AI智慧建筑的发展研究.docx

1、AI智慧建筑的发展研究AI智慧建筑的发展研究【摘 要】以当今全球第四次科技革命为宏观背景，以中国人工智能和建筑业国家战略为重要依据，综合基础理论、行业特色、产业化多维视角，提出“AI + 智慧建筑”、“AI 建筑”、“智慧建筑 + AI”概念和产业链模型，提出采用产业链模型指导产业规划的方法。依据产业发展现状和未来 3 5 年发展趋势，总结提炼出 AI + 智慧建筑 28 个核心应用场景，重点介绍了建筑物故障诊断预测与健康管理和基于深度学习的智能视频分析理解。最后，对未来“AI +智慧建筑”的核心技术依赖进行剖析，给出产业重点发展方向建议。【关键词】AI + 智慧建筑; AI 建筑; AI +

2、 智慧建筑产业链; AI + 智慧建筑产业规划; AI + 智慧建筑应用场景1 “AI + 智慧建筑”发展背景18 世纪中叶以来，人类历史上总共经历了四次工业革命: 蒸汽技术革命( 第一次工业革命) 、电力技术革命( 第二次工业革命) 、计算机技术革命( 第三次工业革命) 、绿色智能工业革命( 第四次工业革命) 。工业 4. 0 是由德国政府德国 2020 高技术战略中所提出的十大未来项目之一，旨在提升制造 业的智能化水平，建立具有适应性、资源效率及基 因工程学的智慧工厂，在商业流程及价值流程中整 合客户及商业伙伴，其技术基础是网络。在新一轮 工业革命的大背景下，建设行业、城市也在发生着 日新

3、月异的变化，面临着城市更新、行业更新问题。工业 4. 0 理念和技术在城市中的应用，正在创造着新价值，重构着城市产业链，催生着城市新经济形 态。近年来，围绕着国家新型城镇化进程推进、经 济社会智慧化转型，国家在数字经济、智慧城市、云 计算、大数据、物联网、人工智能、智能制造方面相 继出台了一系列重要政策，有力地推进了数字中 国、智慧社会的建设，建筑业信息化随之快速发展。2 “AI + 智慧建筑”内涵智慧经济的范式是: 物联 + 数据智能( 人工智能) + 自适应服务。“智慧建筑”是智慧经济中的一员，必然要符合智慧经济的范式。因此，人工智能成为不可或缺的智慧建筑范式一环。智慧建筑是在不断发展中的

4、新事物，无论是研究还是产业化都正在探索中前进，其方法理念不断渗透到传统建设领域，成为传统建筑行业转型升级的必由之路。达沃斯世界经济论坛人工智能委员会主席 JustineCassel 认为: 谈到智慧建筑有三个关键词: 智慧分析、智慧定制化、智慧的行为改变。目前，关于智慧 建筑的概念、架构、模型、产业化等具体问题研究的尚不算多，关于“AI + 智慧建筑”的研究就更少。其难点在于，一方面该研究需要基于智能建筑多年来 业已形成的研究基础进行进一步探索，不能脱离行 业本质性的认知积累; 另一方面需要对人工智能学科领域有深刻的了解，并掌握应用人工智能理论、技术解决实际问题的方法。从本质上讲，这是建筑 科

5、学与智能科学的交叉研究领域。本文从信息物理系统( Cyber-Physical Systems，CPS) 的视角解释智慧建筑的内涵，如图 1 所示。智慧建筑的必备组件是智慧建筑云脑，智慧建筑云脑是智慧建筑的核心与灵魂。智慧建筑云脑的体系架构如图 2 所示，其含义为: 智慧建筑的计算模型采用类似人类认知方法的类脑计算模式，感知端由视觉、听觉、触觉、味觉等传感器组成，传输层采用边缘计算( 可 + AI) 、雾计算( 可 + AI) 、宽带、 5G、现场总线综合技术体系，控制决策层由控制器 集群、执行器集群、决策集群、管理集群等组成，整 个系统构成一个完整的闭环。智慧建筑云脑中含 有“人工智能平台”

6、，该平台的开发实现适宜采用开源方法，以更好地打造完全开放的“AI + 智慧建筑”生态。人工智能平台目前落地较好的机器学习算 法有: 深度学习、神经网络、强化学习、模糊逻辑，商业化程度较高的技术有: 机器视觉、智能视频、语音语义、文本智能、虚拟现实、增强现实。图 1 智慧建筑 1. 0 和智慧建筑 2. 0本文认为，“AI + 智慧建筑”是指以人工智能理论、技术、方法为核心驱动力驱动智慧建筑发展的产业和学术新形态，“智慧建筑 + AI”是指以智慧建筑为主体，融合人工智能的产业和学术新形态，兼容“AI + 智慧建筑”、“智慧建筑 + AI”二者内涵的新建筑形态称为“AI 建筑”，也称为“超智能建筑

7、”。AI 建筑具备八大特征: 实时感知、高效传输、自主控制、自主学习、智能决策、自组织协同、自寻优进化、个性化定制。“AI + 智慧建筑”中的“AI”不仅指人工智能，从产业形态上来讲，还包括对 AI 形成支撑的新一代信息技术大数据、云计算、物联网、移动互联网、工业互联网、现代通信、区块链、量子计算等相关业态，“AI + 智慧建筑”的业态内涵用图 3表示。从图 3 可以看到，随着数字经济和智慧城市的发展，AI 驱动的建筑生态圈正在被迅速扩大，建筑的产业链也正在被大尺度拉长。3 “AI + 智慧建筑”产业链模型“AI + 智慧建筑”产业链模型如图 4 所示。 “AI + 智慧建筑”产业链模型由基础

8、层( 产业链上游) 、技术层( 产业链中游) 、场景应用层( 产业链下游) 组成，每一层对上一层及具有支撑意义。在场景应用层，包含了智慧建筑领域丰富的应用场景，这些“场景 + AI”共同构筑了 AI + 智慧建筑的全景图。 由“AI + 智慧建筑”产业链模型可实现针对某个项目的个性化定制规划。例如，可根据某地提出的需求及当地产业和城市的实际发展情况，选取产业链模型中的某层中的某些部分形成当地的 AI +智慧建筑产业链规划架构。随着技术和行业的发展，也可在场景应用层根据实际情况个性化定制某些智慧建筑 AI 应用场景。图 2 智慧建筑云脑图 3 “AI + 智慧建筑”业态图 4 AI + 智慧建筑

9、能产业链模型4 AI + 智慧建筑核心应用场景依据产业发展现状和未来 3 5 年发展趋势，本文总结提炼出“AI + 智慧建筑”28 个核心应用场景，如图 4 所示，它们是: 建筑物故障诊断预测与健康管理、建筑环境舒适节能智能控制、建筑能源互联网 及能源大数据、建筑施工机器人、建筑维保机器人、保安巡逻机器人、消防机器人、视频分析理解、出入 口生物特征识别、智慧家庭、智慧社区、智慧工地、装配式建筑、建筑信息模型( BIM) 项目管理、智慧管网( 廊) 、智慧轨道交通、智慧隧道桥梁、智慧停车场、数字孪生建筑、建筑 V / A 仿真与体验、建筑运维管理平台商业大数据分析、建设云、建筑共享 经济、建筑群

10、体智能、建筑设计智能、建筑规划智能、房地产精准营销、建筑企业两化融合智慧化管理。这些应用场景又分为两大类，一类侧重于单个装备或通用技术( 如图 5 所示的内环) ，一类侧重于综合性复杂场景( 如图 5 所示的外环) 。下面选择其中两个典型应用场景进行详细分析介绍。4. 1 典型应用场景一: 建筑物故障诊断预测与健康管理建筑物故障诊断预测与健康管理( Building Prognostic and Health Management，B PHM) 是 AI +智慧建筑的典型应用场景之一。设备监控 + 设备管理 + 能耗监测和能源管理 = 建筑能源管理系统( Building Energy Man

11、agement System，BEMS) 。利用BEMS 数据库大数据的 AI 处理，可进一步实施 B PHM，对复杂建筑设备的全生命周期进行故障诊断、预测、健康状态评估和健康管理。可采用的 AI算法模型有: 神经网络( 分类) 、强化学习、贝叶斯( 分类) 、K 均值( 聚类) 、马尔科夫( 预测) 、专家系统，基于这些算法模型可研制故障树检索系统、故障预测系统、健康管理系统。图 5 AI + 智慧建筑 28 个核心应用场景全景图具体案例: 采用神经网络专家系统作为 AI 算法模型，实现空调水系统智慧故障诊断与预测。以神经网络技术为核心，建立空调水系统专家系统，采用专家系统的相关经验完成解释

12、、预测等工作。系统工作原理如图 6 所示的模型。系统研发与实现的主要步骤如下:( 1) 故障数据提取、清洗、标准化。将空调水系统故障集合表示为: 制热能效比 COP 过低，制冷能效比 EE 过低，冷冻、冷却水泵输送系数过低，冷却塔效率过低，管网水力失调，主机喘振( 离心机组) ， 水泵电机超载，水泵扬程不足，空调机组表冷器堵塞，阀门失灵，水管堵塞，能耗过大 。将影响主机能效比/ COP 的因素描述为: 冷机负荷率，0. 4; 冷却塔效率，0. 4; 蒸发器/ 冷凝器换热温差，0. 1; 制冷剂泄漏，0. 1 。( 2) 基于神经网络专家系统的空调水系统建模。针对空调水系统，建立基于神经网络专家

13、系统的故障诊断流程模型，输入诊断原始数据、训练样本数据、专家提供的学习实例，进行训练和学习，最终生成可实用的在线故障诊断网络模型和工具。( 3) 将模型在线化，提供给实际空调水系统工程，实现实际数据、参数、模型与理论模型的实时交互、双向修正，最终将最合理的结果提供给用户。4. 2 典型应用场景二: 基于深度学习的智能视频分析理解智慧建筑的视频监控可采用目前流行的深度学习算法来模拟人类视觉系统的多尺度、特征不变性、显著性等特点，从而实现智能视频分析理解，基本机理如图 7 所示。目前深度学习最广泛使用的神经网络是卷积神经网络( CNNs) ，它能够将非结构化的图像数据转换成结构化的对象标签数据。C

14、NNs 的工作流程如下: 首先，卷积层扫描输入图像以生成特征向量; 第二步，激活层确定在图像推理过程中哪些特征向量应该被激活使用; 第三步，使用池化层降低特征向量的大小; 最后，使用全连接层将池化层的所有输出和输出层相连。训练速度和算法的执行速度是制约深度学习产业化应用的一个重要瓶颈。深度学习加速器目前有三种: ( 1) 图形处理器 GPU; ( 2) 专用神经网络计算芯片; ( 3) 大规模运算核集联。随着芯片和算法技术的进展，未来智慧建筑广泛应用深度学习已为时不远。图 6 基于神经网络专家系统的空调水系统故障诊断模型图 7 基于深度学习的智能视频分析理解5 趋势与建议AI + 智慧建筑产业

15、的发展从人工智能角度主要依赖于三个方面:( 1) AI 理论、算法和模型的改进;( 2) 计算能力( GPU、CPU、TPU、DSP、FPGA 等高性能计算) 的提升;( 3) 大数据理论与技术的发展，AI 模型所需样本数据质量的提升。AI + 智慧建筑的核心技术智慧建筑智能计算( 特别是类脑计算) 的进一步发展体现在硬件和软件两方面:( 1) 软件方面一是使智能计算模型在结构上更加类脑，二是在认知和学习行为上更加类人。模型和方法的探索和改善是关键，例如: 模拟人的少样本和自适应学习，可以使智能系统具有更强的小样本泛化能力和自适应性。( 2) 硬件方面主要是研发新型机器学习计算芯片，如: 深度

16、学习加速器。2016 年推出的 TPU( 张量处理单元)在推理方面的性能要远超过 GPU( 平均比当前的GPU 或 CPU 快 15 30 倍，性能功耗比高出约 30 80 倍) 。AI + 智慧建筑产业的发展方向拟从以下几个方面重点考虑:( 1) 打造以细分行业产业链为基础的全产业链生态圈先从建筑业各细分行业入手，建好垂直细分行业协同平台及产业互联网系统，每一个行业都建立完善的生产、销售、物流、消费链，内部形成闭环; 再将各细分行业产业链进行横向集成，打造网状全行业产业链生态圈。当前不论是综合型还是垂直细分平台，都在致力打造围绕全产业链的闭环生态圈，在生态圈内提供便捷、高效、全方位、全产业链的一站式服务，形成B2B交易的闭环。( 2) 打造特色产业集群以产业链为核心，以重点行业、特色产业为基础，进一步粘合周