用于二维 AEC 图纸分析的人工智能：系统性与批判性综述

《AUTOMATION IN CONSTRUCTION》：Artificial intelligence for two-dimensional AEC drawing analysis: Systematic and critical review

　　

•低层感知任务占162项图纸分析任务分配的69.8%。
•卷积神经网络（CNNs）仍然占据主导地位，而2023年后Transformer及混合方法的使用有所增加。
•59项研究使用了自定义数据集；跨数据集验证仍然有限。
•候选AEC特定指标针对中间层和高层任务。
•该框架将AI方法、任务、输出与AEC图纸应用相联系。

## 1. 引言

建筑行业正通过建筑信息模型（BIM）、计算机视觉、机器学习、机器人技术和数据驱动分析等技术进行数字化转型，这些技术正在重塑传统工作流程并支持生产力和决策制定[1]，[2]。在图纸分析领域，基于学习的计算机视觉方法越来越多地被用于自动化劳动密集型任务，包括对二维（2D）建筑、工程和施工（AEC）图纸的解释[3]，[4]。在本综述中，"2D AEC图纸"指的是以栅格或矢量格式表示建筑物、基础设施或其组件的二维图形文档，用于建筑、工程和施工目的，包括平面图、立面图、剖面图和详图。尽管三维建模和BIM取得了进展，2D AEC图纸仍然是AEC领域中设计沟通和文档记录的主要媒介之一。它们编码了丰富的几何和语义信息，包括空间布局、构件关系和设计规格，支持成本估算、合规检查和数字模型生成等下游应用[5]，[6]。因此，需要可靠的解释方法来将这些信息转换为可在项目工作流程中一致使用的结构化输出。

尽管这些图纸很重要，但2D AEC图纸的解释仍然主要依靠人工完成，需要专业知识并投入大量时间，这引入了效率低下并增加了人为错误的可能性[7]。这一挑战在大型基础设施项目中尤为明显，多个图纸和专业领域需要协调，往往导致不一致和误解[8]。因此，在学术界和工业界，对能够分析2D AEC图纸的自动化智能系统的需求日益突出。

早期致力于自动化图纸分析的尝试源于文档图像分析和图形识别，采用基于规则和启发式的方法来从工程图纸中提取线条、弧线和符号等几何基元[3]，[9]。虽然这些方法为后续研究奠定了基础，但它们对噪声、图纸风格变化和数据的完整性高度敏感，限制了其在实际场景中的适用性[3]。相关的计算机视觉应用包括AMCAD，它将学生的CAD图纸与参考图纸进行比较，以识别缺失和错误的线条，用于教育评估[10]。

随着机器学习的进步以及近期深度学习的发展，该领域转向了数据驱动的方法[3]，[4]。卷积神经网络（CNNs）被广泛应用于语义分割和物体检测等任务，能够自动分类墙体、门窗和房间等图纸元素，并显著提高了准确率[11]，[12]。注意力机制和混合CNN-图模型改善了图纸特征表示。例如用于平面图语义分割的边界注意力[12]，以及结合卷积神经网络和图卷积网络以捕获局部特征和长程依赖关系的模型[13]。这些进展反映了从低层几何提取向更具上下文感知和结构一致性解释的转变。

大规模标注数据集的可用性也对推动这些进展发挥了关键作用。用于平面图分割和符号识别的公共数据集促进了鲁棒监督模型的开发，并支持了不同方法之间的基准测试[14]，[15]。与此同时，研究越来越多地关注从2D AEC图纸中提取结构化表示，包括使用EdgeGAN进行平面图矢量化[16]，以及自动生成配对的合成BIM模型和标注平面图[17]。

最近，基于Transformer和多模态的方法支持了更具结构化和上下文感知的解释。Hu等人[18]使用注意力Transformer来预测平面图图，而Wen等人[19]结合房间名称、家具图标和房间边界进行平面图恢复。这些发展凸显了从纯粹感知驱动的任务向更丰富的语义和上下文信息捕获模型的转变，迈向对2D AEC图纸的更深入解释。

在实际应用中，AI驱动的AEC图纸分析已支持了工艺和仪表图（P&ID）中设计错误的识别[20]，以及通过文本解析和物体检测集成进行施工监控[21]。这些应用展示了AI在减少人工努力、提高准确性和增强效率方面的潜力。然而，尽管取得了这些进展，完全自动化系统在工业界的采用仍然有限。

几个持续存在的挑战继续阻碍着进展。AEC图纸在符号约定、表示标准、抽象层次和质量方面存在显著差异，这增加了模型泛化的难度[22]，[23]。高层解释需要超越元素识别的输出，包括从平面图中提取的可导航图表示[24]以及提取用于支持建筑规范合规检查的设计信息[25]。此外，可扩展性、多图纸推理以及与BIM和资产管理系统的集成对实际部署构成了进一步障碍[2]，[26]。

此外，尽管已有大量研究，但仍缺乏一篇全面系统地综合AI方法在2D AEC图纸自动化分析中的方法、任务、数据集和应用领域方面的文献综述。现有综述考察了平面图数据集、方法和应用[27]，包括从传统方法到深度学习的识别技术发展[28]。其他工作综述了从2D图纸自动重建3D模型[29]。这些综述为本文的综合提供了背景，将2D AEC图纸分析中的方法、任务、数据集和应用领域联系起来。更广泛的综述还考察了建筑应用中AI-BIM的集成[30]，[31]，为本文开发的以图纸为中心的综合提供了补充背景。

然而，2D AEC图纸分析的证据在分析任务、数据集、评估协议和应用领域之间仍然分散。这种碎片化使得报告的方法和性能难以比较，也不清楚低层识别方面的进展是否能转移到结构化建模或以决策为导向的AEC工作流程中。为解决这一差距，本研究采用了一种混合方法论，结合系统文献综述（SLR）进行结构化研究选择，文献计量分析以识别出版趋势和领域的知识结构，以及批判性文献综述（CLR）进行深入的综合和解释。本综述考察了2015年至2026年初发表的同行评审期刊文章和会议论文。

因此，本研究由以下研究问题引导：

1. **RQ1**：AI方法在2D AEC图纸自动化分析方面的出版物具有怎样的文献计量趋势和知识结构特征？
2. **RQ2**：AI方法和分析任务在2D AEC图纸分析的应用领域中是如何分布的？
3. **RQ3**：文献中报告的2D AEC图纸自动化分析有哪些益处和挑战？
4. **RQ4**：需要哪些研究方向来改善该领域中AI驱动方法的准确性、可扩展性和实际应用采用率？

通过回答这些问题，本研究旨在提供对AI驱动的2D AEC图纸分析的全面和结构化理解，弥合现有差距，并支持未来研究和实际实施。

本文其余部分结构如下：第2节介绍研究方法，第3节提供文献计量分析，第4节考察应用领域，第5节提出跨领域分析，第6节讨论益处与挑战，第7节提供可操作建议，第8节总结全文并概述未来研究方向。

## 2. 方法论

本研究采用了一种混合综述方法论，整合了系统文献综述（SLR）、文献计量分析和批判性文献综述（CLR），以全面考察基于AI的AEC图纸自动化分析。SLR确保了结构化、透明且可重复的方法来识别、筛选和选择相关研究。文献计量分析通过关键词共现分析和共被引分析等技术，提供定量和网络视角，以识别出版趋势、主题结构和知识基础。CLR则能够对选定文献进行批判性评估、综合和解释，以识别方法论趋势、研究空白和可操作的见解。结合这些方法使研究能够平衡方法论的严谨性和可重复性与分析深度和结构洞察力，这对于得出稳健的结论和建议至关重要[32]，[33]。

对于本综述，AI被操作性地定义为使用经过训练的数据驱动计算模型从2D AEC图纸中推断或生成信息。这一范围包括机器学习和深度学习方法，如基于CNN和Transformer的方法以及生成模型。确定性的图像处理、几何操作、基于规则的解析和传统CAD自动化在不含学习成分时未被归类为AI。当经过训练的AI组件对图纸分析做出实质性贡献时，混合方法被纳入考虑。因此，"AI"一词被保留为覆盖完整方法论范围的统称，同时各项具体发现归因于所考察的特定模型家族或分析任务。

本综述聚焦于2015年至2026年初发表的同行评审期刊文章和会议论文。选择起始年份是因为这一时期与基于深度学习的检测和表示学习在计算机视觉中的日益普及相吻合，得到了ResNet等架构的支持[34]。深度学习在此作为这一转变的时间标记，而非综述中AI的唯一定义。当传统机器学习方法直接分析2D AEC图纸时，同样符合条件。大数据分析本身不被视为AI方法论，因为它描述的是数据规模和处理方式而非特定的学习方法。涉及大数据分析的研究仅在它们应用了AI或机器学习技术来解释2D AEC图纸内容时才符合条件。早期的基于规则和启发式的方法作为方法论背景进行讨论，而选定的时期将证据综合聚焦于到2026年初的当代数据驱动方法。

### 2.1. 综述设计

混合方法论遵循PRISMA框架，该框架提供了用于识别、筛选和纳入文献的结构化流程[35]。图1展示了综述设计的核心组成部分。在进行系统检索和PRISMA筛选之后，提取并分类了纳入研究的数据。通过文献计量分析和批判性文献综述对产生的证据基础进行了考察，使用结构化的定性内容分析比较跨应用领域的编码发现。然后整合来自两种分析的结果，开发领域层面的综合和概念框架，以指导建议的形成。

图1. 研究设计。

### 2.2. 文献检索方法

文献检索使用四大数据库进行：Scopus、Web of Science、IEEE Xplore和ASCE Library，选择这些数据库是因为它们对人工智能、计算机视觉和建筑工程研究具有全面的覆盖。使用四个概念块制定了结构化的检索策略，涵盖2D图纸、AI和计算机视觉方法、分析任务以及AEC背景。每个概念块内的术语用OR连接，概念块之间用AND连接。最终数据库检索于2026年2月5日完成。因此，2026年发表的代表了不完整的出版年度而非完整的年度覆盖。与数据库无关的布尔查询如下所示：

（注：原文此处包含布尔查询公式的图片，此处省略）

该查询根据Scopus、Web of Science、IEEE Xplore和ASCE Library支持的字段运算符和语法进行了调整。在存在字段级选项时，应用于标题、摘要和关键词字段。

查询术语为检索术语，使用其他方法论标签的研究如果其可搜索字段也包含被纳入的术语（如"深度学习"或"计算机视觉"）并满足其余标准，则可能被检索到。方法类别在数据提取期间根据每项研究所使用的方法分配，而非根据匹配查询的术语。补充检索提供了发现相关研究的额外途径，但覆盖范围仍然对术语敏感，不能假定穷尽。

检索仅限于英语发表的同行评审期刊文章和会议论文，以确保选定研究的质量、相关性和可获取性。这种方法使得能够系统和可重复地识别与AI驱动的AEC图纸分析相关的文献。

术语"scan-to-BIM"（扫描至BIM）被保留为敏感性术语，以捕获可能涉及将扫描的2D平面图或图纸转换为BIM表示的相关研究；最终资格由2D AEC图纸是否作为AI方法的输入来确定。

### 2.3.

# 文章筛选与甄别方法

按照PRISMA（系统评价和荟萃分析首选报告条目）指南，筛选过程分为三个阶段，如图2所示：识别、筛选和纳入[35]。纳入标准由AI方法所使用的输入模态决定。仅当输入包含二维AEC图纸（如平面图、蓝图或CAD图纸）时，研究才被纳入。仅依赖照片、摄影测量影像、三维扫描、点云或传感器数据的研究被排除。

在全文筛选阶段，仅当二维AEC图纸作为AI工作流的输入时，研究才被保留。CAD边缘案例的纳入条件为输入由二维CAD图纸构成。BIM和二维转三维重建研究的纳入条件为二维AEC图纸作为模型生成、重建或增强的源输入。当BIM或三维数据构成输入且二维AEC图纸仅作为输出出现、缺乏对二维图纸输入的学习式分析，或图纸仅作为更广泛的项目背景被提及时，研究被排除。当工作流同时生成图纸且其学习式组件分析了二维参考图纸时，该类研究被保留，例如Kim等人[36]中的图纸识别组件。涉及多任务的研究可被授予多个任务标签，而主要应用领域则根据研究目标和最终输出，使用表2中的标准进行分配。

检索覆盖2015年至2026年2月5日发表的文献，从Scopus中获取366条记录，从Web of Science中获取212条，从IEEE Xplore中获取47条，从ASCE Library中获取15条，共计640条记录。所有检索到的记录导入Zotero进行去重，数据集减少至435篇唯一研究。

对435篇唯一记录进行标题和摘要筛选，依据纳入标准排除285条记录，剩余150篇文章进入全文审阅。全文评估后，52篇因不符合纳入标准被排除，保留98篇来自数据库检索的出版物。此外，在全文审阅阶段进行了补充检索，以识别初始数据库检索未覆盖的相关研究。从纳入论文参考文献列表或文本提及中识别出的潜在相关出版物，通过定向检索定位，并依据相同的纳入和排除标准进行评估。在额外评估的10条记录中，7篇符合纳入标准并纳入最终数据集。

最终用于综述和研究的出版物共计105篇。从选定研究中提取的数据记录在结构化的Microsoft Excel矩阵中，用于描述性和定性分析；相应的RIS文件则用于VOSviewer中的文献计量分析。最终选定的文章集构成了文献计量分析和批判性文献综述的基础，确保所有纳入研究均直接有助于回答研究问题。

最终包含105篇出版物的语料库被纳入文献计量分析和时间分析。其中7篇为先前的综述文章，保留以将本研究置于该领域已有综合研究的大背景中。由于这些文章未报告单一的AEC图纸主要应用，因此未分配至应用领域。因此，应用领域的综合分析覆盖98篇应用研究。该应用领域计数通过从最终105篇语料库中排除7篇综述获得，与通过数据库筛选保留的98篇出版物不同。

跨领域综合分析通过对提取数据的结构化定性内容分析进行。在应用领域层面的分析中，每篇应用研究均按图纸类型、分析任务、学习范式、AI方法、输出表示、数据集、主要和次要应用领域、评估指标及报告发现进行编码。任务和应用领域标签在综合过程中进行了规范化，模糊的应用领域分配依据表2中呈现的决策标准进行解决。仅由一位作者根据分类标准对记录进行编码，最终分类在提取表中进行了审核，以确保与这些标准的一致性。编码记录随后在领域间进行比较，以考察任务-输出关系、数据集使用和评估实践。通过迭代比较编码研究，识别出反复出现的模式、差异和空白。所有编码和定性综合分析均在Microsoft Excel中手动完成，Python仅用于可视化出版物的地理分布。

下载：下载高分辨率图像（444KB）
下载：下载完整尺寸图像

**图2. PRISMA流程图。**

## 2.4 研究问题与分析的关联

四个研究问题通过系统性、文献计量学和批判性综述分析分别回答如下：

1. **RQ1** 通过第3节的文献计量分析回答，包括出版趋势、地理分布、引文模式、关键词共现和作者共被引。
2. **RQ2** 通过第4节的应用领域综合和第5节的跨领域分析回答，考察四个应用领域中方法、任务、输出、数据集和评估实践的分布。
3. **RQ3** 通过第6节对报告的优势和挑战的批判性综合回答。
4. **RQ4** 通过第7节的概念框架和可操作建议，以及第8节的综合建议回答。

## 3. 文献计量分析

文献计量分析是一种定量方法，用于评估和映射特定领域内科学研究的结构、发展和趋势[37, 38]。

文献计量分析旨在定量考察AI驱动AEC图纸分析文献的结构、演进和关键趋势。分析基于筛选过程后获得的105篇最终数据集。书目记录以RIS格式导出，使用VOSviewer进行分析，后者是构建和可视化文献计量网络的广泛采用工具[39]。对于合作分析，在国家层面考察合著关系，使用所有作者所属机构并采用全计数法。每国家或地区至少1篇文档的最低阈值被应用，并保留连通网络用于可视化。节点大小代表文档数量，连线粗细代表国家或地区之间合著发表数量。

为考察阈值选择的影响，关键词共现和被引作者共被引分析分别使用3、5和7的最小阈值重复进行。对于关键词，阈值代表最小出现次数；对于被引作者，阈值代表纳入研究参考文献列表中引用的最小次数。其余网络构建和聚类设置保持不变。通过比较保留项目、链接和聚类的数量，以及突出节点和广泛主题分组的一致性，评估敏感性。保留阈值为5用于主要可视化，因为它在网络覆盖率和可读性之间提供了适中的平衡。

此外，使用Microsoft Excel进行描述性文献计量分析，包括时间出版趋势评估、来源贡献分析以及AI方法理解二维AEC图纸的主要用例。还使用基于Python的可视化生成出版物的地理分布，实现区域研究贡献的可视化和评估。

### 3.1 被引最高的出版物来源

文献计量分析表明，105篇选定出版物分布在71个不同来源中，反映了AI驱动二维AEC图纸分析研究的多学科性质。图3呈现了纳入出版物中累计引用次数最高的15个来源。图中显示的最低值为18次引用，对应排名第15位的来源的引用次数，作为可视化截断点以保持图表的可读性。引用次数更低的来源仍保留在综述语料库和其他分析中。

引用次数呈现集中分布，*Automation in Construction*累计引用次数最高为219次，其次是第15届IAPR国际机器视觉应用会议的会议录为132次。引用总数随后下降至*Journal of Building Engineering*的66次，以及*Information Sciences and Applied Sciences*各58次。图中显示的其余来源引用次数在18至43次之间。这一分布表明引用影响力集中在少数出版渠道，但选定研究涵盖建筑工程、计算机视觉和文档分析等多个来源。

下载：下载高分辨率图像（221KB）
下载：下载完整尺寸图像

**图3. 被引最高的15个来源的发表与引用次数。**

下载：下载高分辨率图像（313KB）
下载：下载完整尺寸图像

**图4. 地理分布和国家层面合著网络。**

### 3.2 地理分布与国际合作

出版物的地理分布根据第一作者所在国家进行分析，以考察AI驱动二维AEC图纸分析领域的区域研究贡献。结果表明，选定研究来自广泛的国家，凸显了该研究领域的全球兴趣。由于该指标反映的是出版物来源而非合作，因此还基于所有作者所属机构进行了国家层面的合著分析。

在国家层面，中国贡献最高，其次是德国和加拿大，表明亚洲、欧洲和北美均具有活跃的研究活动。此外，贡献分布在美利坚合众国、英国、荷兰、韩国和葡萄牙等国家，以及其他代表较小的区域。

三个领先国家的研究重点也有所不同。中国主导的案例包括使用EdgeGAN进行平面图矢量化[16]和多模态平面图修复[19]。德国主导的案例涉及施工图纸中的比例推理[40]以及建筑平面图中的文本检测和识别[41]。加拿大主导的案例包括平面图语义分割[12]和从二维透视图进行建筑重建[42]。这些模式表明综述文献中存在区域专业化。然而，纳入研究很少考察国家建筑法规作为解释因素，因此观察到的差异无法可靠地归因于建筑法规或监管条件。

图4(a)按第一作者所在国家映射了出版物分布，并按大洲提供了汇总的发表数量。亚洲和欧洲的洲际总量最高，其次是北美，而南美洲、非洲和大洋洲的贡献仍然相对有限。由于在全球地图比例尺下难以区分单独的欧洲国家，其标签和国际联系在图4(b)的国家层面合著网络中更清晰地展示。

国家层面的合著网络如图4(b)所示。在105项研究中，作者所属机构涵盖36个国家或地区。26项研究（24.8%）涉及多个国家或地区的所属机构，15项（14.3%）涉及多个大洲。连通网络包含28个国家或地区、46条合作链接和总链接强度51。中国和德国的总链接强度最高，分别为15和11，其次是美国的7和荷兰的6。最常见的双边合作发生在中国与德国、中国与日本、中国与中国香港、德国与英国以及荷兰与瑞典之间，各出现于两项研究中。在区域层面，亚洲与北美之间的合作出现于七项研究中，其次是亚洲与欧洲之间的合作出现于五项研究中。

该分布反映了研究活动在技术和研究密集型区域的集中，同时也表明了AI驱动二维AEC图纸分析领域更广泛全球参与和合作的机会。

### 3.3 方法采用的时间趋势

本综述涵盖的六种方法类别的时间演进如图5所示，包括基于CNN的方法、基于Transformer的方法、混合方法、图神经网络、生成模型和传统机器学习方法。方法计数覆盖97项贡献任务的研究，每项研究以其研究层面的方法类别表示；7篇综述和1篇仅数据集出版物不计入这些计数。尽管检索覆盖2015年至2026年初，但图5从2017年开始，因为2015年和2016年没有符合条件的研究发表。结果表明研究活动稳步增加，特别是从2020年起，反映了人工智能在建筑、工程和施工（AEC）行业中日益增长的整合。

基于CNN的方法在研究早期阶段占主导地位，并贯穿整个研究期间保持最广泛使用的方法。基于CNN的研究数量从2019年开始增加，并在2025年达到最高年计数。这一模式突显了对基于CNN的方法在二维AEC图纸检测、分割和特征提取等任务上的持续依赖。

2026年的较低数量反映了截至2026年2月5日的部分覆盖范围，而非全年研究活动的下降。基于Transformer的方法从2023年开始更加突出，并在后续年份中得到更多采用。这反映了人们对能够捕获绘图数据中全局关系模型的日益增长的兴趣。混合方法也显示出逐步增长，表明人们正在努力将多种架构结合起来以提高性能和鲁棒性。其他方法，包括图神经网络和生成模型，出现频率较低，但在近年来显示出新兴的使用趋势。它们的存在表明研究正在扩展到结构化表示和数据生成任务。相比之下，传统机器学习方法在整个时间线上的表示很少，表明向基于深度学习的方法发生了明显转变。结果显示，从以CNN方法为主向更加多样化的AI技术过渡，近年来新型架构的采用率不断增加。下载：下载高分辨率图片下载：下载全尺寸图片图5. AEC绘图研究中AI方法随时间的采用情况。下载：下载高分辨率图片下载：下载全尺寸图片图6. AI方法在二维AEC绘图任务中的分布。下载：下载高分辨率图片下载：下载全尺寸图片图7. 自动化二维AEC绘图分析中的AI任务类别层级。3.4 计算方法在各任务中的分布图6展示了AI方法在不同二维AEC绘图任务中的分布，说明了方法选择与特定问题领域之间的关系。结果显示，特定AI技术与不同类型任务之间的匹配存在明确模式。语义分割和对象检测是研究最广泛的任务之一，CNN是主要方法。这反映了CNN在像素级预测和空间特征提取方面的适用性。除了基于CNN的模型，这些任务还表现出最广泛的方法采用范围，包括混合和基于Transformer的方法，表明研究活动活跃且方法多样性强。文本理解和实例分割受到适度的研究关注；然而，它们的特点是方法多样性有限，大多数研究依赖于基于CNN的方法，偶尔使用基于Transformer和混合技术。这表明，尽管有适度的研究关注，这些任务仍然在很大程度上依赖于传统深度学习方法。如布局解析和矢量化等任务受到的关注较少，应用的方法范围也有限，通常仅涉及少数方法。相比之下，图或拓扑提取尽管发表论文数量相对较少，但表现出更广泛的方法采用范围，包括CNN、混合模型、基于Transformer的方法和图神经网络，反映了其固有的结构化和关系性质。更复杂的任务，包括二维-三维重建、BIM生成和设计生成，使用多种方法的混合方案进行处理，尽管方法多样性的程度各不相同。与设计相关和基于图的任务倾向于纳入更多样化的方法，而其他任务则在数量和方法探索方面仍受限。图神经网络和生成模型在这些领域的应用尽管仍然有限，但突显了专注于关系推理和数据合成的新兴方向。该分布表明，AI方法的选择强烈依赖于任务，CNN在大规模感知任务中占主导地位，而方法多样性则根据任务的复杂性和结构化需求因任务而异。3.5 自动化绘图分析任务的层级结构AEC绘图分析中AI任务类别的层级分布（见图7）揭示了研究工作在不同任务抽象层次上的分配情况。我们根据每项任务的直接输出及其在绘图分析工作流程中的作用来定义这些层次。低层次任务直接处理绘图内容并产生局部感知输出，如标签、掩码、边界框或识别文本。中层次任务将这些输出转换为结构化的几何或关系表示，包括矢量、布局、图和拓扑。高层次任务将提取和结构化的信息整合为面向应用或决策的输出，如三维模型、BIM表示或生成设计。这些分配基于数据提取过程中记录的任务描述和报告输出，而非出版频率或模型复杂度。图7展示了由此产生的进展，并揭示了研究重点的明显不平衡。由于单篇出版物可能涉及多项任务，图7中显示的任务频率基于162项任务分配，而非对研究的互斥分类。在98篇非综述出版物中，97篇贡献了绘图分析任务；一篇仅包含数据集的出版物未贡献任务分配。每项独立任务在每篇研究中被计数一次，并在标准化等价任务标签后，根据其直接输出分配到一个层级。图/拓扑类别包括结构关系的提取和修正。表7规定了任务与层级的映射，补充表S1提供了研究级别的分配。在最底层，感知任务包括对象检测和分类、语义分割、文本理解和实例分割，以巨大优势占据文献主体。这些任务主要专注于从绘图中提取视觉和文本信息，构成大多数自动化工作流程的基础层。研究在这一类别中的高度集中表明，该领域仍然严重倾向于特征提取和识别问题。相比之下，如_graph或拓扑提取、矢量化、布局解析和表格解析等中间层次任务受到的关注明显较少。尽管它们在将原始预测转换为结构化的、机器可解释的表示中起着至关重要的作用，但这些任务似乎被低估了。这一差距表明，感知技术的进展与数字建筑系统实际部署所需的结构化数据管道开发之间存在脱节。在最顶层，包括二维-三维重建和BIM生成、设计生成以及其他面向应用的任务（4项），研究活动水平最低。后者包括BIM到二维绘图生成、设计分析和模式发现以及检索和相似性分析。这些任务需要整合多个处理阶段，以及更复杂的推理和领域知识。它们的有限表示表明，能够连接感知和高层次建模的端到端解决方案仍处于很大程度上未开发状态。层级分布揭示了一个明显的失衡，低层次感知任务占162项任务分配的113项，而中间层次为30项，高层次为19项。因此，低层次任务分配的频率大约是高层次任务分配的5.9倍。随着任务复杂性和抽象程度的增加，研究关注逐
渐下降，表明该领域仍处于过渡阶段。低层次任务的集中可以由任务成熟度和技术依赖性方面的差异来解释。对象检测和语义分割受益于可直接观察到的注释和已建立的计算机视觉评估方法。然而，高层次建模必须将识别出的元素与其几何、空间关系和AEC特定规则结合起来。在检测、分割、文本识别或关系提取过程中引入的错误可能会传播到后续阶段，从而破坏结果模型的结构一致性。进展还受到现有架构的有限可用性的限制，这些架构无法明确编码绘图惯例、拓扑约束和BIM模式要求。因此，高层次任务的发展较慢反映了上游感知的剩余可靠性限制以及缺乏成熟的领域特定推理架构。弥合这一差距对于开发集成的端到端二维AEC绘图分析系统仍然十分必要。下载：下载高分辨率图片下载：下载全尺寸图片图8. 关键词共现网络。3.6 关键词共现分析关键词共现网络揭示了五个主要主题集群，代表了二维AEC绘图分析中的主导研究方向。颜色标识了由VOSviewer聚类算法生成的主题集群，红色代表绘图解释和语义理解，绿色代表基于AI的识别技术，蓝色代表神经网络架构，黄色代表图像处理和方法表示，紫色代表BIM集成和智能建筑应用。颜色表示集群归属，而非频率或重要性，后者由节点大小反映。在网络生成中，应用了最小关键词出现阈值为5，确保只有反复出现的、主题相关的术语被包含在内。在此阈值下，网络包含54个关键词和835个链接。这种过滤减少了噪声并突出了该领域的核心结构。网络结构凸显了该领域的跨学科性质，并说明了这些领域如何相互关联。为了评估结果的敏感性，使用最小出现阈值为3和7的分析被重复进行。阈值为3时保留了110个关键词，生成了1952个链接，产生了七个集群；而阈值为7时保留了29个关键词，生成了327个链接，产生了四个集群。尽管集群的确切数量和边界随阈值变化，但突出概念如楼层平面图、深度学习、语义、建筑设计、语义分割和对象检测在三个网络中均保持可见。结果表明，中心主题结构保持可识别性，而确切的集群划分对选定阈值敏感。比较敏感性结果总结在表1中。表1. 文献计量网络对阈值选择的敏感性。表2. 应用领域分类的决策标准和边界情况。3.6.1 绘图解释和语义理解该集群以二维AEC绘图的解释为中心，关键词包括建筑设计、平面图、楼层平面图和室内设计。语义分割、特征提取和拓扑等术语的共现表明，该领域与提取结构和空间信息的计算方法密切相关。该集群的突出地位表明，平面图理解仍然是主要的应用关注点，构成了其他研究主题组织围绕的概念核心。3.6.2 基于学习的识别技术AI与识别集群捕捉了对数据驱动方法进行自动化解释的日益依赖。深度学习、机器学习、对象检测和文本识别等关键词高度互联，反映了它们在各任务中的广泛应用。光学字符识别的存在进一步突显了从二维AEC绘图中提取文本信息以补充视觉分析的重要性。该集群与绘图分析紧密关联，表明AI方法主要用于支持感知和识别任务。3.6.3.

神经网络架构

这一聚类反映了该领域的方法论骨干，聚焦于神经网络的设计与实现。诸如卷积神经网络、深度神经网络和网络架构等术语表明，该领域对模型开发的持续关注。然而，其与特定应用术语的紧密联系表明，方法论创新往往由特定领域的需求驱动，而非纯粹的理论进步。

3.6.4 图像处理与表示方法

图像处理聚类涵盖预处理和变换技术，包括图像分析、图像分割、矢量化和栅格化。这些方法作为原始输入数据与更高层次解释之间的关键桥梁。该聚类与AI相关聚类及图纸分析聚类之间的连接表明，预处理仍然是整体流程中不可或缺的组成部分，尽管它往往处于辅助地位。

3.6.5 BIM集成与智能建筑应用

BIM相关聚类代表了应用与集成层，关键词包括建筑信息模型、智能建筑和计算机视觉。与其他聚类相比，它在网络中显得更为边缘化，这表明尽管将研究集成到BIM系统中是一个重要目标，但它在当前研究活动中并不处于核心地位。这种相对分离表明，分析方法的进步与其在实际面向行业的系统中的部署之间存在差距。

共同出现网络表明这是一个松散耦合的流程，其中图纸分析、图像处理和基于AI的识别之间存在强连接，但与下游应用领域（如BIM）的联系则较为薄弱。

BIM相关术语的边缘位置似乎更多地反映了研究的碎片化，而非完全的学科孤立。BIM术语被分散在多个变体中，而许多图纸分析研究集中在感知任务上，停留在分割、检测或矢量化阶段，而非将输出扩展到BIM重建和互操作。计算机视觉研究与建筑信息学研究之间的术语差异进一步削弱了所观察到的共同出现联系。

下载：下载高分辨率图片（722KB）
下载：下载完整尺寸图片
图9. 作者共引网络。

3.7 作者共引

使用VOSviewer生成的共引网络（图9）[39]揭示了五个主要作者聚类，这些聚类构成了二维AEC图纸分析的知识基础。颜色区分了聚类算法识别出的五个作者社区：绿色代表建筑信息学和BIM基础，蓝色代表文档图像分析和符号识别，红色代表基于视觉的3D和场景理解，黄色代表特征表示与学习，紫色代表基于深度学习的检测与分割。颜色表示聚类归属，而节点大小反映共引频率。为确保清晰并减少噪声，我们设定了每位作者至少五次共引的最低阈值。在此阈值下，网络包含160位被引作者和7658条链接，链接密度表明共享的引用语境。

为评估结果的敏感性，我们分别使用最低共引阈值3和7重复了分析。阈值为3时保留了313位被引作者，生成17569条链接，产生了六个聚类。阈值为7时保留了100位被引作者，生成3866条链接，产生了五个聚类。因此，在所选的较高阈值下，五聚类结构得以维持，而较低阈值（包含被引频率较低的作者）则产生了额外的聚类。高被引作者和广泛的学术分组在三个网络中均清晰可见，尽管一些作者随阈值变化而在聚类间有所迁移。

处于高度中心位置的作者代表了被广泛采用的理论与方法论基础，而边缘节点则对应更为专门化或新兴的贡献。总体而言，该网络凸显了一个以文档分析和建筑信息学为基础，同时与计算机视觉和机器学习更广泛发展保持强连接的领域。

3.7.1 建筑信息学与BIM基础

绿色聚类以Markus K?nig和Andre Borrmann等作者为中心，代表了该领域的建筑信息学和BIM导向的基础[41]、[43]。该聚类中的共引强调了工程工作流、空间表示以及图纸解释向建筑知识系统的集成。Khaldoun Zreik和JongHyeon Yang的接近表明，建筑信息学的概念框架常与计算解释建筑数据的方法相结合。

3.7.2 文档图像分析与符号识别

蓝色聚类以Gemma Sánchez、Simone Marinai、Philippe Dosch和Yuki Takada为锚点，对应文档图像分析和符号识别社区。这一解读与建筑图纸分析的基础性工作[44]以及用于平面图解释的统计分割和结构识别工作[45]一致。该聚类中还包括与经典模式识别和应用平面图解释相关的作者，表明该聚类具有更广泛的方法论基础。该聚类为符号检测、布局解析和技术图纸的结构化解释提供了关键基础。

3.7.3 基于视觉的3D与场景理解

红色聚类以Yasutaka Furukawa、Peter Wonka和Leonidas J. Guibas为代表，将文献与3D重建和场景理解联系起来[46]、[47]。共引模式反映了计算机视觉与图形学领域中几何建模、结构推断和空间推理的影响。与场景理解相关的作者的存在进一步强化了二维AEC图纸分析与更丰富空间表示重建之间的联系[42]、[48]。

与更广泛机器学习社区研究人员的共引联系反映了深度学习和学习型特征表示更广泛的方法论影响。他们的纳入表明，学习型表示与推理方法正被从更广泛的机器学习文献中采纳，并集成到空间与几何推理任务中。

该聚类凸显了3D推理在将二维AEC图纸扩展为更丰富空间表示中的作用。

3.7.4 特征表示与学习

黄色聚类包括Binqiang Zhao、Bj?rn Stenger、Jian Sun、Andreas Dengel、Thomas Brox和Hartwig Adam，反映了该领域更广泛的计算机视觉和特征学习骨干。这些作者主要与通用视觉和学习研究相关，其共引模式表明这些方法被应用于二维AEC图纸分析[34]、[49]。该聚类不代表领域特定贡献，而是凸显了对更广泛计算机视觉社区所开发的特征表示、深度学习和识别流程进步的依赖。他们的中心位置表明，这些基础方法的改进直接影响下游图纸解释任务的性能。

3.7.5 基于深度学习的检测与分割

紫色聚类以Ross Girshick、Xiang Bai和Xiangyu Zhang为中心，凸显了基于深度学习的计算机视觉方法日益增长的影响力[34]。这些作者主要与通用计算机视觉的进展相关，其共引反映了现代检测与实例分割方法在二维AEC图纸分析中的采用[11]、[14]。尽管规模较小，但该聚类与更广泛的识别文献紧密相连，表明最新的方法论进展正被整合到领域特定应用中。

综合来看，作者共引网络揭示了一个融合良好的学术景观，其中建筑信息学和图纸分析的领域特定研究持续受到计算机视觉和机器学习进步的强化。

4 应用领域

本节考察AI技术在二维AEC图纸分析中跨主要领域的应用，旨在了解方法论发展如何转化为建成环境中的实际用例。鉴于AI驱动的二维AEC图纸分析具有跨学科性质，融合了建筑工程、计算机视觉、文档分析和BIM等领域的概念，需要一种结构化分类方法以一致地将研究按其主要应用焦点归类。由此产生的领域包括BIM与数字建模、建筑与工程、建筑设计，以及导航、VR与无障碍。

为确保一致性和可重复性，制定了一套决策标准，将每项应用研究归类为一个主要应用领域，如表2所示。这四个领域是从98项应用研究中归纳得出的，通过按主要目标、提取信息的预期用途以及输出结果的性质对研究进行分组。具有相似应用端点的组被合并，形成了本综述中使用的四个反复出现的领域。该结构还参考了AEC研究中数字建筑表示与生命周期导向应用之间的既有区分[1]、[50]。特别是，采用基于输出的推理来解决在相似方法或任务可服务于不同目的时存在的歧义。例如，采用分割或检测的研究，如果最终输出是结构化数字模型，则归入BIM类；如果输出支持数量估算或缺陷检测等决策过程，则归入建筑或工程类。同样，房间或布局分析，如果输出支持布局解释或设计生成，则归入建筑与设计应用类；如果支持路径规划、移动、无障碍分析或沉浸式环境，则归入导航、VR与无障碍类。

基于这些标准，98项应用研究根据其主要目标和最终输出被分配到四个互斥的领域中。分类结果为：BIM与数字建模50项，建筑与设计应用20项，建筑与工程18项，导航、VR与无障碍10项。七篇先前的综述文章保留在完整的105篇文献语料库中用于文献计量和语境分析，但未计入领域统计。

辅助应用在提取表中单独记录。任务、方法、数据集和评估分类独立编码，在适用情况下可赋予多个标签。因此，相应表格中的总数可能超过98项应用研究。

数据可用性声明中识别的存储库中附录A至D总结了已综述的研究，包括作者信息、论文标题、数据集可用性、开放获取状态、研究目标和关键发现。随附的讨论综合了这些研究，以识别每个领域中占主导地位的趋势、常见的方法论模式和现有的研究空白。

第3节中的文献计量发现为本领域的讨论提供了基础。研究在感知驱动任务（特别是目标检测和语义分割）中的集中化在四个应用领域中进行了考察，而与BIM较弱的关键词联系则与方法论发展和实际部署之间的差距联系起来。因此，本节通过考察不同任务和输出如何与领域特定目标对齐，提供了AI方法与其实际应用之间的结构化连接。

4.1 BIM与数字建模

BIM与数字建模领域代表了AI驱动的二维AEC图纸分析中研究最为广泛的应用领域，这从数据可用性声明中识别的存储库附录A中总结的大量研究中可以得到证实。该领域的研究主要聚焦于将非结构化或半结构化的二维AEC图纸转换为结构化、机器可读的表示。例如，结合平面图解释与CityJSON数据生成3D建筑模型[51]，以及从建筑和结构图纸生成基于IFC的BIM模型[52]。这与实现自动化数字模型生成并支持下游应用（如模拟、分析和数字孪生开发）的更广泛目标一致。

该领域内的一个主要研究趋势是将语义分割和对象检测作为从平面图中提取结构和语义元素的基础任务。例如，基于边界注意力的语义分割[12]以及数据增广支持的对象检测[15]。最近的研究将基于Transformer的半监督学习应用于使用有限标注数据的墙体布局分割[53]。

除基本提取任务外，部分文献聚焦于矢量化和拓扑重建，这是通向BIM生成的关键中间步骤。EdgeGAN解决平面图矢量化问题[16]，将栅格信息转换为几何表示。关系方法包括用于技术图纸元素语义分割的图注意力网络[43]以及平面图图的自回归预测[18]。这些方法强调了结构化图纸解释所需的几何和空间关系。

另一个关键研究方向涉及二维到三维重建和BIM生成的流程。例如，从单张室内平面图重建三维住宅[54]以及从建筑和结构图纸生成基于IFC的BIM模型[52]。尽管这些方法展示了有前景的结果，但同时也揭示了与几何复杂性、尺度推断和拓扑重建一致性相关的持续挑战。

该领域还表现出对多模态和互操作性方法的日益增长的兴趣。最近的研究解析多模态建筑数据以提取建模参数[55]，并将神经网络检测与分割输出与三维建筑建模软件连接[56]。这些努力旨在解决当前工作流中的碎片化问题，并提高AI生成输出在真实世界设计和建造环境中的可用性。

从数据角度来看，研究揭示了公共和私有数据集的混合。支持基准测试和模型开发的贡献包括用于符号识别的FloorPlanCAD[14]以及包含标注墙体和楼板多边形的多单元平面图数据集[57]。

然而，继续依赖专有或领域特定数据集表明，数据标准化以及跨不同绘图风格和建筑类型评估泛化能力仍面临持续挑战。尽管取得了实质性进展，但研究结果表明，许多方法仍专注于低层次和中间层次任务，而非完全集成的可部署方案。虽然在受控环境中通常能够实现高精度，但很少有研究证明其能在多样化的现实场景中表现出稳健性能或无缝集成到行业工作流程中。这些发现凸显了基于感知任务的坚实基础，并清晰地展示了向更集成化、多模态和几何感知系统发展的趋势，这些系统能够支持端到端的数字建模和数字孪生应用。

4.2 建筑设计

建筑设计领域的研究集中于利用人工智能支持从2D AEC图纸中提取空间理解、布局解读和设计生成。该领域研究的详细总结见随附数据仓库中的附录B。这些研究旨在提取和解读空间信息，以支持房间分类、布局生成和设计优化等任务，最终辅助建筑设计决策过程。

从方法论角度来看，CNN在建筑图纸的核心感知任务中仍被广泛使用，包括房间识别与标注[58]以及图纸元素与空间使用的语义分割[59]。这些方法在提取建筑设计解读所需的空间和语义特征方面尤为有效。然而，近期研究展示了越来越多的transformer架构和混合架构的应用，以提升上下文理解能力并捕获布局中的长程空间依赖关系[60]、[61]。此外，YOLO等目标检测框架被改造用于复杂2D CAD图纸中组件级别的精确识别[62]，凸显了检测性能的持续进步。

这些方法主要应用于与空间理解和布局解析相关的任务，包括房间分割、组件检测和文本增强的平面图解读。若干研究通过集成多模态学习扩展了这些任务，结合图形和文本信息以提高识别精度和语义一致性[63]。此外，噪声消除和文本删除等预处理任务也被探索，以提升下游设计生成性能[64]，表明了数据质量在建筑应用中的重要性。

在输出层面，该领域的特点是从事务性分析向生成式和关系性表示转变。早期输出通常包括标注布局和分类的空间组件；然而，更高级的研究生成结构化表示，如邻接矩阵和基于图的模型，显式编码建筑元素之间的空间关系[65]。这些结构化输出支持更高层次的推理，并为自动化布局综合和设计探索奠定基础。

该领域的一个关键研究方向是生成式设计方法的开发，其中模型被训练以基于学习到的空间模式生成新的建筑布局。生成对抗网络（GAN）和基于扩散的方法已被用于生成多样且逼真的平面设计，通常纳入拓扑、功能和边界条件等相关约束[66]、[67]。同样，图神经网络（GNN）也被用于通过建模空间关系和强制结构一致性来生成布局[68]。这些方法展示了人工智能从被动分析转向主动设计辅助的潜力。

除生成任务外，研究还将图数据和图像数据结合以分类住宅平面形态[69]，并使用基于transformer的方法进行相似布局检索和差异检测[70]。这些方法能够实现比较性设计评估，并通过在大型建筑布局数据集中识别模式和关系来支持建筑规划中的决策。

从数据角度来看，该领域包含了越来越多的公开可用数据集和基准测试努力，旨在提高模型泛化能力和可重复性[71]、[72]。然而，若干研究继续依赖私有数据集，凸显了与数据标准化和建筑绘图风格差异相关的持续挑战。

这些观察反映了从感知驱动分析向更高层次设计推理和生成发展的进展，其中新兴方法越来越多地支持布局综合、空间理解以及数据驱动的建筑决策。

4.3 施工与工程

施工与工程领域的研究集中于应用人工智能通过自动化分析2D AEC图纸来支持施工过程、工程决策和项目管理。该领域研究的详细总结见随附数据仓库中的附录C。这些研究主要旨在从图纸中提取可操作信息，以支持工程量估算、合规检查、材料识别和过程监控等任务。

从方法论角度来看，YOLO和Faster R-CNN等目标检测框架在该领域被广泛使用。Sim等人[73]将基于YOLOv4的小目标检测应用于施工图纸中的材料识别，而Jamieson等人[74]评估了基于YOLO和Faster R-CNN的施工符号检测方法。这些方法通常结合注意力机制、数据增强策略和小目标检测技术，以提升在复杂且杂乱的图纸环境中的性能[73]。此外，结合检测和分割的混合流水线被频繁采用，以改善几何和语义特征的提取[75]、[76]。

这些方法主要应用于检测、分割和信息提取等任务，为面向工程的应用奠定基础。例如，材料检测和符号识别被广泛用于支持工程量清单编制和成本估算过程[73]、[77]。同样，语义分割被应用于识别施工层次和材料组成，支持合规检查和建筑法规验证[25]、[76]。更高级的任务包括将文本注释与图形元素关联以解决歧义并提高解读准确性[21]、[78]，以及比例推断和几何参数提取以支持工程分析[40]、[75]。

在输出层面，该领域的特点是决策导向型结果，通常包括数量、检测到的组件、提取的参数和合规指标，直接支持施工工作流程。若干研究表明，AI系统可以生成材料估算、检测设计不一致性并支持工程检查，减少人工工作量并提高效率[20]、[79]。此外，研究人员探索人在环路系统以增强可靠性和适应性，特别是在需要领域专业知识来完善模型预测的场景中[80]。

所报告的性能在各项应用中差异显著，并使用不同的评估指标表达。例如，材料检测达到68.8%的mAP@50-95，而人在环路符号检测系统报告的整体预测准确率为92.1%[73]、[80]。在建筑法规合规工作流程中，整体检测准确率为51.1%，尽管提取注释的OCR准确率达到了100%[25]。由于这些结果源自不同的任务和评估设置，它们并未提供自主操作的通用精度阈值。因此，影响合规性、工程量估算、安全或其他关键工程决策的应用应视为AI辅助工具，由领域专家审核其输出结果。人工干预的阈值应针对特定应用定义，并在相关图纸类型和标准上进行验证。全自动化应用应限于有限的、低风险子任务，这些子任务满足预定义的接受标准，并包含处理低置信度结果的过程。

该领域的一个关键研究方向是将AI模型集成到实际施工工作流程中。与侧重于表示或设计生成的领域不同，该类别研究强调现实适用性，包括施工监控、采购优化和AI辅助质量保证。例如，基于AI的系统通过将检测到的组件与工作指令关联来监控施工进度[21]，而其他方法则支持工程、采购和施工（EPC）项目中的材料估算和采购过程[77]。

从数据角度来看，该领域严重依赖私有和项目特定的数据集，反映了施工数据的专有性质以及工程项目之间工程图纸的多样性。这种依赖对评估泛化能力和跨研究比较结果构成了挑战，尽管某些研究试图通过合成数据生成或适应性学习框架来解决[80]、[81]。

这些观察凸显了AI驱动方法与实际工程应用之间的强关联性，其重点在于将提取的信息转化为可直接支持施工过程和决策的可操作洞察。

4.4 导航、VR与无障碍

导航、虚拟现实（VR）和无障碍领域的研究集中于利用人工智能在源自2D AEC图纸的室内环境中实现移动、交互和空间理解。该领域研究的详细总结见随附数据仓库中的附录D。这些研究旨在将平面图数据转化为支持导航系统、沉浸式环境和无障碍分析的表达方式。

从方法论角度来看，基于分割的方法提取导航和可视化所需的空间结构和语义元素。例如，基于块的复杂平面图室内空间信息提取[82]以及用于拓扑语义映射的门控双注意力分割[83]。此外，基于图的模型和关系学习方法越来越多地被用来捕获室内环境中的空间依赖和连通性[24]、[84]。新兴方法还纳入了基础模型和少样本学习技术，以改善标注数据有限场景下的适应性[85]。

这些方法主要应用于语义分割、目标检测、拓扑提取和空间重建等任务。分割和检测被用于识别房间、走廊和结构元素，而中间层次任务侧重于生成拓扑图和关系表示，以支持导航和定位。若干研究将这些任务扩展至支持机器人导航和定位，通过整合语义线索与空间数据实现[86]，而其他研究则聚焦于从手绘或低质量输入中重建平面图，以提升现实场景中的可用性[87]、[88]。

在输出层面，该领域的特点是面向导航和交互驱动的表示，而非静态模型。典型输出包括可导航图、语义地图、重建布局和沉浸式3D环境，支持用户交互。例如，生成基于图的表示以支持建筑内的路径规划和移动[24]，而目标检测和分割输出被集成到VR平台中以创建用于可视化和模拟的交互环境[89]。此外，开发了专注于无障碍的输出，以识别和评估与安全和可用性相关的建筑特征，特别是为协助视障用户[83]、[85]。

该领域的一个关键研究方向是将AI生成的空间信息与导航和可视化系统集成。这包括开发将平面图转换为适合VR环境、机器人导航系统和无障碍分析工具格式的流水线。结合几何、语义和拓扑信息的能力对于实现复杂室内环境中的准确可靠导航至关重要。

从数据角度来看，该领域包含私有、合成和有限的公开数据集，反映了平面图风格变异以及领域特定标注需求带来的挑战。某些研究通过合成数据生成或适应性学习策略来解决这些问题，特别是在涉及复杂或手绘输入的场景中[87]、[89]。

这些发现凸显了AI在使导航感知和交互驱动应用发挥日益增长的作用，其中提取的空间信息被转化为功能性表示，支持移动、无障碍和沉浸式用户体验。连同其他已讨论的应用领域，这进一步展示了AI驱动的2D AEC图纸分析如何超越感知任务，走向多样化的现实应用。

5. 跨领域分析

本节呈现了基于第2.3节所述结构化定性内容分析得出的跨领域综合结果。前述各节考察了特定领域的应用，而本节的分析则对编码研究进行比较，以识别数据集使用和评估实践在应用领域之间的模式。

本节考察两个关键方面：数据集特征和评估指标。这些维度在塑造模型开发、性能评估和AI方法的可泛化性方面发挥关键作用。数据集可用性、标注质量和多样性的变化直接影响所提方法的稳健性，而评估指标的选择则影响如何测量和跨研究比较性能。

通过分析不同领域中的这些方面，本节提供了对当前研究标准化程度、可重复性和可迁移性的洞察。它也凸显了与数据限制和不一致评估实践相关的差距，这些仍然是现实世界部署和跨研究可比性的重大障碍。

5.1 数据集

数据集特征在塑造AI模型的开发、评估和泛化能力方面发挥关键作用，这对于2D AEC图纸分析而言尤为重要。随附数据仓库中的附录E提供了跨所审查研究使用数据集的比较评估。该表评估了它们的任务覆盖范围、广度、适用的AEC领域和主要限制，以支持特定应用的基准选择。

分析揭示了数据集在可用性、规模、多样性和任务覆盖度方面存在显著差异，这既反映了该领域的复杂性，也暴露了缺乏标准化基准的问题。文献中一个显著的共同特征是大量依赖自定义数据集，这些数据集占据了大多数研究的主体。这些数据集通常针对特定任务、领域或图纸类型而开发，从而实现模型的定制化开发。其使用本身并不意味着泛化能力差。有限的跨数据集评估使得迁移能力未能得到充分验证，而数据集和评估协议的差异则使得跨研究对比变得复杂。

在公开可用的数据集中，CubiCasa5K 被广泛使用，支持语义分割、布局解析、矢量化以及与BIM相关的重建等多种任务。类似地，R2V 和 R3D 等数据集常用于光栅到矢量转换、拓扑提取和空间推理等任务，表明它们在结构化表示和重建工作流中的重要性。其他数据集，包括 FloorPlanCAD 和 RPLAN，支持更专业的任务，如图谱建模和生成式设计，反映了研究目标的日益多元化。

为支持面向特定应用的数据集选择，我们根据配套仓库附录E中报告的任务范围和AEC应用覆盖度，将其分类为狭窄、中等、广泛或可变。CubiCasa5K、R2V、R3D 和 RPLAN 等数据集在感知、结构化表示、重建或设计任务方面提供了相对广泛的覆盖。其他数据集则更适合专业化应用，如符号识别、构件检测、生成式布局设计或与导航相关的分析。没有任何单一数据集能够满足BIM和数字化建模、施工与工程分析、建筑设计以及导航或无障碍应用的全部需求。因此，数据集选择应首先从预期的AEC应用和所需输出开始，然后考虑与图纸类型和可用标注结构的兼容性。

尽管有这些贡献，许多数据集在范围上仍然有限，往往专注于特定的建筑类型、地理区域或图纸风格。例如，RuralHomeData 和 Manhattan1k 等数据集局限于狭窄定义的场景，前者仅限于农村住宅平面图，后者则限于高密度城市建筑，这限制了它们在更广泛背景下的适用性。此外，多项研究依赖合成或增强数据集来克服数据稀缺问题，特别是在生成式建模和拓扑感知任务中。

数据增强已被应用于增加平面图目标检测[15]和住宅平面图生成[90]的训练样本变异性。然而，对现有图纸施加的变换不一定能引入新的建筑类型、符号约定或拓扑配置。合成数据生成提供了对样本组成和标注的更大控制权。它已被用于使符号检测系统适应新项目[80]，以及为二维到BIM重建生成配对的BIM模型和带标注的平面图[17]。虽然这些方法提高了可扩展性，但合成图纸可能无法完全捕捉真实世界二维AEC图纸的变异性与复杂性。

其他研究采用标注高效的学习策略。半监督学习利用未标注的图纸，在标注数据有限时改善墙体布局分割[53]；而基于基础模型的少样本学习则支持使用少量参考样本进行分割和无障碍分析[85]。微调预训练基础模型也被探索作为一种将通用视觉表示适应建筑平面图的方法[61]。这些方法减少了对大量人工标注的依赖，但其应用仍局限于少数任务和数据集。它们在跨图纸风格、建筑类型和应用领域的泛化能力尚未得到系统评估。

相关的土木工程研究表明了有限数据策略在其他工程背景下的应用方式。Chen等[91]使用Wasserstein生成对抗网络和合成少数类过采样技术来扩展一个小型液化数据集。在另一项应用中，Chen等[92]使用土压平衡盾构隧道项目的200条记录，比较了反向传播、径向基函数和一般回归神经网络。一般回归神经网络提供了最佳的准确性和计算性能，结果还强调了在施工期间更新现场数据集的必要性。虽然这些研究没有分析二维图纸，但它们展示了在有限工程数据下可用于数据增强和ANN模型选择的迁移性方法。

另一个关键问题是标注质量和一致性。许多数据集涉及复杂的标注要求，包括像素级分割、目标检测和关系标注，这些工作耗时且容易出现不一致。由于缺乏标准化标注协议，这一问题进一步加剧，导致数据集之间在标签定义、符号表示和语义解释方面存在差异。

此外，数据集多样性仍是一个显著局限。图纸格式、细节层次、符号约定和噪声水平的差异给模型泛化带来了挑战。缺乏跨数据集评估使得模型在不同领域或未知数据分布下的性能仍不确定。

这些观察表明，尽管越来越多的数据集支持AEC图纸分析中的各种任务，但该领域在数据可用性、标准化和多样性方面仍然碎片化。这种碎片化使得基准测试和模型泛化能力的评估变得复杂，并凸显了对更大、更多样且标准化的数据集的需求，以支持跨领域学习和评估。

### 5.2 评估指标

评估指标在评估AI模型用于二维AEC图纸分析的性能、可比性和实际相关性方面起着关键作用。如表3所述，所审查的研究采用了各种各样的指标，这些指标因任务、输出表示和应用领域的不同而存在显著差异。这种差异既反映了该领域任务的多样性，也反映了缺乏标准化评估实践的现状。

对于分割任务，最常用的指标包括平均交并比（mIoU）、交并比（IoU）、Dice系数和像素准确率。这些指标评估预测区域与真实区域之间的像素级一致性，在各研究中已相对成熟。类似地，目标检测任务主要使用平均精度均值（mAP）进行评估，还包括与特定阈值相关的变体如AP50和AP75，以及精确率和召回率。这些指标为评估目标定位和分类性能提供了标准化方式，尽管阈值选择和报告实践的差异可能会影响可比性。

**表3. 二维AEC图纸分析中各任务的评估指标总结**

| 任务类别 | 常用指标 | 目的 | 观察到的问题/差异性 |
|---|---|---|---|
| 分割 | 平均交并比（mIoU）、交并比（IoU）、Dice系数、像素准确率（均值/整体）、频率加权IoU | 评估像素级预测准确率以及预测区域与真实区域之间的重叠度 | 标准化程度最高的类别；然而，性能对类别不平衡和标注质量敏感 |
| 目标检测 | 平均精度均值（mAP）、AP50、AP75、精确率、召回率、检测率 | 基于边界框评估目标定位和分类性能 | IoU阈值的选择差异（如AP50与mAP@0.5:0.95）降低了跨研究的可比性 |
| 分类 | 准确率、精确率、召回率、F1分数、微平均F1、加权F1分数 | 评估对象、房间或构件预测标签的正确性 | 常与检测任务重叠；报告不一致（如微平均与宏平均的差异） |
| 图谱与拓扑 | 图编辑距离、匹配分数、调整Rand指数（ARI） | 评估提取的布局和图谱的结构与关系正确性 | 缺乏标准化基准和指标；评估方法在研究间差异显著 |
| 生成与重建 | Fréchet Inception距离（FID）、LPIPS、DISTS、平均绝对误差（MAE） | 评估生成布局或模型与真实样本之间的相似性 | 采用有限；指标常从通用计算机视觉领域借用，可能无法反映建筑正确性 |
| 文字识别（OCR） | 字符错误率（CER）、精确率、召回率、F1分数 | 评估从图纸中提取的文本信息的准确性 | 常与检测任务集成；缺乏专门针对建筑文本的标准化 |
| 领域特定与应用导向 | 导航完整性、出口可达性、能效指标（如CSA、WGA）、欧氏距离、计算效率 | 评估导航、无障碍和设计性能等实际应用能力 | 高度任务特定且未标准化；跨研究比较困难 |

**表4. 面向结构化与应用导向任务的候选AEC特定评估指标**

| 序号 | 任务 | 评估维度 | 候选指标 | 实际相关性 |
|---|---|---|---|---|
| 1 | 图谱/拓扑提取 | 元素、关系和拓扑正确性 | 节点与边精确率、召回率和F1分数；邻接保持率；路径连通性一致性；无效或断连图谱率 | 确定提取的空间和建筑元素是否保留了导航、合规检查和BIM转换所需的关联性 |
| 2 | 生成式设计 | 功能有效性、法规合规性和多样性 | 必需空间完整性；邻接约束满足率；间距与法规合规率；可用面积效率；有效布局多样性 | 确定生成的布局是否在功能上可用且合规，而不仅仅是与现有设计在视觉上相似 |
| 3 | 二维到三维重建 | 几何准确性、语义完整性和互操作性 | 元素完整性和分类准确性；尺寸、面积和体积偏差；拓扑一致性；BIM模式对齐率；导入或导出成功率；人工修正时间 | 确定重建的模型是否在几何上可靠、语义上完整，并可在BIM和工程工作流中使用 |

分类任务，包括房间标注和构件识别，通常使用准确率、精确率、召回率和F1分数进行评估。虽然这些指标被广泛采用，但其解释因是按实例级、类别级还是使用微平均或宏平均方案计算而有所不同。分类与检测指标之间的这种重叠进一步加剧了评估报告的不一致性。

相比之下，图谱和拓扑提取等中间层级任务的评估实践标准化程度较低。图编辑距离、匹配分数和调整Rand指数（ARI）等指标被用于评估结构和关系正确性；然而，这些指标在各研究间差异显著，通常针对特定表示或问题设置量身定制。在生成和重建任务中也观察到类似的缺乏一致性，其中Fréchet Inception距离（FID）、LPIPS、DISTS和平均绝对误差（MAE）等指标从通用计算机视觉文献中借用而来。虽然这些指标衡量视觉或统计相似性，但它们未能完全捕捉建筑布局中的几何、拓扑或功能正确性。

文字识别任务通常使用字符错误率（CER）与精确率、召回率和F1分数一起进行评估，反映了光学字符识别（OCR）在更广泛的图纸分析流水线中的集成。然而，与文本相关任务的评估协议仍然有限，且经常与检测或分割指标结合使用，降低了性能评估的清晰度。

最后，多项研究采用领域特定或应用导向的指标来评估实际性能。这些指标包括导航完整性、出口可达性、能效相关指标和计算效率等。虽然这些指标为实际应用性提供了有价值的洞察，但它们高度任务特定且缺乏标准化，使得跨研究或跨领域的结果比较变得困难。

为解决这些评估局限，表4提出了一种面向图谱提取、生成式设计和二维到三维重建的候选任务特定评估框架。所提出的指标将性能评估从视觉相似性扩展到了更广的维度，包括模型输出是否保持工程关系、是否满足功能和法规要求、是否支持互操作表示以及是否减少下游修正工作量。这些指标应与各任务现有使用的视觉和统计指标配合使用。这些指标是从所审查的文献中概念性综合得出的，尚未作为统一框架进行实证验证。其可靠性、敏感性和跨研究可比性需要使用共享基准数据集进行未来验证。

综合来看，这些观察表明，二维AEC图纸分析中的评估实践在低层级感知任务方面已较为成熟，但在中间和高层级任务方面仍然碎片化。这种缺乏标准化限制了跨研究可比性，并凸显了对更一致、任务感知的评估框架的需求，以更好地捕捉技术性能和实际有效性。

### 6. 自动化二维AEC图纸分析的优势与挑战

本节综合了基于学习的方法用于二维AEC图纸分析的优势与挑战，内容直接基于所审查的研究。其目标是捕捉文献如何描述这些方法应用于真实世界二维AEC图纸任务时的实际价值和局限性。

该分析来源于所选研究中提取的证据，其中作者明确报告了优势、性能提升和实际贡献，以及局限、约束和未解决的问题。通过整合这些发现，本节提供了一个基于证据的视角，阐述所审查方法的当前能力以及影响其实际效果的关键因素。

#### 6.1 自动化二维AEC图纸分析的优势

表5中的类别按照所描述的主要改进或能力对报告的收益进行了组织：处理效率、准确性、资源节省、结构化建模与理解、设计支持、视觉沟通，或扩展应用与可扩展性。例如，更快的处理被归入效率与生产力类别，而降低劳动力成本则被归入成本与资源节省类别。高级和可扩展的应用包括扩展用途、大规模分析、泛化和数据高效学习。这些是为本次综述专门设定的综合类别；一项研究在报告不同收益时可能支持多个类别。

经综述的二维AEC图纸分析AI方法在表5所总结的各类别中展示了优势。

自动化处理可以减少建筑符号检测中的手动工作量[74]以及BIM模型生成[52]。基于AI的设计错误识别也支持工程质量检查[20]。重建和表示方法将图纸的使用扩展到VR环境[89]和室内定位[86]。合成BIM数据集生成[17]和用于目标检测的数据增强[15]在标注图纸有限的情况下提供了进一步支持。

表5. 自动化二维AEC图纸分析的优势

| 序号 | 优势类别 | 优势 | 描述 | 引用 |
|------|----------|------|------|------|
| 1 | 效率与生产力 | 自动化分析 | AI自动化提取建筑元素，减少手动工作 | [11], [74], [93], [94], [95] |
| 2 | 效率与生产力 | 更快的处理速度 | 加速BIM生成和平面图分析 | [42], [49], [51], [96] |
| 3 | 准确性与可靠性 | 高精度检测 | 提高墙体、物体和结构元素的检测精度 | [12], [95], [97], [98] |
| 4 | 准确性与可靠性 | 减少人为错误 | 最小化手动解释错误和不一致性 | [20], [79], [99] |
| 5 | 成本与资源节约 | 降低劳动力成本 | 减少工程工时和手动工作 | [77], [100], [101] |
| 6 | 成本与资源节约 | 降低项目成本 | 降低测量、返工和估算成本 | [29], [52], [102] |
| 7 | 建模与理解 | 自动化BIM生成 | 将二维平面图转换为BIM模型 | [56], [93], [103], [104] |
| 8 | 建模与理解 | 三维重建 | 实现准确的三维建筑模型创建 | [54], [88], [96] |
| 9 | 设计与规划 | 快速设计生成 | 生成布局替代方案并支持参数化设计 | [66], [71], [105] |
| 10 | 设计与规划 | 提升设计质量 | 增强建筑规划与优化 | [69], [106] |
| 11 | 建模与理解 | 布局理解 | 提取空间关系和房间语义 | [63], [84], [107] |
| 12 | 建模与理解 | 图生成 | 创建布局图和导航地图 | [24], [108] |
| 13 | 效率与生产力 | 施工监测 | 实现自动化进度跟踪和计划对比 | [21], [78] |
| 14 | 效率与生产力 | 合规性检查 | 通过自动化图纸分析支持建筑规范和设计验证 | [25], [94] |
| 15 | 建模与理解 | 图纸数字化 | 将扫描/栅格图纸转换为数字格式 | [16], [109] |
| 16 | 建模与理解 | 文本与比例提取 | 提取注释、文本和测量值 | [40], [41] |
| 17 | 可视化与沟通 | 三维可视化 | 提供交互式三维和VR就绪模型 | [88], [89] |
| 18 | 可视化与沟通 | 客户沟通 | 改善利益相关者的理解和展示 | [96] |
| 19 | 高级与可扩展应用 | 室内导航 | 支持导航、机器人和应急规划 | [83], [86] |
| 20 | 高级与可扩展应用 | 能源与设施管理 | 支持能源分析和智能建筑系统 | [51], [82] |
| 21 | 高级与可扩展应用 | 大规模分析 | 处理复杂和多单元平面图 | [43], [57] |
| 22 | 高级与可扩展应用 | 改善泛化能力 | 适用于多样化数据集和现实世界图纸 | [14], [110] |
| 23 | 高级与可扩展应用 | 合成数据生成 | 减少对标注数据集的依赖 | [17], [80] |
| 24 | 高级与可扩展应用 | 提高训练效率 | 在有限数据下增强模型学习 | [15], [99] |

## 6.2 自动化二维AEC图纸分析的挑战

表6中的挑战等级区分了每个约束的主要来源：数据可用性与质量、方法性能与计算需求、共享的评估与表示标准，或实际部署与工作流程集成。例如，数据集标签不一致被归类为数据层级问题，而输出模式不一致则被归类为标准层级问题。这些等级表明约束产生的位置，而非其严重程度或技术成熟度，不同层级的挑战可能相互作用。

尽管AI驱动的AEC图纸分析取得了显著进展，但可扩展性和泛化能力仍然受到高分辨率输入、迭代流程和图纸风格与标准差异的限制[11], [13]。对小规模或专有数据集的依赖以及不一致的标注进一步增加了可重复性和跨数据集性能评估的复杂性[15], [93]。

表6. 自动化二维AEC图纸分析的挑战

| 序号 | 挑战层级 | 挑战 | 描述 | 引用 |
|------|----------|------|------|------|
| 1 | 方法层级 | 计算与效率约束 | 更高分辨率输入、迭代矢量化和复杂流程使得实时或大规模部署困难 | [11], [16], [19], [42], [48], [51], [74], [79], [99], [100], [111], [112] |
| 2 | 数据层级 | 数据稀缺 | 主要问题是小规模或专有数据集，风格多样性有限，标注薄弱，罕见案例代表性不足 | [12], [14], [15], [49], [54], [57], [59], [63], [80], [84], [89], [93], [100], [102], [113], [114], [115] |
| 3 | 数据层级 | 标注与数据质量问题 | 模棱两可的标注、缺失的边界框、不一致的标签和不良的数据卫生状况降低了训练可靠性 | [12], [20], [25], [40], [53], [56], [57], [60], [78], [81], [100], [116] |
| 4 | 标准层级 | 评估差距 | 许多研究指出基准测试薄弱和比较评估有限 | [12], [29], [40], [49], [59], [60], [82], [84], [93], [99], [103], [109] |
| 5 | 行业部署层级 | 实际应用极少 | 文献通常止步于技术概念验证，而非展示在建筑、EPC或设计工作流程中的实际价值 | [20], [21], [25], [52], [69], [77], [80], [84], [94], [117] |
| 6 | 标准层级 | 符号与模式不一致 | 不一致的符号、标注法、输出模式和符号-文本配对规则阻碍了互操作性和稳健复用 | [20], [27], [51], [52], [57], [68], [71], [77], [78], [80], [81], [93] |
| 7 | 行业部署层级 | 集成挑战 | 视觉、文本、BIM和文档流程仍然碎片化，使得端到端工作流程困难 | [21], [51], [56], [68], [77], [78], [80], [106], [111], [117], [118] |
| 8 | 方法层级 | 泛化能力弱 | 模型在不同平面图风格、建筑类型、图纸标准、噪声水平和未见领域之间往往失效 | [11], [13], [14], [15], [16], [49], [63], [64], [73], [82], [93], [95], [103], [113], [119] |
| 9 | 方法层级 | 图纸文本识别困难 | 文本难以阅读、难以定位，且通常不适应建筑图纸规范 | [21], [41], [49], [64], [78], [120], [121] |
| 10 | 方法层级 | 难以准确检测罕见、小或重叠元素 | 许多论文关注墙体、符号、房间或物体，但仍难以处理罕见类别、小物体、重叠和精细边界 | [11], [12], [14], [15], [25], [41], [53], [60], [73], [74], [89], [95], [100], [113], [116], [122], [123], [124] |
| 11 | 方法层级 | 表示与变换挑战 | 将二维AEC图纸转换为三维、BIM、图和拓扑表示仍然脆弱，尤其在复杂几何情况下 | [16], [17], [19], [24], [36], [42], [48], [49], [51], [52], [54], [56], [65], [70], [75], [82], [96], [119] |

轻量级和边缘部署方法受到相对较少的关注。近期研究表明了可能的方向，包括一种改进的轻量级YOLOv11n模型用于高效的构件检测和快速BIM重建[104]，以及一种优化的解析和矢量化流程，能够在不到一秒内完成平面图修复[19]。基于平面图的定位也已在车载计算机上实现[86]。然而，大多数研究强调预测准确率，而没有报告模型大小、内存使用、推理延迟、能耗或在资源受限硬件上的性能。这限制了对当前方法是否能够在现场笔记本电脑、平板电脑、机器人或嵌入式设备上支持实时图纸分析的评估。

评估和部署在评估二维到三维重建方法[29]以及将神经网络输出与建筑建模软件连接[56]方面面临挑战。不一致的标注法、输出模式和软件特定的数据结构进一步限制了跨项目和平台的互操作性。

在软件层面，常见的AI输出（如掩码、边界框或不连续的矢量线）不能直接在AutoCAD或Revit中作为可编辑对象使用。AutoCAD集成需要将这些输出转换为有效的绘图实体并映射到项目图层、单位和坐标系。Revit集成需要进一步的语义映射到原生元素、族、类别、楼层、参数和关系，通常通过平台特定API和后处理实现[56]。即使使用IFC进行交换，成功传输也取决于几何、对象语义、属性和关系的保留。因此，专有格式差异、软件版本差异、项目命名规范和BIM信息需求差异可能会引入额外的验证和手动修正，在AI生成的输出进入生产工作流程之前。

文本识别以及罕见、小或重叠元素的检测仍然困难[41], [60]。当图纸包含复杂几何或信息不完整时，将图纸转换为BIM、图和拓扑表示仍然脆弱[54]。这些限制表明，组件级识别的进展尚未一致地转化为可靠的、应用就绪的图纸解释。

## 7. 可操作的建议

本节将前述发现整合为一个面向AI驱动的二维AEC图纸分析的概念框架。它解释了框架的开发过程，并考察了方法、任务、输出和应用领域之间的关系如何指导研究优先级。

### 7.1 概念框架的开发

概念框架是研究领域中关键构建及其关系的结构化表示，能够系统性地组织与综合现有知识。它通过分类、整合和综合来从现有文献中产生新的理解[125]，连接输入、过程和结果[126]。

在本研究中，概念框架通过对所审查文献的系统性综合来开发，其中识别、分类和组织关键构建，形成反映从输入数据特征到AI方法、任务级操作、输出、应用领域和最终结果的多层流水线。该流水线中使用的任务和输出类别分别总结在表7和表8中。此外，跨领域的挑战和限制也被纳入，以捕获影响流水线所有阶段的系统性约束。这种结构化表示为分析AI驱动的二维AEC图纸分析不同组件之间的关系提供了连贯的基础，并支持识别研究空白和未来工作的可操作方向。

表7. 任务分类

| 序号 | 任务组 | 包含任务 |
|------|--------|----------|
| 1 | 识别（低级） | 文本理解、目标检测与分类、实例分割、语义分割 |
| 2 | 布局解析与结构（中级） | 布局解析、矢量化、图/拓扑提取、表格解析 |
| 3 | 建模（高级） | 二维到三维重建/BIM生成、BIM到二维图纸生成 |
| 4 | 设计与分析（高级） | 设计生成、设计分析与模式发现 |
| 5 | 检索（高级） | 检索与相似性分析 |

表8. 输出分类

| 序号 | 输出类别 | 包含输出 | 描述 |
|------|----------|----------|------|
| 1 | 像素级 | 分割图、高亮差异 | 显示像素级或区域级分类的输出 |
| 2 | 检测 | 边界框、实例掩码、识别文本、标签、房间类型分类、物体-文本对应关系 | 从图纸中识别的离散物体、符号或文本 |
| 3 | 结构化表示 | 结构化布局描述、结构化平面图、空间图、图表示、知识图谱 | 表示平面图中关系、拓扑或层级的输出 |
| 4 | 矢量化与建模 | 矢量化平面图、三维建筑模型、几何参数 | 将栅格图纸转换为矢量或三维表示，或参数化表示 |
| 5 | 设计输出 | 生成的布局 | 支持设计、布局生成或规划的输出 |
| 6 | 特征提取 | 标注数据集、特征向量、平面图聚类 | 用于训练、分析或聚类的数据输出 |

图10. 概念模型

### 7.2 概念框架的详细讨论

本研究中开发的概念框架（如图10所示）呈现了AI技术如何应用于二维AEC图纸分析以及如何为下游结果做出贡献的结构化表示。在基础层面，框架从二维AEC图纸和数据集特征开始，包括输入数据的属性，如格式、比例、标注质量和细节层次。这些特征在各研究之间差异显著，直接影响AI模型的选择、设计和性能。

在此基础上，框架识别了作为主要技术驱动力的AI方法，包括六大类别：生成模型、卷积神经网络、基于Transformer的模型、混合方法、图神经网络和其他机器学习方法。这些方法代表了从二维AEC图纸中提取和解释信息的核心机制。文献反映了从传统基于CNN的技术向能够更好地捕获全局上下文、结构关系和多模态信息的Transformer、基于图和混合模型的演进。

下一层由任务级操作组成，定义了AI模型所处理的功能性目标。确定了五个主要任务类别：布局与结构理解、识别、建模、设计与分析以及检索。这些任务涵盖从低级视觉解释到高级推理和应用导向分析的广泛谱系。识别任务仍然占主导地位，而结构化解释、建模、检索和设计分析的表示较少。

任务执行后，框架将输出定义为结构化表示，反映了原始视觉数据向机器可解释格式的转换。这些输出包括像素级表示、检测结果、结构化与空间信息、矢量化与建模输出、设计相关输出以及提取的数据和特征。这些输出类型共同代表不同的抽象层次，为下游应用奠定了基础。

这些输出随后被映射到应用领域，在那里提取的信息在真实场景中被使用。关键领域包括BIM和数字建模、施工与工程流程、建筑设计，以及导航、虚拟现实和无障碍应用。这一层反映了AI驱动解决方案的预期实际应用，重点关注BIM集成，以及AEC行业、沉浸式环境和无障碍领域的 emerging 应用。

为指示所审查文献中这些应用领域的相对成熟度，框架包含了一个基于支持证据基础规模、报告输出成熟度以及实际工作流程中验证程度的定性分类。BIM和数字建模被归类为相对成熟，因为它们代表了最成熟的应用领域，并包含多项产生结构化重建和建模输出的研究。施工与工程以及建筑设计被归类为发展中，因为大多数应用仍然是特定任务的、依赖基于项目的验证或需要专家参与。导航、虚拟现实和无障碍被归类为新兴领域，因为它们由较少的研究代表且操作验证有限。这些类别指示了所审查文献中的相对成熟度，不代表正式的技术成熟度等级或已证明的行业部署就绪状态。

在最后阶段，框架捕获了结果，代表了AI驱动方法所报告的优势和能力。这些包括效率与生产力、准确性与可靠性、成本与资源节约、自动化建模及其促进的理解、设计与规划支持、可视化与沟通增强，以及高级与可扩展应用。

这些结果通常用于评估系统性能，并突出人工智能在提高生产力、决策能力和整体工作流程有效性方面的价值。重要的是，该框架纳入了一层影响管道所有阶段的横切性挑战。这些挑战分为四个分析层级。数据层面的挑战包括数据稀缺、多样性有限和标注质量。方法层面的挑战包括计算限制、弱泛化性、文本识别困难、罕见或重叠元素的检测，以及表示和转换限制。标准层面的挑战包括评估、基准测试、符号、符号和输出模式的不一致。行业部署层面的挑战包括有限的实际验证以及与BIM、文档和操作流程的碎片化集成。虽然每个层面可能对特定组件产生不同的影响，但这些挑战共同构成了对模型性能、泛化性、互操作性和实际适用性的系统性约束。第8节总结了这些挑战所产生的可行方向，将建议与框架中代表的数据层面、方法层面、标准层面和行业部署层面的挑战联系起来。

**8. 结论**

本文通过对2D AEC图纸进行学习方法分析的综合研究，采用了结合系统性检索、文献计量分析和批判性文献综述的方法。最终语料库包括2015年至2026年初来自71个来源的105篇出版物，代表了来自36个国家的贡献。保留了7篇先前的综述文章以定位本研究在现有综合分析中的位置，而98篇应用研究构成了领域层面的证据基础。2020年后研究活动显著增加，CNN仍然是主导方法，而基于Transformer和混合方法从2023年开始变得更加突出。中国、德国和加拿大做出了最大的国家贡献。在选定的阈值下，关键词网络包含54个关键词和五个集群，而共引网络包含160位被引作者和五个集群。这些网络表明，该领域仍然牢固地建立在图纸解释、计算机视觉和机器学习基础上，对建筑特定知识的集成较弱。

任务层面的分析显示了对感知导向研究的明显集中。在162项任务分配中，113项与低级任务相关，占总数的69.8%。中级任务占30项（18.5%），而高级任务占19项（11.7%）。因此，低级任务的频率大约是高级任务的5.9倍。对象检测和分类（47项）以及语义分割（44项）是最广泛研究的任务。图或拓扑提取（14项）、矢量化（9项）和布局解析（6项）受到的关注明显较少，而2D-3D重建和BIM生成占11项，设计生成占4项。这一分布表明，特征提取的进展尚未得到结构化推理和面向应用的建模的相当进展的匹配。

应用研究被分类为BIM和数字建模、施工和工程、建筑设计，以及导航、虚拟现实和可及性。在综述的文献中，BIM和数字建模拥有最成熟的证据基础，而导航导向的应用仍处于新兴阶段。施工和工程系统主要产生决策导向的输出，当结果影响合规性、数量估算、安全或其他重大决策时，应通常被视为AI辅助。59项研究使用了自定义数据集，而跨数据集泛化的证据仍然有限。分割和对象检测的评估实践相对成熟，但对于图提取、生成式设计和BIM重建，评估标准仍然不一致，在这些领域中，仅凭视觉相似性并不能确立建筑或工程有效性。

在综述的研究中，基于学习的方法可以减少手动处理，改善结构和语义元素的识别，并将图纸转换为BIM模型、图和矢量化布局。其实际应用仍受到数据稀缺、标注不一致、弱泛化性、计算需求和碎片化系统集成的限制。本研究开发的概念框架连接了数据集特征、AI方法、分析任务、输出、应用领域、相对就绪度和结果，同时纳入了影响每个阶段的挑战。总体而言，证据表明，该领域仍然集中在感知任务上，需要在更广泛的AEC工作流程部署之前，对结构化输出、互操作性和操作性能进行更强的验证。

以下建议直接回应图10中代表的数据层面、方法层面、标准层面和行业部署层面的挑战。

在方法层面和行业部署层面，未来研究应优先考虑能够在实际AEC环境中高效运行的模型。应在代表性现场硬件上评估紧凑型CNN和Transformer变体、基于块的预处理、优化的推理管道以及压缩方法（如剪枝、量化和知识蒸馏）。研究应报告模型大小、内存使用、处理延迟和能耗，以及任务性能。比较压缩前后的结果将有助于明确精度和部署效率之间的权衡。在连接受限或项目图纸无法传输到云服务的情况下，也应研究离线操作。

在数据层面，数据集开发应重点关注通过改进协议、质量保证、半自动标注和透明数据管理来增加多样性、标注一致性和可重复性。在一致的标注预算下，未来研究应比较数据增强、合成数据生成、半监督学习、少样本学习和预训练模型微调。跨数据集评估、领域自适应和真实-合成混合训练应确定改进是否能够跨图纸风格、建筑类型和应用领域转移。

在标准层面，评估应转向反映AEC需求的共享基准和指标。表4中提出的候选任务特定指标应使用通用基准图纸进行可靠性、敏感性和研究间可比性测试，并与传统性能指标一起报告。这将允许将技术准确性与拓扑一致性、BIM模式对齐、工程有效性和手动纠正工作量一起考虑。评估协议还应考虑图纸标准和错误或不确切预测的后果。

在行业部署层面，实际验证应检查模型输出是否可以集成到如设计决策、施工监控、代码合规性和设施管理等运营用例中。应在AutoCAD、Revit和基于IFC的环境中进行直接导入和导出测试，并报告几何和语义的保存情况、对象可编辑性、软件版本兼容性以及项目使用前的纠正需求。影响合规性、数量或安全性的应用应保留专家评审，直到性能已针对预期图纸和操作条件进行验证。

进一步的方法层面发展应更加关注从感知输出到结构化、面向应用的表示的转变。需要混合、上下文感知和拓扑感知模型来捕获空间和语义关系，而专门的OCR和多尺度、边界感知和类别平衡方法对于文本和细粒度元素仍然重要。应开发几何感知和互操作的重建管道，以实现可靠的BIM生成、图提取和数字孪生应用。应在不同的图纸标准、建筑类型和现实条件下评估鲁棒性。

**CRediT作者贡献声明**

Ifeoluwa Awotunde：撰写——审阅与编辑、撰写——初稿、可视化、方法论、形式分析、数据整理、概念化。Yongwei Shan：撰写——审阅与编辑、监督、调查、概念化。

**生成式AI和AI辅助技术在写作过程中的声明**

在准备本作品期间，作者使用ChatGPT（OpenAI，San Francisco，CA）来增强可读性并提高手稿的清晰度。在使用该工具后，作者根据需要审阅和编辑了内容，并对出版物的内容承担全部责任。

Ifeoluwa Awotunde | Yongwei Shan