)、可實(shí)時(shí)控制和便捷程度高等優(yōu)點(diǎn)，極大程度提高了用戶的使用體驗(yàn)。 以國內(nèi)最新智能建筑之一的騰訊濱海大廈為例，其已經(jīng)擁有了高效的能量利用效率，完善的數(shù)字化轉(zhuǎn)型基礎(chǔ)設(shè)施以及智慧化管理平臺(tái)等多項(xiàng)智能建筑特征，深度融合了云計(jì)算、物聯(lián)網(wǎng)、人工智能、信息安全等前沿技術(shù)。 然而，目前智能建筑領(lǐng)域發(fā)展仍存在瓶頸與不足。 以物聯(lián)網(wǎng)的應(yīng)用為例，當(dāng)前物聯(lián)網(wǎng)的應(yīng)用場景過于廣泛，導(dǎo)致存在碎片化問題，缺乏統(tǒng)一的連接協(xié)議和應(yīng)用協(xié)議標(biāo)準(zhǔn)［37］；數(shù)據(jù)挖掘以及深度學(xué)習(xí)在智能建筑上的應(yīng)用存在數(shù)據(jù)不規(guī)范，重量不重質(zhì)的問題，神經(jīng)網(wǎng)絡(luò)屬于黑箱結(jié)構(gòu)，工作狀態(tài)不穩(wěn)定；智能技術(shù)的應(yīng)用仍然以檢查和監(jiān)測為主，并多采用信號提示的方式與人工進(jìn)行交互，而缺乏進(jìn)一步自主的智能應(yīng)對［38］；同時(shí)中國的智能建筑起步較慢，很多核心技術(shù)以及產(chǎn)品以國外市場為主流，冒失運(yùn)用在國內(nèi)智能建筑的實(shí)施可能存在“水土不服”的情況，需進(jìn)一步推動(dòng)國產(chǎn)技術(shù)的創(chuàng)新。

3 結(jié)束語

通過文獻(xiàn)計(jì)量學(xué)并結(jié)合CiteSpace 應(yīng)用程序，旨在探究智能建筑研究領(lǐng)域的研究現(xiàn)狀和熱點(diǎn)。 通過從多個(gè)視角對繪制知識(shí)圖譜進(jìn)行分析，發(fā)現(xiàn)關(guān)于智能建筑研究領(lǐng)域有如下特征：

（1）中國和美國發(fā)文量是最多的，但是和其他國家節(jié)點(diǎn)的連線很少，說明中國和美國和其他國家之間的合作不多；而歐洲國家之間連線很密集，說明歐洲國家之間合作很密切。

（2）通過對關(guān)鍵詞的共現(xiàn)和聚類分析，發(fā)現(xiàn)當(dāng)前研究熱點(diǎn)主題主要聚焦于能量管理、熱舒適度、無線傳感網(wǎng)絡(luò)、深度強(qiáng)化學(xué)習(xí)、預(yù)測控制等。

（3）對共被引文獻(xiàn)和關(guān)鍵詞的突變檢測分析，探索研究前沿，主要有物聯(lián)網(wǎng)技術(shù)、基于數(shù)據(jù)驅(qū)動(dòng)的建筑能耗預(yù)測和先進(jìn)建筑能源管理技術(shù)等。

（4）綜合研究發(fā)現(xiàn)，智能建筑是現(xiàn)代化技術(shù)的集大成之作。 然而目前主流技術(shù)應(yīng)用仍存在很大的局限性與不足。

在智能建筑的發(fā)展中，需要從設(shè)計(jì)階段就開始重視智能化技術(shù)的應(yīng)用，加強(qiáng)技術(shù)創(chuàng)新，提高相關(guān)系統(tǒng)的使用效率，避免出現(xiàn)重建設(shè)輕使用的奇怪現(xiàn)象，全方位發(fā)揮智能建筑的優(yōu)勢。