摘要
包括高速铁路网络、机场、海港和大型城市基础设施项目在内的超级建筑项目，是建筑环境中资源消耗最大的活动之一，它们会产生大量的碳排放并导致持续的环境退化。这些项目面临着复杂的运营挑战：施工周期长、供应链跨越多个大洲，以及涉及数十家承包商的治理结构，所产生的数据量超出了传统静态生命周期评估（LCA）的处理能力。LCA为评估基础设施生命周期内的环境表现提供了一个可靠的框架，但传统的方法仍然过于静态和回顾性，这限制了其在动态、大规模建设环境中的应用。本文提出了一种概念性框架，该框架将预测性机器学习和数字孪生（DT）技术整合到一个基于人工智能的数字化平台中，使LCA成为超级建筑项目的一个持续、实时的决策支持过程。该框架通过系统性的文献回顾（涵盖LCA、数字孪生和机器学习领域）以及一个包含数据采集、AI预测建模、DT同步和交互式报告的四层设计过程得以开发，并最终转化为一个供项目经理使用的六面板治理仪表板。随后通过专家验证问卷对其完整性、一致性和实际可行性进行了评估。该框架目前是一个基于专家验证的预实证设计；下一步研究将包括在真实的超级建筑项目中进行部署和性能测试。
