基于人工智能的点云技术，用于在极端环境下快速评估城市基础设施的韧性：综述

《Engineering Applications of Artificial Intelligence》：Artificial intelligence-empowered point cloud technologies for rapid resilience assessment of urban infrastructure under environment extremes: A comprehensive review

AI赋能点云技术为灾后城市基础设施韧性评估提供高效解决方案，系统分类多源数据驱动方法，对比光学/LiDAR/SAR传感器性能差异，揭示智能应急响应中多模态数据融合的技术瓶颈与突破路径。

　　

唐云超|陈振|胡彦珍|刘启星|尹蕾

中国广东省城市生命线工程智能灾害防治与应急技术重点实验室，东莞理工大学，东莞，523000

摘要

地震、飓风和洪水等自然灾害给受损城市基础设施的检测与评估带来了巨大挑战，常常阻碍了快速应急响应和恢复。点云技术的最新进展，尤其是在与人工智能结合使用时，通过实现在复杂城市环境中快速、高分辨率和多维度的数据采集，正在改变灾后损失评估的方式。本文系统地分类并综合了当前关于利用人工智能（AI）支持的点云技术进行极端环境下的城市基础设施韧性评估的研究。这些方法根据数据可用性进行组织，包括比较灾前和灾后点云数据的方法，以及仅依赖灾后数据进行快速损失评估的方法。该综述还扩展到了对桥梁、道路、公用设施网络和生命线系统等广泛民用基础设施的评估，强调了如何根据特定灾害情景和评估目标选择不同的平台和传感器类型。对于每一类方法和基础设施类型，都详细分析了基于点云的评估技术的优势、局限性和独特特点。最后，本文讨论了智能、自动化和多源点云解决方案当前面临的挑战和新兴趋势，并概述了未来研究的关键方向，以提高城市在极端环境下的韧性和可持续性。

引言

自然灾害——如地震、风暴和洪水——每年都会造成大量的全球人员伤亡、流离失所和经济损失（Alexander, 2015; Yuryeva et al., 2023）。快速评估基础设施损失不仅对于组织有效的应急响应至关重要，而且对于衡量和提高基础设施的韧性也非常重要：即系统抵御、适应和从破坏性事件中恢复的能力（Silva et al., 2022）。点云技术结合了光学、光探测与测距（LiDAR）和合成孔径雷达（SAR）方法，提供了多尺度、高分辨率的3D数据采集能力。这种能力有助于进行全面的损失评估，并为韧性评估提供了定量基础（El Ghoul et al., 2025; Wang et al., 2022a; Wu et al., 2021; Rashidi et al., 2020）。传感技术和损失指标的选择受到灾害特征、地理范围和预期损失严重程度的影响（Wang et al., 2022b; Mondini et al., 2021）。

从操作角度来看，本综述将韧性评估定义为利用点云数据来量化各种灾害阶段的基础设施性能。这种评估包括检查初始损失情况以评估结构强度，监测清理和重建进展以确定响应速度，以及制定修复优先级，从而在提高恢复效果的同时最大化资源利用。

然而，多个研究空白阻碍了这些技术系统地应用于韧性分析。首先，跨灾害类型和传感器技术的比较研究很少，这使得在特定情况下选择最佳方法变得复杂。此外，针对不同基础设施目标（如建筑物、桥梁和公用设施）的评估技术尚未得到充分整合。此外，尽管使用灾前和灾后数据的方法可以获得更高的精度，但在许多地区灾前参考数据的有限可用性限制了实际应用（Rodríguez-Coca et al., 2025; Yang et al., 2025）。因此，有必要进行全面的综述，以巩固基于点云的灾害损失评估的最新进展，涵盖各种灾害、传感器和结构，并确定关键的创新和有前景的研究方向。

为了解决这些空白，本综述提出了几项贡献。首先，它提出了一个基于点云的评估技术的结构化分类法，区分了使用完整灾前和灾后数据集的方法和仅依赖灾后数据的方法。其次，它对不同灾害背景下的光学、LiDAR和SAR技术进行了比较评估，总结了各自的优点和局限性。最后，在此综合基础上，综述指出了紧迫的挑战，并提出了具体的、可操作的研究方向——特别关注人工智能集成和多模态数据融合，以提高评估效率和韧性。

本综述的结构如下：第2节讨论灾害影响和点云数据来源。第3节和第4节分别探讨了点云技术在灾后建筑物损失评估和公共基础设施损失评估中的应用。第5节评估了方法的优势和局限性，而第6节提供了结论和未来的研究方向。

节选

灾害影响与点云数据采集框架

准确快速的灾后基础设施评估是应急响应和恢复工作的基础。为了实现这一目标，首先需要系统地了解灾害机制、典型的结构损伤模式和现代数据采集能力。因此，本章旨在构建一个将灾害、损失和数据联系起来的综合框架。首先，它分析了典型的影响模式

点云技术在灾后建筑物损失评估中的应用

在自然灾害中，建筑物结构的迅速破坏是造成人员伤亡的主要原因。因此，在灾害发生后及时进行彻底的结构损失评估已成为应急管理的基本要素。此类评估的精确性和及时性直接决定了救援资源分配的有效性以及减轻生命损失的程度（Saini et al., 2022）。根据所介绍的框架

点云技术在灾后公共基础设施损失评估中的应用

关键基础设施网络（包括交通系统、电力分配网络和管道走廊）的快速恢复对于灾后恢复社会功能至关重要。这些生命线系统具有广泛的地理分布和复杂的结构，使其损失评估不仅耗时且成本高昂，而且在操作上也具有危险性。正如第2章所建立的，点云方法提供了

讨论

点云技术已被广泛用于灾后基础设施评估。基于不同平台和传感器收集的点云数据，提出了多种用于灾后基础设施损失评估的方法。本节综合了前几章的发现，提供了方法的定量比较，深入探讨了人工智能的作用，并评估了不同方法的操作特性

结论与展望

本综述系统地总结了基于人工智能的点云技术在灾后城市基础设施韧性评估方面的最新进展，根据数据可用性和基础设施类型建立了分类法。对光学、LiDAR和SAR技术在各种灾害情景和基础设施目标下的比较分析为方法选择提供了明确的指导。展望未来，将这些技术进步转化为强大的操作能力

CRediT作者贡献声明

唐云超：撰写——审稿与编辑，撰写——初稿，方法论，概念化。陈振：撰写——审稿与编辑。胡彦珍：撰写——审稿与编辑。刘启星：撰写——审稿与编辑。尹蕾：撰写——审稿与编辑。

利益冲突声明

作者声明他们没有已知的可能会影响本文所报告工作的财务利益或个人关系。

致谢

本研究得到了国家自然科学基金（52368028, 52478242）、国家重点研发计划（2021YFB2600903）、广西自然科学基金（2022GXNSFFA035035）和广西科技重大计划（GKAA23062034）的资助。