人工智能在建筑工程中的应用

张继民

（中海油石化工程有限公司，山东 济南 266061）

1 人工智能概述

1956年，人类开始研究人工智能，在美国达特大学举行的会议上首次被冠以“人工智能”。人工智能是一门在多个学科相辅相成基础上发展起来的新型综合交叉学科，主要涉及计算机科学、神经学、哲学、心理学及控制论等多种学科。人工智能已发展成为计算机科学领域的一个重要分支学科，被应用于智能计算机研究领域中。智能计算机研究领域的主要目标是在借鉴人类大脑神经系统功能的基础上创造部分智能程序，更重要的是这些程序如何被高效运行，并在此基础上建立相关理论及开发一系列相关技术产业。

如今人工智能已成为社会各个领域的研究热点，其发展历程可以大致分为以下几个主要阶段。

第一阶段：人工智能在20世纪50年代的兴起与衰落。“人工智能”一词被首次提出后，陆续涌现一些研究成果，比如挑起程序、LISTP表处理语言及通用问题等。但因为消解法在推理能力方面存在的局限性及机器智能翻译不成熟等原因，此时人们对问题的求解方法过于重视，忽略知识创新的重要性，导致人工智能走向低谷。

第二阶段：由于部分专家系统在20世纪60年代末至70年代的相继出现，有力推动了人工智能研究的发展速度，呈现了新的研究高潮期，使人工智能研究成果的实用性大大提高。专家系统大致可以阐述为一种软件系统，此软件系统是在知识的基础之上设计的软件系统，主要由知识库及推理机等构成。

第三阶段：20世纪80年代，人工智能伴随着五代计算机的研制取得了巨大发展。1982年，日本开始着手第五代计算机（KIPS）的研制规划，设想达到逻辑推理运算速度与数值运算等效。规划最终虽以失败告终，但极大推动人工智能研究热潮的发展。

第四阶段：20世纪90年代初，神经网络和网络技术的飞速发展促使人工智能的研究再次出现新的高潮期。尤其是国际互联网技术及多层神经网络模型的大力发展，促进人工智能由单一主体变成多个主体同时求解，进一步提高了其在社会各领域中的实用性。人工神经网络主要是将许多模仿人体大脑神经元中比较简单的处理单元相互链接构成极其复杂的网络系统，通过持续调节神经之间的衔接强度，增强神经网络的学习、分析、记忆等能力，使其与人脑的相似程度进一步增加。

在建筑工程领域，人工智能已经广泛应用于工程项目的各个阶段，多方位提升工程领域的精细化、数字化、智能化及信息化水平，促进建筑工程领域的快速发展。

2 决策过程

决策过程大致可以分为规划和设计。

2.1 规划

使用机器学习是一种全新的学习方式。人工智能的重点就是机器学习，以先前的数据及经验作为依据，采取合理的方法、手段去改善或优化算法。利用人工智能对建筑项目周围的外界环境、地质情况、交通运输等客观因素及附近人类需求的大数据进行深度学习，结合虚拟现实相结合的实景技术，建立全新规划设计模式。通过此全新规划设计模式，能有效规避传统模式中考虑不到的风险，营造出更加绿色健康的建筑环境，全方位实现建筑工程的智能规划程度。

2.2 设计

建筑信息模型（BIM）在建立工程项目设计阶段扮演着十分重要的角色。BIM技术是工程项目精确设计、快速建造及可视化管理的一种高效数据化辅助手段。该技术最先被佐治亚理工大学的Eastman教授在20世纪70年代提出。在建筑工程中使用该技术能提高工程建设效率。如上海中心（中国第一高楼）、武汉中心、中国尊（首都第一高楼）等，在建筑过程中全部采用了BIM技术，尤其是上海中心在建筑过程中引用BIM技术后，图纸设计错误、工程返工、工期等方面分别减少了85%、70%、15%，效果极其显著。通过可视化三维建模、云计算及VR等技术，能有效避免各专业的错漏、碰缺及冲突等设计问题，降低、优化设计成本，大幅度减少施工阶段的工程变更及冲突，缩短施工工期，缩减施工成本，显著提高工程项目设计成果的三维可视化水平。

3 施工过程

建筑工程项目施工过程中处处可见人工智能的应用实例，如3D打印技术、智能机器人等。3D打印技术是一种基于自行设计的数字模型程序的极速成型技术，可以称为一次新的工业革命。在建筑工程领域，徐捷等总结了国内外与建筑有关3D打印技术的研究成果，依据打印材料及工艺对研究成果进行归纳分类。通过该技术在建筑施工项目中的应用效果来看，其能显著提高施工速度，降低人力成本，节省施工耗材，缩短项目工期，实现绿色健康智能建造。同时，由于对智能机器人的研发升级及大范围推广应用，加上5G技术的快速发展及安全可靠等特点，设计出具有不同功能类型的智能机器人，并在施工过程中逐步取代人工操作，如砌砖机器人、无人挖土机等，显著提升施工质量，节省人力及材料成本。另外，在管理工程施工现场的过程中能随时随地看见人工智能的身影。Behzadan等学者在管理过程中充分应用增强现实技术，现场管理人员在任何地点、任何时间随时可以轻松查看工程的设计计划、实时进度及前期预算等相关信息。同时，Chen等引入ISS系统，能迅速高效地使得工程主要管理人员清晰掌握基于某阶段工程目标及约束条件下的最优工程进度计划。Fang等在工程中利用了计算机视觉领域里的一种与深度学习有关的目标检测算法，通过施工现场摄像头拍摄的现场视频能自动、快速、有效地辨别施工人员是否按规定佩戴安全帽，并能自动报警。随着我国全面加速建成的北斗卫星导航系统，通过将智能传感器与北斗卫星导航系统进行联合使用，能实时获取施工现场的动态信息，及时准确掌握施工现场的各方面情况，最大程度保证施工各工序的高效对接，及时发现并解决现场施工的突发问题。

4 运营过程

近几年，配备高清全方位旋转摄像头的轻便型无人机在多个高楼、大坝、桥梁及其他有关的建设领域中得到大范围应用，呈现指数级别的发展趋势。在建筑项目运营阶段，可以充分利用无人机技术、视觉算法及深度学习算法等智能方法对建筑项目产品进行动态预测与全方位维护。在建筑工程领域，基于5G所衍生出的无人机技术在对建筑项目进行视觉监控方面存在着极大潜力及巨大市场。无人机可以通过携载不同功能类型的智能传感器获取监测范围内超清晰、高精度的视频图像，及时生成动态可视化的三维模型，实时得到项目周围交通信息，能为相关部门快速高效地制定最佳应急处置方案提供更精准的实时信息，提高紧急救援的效率及成功率。如携载激光雷达的轻便型无人机，通过使用激光测绘技术能迅速高效地得到测绘现场的三维点云，从而获得有关测绘现场的低精度立体全方位信息。在桥梁监测过程中可以将立体数字成像技术与无人机综合应用于健康情况的实时监测。武汉暴发疫情期间，紧急需要建设火神山和雷神山医院，但为防止过多人员感染新冠，国内首次采用了5G网络及无人机技术利用网络直播实施 “云监工”，成功实现了该工程项目的设计、建设及施工单位的联合监工，并采用场外建造模块及场内组装的方法，创下了全新的中国建筑速度。计算机视觉是利用摄像机或计算机的特定功能取代人眼的某些功能，对预定目标进行辨识、追踪、丈量及修复等工作，最大限度地挖掘其包含的有效信息，在辨别裂纹、测量位移及鉴别模态参数等方面有着无以取代的作用。

2006年，Hinton等学者提出深度学习，作为机器学习中一个全新的研究领域，旨在创造、效仿人脑进行剖析研习的神经网络，仿照人脑的机制去解析数据。鲍跃全等提出了一种有关结构监测数据异常判断的方法，主要分为三步：第一步是将原本持续监测的实时数据切分成段；第二步是将切段的数据（时域和频域响应）进行双通道成像，并进行实时标注；第三步是通过建立、优化深度学习算法去深度学习、判定监测数据的异常状况。为了验证该算法的实用性及精确性，通过对某座超大跨度的斜拉桥进行有关加速度数据的分析监测判断结果对比验证，并将数据集合的平衡性及概率性等影响因素进行充分考虑，验证结果效果非常好。证明该技术算法能迅速有效地判别不同种类数据的异常状况，其发展潜力及应用前景巨大。Farrar等针对Los Alamos实验室关于人工智能领域中机器学习的相关研究进行了总结归纳。Worden等对建筑工程领域中相关的机器深度学习算法进行分类总结，得出机器深度学习在此领域有着巨大的应用前途。周双喜等利用遗传算法、卷积深度学习及BP神经网络等多种方法，结合建筑工程项目所监测的实际数据，通过MATLAB软件进行迭代计算得出不同模型的预测结果，与实际监测数据对比后发现基于深度学习算法的预测模型相比于其他模型误差是最小的，换言之，其预测效果是最好的。人工智能算法种类繁多，各自优缺点明显，必须针对具体工程，选取合适的算法，并进一步优化算法。依据已有数据发展趋势预测未来的数据发展趋势，不仅能大幅节省劳动力，而且为建筑工程领域项目预测预警机制提供了一个全新的途径。

5 结语

综上所述，人工智能在建筑工程领域发挥着无可替代的作用，正在逐渐渗入传统建筑工程项目生命周期的各阶段，使建筑工程项目的设计更精准、更高效，节省劳动力成本，优化各工序衔接程序，缩短项目工期，极大地推动工程项目在精细化、智能化道路上的发展速度。