AI背景下建筑行业的应用现状和前景

• 柯壮宾 2023年5月10日 来源：中研网 1167 75
• 繁体

目前，AI在建筑业的应用已经有很多相关研究，并且已经有部分项目落地。北京和深圳已经作为试点城市，在现有数字化审图系统基础上引入人工智能相关技术并形成可复制的经验。但是受限于发展水平，AI的应用领域还是相对有限。参考ChatGPT发展路径，AI在建筑业的应用主要受1

ChatGPT是自然语言处理发展的产物。自然语言处理（NaturalLanguageProcessing,NLP）作为人工智能的重要研究方向，旨在帮助计算机理解、解释和运用人类语言。回顾发展历程来看，上世纪50年代，科学家已经开始进行基于规则的少量数据处理，总体是基于模板和规则的学习的阶段；上世纪80年代开始，进入MachineLearning的时代，与之前的区别是开始基于一定范围的数据进行参数分类；上世纪90年代开始，以CNN、RNN等为代表的神经网络开始获得突破，开始模仿人脑进行大量数据的标记和训练。2017年，AshishVaswaniet.al在论文《AttentionIsAllYouNeed》中提出了一种新的简单架构——TransformerArchitecture，这种模型基于注意力机制，不用重复和卷积，因而这些模型在质量上更优，同时更易于并行化，需要的训练时间明显更少。

图表：NLP发展历程

ChatGPT能实现的人类意图，来自于机器学习、神经网络以及Transformer模型的多种技术模型积累。最早在2018年OpenAI推出GPT-1，其中大约有1.17亿个参数，这一代模型的核心手段是预训练，通过不断的手动标记数据，结合无监督预训练和有监督微调减轻NLP中的监督学习，本质上模型是相对TransformerArchitecture的显著简化；后续的GPT-2去掉了GPT-1中的有监督微调的阶段，转向更通用的系统，最终不需要为每个任务都手动创建标记去训练，GPT-3的参数数量等相对之前有了极大飞跃，达到1750亿个参数，在许多NLP数据集上都实现了很强的性能。

在建筑领域，不同的需求适应的神经网络不同，不能简单从ChatGPT去移植。在建筑领域涉及到的数据种类繁多，有图片、文本以及特殊类别的数据比如时间序列等，对应则可能需要CNN、transformer、LSTM等模型去搭建神经网络，并且设计图中还含有高维数据，这种情况下需要使用Autoencoder去将数据降维并提取特征，而在绘制设计图、施工图等的时候，需要应用到GANs去生成新图像。所以当前阶段，我们更看好ChatGPT在设计环节以及一些固定的文本处理环节（标准化、重复性、逻辑性较高，需要计算机辅助的加工文本类型数据的环节）帮助建筑企业提高效率。

对于建筑行业应用AI的启发：是否能够提供出高质量数据集或是大范围应用的重要因素。综合来看，数据集在ChatGPT的发展历程中扮演了极其重要的角色，OpenAI对数据和标签质量的重视程度极高。从GPT-1到ChatGPT/GPT-4，所用的训练数据大体经历了以下变化：小数据（对于OpenAI而言较小，但实际数据量已经很大）->大一点的高质量数据->更大一点的更高质量数据->高质量人类（指能通过考试的标注者）标注的高质量数据。其中模型设计并没有很显著的变化，高质量的标注数据是至关重要的。因此，引申到建筑业，是否能够提供高质量数据集或是大范围应用的重要因素，而拥有量更大的高质量数据的企业有望成为行业内在AI领域更有话语权的公司。

AI在建筑设计中的应用潜力很大，比如提高建筑的效能、缩短设计时间和成本等。AI可以应用在建筑设计上，主要是通过设计工具和软件来实现。例如，在建筑设计过程中，使用AI可以帮助建筑师确定最佳的建筑形态、优化结构、提高建筑的能源效率等。另外，AI也可以用于建筑材料和构件的选取、预测建筑能耗等方面。例如，基于神经网络的模型可以预测建筑中不同系统的能源需求，以便压缩能源使用，减少环境负担。这些应用领域都需要大量的数据和复杂的模型来实现，AI可以有效地处理这些数据和模型，从而提高建筑领域的效率和可持续性。

图：AI在建筑设计中的应用潜力

AI在建筑能耗预测、室内环境监测、建筑物智能控制等领域已经有学者进行了深度研究。由于受燃料消耗、环境影响和二氧化碳排放等多方面的影响，建筑能源系统的复杂度非常高，而AI模型因其高度的自学习、自组织和自适应能力以及其自身的非线性，其不需要知道具体的数学模型即可具备执行任务的能力，从而弥补传统工程预测建筑能耗精确度低的缺点。此外，AI在建筑结构安全监测和建筑物智能控制等领域也都具有广泛的应用。

建筑结构检测已经有一些应用案例，但是计算的复杂度较高，AI应用有望打开新局面。安装在各种民用基础设施上的结构健康监测系统（SHM）中往往含有数量可观的传感器，这些传感器会获取大量的监测数据被用以追踪结构的健康状况和检测结构损伤。传统的数据分析方法面临环境噪声、测量数据量大、计算复杂度等挑战，严重制约了SHM技术的广泛应用。近年来，基于AI的数据处理方法为挖掘、清洗和分析SHM系统生成的海量数据提供了相较传统数据处理方法更加高效精确的新途径。

除了上述提及的各个环节，在建筑设计及后续施工、管理运维层面，AI也可以发挥其作用：

-设计及可行性分析：通过分析建筑结构、土地利用、建筑成本等因素，提供设计和建设决策上的支持。

-材料采购及控制：建立供应链管理系统，优化材料采购和运输过程，提高供应效率和降低成本。

-建筑装饰材料供应：提供建筑装饰材料采购和供应的支持，根据客户需求提供个性化的材料选择，并确保质量与价格一致。

-施工管理：通过监测和控制施工流程、质量和安全，确保工程质量和进度，并降低不必要的成本风险。

-建筑智能化系统：研究和开发智能化建筑系统，通过自动化和机器学习，提高建筑能源效率、安全等方面的绩效。

-建筑设备维护与管理：通过监测建筑设备的状态，提供快速维修服务和预防性维护管理，降低设备故障风险和成本。

AI已经开始在审图环节试点应用。建筑施工图中包含数据种类多，复杂性高，并且要求精度高，目前AI在建筑施工图中的应用比较少见，但是可以通过AI模型辅助建筑施工图的自动生成、解析、检验等任务。目前在施工图审图的环节，人工智能已经较为成熟，北京和深圳早于2020年已经作为试点城市，开始在现有数字化审图系统基础上，引入人工智能相关技术，研发人工智能审图基础系统，形成可靠的智能审图能力，减少人工审查工作量，提升审查效率和质量，为施工图审查改革和工程建设项目审批制度改革工作提供可复制可推广经验。

除此以外，设计图生成已经有学者在室内设计有所应用。目前，WeiHuang已经提出了一种基于神经网络的建筑布局生成方法，使用GAN来寻找人工标记过的公寓平面图与真实图纸之间的关系，从标签到平面的映射展示了神经网络的设计生成能力，而从平面到标签的映射展示了设计识别能力。虽然说目标结果有所差异，但是人类设计师在设计时，根据不同的目的，相应结构布局也会有所差异，在可接受范围之内。

人工智能在设计图纸打标签、建筑物分类标注已经有所初步应用。神经网络可以将建筑施工图进行分类和标注，自动分类和标注施工图中的建筑设计元素，在Dr.JenniferNG的实验中已经达到超过99%的置信水平；除此以外，还可以训练AI直观地理解建筑环境中的建筑元素。然而，目前视觉识别任务的绝大多数训练数据都是由人类注释的，大型训练数据集的可用性是AI的最大限制之一。

AI在建筑领域的发展情况仍需持续跟踪。建筑设计及施工图可能采用多种神经网络架构，具体取决于应用场景、数据类型和算法选择，并且需要相应的数据集去训练。建筑设计及施工图中，涵盖图像数据（设计图稿等、在立体模型中还有高纬度数据）、文本数据（对于设计施工图稿的标注等）以及时间序列数据（施工图中的流程、进度等），具体对于神经网络模型的需求如下：

1.卷积神经网络（ConvolutionalNeuralNetwork，CNN）：常用于图像处理和识别任务，可以对建筑施工图进行高效的特征提取和分类。

2.循环神经网络（RecurrentNeuralNetwork，RNN）：常用于序列数据处理，可适用于处理建筑施工图中的时间序列数据，如施工进度、时间安排等。

3.长短时记忆网络（LongShort-TermMemory，LSTM）：一种特殊的循环神经网络，适用于处理长期依赖性的数据，如建筑施工图中的建筑结构、材料及施工条件变化等。

4.自编码器（Autoencoder，AE）：可以用于数据降维和特征提取，适用于建筑施工图中的高维数据处理。

5.生成对抗网络（GenerativeAdversarialNetworks，GANs）：可以生成与建筑施工图类似的新图像，可用于指导设计和规划。

当前阶段，AI在建筑设计领域的应用短期内还是以提高人效为主，实现替代还需要技术进一步迭代。如上，建筑设计、施工图中完全应用AI所需要的数据集种类繁多，并且没有一种模型能够很好的解决所有种类的数据，需要训练繁多子模型。所以，在初期，AI很难实现对人工的替代，更多的价值在于对人工的辅助，比如实现审图、打标记、初步识别转化等功能。若参考ChatGPT的发展，后续随着人工给数据不断添加标签去生成高质量数据，并且基础模型或者算力有所突破，AI或可以在建筑领域有更大作为。

往终局去看，在设计领域，已经有大量的设计施工经验及数据，已经深耕人工智能赛道，并且在数据集方面已经做出长足积累的企业相对更具备竞争优势，在人工智能赛道有望实现率先突破。根据建筑行业发展规律及情况，设计领域的扩张主要依赖人员规模，人效的提升目前处在瓶颈期，AI进入设计领域有望助力突破现在人效的瓶颈，大幅提高效率，使企业竞争优势更强。

• 相关深度报告REPORTS

  

  2023-2028年AI安全行业深度分析及投资战略研究咨询报告

  中研普华的整份研究报告向您详尽描述您所处的行业形势，为您提供详尽的内容。中研普华在其多年的行业研究经验基础上建立起了完善的产业研究体系，一整套的产业研究方法一直在业内处于领先地位，...

  查看详情

延伸阅读

推荐阅读

猜您喜欢