采用文獻(xiàn)計(jì)量的建筑業(yè)物聯(lián)網(wǎng)研究熱點(diǎn)與趨勢分析

摘要：為掌握建筑業(yè)物聯(lián)網(wǎng)的發(fā)展現(xiàn)狀和挖掘未來研究機(jī)會，采用定量研究與定性分析相結(jié)合的方法，以Scopus數(shù)據(jù)庫為數(shù)據(jù)來源，收集12個建筑業(yè)高影響力期刊的建筑業(yè)物聯(lián)網(wǎng)相關(guān)文獻(xiàn)1 128篇.從出版年及發(fā)文量、期刊影響力、學(xué)科領(lǐng)域、高頻學(xué)科術(shù)語共現(xiàn)、作者合作及國家合作等方面展開分析，基于VOSviewer軟件構(gòu)建可視化知識圖譜，探討建筑業(yè)物聯(lián)網(wǎng)的現(xiàn)狀，提出未來的研究方向.結(jié)果表明：建筑業(yè)物聯(lián)網(wǎng)研究的發(fā)文量呈現(xiàn)上升趨勢，文獻(xiàn)來源相對集中，呈多學(xué)科性發(fā)展；建筑業(yè)物聯(lián)網(wǎng)領(lǐng)域的作者研究合作已初具規(guī)模，國家間的合作緊密圍繞著美國、中國、英國展開；該領(lǐng)域的研究熱點(diǎn)呈現(xiàn)4個關(guān)鍵主題，即建筑環(huán)境、施工現(xiàn)場監(jiān)控與安全、建筑能耗和故障檢測.

關(guān)鍵詞：建筑業(yè)； 物聯(lián)網(wǎng)； 文獻(xiàn)計(jì)量； 知識圖譜； 智能建造； 數(shù)字化； 信息化

中圖分類號： TU 18文獻(xiàn)標(biāo)志碼： A 文章編號： 1000－5013（2023）02－0211－11

Research Hotspots and Trend Analysis of Internet of Things in Construction Industry Using Bibliometrics

QIN Xuan， CHEN Kang

（College of Civil Engineering， Huaqiao University， Xiamen 361021， China）

Abstract： In order to grasp the development status of internet of things （IoT） in construction industry and explore future research opportunities， the method of combining quantitative research and qualitative analysis is adopted. Using Scopus database as data source， 1 128 articles related to IoT in construction industry from 12 high－impact journals in construction industry are collected. Various aspects are analyzed， including the publication year and number of articles， journal influence， subject field， co－occurrence of high－frequency subject terms， author cooperation and national cooperation， etc. Based on VOSviewer software， the visual knowledge map is constructed to discuss the current situation of IoT in construction industry and to propose future research direction. The result shows that the number of publications of IoT in construction industry research is at a rising trend， the literature sources are relatively concentrated， presenting a multidisciplinary development； the author research cooperation in the field of IoT in construction industry has begun to take shape， with the cooperation between countries closely centered on the United States， China and Britain； the research focus in this field presents four key topics， namely， building environment， construction site monitoring and safety， building energy consumption and fault detection.

Keywords： construction industry； internet of things（IoT）； bibliometrics； knowledge mapping； intelligent construction； digitization； informatization

建筑業(yè)產(chǎn)業(yè)規(guī)模巨大，截至2017年全球建筑業(yè)貢獻(xiàn)的國內(nèi)生產(chǎn)總值（GDP）約為17.140萬億美元，預(yù)計(jì)到2021年將增長至24.334萬億美元［1］，據(jù)預(yù)測，到2030年建筑業(yè)將占世界總GDP的15%左右［2］.然而，全球建筑業(yè)正面臨低效、高危、勞動力短缺三大關(guān)鍵問題，相比制造業(yè)，建筑業(yè)的生產(chǎn)力水平低下、工作環(huán)境惡劣、建筑工人的職業(yè)健康安全問題十分嚴(yán)峻.當(dāng)前世界正處于信息化的新時代，發(fā)展新興信息技術(shù)是改變建筑業(yè)這一狀況的有效途徑.物聯(lián)網(wǎng)（IoT）被稱為繼計(jì)算機(jī)、互聯(lián)網(wǎng)之后，世界信息產(chǎn)業(yè)的第三次浪潮，世界各國對物聯(lián)網(wǎng)展開了大量研究［3］.物聯(lián)網(wǎng)是指通過射頻識別（RFID）、紅外感應(yīng)器、全球定位系統(tǒng)（GPS）、激光掃描器等信息傳感設(shè)備，按照約定的協(xié)議，把任何物品與互聯(lián)網(wǎng)連接起來，進(jìn)行信息交換和通信，以實(shí)現(xiàn)智能化識別、定位、跟蹤、監(jiān)控和管理的一種網(wǎng)絡(luò)［4］.

物聯(lián)網(wǎng)正日益滲透到建筑業(yè)中，研究人員不斷探索物聯(lián)網(wǎng)技術(shù)在建筑業(yè)的創(chuàng)新應(yīng)用，以帶動建筑業(yè)向信息化、數(shù)字化和智能化方向發(fā)展，實(shí)現(xiàn)轉(zhuǎn)型升級.近幾年，與建筑業(yè)物聯(lián)網(wǎng)相關(guān)的文章數(shù)量迅猛增長.為掌握建筑業(yè)物聯(lián)網(wǎng)的發(fā)展現(xiàn)狀，科學(xué)、量化地總結(jié)和分析建筑業(yè)物聯(lián)網(wǎng)領(lǐng)域的概貌，本文選用VOSviewer軟件對從Scopus數(shù)據(jù)庫中篩選出的建筑業(yè)物聯(lián)網(wǎng)相關(guān)文獻(xiàn)進(jìn)行科學(xué)計(jì)量，進(jìn)而從各個角度全面審視該領(lǐng)域的熱點(diǎn)研究、關(guān)鍵信息，實(shí)現(xiàn)作者合作、國家合作、關(guān)鍵詞共現(xiàn)等方面的可視化分析，梳理每個主題下的主要研究內(nèi)容，并在此基礎(chǔ)上討論建筑業(yè)物聯(lián)網(wǎng)的發(fā)展演化及未來的研究機(jī)會.

1 實(shí)驗(yàn)方法

1.1 數(shù)據(jù)來源

Scopus數(shù)據(jù)庫是目前世界上最大的文獻(xiàn)摘要和引文數(shù)據(jù)庫［5］，其覆蓋范圍廣，索引過程快，涵蓋了較新的出版物.與Web of Science，Google Scholar，PubMed" 等數(shù)據(jù)庫相比，Scopus數(shù)據(jù)庫在建筑領(lǐng)域的覆蓋面更廣，更適合跨學(xué)科的研究主題［6］.為獲得準(zhǔn)確、質(zhì)量高、容量合適的文獻(xiàn)樣本，應(yīng)盡量涵蓋該領(lǐng)域已知關(guān)鍵詞，因此，選擇的檢索關(guān)鍵詞為Internet of Things，IoT，industrial internet，physical internet，cyber physical systems，sensors，wireless sensor network，WSN.

通過搜索Scopus數(shù)據(jù)庫、Journal Citation Report（JCR）期刊引用報(bào)告和審查以往相關(guān)研究綜述［7－8］的方法，識別建筑行業(yè)中具有高影響力的期刊，最終選擇影響因子在1.5以上或得到專業(yè)人士認(rèn)可的12個期刊，期刊名稱及發(fā)文量，如表1所示.搜索文獻(xiàn)的起始時間不設(shè)限制，以確保全面覆蓋現(xiàn)有文獻(xiàn)［9］；期刊文章代表最有影響力的研究，文獻(xiàn)類型限定為已公開發(fā)表的期刊論文，不考慮綜述（review）、會議論文（conference paper）、編者評論（editor′s comment）等.截止2020年11月1日，搜索獲得1 128篇與建筑業(yè)物聯(lián)網(wǎng)相關(guān)的期刊文章.對這1 128篇英文期刊文章進(jìn)行科學(xué)計(jì)量和定性分析.

1.2 研究方法

采用定量研究與定性分析相結(jié)合的方法，該方法的特點(diǎn)是整合定量和定性數(shù)據(jù)，以克服人工評價容易存在的潛在偏差，從而得到單一方法無法產(chǎn)生的分析結(jié)論.定量研究采用文獻(xiàn)計(jì)量學(xué)方法，借助VOSviewer軟件.VOSviewer軟件提供了可視化科學(xué)知識圖譜所需的所有基本功能，且其在共現(xiàn)分析方面圖形化展示方式較為豐富，顯示清晰，使得文獻(xiàn)計(jì)量學(xué)的分析結(jié)果易于解釋，深受建筑業(yè)領(lǐng)域研究者的喜愛［10］.定性分析是對建筑行業(yè)中物聯(lián)網(wǎng)技術(shù)研究相關(guān)文獻(xiàn)的主要內(nèi)容進(jìn)行全面、深入的梳理，剖析該領(lǐng)域的研究現(xiàn)狀、研究熱點(diǎn)、研究局限性及對未來研究的展望.

2 文獻(xiàn)數(shù)據(jù)分析

相關(guān)文獻(xiàn)的數(shù)據(jù)分析包括文獻(xiàn)的出版年及發(fā)文量統(tǒng)計(jì)、期刊影響力、學(xué)科領(lǐng)域、高頻學(xué)科術(shù)語共現(xiàn)、作者合作、國家合作分析.文獻(xiàn)年發(fā)文量和期刊影響力分析能夠反映研究主題的發(fā)展趨勢及重點(diǎn)研究平臺；學(xué)科領(lǐng)域分析有助于觀察該領(lǐng)域?qū)W科發(fā)展?fàn)顩r；借助知識圖譜工具VOSviewer軟件進(jìn)行文獻(xiàn)計(jì)量和可視化分析，可深入挖掘建筑業(yè)物聯(lián)網(wǎng)研究領(lǐng)域的研究熱點(diǎn)分布、團(tuán)隊(duì)規(guī)模、國家合作關(guān)系等.

2.1 出版年及發(fā)文量

檢索獲得的1 128篇建筑業(yè)物聯(lián)網(wǎng)研究相關(guān)文獻(xiàn)的年分布，如圖1所示.該領(lǐng)域的第一項(xiàng)研究于1983年在Building and Environment期刊上發(fā)表［11］.由圖1可知：這一領(lǐng)域早期的年發(fā)文量為個位數(shù)，這一情況一直持續(xù)到2003年；隨著物聯(lián)網(wǎng)的發(fā)展，2012年建筑業(yè)物聯(lián)網(wǎng)領(lǐng)域出現(xiàn)新興的研究熱點(diǎn)，文章數(shù)量呈指數(shù)性陡增趨勢；最近5年，建筑業(yè)物聯(lián)網(wǎng)領(lǐng)域的研究年發(fā)文量都保持在100篇以上，且隨著建筑機(jī)器人、智慧工地等新興產(chǎn)業(yè)的不斷興起，該領(lǐng)域未來研究勢頭將繼續(xù)升溫、持續(xù)增長.

2.2 期刊影響力

由表1可知：年發(fā)文量排在前3的期刊分別是Energy and Buildings（331篇），Building and Environment（267篇）和Automation in Construction（254篇）.3種期刊合計(jì)發(fā)文量占被統(tǒng)計(jì)文獻(xiàn)數(shù)量的75.53%，是促進(jìn)該領(lǐng)域發(fā)展的主要力量；Advanced Engineering Informatics和Journal of Computing in Civil Engineering的發(fā)文量合計(jì)占比超過15%，具有一定的影響力；余下7種期刊發(fā)文量合計(jì)占比小于10%，體現(xiàn)出文獻(xiàn)來源相對集中的特點(diǎn)，表明建筑業(yè)物聯(lián)網(wǎng)研究已經(jīng)形成比較集中的重點(diǎn)期刊平臺支撐.

2.3 學(xué)科領(lǐng)域

對建筑業(yè)物聯(lián)網(wǎng)領(lǐng)域相關(guān)研究的學(xué)科領(lǐng)域進(jìn)行分析，結(jié)果如圖2所示.由圖2可知：大多數(shù)文章發(fā)表在工程類期刊（1 039篇），有些則發(fā)表在社會科學(xué)（267篇）、環(huán)境科學(xué)（267篇）、計(jì)算機(jī)科學(xué)（200篇）和商業(yè)、管理和會計(jì)（69篇）及決策科學(xué)（7篇）類期刊.這顯示了該領(lǐng)域不斷發(fā)展的多學(xué)科性質(zhì)，以及越來越多的建筑業(yè)學(xué)者開始在自己傳統(tǒng)學(xué)科之外的期刊上發(fā)表文章.

2.4 高頻學(xué)科術(shù)語共現(xiàn)

文章標(biāo)題、摘要和關(guān)鍵字中出現(xiàn)的學(xué)科術(shù)語反映了論文的核心內(nèi)容，并一定程度展示了其研究范圍.通過VOSviewer軟件進(jìn)行高頻學(xué)科術(shù)語共現(xiàn)分析，將術(shù)語的最小出現(xiàn)次數(shù)設(shè)置為20次，并選擇按相關(guān)性評分排序前60的關(guān)鍵學(xué)科術(shù)語.高頻學(xué)科術(shù)語共現(xiàn)網(wǎng)絡(luò)視圖，如圖3所示.圖3中：每個節(jié)點(diǎn)代表一個主題詞（主題詞標(biāo)簽已顯示）；主題詞節(jié)點(diǎn)中心度大小表示該詞出現(xiàn)的頻次；節(jié)點(diǎn)間的連線表示兩個詞之間存在共現(xiàn)關(guān)系；連線粗細(xì)代表兩個詞之間共現(xiàn)的強(qiáng)度（次數(shù)）.

由圖3可知：VOSviewer軟件將所提取的關(guān)鍵術(shù)語按照研究主題和相互間密切程度大致分為4類，依據(jù)各類關(guān)鍵術(shù)語所圍繞的研究主題將其分別命名為集群1（紅色）、集群2（藍(lán)色）、集群3（綠色）、集群4（黃色），分別表示建筑環(huán)境、施工現(xiàn)場監(jiān)控與安全、建筑能耗、故障檢測.圖4是高頻學(xué)科術(shù)語共現(xiàn)的時間視圖，體現(xiàn)各學(xué)科術(shù)語的新穎程度，右下角2013-2016年的比例尺代表平均出版年份，顏色從深藍(lán)色變?yōu)闇\黃色，表示較老的研究到最新的主題.

1） 集群1：建筑環(huán)境.建筑環(huán)境是物聯(lián)網(wǎng)技術(shù)在建筑業(yè)中應(yīng)用的主要研究主題之一，目前大多數(shù)現(xiàn)成的物聯(lián)網(wǎng)技術(shù)都被用于建筑環(huán)境，例如，人員熱舒適性、采光計(jì)劃、空氣質(zhì)量檢測、智能家居等.該主題的研究重點(diǎn)是通過分布式傳感器采集各種環(huán)境參數(shù)，如二氧化碳、一氧化碳、PM2.5、聲音、光照、運(yùn)動、溫度和濕度等，對建筑環(huán)境進(jìn)行模擬仿真預(yù)測評估，以保證建筑內(nèi)人員的舒適性，同時減少不必要的住宅能源消耗.該集群組由19個學(xué)科術(shù)語組成，這一集群關(guān)鍵詞的平均出版年份涵蓋了2013-2016年，表明此集群在文獻(xiàn)中已穩(wěn)定確立，且一直受到研究人員的重點(diǎn)關(guān)注.

2） 集群2：施工現(xiàn)場監(jiān)控與安全.隨著物聯(lián)網(wǎng)技術(shù)的發(fā)展，實(shí)現(xiàn)資源的實(shí)時位置跟蹤和可視化成為可能，受益的主要應(yīng)用領(lǐng)域是施工現(xiàn)場監(jiān)控與安全.施工資源產(chǎn)生的數(shù)據(jù)非常龐大，實(shí)時收集和處理施工資源數(shù)據(jù)，并將相關(guān)的安全、活動、性能等信息實(shí)時可視化給管理者，以實(shí)現(xiàn)高效決策，提高項(xiàng)目管理水平.這一組關(guān)鍵詞平均出版年份分布在2015-2016年，相對來說比較新穎，且它與其他3個集群相比更為獨(dú)立，表明該主題受到一部分研究人員的極大關(guān)注，并對其持續(xù)跟進(jìn).

3） 集群3：建筑能耗.

入住率檢測是建筑能耗主題的關(guān)注重點(diǎn).入住率信息是指建筑物居住者的存在、移動及對建筑能耗有重大影響的行為.獲得準(zhǔn)確的人員入住率信息，制定有效的策略降低能耗，對于建筑能耗的節(jié)約和優(yōu)化有著非常重要的價值.例如，樓宇管理系統(tǒng)可以自動關(guān)閉空置房間的空調(diào)，并根據(jù)每個區(qū)域的人員數(shù)量調(diào)整通風(fēng)量，以達(dá)到節(jié)能目的.研究表明，暖通空調(diào)系統(tǒng)如果基于居住人員的信息運(yùn)行，可節(jié)約30%的能源消耗［12］.該集群關(guān)鍵詞的平均出版年份為2014-2016年，表明這一集群相對較新穎，且持續(xù)受到學(xué)術(shù)關(guān)注.

4） 集群4：故障檢測.

故障檢測代表了觀察到的主要集群之一，主要包括暖通空調(diào)系統(tǒng)的故障檢測和診斷（FDD）及結(jié)構(gòu)健康監(jiān)測.建筑物和暖通空調(diào)系統(tǒng)發(fā)生各種故障會導(dǎo)致能耗增加，舒適性變差，甚至發(fā)生安全事故.開發(fā)故障檢測和診斷方法，并將其應(yīng)用于涉及結(jié)構(gòu)、暖通空調(diào)系統(tǒng)、設(shè)備和傳感器出現(xiàn)的各種故障是該主題的研究重點(diǎn).由圖4可知：故障檢測技術(shù)的平均引用年份較老，其平均出版年份為2013-2014年，表明這一集群在文獻(xiàn)中擁有堅(jiān)固的地位.

2.5 作者合作及影響力

根據(jù)普萊斯定律，在建筑業(yè)物聯(lián)網(wǎng)研究領(lǐng)域中發(fā)文量不少于3篇的作者，被確立為核心作者［13］.通過分析該領(lǐng)域核心作者之間的合作緊密程度、研究團(tuán)隊(duì)規(guī)模和成熟度，發(fā)現(xiàn)該領(lǐng)域研究已經(jīng)形成聯(lián)系緊密、相互連通的合作網(wǎng)絡(luò)，該合作網(wǎng)絡(luò)包含了主要的高影響力、高被引次數(shù)的核心作者，說明建筑業(yè)物聯(lián)網(wǎng)領(lǐng)域研究者們已具有初步合作規(guī)模.同時，還存在一群獨(dú)立研究團(tuán)隊(duì)也為該領(lǐng)域的發(fā)展做出了重要貢獻(xiàn)，表明目前建筑業(yè)物聯(lián)網(wǎng)的研究已經(jīng)具備了一定的熱度和參與度.在建筑業(yè)物聯(lián)網(wǎng)領(lǐng)域發(fā)表文章總數(shù)排在第一位的是SMITH I F C，總共發(fā)表文章14篇，主要研究結(jié)構(gòu)健康監(jiān)測方面，深入結(jié)構(gòu)識別、故障檢測、數(shù)據(jù)解釋等方向，2005-2019年期間持續(xù)有科研成果產(chǎn)出，具有重大影響力.發(fā)文量排在第二位的是KAMAT V R，其團(tuán)隊(duì)共發(fā)表13篇文章，都集中在2015-2020年，研究成果較新，主要關(guān)注建筑機(jī)器人方面.WANG S以總發(fā)文量12篇位居第三位，該團(tuán)隊(duì)的文章?lián)碛凶罡叩谋灰螖?shù).WANG S的第一篇文章發(fā)表在1998年［14］，直到2013年一直都有科研產(chǎn)出，為空調(diào)系統(tǒng)故障檢測、建筑環(huán)境通風(fēng)控制等方面的研究做出了巨大貢獻(xiàn).高產(chǎn)的核心作者還有JANG W S（11篇），BECERIK－GERBER B（10篇），LI H（9篇），TEIZER J（9篇），HONG T（9篇）等，主要從事無線傳感網(wǎng)絡(luò)與建筑資源跟蹤、個性化熱舒適性、建筑能耗、建筑工人健康與安全監(jiān)測、施工活動識別等方面的研究.總體來說，這些核心作者的研究代表著建筑業(yè)物聯(lián)網(wǎng)領(lǐng)域的研究熱點(diǎn)，具有引領(lǐng)作用，值得關(guān)注和追蹤.

2.6 國家合作網(wǎng)絡(luò)

建筑業(yè)物聯(lián)網(wǎng)研究領(lǐng)域的國家合作網(wǎng)絡(luò)圖，如圖5所示.圖5反映了該領(lǐng)域主要領(lǐng)先國家的研究水平及合作關(guān)系，要求所選國家的發(fā)文量達(dá)到5篇及以上，68個國家中有32個入選；節(jié)點(diǎn)由深色到淺色表示時間從早到近的變化.由圖5可知：國家合作網(wǎng)絡(luò)圖里節(jié)點(diǎn)中心度最強(qiáng)的為美國，其次為中國，第3名為英國，它們是目前建筑業(yè)物聯(lián)網(wǎng)領(lǐng)域研究規(guī)模最大、合作最密切、成果貢獻(xiàn)最多的國家.美國的發(fā)文量為375篇，它與20個國家間存在著合作關(guān)系；第2名的中國是該領(lǐng)域中后起之秀的代表，所發(fā)表的文章具有較新的平均出版年份；以英國為首的歐洲國家為促進(jìn)物聯(lián)網(wǎng)在建筑業(yè)的發(fā)展也做出了巨大貢獻(xiàn)，且相互之間合作極為密切，是合作關(guān)系網(wǎng)絡(luò)的重要組成部分.其中，一些歐洲國家的合作關(guān)系呈現(xiàn)出較強(qiáng)的地域接近性，如西班牙的8個合作國家（英國、德國、法國、葡萄牙、比利時、意大利、瑞典、印度）中除了印度外，均為歐洲國家.

3 建筑業(yè)物聯(lián)網(wǎng)四大主題研究熱點(diǎn)綜述

3.1 建筑環(huán)境

建筑環(huán)境的好壞與人體的健康、舒適性及生產(chǎn)力密切相關(guān).熱舒適性是建筑環(huán)境的一個重要目標(biāo)，了解居民的熱感覺和舒適性對于建筑物中暖通空調(diào)系統(tǒng)的運(yùn)行意義重大.目前用于建筑業(yè)熱舒適性管理實(shí)踐的模型主要有預(yù)測平均投票（PMV）模型和自適應(yīng)模型.熱舒適性的客觀數(shù)據(jù)通常由環(huán)境傳感器測得，采用問卷調(diào)查獲得主觀反饋［15］.借助可穿戴設(shè)備或紅外攝像頭可收集生理方面的數(shù)據(jù)，如采用紅外熱像儀測量面部皮膚溫度來估計(jì)人的熱舒適水平［16］.隨著研究的深入，個人舒適性模型被提出，以解決不同人員的使用偏好.BECERIK－GERBER B團(tuán)隊(duì)將建筑物里的人員整合到暖通空調(diào)系統(tǒng)控制流程中，提出一種辦公樓個性化熱舒適驅(qū)動系統(tǒng)的人機(jī)交互框架［17］.文獻(xiàn)［18－19］研究發(fā)現(xiàn)，使用環(huán)境傳感器的效果優(yōu)于生理傳感器，若將兩種數(shù)據(jù)結(jié)合起來，可以獲得更高的個體熱舒適性預(yù)測準(zhǔn)確率.

另外，光也是建筑空間最重要的元素之一，采光的研究主要集中在建筑的設(shè)計(jì)和運(yùn)營階段，研究表明，使用日光調(diào)光系統(tǒng)不僅能提高人的視覺舒適性，還可以降低建筑物的能耗［20－21］.此外，物聯(lián)網(wǎng)技術(shù)能自動控制居住環(huán)境中的PM2.5和二氧化碳的濃度，有效提升室內(nèi)空氣質(zhì)量［22－23］.智能家居相關(guān)研究的持續(xù)涌現(xiàn)更是將建筑環(huán)境中人員舒適度、能效、個性化等方面的發(fā)展推向了更高水平［24－25］.

3.2 施工現(xiàn)場監(jiān)控與安全

在施工現(xiàn)場監(jiān)控方面，衡量項(xiàng)目狀態(tài)或進(jìn)度大多基于人工評估，最近的研究集中在發(fā)展自動化或半自動的方法上.物聯(lián)網(wǎng)設(shè)備的使用促進(jìn)了施工現(xiàn)場監(jiān)控的實(shí)現(xiàn)，將全球定位系統(tǒng)、射頻識別、無線傳感器網(wǎng)絡(luò)等現(xiàn)有技術(shù)結(jié)合是當(dāng)前廣受歡迎的研究方法.例如，結(jié)合射頻識別和全球定位系統(tǒng)進(jìn)行數(shù)據(jù)收集，無需增設(shè)額外的設(shè)施便能自動識別和定位建筑構(gòu)件［26］.該領(lǐng)域中具有高影響力的JANG W S團(tuán)隊(duì)熱衷于無線傳感器網(wǎng)絡(luò)在建筑資源跟蹤中的應(yīng)用研究，他們探索了使用ZigBee、無線和超聲信號相結(jié)合、增強(qiáng)現(xiàn)實(shí)（AR）技術(shù)建立無線傳感器網(wǎng)絡(luò)系統(tǒng)，實(shí)現(xiàn)建筑材料自動跟蹤的可行性［27－29］；并在材料跟蹤的成本效益［30］、建筑資源跟蹤技術(shù)的選擇［31］、無線傳感器網(wǎng)絡(luò)的性能［32－33］等方面展開了深入研究.值得注意的是，建筑信息模型（BIM）和物聯(lián)網(wǎng)的集成很大程度上促進(jìn)了裝配式建筑的自動化，在實(shí)現(xiàn)預(yù)制構(gòu)件生產(chǎn)制造、物流管理、跟蹤定位、BIM可視化及自動裝配的過程中做了巨大貢獻(xiàn)［34－36］.

安全方面，建筑工人的健康和安全管理一直以來都備受重視.在以人為中心的建筑安全與健康管理方面，研究者對可穿戴式傳感器和基于計(jì)算機(jī)視覺的技術(shù)產(chǎn)生了極大的興趣.LI H團(tuán)隊(duì)和AHN C R團(tuán)隊(duì)在該方面的研究處于領(lǐng)先地位，其研究涵蓋的關(guān)鍵應(yīng)用包括預(yù)防肌肉骨骼疾病、工人疲勞監(jiān)測、預(yù)防跌倒及墜落.LI H團(tuán)隊(duì)的研究主要有基于計(jì)算機(jī)視覺進(jìn)行人體工學(xué)姿勢識別以預(yù)防建筑活動中的危險(xiǎn)［37］，使用可穿戴鞋墊壓力傳感器對建筑工人跌倒事件進(jìn)行自動檢測和分類［38］，借助計(jì)算機(jī)視覺、生理傳感器實(shí)現(xiàn)對工人的身體疲勞和精神疲勞監(jiān)測［39－40］等.AHN C R團(tuán)隊(duì)專注于慣性測量單元（IMU）的應(yīng)用，包括對建筑工人進(jìn)行跌倒風(fēng)險(xiǎn)評估［41］，基于行人的運(yùn)動反饋來檢測人行道的缺陷［42］，結(jié)合深度學(xué)習(xí)評價工人的負(fù)荷水平、預(yù)測姿態(tài)，以預(yù)防肌肉骨骼疾病［43－44］等.將物聯(lián)網(wǎng)技術(shù)融入建筑工地的安全系統(tǒng)是另一重要研究方向，實(shí)現(xiàn)對險(xiǎn)情事故的跟蹤記錄，可以顯著提高安全性［45］.例如，基于物聯(lián)網(wǎng)開發(fā)智能安全帽系統(tǒng)，使安全帽具備實(shí)時報(bào)警、監(jiān)控和定位功能［46］；建立塔吊操作員能見度模型，有效改善塔吊的不安全狀態(tài)［47］.另外，一些研究者將物聯(lián)網(wǎng)和BIM技術(shù)集成并應(yīng)用于火災(zāi)應(yīng)急場景，建立火災(zāi)救援可視化系統(tǒng)，以實(shí)時監(jiān)控現(xiàn)場狀態(tài)、定位被困人員［48－49］.

3.3 建筑能耗

提高生活質(zhì)量和節(jié)約能源往往存在沖突，物聯(lián)網(wǎng)技術(shù)的引入為降低建筑能耗提供了新思路，獲取準(zhǔn)確詳細(xì)的入住率信息是平衡這一矛盾的關(guān)鍵.目前，入住率檢測已廣泛應(yīng)用于減少建筑能耗中，照明控制、暖通空調(diào)系統(tǒng)、雜項(xiàng)電氣負(fù)荷、熱水系統(tǒng)是四大主要的應(yīng)用終端.選擇合適的數(shù)據(jù)源對于入住率檢測尤為重要，早期入住率檢測研究中最常用的傳感器是被動紅外（PIR）傳感器［50］.近年來，WiFi基礎(chǔ)設(shè)施得到普及，基于WiFi的入住率檢測方法因其無需部署額外設(shè)施、無需人員攜帶專用設(shè)備等優(yōu)點(diǎn)而廣受研究人員的青睞.HONG T團(tuán)隊(duì)提出了一種通過機(jī)器學(xué)習(xí)從建筑物的WiFi數(shù)據(jù)來推斷人員數(shù)量的新方法［51］，利用環(huán)境傳感器和無線網(wǎng)絡(luò)信號的融合，成功提高了人員入住率檢測模型的效率［52］，并結(jié)合環(huán)境數(shù)據(jù)、WiFi數(shù)據(jù)和融合數(shù)據(jù)3種數(shù)據(jù)源，對不同場景下的模型性能進(jìn)行了優(yōu)化［53］.

除了人員的存在和數(shù)量信息可用于優(yōu)化控制策略，人類活動識別對于各種智能家居的應(yīng)用也至關(guān)重要.使用深度學(xué)習(xí)的方法，利用現(xiàn)有WiFi設(shè)備即可實(shí)現(xiàn)對居民日常活動（如個人衛(wèi)生、飲食、行動等）的無創(chuàng)識別和分類，從而提高能效，增強(qiáng)用戶體驗(yàn)［54－55］.

3.4 故障檢測

暖通空調(diào)系統(tǒng)中的空氣處理機(jī)組（AHU）和冷水機(jī)組出現(xiàn)故障時往往需要付出昂貴的代價，因此，故障檢測必不可少.現(xiàn)有研究常用的故障檢測方法包括基于模型的方法、基于規(guī)則的方法、基于數(shù)據(jù)驅(qū)動的方法.基于模型的故障檢測方法在暖通空調(diào)系統(tǒng)中發(fā)展較早，使用最為廣泛［56］；基于規(guī)則的方法需要專家知識和豐富的經(jīng)驗(yàn)，構(gòu)建詳細(xì)的規(guī)則，從而對空調(diào)系統(tǒng)發(fā)生的故障進(jìn)行診斷［57］；基于數(shù)據(jù)驅(qū)動的方法作為一種新的FDD方法，近年來被廣泛關(guān)注，其涵蓋了主成分分析、Fisher判別分析、小波分析、神經(jīng)網(wǎng)絡(luò)等［58］.

目前，建筑物故障檢測的應(yīng)用大部分集中在橋梁工程上.物聯(lián)網(wǎng)技術(shù)的發(fā)展促進(jìn)了結(jié)構(gòu)健康監(jiān)測研究.基于傳感器的技術(shù)提供建筑物及其構(gòu)件結(jié)構(gòu)健康的實(shí)時信息，然后對采集的數(shù)據(jù)進(jìn)行解釋和分析，完成結(jié)構(gòu)識別和故障檢測.文獻(xiàn)［59－61］為提升數(shù)據(jù)解釋能力，提取有意義的信息進(jìn)行損傷檢測，探索的方法包括移動主成分分析、移動相關(guān)分析、穩(wěn)健回歸分析、聚類分析和基于模型的方法.文獻(xiàn)［62－63］指出測量系統(tǒng)設(shè)計(jì)和傳感器放置策略對結(jié)構(gòu)識別的影響，并進(jìn)行了相關(guān)的決策優(yōu)化研究.

4 未來研究展望

4.1 建筑環(huán)境

物聯(lián)網(wǎng)設(shè)備可以為舒適性模型提供必要的數(shù)據(jù)，從而提高居住者的舒適度水平，優(yōu)化建筑的能源使用，使建筑行業(yè)受益.隨著舒適性提升技術(shù)的進(jìn)步，居住者對建筑環(huán)境的質(zhì)量要求將隨之增高，使自動化、個性化、高水平的智能舒適性管理成為未來的主要研究方向.

1） 單一指標(biāo)不足以反映人員的熱狀態(tài)，在實(shí)現(xiàn)以人為中心、動態(tài)控制環(huán)境的暖通空調(diào)控制系統(tǒng)時，考慮人的生理和行為因素尤為重要，未來的研究需要在數(shù)據(jù)融合的方法上做更多努力.

2） 以前的研究通常未對所提出的模型如何集成到現(xiàn)實(shí)系統(tǒng)中進(jìn)行詳細(xì)描述，需要更多的研究將個人舒適性模型產(chǎn)生的分析結(jié)果轉(zhuǎn)化為可操作的控制策略.

3） 研究者模型的開發(fā)和評估過程中經(jīng)常應(yīng)用自己的解釋或假設(shè)，缺乏行業(yè)標(biāo)準(zhǔn)的指導(dǎo)，未來在加強(qiáng)理論基礎(chǔ)和標(biāo)準(zhǔn)化方面還有許多工作要做.

4.2 施工現(xiàn)場監(jiān)控與安全

當(dāng)前的物聯(lián)網(wǎng)研究主要是技術(shù)性的，研究者開發(fā)了各種施工現(xiàn)場監(jiān)控和安全管理方法，在已開發(fā)的應(yīng)用方向上加強(qiáng)可操作性、改進(jìn)性能是未來研究的一個重要領(lǐng)域.此外，需要讓現(xiàn)有技術(shù)更加充分地結(jié)合實(shí)際，有效地應(yīng)用于工程實(shí)踐.未來工作還需考慮以下4點(diǎn)內(nèi)容.

1） 為實(shí)現(xiàn)長期且穩(wěn)定的資源監(jiān)測和跟蹤，需在未來研究中推導(dǎo)出穩(wěn)健且快速的算法，但由于人員位置定位和工作行為監(jiān)測等方面數(shù)據(jù)多涉及到個人隱私，故在解決方案的推廣實(shí)施方面可能存在困難.

2） 基于視覺的技術(shù)和傳感器所采集數(shù)據(jù)的可靠性有待求證.例如，無線信號易受環(huán)境因素影響，有時因障礙物阻擋產(chǎn)生信號衰減的問題，使無線傳感器網(wǎng)絡(luò)性能降低，從而影響采集數(shù)據(jù)的真實(shí)性［64］.

3） 基于原型試驗(yàn)的建筑資源跟蹤方法嚴(yán)重依賴實(shí)驗(yàn)室設(shè)備，未考慮在實(shí)際施工現(xiàn)場的適用性；或所述流程框架只應(yīng)用于特定的環(huán)境和標(biāo)準(zhǔn)，這些解決方案能否推廣還有待研究［45，65］.

4） 可視化、位置跟蹤和風(fēng)險(xiǎn)預(yù)警等技術(shù)在特定項(xiàng)目的研究已經(jīng)成功應(yīng)用，但這些方案都是零散的“點(diǎn)解決方案”，缺乏凝聚力強(qiáng)大的框架來整合各種傳感器收集的數(shù)據(jù)，以監(jiān)控未來智能建造現(xiàn)場.

4.3 建筑能耗

建筑能耗與居住者的需求和行為密切相關(guān)，準(zhǔn)確檢測建筑設(shè)施的占用情況可以顯著提高其運(yùn)行效率.當(dāng)前研究主要集中在入住率檢測的準(zhǔn)確率上，為提高準(zhǔn)確率，開發(fā)數(shù)據(jù)融合的方法將是未來研究的主要方向，應(yīng)用這些數(shù)據(jù)融合研究來提高建筑能效也是重大挑戰(zhàn).未來研究還應(yīng)注意以下4點(diǎn).

1） 對于樓宇控制系統(tǒng)來說，環(huán)境參數(shù)不僅是估算住戶的指標(biāo)，也是決定設(shè)施運(yùn)行的控制門檻.人員的數(shù)量或行為對室內(nèi)空氣的影響包含在這些參數(shù)值的變化中，但參數(shù)值也會從它們引起的變化中恢復(fù).因此，考慮所選參數(shù)變化的影響是未來一項(xiàng)啟發(fā)性的研究.

2） 現(xiàn)有研究的驗(yàn)證實(shí)驗(yàn)時間通常不夠長，不足以包含所有可能的場景來說明所提方法的性能，為了得出更可靠的結(jié)論，未來的研究中需要進(jìn)行更長時間和更復(fù)雜場景布局的實(shí)驗(yàn).

3） 未來研究需要能夠?qū)崿F(xiàn)跨學(xué)科反饋和協(xié)作的模型，人的行為受到多種因素的影響，包括生理、生物、心理和社會（人員之間的互動），但尚未出現(xiàn)一個考慮到上述所有因素的模型.

4） 隱私安全是所有入住率檢測方法都要考慮的重要因素，必須確保生成和收集的數(shù)據(jù)的安全性和保密性，因此，需要定期審查物聯(lián)網(wǎng)安全.

4.4 故障檢測

建筑物和暖通空調(diào)系統(tǒng)的故障檢測是十分重要的環(huán)節(jié)，現(xiàn)有的故障檢測方法只能發(fā)現(xiàn)系統(tǒng)中的單個主要故障，無法發(fā)現(xiàn)同時發(fā)生的多個故障，也不能確定這些故障之間的協(xié)同效應(yīng)和故障來源.開發(fā)基于數(shù)據(jù)驅(qū)動的混合方法是可能的解決方案，此外，未來研究在開發(fā)檢測方法上還有許多工作要做.

1） 需創(chuàng)立可靠、快速、經(jīng)濟(jì)、全面的解決方案，以實(shí)時檢測和診斷大規(guī)模暖通空調(diào)系統(tǒng)中發(fā)生的新故障，并以最小的誤報(bào)和漏報(bào)檢測多個故障之間的協(xié)同效應(yīng).

2） 未來可探索更為靈活的方法，如直接對暖通空調(diào)系統(tǒng)部件進(jìn)行翻新或更換，無需重新訓(xùn)練故障檢測模型，從而精簡工序以加速進(jìn)程.

3） 大多數(shù)的結(jié)構(gòu)健康監(jiān)測研究建議的解決方案僅在特定的情況下完成，缺乏通用有效的損傷量化指標(biāo)，未來需要進(jìn)一步探究量化方法的可擴(kuò)展性和可靠性.

5 結(jié)束語

為掌握建筑業(yè)物聯(lián)網(wǎng)的發(fā)展現(xiàn)狀和挖掘未來研究機(jī)會，以Scopus數(shù)據(jù)庫為數(shù)據(jù)來源，收集12個建筑業(yè)高影響力期刊的建筑業(yè)物聯(lián)網(wǎng)研究相關(guān)文獻(xiàn)1 128篇，基于VOSviewer軟件從出版年及發(fā)文量、學(xué)科領(lǐng)域、關(guān)鍵術(shù)語共現(xiàn)、作者合作及國家合作等方面展開分析，得到近幾年研究呈現(xiàn)出4個主要研究領(lǐng)域，即建筑環(huán)境、施工現(xiàn)場監(jiān)控與安全、建筑能耗和故障檢測.進(jìn)一步深度梳理文獻(xiàn)，討論建筑業(yè)物聯(lián)網(wǎng)的研究熱點(diǎn)和趨勢，提出未來的研究方向是實(shí)現(xiàn)智能舒適性管理、優(yōu)化和加強(qiáng)現(xiàn)有的物聯(lián)網(wǎng)技術(shù)、開發(fā)準(zhǔn)確率高的數(shù)據(jù)融合檢測方法和高效的故障檢測方法.文中研究對推動建筑業(yè)信息化和未來朝著智能建造發(fā)展具有一定的指導(dǎo)意義.

參考文獻(xiàn)：

［1］ Reportlinker.The global construction market was estimated to be around $17 140 billion as of 2017［EB/OL］.（2018－09－17）［2021－10－19］.https：∥www.prnewswire.com/news－releases/the－global－construction－market－was－estimated－to－be－around－17140－billion－as－of－2017－300713756.html.

［2］CRAVEIRO F，DUARTE J P，BARTOLO H，et al.Additive manufacturing as an enabling technology for digital construction： A perspective on Construction 4.0［J］.Automation in Construction，2019，103：251－267.DOI：10.1016/j.autcon.2019.03.011.

［3］劉強(qiáng)，崔莉，陳海明.物聯(lián)網(wǎng)關(guān)鍵技術(shù)與應(yīng)用［J］.計(jì)算機(jī)科學(xué)，2010，37（6）：1－4，10.DOI：10.3969/j.issn.1002－137X.2010.06.001.

［4］孫其博，劉杰，黎羴，等.物聯(lián)網(wǎng)： 概念、架構(gòu)與關(guān)鍵技術(shù)研究綜述［J］.北京郵電大學(xué)學(xué)報(bào)，2010，33（3）：1－9.DOI：10.3969/j.issn.1007－5321.2010.03.001.

［5］劉靜，劉晶晶，王希挺，等.Scopus數(shù)據(jù)庫收錄我國中文科技期刊影響力分析［J］.中國科技期刊研究，2020，31（4）：462－467.DOI：10.11946/cjstp.201912300912.

［6］MARTINEZ P，AL－HUSSEIN M，AHMAD R.A scientometric analysis and critical review of computer vision applications for construction［J］.Automation in Construction，2019，107：102947.DOI：10.1016/j.autcon.2019.102947.

［7］TANG Shu，SHELDEN D R，EASTMAN C M，et al.A review of building information modeling （BIM） and the internet of things （IoT） devices integration： Present status and future trends［J］.Automation in Construction，2019，101：127－139.DOI：10.1016/j.autcon.2019.01.020.

［8］GHOSH A，EDWARDS D J，HOSSEINI M R.Patterns and trends in internet of things （IoT） research： Future applications in the construction industry［J］.Engineering Construction and Architectural Management，2021，28：457－481.DOI：10.1108/ECAM－04－2020－0271.

［9］HOSSEINI M R，MARTEK I，ZAVADSKAS E K，et al.Critical evaluation of off－site construction research： A scientometric analysis［J］.Automation in Construction，2018，87：235－247.DOI：10.1016/j.autcon.2017.12.002.

［10］肖明，邱小花，黃界，等.知識圖譜工具比較研究［J］.圖書館雜志，2013，32（3）：61－69.

［11］DAVIES M G.Optimal designs for star circuits for radiant exchange in a room［J］.Building and Environment，1983，18（3）：135－150.DOI：10.1016/0360－1323（83）90006－9.

［12］YANG Junjing，SANTAMOURIS M，LEE S E.Review of occupancy sensing systems and occupancy modeling methodologies for the application in institutional buildings［J］.Energy and Buildings，2016，121：344－349.DOI：10.1016/j.enbuild.2015.12.019.

［13］丁學(xué)東.文獻(xiàn)計(jì)量學(xué)基礎(chǔ)［M］.北京：北京大學(xué)出版社，1992.

［14］WANG Shengwei.Dynamic simulation of a building central chilling system and evaluation of EMCS on－line control strategies［J］.Building and Environment，1998，33（1）：1－20.DOI：10.1016/S0360－1323（97）00019－X.

［15］KLEMM W，HEUSINKVELD B G，LENZHOLZER S，et al.Psychological and physical impact of urban green spaces on outdoor thermal comfort during summertime in The Netherlands［J］.Building and Environment，2015，83：120－128.DOI：10.1016/j.buildenv.2014.05.013.

［16］LI Da，MENASSA C C，KAMAT V R.Non－intrusive interpretation of human thermal comfort through analysis of facial infrared thermography［J］.Energy and Buildings，2018，176：246－261.DOI：10.1016/j.enbuild.2018.07.025.

［17］JAZIZADEH F，GHAHRAMANI A，BECERIK－GERBER B，et al.Human－building interaction framework for personalized thermal comfort－driven systems in office buildings［J］.Journal of Computing in Civil Engineering，2014，28（1）：2－16.DOI：10.1061/（ASCE）CP.1943－5487.0000300.

［18］ARYAL A，BECERIK－GERBER B.Thermal comfort modeling when personalized comfort systems are in use： Comparison of sensing and learning methods［J］.Building and Environment，2020，185：107316.DOI：10.1016/j.buildenv.2020.107316.

［19］ARYAL A，BECERIK－GERBER B.A comparative study of predicting individual thermal sensation and satisfaction using wrist－worn temperature sensor， thermal camera and ambient temperature sensor［J］.Building and Environment，2019，160：106223.DOI：10.1016/j.buildenv.2019.106223.

［20］JAZIZADEH F，AHMADI－KARVIGH S，BECERIK－GERBER B，et al.Spatiotemporal lighting load disaggregation using light intensity signal［J］.Energy and Buildings，2014，69：572－583.DOI：10.1016/j.enbuild.2013.11.040.

［21］ROISIN B，BODART M，DENEYER A，et al.Lighting energy savings in offices using different control systems and their real consumption［J］.Energy and Buildings，2008，40：514－523.DOI：10.1016/j.enbuild.2007.04.006.

［22］SUN Zhongwei，WANG Shengwei，MA Zhenjun.In－situ implementation and validation of a CO2－based adaptive demand－controlled ventilation strategy in a multi－zone office building［J］.Building and Environment，2011，46：124－133.DOI：10.1016/j.buildenv.2010.07.008.

［23］XIA Tongling，CHEN Chun.Differentiating between indoor exposure to PM2.5 of indoor and outdoor origin using time－resolved monitoring data［J］.Building and Environment，2019，147：528－539.DOI：10.1016/j.buildenv.2018.10.046.

［24］WANG Chenli，PATTAWI K，LEE H.Energy saving impact of occupancy－driven thermostat for residential buildings［J］.Energy and Buildings，2020，211：109791.DOI：10.1016/j.enbuild.2020.109791.

［25］AHELEROFF S，XU Xun，LU Yuqian，et al.IoT－enabled smart appliances under industry 4.0： A case study［J］.Advanced Engineering Informatics，2020，43：101043.DOI：10.1016/j.aei.2020.101043.

［26］TORRENT D G，CALDAS C H.Methodology for automating the identification and localization of construction components on industrial projects［J］.Journal of Computing in Civil Engineering，2009，23（1）：3－13.DOI：10.1061/（ASCE）0887－3801（2009）23：1（3）.

［27］SHIN D H，JANG W S.Utilization of ubiquitous computing for construction AR technology［J］.Automation in Construction，2009，18：1063－1069.DOI：10.1016/j.autcon，2009.06.001.

［28］JANG W S，SKIBNIEWSKI M J.Embedded system for construction asset tracking combining radio and ultrasound signals［J］.Journal of Computing in Civil Engineering，2009，23（4）：221－229.DOI：10.1061/（ASCE）0887－3801（2009）23：4（221）.

［29］JANG W S，SKIBNIEWSKI M J.A wireless network system for automated tracking of construction materials on project sites［J］.Journal of Civil Engineering and Management，2008，14（1）：11－19.DOI：10.3846/1392－3730.2008.14.11－19.

［30］JANG W S，SKIBNIEWSKI M J.Cost－benefit analysis of embedded sensor system for construction materials tracking［J］.Journal of Construction Engineering and Management，2009，135（5）：378－386.DOI：10.1061/（ASCE）0733－9364（2009）135：5（378）.

［31］JIANG Shaohua，JANG W S，SKIBNIEWSKI M J.Selection of wireless technology for tracking construction materials using a fuzzy decision model［J］.Journal of Civil Engineering and Management，2012，18（1）：43－59.DOI：10.3846/13923730.2011.652157.

［32］BAE S C，JANG W S，SKIBNIEWSKI M J.Reliability performance of wireless sensor networks for civil infrastructure－Part Ⅱ： Prediction and verification［J］.Journal of Civil Engineering and Management，2016，22（2）：243－253.DOI：10.3846/13923730.2014.948909.

［33］JANG W S，HEALY W M.Wireless sensor network performance metrics for building applications［J］.Energy and Buildings，2010，42：862－868.DOI：10.1016/j.enbuild.2009.12.008.

［34］LI C Z，XUE Fan，LI Xiao，et al.An internet of things－enabled BIM platform for on－site assembly services in prefabricated construction［J］.Automation in Construction，2018，89：146－161.DOI：10.1016/j.autcon.2018.01.001.

［35］ZHONG R Y，PENG Yi，XUE Fan，et al.Prefabricated construction enabled by the internet－of－yhings［J］.Automation in Construction，2017，76：59－70.DOI：10.1016/j.autcon.2017.01.006.

［36］VH P，HEIKKIL T，KILPELINEN P，et al.Extending automation of building construction： Survey on potential sensor technologies and robotic applications［J］.Automation in Construction，2013，36：168－178.DOI：10.1016/j.autcon.2013.08.002.

［37］YAN Xuzhong，LI Heng，WANG Chen，et al.Development of ergonomic posture recognition technique based on 2D ordinary camera for construction hazard prevention through view－invariant features in 2D skeleton motion［J］.Advanced Engineering Informatics，2017，34：152－163.DOI：10.1016/j.aei.2017.11.001.

［38］ANTWI－AFARI M F，LI Heng，SEO J，et al.Automated detection and classification of construction workers′ loss of balance events using wearable insole pressure sensors［J］.Automation in Construction，2018，96：189－199.DOI：10.1016/j.autcon.2018.09.010.

［39］UMER W，LI Heng，YU Yantao，et al.Physical exertion modeling for construction tasks using combined cardiorespiratory and thermoregulatory measures［J］.Automation in Construction，2020，112：103079.DOI：10.1016/j.autcon.2020.103079.

［40］YU Yantao，LI Heng，YANG Xincong，et al.An automatic and non－invasive physical fatigue assessment method for construction workers［J］.Automation in Construction，2019，103：1－12.DOI：10.1016/j.autcon.2019.02.020.

［41］YANG K，AHN C R，VURAN M C，et al.Semi－supervised near－miss fall detection for ironworkers with a wearable inertial measurement unit［J］.Automation in Construction，2016，68：194－202.DOI：10.1016/j.autcon.2016.04.007.

［42］KIM H，AHN C R，YANG K.A people－centric sensing approach to detecting sidewalk defects［J］.Advanced Engineering Informatics，2016，30（4）：660－671.DOI：10.1016/j.aei.2016.09.001.

［43］LEE H，YANG K，KIM N，et al.Detecting excessive load－carrying tasks using a deep learning network with a Gramian Angular Field［J］.Automation in Construction，2020，120：103390.DOI：10.1016/j.autcon.2020.103390.

［44］YANG K，AHN C R，KIM H.Deep learning－based classification of work－related physical load levels in construction［J］.Advanced Engineering Informatics，2020，45：101104.DOI：10.1016/j.aei.2020.101104.

［45］WU Weiwei，YANG Huanjia，CHEW D A S，et al.Towards an autonomous real－time tracking system of near－miss accidents on construction sites［J］.Automation in Construction，2010，19：134－141.DOI：10.1016/j.autcon.2009.11.017.

［46］ZHANG Hong，YAN Xuzhong，LI Heng，et al.Real－time alarming， monitoring， and locating for non－h(huán)ard－h(huán)at use in construction［J］.Journal of Construction Engineering and Management，2019，145（3）：04019006.DOI：10.1061/（ASCE）CO.1943－7862.0001629.

［47］ZHOU Cheng，LUO Hanbin，F(xiàn)ANG Weili，et al.Cyber－physical－system－based safety monitoring for blind hoisting with the internet of things： A case study［J］.Automation in Construction，2019，97：138－150.DOI：10.1016/j.autcon.2018.10.017.

［48］CHEN X S，LIU C C，WU I C.A BIM－based visualization and warning system for fire rescue［J］.Advanced Engineering Informatics，2018，37：42－53.DOI：10.1016/j.aei.2018.04.015.

［49］LI Nan，BECERIK－GERBER B，KRISHNAMACHARI B，et al.A BIM centered indoor localization algorithm to support building fire emergency response operations［J］.Automation in Construction，2014，42：78－89.DOI：10.1016/j.autcon.2014.02.019.

［50］DODIER R H，HENZE G P，TILLER D K，et al.Building occupancy detection through sensor belief networks［J］.Energy and Buildings，2006，38：1033－1043.DOI：10.1016/j.enbuild.2005.12.001.

［51］WANG Zhe，HONG Tianzhen，PIETTE M A，et al.Inferring occupant counts from Wi－Fi data in buildings through machine learning［J］.Building and Environment，2019，158：281－294.DOI：10.1016/j.buildenv.2019.05.015.

［52］WANG Wei，HONG Tianzhen，XU Ning，et al.Cross－source sensing data fusion for building occupancy prediction with adaptive lasso feature filtering［J］.Building and Environment，2019，162：106280.DOI：10.1016/j.buildenv.2019.106280.

［53］WANG Wei，CHEN Jiayu，HONG Tianzhe.Occupancy prediction through machine learning and data fusion of environmental sensing and Wi－Fi sensing in buildings［J］.Automation in Construction，2018，94：233－243.DOI：10.1016/j.autcon.2018.07.007.

［54］ZOU Han，ZHOU Yuxun，YANG Jianfei，et al.Towards occupant activity driven smart buildings via WiFi－enabled IoT devices and deep learning［J］.Energy and Buildings，2018，177：12－22.DOI：10.1016/j.enbuild.2018.08.010.

［55］LEE H Y，AHN C R，CHOI N.Fine－grained occupant activity monitoring with Wi－Fi channel state information： Practical implementation of multiple receiver settings［J］.Advanced Engineering Informatics，2020，46：101147.DOI：10.1016/j.aei.2020.101147.

［56］YU Daihong，LI Haorong，YANG Mo.A virtual supply airflow rate meter for rooftop air－conditioning units［J］.Building and Environment，2011，46：1292－1302.DOI：10.1016/j.buildenv.2010.12.017.

［57］SCHEIN J，BUSHBY S T，CASTRO N S，et al.A rule－based fault detection method for air handling units［J］.Energy and Buildings，2006，38：1485－1492.DOI：10.1016/j.enbuild.2006.04.014.

［58］DU Zhimin，F(xiàn)AN Bo，JIN Xinqiao，et al.Fault detection and diagnosis for buildings and HVAC systems using combined neural networks and subtractive clustering analysis［J］.Building and Environment，2014，73：1－11.DOI：10.1016/j.buildenv.2013.11.021.

［59］LAORY I，TRINH T N，SMITH I F C.Evaluating two model－free data interpretation methods for measurements that are influenced by temperature［J］.Advanced Engineering Informatics，2011，25（3）：495－506.DOI：10.1016/j.aei.2011.01.001.

［60］SAITTA S，KRIPAKARAN P，RAPHAEL B，et al.Improving system identification using clustering［J］.Journal of Computing in Civil Engineering，2008，22（5）：292－302.DOI：10.1061/（ASCE）0887－3801（2008）22：5（292）.

［61］ROBERT－NICOUD Y，RAPHAEL B，SMITH I F C.System identification through model composition and stochastic search［J］.Journal of Computing in Civil Engineering，2005，19（3）：239－247.DOI：10.1061/（ASCE）0887－3801（2005）19：3（239）.

［62］BERTOLA N J，CINELLI M，CASSET S，et al.A multi－criteria decision framework to support measurement－system design for bridge load testing［J］.Advanced Engineering Informatics，2019，39：186－202.DOI：10.1016/j.aei.2019.01.004.

［63］GOULET J A，SMITH I F C.Performance－driven measurement system design for structural identification［J］.Journal of Computing in Civil Engineering，2013，27（4）：427－436.DOI：10.1061/（ASCE）CP.1943－5487.0000250.

［64］AHN C R，LEE S，SUN Cenfei，et al.Wearable sensing technology applications in construction safety and health［J］.Journal of Construction Engineering and Management，2019，145（11）：03119007.DOI：10.1061/（ASCE）CO.1943－7862.0001708.

［65］ZHAI Yue，CHEN Ke，ZHOU J X，et al.An internet of things－enabled BIM platform for modular integrated construction： A case study in Hong Kong［J］.Advanced Engineering Informatics，2019，42：100997.DOI：10.1016/j.aei.2019.100997.

（責(zé)任編輯： 黃曉楠 英文審校： 方德平）

收稿日期： 2021－09－23

通信作者： 秦旋（1969－），女，教授，博士，博士生導(dǎo)師，主要從事智能建造及建筑業(yè)物聯(lián)網(wǎng)的研究.E－mail：hdwq@hqu.edu.cn.

基金項(xiàng)目： 福建省自然科學(xué)基金資助項(xiàng)目（2019J01050）http：∥www.hdxb.hqu.edu.cn