Топ-5 направлений для использования ИИ в гражданском строительстве

Глобальные инвестиции в технологии на основе искусственного интеллекта (ИИ) для строительства выросли с $1,4 млрд в 2023 году до $1,8 млрд в 2024 году, что подчеркивает его важность в современной городской инфраструктуре.

Системы компьютерного зрения на основе ИИ обнаруживают дефекты конструкций прямо во время работ на площадке, обеспечивая стабильное качество результатов и снижая количество человеческих ошибок. Модели машинного обучения анализируют архивные и операционные данные для прогнозирования превышения сроков реализации проекта до их возникновения, чтобы специалисты могли принять соответствующие меры. Приложения с поддержкой технологий IoTИнтернет вещей (Internet of Things, IoT) — система, в которой разные виды устройств объединены в единую сеть для сбора, обработки и передачи данных. и искусственного интеллекта оптимизируют использование тяжелой техники, минимизируют время простоя и сокращают эксплуатационные расходы. Передовые системы аналитики и алгоритмы прогнозирования следят за соблюдением требований к средствам индивидуальной защиты, а также определяют опасные зоны на площадке и выдают мгновенные предупреждения для предотвращения несчастных случаев и пр.

В этой статье мы подробнее рассмотрим эти тенденции, расскажем о новых направлениях для применения ИИ, а также поделимся опытом российских компаний в этой сфере.

ИИ для контроля качества строительства

Системы компьютерного зрения на CNNСверхточные нейронные сети (Convolutional neural network, CNN) — специальная архитектура искусственных нейронных сетей, нацеленная на эффективное распознавание образов, входит в состав технологий глубокого обучения. позволяют с поразительной точностью обнаруживать трещины, сколы и смещения на бетонных конструкциях. А дроны, оснащенные камерами высокого разрешения, снимают с воздуха труднодоступные участки. Алгоритмы искусственного интеллекта обрабатывают эти изображения и выявляют аномалии в режиме реального времени, значительно сокращая время на проверку.

На рынке присутствуют и более продвинутые технологии. Так, в одном из проектов, ViTТрансформенное зрение (Vision transformer, ViT) — передовая структура нейронных сетей, обеспечивающая доступ ко всем последовательным данным при обработке одной единицы информации. повысила точность обнаружения трещин в мостах более чем на 15% по сравнению с традиционными методами CNN, продемонстрировав превосходную производительность при работе со сложными текстурами и условиями освещения. Подобные проверки, управляемые искусственным интеллектом, обеспечивают непрерывность контроля качества, ускоряют принятие решений и значительно снижают риск ошибок вследствие человеческого фактора. Всё это приводит к созданию более безопасных и надёжных конструкций.

Также ИИ применяется для отслеживания прогресса работ с помощью анализа изображений и данных, полученных с беспилотников и камер на объекте. Алгоритмы могут сравнивать текущее состояние площадки с планом, чтобы точно оценить ход строительства. Такая информация, получаемая в режиме реального времени, позволяет руководителям оперативно выявлять задержки и отклонения, что способствует своевременному принятию решений и соблюдению графика реализации проектов.

В России программно-аппаратный комплекс для мониторинга строительства с использованием BIM, БПЛА и методов ИИ создают в Сибирском федеральном университете. Руководитель исследования Олеслав Антамошкин заявил, что он позволит с высокой точностью контролировать качество строительства и будет востребован на территории всей страны. Модели объектов, созданные на основе собранных дронами данных, алгоритмы смогут обработать за 30 минут: сравнить реальную картину с проектной документацией, оценить объёмы выполненных работ, выявить отклонения и даже предсказать риск эрозии или нестабильность грунта. Кроме того, система интегрируется с платформой КОМПАС‑3D и строится на открытых библиотеках.

Прогнозирование задержек проекта с помощью машинного обучения

Обучаясь на обширных объёмах архивных данных об объекте в режиме реального времени, платформы искусственного интеллекта, такие как nPlan, могут прогнозировать риски задержек ещё до их появления, позволяя командам перераспределять ресурсы и корректировать сроки заранее.

Для построения своих предположений алгоритмы учитывают такие переменные, как прогноз погоды, доступность рабочей силы, состояние цепочки поставок и производительность оборудования. Так, в одном крупном проекте строительства автомагистрали, с помощью nPlan удалось сократить незапланированное отставание от графика на 20% и предупредить менеджеров о 73% вероятности задержки поставок стали из-за перегруженности портов. Такая предиктивная аналитика превращает реактивную борьбу с проблемами в проактивное управление рисками, обеспечивая нерушимость бюджета и сроков поставок.

В нашей стране методы машинного обучения для прогнозирования хода строительства используются, например, в решении 1C:ERP Управление строительной организацией: программа позволяет разрабатывать и отслеживать все этапы строительства, от подготовки проектно-сметной документации до сдачи объекта в эксплуатацию.

Мониторинг оборудования и оптимизация ресурсов

Интеграция IoT-датчиков в тяжелую технику позволяет в режиме реального времени отслеживать её местоположение, коэффициент использования в работе, расход топлива и степень износа. Собранные данные будут передаваться в ПО с инструментами на основе ИИ, которые смогут выявить неэффективность эксплуатации и составить график технического обслуживания.

Если оборудование простаивает сверх установленных пределов, ИИ отправляет оповещения о необходимости передислокации или профилактического обслуживания, что позволяет повысить коэффициент использования техники на 30% и продлить её срок службы. А GPS- и RFID‑трекеры предотвратят кражи и несанкционированное использование, немедленно сигнализируя о выходе оборудования за пределы установленных зон. Кроме того, передовые ИИ‑алгоритмы смогут оптимизировать состав парка, обеспечив наличие нужной техники там, где и когда она необходима.

Среди российских аналогов для контроля за оборудованием можно отметить QMonitoring. Система позволяет значительно сократить расходы на простой строительной техники и персонала.

Обеспечение безопасности на площадке

Технологии видеоаналитики на основе искусственного интеллекта интегрируются с системами видеонаблюдения для обеспечения соблюдения требований к СИЗ: приборы автоматически обнаруживают отсутствие касок, защитных жилетов или очков у работников. Так, по заверениям разработчиков системы viAct, их решение позволило снизить количество несчастных случаев на 95%. А модели компьютерного зрения вроде YOLOv5 и YOLOX распознают защитное снаряжение с точностью более 97%, работая при этом в режиме реального времени.

Также стоит отметить системы прогнозирования безопасности, которые генерируют тепловые карты зон повышенного риска, отслеживая передвижения работников и вероятность ошибок. Это в том числе позволяет вносить нужные изменения в конструкцию объекта и избежать риска возникновения коллизий.

В сочетании с результатами операций по машинному обучению на основе архивных данных эти инструменты предвосхищают сценарии аварий и отправляют мгновенные предупреждения руководителям на объекте, существенно снижая вероятность серьезных травм.

Оптимизация проектирования и автоматизация планирования

Генеративные системы искусственного интеллекта, такие как Bentley OpenSite+, автоматизируют подготовку площадок для объектов гражданского строительства. Программа позволяет создавать планы до десяти раз быстрее, чем при ручном использовании САПР. При этом будут учтены особенности грунта, а также обеспечены корректность дренажных систем и соответствие экологическим ограничениям.

В проектах строительства дорог и мостов инструменты проектирования, управляемые искусственным интеллектом, моделируют миллионы вариантов объектов, сокращая расход материалов. А модуль генеративного проектирования Autodesk Fusion 360 позволяет инженерам определять целевые показатели и ограничения, такие как грузоподъёмность и необходимость рекультивации, после чего ИИ предлагает несколько жизнеспособных вариантов конструкции. Эти возможности ускоряют рабочий процесс планирования, способствуют рациональному использованию материалов и позволяют инженерам реализовывать креативные и качественные проекты.

В России для разработки разделов ПОС и ППР можно использовать nanoCAD Стройплощадка. Решение помогает планировать поставку материалов, наличие техники и число рабочих, необходимых для решения задач, а также потребность в энергомощности, водных ресурсах и пр.

Выводы

Интеграция искусственного интеллекта в гражданское строительство больше не является экспериментальной практикой. ИИ значительно меняет соблюдение качества строительства, составление графиков, управление строительной техникой, обеспечение безопасности и оптимизацию проектирования. Благодаря использованию компьютерного зрения для обнаружения дефектов, машинного обучения для прогнозирования задержек, IoT‑датчиков для отслеживания оборудования, аналитики безопасности в режиме реального времени и инструментов генеративного проектирования проектные команды могут создавать более безопасную, эффективную и устойчивую инфраструктуру.

Внедрение этих технологий будет необходимо профессионалам, стремящимся оставаться в лидерах рынка. Если вы хотите начать использовать технологии и инструменты на основе ИИ, пройдите специализированные курсы, проведите небольшие пилотные проекты и установите партнёрские отношения с ведущими поставщиками передового программного и аппаратного обеспечения. Это поможет вам освоить весь потенциал интеллектуальных рабочих процессов.