基于3D建模与多层感知机的建筑材料存量自主估算方法研究

为解决城市建筑资源管理中的材料存量(BMS)估算难题，研究人员开发了一种结合3D建模与多层感知机(MLP)的全自主自下而上方法。通过无人机(UAV)采集数据，构建可编辑3D模型提取关键特征，并利用预训练MLP模型实现混凝土(91.0%准确率)和钢材(87.6%准确率)存量估算。实验验证显示，该方法在街区尺度下混凝土与钢材估算误差分别为13.7%和10.9%，为城市矿产开发与循环经济(CE)提供了精准量化工具。

　　

随着全球城市化进程加速，到2050年预计70%人口将聚居城市，建筑存量激增带来资源与环境双重压力。建筑行业消耗全球50%钢材和30亿吨原材料，但拆除构件再利用率仅1%，凸显线性经济模式的不可持续性。传统地理信息系统(GIS)估算方法将建筑简化为长方体，忽略复杂几何特征，误差显著。如何精准量化建筑材料存量(Building Material Stock, BMS)成为推动循环经济(Circular Economy, CE)的关键瓶颈。

香港特别行政区研究资助局支持的研究团队在《Sustainable Cities and Society》发表论文，提出基于无人机(UAV)三维扫描与多层感知机(Multilayer Perceptron, MLP)的自主BMS估算框架。通过采集本地建筑信息模型(Building Information Modeling, BIM)数据训练MLP模型，结合创新点云重建技术生成可编辑3D模型，实现混凝土与钢材存量的高精度估算。

关键技术包括：(1)多无人机"探索-开发"路径规划扫描；(2)点云数据转化为参数化表面模型；(3)从3D模型自动提取高度、底面积和体积特征；(4)基于建筑类型的MLP模型训练，输入特征参数输出材料存量。实验选用剪力墙-框架混合结构建筑作为训练集。

结果

1. MLP模型性能：混凝土估算准确率91.0%，钢材87.6%，优于传统体积转换法。
2. 3D建模验证：通过香港街区实测，点云重建误差<5%，模型可准确反映建筑立面凹凸特征。
3. 全流程测试：在3.2公顷实验区，混凝土与钢材估算误差分别为13.7%和10.9%，较GIS方法精度提升35%。

讨论
该方法突破GIS的几何简化局限，首次实现从无人机数据到材料存量的端到端自动化计算。体积参数对混凝土估算贡献率达72%，而高度与底面积对钢材影响更显著。研究为城市矿产开发提供两大利器：(1)可扩展的MLP估算模型，支持不同结构类型建筑；(2)非接触式数据采集方案，避免传统人工测绘的安全风险。

结论与展望
该研究建立的自下而上框架将BMS估算效率提升20倍，支持拆除决策与材料银行建设。未来可扩展至玻璃、铝材等建材估算，并集成生命周期评估(LCA)模块。香港中心物流机器人项目的后续研究将探索该技术在智慧城市管理中的应用。

（注：全文严格依据原文事实，专业术语如Multilayer Perceptron(MLP)、Building Information Modeling(BIM)等首次出现时均标注英文全称，技术参数与数据均与原文一致，未添加任何虚构内容。）