文新鹏，陆军霖，汪龙，白骁骑，方帅威 （广西科技大学土木建筑工程学院，广西 柳州 545006）

1 引言

近年来建筑行业随着市场经济的发展迅速发展，建筑工程呈现出规模、体量日益增长的的趋势，但伴随着建筑行业快速发展，结构设计复杂、生产成本高、质量监督困难、人工成本高等问题也相继出现，成为了限制建筑工程发展因素之一。人工智能技术的发展为建筑工程发展提供了新的机遇，如建筑机器人可以解放大量劳动力从而降低人工成本，计算机识别技术与巡逻机器人可以进行工程质量的监督。未来随着人工智能的深度学习和机器学习算法、计算机视觉、无人机、3D打印、BIM、虚拟现实和增强现实等应用于土木工程，将形成无人化、全自动、智慧化、实景体验的城市和区域规划，以及土木工程设计、建造、养维护和灾害管控的新技术[1]。因此本文基于文献计量理论，运用Citespace对1990～2020年期间国内外发表的相关文献绘制可视化知识图谱进行分析，为研究建筑工程人工智能的相关学者提供数据参考。

2 研究方法及数据来源

2.1 研究方法

Citespace是由美国德雷塞尔大学陈超美（Chaomei Chen）教授2004年开发出的一款可视化软件，它能将复杂的学科知识通过信息挖掘、公式计算等方法对研究热点进行数据分析，再通过巧妙地空间布局将所分析的数据以图像的方式展现出来。

本文的研究方法采用定量分析为主，通过文献计量学对高频关键词进行统计分析，利用Citespace绘制关键词知识图谱，分析出建筑工程人工智能研究热点。

2.2 数据来源

本文研究的对象为国际和国内建筑工程人工智能领域的相关文献，数据库选择Web of Science核心集合与中国知网数据库，检索方式选择基本检索。检索主题为Artificial intelligence。年限选择为 1990～2020年 3月。Web of Science精炼选项选择精炼土木工程、建筑施工技术。中国知网检索选择工程科技Ⅱ辑里面的建筑工程与科学主题为人工智能的全部核心期刊。最终确定WOS数据库的1338篇相关文献及中国知网201篇相关文献。

3 研究热点分析

关键词是文献研究内容和主要含义的重要体现形式，所以在可视化分析中可以使用高频关键词确定学科研究热点[2]。本文运用Citespace中的Keyword节点为分析节点绘制国内和国际关键词知识图谱。在关键词共现图谱中每一个节点代表着一个关键词，节点大小与频次大小成正比，节点之间的连线表示关键词之间存在共现关系。

图1 国内关键词知识网络图谱

国内建筑工程人工智能研究高频关键词（部分） 表1

3.1 国内建筑工程人工智能研究热点

从图1和表1可以看出国内研究以人工智能为中心，围绕着机器人、人工智能识别、计算机视觉、专家系统、人工神经网络等研究热点。整体上看研究热点比较分散，不局限单一研究方向。具体将1990～2020年3月国内建筑工程人工人工智能研究热点分为以下几个方面分析。

①基础性研究：基础性研究兴起时间较早，但是在人工智能建筑进入应用性研究后对其研究开始变少。国内基础性研究主要集中为新技术的提出与综述展望，这一如从原本单一领域研究到提出了基于BIM的人工智能技术、基于机器人学习的人工智能辅助技术、人工智能专家系统等技术推进了建筑工程人工智能技术的发展。对机器人应用的研究综述、计算机视觉的发展综述等内容为建筑工程人工智能研究提供了数据参考与发展方向，如叶肖伟[3]等人针对基础性研究整理了基于计算机视觉对位移监测的研究，得到计算机视觉技术未来在结构位移监测的研究重点是应用效率与可靠性。

②应用性研究：国内应用性研究数量比较多，主要体现在基于现场施工的技术应用。如工程机器人巡检技术、放样机器人测量技术、计算机视觉技术识别结构损伤等技术。面向人工智能的应用性研究刘伟[4]等人为解决管廊人工巡检不足，使用智能机器人巡检代替人工巡检，通过实际工程应用证实了智能机器人巡检的可行性。人工智能技术的应用减少了施工成本、加强了数据监控、减少了测量数据偏差，在一定程度上促进了建筑行业的发展。

③技术性研究：技术性研究主要包括平台的构件、系统设计等方面，如智能规划平台设计、智能监控系统设计、故障诊断专家系统的设计等。使用设计出的智能监控系统可以监控到结构的各个参数变化情况以通过健康监测系统获取重要参数，经过分析、识别并采取相应措施可以将结构重新调整到良好的状态。

3.2 国际建筑工程人工智能研究热点

从图2和表2可以看出国际围绕着artificial intelligence为中心的artificial neural network、prediction、model等研究热点，整体上看研究热点比较集中，相互之间交叉研究较多。具体将1990～2020年3月国内建筑工程人工人工智能研究热点分为以下几个方面分析。

图2 国际关键词知识网络图谱

国际建筑工程人工智能研究高频关键词（部分） 表2

①基础性研究：国际在基础理论研究与国内相比较多，主要在体现在理论模型的建立。使用专家系统、人工神经网络、遗传算法等技术与计算机技术相结合建立人工智能模型，通过智能模型对理论技术进行验证，如 Ashrafina，All[5]运用人工神经网络与其他方法相结合，使用智能模型进行标定和验证出了泡沫、沙土、粘结剂、水灰比、砂灰比和试件期龄是确定最小马洛系数值的最基本的预测指标。通过建立人工智能模型进行理论确定促进了国际学者理论研究的发展。

②应用性研究：国外在应用性研究上相对基础性研究较少，其主要研究方向为智能识别检测，通过图像处理方法从数字图像中提取特征，完成对相关结构的识别，能够迅速找到施工过程中的缺陷加以弥补。

③技术性研究：国际对建筑工程技术性研究主要针对技术性评估等内容。如Seitllari A[6]使用人工神经网络、遗传算法等内容，通过对实际火灾试验数据的综合分析，评估出火灾引起混凝土剥落的趋势，从而提前进行预防与解决方案。

4 结论

通过对国内外建筑工程人工智能研究的相关文献研究热点分析，结论如下。

国内研究热点偏向于应用性研究，其计算机视觉技术、工程机器人等技术已经在实际工程中得到应用并到达预期标准。国际研究热点偏向基础理论研究，主要使用人工智能模型进行理论验证、风险预测等。