本期针对学术新人在入门研究项目或计划申请学位初期常遇到的3个问题，我们从2023年度《全球工程前沿》报告的统计数据中，筛选出建筑/城规/结构/材料/工程/交通/遥感及跨界计算机/机器人等学科，由“学术研究+工业开发”的双重视角，整理了17个推荐选择的前沿方向。对于研究零起步的读者，可作为对各类方向的初步了解，也再可通过关键词深入搜索相应的论文、代表学者与实验室等来确定自己的研究兴趣。报告的详细内容可在文后扫码线上阅读。
《全球工程前沿》2023的中文与英文版报告封面
关于《全球工程前沿》年度报告
Engineering Fronts
左：《全球工程前沿》报告的9个领域、右：前沿方向遴选路径
2023年度《全球工程前沿》报告由中国工程院、联合Clarivate科睿唯安、与高等教育出版社于2023年12月20号发布，其中针对9个学科领域（土木、水利与建筑工程；工程管理；信息与电子工程；机械与运载工程；医药卫生等），研判了未来 5~10 年的发展重点。关于报告的遴选方式，由Clarivate Web of Science论文数据库、Clarivate Derwent Innovation专利检索平台等进行数据挖掘聚类、再附加领域专家提名的方式，最终总结成①“研究”前沿和②“开发”前沿两个角度来展开分析。
“土木、水利与建筑工程”年度前沿方向
左侧图：土木、水利与建筑工程领域 的Top 10 工程研究前沿汇总；统计涉及结构工程、建筑学、地质工程、交通工程、市政工程、水利工程、城乡规划与风景园林、测绘工程等学科。右侧图：土木、水利与建筑工程领域 的Top 10 工程开发前沿汇总；统计涉及市政工程、测绘工程、建筑学、城乡规划与风景园林、交通工程、水利工程、土木建筑材料、岩土及地下工程、结构工程等学科。
“蓝底打钩”表示在以下将展开说明
基于人工智能的结构损伤识别及性能预测
AI-based structural damage identification and performance prediction
💬背景介绍：
土木工程结构的损伤危及其健康，并直接影响其安全性能及使用性能，传统的结构损伤识别及性能预测方法通常依赖于物理传感器和数学模型，而利用人工智能方法，可从大量多源多模态数据中提取复杂的损伤特征模式，析出结构性能表征的关键参数，并基于实时数据的自我学习和强化机制，实现对结构损伤的准确识别及性能预测。
💬主要方向：
①: 基于机器学习算法的结构损伤检测和定位
Structural damage detection and localization based on machine learning algorithms
②: 数据驱动的结构性能预测方法
Data-driven structural performance prediction methods
③: 物理信息融合的结构性能预测模型
Physics-informed intelligent models for structural performance prediction
④: 结构损伤检测/监测的新传感装备研究
New sensing equipment for structural damage detection and monitoring
⑤: 结构健康检测/监测数据标准化与融合
Standardization and fusion of structural health monitoring data
💬未来趋势：
建立全息感知和智能诊断系统，增强模型的可解释性、泛化性和准确性，此外结合物理信息和知识驱动的学习模型，推动结构损伤识别和性能预测在实际工程中的应用。
//////////
城市更新中的减碳方法与技术
Methods and technologies for carbon-emission reduction in urban regeneration
💬背景介绍：
城市更新作为优化整个城市系统物理条件、空间形态和功能的工具，对于改善高能耗、高碳排放的城市构成要素将发挥重要作用。当前城市更新主要应用传统模式，城市更新对象与减碳技术的结合难度大、结合角度单一，数字化精度低，缺乏应用实例。因此，如何建立城市更新与多种碳减排技术的系统集成和协同机制，探索应用机器学习、遗传算法等技术优化设计和决策的方法，高性能建筑材料与减排技术一体化及其建造技术的创新等是这一研究前沿的关注点。
💬主要方向：
①：既有城区的能耗及微气候环境模拟
Simulation of energy consumption and microclimate environments in existing urban areas
②：减碳目标下的城市更新设计方案优化和决策工具
Optimization of urban regeneration design schemes and decision-making tools that are subject to carbon reduction goals
③：城市更新中减碳技术与建筑材料一体化及其建造技术创新
Integration of carbon-emission reduction technologies with building materials and innovative construction techniques in urban regeneration
④：统筹不同类型、不同规模的城市更新要素的碳减排技术集成设计
Integrated design of carbon-emission reduction technologies for diverse types and scales of urban regeneration elements
💬未来趋势：
融合建筑节能技术、新能源技术、地理信息科学、计算机与人工智能技术等多学科知识，促进城市更新要素与减碳技术的融合，开发数字平台进行多情境模拟、应用和监测反馈，有力支撑城市可持续有机更新。
//////////
在役道路、轨道与机场工程性能感知、评价及改扩建
Performance perception assessment and rehabilitation of in-service road, rail, and airport infrastructure
💬背景介绍：
💬主要方向：
①：交通荷载感知与优化，利用智能交通系统、大数据分析等手段，实时感知交通流量，提供精准的交通管理和调度，提高交通基础设施利用率
②：运行环境评估与改进，对气候、地质等因素进行监测和分析，研究交通荷载与环境变化对结构的影响，优化交通基础设施的设计和维护策略，提高耐久性和适应性
③：改扩建规划与设计，结合结构服役状态演变规律分析和性能感知评价结果，制定合理的设施改建和扩建计划，适应未来交通发展需求
💬未来趋势：
高精度智能化感知与评价；可持续性与环保低碳设计；综合性能优化算法与决策模型；数字化建设与工程管理。
//////////
安全韧性导向的高密度城市人居环境空间优化
Multi-scale spatial optimization of high-density urban built environment guided by safety and resilience
💬背景介绍：
安全韧性导向的高密度城市人居环境是指在城乡规划和设计中，在高人口密度条件下创造既能安全防灾又能可持续发展的人居环境。不同于一般城市，高密度城市存在建成环境应灾风险高、安全隐患大、城市防灾应急系统设施脆弱、缺乏统筹、抗灾建筑性能弱、避难建筑标准低、建筑运维机制不健全等问题。近年来频繁发生极端气候事件，使高密度城市防灾体系面临严峻考验，因此关注高风险建筑、抗灾建筑和避灾建筑的典型灾害场景，增强城市韧性以便应对气候变化的巨大冲击，研究安全韧性导向的高密度城市人居环境多尺度空间优化具有重大意义。
💬主要方向：
①：高密度城市建筑规范的废改立
Re-evaluation and reformulation of building codes tailored to high-density cities
②：高密度城市建筑的动态监测与评估
Ongoing dynamic monitoring and assessment of buildings within high-density urban areas
③：高密度城市建筑的韧性与可持续性优化设计
Enhancement of the resilience and sustainability of buildings in high-density environments
④：高密度城市建筑存量更新与改造
The renewal and renovation of high-density urban building stocks
⑤：陆海统筹地区高密度城乡建成环境适灾优化
Optimizing disaster resilience in high-density urban and rural built environments within land-sea integrated regions
💬未来趋势：
可聚焦于高密度特大城市人居建成环境存量安全隐患和品质问题。通过对安全隐患与韧性应对能力进行研判，结合多尺度分析及预测特大城市建成环境的多元风险，借助深度学习、数据挖掘、数字孪生等方法，从安全韧性与可持续发展的角度优化高密度城市人居环境。
//////////
高分辨率遥感目标智能检测
Intelligent object detection in high-resolution remote sensing images
💬背景介绍：
高分辨率遥感目标智能检测是借助知识工程、深度学习、逻辑推理、群体智能等人工智能新技术从高分辨率遥感图像中获取特定目标的类别和位置信息，在侦查、监视、预警、搜救等场景有广泛应用。
💬主要方向：
①：通用目标智能检测方法，针对遥感图像目标检测中面临的类不平衡、背景复杂度高、目标多尺度变化、成像视角特殊、小/ 微目标检测等难题，研究通用的智能检测方法
General intelligent target detection methods, which aim to address the challenges faced in remote sensing image target detection, such as class imbalance, high background complexity, multi-scale changes in targets, special imaging perspectives, and small/micro object detection
②：特定目标智能检测方法，针对机场、建筑、飞机、舰船、车辆、云、海冰等具有重要价值的目标，发展专用的遥感图像目标智能检测方法
Development of specialized object intelligent detection methods in remote sensing images for significant targets such as airports, buildings, aircraft, ships, vehicles, clouds, and sea ice
💬未来趋势：
聚焦于小目标检测和多模态目标检测难题，不断优化目标智能检测模型，构建以知识为引导、算法为基础的智能化高分遥感目标检测方法体系，进而推动遥感场景智能理解，为构建遥感影像智能解译系统提供支持。
//////////
城市历史文化资源保护与利用的数字化技术体系
💬背景介绍：
如何保护和利用城市历史文化资源是全球关注的重要议题，涉及城市文化遗产、自然遗产和文化遗产的混合体以及文化景观等诸多工程开发领域。中国城市历史文化资源异常丰富，但在资源保护和利用领域仍存在着理论研究滞后、基础数据的系统性和完整性不足、新技术方法应用范围有限等问题。伴随着新一轮数字化技术的发展，全球范围内正将最新的智能化数字技术导入传统的历史文化资源保护与利用领域，提高资源保护工作的体系化、拓展历史文化资源利用的广度和深度。
💬主要方向：
①：城市历史文化资源的数据库构建技术
Database construction technology for urban historical and cultural resources
②：城市历史文化资源的智能化保护技术
Intelligent protection technology for urban historical and cultural resources
③：数字赋能的城市历史文化资源利用技术
Digitally empowered utilization technology for urban historical and cultural resources
④：城市历史文化资源保护与利用的技术集成
Integrated technology for preservation and utilization of urban historical and cultural resources
💬未来趋势：
多源数据融合、风险监测感知、评估推演预警、空间规划响应、价值传播利用和规划技术集成。
//////////
人工智能支持下的大型公共建筑空间策划生成技术
Generation technique for space programming of large public buildings supported by artificial intelligence
💬背景介绍：
建筑空间策划生成技术面向大型复杂建筑工程加强全过程管控的迫切需求，利用人工智能前沿技术，整合建筑设计多专业、全流程数据，支持建筑空间策划的复杂决策，实现精准诊断−智能策划−整合设计闭环数据贯通，从而提升建筑设计决策科学性。该技术将有助于解决针对复杂建筑策划的智能化决策工具、空间绩效与人体感知数据的获取与关联、全寿期设计数据转换与衔接机制、前策划与后评估的内在映射机制等问题。
💬主要方向：
①：基于图拓扑的不确定、模糊复杂决策技术
Uncertain and fuzzy complex decision-making technique based on graph topology
②：空间环境客观评价与多维泛在人体感知信息耦合技术
Coupling technique of objective evaluation of spatial environment and multi-dimensional ubiquitous human perception information
③：建筑全寿期智慧化整合设计技术
Intelligent integral design technique throughout the building lifecycle
④：贯穿前策划−后评估的智慧管控与全寿期前馈推演技术
Application of feed-forward inference technique of post-occupancy evaluation data
💬未来趋势：
一是从建筑向城市全尺度空间扩展，从空间构图形式转向场所、空间网络，强调系统内部要素关联；二是从数据导向到数据驱动的演进，强化数据的动态性、联系性，为实现智能化建筑空间策划提供有力的数据支撑；三是从助力低维决策向破解高维复杂难题，以智能化为主要路径, 进行大型建筑工程的前策划−后评估智能技术集成示范应用。
//////////
多源固废制备负碳建筑材料技术
The technology of preparing carbon-negative building materials from multi-source industrial byproducts
💬背景介绍：
该技术是指借助不同固废材料中钙、镁等碱土金属物相的碳化反应，制备具有负碳特征的建筑材料的技术。通过多源固废之间的理化协同，可实现材料的性能与制备工艺、能耗的优化。这一技术有助于建筑行业的碳减排与工业固废的资源化利用。
💬主要方向：
①：固废材料碳化反应活性的基本理论及提升方法
The carbonation reactivity of calcium (alumino-) silicate materials and approaches to enhancing the reactivity
②：碳化反应过程、碳化产物晶型及微结构调控
The carbonation reaction, crystallography of carbonation products, and microstructural changes induced by the reaction
③：二氧化碳传输与固定效率的强化提升
Approaches to enhancing CO2 transportation and the carbonation reaction
④：产品制备工艺与配套装备等
Industrial processing and facilities
💬未来趋势：
高性能多源固废体系的设计；碳化、水化等多反应机理的协同；反应—传输过程的三维动态表征；材料制备与工业流程的耦合；产品性能与碳排放评价标准等。
//////////
装配式构件与模块化结构
Prefabricated structures with components and modular units
💬背景介绍：
建筑工业化是传统建筑产业适应现代工业化生产方式的必然选择，目的是提升建造效率、节能降耗、实现建筑业高质量发展，主要特征为标准化设计、工厂化生产、装配化施工、一体化装修和信息化管理等。装配式建筑是实现建筑工业化的有效途径之一，其核心是以工厂化生产的标准化预制构件为主，通过现场装配方式设计建造。因此，发展各类高效装配式建筑结构体系、装配式构件和相应建造技术对实现建筑工业化具有重要意义。
💬主要方向：
①：装配式建筑结构体系及其设计方法
Prefabricated building structure systems and corresponding design methods
②：不同集成度且适应工业化建造的装配式构件（含连接件）及其设计方法
Prefabricated building components and modular units (including connection components) with different degrees of integration and corresponding design methods
③：装配式构件工厂化预制技术及建筑体系装配技术
Prefabricating technology for factory production of building components and assembling technology for buildings on-site
④：装配式建筑一体化建造技术
Integrated construction technology
⑤：数字化智能建造技术
Digital and intelligent construction technology
💬未来趋势：
体系开发将从传统钢混、钢、木结构建筑的高效拆分向基于高效部品的合理组合，即正向设计方向发展，同时装配式建造逻辑为建筑智能防灾、结构韧性提升等研究提供新空间；构件从传统一维构件向高集成度的二维、三维模块化单元发展，并通过标准化、系列化以适应建筑多样性要求；一体化建造将从单一建筑部品的结构−装饰、结构−功能、建筑−设备一体化等向建造全过程、全专业、全产业的深度一体化发展；同时，建筑产品思维与数字孪生技术将为建造工业化、智能化提供更为广阔的技术支撑和研究空间。
左：“基于人工智能的结构损伤识别及性能预测”、右：“城市更新中的减碳方法与技术”的发展路线
“工程管理”年度前沿方向
有关“工程管理”、和“信息与电子工程”的前沿方向总结，由于篇幅有限，仅做部分展开。若对所列方向的背景说明、未来趋势、及对更多英文对照专业表达感兴趣的，可以翻阅文章最后附上的报告原文。
“绿底打钩”表示在以下将展开说明
工业5.0环境下人机共融智能制造研究
Research on human‒machine symbiotic intelligent manufacturing under Industrial 5.0 environment
💬主要方向：
①：人机相互感知–认知–信任是人机共融的基础，一方面通过物联网、数字孪生等技术实现人对机器任务执行的全面认识，另一方面通过知识学习和工效学分析，机器感知识别人的意图；
②：人机协同组织–规划–决策是人机共融的主要内容，从整体系统进行自组织，规划人机运动和系统资源分配，并对生产过程进行智能决策；
③：人机协同交互–控制–进化是人机共融的核心，在人与机器丰富交互基础上，通过深度学习等方法，将人的认知模型引入机器智能，优化机器技能策略，具备更高层级智能水平，胜任更加复杂的协作任务。
//////////
物流无人机调度与路径优化研究
Research on unmanned aerial vehicle dispatching and path optimization in logistics
💬主要方向：
①：城市场景下物流无人机路径规划问题；
②：无人机调度问题；
③：航迹优化与运营管理。
//////////
基于工业互联网和大数据的智能工厂运维系统
Intelligent factory operation and maintenance systems based on industrial internet and big data
💬主要方向：
①：工业大数据采集及管理技术；
②：工业大数据驱动的设备故障诊断及维护技术；
③：基于工业互联网的智能工厂运维系统。
//////////
健康居家养老智能系统平台
Smart home health care systems for the elderly
💬主要方向：
①：新型智能感知和实时监测技术研发；
②：疾病与风险预测及管理系统研发；
③：智能预警与在线诊断系统研发；
④：智能居家互联系统研发。
“工业5.0 环境下人机共融智能制造研究”的发展路线
“物流无人机调度与路径优化研究”的发展路线
“基于工业互联网和大数据的智能工厂运维系统”的发展路线
“基于深度学习的建筑方案自动生成方法与系统”的发展路线
“信息与电子工程”年度前沿方向
“紫底打钩”表示在以下将展开说明
人工智能辅助软件自动开发
Automatic development of software assisted by artificial intelligence
💬主要方向：
①：自动化需求分析，通过机器学习和自然语言处理技术，将用户提供的自然语言需求自动转换为机器可直接理解/ 分析的需求模型，并对其进行自动分析，这可以帮助开发人员更准确地理解和捕捉用户需求，并减少需求理解上的误差；
②：自动化设计和编码，利用机器学习和自然语言处理技术，自动生成设计或代码片段、函数甚至整个模块，这有助于减少手工设计或编码工作量，加速开发过程；
③：自动化测试，利用人工智能技术自动生成测试用例，提高软件测试的覆盖率和缺陷检测能力，从而提升软件质量；
④：自动化集成和部署，可以将开发人员手动编写的代码和自动生成的代码自动集成到一起，并将其自动部署到生产环境中，提高软件交付效率和稳定性；
⑤：智能推荐系统，根据开发人员的开发历史数据和项目需求，推荐适合当前开发上下文的代码、工具和技术等，提高开发人员的开发效率。
//////////
基于脑机接口的无人系统控制技术
Control technology of unmanned systems based on brain–computer interface
💬主要方向：
①：脑信号的采集和传输，采用不同类型的生物传感器（如脑电图仪、眼动仪等）捕捉人脑生理信息，将其放大并转换为数字信号；
②：脑信号的处理和解码，主要通过信号处理方法，处理复杂、高维的大脑活动数据，包括降噪、特征提取等，以识别脑信号中的特征模式，解码人脑意图；
③：无人系统指令生成和控制，将识别到的人脑意图特征模式，通过编码技术，转换为对应的控制指令，用于对无人系统（如无人机、无人车、机器人、外骨骼等）的控制。此外，还需要保证人机交互方式的舒适便捷性、稳定性和实时性。
//////////
柔性智能触觉传感器
Flexible intelligent tactile sensor
💬主要方向：
①：柔性材料及其制造技术；
②：感知机制与算法；
③：触觉传感仿真；
④：多模态感知集成及操作应用。
//////////
增强现实空间操作系统
Augmented reality space operating system
💬主要方向：
①：空间应用体系，在系统级高性能3D 渲染引擎的支持下，面向增强现实空间的交互特性，构建和管理在XR 设备上运行的空间应用，定义新的3D 应用体系，研究如何最有效地在空间中设计、渲染、使用3D 应用；
②：空间交互体系，采用以人为中心的设计理念，研究如何基于多种识别算法的多模态交互，实现自然、直观和高效的用户交互新模式；
③：空间感知融合，研究高效的空间定位追踪、环境理解等算法，让XR 设备能更好地感知其所在的环境，实现虚拟内容与物理空间的无缝融合。
左：“大模型及其计算系统理论与技术”、右：“基于脑机接口的无人系统控制技术”的发展路线
查看报告的中/英全文内容，可扫取二维码，直接线上阅读/下载附件；更多资料也可从“全球工程前沿”的官网进行搜索查阅
博士交流 | 学术规划 | 资讯分享 | 科研提升 | 申请经验
TechArt Research学究科研社，专注于建筑|城市|景观|交互|艺术|工程|计算机|机器人等跨学科领域的学术交流与教学合作。自2019年由Cambridge剑桥大学、UCL伦敦大学学院、MIT麻省理工学院、Harvard哈佛大学等多位名校学者共同创立品牌。持续汇聚美国藤校、英国G5等海内外名校博士/博士后/讲师/教授，研发前沿教学模式及课题内容，竭力为热爱学术的学员们带来优质的科研资源、创造得天独厚的教育空间。
TechArt将继续分享前沿学术知识与优质科研资源，为热爱学术的小伙伴们提供满满福利！
