基于知識圖譜的建筑科學與工程人工智能研究趨勢分析

文新鵬，王顥然，白驍騎，方帥威

廣西科技大學土木建筑工程學院，廣西 柳州 545006

1 研究方法及數據來源

1.1 研究方法

使用由美國德雷塞爾大學陳超美教授2004 使用Java 語言開發的可視化軟件Citespace對導出的相關文獻進行分析并繪制知識圖譜。本文主要通過其對數據進行分析，通過分析某一關鍵在在一段時間內的興起與衰敗來研究在建筑領域人工智能研究的演變歷程與發展趨勢。

1.2 數據來源

本文數據來源選取了1990 年至2020 年3 月Web of Science 核心集合數據庫與中國知網核心期刊。確定2338 篇Web of Science 數據庫文獻與中國知網201 篇文獻作為分析數據。

2 國內建筑領域人工智能研究趨勢分析

為了對建筑領域人工智能研究趨勢進行分析，我們使用Citespace 里面‘Keyword’為分析節點，繪圖方式使用‘Time zone’繪制知識圖譜，得到圖1。時區圖是以時間為橫坐標，關鍵詞為縱坐標，用弧線將相關聯的關鍵詞連接起來繪制的知識圖譜，圖中關鍵詞以時間為軸從左向右，自上而下的將出現時間展現出來。他能從時間維度上幫助我探究建筑工程人工智能研究的演變規律，更清晰的地展示各關鍵詞更新和相互影響等演變趨勢。

圖1 國內關鍵詞時區圖

從圖1 中可以看出隨著時間的變化關鍵詞出現了不同的變化，根據這些變化可以將建筑領域人工智能研究分為四個階段：第一階段（1992～1997）：這一時期人工智能技術開始開建筑領域興起，圍繞著人工智能研究為核心出現了人工智能識別、專家系統、機器人等研究方向，但都是在起步階段，還沒有出現較為成熟的人工智能技術。第二階段（1998～2007）：這一階段的人工智能技術研究呈現出多樣性，人工神經網絡、實驗模型、計算機模擬等技術相繼出現，同時專家系統、CAD、數據庫等技術得到較大的發展，這時建筑領域人工智能研究成果初步顯現，并開始逐漸從基礎理論研究向應用性研究進行。專家系統、人工神經網絡、智能識別、計算機模型等技術的實際應用初步實現。如專家系統對現場突發狀況進行分析并給出合理解決方案，智能識別技術與計算機技術相繼應用于實際工程當中。第三階段（2008～2012）：這一階段相較于第二階段比較成熟，無線遙控、智能體等技術的出現使得機器人技術得到了良好的發展，巡檢機器人、測量機器人、現場整理機器人相繼出現并逐步應用與實際工程，但是實際應用還沒有完全達到預期標準。計算機視覺技術也已經應用與實際工程，如對建筑物進行變形監測就是使用了計算機視覺技術。第四階段（2013～2020）：這一階段出現了許多新的關鍵詞，計算機輔助建筑設計、BIM、人工智能規劃、城市設計、數字化設計等成為了新的研究熱點，但是這一階段新出現的研究熱點還不成熟，初步提出了相關理論，如黃騫［1］等人就利用人工智能與大數據形結合構建智能規劃輔助平臺。并且有意識的將人工智能與BIM、云計算、大數據等技術相結合研究。但是這一階段許多技術已經校對成熟，如劉偉等人就已將智能巡檢機器人在實際工程使用，并且經過觀察智能巡檢機器人一直能夠達到預期使用標準。

3 結論

國內建筑工程領域智能研究未來將從基礎性研究逐漸走向基于人工智能落地性的應用性研究。建筑工程人工智能技術未來將與BIM、云計算、大數據相結合才能實現智慧決策、智慧建筑、信息共享。