大数据在建筑和城市工程领域的应用及发展综述.doc

1、1大数据在建筑和城市工程领域的应用及发展综述摘要： 随着信息技术的高速发展和数据资源的快速增长，大数据技术已经开始应用到我们生活的方方面面，改善了我们的生活质量。近年来，大数据技术也在建筑和城市工程领域发挥着重要作用，提高建筑业的信息化水平，促进建筑业的发展。本文首先介绍大数据的概念、特征及应用的关键步骤，然后基于学术期刊的视角分析大数据在建筑和城市工程领域的应用现状，并在此基础上总结大数据技术的价值，提出发展建议：解决数据不足的难题；实现智能化；打造智慧城市。 Abstract： With the rapid development of information technology and

2、 the rapid growth of data resources， big data technologies has been applied to all aspects of our lives and it improves the quality of our life. In recent years， big data technologies are also becoming an important role in construction and urban engineering. It is important to improve its informatio

3、n level and to promote the development of construction industry. This paper firstly introduces the concept， characteristics and key steps of big data technologies， then analyzes the application status of big data in construction and urban engineering based on academic journals， finally summarizes th

4、e value of big data and puts 2forward proposals for the development of big data： solve the problem of insufficient data； realize intelligent construction； create smart cities. 关键词： 大数据；建筑和城市工程；应用；建议 Key words： big data；construction and urban engineering；application；proposal 中?D 分类号：TP274 文献标识码：A 文章编

5、号：1006-4311（2017）04-0205-03 0 引言 近年来，随着互联网、云计算、物联网等新兴技术的快速发展，全球数据量正以前所未有的态势高速增长，给各行各业带来了严峻的挑战和宝贵的机遇，由此，我们正式步入了大数据时代。大数据已经应用到了我们生活的方方面面，改变了我们的工作、生活方式，改变了企业的管理运营理念和组织业务流程，从根本上提高了我们的生活质量。在大数据时代，建筑和城市工程也是大数据技术的主要应用领域。在整个建造和运营过程中，建筑业会产生大量的数据，比如工程的结构数据、成本数据、能源数据、进度数据，以及建筑工人的行为数据等。据估算，一个建筑项目从设计开始到竣工结束，可以产生

6、 27T 的数据。建筑领域如此巨大的数据资源为大数据的应用提供了良好的基础。然而，由于建筑业本身的固有特性，比如数据的难收集性、各类数据的孤立性，导致大量的数据并没有真正地流动起来。因此，本文有必要探讨现如今大数据技术在建筑和城市工程的应用现状，总结大数据的应用价值，提出发3展建议。 1 大数据 1.1 大数据的概念 对于大数据的概念，目前企业和学术界尚未形成公认的定义。根据维基百科的定义，大数据（big data）指无法在一定时间范围内用常规软件工具进行捕捉、管理和处理的数据集合。研究机构 Gartner 认为，大数据是需要新处理模式才能具有更强的决策力、洞察发现力和流程优化能力的海量、高增

7、长率和多样化的信息资产。 大数据技术需要大量的数据资源，通过获取、存储、管理和分析大量数据，挖掘数据的内在联系，从数据中提炼有价值的信息。如果把大数据技术类比为一个产业，初始的数据资源就是产品的原材料，而大数据技术就是“加工”的过程，即把原材料“加工”成最终有价值的产品，实现价值增值。 1.2 大数据的特征 大数据与“海量数据”不同，不仅要求数据量大，而且具有数据形式复杂、处理速度快等特点。目前，对大数据特征较为统一的认识是 4V特征：数据规模大（Volume） 。伴随着信息技术的高速发展，我们可以获取和处理的信息数据越来越多，正因如此，我们可以通过大数据技术去挖掘数据间更真实、更精确的内在联

8、系，发现有价值的信息。数据种类繁多（Variety） 。数据的形式不仅包括传统的表格文本，也包括了地理位置信息、图片、音频、视频等，由此对数据处理技术也提出了更高的要求。数据处理速度快（Velocity） 。数据规模快速激增，数据又4具有很强的时效性，如果不能快速处理，数据会失去有效性，处理的结果也会是过时和无效的，因此，大数据技术要求快速、持续地处理数据。数据价值密度低（Value） 。虽然数据规模庞大，但是数据中有很多没有意义或者是错误的信息，相比于总体数据量，有价值和有意义的数据占比相对较低，因此，如何从大量数据中提取有价值的信息是大数据时代亟待解决的难题。 1.3 大数据分析的关键步骤

9、 大数据技术就是通过数据采集、存储、处理、分析等技术，将大量的原始数据转化成有效和有价值的信息，从而实现信息价值增值的过程。大数据分析包括数据准备、数据分析和呈现两个部分，具体有以下几个步骤（如图 1 所示）：数据清理（清除不相关或有错误的信息） ；数据集成（可以组合多个不同的数据源） ，信息产业中一个流行的趋势是将数据清理和数据集成作为预处理步骤，并将所得到的数据存储在数据仓库中；数据选择（从数据库中检索与分析相关的数据） ；数据转换（通过执行汇总或聚合操作，将数据转换、合并为适合挖掘的形式） ，有时，在数据选择步骤之前执行数据转换步骤；数据挖掘（这是一个重要的过程，通过运用智能算法，挖掘和

10、提取数据间的关系模式） ；模式评估（验证所提炼出的数据模式的有效性和准确性） ；信息呈现（通过可视化的方法将挖掘到的信息呈现给用户） 。 2 大数据在建筑和城市工程领域的应用现状分析：基于学术期刊的视角分析 随着大数据技术在建筑和城市工程领域的推广和普及，建筑业和学术界都对大数?有了深入地研究和应用。然而，全面收集大数据的实践5应用案例存在一定难度，并且获得信息不完善。因此，本文从学术期刊的视角分析大数据技术在建筑和城市工程领域的应用状况，从而推断大数据技术的实际应用现状。本文从学术期刊中选取 16 个研究案例，概括和总结了 16 个大数据技术的主要应用，如表 1 所示。 从表 1 中可以看出

11、，大数据技术可以应用于建筑的规划、设计、建造、运营阶段，以及应用于打造智慧城市。具体如下： 2.1 建筑规划阶段 在规划阶段，大数据技术可以用于建筑成本估算。例如，Jafarzadeh1从 158 个地震多发的公立学校建筑中收集收据，利用人工神经网络方法预测抗震改造建筑成本，帮助建筑从业人员更好地进行成本估算。 2.2 建筑设计阶段 在设计阶段，大数据技术可以用于建筑碰撞检测。例如，Wang2利用数据挖掘技术分析 BIM 模型中碰撞问题相关的历史数据，确定机械、电气和管道设计碰撞冲突的解决办法的可行性，帮助提高项目绩效。 2.3 建筑建造阶段 在建筑物的建造过程中可以产生大量数据，例如建筑人员

12、行为数据、施工进度数据、资源配置数据等。因此，建造阶段是大数据技术的主要应用领域。应用方面如下：安全。例如，Cheng3利用数据挖掘分析建筑职业事故数据库，探索台湾建筑业中职业事故的原因和分布，发现跌倒和倒塌是产生职业伤害的主要因素。劳动生产率。Desai4从一家印度建筑公司的 27 个项目中收集数据，利用大数据决策树方法分析和6评估建筑业的劳动生产率，可以帮助用户更好地预测劳动力需求。施工周期。例如，Siu5利用大数据的回归技术对高架桥项目数据进行分析，预测建筑项目的施工周期时间，促进项目绩效的提高。资源配置。例如，Chen6利用 BIM 模型和遗传算法优化施工顺序，开发成本-时间综合计划系

13、统。由于所得的时间表与项目成本相结合，项目规划人员可以很容易地检查指定时间段的相关资源和成本，从而优化项目的资源和成本配置。施工废弃物。例如，Lu7通过对香港 2011 年和 2012 年连续两年 5764 个建筑项目产生的 200 多万个废弃物处置记录进行数据挖掘，重新审视和完善了衡量施工废弃物管理性能的关键指标，同时为决策者、承包商、研究人员和其他利益相关者提出了加强施工废弃物管理的建议。延期交付。例如，Sambasivan8利用大数据技术分析马来西亚建筑业延期交付的具体原因和影响，研究了延期交付的原因和影响之间的关系，帮助从业人员更好地了解项目管理动态，并减少延误的发生。法律。例如，Ma

14、hfouz9以纽约联邦法院的案例为基础，利用支持向量机（SVM）自动提取案例中法官作出裁决所依据的潜在法律因素，由此减轻法律冲突对建筑行业的负面影响。 2.4 建筑运营阶段 在建筑生命周期中，营运阶段也是大数据技术应用比较集中的一个领域。应用方面如下：能源。例如，Chiang10利用大数据技术开发数据融合平台，将 BIM 模型与能源消耗数据集合起来，可以让居民以更具互动性的方式看到电力消耗的时间、地点以及潜在的节能建议。质量管理。例如，Huang11研究地震或长期环境退化对建筑结构的影响，7利用贝叶斯数据分析方法来计算建筑结构刚度的下降，提出了建筑结构损伤检测和评估方法，提高项目质量管理。设备

15、管理。例如，Taneja12通过大数据技术，评估射频技术（RFID） 、WiFi（WLAN）和惯性测量组合（IMU）三种定位技术在建筑设备管理中是否适用以及适用程度，从而为更好地进行建筑设备管理提供建议。 2.5 智慧城市 智慧城市就是利用先进的信息技术，实现城市智慧式管理和运行，进而为人们创造更美好的生活，促进城市的和谐、可持续成长。大数据技术可以在智慧城市的构建中发挥重要作用。应用方面如下：交通规划。例如，Zheng 13通过收集 3 万多辆出租车的移动轨迹数据，利用数据挖掘技术评估和分析现有城市道路交通有效性和不足之处，例如城市中的新建道路和地铁线路，从而为政府和建造商更好地规划和建设城

16、市交通提供参考。城市功能区。例如，Yuan14通过出租车的轨迹数据，即乘客的上车、下车的地点信息来提取不同时间段人的移动性数据，利用数据挖掘技术，分析和识别城市的不同功能区域（例如，文教区域、商业区域、旅游景点区域） ，从而为政府和建造商更好地进行城市规划和城市建设提供参考。商业选址。例如，Karamshuk15从纽约Foursquare 中收集大量用户的流动性数据，通过数据挖掘技术分析零售店的流行程度，从而为商业选址提供位置建议。城市能源消耗。例如，Zhang16通过收集装有 GPS 的出租车的运动轨迹数据，利用数据挖掘技术分析加油站的排队时间和总体油量需求，可以优化加油站位置布置的效率。

17、8据表 1 的文献，我们也可以总结现阶段大数据技术应用的三个主要特征： 现阶段大数据技术主要应用于建筑物的建造和运营阶段，智慧城市的应用还相对较少。主要原因是现阶段绝大多数的城市规划和发展还不够完善，同时大范围采集大量有效数据难度较大，从而不能为数据挖掘提供很好的数据基础。但是智慧城市可以改善人们的生活质量，是未来的发展方向，因此，大数据技术在智慧城市领域拥有很大的发展空间。分类器方法是大数据技术应用最多的方法之一，包括人工神经网络方法、决策树方法、支持向量机、贝叶斯方法等。分类器方法适用于很多应用的分类模式，可以高效处理大量数据，准确挖掘数据间的内在联系和关系模型。同时，随着深度学习和人工智

18、能技术的快速发展，分类器方法在建筑领域有更广阔的发展前景。 数据不足仍然是大数据应用的主要限制因素。原因是物联网和传感器技术的发展还并不完善，我们很难实时获得大量有效数据。因此，如何收集大量数据是大数据技术发展亟待解决的重要问题。 3 总结及发展建议 虽然大数据技术在建筑和城市工程领域应用时间不长，但是已经获得建筑业和学术界的高度认可和广泛应用。主要原因是大数据技术具有以下几个应用价值：大数据技术可以挖掘数据间的内在联系和?P 系模型，从而为用户决策提供有价值的信息；大数据技术可以优化建筑资源配置，降低建筑成本，提高建筑绩效，从而创造大量的价值和财富。 9由于大数据技术在建筑和城市工程领域还处

19、于初期发展阶段，因此，大数据技术还有以下几种发展趋势和方向：解决数据不足的难题。现如今，数据不足是大数据应用的主要限制因素。通过大力发展物联网和传感器技术，高效获得大量高质量的数据，从而为大数据技术提供充分、有效的数据资源。实现智能化。充分利用人工智能、深度学习等高新技术，实现建筑领域的智能化管理和运营，如自动监控建筑进度等。打造智慧城市。智慧城市是未来发展的重要方向，但现阶段大数据技术在该领域的应用相对较少。因此，大数据应当与智慧城市高度结合，优化城市规划，例如探索房价的变动趋势及原因、优化土地资源分配、完善基础设施建设等。 参考文献： 1R.Jafarzadeh，J.M.Ingham（20

20、14） Application of artificial neural network methodology for predicting seismic retrofit construction costs. Journal of Construction Engineering and Management vol140. 2L.Wang，F.Leite（2013）Knowledge discovery of spatial conflict resolution philosophies in BIM-enabled MEP design coordination using da

21、ta mining techniques： a proof-of-concept. In： Proceedings of the ASCE International Workshop on Computing in Civil Engineering，pp419-426. 3C.-W.Cheng，S.-S.Leu（2012） Applying data mining techniques to explore factors contributing to occupational 10injuries in taiwans construction industry. Accident A

22、nal Prevent 48：214-222. 4V.S.Desai，S.Joshi（2010） Application of decision tree technique to analyze construction project data. In： Information Systems， Technology and Management，pp304-313. 5M.Siu，R.Ekyalimpa（2013） Applying regression analysis to predict and classify construction cycle time. Computing

23、 in Civil Engineering（2013） ，pp669-676. 6Y.-J.Chen，C.-W.Feng（2011） Using BIM model and genetic algorithms to optimize the crew assignment for construction project planning. Int.J.Technol 3：179-187. 7W.Lu，X.Chen（2015） Benchmarking construction waste management performance using big data. Resour Conse

24、rvat Recycl 105：49-58. 8M.Sambasivan，Y.W.Soon（2007） Causes and effects of delays in Malaysian construction industry. Int. J. Project Manage 25：517-526. 9T. Mahfouz，A.Kandil（2010） Construction legal decision support using support vector machine （svm）. In： Proc. of the CRC 2010： Innovation for Reshaping Construction，pp879- 88. 10C.Chiang，T.Ho（2015） A BIM-enabled platform for power consumption data collection and analysis. Comput Civil