AI：新技术爆点式应用，未来需求增量潜力大
　　人工智能（AI）是利用计算机模拟人类智能行为科学的统称。目前，AI涉及的主要产业结构有：1）应用层：属于场景行业+AI；2）技术层：主要研究通用技术，如图像识别、语音识别、文本识别、自然语言处理等；3）基础层：主要做芯片、云计算、框架等方向。2023年，随着ChatGPT、MidJourney等新技术的爆发，建筑AIGC领域再一次回到视野。未来，随着对新型人工智能深度学习模型的深入研究，有望提升BIM系统的功能。
　　建筑信息模型（BIM）：驱动数字化、智能化转型，基于全生命周期优化全流程
　　 BIM：全生命周期+数字智能化助力行业转型。BIM解决的主要问题是捕捉建筑全生命周期的各类信息，并将各环节打通，从2D（设计图纸）过渡到3D（建筑模型）、4D（拓展至全生命周期）、5D（拓展至成本优化）、6D（打通数据各个环节），以数据进行优化。
　　建筑+AI：大数据+智能“涌现”，可在多领域提供赋能，提高效率降低成本
　　通过BIM+AI，至少可实现以下几个方面的全生命周期应用：1）设计辅助：基于AI识别、分析、优化，通过算力优势对目标设计方案进行大规模生成以方便设计师筛选，以及优化建筑自然通风、舒适度、日光系数、区域照度、空间利用率和视野开阔度等提高舒适度，最终通过决策筛选最佳设计方案；2）施工赋能：施工阶段的质量控制和缺陷识别是保障结构安全性的重要环节，可利用计算机视觉算法对结构表面损伤进行检测，同时由于在此过程中采用了稳定的图像特征分析和提取算法，可以最大程度降低或消除人工检测中主观意识的影响，从而实现检测自动化、智能化，并保证了检测结果的稳定；3）建筑机器人与智能设备：例如智能装备和智能机器人现已广泛应用于预制构件生产工厂等场景，实现了预制构件生产的智能化与自动化；以及对已有对推土机、挖掘机、装载机、压路机等设备的智能化改造，实现自动控制；4）数字孪生：通过数字化技术得到的数字建筑，可将空间位置特性与设备管理、故障处理、物业运营、消防应急等信息高效结合，全面提升建筑运维管理效率。
　　浪潮已至，当全力以赴，持续关注建筑+AI领域新机遇
　　在零碳节能环保需求攀升、智能化数字化建造日益蓬勃的当下，BIM是适应建筑全生命周期数字化管理的有效工具。BIM捕捉建筑全生命周期的各类信息，将各环节打通，以数据对过程进行优化。从“2D”到“6D”，数据打通各个环节，实现全生命周期管理。从设计阶段对建筑风环境、光环境等方面进行模拟、获得最优化的节能布局，以及将BIM数据传递至资产的运营和维护端，实现更高效的项目运行。未来建筑领域BIM与AI有望长效结合，持续助力建筑行业全生命周期产业链发展，在此基础上相关标的均可关注，包括：1）设计咨询头部企业华设集团：围绕“数字设计、数字孪生、智慧场景”，在规划咨询、工程勘察设计、数字智慧、绿色环保等业务领域提供一流的产品和服务，公司子公司江苏狄诺尼发布AIRoad更新，支持输出高清渲染效果图和路线平纵图，AIRoad场景出图实现了设计方案三维模型与设计信息的综合展示，大大提升方案研究、工可及投标阶段的成图效率；2）建筑设计科技龙头华阳国际：公司研发3款产品：云端的SaaS平台CAPOL iBIM、三维协同平台CAPOL 3D、二维协同平台CAPOL 2D，协同运用3款产品可实现多重目标；3）数字建筑平台龙头企业广联达。
　　风险提示
　　1、技术进步不及预期；2、政策支持不及预期。
　　

研究报告全文：联合研究丨行业深度TableTitle建筑AI浪潮已至整装待发丨证券研究报告丨报告要点2023Table年随着SummaryChatGPTMidJourney等新技术的爆发建筑AIGC领域再一次回到视野未来随着对新型人工智能深度学习模型的深入研究有望提升BIM系统的功能通过建筑AI至少可实现设计辅助施工赋能建筑机器人与智能设备智能运维等多重应用场景展望未来建筑BIM与AI联动促进建筑行业信息化建设的结构性机会或值得重视TableAuthor分析师及联系人范超张弛宗建树SACS0490513080001SACS0490520080022SACS0490520030004余庚宗张智杰SACS0490516030002SACS0490522060005请阅读最后评级说明和重要声明231丨证券研究报告丨2023-03-26cjzqdt11111TableTitle2联合研究丨行业深度建筑AI浪潮已至整装待发ATableSummary2I新技术爆点式应用未来需求增量潜力大人工智能AI是利用计算机模拟人类智能行为科学的统称目前AI涉及的主要产业结构有1应用层属于场景行业AI2技术层主要研究通用技术如图像识别语音识别文本识别自然语言处理等3基础层主要做芯片云计算框架等方向2023年随着ChatGPTMidJourney等新技术的爆发建筑AIGC领域再一次回到视野未来随着对新型人工智能深度学习模型的深入研究有望提升BIM系统的功能建筑信息模型BIM驱动数字化智能化转型基于全生命周期优化全流程BIM全生命周期数字智能化助力行业转型BIM解决的主要问题是捕捉建筑全生命周期的各类信息并将各环节打通从2D设计图纸过渡到3D建筑模型4D拓展至全生命周期5D拓展至成本优化6D打通数据各个环节以数据进行优化建筑AI大数据智能涌现可在多领域提供赋能提高效率降低成本通过BIMAI至少可实现以下几个方面的全生命周期应用1设计辅助基于AI识别分析优化通过算力优势对目标设计方案进行大规模生成以方便设计师筛选以及优化建筑自然通风舒适度日光系数区域照度空间利用率和视野开阔度等提高舒适度最终通过决策筛选最佳设计方案2施工赋能施工阶段的质量控制和缺陷识别是保障结构安全性的重要环节可利用计算机视觉算法对结构表面损伤进行检测同时由于在此过程中采用了稳定的图像特征分析和提取算法可以最大程度降低或消除人工检测中主观意识的影响从而实现检测自动化智能化并保证了检测结果的稳定3建筑机器人与智能设备例如智能装备和智能机器人现已广泛应用于预制构件生产工厂等场景实现了预制构件生产的智能化与自动化以及对已有对推土机挖掘机装载机压路机等设备的智能化改造实现自动控制4数字孪生通过数字化技术得到的数字建筑可将空间位置特性与设备管理故障处理物业运营消防应急等信息高效结合全面提升建筑运维管理效率浪潮已至当全力以赴持续关注建筑AI领域新机遇在零碳节能环保需求攀升智能化数字化建造日益蓬勃的当下BIM是适应建筑全生命周期数字化管理的有效工具BIM捕捉建筑全生命周期的各类信息将各环节打通以数据对过程进行优化从2D到6D数据打通各个环节实现全生命周期管理从设计阶段对建筑风环境光环境等方面进行模拟获得最优化的节能布局以及将BIM数据传递至资产的运营和维护端实现更高效的项目运行未来建筑领域BIM与AI有望长效结合持续助力建筑行业全生命周期产业链发展在此基础上相关标的均可关注包括1设计咨询头部企业华设集团围绕数字设计数字孪生智慧场景在规划咨询工程勘察设计数字智慧绿色环保等业务领域提供一流的产品和服务公司子公司江苏狄诺尼发布AIRoad更新支持输出高清渲染效果图和路线平纵图AIRoad场景出图实现了设计方案三维模型与设计信息的综合展示大大提升方案研究工可及投标阶段的成图效率2建筑设计科技龙头华阳国际公司研发3款产品云端的SaaS平台CAPOLiBIM三维协同平台CAPOL3D二维协同平台CAPOL2D协同运用3款产品可实现多重目标3数字建筑平台龙头企业广联达风险提示更多研报请访问1技术进步不及预期2政策支持不及预期长江研究小程序请阅读最后评级说明和重要声明联合研究行业深度目录BIM全生命周期数字智能化助力行业转型6建筑信息化助力行业数字化转型持续渗透可期6Transformer模型点亮AI未来9AI生态下的建筑全生命周期产业链12设计AI识别分析优化促进自动化13施工计算机视觉模型智能机械引领变革16运维聚焦数字孪生为传统建筑运维破局22浪潮已至关注行业机遇27图表目录图1BIM在建筑全生命周期的应用6图2建筑结构与管线碰撞7图3管线与管线碰撞7图4BIM施工进度规划管理7图5设计阶段日照分析8图6设计阶段风环境分析8图7AI智能产业结构9图8TransformerGPTBERT的主要任务场景10图9Transformation模型结构10图10基于Transformer模型开发的GPT模型11图11Transformer模型发展时间线11图12基于Transformer模型开发的GPT模型12图13创乐科技InVix施工场景下AI实时监测12图14文本与图像匹配训练13图15创造分类文本标签与零样本预测13图16Midjourney绘图ForestingArchitecture14图17Midjourney绘图ZAHA风格14图18生成2020个结构形式与标记过程14图19自然通风15图20风环境舒适度15图21日光系数15图22主要区域照度15图23空间利用率15图24视野开阔度15图25楼板结构优化方案16图26细分力图16图27龙门山生物多样性博物馆效果图16图28龙门山生物多样性博物馆风环境分析16请阅读最后评级说明和重要声明431联合研究行业深度图29计算机视觉在土木建筑施工现场应用17图30焊缝识别技术分类18图31主动视觉结构光法原理18图32被动视觉原理18图33基于深度学习的裂缝检测流程图19图34深度学习裂缝检测算法类型可视化结果19图35激光扫描仪20图36三维扫描用于土方工程量统计20图37三维扫描用于古建逆向建模20图38大界钢结构打磨机器人21图39大界钢结构焊接机器人21图40厦门新会展中心项目钢结构穹顶21图41厦门新会展中心项目钢构件智能化生产21图42Concept-X方案概念22图43Concept-X智能施工22图44Concept-X智能控制22图45数字孪生城市运行机理和主要特征23图46智慧平台打通各个专业数据融合集成联动统一管理24图47智慧平台应用于建筑能耗管理24图48智慧平台应用于建筑消防预警25图49智慧平台应用于建筑智能照明25图50智慧平台应用于建筑物业管理26图51智慧运维平台应用案例部分27图52某互通立交正向设计和数字模型28图53华设紫云基建四云七线数字平台产品28图54AIRoad输出高清效果图29图55华阳国际收入情况亿元29图56华阳国际业绩情况亿元29图57公司2015-2019年BIM设计与技术咨询业务收入情况万元及占比30图58广联达部分BIM产品30表1国家出台的BIM相关支持政策8表2BIM的商业模式9表3传统人工焊缝检测与AI智能焊缝检测对比17表4传统建筑运维管理问题22请阅读最后评级说明和重要声明531联合研究行业深度BIM全生命周期数字智能化助力行业转型建筑信息化助力行业数字化转型持续渗透可期BIM是适应建筑全生命周期数字化管理的有效工具根据住建部建筑信息模型应用统一标准BIMBuildingInformationModeling的全称为建筑信息模型具体指在建设工程及设施全生命周期内对其物理和功能特性进行数字化表达并依此设计施工运营的过程和结果的总称由上定义可知BIM的内涵至少包括以下2个方面1全生命周期应用对于建设工程项目一般包括规划设计施工运营维护拆除再利用等多个阶段可通过BIM对每一阶段进行管理2数字化表达项目全生命周期会产生大量信息如建筑结构管线排布机电设备位置等信息BIM采用数字化的方式如三维模型将其捕捉并加以应用图1BIM在建筑全生命周期的应用资料来源四川省交通勘察设计研究院有限公司长江证券研究所BIM解决的主要问题是捕捉建筑全生命周期的各类信息并将各环节打通以数据对过程进行优化建筑工程项目在运行过程中会产生大量数据而传统的工程组织结构和流程无法对这些数据进行精准和及时的捕捉因而效率的提升主要依赖人的经验通过BIM对数据进行集成打通建筑全生命周期的各个节点相比于传统工程组织方式BIM至少在以下方面能够做到更优化12D到3D减少图纸碰撞碰撞指建筑的某些部件存在空间重叠的情况传统建筑设计采用二维图纸可视化程度不佳各专业协同不足容易出现此类问题通过BIM对建筑进行三维建模可以更加直观地对碰撞进行检查及时发现并解决问题请阅读最后评级说明和重要声明631联合研究行业深度图2建筑结构与管线碰撞图3管线与管线碰撞资料来源tuituisoft官网长江证券研究所资料来源tuituisoft官网长江证券研究所23D到4D对全生命周期的各阶段进行模拟和规划4D指在3D基础上增加时间维度因而可以对整个生命周期进行捕捉如在设计建模完善之后可根据结构及所需物料进行施工模拟制定施工方案进度规划通过模拟降低资源冲突施工变更的可能图4BIM施工进度规划管理资料来源筑龙长江证券研究所34D到5D优化和控制建设成本5D在4D基础上增加了成本属性如工程所需物料价格人力成本信息等根据BIM提供的建筑模型和施工进度规划可对成本进行精确度量进而评估项目收益请阅读最后评级说明和重要声明731联合研究行业深度45D到6D数据打通各个环节实现全生命周期管理例如在设计阶段利用BIM中的勘察数据对建筑风环境光环境等方面进行模拟以获得最优化的节能布局将BIM数据传递至资产的运营和维护端可更高效地支持项目运行图5设计阶段日照分析图6设计阶段风环境分析资料来源GreenBrick環境研究室长江证券研究所资料来源GreenBrick環境研究室长江证券研究所强化建筑工程各节点的数据捕捉更好地指引生产和运营是建筑业现代化发展的大趋势政策上也对BIM开展了各项鼓励措施包括定量指标要求各项标准的制定完善以及发展规划等2015年住建部关于推进建筑信息模型应用的指导意见提出到2020年末以下新立项项目勘察设计施工运营维护中集成应用BIM的项目比率达到90以国有资金投资为主的大中型建筑申报绿色建筑的公共建筑和绿色生态示范小区并在整个十三五期间进行了大量标准编制工作如建筑信息模型应用统一标准建筑信息模型分类和编码标准建筑信息模型施工应用标准建筑信息模型设计交付标准建筑工程设计信息模型制图标准等一系列标准表1国家出台的BIM相关支持政策时间政府单位类型名称主要内容到2020年末建筑行业甲级勘察设计单位以及特级一级房屋建筑工程施工企业应掌握并实现BIM与企业管理系统和其他信息技术关于推进建筑信息模型应用的指导意的一体化集成应用到2020年末以下新立项项目勘察设计施2015住建部政策见工运营维护中集成应用BIM的项目比率达到90以国有资金投资为主的大中型建筑申报绿色建筑的公共建筑和绿色生态示范小区2016住建部标准建筑信息模型应用统一标准继续推进BIM技术应用标准的编制工作结合物联网云计算大2016住建部政策2016-2020建筑业信息化发展纲要数据等新技术在建筑行业的应用研究制定相关标准2017住建部标准建筑信息模型施工应用标准加快推进建筑信息模型BIM技术在规划勘察设计施工和运2017国务院政策关于促进建筑业持续健康发展的意见营维护全过程的集成应用实现工程建设项目全生命周期数据共享和信息化管理2018住建部标准建筑信息模型分类和编码标准2018住建部标准建筑信息模型设计交付标准2018住建部标准建筑工程设计信息模型制图标准推进BIM技术集成应用支持推动BIM自主知识产权底层平台软件住房和城乡建设部工程质量安全监管2019住建部政策的研发组织开展BIM工程应用评价指标体系和评价方法研究进司2019年工作要点一步推进BIM技术在设计施工和运营维护全过程的集成应用建筑信息模型BIM技术在工程设计生产和施工领域得到推广应2022住建部政策十四五住房和城乡建设科技发展规划用资料来源政府官网cecs长江证券研究所请阅读最后评级说明和重要声明831联合研究行业深度商业模式方面目前处于发展早期变现方式多样化BIM技术可通过多种方式实现变现如最为基础的翻模收费基于BIM的设计收费BIMEPC工程管理BIM相关咨询服务软件相关费用等表2BIM的商业模式BIM的商业模式BIM的商业模式1翻模7企业级BIM咨询2BIM培训8项目级BIM咨询3基于BIM的设计9BIM软件代理4EPC总承包模式10基于BIM的云平台大数据服务5BIM软件开发11可视化的建筑物交易平台6BIM-FM平台开发及应用12基于BIM的工业化预制资料来源BIM的商业模式张江波长江证券研究所Transformer模型点亮AI未来人工智能AI是利用计算机模拟人类智能行为科学的统称AI训练计算机使其能够完成自主学习判断决策等人类智能行为目前AI涉及的主要产业结构有1应用层属于场景行业AI如智能医疗智能安防智慧教育智能工厂智能家居等可以将AI应用到所在行业2技术层主要研究通用技术如图像识别语音识别文本识别自然语言处理等其中AI的通用技术离不开机器学习和深度学习3基础层主要做芯片云计算框架等方向图7AI智能产业结构终上端层解决方案医疗国防公安教育交通工业型应产品分子图像识别系统无人驾驶汽车智能问诊医生产用品技通用能力NLP图像识别知识图谱ARVR术平算法模型CNN聚类马尔科夫链强化学习过台技术框架TensorFlowPytorchDopaminecaffe2程型数产据大数据数据资源数据平台数据采集端品基础算力云计算GPU计算平台层资料来源光环国际长江证券研究所Transformer是一类由一些架构特征定义的深度学习模型首次出现在谷歌研究人员于2017年发表的著名论文AttentionisAllyouNeed中最初的Transformer是为语言翻译而设计的特别是从英语到德语但是通过原先的研究论文就可以看出该架构可以很好地推广到其他语言任务这一特别的趋势很快就引起了研究界的注意研究者发现它们能够快速适应其他任务也就是迁移学习在语言模型领域中基于transformer模型开发的GPT模型近期爆火同样基于此模型的BERT模型在语义分析句子预测和实体识别等任务中达到了业界里顶尖的效果请阅读最后评级说明和重要声明931联合研究行业深度图8TransformerGPTBERT的主要任务场景资料来源壁仞科技研究院长江证券研究所Transformer模型的结构由以下几个部分组成1编码器encoder和解码器decoder编码器接收输入序列并生成序列的高效表示解码器接收编码器的输出并生成最终的输出2多头注意力Transformer模型使用了多头注意力机制以计算序列中各个位置之间的关系3Feed-Forward层Transformer模型还包括一个或多个全连接的Feed-Forward层用于对序列数据进行非线性转换4残差连接和归一化Transformer模型使用残差连接和归一化以提高模型的效果并防止过拟合5预训练语言模型Transformer模型可以通过预训练语言模型来提高其在自然语言处理任务中的效果图9Transformation模型结构资料来源AttentionisAllyouNeedAshishVaswanietal2017长江证券研究所GPT模型是基于纯解码器的Transformer自生成语言模型近来在文字生产领域大红大紫的GPT模型就是采用了Transformer解码器的结构其核心思想是通过使用市面上存在的大量文本数据例如小说教科书贴吧论坛开源代码等内容进行无监督预训练再根据具体任务输入少量的标签数据进行监督学习目前GPT-3模型规模已经达到了惊人的1750亿参数能让人类无法识别出是否是AI生成的文字还能生成请阅读最后评级说明和重要声明1031联合研究行业深度非常成熟且高效的代码但其背后的底层结构还是来自于Transformer模型图10基于Transformer模型开发的GPT模型资料来源壁仞科技研究院长江证券研究所在过去的几年中Transformer模型经过不断开发拓展已经可以应用于不同的领域在Transformer模型设计之初被应用于的自然语言模型领域该模型目前可用于机器翻译文本预测文本生成文本分类句子关系分析等功能此外在自然语言模型领域之外Transformer模型可以用于声音识别识别语音中的单词和语句可以用于时序预测预测未来的事件可以用于计算机视觉进行图像分类目标检测等任务总的来说Transformer模型因其优秀的迁移学习能力而在多个领域得到广泛应用图11Transformer模型发展时间线资料来源TRANSFORMERMODELSANINTRODUCTIONANDCATALOGXavierAmatriain2023长江证券研究所Transform模型在计算机视觉领域的应用有望拓展BIM功能受到Transformer论文中使用自注意力机制来挖掘文本中的长距离相关依赖的启发很多计算机视觉领域的任务提出使用自注意力机制来有效克服卷积归纳偏差所带来的局限性在目标检测视频分类图像分类和图像生产等多个领域Transformer模型都带来了长足的进步甚至超越该领域SOTA解决方案的效果在ImageTransformer论文中使用基于Transformer模型的算法计算得生成的图片可以很好的预测图片的像素值未来随请阅读最后评级说明和重要声明1131联合研究行业深度着对Transformer模型的深入研究有望提升BIM系统的功能图12基于Transformer模型开发的GPT模型资料来源ImageTransformerNikiParmaretal2018长江证券研究所AI生态下的建筑全生命周期产业链建筑业一直是数字化进程较慢的行业AI有望重塑建筑设计建造与运营方式AI之中机器学习作为一个重要子集可以通过整合海量的数据信息管控制造施工过程由于建筑行业本身的复杂环境建筑业的数字化进程和汽车等制造业相比进展缓慢Bim的落地深度学习的不断优化促使AI逐步渗透进建筑项目的全生命周期之中包括设计采购施工运营资管商业模式等方面其中生成式设计提供更广阔优质的筛选模型智能机器人可以更精准定位定时定速设备机器风险监控可以有效实时检测现场风险并提高施工安全系数同时促使场外操作施工运维成为可能图13创乐科技InVix施工场景下AI实时监测资料来源创乐科技InVix官网长江证券研究所2023年随着ChatGPTMidJourney等新技术的爆发建筑AIGC领域再一次回到视野研究历程上看AIGCAIGeneratedContent领域最先记录的数据格式即文本与2D图像这意味着可以将建筑学中的文本和图像进行解码编码记录建筑中的各个节点信息解码编码的过程即建筑语义提取神经网络自动编码的过程其中文本到图像的研究始于2015年前后技术转折发生在2022年OpenAI的DALL-E2Google请阅读最后评级说明和重要声明1231联合研究行业深度Brain的Imagen和StabilityAI的StableDiffusion逐渐接近真实照片和人类绘画的质量其所共用的都是预训练模型ContrastiveLanguage-ImagePretrainingCLIP发布于2021年1月CLIP采用transformer文本编码器可以计算图像和文本的语义向量的相似程度将图像用文本描述出来图14文本与图像匹配训练图15创造分类文本标签与零样本预测资料来源OpenAI官网长江证券研究所资料来源OpenAI官网长江证券研究所设计AI识别分析优化促进自动化介入到建筑方面AI对建筑尤其是设计领域的辅助作用逐渐显现传统建筑设计行业的问题日益显现业主方和设计人员需要多轮次沟通和反复修改才能达成相对满意的设计方案设计本身需要考虑的维度很多随着零碳减排的国家要求逐步落实和精细化设计的市场需求转变设计要纳入更多元的角度统筹方案布局调整优化的实时检测与修正基于此AI识别AI分析AI优化是设计领域重要的技术布局AI识别2022年5月MidJourney技术爆发MatiasdelCampoDanielKoehler等人开始发布基于该技术的设计作品6月底上海DigitalFUTURES上ZHACODE导师们分享了基于MidJourney的方案生成现阶段有两种图像生成框架1扎哈事务所的方案生成方式为已有某种rule-based3D模型生成方法随机生成方案将方案的截图导出到CLIP模型中转换成语义向量人为手动输文本信息例如我想要扎哈风格的酒店文本信息被CLIP转换成语义向量两个语义向量进行对比遗传算法优化迭代完成设计2佛罗里达大学的一项研究中研究人员首先用他们事先有的CEM方法随机生成400个结构形式来构成数据集通过人工标注建立NLP技术和CEM一种基于图形静态的找形方法之间的关系最后建立生成对抗网络GAN可以通过输入的文本预测建筑结构形态在最终的生成模型中生成对抗网络GAN的搭建具有极高的完成度摆脱了既有的rule-based的结构生成算法没有走遗传算法优化的路请阅读最后评级说明和重要声明1331联合研究行业深度图16Midjourney绘图ForestingArchitecture图17Midjourney绘图ZAHA风格资料来源lab-eds官网长江证券研究所资料来源bloomberg官网长江证券研究所图18生成2020个结构形式与标记过程资料来源Enhancingstructuralform-findingthroughatext-basedAIenginecoupledwithcomputationalgraphicstaticsZifengGUOKarlaSALDANAOCHOAPierluigiDACUNTO长江证券研究所AI分析基于对项目的有效识别针对住宅商场等常用民用建筑类型基于绿色低碳与居住舒适度的评估标准具体将从自然通风舒适度日光系数区域照度空间利用率和视野开阔度六个科技维度对户型进行评估并将评估结果以二维图纸三维模型的方式进行可视化呈现在应用层面上可以协助客户进行项目方案量化分析比如通过对房企全线住宅产品的评估可以得到不同价值评估系数协助房企提升产品品质请阅读最后评级说明和重要声明1431联合研究行业深度图19自然通风图20风环境舒适度资料来源xkool官网长江证券研究所资料来源xkool官网长江证券研究所图21日光系数图22主要区域照度资料来源xkool官网长江证券研究所资料来源xkool官网长江证券研究所图23空间利用率图24视野开阔度资料来源xkool官网长江证券研究所资料来源xkool官网长江证券研究所AI优化是基于前序识别与分析后的进一步寻优迭代即基于已有内容重新生成更优的成果结构优化上一个机器学习模型被训练并用作一个快速评估器以帮助进化算法找到最优设计评估和优化结构性能和可施工性从而在几乎无限的解空间中找到最佳的解决方案在实际项目操作过程中根据不同方式生成组件和特定的数据结构通过多目标迭代优化算法来寻找更好的建筑设计变体在短时间内验证和评估设计方案生成的组建模块可以包括自动生成模块建筑物生成图底生成景观生成交通体系生成数据分析请阅读最后评级说明和重要声明1531联合研究行业深度模块视野分析结构合理性分析场地舒适度分析空间群集实用工具模块设计变体性能评估风模拟在布局阶段根据具体项目要求引入不同设计理念测试多种布局找寻最合适的方向图25楼板结构优化方案图26细分力图资料来源GeneratingandOptimizingaFunicularArchFloorStructureZheng资料来源GeneratingandOptimizingaFunicularArchFloorStructureZhengHaoWangXinyuQiZehuaSunShixuanAkbarzadehMasoud长江证券HaoWangXinyuQiZehuaSunShixuanAkbarzadehMasoud长江证券研究所研究所图27龙门山生物多样性博物馆效果图图28龙门山生物多样性博物馆风环境分析资料来源xkool官网长江证券研究所资料来源xkool官网长江证券研究所施工计算机视觉模型智能机械引领变革计算机视觉让机器用眼睛理解施工计算机视觉ComputerVision是研究如何采用机器看的科学通过对采集的图片或视频进行处理以获得相应场景的三维信息让计算机能感知环境其应用范围覆盖航空航天医疗诊断土木建筑等各个领域请阅读最后评级说明和重要声明1631联合研究行业深度图29计算机视觉在土木建筑施工现场应用资料来源创乐科技公司官网长江证券研究所计算机视觉为结构施工质量的检测方式创造新的可能钢结构和钢筋混凝土结构作为土木工程领域最主要的两种结构形式其施工阶段的质量控制和缺陷识别是保障结构安全性的重要环节由于图像捕捉到的视觉信息与人员观测到的场景信息相似可利用计算机视觉算法对结构表面损伤进行检测同时由于在此过程中采用了稳定的图像特征分析和提取算法可以最大程度降低或消除人工检测中主观意识的影响从而实现检测自动化智能化并保证了检测结果的稳定具体而言包括以下场景1钢结构焊缝连接质量检测钢材焊接本质上是一个很复杂的过程其中一个或者几个变量出现波动均会使得焊接后的焊缝几何尺寸不符合要求或者表面出现咬边焊瘤弧坑等缺陷这些缺陷轻则影响结构美观重则导致重大事故发生计算机视觉作为一种非接触性检测方式具有高灵敏高精度等特点在焊缝质量检测中得到了广泛应用根据数据统计传统人眼检测的焊点不合格检出率为65而AI智能检测的焊点不合格检出率高达98表3传统人工焊缝检测与AI智能焊缝检测对比传统人工焊缝检测AI智能焊缝检测事后处理实时自动专岗人员检查AI智能检测质检数据不可追溯分析检测结果可长期储存并分析资料来源上海西信科技股份有限公司长江证券研究所焊缝成形尺寸测量一般基于主动视觉完成最常用的手段是线性结构光测量即首先由请阅读最后评级说明和重要声明1731联合研究行业深度激光发射器发射出具有特定形状的结构光到需要被测量的物体表面之后摄像机将投射在物体表面的结构光进行采集并进行一系列后续处理可以得到被测物体的三维坐标和形状特征焊缝表面缺陷检测一般基于被动视觉来实现即直接模拟工人视角来对焊缝表面缺陷进行检测从而获得大量的焊缝表面信息图30焊缝识别技术分类资料来源基于机器视觉的焊缝识别研究现状与发展趋势张帆等长江证券研究所图31主动视觉结构光法原理图32被动视觉原理资料来源基于机器视觉的焊缝识别研究现状与发展趋势张帆等长江证券资料来源基于机器视觉的焊缝识别研究现状与发展趋势张帆等长江证券研研究所究所2混凝土结构表面裂缝识别混凝土是一种由水粗细骨料胶凝材料拌和养护而成的人工石材常由建筑工人在施工现场拌合浇筑操作不当易出现质量问题比如在材料方面可能出现水灰比颗粒级配使用不当等情况在浇筑方面可能出现浇筑速度养护温度不合规定等问题最终混凝土出现裂缝对结构安全产生隐患请阅读最后评级说明和重要声明1831联合研究行业深度基于计算机视觉的结构裂缝检测技术在近年迅速发展已有大量研究者采用基于传统图像处理技术和基于特征的机器学习方法对结构裂缝进行提取和分析但由上述视觉方法获取的裂缝检测数据常包含大量噪声严重影响检测结果的可使用性因此目前深度学习方法已被引入裂缝视觉检测领域用以取代传统图像处理技术和基于特征的机器学习技术实现多场景下土木基础设施裂缝的高精度检测图33基于深度学习的裂缝检测流程图资料来源基于深度学习的土木基础设施裂缝检测综述邓露长江证券研究所图34深度学习裂缝检测算法类型可视化结果裂缝图像级分类裂缝补丁级分类裂缝检测裂缝分隔资料来源基于深度学习的土木基础设施裂缝检测综述邓露长江证券研究所三维扫描深度融合BIM创造建筑的数字世界三维扫描技术以激光测距原理为基础快速获取物体表面大量而密集的点的坐标等信息请阅读最后评级说明和重要声明1931联合研究行业深度相当于一个高速测量的全站仪其成果表现为点云数据与全站仪相比三维扫描可自动化地快速测量海量的点在常规方法需要较多控制点的异形结构测量中可大大提高测量效率同时与设计模型不同点云数据真实反映了扫描对象的状态包含制造误差施工误差结构变形等信息三维扫描技术在施工中的具体应用包括以下方面图35激光扫描仪资料来源法如FARO公司官网长江证券研究所1深化设计以先期施工的土建点云模型为依据得到修正后的BIM模型随后进行机电幕墙等深化设计可减少因施工误差引起的结构碰撞2变形监测通过定期连续的扫描工作可获得被监测结构在不同时间的几何信息进而获取被监测结构的变形情况例如基坑沉降监测建筑变形监测和挡土墙位移监测等3质量检查通过对比点云模型与BIM模型可测量出实际结构和设计图纸间的误差从而进行施工质量如平整度和垂直度检查高精度的三维扫描还可用于缺陷检查如外保温系统空鼓脱落等问题4进度控制三维扫描技术可以进行现场土方量等工程量的统计并可与BIM模型结合确定各个施工阶段的工作量通过连续定期扫描以控制施工进度5既有结构改造修复三维扫描技术可在既有结构设计图纸缺失的情况下通过逆向工程方法得到既有结构的BIM模型进而为既有结构改造修复提供依据图36三维扫描用于土方工程量统计图37三维扫描用于古建逆向建模请阅读最后评级说明和重要声明2031