工程管理领域人工智能技术的应用

工程管理领域人工智能技术的应用

赵磊

天津市河北区

摘要:随着人工智能技术的不断发展，工程管理领域也在逐步拓展人工智能技术的应用场景。论文通过文献可视化技术分析了当前工程管理领域人工智能技术的应用方向，对于热点研究问题进行了综述，并为未来相关研究的发展提出建议。

　　1 引言

　　建筑行业一直是数字化时代中较为落后的产业，建筑行业十分依赖于项目参与各方的经验。根据麦肯锡此前的报告，建筑业的数字化进展仅高于农业，位居所有统计行业中的倒数第二。[1]过去的工程管理十分依赖于经验，而比较少的利用过往项目积累下的客观数据。

　　2 人工智能的内涵

　　人工智能是一类通过使用计算机技术来模拟人类特定思维过程和智能行为的研究，主要包括计算机实现智能的原理、制造类似于人脑智能的计算机，使计算机能实现更高层次的应用。它是一种通过模仿人类智能行为产生新的与之相似的方式做出反应的智能机器，主要的应用领域包括预测分析、图像识别、自然语言处理和专家系统等。

　　3 工程管理领域人工智能应用研究可视化分析

　　随着大数据、智能城市等技术的发展，工程管理领域也开始尝试在工程建设的场景中应用人工智能技术，本文通过对在Scopus数据库收录的多本工程管理领域多本顶级SCI/EI期刊内以artificial intelligence对1993年到2018年发表的文献进行检索分析：自1993年以来，共有382篇应用人工智能理论或模型的文章，其中对于先进技术比较重视的期刊Automation in construction发布的论文相关数量最多（统计结果见表1）。

　　进一步通过可视化分析软件VOSviewer对Automation in construction检索到的181篇文献进行关键词共现分析（见图2.1），可以看出，工程管理研究中人工智能的前沿研究论文发表的数量主要涉及的关键词对应的研究内容包括了模糊逻辑、案例推理、遗传算法等人工智能方法，这些方法主要应用的场景包括施工现场管理，智能设计与运维，绩效预测等，下文将按照领域分别进行综述。

　　3.1 项目绩效预测

　　人工智能技术可以通过对历史数据的学习来求解传统线性回归方法难以求解的复杂问题。工程项目的成本、工期的影响因素多，且很多因素对工期的影响是非线性的，因此，一直是预测的难点，而两者又是施工管理的重点。因此，人工智能技术被广泛地用于项目的成本、工期等绩效指标的预测之中。

　　绩效预测中广泛应用的包括了神经网络、案例推理以及支持向量机等。莫俊文等使用RBF人工神经网络对兰州市比较典型的20幢建筑物的造价进行了回归预测，通过实际样本对模型验证了模型的可靠性[2]。陈源等人通过案例推理构建了公路工程造价预测模型，验证了该方法的有效性，实用性[3]。

　　3.2 施工现场管理

　　施工现场管理是人工智能应用在工程管理领域最为常见的应用方向之一，相关研究主要通过基于人工智能的计算机视觉技术实现现场信息的识别。

　　目前基于人工智能技术的施工安全管理研究的主题主要有现场工人行为的分析和施工的优化等。现场工人行为的监控，通过使用现场摄像头等作为输入识别现场工人的工作安全情况。如赵震通过使用opencv的图形处理技术，在识别工人个体的基础上，辨别出施工人员安全帽配带情况，从而从一定程度上降低现场的安全隐患。[4]

　　3.3 智能设计与运维

　　基于人工智能技术的建筑设计可以通过人工智能技术强大的工程性能模拟来实现优化设计。基于人工智能技术的建筑设计的研究思路主要可以分为两类，一类研究是数据驱动的，通过对历史案例的学习、比对进行求解，如通过案例推理技术来建立基于BIM的智能化辅助设计平台，一类研究是以新颖的算法为基础的，通过算法突出的计算性能实现设计的优化，如王敏通过神经网络对暖通控制系统的PID控制参数进行优化，不断调整控制误差，保证暖通控制效果。

　　基于运维阶段的重要性及当前产业发展的不足，人工智能技术被广泛用于建筑的运营维护。现代的设施管理除了对各个系统的优化外，还需要实现对不同专业、不同格式的数据的集成，涉及的问题十分复杂。随着21世纪，BIM技术的快速发展，通过人工智能结合物联网等新技术，对于建筑运营中的设备以运维期间产生的信息集成化管理，从大数据中提取有用的信息，对于设施管理的问题进行识别和预测已经成为一个全新的研究方向。

　　4 结论

　　综上，人工智能技术在从施工现场管理、智能设计与运维、绩效预测等多个方向优化了传统工程管理的问题的同时，为一些传统方法难以解决的研究问题提供了全新的研究视角。

　　当前，人工智能技术在工程管理领域的应用呈现出了领域交叉、行业交叉的特点，研究往往需要涉及多种不同专业的知识，呈现出复杂、系统的特点。因此，进一步发展人工智能技术在工程管理领域的应用需要增强跨行业、跨组织的协作机制，进一步增强信息、知识的集成，在多方协作的基础上，充分发挥自身优势，实现工程项目管理上的创新。

　　参考文献

[1]Agarwal R， Chandrasekaran S， Sridhar M. Imagining construction’s digital future[J]. MCKINSEY INSIGHTS REPORT， MCKINSEY & COMPANY AND MCKINSEY GLOBAL INSTITUTE， JUN， 2016.

[2]莫俊文，吳海龙.基于RBF人工神经网络的房屋建筑工程造价预测研究[J].工程造价管理，2018（06）：15-23.

[3]陈源，崔文浩，赖应良.基于案例推理的山区高速公路工程造价估算研究[J].价值工程，2016，35（33）：37-38.

[4]赵震.基于OpenCV的人体安全帽检测的实现[J].电子测试，2017（14）：24-25.
杂志简介: 赵磊,男,汉,1982年4月27日。