Roles of artificial intelligence in construction engineering and management: A critical review and future trends
The construction engineering and management (CEM) inside the scope of the architecture, engineering, and construction (AEC) industry is fraught with its own problems and complications, which covers a set of construction-related activities and processes along with human factors and interactions . Construction, as a large sector of the economy, plays prominent roles in driving economic growth and long-term national development . According to a survey from McKinsey Global Institute in 2017, the global construction industry makes up around 13% of the worlds Gross Domestic Product (GDP) and this number is projected to rise to 15% in 2020. Meanwhile, construction projects create a broad range of job opportunities for 7% of the worlds working population. Despite its economic importance, an obvious issue is poor labor productivity during the construction procedure, negatively leading to the waste of manpower, material resources, and financial resources. Since construction activities contribute a lot to our society economically, it makes the most sense to take proper construction management for the purpose of improving product performance. If the construction productivity is enhanced by as much as 50% to 60% or higher, it is estimated to bring an additional $1.6 trillion into the industrys value each year and further boost the global GDP .
Construction with inherent complexity is regarded as one of the most dangerous industries, which is greatly susceptible to a variety of unpredictable factors, such as participants in different roles, the changeable environment in large uncertainty, struck-by-equipment hazard, and others. Therefore, the construction industry tends to cause a small scale of fatal accidents with higher frequency than other domains, which is even responsible for 30-40% of fatalities worldwide . For example, accidents on construction sites have killed more than 26,000 workers in the United States during 1989 一 2013 . There were in total 782 fatal construction accidents in Europe in 2014, and the rate of casualties was about 13 per 100,000 workers . According to Koreas Ministry of Employment and Labor annual report from 2012 to 2015, the mortality rate of Koreas construction industry remained the highest among other economic sectors . Construction in China has been regarded as one of the riskiest industries, where the number of fatal accidents exceeds many developed countries without a significant downward trend . Numerous researches have revealed that safety issues are tied up with hazardous working conditions and the lack of supervision, emphasizing the necessity of construction management for safety guarantee and accident prevention . Through identifying, evaluating, and reacting to the potential risk in dynamic and hazardous construction environments at an early stage, it is expected to eliminate safety hazards and then achieve a sustainable reduction in fatalities in the construction industry.
In the context of “Industry 4.0', CEM is going through constant innovations towards digitalization and intelligence, in order to realize a considerable boost in automation, productivity, and reliability. That is to say, the construction industry is reshaping itself along the whole construction value chain, including the planning, construction, operation, and maintenance (Oamp;M). For the purpose of launching the real digital strategies in CEM, artificial intelligence (AI) acts as the backbone to change the way a construction project performs. As a branch of computer science, AI drives computers to sense and learn inputs like human-being for perception, knowledge representation, reasoning, problem-solving, and planning, which can deal with complicated and ill- defined problems in an intentional, intelligent, and adaptive manner. The investment in AI is undergoing rapid growth, in which machine learning particularly accounts for a major proportion to learn sufficiently robust data from multiple sources and then act on the insights of data to make smart decisions adaptively. According to a report from Accenture company , AI is already altering every walk of life, which heralds dramatic potential to boost labor efficiency by 40% and double annual economic growth rates in 2035. To make AI live up to expectations, more and more companies are actively investing in various AI technologies, which put AI into a sharper focus and extend its application scope . When AI talents continue to mature, it is believed that AI methods will become the next digital frontier to easily transform massive data into useful knowledge, leading to a high degree of automation and intelligence in both industry and commerce. Although a considerable amount of engineering data increases unpre- cedently in the construction project, the adoption of AI techniques still lags behind the process in other industries. Therefore, there is immense interest in implementing a variety of AI methods in the CEM domain to seize the valuable opportunity of digital evolution for better performance and profitability.
Due to the remarkable growth of AI applications in civil engineering, some reviews about this topic have been published. However, most of them only highlight the value of AI on a specific sub-area, such as structural engineering , building information modeling (BIM) , automated construction manufacturing , computer vision , and others. That is to say, they only offer a narrowed perspective rather than a general view of AI implementation within CEM. In the meanwhile, they largely depend on the manual review and appraisal, possibly leading to biased findings . Moreover, Darko et al. conducted a review on AI in the AEC industry using scientometric analysis, in order to raise the aware
剩余内容已隐藏，支付完成后下载完整资料
人工智能在建筑工程和管理中的作用：一个评论和未来趋势
建筑、工程和建筑(AEC)行业范围内的建筑工程和管理(CEM)充满了自身的问题和复杂问题，它涵盖了一套与建筑有关的活动和过程以及人的因素和相互作用[97]。 建筑业作为经济的一大部门，在推动经济增长和国家长期发展中发挥着突出的作用。 根据McKinsey全球研究所2017年的一项调查，全球建筑业约占世界国内生产总值的13%，这一数字预计将在2020年上升到15。 同时，建设项目为7%的世界劳动人口创造了广泛的就业机会。 尽管它在经济上很重要，但一个明显的问题是施工过程中劳动生产率差，从而导致人力、物力和财力的浪费。 由于建筑活动在经济上对我们的社会有很大的贡献，因此采取适当的施工管理来提高产品性能是最有意义的。如果建筑生产率提高50%至60%或更高，估计每年将增加1.6万亿$的工业价值，并进一步提高全球GDP。
具有固有复杂性的建筑被认为是最危险的行业之一，它极易受到各种不可预测的因素的影响，如不同角色的参与者、大不确定性中多变的环境、设备碰撞危险和其他。 因此，建筑业往往会造成较小规模的致命事故，其发生频率高于其他领域，这甚至导致了世界范围内30%-40%的死亡。 例如，1989年一2013年，建筑工地的事故造成美国26000多名工人死亡。 2014年，欧洲共发生782起致命建筑事故，伤亡率约为每10万工人13人。 根据韩国就业和劳动部2012年至2015年的年度报告，韩国建筑业的死亡率仍然是其他经济部门中最高的。中国的建筑业被认为是最危险的行业之一，在那里，致命事故的数量超过了许多发达国家，没有明显的下降趋势。 大量的研究表明，安全问题与危险的工作条件和缺乏监督有关，强调施工管理对安全保障和事故预防的必要性。 通过在早期阶段识别、评估和应对动态和危险建筑环境中的潜在风险，预计将消除安全危害，然后可持续地减少建筑业的死亡人数。
在“工业4.0”的背景下，CEM正在不断创新数字化和智能化，以实现自动化、生产力和可靠性的显著提高。 也就是说，建筑业正在沿着整个建筑价值链重塑自己，包括规划、建设、运营和维护(Oamp;M)。 为了在CEM中推出真正的数字策略，人工智能(AI)作为骨干，改变建设项目的执行方式。 作为计算机科学的一个分支，人工智能驱动计算机感知和学习诸如感知、知识表示、推理、解决问题和规划等输入，这些输入可以以有意、智能和适应性的方式处理复杂和定义不当的问题。对人工智能的投资正在迅速增长，其中机器学习特别占很大比例，可以从多个来源学习足够健壮的数据，然后根据数据的洞察力自适应地做出明智的决策。根据埃森哲公司的一份报告，人工智能已经改变了生活的每一步，这预示着在2035年将劳动效率提高40%和双年经济增长率的巨大潜力。 为了使人工智能不辜负人们的期望，越来越多的公司正在积极投资于各种人工智能技术，这使人工智能成为一个更突出的焦点，并扩大了其应用范围。当AI人才不断成熟时，相信AI方法将成为下一个数字前沿，轻松地将海量数据转化为有用的知识，导致工商两方面的高度自动化和智能化。 虽然在的工程数据在建设项目中没有显著增加，但人工智能技术的采用仍落后于其他行业的工艺。 因此，人们对在CEM领域实现各种AI方法有着巨大的兴趣，以抓住数字进化的宝贵机会，以获得更好的性能和盈利能力。
由于人工智能在土木工程中的应用显著增长，一些关于这一主题的评论已经发表。 然而，大多数只强调人工智能在特定子领域的价值，如结构工程、建筑信息建模(BIM)、自动化建筑制造、计算机视觉等。 也就是说，它们只提供了一个狭窄的视角，而不是在CEM中对AI实现的一般观点。 同时，它们在很大程度上取决于人工审查和评估，可能导致的有偏见的调查结果。 此外，Darko等人。 利用科学计量分析对AEC行业的人工智能进行了审查，以提高AEC对人工智能的认识。 但它没有提供AI技术和实际AI应用在CEM中的全面介绍。只有两个未来的研究方向，即机器人自动化和卷积神经网络，这是不够的。 Yan等人。 回顾了专门集中于建筑业数据挖掘的文献。 然而，数据挖掘是AI的一个子集，可以自动处理数据并检索有用的洞察力。 数据挖掘之外的许多有前途的技术也值得关注，这些技术能够在CEM中提供增值服务，如性能预测和优化、过程挖掘、可视化分析、能源管理等。
只有两个未来的研究方向，即机器人自动化和卷积神经网络，这是不够的。 Yan等人。回顾了专门集中于建筑业数据挖掘的文献。 然而，数据挖掘是AI的一个子集，可以自动处理数据并检索有用的洞察力。 数据挖掘之外的许多有前途的技术也值得关注，这些技术能够在CEM中提供增值服务，如性能预测和优化、过程挖掘、可视化分析、能源管理等。
首先，检索CEM领域内的相关论文，以准备我们的数据库供审查。 采用以下三个标准来指导同行评审论文的搜索：（1）科学网(WOS)、Scopus、美国土木工程师学会(ASCE)图书馆、威利在线图书馆和IEEE图书馆被定义为选择目标出版物的已采用的学术数据库。 （2）选定的关键词侧重于本综述的主要概念，可简单地分为两个方面：一个是关于人工智能及其关键分支，另一个是关于CEM。 为了使搜索更有效，我们还参考了以前的一些评论论文来识别特定的关键词。这两种关键字然后通过布尔运算组合。 简言之，按照以下规则对相关研究进行搜索：（“人工智能”或“人工智能”或“计算智能”)和(“土木工程”或“建筑工程”或“建筑业”或“建筑管理”或“建筑工程”）。 （3）过去20年来，许多现有的审查已经建立了相关出版物的概况，证明这些出版物适合于理解目标专题内的发展变化和发展。 因此，我们根据以下原因确定了从1997年到2020年进行有意义调查的搜索期。 自2002年以来，由于数据和计算能力的增长，研究兴趣逐渐转向机器学习和深度学习，在建筑行业的各种用途上处于更高的智能水平。在2002年之前，研究主要集中在专家系统上，这是早期人工智能支持的模拟人类行为和决策知识的方法。 众所周知，这些作品在2002年之前是相对简单和直观的，因此我们不必考虑它们。 为了控制论文数量，2002年前5年的主要文章作为代表检索。 简言之，确定出版研究范围还有三项限制，包括出版年份（1997-2020年)、文件类型(“文章”、“审查”)和语文(“英文”）。 因此，总共选择了4,473篇主要与研究领域有关的论文，并将其存储在我们的数据库中，讨论如下。
在图中很清楚。 1在过去23年中，有关出版物的数量逐年增加。 大约84.78%的论文从2010年开始发表，这意味着基于人工智能的CEM的普及，特别是在2010年之后。 应该指出，最后数字528只是2020年前六个月发表的论文，超过了1997-2018年的年度出版物。 使用Gompertz函数在0.913的调整R方下很好地拟合数据，该函数由图中的红线可视化。 加上95%的置信带。 当合适的功能发挥作用时，估计到2020年底，相关出版物的数量可增至700多份。 也就是说，在建筑数字化创新的预期下，CEM领域的AI解决方案越来越受到关注。
其他关于CEM的论文更有可能引用有关CEM的期刊。图。2可视化了提供相关论文数量最多的十大期刊和在我们准备的数据集中拥有引用次数最多的十大期刊。图中所有12种期刊。2在2020年的影响评分大于3.0，因此它们的重要性可以得到验证。换句话说，这些期刊对基于人工智能的CEM的研究做出了更多贡献。可以看到，大多数期刊拥有超过400出版物的目标主题是土木工程计算杂志，自动化在建筑、建筑工程和管理杂志，和计算机辅助土木和基础设施工程，占据了大约39.48%的论文在我们的数据集。此外，这些前4名期刊的论文更有影响力，其他选定的论文可以更频繁地引用。 虽然《清洁生产与安全科学杂志”的相关出版物数量排在第8位和第9位，但这两种期刊并不在最受引用期刊的前10位。 相反，神经计算和IEEE关于神经网络和学习系统的事务可以为引用提供主要的参考来源。 这两种期刊主要集中在理论层面的一组新的计算模型和算法，这些模型和算法可以应用于工程实践，以实现它们的应用价值。
借助基于Java的科学可视化工具CiteSpace，进行共现关键词分析，输出知识图谱。 关键词是核心词或短语捕捉论文的本质，如图所示。 由节点和共现链接组成。 字体和节点的大小直接与包含某个关键字的出版物数量成比例。 显然，出现频率最高的前5个关键词是“人工智能”、“神经网络”、“建设管理”、“模型”和“机器学习”。除了频率外，还可以计算一个称为中心度的度量来度量节点在知识网络中的作用。 结果表明，这五个频率最高的关键字也具有相对较高的中心度值（分别为0.51、0.18、0.38、0.3和0.39），这也可能对其他节点产生更大的影响。 为了更好地理解一堆关键词，我们可以简单地把它们分成两部分。 一种是关于方法，如“人工智能”、“神经网络”、“机器学习”、“模糊逻辑”和“算法”。 另一种是关于目的，“施工管理”、“设计”、“预测”、“优化”和“分类”。
聚类分析由CiteSpace进行，从大量的论文集合中发现潜在的主题和研究前沿。 自网络的关键字在图中。 具有较大的模块化Q（0.775），表明该网络可以合理地划分为几个集群进行进一步的研究。 无花果。 4将11个确定的集群可视化。 为了更清楚地理解，表1将这些发现的集群分成两组：一组涉及方法，另一组涉及领先的应用领域。 所有簇的剪影分数都大于0.859，表明每个簇的同质性很大。 也就是说，验证了聚类结果的鲁棒性和显着性。 从对数似然检验(LLR)导出的标签被分配给集群来描述集群的性质。例如，命名为专家系统（#0）的集群大小最大。 这是因为专家系统早在1970年代就提出并发展了很长一段时间，导致11个组中最早的平均出版物年(2010年。 专家系统目前的研究趋势是将更高层次的智能（即机器学习和深度学习）融入其中，允许自动调整知识库，以便为更可靠的决策提供信息。 相比之下，第二大集群#1的平均年份是2019年，这表明最近的热点问题已经转向了数字主题
通过回顾相关和最新的出版物，我们总结了CEM的相关活动和特点，以提供对建筑业的深入了解。 应该指出的是，在项目的每个阶段都收集了大量的异构数据，特别是随着BIM和无线传感器网络(WSN)的出现，CEM成为一个数据密集型领域。 因此，合理地执行各种人工智能技术，以多种方式充分利用这些数据，这有可能在整个项目生命周期内有效地解决CEM的特点。
可将CEM分成两部分：一是建筑工程，二是施工管理。 建筑工程可以定义为一个完整的过程，包括设计、调度、预算编制、建筑本身。 在项目存续期内进行适当的管理是各种建设项目的必要条件，旨在指导项目在时间、成本、范围、质量和协作的控制下取得成功。 项目经理与其他参与人员密切协调，制定施工管理的计划、模式、时间表、成本、人员安排等。 他们把整个工作进度集中在项目的各个方面（即劳动力、资本、时间、设备、材料、风险），然后给出相应的指示，以降低延误、预算超支、高风险和重大冲突的可能性。 总之，CEM的主要活动可分为以下三个主要阶段。
计划：在实际建设开始之前，有必要为项目开发制定有关资源、进度、预算、依赖关系和其他方面的详细计划。 准备充分的计划需要符合合理的时间尺度和工作流程，这有助于在实际项目中降低成本、工期和不合理的过程。 例如，可以绘制原理图设计来充分描述建筑系统。调度可以按时间顺序分配多个活动，然后将日期、工人和资源分配给某个活动。 成本估算是预测在规定范围内开展项目所需资金和资源的过程。 总之，规划阶段的主要任务是项目计划的制定，以合理简化施工过程，这也可以作为监督实际过程的参考，并指导其在估计预算范围内准时完成
施工：这是执行实际施工的一个阶段，因此，上一阶段制定的计划预计会得到回报。 施工工人和项目经理是参与施工阶段的主要参与者。 对于施工人员来说，他们是执行现场任务的体力劳动，包括布置标记、开挖、基础工作、柱浇筑、墙体施工、门楣、屋面、抹灰、门窗固定、电气和管道工程、瓷砖铺设、油漆等。 还需要熟练的工人来操作复杂的机床。 关于项目经理，他们监督有关范围、预算和时间表的实际施工过程，然后将观察结果与确定的规划进行比较。如果检测到不一致，则可以制定相应的行动，使过程恢复到一致性，或调整计划以复制更改。 此外，管理人员有责任认识到风险暴露以及对项目绩效、时间表或预算的相关影响。 为了更好的质量控制。 这些已确定的风险需要从定性和定量的角度进行分析，从而可以及时作出反应，积极主动地解决潜在的问题。
运营和维护(Oamp;M)：当建设完成后，项目将进入一个称为Oamp;M的新阶段。 众所周知，Oamp;M在生命周期内花费了大部分时间，导致大量的成本占项目总预算的60%左右。 Oamp;M的目标是运营和维护一个已建造的设施，不仅满足其生命周期中的预期功能，而且确保用户的安全和舒适。 更具体地说，操作意味着提供日常服务，以高效、经济和可靠的方式操作和控制设施，而维护则旨在从两个方面尽量减少系统故障的可能性。 首先，基于时间的预防性维护检测潜在的风险，并在突发事件发生之前调整正在进行的操作。另一方面，在问题发生后实施的纠正维修，努力修复有问题的部件，并使其尽快恢复正常状态。 此外，Oamp;M最近的关注重点是可持续性。 实施Oamp;M必须遵守一些能源法规和标准，使设施长期、安全、节能运行，最终提高用户满意度。
由于一个建筑项目在性质上是独特的、临时的和渐进的，为了产生预期的目标，CEM可以被认为是在一定的限制范围内在固定的时间内处理一系列相互关联的任务的过程。 根据第二节检索到的相关论文，从以下五点概述了CEM的关键特征。
独特性：由于客户需求、项目规模、条件、影响和约束的差异，建设项目之间存在差异，从而提高了项目管理的难度。 因此，简单地将现有项目的调度、设计方案、预算和物流复制到一个新项目是不合理的。 此外，不同角色的个人，包括设计师、工程师、供应商、承包商、经理和其他服务提供商，被临时组织在一个项目中。
剩余内容已隐藏，支付完成后下载完整资料
资料编号：[408984]，资料为PDF文档或Word文档，PDF文档可免费转换为Word
以上是毕业论文外文翻译，课题毕业论文、任务书、文献综述、开题报告、程序设计、图纸设计等资料可联系客服协助查找。
