东南大学学报·自然科学版杂志投稿格式参考范文：建筑工程标准数字化与智能化：现状与未来

　　建筑业是我国国民经济的重要支柱产业，然而传统粗放型发展模式带来资源能源消耗剧增、质量安全风险提升等问题，制约其可持续发展。在此背景下，借助新兴数字化技术推动建筑业转型升级成为必然选择。建筑工程标准规范是行业经验的重要体现，对保障建筑工程全生命周期的安全性、可持续性和舒适性至关重要，是确保建筑业高质量发展的关键依据。在规划设计阶段，基于相关标准的设计图纸审查是保障建筑质量安全的关键;施工运维阶段，安全隐患识别排查、质量验收及合同管理等环节也依赖标准规范的约束。

　　随着建筑信息模型(BIM)、人工智能等先进信息技术和建筑机器人的推广应用，探索智能建造新模式成为建筑业转型升级的重要战略举措。但当前标准规范主要以文本形式呈现，面向人工解读，存在查询检索困难、人工校核低效等问题，难以满足未来人机协同场景的需求。因此，实现建筑工程标准规范的数字化发展，推动其机器可读、高效推理与融合计算，构建兼顾人工阅读与机器推理的标准规范新形态，对推动建筑业数字化转型与智能建造发展意义重大。建筑工程标准数字化的总体目标是通过数字技术提升标准的可读性、可理解性、可计算性和可操作性，实现标准内容的智能化检索、自动解译与协同化编制，促进标准信息在建筑工程各环节的无缝集成与应用。

　　近年来，学者们结合自然语言处理(NLP)、大语言模型(LLM)等人工智能技术，在标准规范知识提取、条文解译及设计审查等方面进行了诸多探索，有力推动了标准规范数字化的发展。本文旨在综述国内外工程标准数字化的研究进展，提出建筑业标准数字化发展的分级模型，系统总结标准数字化关键技术的研究现状与未来趋势，明确面临的关键挑战，为未来建筑业标准规范的数字化与智能化发展提供建议。

　　1 研究思路

　　本文首先围绕建筑业标准数字化的关键技术，在 Web of Science 和 CNKI 数据库中对相关论文进行调研分析和筛选。接着，结合国内外现有研究中对标准数字化发展阶段的分级标准，提出面向建筑业的标准数字化分级模型。随后，对筛选后的 60 篇论文和相关报道进行分类总结，分为标准数字模型、标准内容数字解译技术、新型编制技术、机器语言标准生成技术、标准推理校核技术及应用 5 个部分，详细阐述各部分关键技术的研究成果和应用现状。最后，总结建筑业标准规范数字化发展的未来趋势及面临的挑战。

　　2 标准数字化发展的分级模型

　　标准数字化的发展是一个分阶段推进的过程。目前，工程建设领域已形成结构复杂、内容丰富、体量庞大的标准体系，建立分级模型有助于清晰划分发展阶段，为标准数字化发展提供明确的阶段目标。

　　国际标准化组织(ISO)和国际电工委员会(IEC)建立的机器可读标准分级模型应用广泛。该模型中，0 级标准以纸质文档形式存在;1 级将纸质文档转换为 PDF 等开放数据格式;2 级 “机器可读” 阶段，重点对电子文档中的标准内容进行结构化处理;3 级 “机器可执行” 阶段，进一步深化电子文档内容处理，通过语义化增强机器对标准内容的理解和应用能力;4 级 “机器可决策” 阶段，旨在实现标准内容的自主学习和预测功能，提升机器的智能水平和决策支持能力。ISO 将自身标准数字化水平定义在 “机器可读” 阶段，借助可扩展标记语言(XML)实现标准内容的结构化，以快速识别与检索标准内容。

　　但上述分级模型侧重于电子文档的格式和结构化程度，3 级和 4 级界限不够明确，且缺乏对建筑工程领域实际应用和相关数据模型集成的说明。因此，本研究结合现有研究中对机器可读标准分级模型的表述，考虑建筑工程领域知识和 BIM 等多源异构数据集成、专业性强、关联性强等特点，提出更具体的分级模型，并明确各级别的关键支撑技术和典型应用场景，以更好地适应建筑业标准数字化的发展需求。

　　0 级阶段的标准主要表现为纸质文档和扫描图片，方便人类阅读，但计算机无法检索和查询。1 级阶段的标准呈现为 TXT、CSV 等纯文本格式和 PDF、Docx 等可移植文档格式，能够实现基础的内容检索，方便跨平台文件预览。2 级阶段利用 XML、JSON 等文档结构化描述语言对标准内容进行章、节、条、款的拆分，可实现文档级别的基础问答和标准间的关联挖掘，但无法识别条文语义。3 级阶段在 2 级基础上融合领域知识，实现条文内容的语义标注和语句解析，可用于条文之间的语义关联关系识别和消歧，但无法进行复杂规则推理。4 级阶段以融合 BIM、点云数据以及其他相关数据模型的信息平台为主要表现形式，能够生成机器可解析的代码，实现标准语义和不同数据模型之间的对齐，应用于面向机器的标准推理和校核等场景，但复杂场景推理仍需人工干预。

　　在工程建设领域，目前已制定并投入使用的工程标准，其电子化呈现(1 级阶段)已较为成熟，正逐步向 2 级和 3 级阶段过渡。当前研究重点在于标准内容的数字解译技术，以及构建领域标准条文库、语义常识库、机器规则库，实现条文的高级检索应用。同时，在工程标准制定与修订环节，融合人工智能的标准新型编制技术，以及结合既有标准条文库、语义常识库实现相关标准内容的检索、查重、智能辅助编写与标准知识库更新，也是未来标准数字化的重要方向。此外，面向计算机与机器人等机器推理与应用需求，研究机器规则语言的自动生成与高效推理校核技术，实现标准的机器可读与高效推理。

　　结合以上分析，本研究提出标准数字化关键技术体系框架，该框架覆盖存量标准智能解译、增量标准智能编制与标准多场景应用 3 个方面，具体包括标准数字模型、标准内容的数字解译技术、新型编制技术、机器语言标准生成技术、标准推理校核技术及应用 5 个部分。其中，标准多场景应用涵盖机器语言标准生成和标准推理校核。标准数字模型是标准内容数字解译、新型标准编制、标准多场景应用的基础，而标准内容的数字解译结果、新编的数字化标准、生成的机器语言又不断扩充标准数字模型。标准内容的数字解译是生成机器语言的基础，生成的机器语言和新编的数字化标准直接应用于标准的推理校核，标准推理校核过程中又可不断完善生成的机器语言，服务于新型标准的编制。以《建筑设计防火规范》(GB 50016—2014)的数字化转换为例，在标准数字模型阶段需构建领域本体模型;标准内容数字解译阶段通过文档扫描、图像处理等技术将标准转换为结构化文本并识别条文;新型编制技术阶段基于知识库智能推荐条文;机器语言生成阶段将逻辑表达式转化为可执行代码;标准推理校核阶段基于代码规则在 BIM 模型中检查防火隔墙布置是否符合规范要求。

　　3 标准数字化关键技术

　　3.1 整体框架和思路

　　标准数字化关键技术体系框架中，标准内容的数字解译技术流程包括文档内容识别、章节解构、条文分类、知识抽取、规则解译和知识融合。在文档内容识别阶段，将纸质或 PDF 格式的标准文档转换为可处理的电子文本;章节解构阶段，利用正则表达式等技术识别文档的层次结构，生成结构化文档;条文分类阶段，基于定义的条文分类标准对条文进行智能分类;知识抽取阶段，识别标准中的实体概念及其关系;规则解译阶段，将抽取的知识转换为形式化规则;知识融合阶段，对抽取的知识中存在的不一致进行冲突消解。标准数字模型是基础，为其他技术提供支持;新型编制技术辅助标准制定，提高编写效率和质量;机器语言标准生成技术将数字解译后的条文内容转换为机器语言，实现标准的自动推理与校核;标准推理校核技术及应用则确保建筑项目符合规范要求，贯穿建筑全生命周期。

　　3.2 标准数字模型

　　在工程建设领域，构建标准数字模型是实现标准数字化转型的基础。其核心是实现自然语言文本、工程语义特征及机器可读规则语言的结构化及形式化表示，并提供与 BIM、点云、图像等多模态数据的融合及语义映射机制，以形成一个完备、统一、通用的标准数字化框架，兼顾人类便捷阅读使用需求与机器高效读取推理需求。

　　数字标准模型的发展始于 Level 2 阶段，此阶段主要基于正则表达式匹配，采用 XML、JSON、RASE 等标记语言，对标准文档章、节、条构成及层级关系进行结构化描述，相关技术已相对成熟。Level 3 阶段的标准模型进一步融合领域知识，结合语义网技术形成领域知识图谱，目前研究主要集中在这一阶段。Level 4 阶段的数字标准模型构建仍有待深入探索。

　　本体及语义网技术通过机器可理解的统一信息描述来共享领域知识，基于 RDF 框架、OWL 本体语言等可以定义和表示建筑工程标准概念之间的类别、属性和关系，以结构化的形式存储和组织大量领域知识。例如，本体可以定义防火门的概念、属性及与其他概念的关系，RDF 框架通过三元组形式描述标准知识，OWL 可在 RDF 基础上表达更复杂的约束和推理规则。以本体为模式层扩展实例层领域知识，可形成领域知识图谱，将碎片化的领域知识融合成高度关联的结构化知识。语义网及知识图谱等技术广泛用于解决建筑业数字化转型升级中的知识表示难题。不同标准数字模型各有特点与适用场景，XML/JSON 通用性强但缺乏语义表达能力，适用于文档结构化存储;RASE 逻辑结构清晰但表达能力有限，用于简单规则提取;本体语义表达丰富但构建成本高，适用于知识形式化表达;知识图谱知识关联完整但维护更新复杂，用于知识推理应用。

　　为明确标准规范相关知识的概念层次结构，增强表达推理能力，本体概念逐渐应用于标准规范中的知识组织。众多学者针对不同工程领域构建了知识图谱或本体架构，如刘江波针对盾构施工规范构建两级知识图谱架构，刘广宇等建立公路工程安全领域的知识本体架构，Jiang 等构建建筑安全标准知识图谱，Xu 等建立地下基础设施领域特定本体，Zheng 等构建建筑消防安全领域本体等。此外，一些领域特定的形式化语言和语义标签也被提出用于表达规范文本的语义结构特征。但目前工程建设领域尚未形成统一的大规模标准数字模型，相关研究存在规范条文覆盖范围有限、数据集规模较小以及难以处理标准中的图片、公式、表格等问题，难以实现规范内容的完全机器推理与高效应用。

　　3.3 标准内容的数字解译技术

　　工程建设领域存量纸质标准的数字化转换是当前标准数字化的迫切需求之一，本研究将其定义为标准内容的数字解译技术。

　　文档内容识别技术：标准数字化的首要步骤是对纸质标准进行文档扫描和图像处理，识别并转换为电子文档。常采用光学字符识别(OCR)技术，其处理流程包括预处理、文字区域检测和文字识别。预处理通过降噪、倾斜校正等操作，传统方法常使用灰度化、二值化，基于深度学习的方法则聚焦于图像增强。文字区域检测通过版面分析将文档图像分为纯文本、标题、表格、图片等。文字识别方面，传统模板匹配方法运算效率低，基于卷积循环神经网络(CRNN)等深度学习模型可实现高精度识别。然而，OCR 识别面临重叠、模糊等成像问题，且标准规范包含多模态数据，其内容完整识别更加复杂困难，未来需进一步发展文档识别技术。

　　章节解构技术：章节解构的重点是从文档中提取层次化结构。标准正文按章、节、条、款、项划分层次，其编号具有规范性和统一化特点，有利于通过编写正则表达式实现章节解构，将非结构化文本转换为 XML、CSV 等格式并基于知识图谱存储。但正则表达式编写依赖人工，适用范围有待扩大。Bartoli 等探索的基于用户示例自动合成正则表达式的系统，其性能、效率和泛化能力仍需提升。

　　条文分类技术：对标准条文进行分类可为标准知识抽取奠定基础。我国学者已对建筑工程领域的标准分类体系展开研究，提出多种分类方式，但目前缺乏通用的分类体系框架。自动化条文分类技术可提升处理大量条文的效率，早期文本分类方法依赖人工定义规则和统计学习，基于深度学习的方法需将自然语言文本表示为向量，常用词袋模型和词嵌入模型，再利用卷积神经网络(CNN)、循环神经网络(RNN)等模型训练。近年来，预训练的深度学习模型如 BERT 应用广泛，LLM 在少样本训练下的文本分类任务中表现卓越，但在建筑工程领域标准条文自动分类中的应用研究较少，分类结果的可靠性和适用性需进一步验证。

　　知识抽取技术：知识抽取是从文档内容中抽取出知识实体和特征的过程，命名实体识别(NER)和关系抽取(RE)是关键任务。NER 用于识别非结构化文本中的实体及概念，RE 则进一步抽取实体之间的语义关系构建三元组知识。传统 NER 方法基于预定义规则或字典，简单易用但泛化性能差;基于机器学习的方法依赖序列标记模型，处理大规模数据有优势但存在特征提取误差传播问题。深度学习技术的应用提高了 NER 的准确性，如 Lample 等提出的 LSTM 和 CRF 混合架构，Zhou 等通过 BERT 微调实现规范条文高效语义标注。关系识别方法与实体类似，目前缺乏面向建筑工程标准知识抽取的大规模开放数据集，限制了模型训练，实现知识抽取全流程自动化较为困难。LLM 为 NER 和 RE 任务提供了新解决方案，但在建筑工程领域的应用尚处于起步阶段，准确率有待提高。

　　规则解译技术：规则解译旨在将标准条文的自然语言表达转换为规则代码，现有研究主要集中在基于正则表达式的模式匹配方法，但该方法构建和维护成本高，通用性低，难以处理复杂条文。上下文无关文法(CFG)具有更强的表达能力，可根据知识抽取结果生成树结构，更准确地捕捉复杂语法结构，如 Zhou 等基于 CFG 实现了知识表达形式的转换。未来仍需探索涉及复杂数学运算或高阶逻辑条文的解译方法。

　　知识融合技术：由于标准规范中的概念和关系可能存在不一致，且不同标准文件描述相同概念的词汇不同，因此需要对抽取的知识进行融合。语义对齐方法主要有基于规则的方法、监督学习方法、无监督学习方法。基于规则的方法通过字典查找和字符串匹配算法度量相似性，依赖人工定义冲突解决规则库，构建融合 BIM 等数据模型的本体也可提供支持，但人工投入大。神经网络模型如 IPTransE 迭代对齐模型可计算实体间相似性实现知识融合，但仍需大量人工准备训练数据集。无监督方法如词嵌入模型在数据准备阶段人工工作较少，可处理大规模标准规范，但当前研究主要集中在文本数据语义对齐，针对建筑工程特点实现多模态数据语义对齐与知识融合仍需更多探索，未来需建立统一本体框架，探索基于深度学习的多模态数据融合方法。

　　3.4 新型编制技术

　　在建筑工程领域，目前我国工程建筑工程标准制定主要依赖领域专家人工编写，存在表达多样、易出错、编制周期长、难以智能应用等问题。为解决这些问题，需探索机器辅助编写的自动化方式，提高编写效率，减少人为错误，优化标准制定流程。机器辅助编写可快速处理和检索大量数据，提供决策支持，通过提供编制模板和协同编制平台，减少重复性工作，降低沟通成本，直接编制机器可读标准，提高标准制定和应用效率。对于新增工程标准，依托协同编制平台集成智能检索、问答、推荐、辅助生成等功能，可优化标准制定流程，直接制定机器可读标准，这是实现标准数字化的重要需求。

　　在标准规范编写过程中，需从大量既有规范条文中检索相似条文，进行语义挖掘，避免条文冲突。这一过程主要基于知识图谱和文本相似语义计算模型实现，传统的基于统计、机器学习和深度学习的语义相似计算模型被广泛应用。在法律领域，已有平台可基于关键词实现相似案件智能推送，但精确度有待提高。在建筑工程领域，住房和城乡建设领域法规标准知识服务平台实现了标准在线阅读、版本对比功能，中建八局的方案人工智能审核平台可实现相似施工方案智能检索推荐。然而，目前面向标准协同编制的相关平台和系统研究仍停留在基于关键词的智能推荐阶段。检索增强生成(RAG)融合了 LLM 强大的语言生成能力与高效的外部信息检索机制，可提升 LLM 性能，已有研究者关注知识图谱与 LLM 的协同效应，探索将知识图谱结构化信息与 LLM 对自然语言的理解和生成能力融合，实现标准规范内容的智能检索应用，未来需进一步探索基于标准数字模型的智能检索通用技术路径。

　　此外，标准化人员编写机器可读标准存在困难，协同编制平台需提供标准编写模板支持机器可读标准条文自动生成，但目前这方面探索较少。国家标准馆自主研发的标准智能编写系统可根据用户输入生成符合排版规范的标准，但在实现标准条文内容精准自动生成方面仍有局限。建筑工程领域的协同设计平台已有所发展，但面向领域标准的协同编制平台仍需探索创新，建立成熟、可复制的新型标准协同编制解决方案。

　　3.5 机器语言标准生成技术

　　机器语言是计算机可执行的代码，将数字解译技术处理后的自然语言条文内容转换成机器语言，是实现标准的机器自动推理与高效校核的基础。目前常用的标准条文机器语言表达方式包括基于 XML 格式的 XMLCheckset、面向本体的 SWRL 规则语言、语义网数据查询的 SPARQL 语言、逻辑编程语言 B-Prolog 等，领域特定语言(DSL)也可用于表示规范条文，增强表达专业性。但目前尚未形成统一的机器语言表示方法，如何面向不同应用场景和规范条文实现灵活表达仍需进一步探索。

　　3.6 标准推理校核技术及应用

　　在工程建设领域，标准校核是确保建筑项目符合规范要求的关键环节，标准校核需要贯穿于建筑全生命周期，包括立项审批阶段建设许可证的颁发，设计阶段的智能审核，施工阶段的进度跟踪等。技术层面，标准的结构化存储和检索主要基于 GraphDB、Neo4j 等图数据库，相关知识的推理与规则的校核则主要基于 Pellet、Jena Apache 等推理引擎实现。同时，通过人工编写软件的内嵌规则或计算机语言代码，以实现各类标准校审应用也是当前常用技术方案之一。

　　当前标准校核推理的应用主要聚焦于设计、施工 2 个阶段。其中，设计阶段标准校核技术以智能审图或 BIM 模型审查为主，其目的是将建筑标准规则应用到施工方案、CAD 图纸、BIM 模型中，通过提取 BIM 模型、图纸中的信息并解析形成可执行规则代码，以检查有关图纸、BIM 模型是否符合设计规范标准的要求。近年来，在我国各地智能审图政策的引导下，有关软件研发与工程应用进展迅速。同时，在文档审核方面，可通过有关算法准确识别不同格式、不同书写习惯的施工方案内容，通过抽取和识别关键信息，模拟领域专家对内容完备性、关键表述等进行检查。施工阶段标准校核技术则往往与 BIM、三维重建等技术相结合，如利用 BIM 模型和标准规范生成质量验收计划，基于三维点云和标准规范要求对构件几何信息进行自动检查等，以及通过智能合约自动执行在线仲裁或调解机制规则。但标准规则校核与 BIM、三维点云等多模态数据的融合尚处于初级阶段，仍以人工关联和映射为主，如何实现多模态数据融合的推理和计算仍然是未来的重要探索方向。

　　4 未来需求及关键挑战

　　建筑业标准数字化的主要需求包括标准内容的自动解译、智能化检索、协同化编制与数字化应用等，目的是通过数字技术提高标准的可读性、可理解性、可计算性和可操作性，实现标准信息与建筑工程各环节的无缝集成与应用。这是一项复杂的系统工程，涉及技术、管理、应用等多个层面，面临诸多关键挑战：

　　标准数字模型的构建与完善：建筑业标准种类繁多，涉及多个专业领域，标准体量大且存在表示方式、组织结构、工程语义表达等方面的差异，还存在交叉引用、语义重叠等问题，实现跨专业、跨领域标准知识的统一表示、语义对齐与知识融合是关键挑战之一。标准规范内容包含文本、表格、公式、图集等多模态数据，如何高效准确地提取多模态知识并实现计算机统一表示有待探索。此外，机器人、三维重建、BIM 等技术产生的海量多模态数据，目前标准数据融合和对齐研究主要集中在文本数据层面，实现标准规范数字模型与多模态数据模型的语义协调与融合对促进标准数字化发展意义重大。

　　标准内容数字解译技术的发展与应用：建筑业标准数字化需与 BIM、物联网、大数据、机器人等技术深度融合，满足不同系统在数据格式、接口标准等方面的差异，实现数据交换和业务协同。标准语义、标准数字模型、标准内容的数字解译技术、新型编制技术、机器语言生成技术、标准推理校核技术之间需要不断集成，实现标准数字化全流程的无缝对接和互操作。要探索利用新兴 LMMs 技术提升标准规范实体识别、条文分类、语义对齐等环节的性能，甚至探索新型的端到端标准解译范式。还需提升计算推理引擎的能力，使其能处理复杂逻辑推理、数学运算和复杂仿真推演，支持更多样的工程场景。

　　数字化标准编制与管理新模式的探索：建筑业标准化涉及多个部门和机构，存在职责分工不明确、管理流程不顺畅等问题，我国建筑业标准化管理体系有待完善。因此，需要优化现有标准编制流程，研发智能标准编制平台，探索基于生成式人工智能的条文智能解译与编写技术，引入用户交互反馈机制，实现高效人机协同，提升标准内容的严谨性和全面性，建立新型标准编制模式。建筑业标准随技术进步和实践发展不断更新，需要建立标准的动态更新机制，推广智能标准编制平台的应用，实现与传统工作方式的有效衔接和协调，保证数字化标准的时效性。数字技术与建筑业深度融合，对跨学科人才需求大增，需要打破学科界限，完善奖励机制，改革专业人才培养与团队建设模式。利用标准库中的机器可读语言，为生成式智能设计、智能审图、智慧运维等提供领域知识和约束，促进智能建造发展。

　　5 总结与展望

　　建筑业作为国民经济的重要支柱，面临转型升级的迫切需求，数字化技术为其高质量发展提供了新动力。但当前标准规范的表现形式难以满足人机协同场景的需求，推动建筑工程标准数字化与智能化发展意义重大。

　　本文提出了建筑业标准数字化发展阶段的分级模型及其典型应用场景，建立了建筑工程标准数字化关键技术框架，涵盖存量标准智能解译、增量标准智能编制与标准多场景应用三个方面，包括标准数字模型、标准内容的数字解译技术、新型编制技术、机器语言标准生成技术、标准推理校核技术及应用五个组成部分。综述了框架各部分关键技术的研究应用现状，提出了标准数字化发展的未来需求及关键挑战。相关研究虽已取得显著进展，但由于建筑业标准的复杂性，完全实现标准数字化转型还需要时间。

　　标准数字化推进是系统工程，需要多方协同。当前面临标准数字模型构建、标准内容数字解译技术、标准编制与管理模式三方面的挑战。为克服这些挑战，需明确行业发展需求和方向，发展多模态知识抽取技术和表示方式，构建统一标准数字模型，加强关键解译技术研究，促进 LMMs 应用，探索数字化标准编制与管理新模式，引入生成式人工智能技术，推进智能标准编制平台建设和多场景应用，改革人才培养和团队建设模式。标准数字化旨在通过人机协同提升效率，充分发挥计算机和人工的各自优势，共同推动建筑业智能建造与人机协同的高质量发展。

林佳瑞;陈柯吟;潘鹏,清华大学土木工程系;住房和城乡建设部数字建造与孪生重点实验室,202501