再也不用担心工地上的危险，人工智能为你保驾护航

建筑行业是个巨大的市场，每年产生的价值高达10万亿美元。然而建筑行业的施工现场安全管理、项目风险带来的财产损失控制一直是困扰整个行业的难题。得益于人工智能技术在计算机视觉、无人机、边缘计算的突破，越来越多的新科技开始被建筑公司应用在施工现场，通过实时的图像检测和数据分析，感测工人与器械之间的意外碰撞、检查300米高空玻璃外墙的严密性、提前预测可能出现的项目延期问题，从而做好应对措施降低风险。

除了案例分析之外，本报告还将深入探讨目前人工智能应用于建筑行业面对的阻力和限制，并展望了行业的未来趋势，帮助建筑行业从业者更好地思考如何有效利用人工智能产生价值。

作者 | Ivan、田辰

一、建筑行业风险控制的市场规模

全球约有7%的劳动力集中在建筑行业，这个市场每年产生的经济效益达到十万亿美元。然而建筑行业一直面临着极高的安全风险，建筑工人的死亡率也要远远超出其他行业平均水准的四倍，施工安全成了工地上最重要、最棘手的管理任务；由于大型建筑器械的出现，从2010年至今每年建筑工人因碰撞致死的事件也上升了34%。另外由于建筑项目的复杂度之高、周期之长，延期交付、超出预算的意外情况也是时有发生，这对于无论是施工方、项目方还是客户方都会产生损失。因此，在每一个建筑项目中，风险控制是极其重要的环节，这涵盖了对建筑质量、施工安全、工程项目时长和支出预算等方面会潜在意外情况的预防和避免。

二、人工智能技术对建筑行业风险控制的影响

目标检测算法：得益于无人机的价格降低和成像质量的提升，建筑公司已经开始使用无人机在空中检查楼房的安全质量。通过目标检测算法，计算机能够在无人机拍摄的高清画面中，探测楼房外墙上任何漏风透水的现象，及时反馈给建筑商河承包商。

目标轨迹追踪：利用工地现场的摄像机和无人机取像，计算机能够实时在3D模型中追踪工人、机械和建筑材料的运动轨迹。当计算机判断出人和机械、或者机械与机械的运动轨迹可能会发生交叉时，计算机会提前发出碰撞预警，帮助工程项目减少因为意外碰撞带来的生命财产损失。

边缘计算：建筑工地因缺乏高速高带宽的网络环境而限制了数据联网、云计算的使用潜力；而建筑工地上人员和机械的操作频繁，这对于计算的实时性的要求很高。像英伟达Jetson这样的边缘智能计算平台能够在在本地完成需要的计算任务、实时返回给操作人员，这对于建筑工地的使用来说至关重要，促进了人工智能技术在建筑行业的深度渗透。

循环神经网络：目前建筑行业普遍开始使用建筑信息模型（BIM）系统来记录建筑三维模型、材料、项目等信息，基于这些数据信息，循环网络技术可以学习历史项目数据，从而更准确地对未来项目进展进行预测、提前预警项目延期的风险，帮助建筑师和项目工程师更准确地把握项目进度。

三、人工智能在建筑行业风险控制中的应用分布

其他周边场景：除了风险控制，在建筑行业中，人工智能技术还被应用在材料运输供应链优化、建筑项目的预算管理、建筑工地使用的机器人研发等场景中。

四、建筑行业风险控制人工智能应用案例

Stanislas Chaillou（哈佛建筑师）：通过700份设计图纸的图片训练出了生成对抗网络模型来设计房屋，能够提供完整的布局、间隔、装饰等细节设计。他的模型可以根据需求提供巴洛克、俄罗斯方块风格、维多利亚、曼哈顿现代都市等建筑风格，还能够根据设计师新输入的房屋参数针对设计进行调整，在考虑安全、建筑面积、房间数量等限制下做出最优的设计。Chaillou目前在和纽约曼哈顿下东区的地厂商合作，将这一技术应用在最新的楼房设计项目中。

Layton：管理着购物中心、酒店、医院和大型体育馆等大型建设项目。Layton的建筑原型设计和方案落地过程中都使用Autodesk的建築信息模型（BIM）来管理三维建筑模型和相关数据，设在这个基础上，他们使用Autodesk的人工智能解决方案Construction IQ来实时读取、分析施工现场的数据。Construction IQ可以基于历史数据预测当前项目需要的时间、帮助管理者更好地计划建筑项目，还能预测危险的施工行为、承包方交接可能出现的问题，通过可视化仪表盘的形式展现给工程项目的管理者，帮助他们及时获取可能出现的事故隐患，从而规避事故风险。

Suffolk：通过分析过去10年的项目工期数据，开发算法来对新的项目进行工期预测。除此之外，Suffolk也通过过去360个项目中收集的70万张图像照片来训练机器学习模型，从而可以基于工地的图像数据预测跌落、撞击等事故风险。这些举措帮助Suffolk的生产效率提升了20%。

Komatsu：在2015年启动了“智慧建筑”项目，通过器械内配备的摄像头和工地现场的无人机采集图像数据，利用英伟达的边缘智能计算平台Jetson建立起工地实时的3D模型、追踪人和器械的实时互动，从而能够对潜在的碰撞危险提出及时警告。目前这套技术已经被应用在了美国4000个建筑工地上。

John Murphy：管理美国迈阿密市中心的一栋58层公寓楼派拉蒙世界中心，传统的玻璃外墙检测需要工人搭乘吊板从楼顶向下在楼外检查，在刮风的天气里会非常危险。John Murphy后来使用大疆无人机检查大楼的幕墙玻璃质量，摄像机可以清楚地捕捉渗漏、透水等问题。无人机还能够在大楼未完工前就开始检查楼内的钢结构铺设情况，在施工过程中就提前发现安全隐患；或是检查像天桥这样显著突出于主楼外墙的结构的安全质量。

五、人工智能在建筑风险控制行业局限性

产业上下游割裂：负责项目决策的地产商和负责建设执行的承包商之间往往缺乏交流、对另一方面对的问题缺乏认知。这导致了行业内对于推进人工智能应用缺乏足够的动力，无形之间形成了很大的阻力，也限制了像项目进度预测。

专业人才匮乏：缺少具备专业人工智能技术和应用经验的人才，对于如何将人工智能项目应用在实际操作过程中，以及如何管理部门之间数据共享的，管理者普遍缺少足够的信息来支持决策，这对于顺利部署人工智能项目会是一个挑战。

资本投入较少：根据数据统计，建筑工程领域对于新技术研发的投入只有总支出的1%，要远远落后于像金融、制造业。这体现了建筑工程领域对于科研投入意识的缺乏

六、人工智能在建筑风险控制行业发展趋势

大量使用机器进行工程建设和管理：目前全球工程建筑行业普遍面对的一个严重问题是招工难及劳动力老龄化的问题，在这个驱使下，我们会看到越来越多的机器人会被投入到工程建设和管理相关的工作中来弥补劳动力短缺的问题。

人工智能在建筑行业的普及将由大建筑公司主导：人工智能技术的应用还属于早期阶段，业界对于新技术的认知和信心普遍较低。在建筑行业内，人工智能技术的应用将很有可能将由大型建筑公司首先推进，通过他们的资源和影响力实现贯穿上下游的技术应用。