基于文献计量学方法的智能建造研究现状与支撑技术分析

韩佳丽 崔楠楠 张春巍

（1.青岛理工大学 土木工程学院，青岛 266555；2.山东建筑大学 交通工程学院，济南 250101；3.沈阳工业大学 建筑与土木工程学院，沈阳 110870）

引言

在工业4.0 的背景下，新一代物理信息技术的快速发展，并与建筑业不断融合，催生出了智能建造的概念和与之相关的各类研究主题[1-3]。

为了了解智能建造的发展现状，刘占省等[4]综述了智能建造的概念和特征，论述了近年来智能建造的相关政策和智能建造在土木工程施工中的应用进展。尤志嘉等[5]在总结研究现状的基础上描述了一套智能建造理论体系框架。罗齐鸣等[6]、陈述等[7]梳理了中国知网（CNKI）及Web of Science（WOS）数据库中智能建造相关文献，绘制科学知识图谱。刘新怡等[8]、熊鑫博等[9]也从CNKI 数据库中筛选智能建造研究文献进行了文献计量学分析。以上研究对智能建造领域知识图谱的构建与应用提供了重要参考，但总的来说尚缺乏对智能建造的研究主题的全面详细分类。智能建造的学科交叉属性，使其研究子领域和基础支撑技术相对分散且繁杂，对其进行系统总结，有利于不同学科的研究者快速了解本领域研究主题之间的逻辑关系，了解支撑技术的融合及应用现状，促进理论及技术创新。

为了更深入地把握本领域的研究主题和支撑技术，本文将基于文计量学理论，利用CiteSpace 和VOSviewer软件进行知识图谱可视化分析，将从以下内容对智能建造领域进行总结分析：

（1）明确研究方法与数据来源；

（2）2007 年-2022 年智能建造相关发文趋势及研究主题；

（3）智能建造研究领域有影响力的期刊、国家；

（4）智能建造的支撑技术；

（5）研究现状总结和展望。

1 研究方法与数据来源

文献计量学的分析方法有助于可视化大量文献和书目数据中的知识结构和研究模式[10,11]。目前已有多种工具可完成文献分析工作，本文根据不同的分析侧重点，选用CiteSpace 和VOSviewer 两个软件。

表1 中统计了四篇国内已发表的智能建造综述的信息，包括数据库、检索关键词、学科、时间跨度和文献类型的选择以及分析内容，本文综合智能建造方向的检索关键词，形成合理的检索式在WOS( Web of Science)进行检索，如表1 所示。

表1 已发表文献的文献计量学数据信息、分析类型汇总

WoS( Web of Science) 核心馆藏数据库索引高质量的期刊，是一个具有相当权威性和综合性的数据库，受到科学计量学研究者的青睐[12]。近年来有诸多学者将WOS 在建筑研究领域的数据源作为文献来源[12-15]。因此，在本研究中选用该数据库是合理有效的。

除了与智能建造相对应的“smart”、“intelligent”、“intelligence”、“automation”、“automate”、“building”、“build”、“construction”等同义词之外，“construction management”、 “construction project”、“engineering information construction”、“virtual construction”、“digital construction”这些词也经常出现在智能建筑相关研究文献中，所以将其纳入检索关键词中。为缩短检索式长度，对检索式进行简化，将“intelligent”、“intelligence”合并为“intelligen*”，“automation”、“automate” 合并为“automat*”， 将“building”、“build” 合并为“build*”。使用选定的检索主题的方式，检索2007 年至2022 年内发表的文献。文献类型限制为Article 和Proceeding Paper,学科类型限制在“Engineering Civil”and “Construction Building Technology”。截至到论文检索当日时间（2022 年11 月30 日），共检索出1 983 篇相关论文，检索信息汇总如表2 所示。

表2 本文文献检索信息汇总

Web of Science 数据库由Science citation Index-Expanded（SCIE，科学引文索引）；Social Sciences Citation Index(SSCI，社会科学引文索引）;CPCI（会议录引文索引）；Art &Humanities Citation Index(A&HCI，人文艺术索引）组成，分别对应不同的期刊。文章检索结果中文献大部分属于SCI，一小部分属于SSCI，但SSCI 等级和SCI 一样，均为领域内高质量文献；且本文研究范围为世界范围内的英文文献，未包含中文期刊，不涉及中文核心文献。审稿意见中所建议的对EI 和中文核心进行发文情况分析亦有重要的研究意义，但本文限于篇幅所限，仅对SCI 数据库的文献数据进行分析。

2 文献计量可视化分析

2.1 发文量时序分析

论文发文量是衡量某一领域发展速度与关注度的最直观的分析表现形式[16]。 按照时间顺序描述从2007年到2022 年之间智能建造领域的文章数量如图1 所示，虽然十余年内发文量增长起伏波动较为频繁，但总体呈现增长趋势；2012 年到2017 年间发文量保持在150到200 之间，2017 年到2018 年，发文量大幅度的增长，发文数量突破300 篇，到2021 年发文量高达546 篇。专家学者们对于智能建造的关注度越来越高，对智能建造的理解认识得到了提升，相关研究也越来越多。

图1 2007-2022 年发文量与累积发文量

2.2 关键词共现分析

文献关键词是作者根据文章内容汇总出的可以高度反映其主题概念及思维的词汇，同时也是影响论文学科结果的重要因素。关键词共现频数可以反映该研究领域某一时间段内的研究热点[17,18]。通过VOSviewer 软件将关键词共现情况可视化。WOS 文献的关键词分为三种，all keywords, author keywords,keywords plus。all keywords 包括文章 title, abstract,author keywords；author keywords 仅指文章作者添加的关键词；keywords plus 则是WOS 通过聚类给原文章增加的关联关键词。本文选用更为严谨和简洁的“author keywords”进行分析，分析类型为“co-occurence”。

首先，对第一次的关键词分析结果进行合并与删除处理，将词汇的单复数形式、同一事物的不同表达方式等关键词进行合并，删除明显没有实际意义或对分析不产生影响的词汇。例如：将“building information modeling”、“building information modeling (bim)”、“building information modelling”、“building information modelling (bim)”、“building information model”、“building information models”合并为“bim”。对“construction”、“construction industry”、“building”、“energy”、“review”、“construction projects”、“technology”、“civil engineering”、“performance”、“design”等无实际分析价值的关键词删除。

设置关键词最小出现次数阈值为10，其中共包含64 个项目（Items）和884 条连线（Links），如图2 所示。关键词出现次数大于30 的所有词汇，按照出现次数从大到小排序如表3 所示。

图2 关键词共现可视化

表3 关键词出现次数排序表

关键词中智能建筑的英文表达方式有smart building、intelligent building、smart construction 等，也出现了智慧城市、智能家居、智能绿色建筑、零能耗建筑、可持续性建筑一些名词。涉及到流变学、机器人学、摄影测量测控测量学、语义学等多个学科。

通过对关键词进行筛选分析，可以将其划分为智能化、数字化、自动化、工业化、信息化、可持续性、建筑评估、建筑控制和建筑管理九个研究主题。

智能化相关关键词包括智能材料、智能结构、智能窗口、智能仪表、智能传感、智能交通系统、智能空调和智能消防。

自动化包含自动化施工、自动化设计、自动控制、自动化信息采集、自动车辆检测及自适应控制等。数字化包括书数据分析、数据融合、数据收集、数字图像、数字制图、数据扩充及数据交换等；工业化包含装配式建筑、参数化、预制、预制结构、模块化结构及一体化设计等；信息化包含信息提取、信息共享、信息管理及信息模型等；可持续性包含能源消耗量、能源效率、能源性能、节能、可再生能源、碳足迹、热舒适性、采光、通风、视觉舒适性、建筑环境、室内空气质量、热负荷、室内舒适度、暖通空调控制、遮光控制及温度控制等关键词；评估包括地震易损性评估、可持续性评估、状态评估、坍塌风险评估、质量评估及结构评估等；管理包含项目管理、施工管理、建筑能源管理、设施管理、信息管理、安全管理、需求侧管理、资产管理、负荷管理、知识管理及质量控制等。建筑控制包括直接负载控制、半主动振动控制、遮光控制、温度控制、施工成本控制、媒体访问控制、质量控制、结构控制、自适应控制、暖通空调控制及地震响应控制等。

此外，对关键词中包含的新一代信息技术进行总结分析，在1 983 篇文献的关键词中涉及BIM、人工智能、扩展现实技术、数字孪生、物联网、计算机视觉、3D 打印、区块链、大数据、GIS 技术、遥感、云计算、5G 及智能设备等。人工智能技术提到了机器学习、深度学习和自然语言学习三类；虚拟现实提到了虚拟现实、增强现实和混合现实三类；物联网技术提到了射频识别和激光扫描；3D 打印，又名增材制造，集中于三维混凝土打印方面的研究，区块链技术提到了智能合约，更详细的支撑技术分析见第3 章节。

2.3 国家分析

各国的科学合作网络有助于确定在相关研究领域特别活跃的国家[19]。为了确定这些国家、最有影响力的国家以及它们之间的合作，使用VOSviewer 创建了一个网络。分析类型为“co-authorship”，分析单位为“country”。网络中共有86 个节点即86 个国家、336 条连线、总连接强度为743，如图3 所示。随着智能建造相关领域的研发与推广应用，涉足智能建造领域研究的国家也在逐步增多。

图3 国家合作网络图

网络中文献数量排名前十的国家如表4 所示。就WOS 中智能建造研究的合作程度以及文献数量而言，美国和中国是排名最高的国家。说明美国和中国是WOS 中智能建造研究的最大贡献者，其次分别为澳大利亚、韩国和英格兰。就关系强度而言，美国与其他各国间的合作强度最强，网络图中连接强度达到了226，其他国家间也都存在一定程度的合作关系。

表4 各国文献数排序表

2.4 期刊分析

期刊分析可以帮助读者获得最有价值可靠的信息，在未来研究过程中获取参考文献[20]。使用VOSviewer软件对被引期刊进行可视化，网络图通过节点、连接线、颜色表示期刊之间的相关性，如图4 所示。图中共有26 个节点、124 条连线、总连接强度为1 442。分析类型为“citation”，分析单位为“sources”。

图4 期刊可视化分析网络

衡量期刊贡献程度的几个重要因素以及各期刊数据汇总如表5 所示。通过对文献发文期刊以及被引文献发文期刊的分析，Automation in Construction 是发文数量最多,被引次数最多的期刊，说明Automation in Construction 是智能建造领域影响程度较高的期刊。

从上表可以看出，36个入选城市中，欧洲13个、北美9个、亚洲7个，其余为澳洲3个、拉美2个、非洲2个。因此，欧美城市占比达到58.3%，占据了重要位置；随着亚洲经济的崛起，亚洲国家的中心城市也极具单竞争力。从人口规模看，36个城市绝大多数属于大城市或特大城市(城市人口大于100万)，但一些中小城市(人口小于100万)如曼彻斯特、谢菲尔德、斯德哥尔摩、哥本哈根、鹿特丹、格拉斯哥、拉斯维加斯、印第安纳波利斯、杰克逊维尔，甚至是法国小镇查默尼克斯也跻身于顶级的主办城市。

表5 期刊数值汇总

3 支撑技术分析

3.1 支撑技术的提取

智能建造领域涉及大量的支撑技术，现有技术的进步、技术之间的融合、以及新技术的出现都有可能为智能建造带来飞跃。了解支撑技术的种类有助于研究者利用学科交叉技术融合提出创新的研究视角[21]。因此，对现有支撑技术发展及应用情况进行梳理和总结是非常重要的[22]。

在检索文献时，作者发现有相当数量的论文虽然涉及智能建造领域，但在题目和关键词中未提及“智能建造”类似词汇。设计完备的检索式包含这些文章通常是非常困难的，此时可考虑对某一个涵盖特定领域的有影响力的期刊进行文献计量学分析[23]。从2.4小节分析结果得出，Automation in Construction 是智能建造领域中发表文献最多、引用量最大的期刊，在最新的智能建造相关技术的文献计量学综述中[14,24-27]，也得到同样的结论。Automation in Construction 发表“在土木工程规划设计、施工、维护、管理中使用最新物理信息技术”[28]的高质量研究论文，可见期刊的收录范围与智能建造的概念内涵一致，且有较大影响力。因此，为了充分覆盖当前智能建造领域的研究方向，并保证文献数据有较为均匀的质量水平，本小节在提取支撑技术时，采用了近十年（2013~2022 年）所有发表在Automation in Construction 杂志上的论文（不包含综述），共2 062 篇。

本小节采用CiteSpace 软件提供的文献共被引分析法（DCA）提取支撑技术。DCA 方法是CiteSpace 的核心功能，通常，论文中引用的参考文献为论文提供了基础知识，可用来识别支撑技术[22]。采用DCA 方法生成的共被引网络时间线图谱如图5 所示，图中上方的2008~2022 时间轴为被引文献发表年份，左侧的2013~2022 颜色图例为被引用的年份。根据施引文献中的关键词，CiteSpace 自动识别出18 个主要的共被引聚类（忽略文献数量小于10 的聚类），每个聚类的标题和密切相关的关键词见表，表中的轮廓值（Silhouette）表示某类团内部成员之间的紧密程度，或成员的同质性，大于0.7 就认为紧密程度较好[29]，本次分析的轮廓值大部分在0.9 以上，说明聚类质量较高。

图5 共被引网络时间线图谱

从聚类的标题可以直接得出的支撑技术有深度学习（deep learning，0#）、计算机视觉（computer vision，1#）、建筑信息模型（BIM,3#）、数字孪生（digital twin，10#）、3D 打印（3d concrete printing，17#）。14#聚类智能合约（smart contracts）为区块链技术的应用。2#聚类无线射频识别（RFID）属于物联网技术。4#激光扫描（laser scanning）和12#点云分割（segmentation）共同构成逆向建模技术。分析6#和8#聚类的相关关键词，可总结为扩展现实技术。

聚类13#、15#、16#为建造设备/机械的智能化，属于技术的综合应用，9#聚类无具体的技术相关信息，因此可以忽略。

综上所述，智能建造领域近年来所涉及的支撑技术可概括为9 项，包括深度学习、计算机视觉、BIM、数字孪生、3D 打印、区块链、物联网、逆向建模及扩展现实技术。

3.2 主要支撑技术的讨论

从图5 的引用时间轨迹可以看出，机器学习、计算机视觉、数字孪生、区块链及3D 打印技术是近三年智能建造领域的热门技术。逆向建模技术中的激光扫描的研究趋势相对平稳，而点云分割（#12）是新的研究热点。无线射频识别、扩展现实技术近年来热度减退，可能由于该类技术的发展与应用趋于成熟。BIM 伴随着智能建造的兴起，从一开始便受到了学者的大量关注，但研究方向有新旧更替，其中本体论、语义网络（7#）、IFC 标准（11#）是近年来的研究热点。

5G 和云计算也是智能建造领域重要的支撑技术，但因其技术本身不属于土木工程学科的研究范围，其应用场景也较为固定，因而未出现在共被引聚类中。

4 结论与展望

本文综述了Web of Science 数据库中2007~2022 年智能建造相关的1 983 篇文献，利用CiteSpace、VOSviewer软件进行了关键词、作者、期刊和国家的可视化分析，

得出研究结论如下：

（1）智能建造虽然处于初期发展的水平，但从发文量来看，文献发表数量呈增长趋势，且增长趋势明显加快；

（2）通过期刊分析，比较发文量占比、引文数量、影响因子，Automation in Construction(建筑自动化)为影响力较高的期刊；

（3）1 983 篇文献包含86 个国家与地区，美国和中国是排名最高的国家，各个国家间也存在一定的交流合作；

（4）由关键词共现分析可以得出，智能建造融合了越来越多的学科与领域，智能化、数字化、自动化、工业化、信息化都是智能建造的特征。通过对智能建造支撑技术的梳理，表明利用新一代的BIM、人工智能、扩展现实技术、数字孪生、物联网、计算机视觉、3D 打印、区块链、大数据、GIS 技术、遥感、云计算、5G 技术，将会推动智能建造领域进一步的高速发展。

根据研究结论，智能建造未来研究趋势和展望如下：

（1）智能建造未来将包含更多学科领域，除了数学、物理、化学等一些基础理工学科，还将涉及社会学、心理学、医学等领域，实现多种类学科交叉。各类学科的研究发展也将会进一步推动智能建造领域的发展，实现学科融合进一步深入。多学科、多技术集成将成为未来智能建造领域的重点研究方向；

（2）机器学习、计算机视觉、数字孪生、区块链、3D 打印技术是近年来智能建造领域的热门研究方向，学者应重视相关领域的技术迭代更新，缩短新技术进入土木行业的时间差，实现土木工程智能科学与技术新的突破；

（3）智能建造不仅是新技术的应用，更是土木工程领域生产方式的变革，学者应重视工程管理模式的创新，探索精益建造、绿色建造、集成交付等组织管理机制，整合跨越建筑产业价值链的业务流程，为各类新技术的融合消除壁垒，降低新技术带来的增量成本。