人工智能在建筑行业的应用分析

郑杰 吴世永 毕小青

[摘 要]2017年国务院印发了《新一代人工智能发展规划》（以下简称《规划》），《规划》中明确提到要加快人工智能与各个行业的融合，作为国民经济的重要物质生产部门的建筑业，更应加快推进智能化升级。工信部预测2020年人工智能带动产业规模将突破万亿，对人工智能在建筑业的应用进行分析，可为人工智能企业的各项活动提供决策和实施的依据。通过问卷调查，将数据进行主成分分析法，提取出“实用性需求”“经济性需求”和“安全性需求”三个因子，最终得出人工智能企业产品开发时应该注意产品的实用性、经济性和安全性，并且应该将市场瞄准为房屋建筑、市政公用和水利水电工程。

[关键词]人工智能;建筑业;主成分分析

[DOI]10.13939/j.cnki.zgsc.2019.35.054

1 绪论

1956年，McCarthy最早提出了人工智能（Artificial Intelligence， AI）这一概念 。[1]尽管人工智能至今尚无统一的定义，但是通常把它理解为是计算机科学或智能科学中涉及研究、设计和应用智能机器的一个分支。[2]

随着人工智能技术的发展和广泛的应用，人工智能产业已经初具雏形，人工智能产业链包括了基础技术支撑、人工智能技术及人工智能应用几个基本环节。其中基础技术支撑包括运算中心和数据库组;人工智能技术主要包括专家技术、人工神经网络、模式识别、深度学习;[3]人工智能应用是指人工智能技术的应用。目前，人工智能应用遍及在移动互联网、金融、公共安全、教育、医疗健康、建筑业等领域。

目前，人工智能在国内进入了快速发展的阶段。根据中国信息通信研究院发布的信息，2015年我国人工智能市场规模为112.3亿元，2016年为141.9亿元，2017年为216.9亿元。根据《北京人工智能产业发展白皮书》，[4]截至2018年5月，我国从事人工智能研发的企业超过4000家，其中从事计算机视觉研究的企业最多，占到总企业数的20.8%，详见图1。

相较于医疗、金融、互联网等传统行业来说，建筑业人工智能的应用起步较晚，但已经取得了显著的进展。

2 人工智能产品在建筑行业的应用现状

尽管人工智能在建筑业的应用起步较晚，但到目前为止，人工智能技术在建筑设计、建筑结构、建筑施工和建筑管理等多个方面获得了广泛的应用，取得了明显的成效。

2.1 人工智能的应用领域

2.1.1 人工智能在建筑设计与规划中的研究和应用

在建筑行业设计的过程中，Reffat提出了三种利用人工智能技术来提高工程设计质量实践案例的方法，其中囊括了建筑设计基础上建筑风格的丰富性。[5]为了降低算法的复杂程度，党向盈等利用遗传算法对建筑设计进行改进，提出了一种神经网络与遗传算法的建筑优化设计方案。这种新的算法能快速地运算出结果，提高结构优化设计的效率。[6]广联达研发的系列BIM软件可以对建筑设计进行碰撞检查，让设计文件更具有可行性。

2.1.2 人工智能在建筑结构中的研究和应用

麻省理工的Oral Buyukozturk教授等相关专家通过大量已有的研究结论，利用深度学习方法，对图像进行了有效的识别，得到了裂纹分布与形状、变形与位移、结构损伤之间的关系。这一技术极大地解决了之前桥梁上需要安装大量传感器的难题。[7]苏国韶等提出了一种机器学习方法，解决边坡稳定性的合理评价问题，并且建立相应的预测模型。该方法能够精确地反映出边坡稳定性与各种影响因素之间的非线性映射关系，能准确、可靠地给出边坡稳定状态的评价结果。[8]美国卡内基-梅隆大学开发了名叫HT-RISE的专家系统，可对建筑初步结构设计进行大量启发式决策。

2.1.3 人工智能在建筑施工中的研究和应用

H·Behzadan等人充分的使用AR技术，使用WLAN和RFID无线局域网和蓝牙的室内和室外的跟踪技术，在现场使用GPS全球定位系统跟踪，提供现场人员对项目的计划方案，在同一时间进度和预算信息，向用户角色提供对现有项目的具体任务和条件实时帮助系统的偏好。[9]重庆江北机场T3A航站楼项目施工环境发生了改变，应用BIM-4D平台发现土建施工工作面和钢结构滑移施工的冲突，优化了大跨钢结构滑移施工方案。

科大讯飞的“城市超脑计划”、小智科技的AI智能审图工具“小智审图”，都涉及采用最新AI技术协助建筑行业审图人员进行施工图审查。强大的计算机运算能力会逐渐承担起简单、重复性工作，让行业设计师把更多的时间用在创意性和体验性工作中。

“智慧工地”是人工智能在建筑施工领域的具体体现，通过运用大数据、云计算实现精准化管理和风险预警，加强建筑企业数字化、智能化、移动化施工管理，切实解决施工现场的痛点及防范风险，使城乡规划更加科学，城市建设更加有序，从而推动智慧城市的顺利发展。

碧桂园已经在安排生产适合机器人使用的铝模、顶架、爬架、墙板，正在全力以赴用机器人建房子。

2.1.4 人工智能在建筑管理中的研究和应用

M - Y. Cheng等学者开发了一种进化模糊混合神经网络，以加强项目工程的现金流管理。进化模糊混合神经网络能够进行有效地部署，实现输入因子和项目成功输出的最佳映射，可用于建筑业动态项目的成功評价。[10]H·郭等学者以游戏技术为基础，为解决目前行业安全培训方法和工具不能提供学生实际培训的问题，对施工企业员工进行安全培训。[11]Autodesk推出了BIM 360 Project IQ这一款人工智能软件，通过采集现场的各种影音，并结合建筑管理数据形成数据文件。该软件可以通过对这些数据的分析与机械学习，对工地做风险管理。

2.2 人工智能的效益

在建筑设计阶段中应用人工智能产品，可以提高设计效率、降低设计费用。人工智能技术不仅在建筑设计环节可以提高效率，而且能提高整体项目的设计效率。比如，开发商在土地竞买时，必须事先完成项目总体设计方案，才能形成土地报价。设计师一般需要10天左右的时间完成项目总体方案，而利用人工智能软件小库（xkool），只需要输入用地指标等相关信息之后，就可以自动生成多种设计方案以供选择，但是小库（xkool）只需要一天的时间就能完成项目总体方案。而且随着云计算的不断发展，在设计阶段还能降低90%设计所需的硬件费用。

在施工中，人工智能产品的应用可保障施工安全、节约施工成本、缩短工期。广州GE生物科技园首期项目中运用了多种智能化手段，通过无人机+BIM技术建立模型，减少测量成本，使用其自主研发的BIM族库，严格控制临时建设的费用;应用各种可视化监控系统，智能把控混凝土现浇等施工作业的安全;利用公司自行开发的管理系统，对进度计划进行参数分析优化，通过大数据对工程的各项数据的处理，精准预测进度的误差，对施工的各个环节进行模拟施工较大程度上缩短了工期。

2.3 人工智能在国内建筑业应用的普及情况

虽然人工智能发展迅速，但在建筑行业的应用目前还处于起步阶段。

截至2017年年底，中国建筑股份有限公司在超过3000个项目上运用各种人工智能技术。近年来国内较大的工程也普遍使用人工智能产品。济南地铁项目上推行BIM系统，全面运用各种自动化设备，可确保产品信息精确性和可追溯性，对各项信息实行全方位信息化的管理。在建的“新疆三峡”阿尔塔什大坝工程借助多种高科技含量的方法，正通过现代化技术的运用，让大坝的建设充满人工智能的气息。

但是，人工智能技术在建筑行业的应用并不均衡。通过对中国各个不同规模的建筑企业进行走访调查发现：大型建筑企业较多地采用了人工智能产品，这些企业基本上已经建立了基于大数据的建筑信息平台，中小型企业在工程项目上相对来说较少涉及使用人工智能技术，详见表1。

3 人工智能在建筑业的应用前景分析

埃森哲咨询公司埃森哲通过研究AI（人工智能）在 12 个发达经济体中所产生的影响，预测AI （人工智能）可将劳动生产率提高40%。[12]这意味着人工智能对提升建筑业的效率有巨大的潜能。

3.1 建筑行业使用人工智能产品应用的必要性

建筑业属于资金密集和劳动密集行业，生产过程中常常需要占用大量的劳动力。根据相关数据分析[7]，除2008年外，1999—2012年，我国建筑业企业劳动生产率增长率都在10%以上（2008年为9.25%），平均值为13.92%，而2013—2017年建筑业企业劳动生产率增长率全都在10%以下，平均值为3.76%。数据说明我国的建筑行业经过多年的发展，管理的不断完善，技术的不断成熟，已经进入了一个阶段峰值，需要一种新的技术去推动建筑业向更高的阶段发展。人工智能是解决这个难题较好的手段，因为人工智能最大的特点，就是高效快速地完成一些复杂的工作。所以说建筑业运用人工智能产品之后，不仅能很大程度上提高建筑业劳动生产率，而且能缓解我国老龄化的问题。

深圳当代艺术馆及规划展览馆，第一次采用BIM技术加上机械智能完成了整个工程的建造。如果依靠原有的施工工艺，需要约200个工人工作一年才能完成，而使用这项技术之后，仅仅只用了8名工人3个月就完成了全部建造。

因为建筑行业特有的作业方式，所以建筑行业事故多发。建设工程发生安全事故，不仅给从事建筑工程的工作人员带来人身伤害，影响建筑工程工期，而且给社会带来了不可估量的经济损失。根据住建部公布的信息，在过去的15年间，因为工程安全事故而死亡的人数达到了13280之多，所带来的经济损失超过百亿元。各类智能可视化检测与建筑工地分析及预警等应用，如Smartvid.io，能够不间断全方位的识别人眼难以识别的不安全因素，提高项目过程的安全性。

3.2 建筑行业各个细分市场的成长性

建筑行业体系庞大，其内部不断细化，形成多种子产业，也就是建筑行业细分产业。根据住建部公布的文件，其将建筑企业特、一级资质企业细分为12类。根据中国建筑业协会发布的2012—2016年建筑业发展统计分析，整理了如下资料，见表2。从数据中可以得出房屋建筑工程、公路工程、市政公用工程和铁路工程是历年来排在前四位的建筑业总产值专业类别。这4个类别特、一级施工总承包企业完成的2012—2016年建筑业总产值之和占到所有12个类别特、一级施工总承包企业建筑业总产值的平均比重为86.1%。因为国家近年来的各项环保政策和供给侧结构性改革，矿山工程、冶炼工程、化工石油工程发展缓慢，甚至有倒退的形势。2013—2016年的平均增速最高的为市政公用工程，平均增速为16.4%，其次是电力工程，平均增速为15.7%。

为了更加直观的了解建筑业细分市场的成长性和规模大小，笔者将以上数据进行统计处理后得到以下成长性—规模图，见图2。

根据上面的分析，笔者认为在成长性好、规模较大的细分市场率先推广人工智能技术，会取得更好的效益。从图中可以看出，处于高速发展，同时市场规模大的细分市场是房屋建筑工程、市政公用工程和水利水电工程。

3.3 建筑业对人工智能产品的需求分析——基于SPSS主成分分析法

笔者通过建筑业对人工智能产品需求进行分析时，首先访谈了5名从事相关研究的专家学者，以访谈内容为大纲，提取访谈核心内容，制定并多次修改调查问卷。最后确定了9个测量指标，分别是：能否兼容其他人工智能产品的需求、人工智能产品是否能重复多次使用的需求、使用人工智能的可视化动态监控的需求、人工智能產品能分级管理的需求、人工智能产品较廉价的需求、对操作使用方式简单明了的需求、使用人工智能产品方案优化的需求、对人工智能产品适用于各种设备的需求、使用人工智能后能带来较好的经济效益的需求。采用Likert 5级量表，分别赋值1～5分，随着分数增加，程度依次加深。依据之前分析的建筑业细分市场的成长性，向增速高同时规模大的三类建筑企业，共计13个。发放160份调查问卷，回收有效问卷151份。

本文采用SPSS20.0软件对数据进行主成分分析。首先对问卷信度和效度检验，见表3。总问卷Cronbach'sα系数为0.787，Cronbach'sα系数>0.7说明问卷信度较高。进行KMO检验和巴特莱特球形检验。问卷的KMO值为0.915， KMO值大于0.6时， 说明各题项之间相关性则较高。巴特莱特球形检验的Sig统计值的显著性为0.000， 否定了相关矩阵为单位矩阵。由这些检验可以得出， 本问卷可以进行主成分析法。

采用主成分分析法提取因子进行探索性因子分析 （最大方差旋转法） 。对特征值大于1的因子进行多次正交旋转， 剔除不合理的指标， 最终得到8个指标。提取出3个因子， 累积方差贡献率为83.333%。这3个因子的特征值、方差百分比和累计方差贡献率， 旋转后的因子载荷见表4。

因子1包含的信息量最多，能解释总变异的32.929%， 包含的3个条目反映的是对人工智能产品适用于各种设备、操作使用方式简单明了、能否兼容其他人工智能产品的需求，故将其命名为“实用性需求”。因子2包含的信息量能解释总变异的30.245%， 包含的3个条目反映的是对人工智能产品是否能重复多次使用、人工智能产品较廉价、使用人工智能后能带来较好的经济效益的需求，故将其命名为“经济性需求”。 因子3所包含的信息量能解释总变异的20.159%， 包含的2个条目反映的是对使用人工智能的可视化动态监控，方案优化的需求， 故将其命名为“安全性需求”。

4 结语——建筑业人工智能产品开发的建议

本文通过对建筑行业细分市场的成长性分析，可以得出房屋建筑工程、市政公用工程和水利水电工程这3个类别，特、一级施工总承包企业的规模和增速都非常高。人工智能企业在产品开发时所重点关注的对象应该是这五类细分市场。通过对建筑业相关人员进行人工智能的需求问卷调查，对收集的数据进行主成分分析法，提取出“实用性需求”和“经济性需求”两个因子。最终得出人工智能企业产品开发时应该注意产品的实用性，设计的人工智能产品要适用于各种设备，操作界面和使用方式不要过于复杂，能兼容其他人工智能产品;还要着重于产品经济性，节约开发人工智能产品的成本，降低使用人工智能的费用，让建筑企业使用后能够明显感受到降低了成本，还要使产品能够重复使用;最后人工智能企业应该开发可视化动态监控和方案优化方面的产品。

参考文献：

[1]尼克.人工智能简史[M]. 北京：人民邮电出版社，2017.

[2]蔡自兴.人工智能及其应用[M].5版.北京：清华大学出版社，2016.

[3]郭成涛，李檬.人工智能发展中的问题思考及其研究现状[J].科技视界，2017（3）：71-72.

[4]《北京人工智能产业发展白皮书（2018年）》发布[J].中国建设信息化，2018（13）：4.

[5]REFFAT R M. Utilization of artificial intelligence concepts and techniques for enriching the quality of architectural design artifacts[EB].https：//www.researchgate.net/publication/239928346.

[6]黨向盈，姜代红.神经网络结合遗传算法在建筑优化设计中的应用[J].徐州工程学院学报（自然科学版），2017，32（2）：66-71.

[7]CHA Y J， CHOI W， Büyükoztürk O. Deep learning based crack damage detection using convolutional neural networks [J]. Computer-aided Civil & Infrastructure Engineering， 2017， 32 （5）：361-378.

[8]苏国韶，宋咏春，燕柳斌.高斯过程机器学习在边坡稳定性评价中的应用[J].岩土力学，2009，30（3）：675-679.

[9]A H BEHZADAN，Z AZIZ，C J ANUMBA，et al.Ubiquitous location tracking for context -specific information delivery on construction sites [J].Automation in Construction， 2008（17 ）：737-748.

[10]CHENG M Y， TSAI H C，SUDJOONO E.Evolutionary fuzzy hybrid neural network for dynamic project success assessment in construction industry[J].Automation in Construction，2012，21（1）：46-51.

[11]GUO H，LI H，CHAN G， et al.Using game technologies to improve the safety of construction plant operations[J].Accident Analysis & Prevention，2012， 48（3）：204-213.

[12]埃森哲官网.Insight AI artificial intelligence future growth[EB].https：//www.accenture.com/cn-zh/insight-ai-artificial-intelligence-future-growth.

[基金项目]大学生创新创业训练计划项目“建筑业人工智能应用的市场供给分析”（项目编号：201810060158）。

[作者简介]郑杰（1998—），男，汉族，重庆人，天津理工大学管理学院工程管理系本科生，研究方向：工程管理、建筑技术创新;吴世永（1999—），男，江苏南京人，天津理工大学管理学院工程管理系本科生，研究方向：工程管理;指导老师：毕小青（1965—），男，汉族，天津人，天津理工大学管理学院市场营销系教授，研究方向：战略管理、产业经济。