综述：建筑、工程与施工（AEC）行业中的深度学习：方法、挑战与新兴机遇 穆罕默德·伊姆兰·汗（Muhammad Imran Khan）、 阿卜杜勒·瓦希德（Abdul Waheed）、 埃赫桑·哈里奇安（Ehsan Harirchian） 和 比拉尔·曼佐尔（Bilal Manzoor）

《Buildings》：Deep Learning in the Architecture, Engineering, and Construction (AEC) Industry: Methods, Challenges, and Emerging Opportunities Muhammad Imran Khan, Abdul Waheed, Ehsan Harirchian and Bilal Manzoor

　　

摘要

近年来，深度学习（DL）作为一种变革性技术崭露头角，其在推进建筑、工程和施工（AEC）行业方面具有巨大潜力。深度学习能够实现自动化、智能决策以及贯穿施工各个阶段的预测分析，包括设计、现场监控、安全管理以及设施运营。尽管深度学习在AEC行业的应用日益广泛，但关于其综合方法、实际挑战及新兴机会的研究仍然有限。本研究对深度学习在AEC行业的应用进行了系统性回顾，重点关注了关键方法、面临的挑战、新兴机遇以及未来的研究方向。本研究采用了系统的文献综述（SLR）方法，分析了三种广泛应用于AEC行业的深度学习技术：（i）数据驱动的计算机视觉，（ii）自然语言处理（NLP），以及（iii）基于生成技术和模拟的方法。主要挑战包括：（i）数据稀缺问题，（ii）高计算需求，（iii）跨项目通用性不足，（iv）人为因素及采用阻力，以及（v）缺乏标准化和互操作性。同时，也指出了一些新兴机遇和未来的研究方向：（i）先进的施工现场监控和安全管理，（ii）自动化设计和生成建模，（iii）预测性维护和设施管理，（iv）与机器人技术和自主施工系统的集成，以及（v）智能项目管理和决策支持系统。本研究通过系统地整合当前的方法、挑战和趋势，加深了对深度学习在AEC行业应用的整体理解。它为未来的研究奠定了坚实的基础，有助于克服技术、实际和组织方面的难题，从而支持施工实践向可扩展、智能化和可持续的方向发展。