下载掌阅APP，畅读海量书库
立即打开
国外对工程项目的智慧化管理也展开了诸多研究和应用探索。相比较而言，国内对工程项目的智慧管理更侧重于对系统整体的规划和应用研究，在项目目标、项目生命周期和项目组织协同智慧管理中，大数据、云计算和物联网等新一代信息技术的系统应用居多，多针对单方面的应用进行系统层面的设计和规划，进度、安全、造价和质量等项目管理目标的研究更多地基于BIM的集成应用和智能管理系统的建设。而国外对工程项目智慧管理的研究更侧重于项目目标、生命周期、组织协同的技术创新性研究。针对项目目标的智慧管理，国外研究多集中在优化、改进工程进度、质量的方法上，从而加强对工程项目的高效智能化管理。在工程施工现场智慧化管理的研究和实践中，国外具有更深入的技术创新研究和更丰富的实践应用，形成了更具系统性的施工现场智慧化管理体系。
结合项目目标和约束，确定工程项目人员、物料、仪器设备和空间位置等近似最优分配方案对项目管理目标的实现具有重要的作用。国外在这一方面的研究相对较少，因此，传统的调度方法或模型往往是一种凭主观经验的管理方式，而不是通过分析真实数据来做出决策。在一个统一的环境中，整合成本、人员、空间、人力、仪器和物资等大多数关键性施工要素的智能调度系统（intelligent scheduling system, ISS）能够借助模拟技术对资源进行分配，并对每个模拟周期中的每项活动的优先等级进行排序，找到近似最优解决方案，有助于项目管理者更高效地拟订最优计划，这种多维度集成的调度系统有效促进了工程建设项目各目标的有效实现（Chen, Griffis, Chen, et al., 2012）。
在进度管理中，尽管项目业主都非常重视项目进度和预算，但超过53%的建设项目存在进度落后，超过66%的建筑项目存在成本超支，部分原因是无法准确掌握项目进度（Han, Degol, Golparvar-Fard, 2018）。BIM-4D模型是使施工计划可视化的具有里程碑意义的强大工具，它的一个重要用途是支持施工操作和进度的实时监控和跟踪。然而，在目前的实践中，由于信息延迟和数据不一致问题，基于文件的BIM-4D模型在及时共享和最新进度信息可视化方面存在局限性。一种由Web和数据库支持的可视化方法，通过所设计的中央数据库结构，能够将每个可视化的BIM对象自动更新，克服了BIM-4D模型信息延迟和数据不一致的缺点，实现施工操作和进度的实时共享和可视化（Park , Cai, Dunston, et al., 2017）。
进度更新被定义为测量项目状态、预测其完成日期以及向项目经理提供关键进度信息的过程。更新后的进度信息有助于项目管理人员评估项目进展，并采取适当的行动，以按时按要求完成项目。在目前的实践中，大多数时间表更新都是手动执行的，需要相当多的时间和精力，并且依赖于主观经验。有研究使用来自建筑工地的三维（3D）点云数据和包括计划时间表的四维（4D）模型，自动更新进度，并向项目经理提供关键的进度信息，有助于实现进度更新过程中所有步骤的自动化。通过自动更新时间表，可以使实践更有效率，并且以可靠和客观的方式执行时间表更新过程（Son, Kim, Cho, 2017）。
有研究基于序列学习和非序列学习（sequence andonsequence learing）的建设项目竣工进度估算新方法，开发了一种新的推理模型，即神经网络—长短期记忆模型（NN—LSTM模型），通过将显著影响项目持续时间和建筑领域固有不确定性的序列因素和非序列因素考虑在内，来准确估计竣工时间。该研究表明，NN—LSTM模型比当前流行的挣值管理（earned value management, EVM）公式更可靠，并在对比测试中证明其优于其他人工智能预测模型。该模型能够为项目经理生成可靠的进度信息，以便准确规划和监测项目的执行情况，从而及时采取补救行动，并促进知情决策（Cheng, Chang, Kori, 2019）。也有研究提出了新的基于几何形状和外观（geometry appearance-based）的推理方法来检测施工进度，即使用总承包商已经收集的可视化数据来进行进度测量。首先，检测BIM元素的构造状态（如进行中、已完成）；其次，通过识别不同的物料类型来捕获具体进度信息。这个模式有两种方法：基于纹理的三维点云推理和基于颜色的激光扫描点云推理，并以两个案例验证了所提方法的有效性和实际意义（Han, Degol, Golparvar-Fard, 2018）。利用视觉数据和BIM的进度监控方法也为工程项目进度管理提供了可靠的手段和方法。
建筑项目中的工作空间被认为是一种资源和约束，也需要在项目进度管理中得到妥善安排。如果没有科学合理的工作空间规划，建筑工地可能会经常发生时空冲突，即同时从事不同作业活动的劳务人员共享一个作业空间，这会严重阻碍施工活动的进行，降低生产效率并影响项目进度目标的实现。对此，国外研究了一种新的四维建筑信息模型（BIM-4D）动态冲突检测和量化系统，用以识别不同活动工作空间之间的冲突并量化其对项目绩效的影响。在不同时间间隔内，基于工人在指定作业空间中的移动路径，定义了4种执行模式，结合4个起始位置，得到16种执行方案。然后通过定量计算冲突对生产效率的影响来评估冲突的严重程度。研究表明，该系统可以更精确地执行冲突检测（Mirzaei, Nasirzadeh, Jalal, et al., 2018），对项目的进度管理具有重要作用，有利于提前进行冲突评估，确保项目进度按计划顺利进行。
安全管理集中在对施工现场的安全监测、识别和预防上。将计算机视觉中的深度学习目标检测算法应用在施工现场管理中，能够自动识别现场的人员是否佩戴安全帽，并对施工现场的监控视频进行自动预警，确保施工过程中的工人安全（Fang, Li, Luo, et al.,2018）。可穿戴传感技术的出现为实时收集和分析工人的安全和健康数据带来了前所未有的机遇，各种可穿戴传感设备，包括运动传感器（如惯性测量单元）和生理传感器（如心率传感器、电热式传感器、皮肤温度传感器、眼睛跟踪器和脑电波监视器）等应运而生，用来检测潜在的安全危险并持续监控建筑工地上工人的安全和健康。这些设备以接近实时的方式捕捉建筑工人的生物数据，是工程项目安全研究领域迅速发展的一个热点。例如，运动传感器（如加速度计和陀螺仪）被用来捕捉工人在工作时即将摔倒和不协调的姿势，腕带式活动跟踪器或智能手表用于监测工人的生理数据，以进行情绪或压力评估等。也有研究探讨了使用可穿戴鞋垫来评估作业工人安全和健康风险水平的可行性，这种评估方式通过穿戴式足底压力检测系统采集加速度和足底压力的分布数据来自动识别与过度劳累相关的建筑工人的身体状况，并基于人体工程学原理来评估工人的安全风险水平。这一研究有助于开发一种可穿戴鞋垫压力系统，用于持续监测和自动识别工人活动，帮助研究人员和安全管理人员识别和评估与过度劳累相关的建筑活动（Antwi-Afari, Li, Umer, et al., 2020）。
危险识别作为风险管理的首要步骤，是减少安全事故和其他相关损失的重要程序。Wang等（2018）研究表明，很大一部分工作场所的危险仍然没有被识别出来，而且识别过程也很耗时。为了提高工作场所危险识别性能，借助等价类变换（equivalence class transformation）算法、变化挖掘（change mining）算法、数据可视化（data visualization）等数据挖掘技术的关联危险预测方法（associated hazard prediction method）应运而生，它通过对历史风险信息的数据挖掘，提取与已识别风险相关的关联规则和变化，进而预测其他关联风险信息，包括类型、概率和变化趋势，以辅助风险识别和管理。一方面，可对相关风险信息进行预测，帮助管理者提高辨识的针对性，从而解决风险识别不完整的问题；另一方面，在数据可视化技术的帮助下，管理者可以直观地了解潜在风险之间的关系，获得更多有价值的信息，以便及早识别和防范风险。Park等（2016）的一项研究集成基于蓝牙低能耗技术（bluetooth low-energy , BLE）的位置跟踪、BIM和云计算等技术，通过定义不安全区域、监控工人的位置以及基于工人对不安全区域的接近程度进行统计分析来自动监控建筑工地的安全状况。其他前沿的信息技术（如建筑信息建模、计算机视觉技术以及数据挖掘和管理等）也不断被用来加强风险检测能力，提高工作效率并有效降低工程施工现场安全事故发生率，提高现场的安全性（Ahn, Lee, Sun, et al., 2019）。
安全管理的另一重要方面是接触碰撞。工程施工现场是动态的信息密集型环境，人员、设备和材料不断流动，在空间固定的施工范围内，如果没有科学合理的现场协调和物流规划，拥挤的工作空间可能会导致各种潜在危险，甚至危及生命（Rashid, Behzadan, 2018）。这些危险的特点是接触碰撞，可能对施工人员的安全和健康构成威胁。位置感知和跟踪技术作为主动安全警报系统的核心，通过对施工资源的位置进行临近性分析，向靠近危险源的工人发出警告，以实现显著减少接触碰撞。Hu等（2020）基于机器视觉（machine vision）的智能安全管理也成为减少施工期间碰撞安全事故必不可少的手段。为防止施工现场工人与机器之间发生碰撞，有研究者基于机器视觉提取与施工现场每个对象的安全评估有关的前兆语义信息（precursor semantic information），设计了实时智能评估系统，使用模糊神经网络评估被监控对象的安全状态，确定影响工人与机器之间交互操作安全性的关键因素，具有较高的跟踪精度和预测精度。同样，Zhang等（2020）基于计算机视觉（computer vision）的技术，为预防碰撞事故提出建筑工人安全评估方法，以监控摄像头为辅助管理工具，利用图像识别技术研究和分析建筑工人和设备空间信息，通过设置安全阈值，使建筑工人对施工环境有更准确的认识，并且可提供更多的建筑安全信息。云计算等技术的发展，以及工作现场智能设备和可穿戴设备的普及，提供了一个将现场人员连接到虚拟模型的绝佳平台，为防碰撞安全事故的前沿研究创造了更多的可能性。
在质量管理方面，已有研究提出了利用传感器系统对工程质量进行检测的概念，包含一系列模块，如设计数据采集、质量目标及检测方案确定、工程施工数据采集与分析、质量缺陷判定和控制等（Akinci, Boukamp, Gordon C, et al., 2006）。
基于RFID技术来积累、管理、监控和共享与工程质量相关的数据，对工程建设质量管理具有重要作用（Wang, 2008）。依靠RFID技术的质量管理系统，能够作为质量数据采集、过滤、管理、监控和共享的平台，将RFID技术与移动互联网和门户网站等信息技术集成，提高了信息流的有效性和灵活性。基于RFID的质量检测和管理系统（RFID-QIM），能够显著加强质量监测数据的自动化采集和信息管理。例如，在桥梁工程的质量管理中，利用RFID技术、无线传感器网络技术和闭路电视系统，可对桥梁主要构件的装配施工和质量安全进行实时监控（Tan, Daamen, Humbert, et al., 2013）。同时，RFID技术、BIM和3D激光扫描技术等也被应用于检测混凝土预制尺寸、表面质量及裂缝问题（Brilakis, Lourakis, Sacks, et al., 2010）。对混凝土的早期抗压强度进行估算，在建筑行业的质量控制中至关重要，具有创新性的物联网（internet of things, IoT）系统，可用于实时监测工程、建筑行业中混凝土的早期抗压强度。该系统由温度传感器和基于云平台的Wi-Fi微控制器组成，使用建立的混凝土成熟度关系（maturity relationship）来预测所选混凝土混合物的早期抗压强度，具有较好的效果（John, Roy, Sarkar, et al., 2020）。
在成本管理方面，近年来，建筑、工程行业越来越多地采用VR工具和应用程序，通过输入数据来创建环境。在建筑领域，针对制定结构化材料选择框架时的广泛材料选择问题，为解决初步设计阶段的设计变更问题，通过在VR环境中使用协作功能使用户能够输入他们的设计偏好，并在VR头盔显示器（HMD）中直观地接收到初步成本变化，进行材料成本估算。用户可以身临其境地与三维模型进行交互，并以可视方式实时接收更新的成本估算（Balali, Zalavadia, Heydarian, 2020）。建筑项目的信息密集型特性要求现场员工能够按需访问建筑项目数据，如平面图、图纸、时间表和预算，准确和及时地识别和跟踪施工组件对保障施工项目成本管理效果至关重要。位置跟踪技术通常分为室内（室内环境中的位置跟踪）和室外（室外环境中的位置跟踪）,Behzadan等（2008）提出将无线局域网（WLAN）应用于室内跟踪并将全球定位系统（GPS）应用于室外空间情景跟踪的技术，并在室内和室外环境中进行了验证，借助AR技术，帮助项目人员轻松便捷地获取项目计划、进度、图表、预算等信息。
由于建筑项目和施工环境的复杂性，需要实行项目的多目标管理和决策，但支持多目标决策并不是一件轻而易举的事情。目前，BIM支持此类流程的能力有限。施工环境影响模拟（simulation of environmental impact of construction,SimulEICon）是一个与BIM集成的软件应用程序，专为辅助建设项目设计阶段的决策过程而设计。该工具能够根据三个目标：时间、成本和环境影响（以二氧化碳排放量为指标），在建筑层，甚至在特定的材料层，找到建筑构件的最佳组合方案，并利用遗传算法进行优化。该工具能够在建筑物级别或仅针对特定构件找到所有组件的最佳组合方案，并在三维或四维模型中实现可视化，以支持决策过程（Inyim, Rivera, Zhu, 2015）。
经验教训系统是将建筑知识纳入建筑项目生命周期各个阶段的重要手段。许多这样的系统是针对所有者组织的特定需求和工作流程定制的，以克服信息收集、文档编制和数据检索方面的困难和挑战。以前的工作主要开发传统的本地数据库或基于网络和基于云的数据库管理系统，以存储和检索以往项目中收集的经验教训。这些经验教训系统独立运行，并且没有充分利用与新兴BIM技术集成的优势，因此很难实现高效、快速地检索重点信息，以便在项目中随时利用以往经验教训，这是工程专业人员面临的一大问题。Oti等（2018）将经验教训知识管理（lessons learned knowledge management）整合到BIM中，通过在BIM环境中嵌入非结构化查询系统NoSQL（MongoDB）来实现集成，以优化项目经验教训信息的存储和管理过程，从而有助于加强知识管理与知识重用（the reuse of knowledge）。经验教训系统可以成为BIM的一个组成部分，有助于增强项目中的知识重用，并为将工程建设过程中的各种信息纳入项目全生命周期的各个阶段提供可能，有利于通过过去的经验教训来加强工程项目管理中的过程管理。
在有效地使用历史数据、提高决策效率方面，Pereira等（2020）利用分布式模拟来提高安全管理系统的决策能力。这种分布式模拟方法主要用于在不修改数据仓库结构（data-warehouse structures）的情况下集成历史数据，将数据连接到基于人工神经网络的分析组件，以确定相关安全措施对事故级别的影响，同时将数据和分析组件连接到现有模拟组件合并输出，从而产生综合安全性能评估，成功地将来自多个来源的数据和分析与模拟组件进行融合和集成，显著提高了成本、人力和时间管理效率。基于分布式模拟的分析方法为工程建设公司更有效地使用历史数据、分析工具和模拟模型提供了很好的技术平台。
物流供应链管理（supply chain logistics management, SCLM）是项目建设过程中的重要环节，但通常存在许多问题。许多研究将SCLM本身视为要进行一系列决策，并将问题归因于流程和信息缺乏同步。现有的基于传感系统的SCLM仍无法实现双向的信息流通。如果没有与其他更智能化的方式进行有效结合，大多数感测系统都无法发挥全部潜力。在前人关于智能建筑对象的研究基础上，一种可增强智能建筑对象的系统能够增强过程和信息的并发性，为构建SCLM提供了更好的决策依据。通过业务流程再造，分析了SCLM现行实践中的问题，提出了支持智能建筑对象的SCLM系统的体系结构并将其开发为原型，在香港离岸预制房屋项目中得到了校准和验证，发现智能建筑对象具有意识、沟通能力和自主性，并内置于智能管理系统中（Niu, Lu, Liu, et al., 2017）。建构SCLM的重点是流程和信息的并发，即在整个SCLM流程中管理信息以支持决策。
现代项目管理中复杂的信息处理任务要求不断做出决策，不断更新项目信息、更新计划。针对这种情况，各种信息和通信技术（ICT）不断得以应用，以解决信息管理问题，促进沟通和协作。
在各种ICT中，BIM使团队能够通过基于模型的协作方法来更好地管理项目。将BIM整合到工程项目生命周期中，有助于实现一种新的项目管理范式，即基于BIM的项目管理（BIM-based project management, BPM）。BPM将工程项目不同阶段的管理需求集成到功能应用程序中，并使用BIM模型实现高效的项目管理（Ma, Xiong, Olawumi, et al., 2018）。在水电项目工程中，利用BIM技术对水电项目建立协作管理的工作模型和协作平台，能够显著改善沟通效果和信息共享水平（Zhang, Pan, Wang, et al., 2017）
用于捕捉工程建设的现场施工情况的数字成像技术的显著进步，促进了其在建筑、工程、施工和设施管理中的广泛应用和普及。Golparvar-Fard等（2011）将BIM模型与工程的竣工效果图相结合，每天从施工现场收集各种照片并生成4D竣工点云模型，将集成的竣工模型半自动叠加到4D-BIM上，通过比较竣工效果图和当前的模拟竣工效果，及时发现绩效偏差。该方法还可以作为远程监控进度、安全、质量控制、现场布局管理的工具，并提高协调和沟通水平。
在建筑领域，随着建筑物的大型化、复杂化，施工项目在确保材料的储存和运输空间方面面临新的挑战。为建立JIT管理环境，根据施工现场的要求，工程部件的状态信息以及交付信息应有效地提供给计划、制造、运输、交付和安装过程中涉及的各参与方。整个供应链中产生的信息应该在一致的信息框架下收集和共享，这就涉及如何高效地实现各参与方之间的沟通协作。许多研究表明，RFID和无线传感器网络（wireless sensor networks, WSN）技术可以加强各参与方之间的协作。
针对动态的供应链环境，需要制定一个统一的信息管理框架，以创建信息共享环境，对供应链中产生的信息进行统一收集、管理、共享。所有参与供应链过程的设备，如搬运机、拖车、闸机和吊机，能够与其他参与者进行通信，包括制造资源计划（manufacturing resource planning, MRP-II）、企业资源计划（enterprise resource planning, ERP）和项目管理信息系统（project management information system, PMIS），为项目利益相关方的决策提供有效信息，实现项目参与者之间的施工现场信息共享（Shin, Chin, Yoon, et al., 2011）。
了解工程部件的生产和交付状态对制定计划和执行施工作业至关重要，利用RFID技术，可以在运输过程中自动跟踪工程构件物流信息。类似的建筑供应链跟踪模型，在提高供应链运行的透明度和效率方面发挥了重要作用（Grau, Zeng, 2012; Xiao, Hinkka, Tätilä, 2013）。
在工程项目施工中，Khalafallah等（2019）开发出了一个评估承包商安全绩效的计算机化平台，能够分析、评估承包商的安全绩效数据，描述当前和过去承包商安全绩效中领先和滞后的安全指标，从组织和项目两个层面进行分析，以相关国际安全标准为衡量指标，筛选出具有更高安全意识的承包商，最终给行业的安全带来重要保障。
项目施工管理是工程建设项目管理的重要组成部分。对施工现场的关键因素进行及时有效的监测和管理，有助于保障工程质量、施工安全、工程进度以及资源的合理配置。典型的施工工作面监控系统包括四个主要功能：位置跟踪、活动识别、活动跟踪和绩效监控（Sherafat, Ahn, Akhavian, et al., 2020）。这些功能可用于确定一段时间内的工作顺序，以及评估工人和设备的健康状况，发现异常情况，有助于及时采取预防措施，尽可能地降低运营和维修成本，缩短停工时间。
施工现场中典型的数据可视化和资源自动化监控由两个层次组成。在第一层，识别并持续跟踪建筑机械和工人等资源的空间位置，并实时描述其移动轨迹，目的是收集施工资源实时的空间位置数据，以供进一步分析。第二层由三个子层组成，第一个子层次是资源活动识别。活动识别是一种试图确定哪种类型的活动正在发生的技术，用来识别不同的工人和机械设备在施工现场同时进行的不同的活动。第二个子层次是活动跟踪，旨在利用上一子层的活动来识别不同时间段的活动并持续跟踪，以便系统能够实时响应。第三个子层次为绩效监控，旨在确定哪些活动已完成并持续监控正在进行的活动的进度。项目绩效控制框架能够将上述两个层次运行的结果（如设备、工人的4D空间位置，活动识别和活动跟踪等）转换为过程控制指标，及时纠正偏离正常工作范围的活动（Sherafat,Ahn,Akhavian,et al.,2013）。机械设备是施工现场的重要资源，加强工程施工现场的机械设施监控和智能化操作运行有助于发现隐患并提高施工效率和生产率。针对重型设备的实时跟踪系统能够对施工现场的工人、材料和机械设备进行定位（Aguilar, Hewage,2013）；实时三维智能扫描系统，能够获取施工现场重型设备及其周围环境的三维数据模型，确保大型设施设备在施工过程中的作业安全和施工效率（Wang, Cho, 2015）；三维的起重机评估系统（3D-CES），实现了移动式起重机运行效果的3D可视化，支持筛选出最高效的起重机操作方案，在确定安全性和生产率的基础上，还可以进行起重机吊装研究期间的起重机吊装时间表，即使在设计变更频繁发生的情况下，3D-CES仍可以通过提供起重机数字举升信息来支持用户设计和选择最合适的起重机操作（Han, Bouferguene, Al-Hussein, et al., 2017）。
在施工现场的环境监测方面，主要是利用先进的自动检测技术有效确保工程施工现场和周边环境的安全，从而提高对项目现场的智慧管理。受限空间（confined spaces）监测系统集成了BIM和无线传感器网络技术，可实时监测施工现场的温度、有害气体成分等环境指标，为现场作业人员提供安全预警（Riaz, Arslan, Kiani, et al., 2014），在确保工人安全和加强环境保护方面起到了重要作用。
