迈向可持续建筑:基于视觉的实时监测、评估与管理系统

《Environmental Impact Assessment Review》:Toward sustainable construction: A vision-based real-time monitoring, assessment, and management system

【字体: 大 中 小 】 时间:2026年07月15日 来源:Environmental Impact Assessment Review 12.2

编辑推荐:

  敖森|洪图岩|舒苏|景峰源|Miroslaw J. Skibniewski中国南京东南大学土木工程学院建筑与房地产系 摘要 可持续建筑需要在经济效益和环境性能方面实现有效控制,尤其是在建筑成本和温室气体排放方面。然而,目前的做法往往缺乏实时、数据驱动的框架来动态评估正在进行的建

  敖森|洪图岩|舒苏|景峰源|Miroslaw J. Skibniewski中国南京东南大学土木工程学院建筑与房地产系

摘要
可持续建筑需要在经济效益和环境性能方面实现有效控制,尤其是在建筑成本和温室气体排放方面。然而,目前的做法往往缺乏实时、数据驱动的框架来动态评估正在进行的建筑活动所带来的经济和环境影响。本研究提出了一种基于视觉的系统,能够实现对建筑成本和温室气体排放的实时监测、评估和管理,从而推动低碳且资源高效的建筑实践。本研究主要有三方面的贡献:(1)为解决特定领域训练数据匮乏的问题,构建了一个涵盖12类对象的全面真实建筑资源数据集;(2)设计了一种模块化的视觉分析框架,能够实时将监控视频数据转化为定量的成本和温室气体排放指标;(3)整合了基于挣值管理的偏差诊断机制,能够在资源和活动层面将实际表现与预算预期进行对比,从而在建筑过程中实现有针对性的干预。在某个真实建筑项目上的实验验证表明,该系统具有较高的检测精度(mAP@0.5 = 92.5%)、快速的处理速度(714 FPS)以及近乎即时的输出速度(5秒内),不仅大大减少了人工工作量,还提升了决策效率。所提出的方法为将智能视觉感知技术与可持续建筑管理相结合提供了切实可行的途径,为建筑行业的智能化和绿色转型提供了实用工具。

引言
气候变化和全球变暖增加了建筑行业所承担的环境责任。根据联合国环境规划署的报告(U.N.E. Programme and Y.C. for E.+ Architecture, 2023),建筑行业占全球能源需求的34%以上,到2022年,其温室气体排放占比约为37%。在建造、运输、施工和安装等不同生命周期阶段,建筑行业产生的温室气体排放占总量的22.7%,且在短时间内排放强度很高(Kim et al., 2015; Chantrelle et al., 2011; Lou et al., 2025)。随着全球对低碳发展的推动,控制建筑行业温室气体排放以及时采取缓解措施的重要性日益凸显(Zhang and Zhang, 2023; He et al., 2025; Sun et al., 2026)。此外,建筑行业的升级往往受到成本管理方面延误和不准确问题的制约。一项调查显示,东亚地区有22%的建筑工程出现成本超支的情况(Andri? et al., 2019)。为确保项目成功,相关方需要合理管理预算并密切关注成本结构(Sampson Igwea et al., 2022)。因此,建筑成本和温室气体排放是评估项目可持续性表现的两个关键因素,对其实施有效管理至关重要。

在“建筑5.0”理念的推动下,建筑行业正朝着更加可持续的实践和技术进步方向发展。“建筑5.0”被视为下一个发展时代,旨在将先进的自动化和信息技术融入建筑管理中,以提高经济效益和环境可持续性(Jiang et al., 2024)。建筑5.0的一个关键方面在于利用实时数据优化施工流程,并在出现偏差时及时采取干预措施(Ohueri, 2026)。研究表明,实时监测和反馈有助于承包商及时采取措施纠正偏差,有可能将成本降低13.7%,温室气体排放降低4.7%(Yao et al., 2025; Rao et al., 2022)。不过,实时监测仍然面临诸多挑战。

为监测建筑成本或温室气体排放,人们已经探索出了多种解决方案。早期的方法主要依赖于手工数据收集,比如记录材料使用情况和设备运行状况(Sampson Igwea et al., 2022; Abdi et al., 2018),或者从施工图纸和供应商数据中提取信息(Demiralp et al., 2012)。然而,手工数据收集因其劳动强度大且效率低而受到批评,因为它要求数量测量员跟踪大量且种类繁多的现场资源,同时还容易出错(Omar and Nehdi, 2016)。后来,一些研究开始采用物联网技术,一定程度上解决了上述问题(Liu et al., 2025)。物联网系统通过在设备(Liu et al., 2020a)、材料(Teizer et al., 2020)以及整个施工现场(Hong et al., 2020)安装传感器来收集实时数据,从而显著提升了建筑管理的效率(Grau et al., 2012)。然而,物联网的实际应用往往受到传感器安装和维护成本高昂的限制(Pal et al., 2023)。此外,需要部署大量传感器进一步加剧了经济负担,从而限制了它们的广泛应用。

随着智能技术的快速发展,计算机视觉已成为实时数据收集的一种极具前景的替代方案(Liu et al., 2020a; Wang et al., 2024)。与手工方法和基于物联网的方法相比,计算机视觉更省力、成本更低,而且更容易在复杂且资源密集的建筑环境中应用(Wang et al., 2021a; Tien et al., 2020; Tien et al., 2021)。对于那些由于预算限制而难以采用昂贵传感器网络的新兴经济体和发展中地区来说,这种成本效益尤为重要(Li et al., 2026; Reja et al., 2024; Pal et al., 2025)。在这些地区,利用现有的施工现场监控基础设施,无需巨额资本投入即可实现建筑管理的数字化,这是一条可行的路径(Zhou et al., 2025; Farkhondeh and Maghrebi, 2025)。近年来,基于视觉的方法已被应用于建筑管理中的各种与可持续性相关的任务,如人员监管(Zhang et al., 2024a)、材料追踪(Chen et al., 2024)以及废物识别(Driouache et al., 2024)。这些应用展示了计算机视觉从现场图像中提取有用信息以用于特定管理目的的潜力。尽管取得了这些进展,但基于视觉的方法在实时监测建筑成本和温室气体排放方面的应用仍较少。其中一个主要障碍是缺乏涵盖与可持续性评估相关的关键建筑资源和活动的全面真实数据集。虽然之前的研究(Ying et al., 2023; Kim et al., 2024; Ding and Luo, 2024)试图通过利用仿真环境生成的合成数据来解决数据匮乏的问题,但这些研究主要侧重于场景理解或总体生产力分析,而非成本和排放的综合监测。此外,这类合成数据往往无法体现实际施工现场的复杂性、多变性和噪声,这可能导致模型性能出现偏差,其在实际应用中的适用性也有限(Paproki et al., 2024)。另外,虽然已经建立了用于一般建筑管理任务的基于视觉的框架,如安全监测(Reja et al., 2024; Pfitzner et al., 2025; Wei et al., 2023)和进度跟踪(Chou et al., 2025; Mei et al., 2024),但目前还不存在一种完善的视觉分析框架,能够将这些视觉检测结果转化为可用于评估经济和环境影响的定量且可操作的指标。这一特定的缺陷严重限制了计算机视觉在以可持续性为导向的建筑管理流程中的整合应用。

为应对这一挑战,本研究提出了一种基于视觉的系统,能够实现对建筑成本和温室气体排放的实时监测、评估和管理。该系统利用实时视觉数据,有助于及时且准确地采取干预措施,符合“建筑5.0”的目标,同时也有助于提升经济效益和环境性能。本研究的主要目标如下:
•开发一种专门为建筑应用设计的基于视觉的模型,包括一个涵盖12种常见建筑资源的真实世界数据集,利用该数据集对卷积神经网络进行训练和验证,然后将模型部署在施工现场的摄像头上,以实现對建筑活动的实时监测。
•设计一种模块化框架,能够通过直接处理使用基于视觉的方法收集的施工现场视频流,实时动态地评估建筑成本和温室气体排放,从而在整个施工过程中实现持续且准确的评估。
•采用挣值管理方法,实时将实际成本和温室气体排放水平与项目预算水平进行比较,并在施工过程中同步生成影响评估结果,以便为承包商提供有针对性的建议,帮助其制定有效的成本节约和减排策略。

所提出的系统借助先进的计算机视觉技术,实现了对建筑项目的实时监测、评估和管理。这种方法有助于加强成本控制,并推动温室气体排放的减少。本文的其余部分结构如下:第2节回顾相关研究;第3节阐述研究方法;第4节通过一个真实建筑项目对所提出的系统进行验证;第5节讨论该系统的优势,并将其与手工方法进行比较;最后,第6节总结全文,介绍本研究的主要贡献、局限性以及未来的研究方向。

章节节选
建筑成本与温室气体排放评估
以往的研究主要集中在施工前和施工后的成本及温室气体排放评估上(dos Santos and da Silva Rêgo, 2025; Gao et al., 2024; Sharma et al., 2021)。施工前的评估方法是根据施工文件和结构特性中所反映的资源消耗情况来估算潜在的成本和温室气体排放量(Zhang and Zhang, 2023; Choi et al., 2021)。例如,Kamazani和Dixit(Kamazani and Dixit, 2023)利用相关系数估算了建筑产品的隐含能量和温室气体排放量。

框架
本研究提出了一种基于视觉的、用于成本和温室气体排放实时监测、评估管理的系统。该系统由三个主要组成部分构成,如图1所示。
•基于视觉的实时监测:利用卷积神经网络处理来自施工现场的监控视频流,识别出包括工人、材料和机器在内的不同建筑资源。经过训练的模型随后被部署在施工现场的摄像头中,实现逐帧分析。

实验环境
所提出的系统在一个真实的建筑项目上进行了实验验证。图9(a)展示的是用于验证实验的位于江苏省南京市的一栋预制剪力墙结构住宅楼。该建筑的长度为57.80米,宽度为15.65米,总建筑面积为599.72平方米。建筑的一侧面临街道,在施工期间只有运输车辆可以通行。

重要贡献
本研究在将计算机视觉技术应用于可持续建筑方面做出了三项重要贡献:
•构建了一个全面的真实世界数据集,涵盖了12种常见的建筑资源,包括工人、材料和机械设备。利用该数据集,训练出了一个卷积神经网络模型,能够从施工现场的视频流中识别和分类建筑活动。与以往依赖合成数据或模拟数据的研究不同,该数据集反映了实际的施工现场状况,因此……

结论
本研究提出了一种基于视觉的、用于成本和温室气体排放实时监测、评估管理的系统。该系统利用安装在施工现场的监控摄像头,能够实时监测和分析12种类型的建筑资源,包括工人、材料、现场机械以及运输车辆。这些资源会在不同的施工活动中被持续跟踪,该系统表现出极高的性能(mAP@0.5值为92.5%,处理速度为714 FPS)。

利益冲突声明
作者声明没有已知的可能影响本文所述工作的竞争性财务利益或个人关系。

致谢
本研究得到了江苏省碳排放达峰与碳中和创新科学基金(项目编号BE2022606)、国家自然科学基金(项目编号72371072)以及东南大学大数据计算中心的支持。在此,我们要感谢王书义和肖扬工杰在数据集构建过程中给予的帮助。

术语表
术语含义
ACWP:已完成工作的实际成本
AEWP:因已完成工作而产生的实际排放量
AP:平均精度
APi:第i类对象的平均精度
BCWP:已完成工作的预算成本
BEWP:因已完成工作而产生的预算排放量
BIM:建筑信息模型
CMAC(T):截至时间T的现场机械累计成本
CMAT(T):截至时间T的材料累计成本
CNN:卷积神经网络
CNY:人民币
CO2e:二氧化碳当量,具有与另一种温室气体相同全球温变潜力的二氧化碳排放量
CPI:消费者价格指数
相关新闻
生物通微信公众号
微信
新浪微博

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号