为管理设施提供了一种环境可持续的解决方案，并和AI (AI) 相结合，为维持 IEQ 和优化 EE 创造了机会。本研究的目的是评估人工智能驱动的 DT 对增强中的 IEQ 和 EE 的影响。研究根据结果得出，人工智能驱动的 DT 提高了居住者的舒适度和能效性能，并能够对自动故障检测和维护条件做出决策，以实时改善建筑物的可服务性和室内环境质量，以满足提供了一种变革性方法。这一进步的实际影响涵盖设计、施工、AI和政策领域，提供了需要仔细考虑的重大机遇和挑战。

  据相关调查研究数据，建筑是全球温室气体 (GHG)减排工作中的关键部门，约占全球能源消耗的 40%，是温室气体排放的主要贡献者。联合国环境规划署 (UNEP)《建筑和施工全球现状报告》也强调了建筑行业在实现可持续发展目标方面的关键作用。因此，加强建筑物内的能源管理对于应对气候相关挑战至关重要，特别是在欧盟绿色协议框架内，该协议旨在到 2030 年将温室气体排放量减少 55%。这些举措与《巴黎协定》的目标紧密关联，该协议强调了在全世界内实施变革性能源管理战略的必要性。

  为了有效应对这些挑战，能够预测、优化和动态调节能源消耗的先进智能系统已变得不可或缺。供暖、通风和空调 (HVAC) 系统占建筑物总能源需求的很大一部分，体现了此类创新的必要性。数字孪生 (DT) 提供物理结构的高保真虚拟表示，将来自建筑信息模型 (BIM) 的静态数据（提供建筑物几何形状、材料和系统的结构化和详细表示）与通过物联网 (IoT) 传感器获取的动态实时数据（监测温度、能耗和占用模式等参数）相结合。通过结合人工智能 (AI) 算法，数字孪生促进了建筑物能源性能的模拟、分析和预测建模，全面洞察能源流动和潜在的低效率，这些功能支持基于实时分析的数据驱动决策和能源优化策略的实施。

  在现代社会中，我们大多数人每天有 80% 以上的时间在室内度过。因此，室内环境的质量，即室内环境质量 (IEQ)，对个人的身心健康起着至关重要的作用。配备各种控制管理系统的智能建筑旨在收集数据、优化能源效率以及检测和诊断故障，尤其是在 IEQ 领域。节能 (EE)建筑的发展涵盖了广泛的战略，包括隔热方面的进步、EE 技术的集成以及供暖、通风和空调 (HVAC) 系统的优化。

  智能建筑系统 (SBS)的主要重点是提高室内环境质量 (IEQ)，因为它与居住者的舒适度和幸福感紧密关联。通过可持续能源解决方案优化室内环境符合欧盟的能源效率目标。建筑能源管理系统 (BEMS) 在优化建筑物内的能源消耗方面发挥着至关重要的作用。这些系统有助于将复杂的建筑基础设施与传感器网络集成，使建筑业主和管理团队能够做出数据驱动的决策，以提高运营效率并减少相关成本。实时能源监控是 BEMS 的基本组成部分，为在建筑管理中部署 DT 和 AI 等先进的技术提供了必要的基础设施。通过提高能源效率，BEMS 成为 SBS 发展的基础技术，有助于提高可持续性和运营绩效。

  建筑中的资产信息需求 (AIR)是指在整个生命周期内管理和维护建筑资产所需的特定信息需求。数字孪生通过创建物理资产的虚拟副本来利用这一些信息，这些副本包括资产信息需求中概述的所有有关数据。这确保了 数字孪生准确地代表现实世界的资产，以此来实现更好的决策和性能优化。

  数字孪生将各种数据源（包括 AIR 中指定的数据源）集成到统一的数字模型中。这种集成确保利益相关者能够访问有关建筑资产的全面信息，使他们可以监控性能、进行模拟并根据最新信息做出数据驱动的决策。数字孪生使利益相关者能够直观地看到不同场景对建筑性能的影响，帮他们发现改进机会并实施有效的策略来提高效率、可持续性和居住者的舒适度。

  将 AI 与数字孪生相结合可以高效管理建筑系统并准确预测结果。通过一系列分析历史数据和实时数据，AI 可以预测未来的情况，从而能够针对温度和照明等因素提出最佳调整建议。该建议与占用模式和外部条件紧密关联。人工智能的预测能力是优化室内环境质量而不增加能源消耗的关键。该战略强调积极主动的方法，旨在平衡居住者的舒适度和能源效率。AI和数字技术协同提高了建筑运营的效率，为环境可持续实践和资源保护举措做出了重大贡献。

  尽管智能建筑技术发展迅速，但在理解 AI 和数字孪生如何协同改善室内环境质量同时保持能源效率方面任旧存在巨大的知识差距。这一差距包括开发全面的稳健集成策略框架和可扩展解决方案，以利用两种技术的优势。这项研究在几个关键方面与其他 DT 研究不同，反映了其重点、范围和应用。该研究解决了建筑物居住者的舒适度 (IEQ) 和建筑物的运行效率 (EE)，认识到这一些因素的相互依存关系。该研究还概述了建筑开发各个阶段的实际意义，从设计和施工到持续管理和政策影响。该研究代表了一种整体和多学科的方法，结合了 AI 和数据协同作用、建筑规划设计和施工、能源管理和政策研究的见解。因此，本研究探讨了 AI 和数字孪生如何协同工作以改善节能智能建筑系统中的室内环境质量。

  IEQ 涵盖了提高建筑物内居住者舒适度、健康和幸福感的因素。这一些因素包括人体工程学、空气质量、声学、照明和热舒适度，所有这一些因素对于创造良好且有利的生活环境都至关重要。因此，确保较高的 IEQ 水平会直接影响建筑物居住者的健康、生产力和满意度，使其成为现代建筑规划设计实践中不可或缺的一部分。

  在 IEQ 的组成部分中，室内空气质量 (IAQ) 具有特殊重要性。IAQ 不足会对居住者的健康构成风险，可能会引起呼吸系统疾病和认知功能下降。维持 IAQ 涉及各种措施，例如空气过滤、通风和污染物控制。同样，热舒适度对于居住者的健康也至关重要，需要适当的温度、湿度调节和可持续的 HVAC 系统才可以做到最佳条件 。充足的照明在提高建筑物内的生产力和美观度方面也起着至关重要的作用 。因此，有效的 IEQ 策略应结合节能系统，以改善建筑美观度、居住者生产力和节能。

  尽管 IEQ 发挥着关键作用，但在理解和实施 IEQ 方法方面任旧存在明显差距。这种差距源于研究有限、标准不一致以及对 IEQ 认识不足等因素。解决 IEQ 缺陷的一个重大挑战在于缺乏标准化的性能指标。缺乏普遍接受的指导方针使得利益相关者难以有效实施 IEQ 措施，导致建筑物不达标 。未解决这个问题，需要加大研究力度，找出差距，制定解决方案，并提高承包商、建筑师、设施经理和工程师等利益相关者的信息可用性。

  此外，利益相关者之间的全球合作对于建立标准化的建筑 IEQ 协议和指南至关重要。IEQ 政策应得到全面研究的支持，以告知利益相关者最佳 IEQ 对改善居住者健康、舒适度和生产力的关键重要性。根据 Shrubsole 等人的研究，在建筑环境中将 IEQ 与 BEMS 相结合，第一先考虑环境可持续性和居住者福祉非常重要。

  建筑能源管理系统 (BEMS)旨在持续监测建筑状态并调节暖通空调系统，以确保最佳能源效率，同时保持居住者的舒适度。这些系统从各种建筑组件收集数据，以支持有效控制策略的实施。与 BEMS 相关的一个重大挑战在于处理生成的大量数据，建筑管理人员一定准确解读这一些数据，以便做出明智的决策。处理和分析这个逐步扩大的数据集的能力对于保持高效的建筑运营至关重要。这强调了通过开发新颖的解决方案或将 BEMS 与互补技术相结合，使用先进方法来增强能源管理和 IEQ 的必要性。

  研究发现，高效的建筑能源管理是设施管理阶段智能建筑 DT 应用的重要类别之一。BEMS 旨在通过集成硬件和软件技术来调节、监督和提高建筑的能耗。根据 Kozlovska 等人的研究，BEMS 利用传感器收集的暖通空调系统、照明、温度和用电量等各种数据输入，全方面了解建筑物内的能源利用情况。通过精确定位节能机会和解决效率低下问题，这一些数据收集有助于建筑物管理人员和业主做出明智的决策。BEMS 使建筑运营商能够细致地监控能源消耗，建立能源使用基准，并设定目标以最大限度地提高能效。此外，如果有效使用 BEMS，能够最终靠分析数据模式及时识别潜在的设备故障，避免代价高昂的故障和停机。

  此外，BEMS 在调节各种建筑系统以自动优化能源相关功能方面发挥着至关重要的作用，例如调节温度、照明水平和暖通空调设置，同时确保居住者的舒适度。通过自动化众多建筑流程，BEMS 提高了运营效率并减少了对持续人工监督的需求。通过根据预测的占用模式和外部天气条件对设备启动进行战略性调度，这些系统为节能计划做出了重大贡献。

  BEMS 结合了先进的实时监控和报告机制，可向建筑运营商与管理层提供及时且可操作的反馈。这一先进的功能促进了主动的能源管理方法，确保优化能源消耗并与可持续发展目标保持一致。这些报告可能包括有关能源使用、实际节省、系统性能和改进建议的信息。BEMS 的有效性使其在住宅、工业和商业建筑等所有的领域得到普遍采用。

  资产信息需求 (AIR，Asset information requirements) 对于监督和维护各个业务部门的实物资产至关重要。这些需求概述了维持资产的最佳性能和延长其常规使用的寿命所需的基本数据和细节。通过为利益相关者提供全面的见解，AIR 利用结构化框架实现有关资产、运营和维护策略的明智决策。它们提供资产的全面概述，涵盖其规格、标准、设计、状况、运营和法规遵从性。这种系统化方法增强了资产管理 (AM) 程序，确保高效利用资源并促进卓越运营和战略规划。AIR 是支持资产整个生命周期所需的数据、信息和文档的基础框架，在 AM 中，DT 为资产管理人员提供较为可靠的实时房地产数据记录。

  有研究指出，DT 在资产生命周期管理 (ALM，Asset Lifecycle Management)中发挥着变革性作用。资产信息建模 (AIM，Asset Information Modeling)对资产所有者来说必不可少，它包含维持资产所需的所有数据和文档。AIM 超越了静态数据，集成了 DT、物理资产的动态虚拟表示，促进了实时洞察和预测分析。通过 AIM，DT 将当前状况与历史运营数据相结合，提供全面的资产视图，从而增强决策能力并简化具有成本效益的 AM。

  资产运营中的高效数据管理依赖于资产信息需求 ，使 DT 能够生成交互式虚拟模型。这些模型提供预测分析和实时监控，来提升资产性能和决策效率。还有大量研究表明了用在建筑能源管理和居住者舒适度的集成 DT 和扩展现实 (XR) 解决方案，强调了保真度、互操作性和数据安全性的重要性。

  DT（Digital Twins）的创建始于从各种来源收集细致的数据，包括传感器、物联网（IoT）设备、计算机辅助设计（CAD）模型、历史档案和手动输入。然后将这一些数据合并到一个统一的平台或系统中。随后，构建虚拟表示以准确镜像物理实体或系统。使用先进的建模技术，如三维建模、基于物理的建模和机器学习（ML）算法，来构建逼真的DT。DT的模拟功能能够复制不同场景下的真实行为，提高预测准确性和作效率。

  DT 通过传感器和监控工具不断从物理对应方接收实时数据，评估物理资产的性能、状态和状况。可通过机器学习和AI算法等高级分析方法来提取见解并检测异常。通过一系列分析历史数据和当前数据，DT可以预测潜在故障或性能直线下降，从而通过主动维护和优化策略减少停机时间并提高效率。通过提供统一的数据交换和分析平台，DT促进了工程师、操作员和管理人员之间的协作，从而能够在资产或系统的整个生命周期内进行相对有效的决策和解决问题。

  采用DT技术明显提高了建筑项目的执行效率，从而节省了成本并缩短了完工时间。DT 技术的变革潜力慢慢的受到认可，尤其是在智能建筑规划设计和施工等前沿领域。这种创新方法提供了许多好处，包括加快施工进度、大幅度降低成本、提高生产率、促进协作、优化建筑设计以及提高安全和可持续性实践 。

  人工智能正在推动建筑行业的重大变革，大大提高了运营效率并简化了流程。利用数据分析、机器学习和预测建模等人工智能技术，建筑维护和管理的多个方面正在得到增强。这些进步显著提升了节能建筑系统中的故障检测机制，采用了一系列技术和方法来提高该行业的运营标准。

  通过分析智能建筑中安装的传感器和物联网设备生成的大量数据，人工智能算法可以识别异常或偏离典型模式的情况，从而实时指示建筑系统中的缺陷或低效。人工智能驱动的预测性维护系统利用传感器读数、历史数据和环境因素来预测建筑设备中的潜在故障或故障，从而避免代价高昂的故障，并通过在问题出现之前进行预防来提高建筑系统的整体可靠性。

  此外，人工智能算法可以快速识别与建筑系统中常见故障或低效相关的模式，通过识别人类操作员可能通过对标记数据的训练而忽略的问题的细微症状，学会更迅速、更准确地检测错误。基于人工智能的故障检测系统分析传感器数据以查明建筑系统故障或缺陷的根本原因，通过将传感器读数与已建立的故障模式进行比较，深入了解影响系统性能的根本问题。人工智能优化算法不断调整建筑系统，以增强能效，同时减少缺陷和低效率，并根据实时数据和环境条件动态调节暖通空调、照明和其他系统。

  因此，人工智能的智能自动化在及时调整暖通空调系统、照明和其他建筑功能、通过实时数据分析和环境考虑来优化性能和最大限度地降低能耗方面发挥着关键作用。人工智能与数字技术相结合代表着一项重大进步，人工智能算法可以自主分析大量数据集、预测资产性能并提高整体系统效率。

  由于建筑环境中对可持续解决方案的需求不断增长，智能建筑处于节能策略和减轻环境影响的最前沿。这种需求伴随着IEQ的改进。该研究的目的是阐明DT技术在改善IEQ和增强智能建筑能效方面的作用。此外，它还考虑了将DT与AI相结合的可能性，以提高故障检测系统的准确性，增强预测性维护程序，并最大限度地提高能源效率。总之，本研究的目的是分析和理解企业在其运营系统中采用和部署AI时面临的复杂困难。

  DT的战略部署为设施管理团队提供了对建筑环境中居住者体验的全面洞察。通过利用传感器驱动的数据分析，这些虚拟模型有助于精确调节机械和电气系统，从而实时调整室内温度和空气质量等参数。这种能力不仅可以营造以居住者为中心的室内环境，还可以提高运营效率，确保建筑性能符合预定义的成本和能源基准。DT 的实时监控能力，特别是在跟踪二氧化碳浓度和动态调整通风系统方面，凸显了它们在促进持续决策方面的关键作用。此外，它们对外部气候条件的自适应功能可以提高能源效率，同时保持最佳室内空气质量。

  AIM（Asset Information Modeling）在自动故障检测方面具有重要意义，可以实现预测性维护策略，并全面了解建筑资产配置。有研究表示，AIM 是快速解决问题和优化性能的基本机制，从而有助于实现有效的资产管理 (AM)。此外，集成传感器增强型 AIM 有助于实时监控各种参数，包括现有建筑的内部舒适度、居住者的幸福感和整体能源消耗模式。这种集成促进了数据驱动的决策，确保维护策略既积极主动又能响应不断变化的运营需求。

  DT 和 AI 的融合提供了一种有前途的高效资产管理方法，它使定制的建筑系统能够动态适应实时数据。这种整合有效地协调了居住者的舒适度和运营效率，促进了环境可持续和健康的建筑环境。尽管有这些优势，但必须解决利益相关者理解、结构化数据组织和专业知识要求等关键挑战，才能充分发挥 AI 和 DT 在 AM 中的潜力。有研究显示，集成楼宇自动化系统 (BAS)、BIM 和实时物联网生成的数据有助于实施动态 AM 应用，最终优化运营效率并支持净零建筑目标（例如，提高暖通空调系统性能）。此外，将设施管理实践与 DT 和 AI 等尖端技术相结合可以增强决策过程，为建筑运营注入先进的预测能力，从而提高长期可持续性和性能效率 。

  尽管存在挑战，但 AI 与 DT 技术的系统集成提供了巨大的好处，包括增强决策能力、提高运营效率和改善 SBS 内的可持续性指标。应对这些挑战需要采取以高质量数据采集和精心设计的技术集成策略为中心的结构化方法，这可以产生显著的环境和经济效益。在 OM 阶段，组织在整合 AI 和 DT 解决方案时会遇到许多障碍，强调解决这些问题以实现有效的建筑管理的迫切需要。

  研究显示，DT 能够实现精确的实时数据采集，从而改善建筑资产的运营控制，并通过新颖的空间分析方法提高预测个人热舒适偏好的能力。同样，DT 技术在优化物理基础设施性能、支持工厂运营和促进 AM 的同时有效减轻能源相关排放方面具有巨大潜力。

  该研究的结果为人工智能与 SBS 中的 DT 集成提供了重要见解。从调查回复和定性访谈的主题分析得出的经验证据为人工智能和 DT 技术在 SBS 中的实际实施奠定了坚实的基础。这种整合有望彻底改变决策过程，增强预测性维护能力，并优化各种运营环境中的能源性能。本研究的综合指导将作为将人工智能嵌入 DT 驱动环境的重要框架，强调其在解决 SBS 当代挑战中的关键作用。

  下图直观地表示了人工智能-DT 集成的程序动态框架，可作为研究人员和从业人员的概念指南。这种可视化有助于理解基于系统、基于模型、基于数据和基于分析的 DT 框架之间的复杂相互作用，突出它们的协同潜力。总体而言，这项研究不仅阐明了 AI 和 DT 在 BEMS 和 IEQ 的 SBS 中的集成实际方面，而且为未来的研究铺平了道路。

  人工智能驱动的数字孪生框架，用于提高智能建筑系统中的室内环境质量和能源效率

  AI 与数字孪生的集成为改进智能建筑系统中的室内环境质量和能源效率提供了一种变革性的方法。这一进步的实际影响跨越设计、施工、人工智能和政策领域，提供了需要仔细考虑的重大机遇和挑战。

  动态和自适应建筑设计：DT的整合——人工智能驱动的 DT 需要在设计阶段整合动态和实时监控系统，使建筑设计能够不断适应不断变化的环境条件和居住者行为。这样设计出来的建筑不仅节能，而且能够保持最佳室内环境质量。

  节能系统布局：优化的 HVAC 系统——设计师必须考虑HVAC系统的放置和配置，以充分利用人工智能的预测能力。这确保系统能够响应人工智能驱动的洞察，在保持舒适度的同时降低能耗。

  智能材料选择：智能材料使用——选择具有与人工智能驱动的DT互补特性的材料（例如智能窗户或节能隔热材料）变得至关重要。这些材料应与预测模型协调工作，以提高整体建筑性能。

  传感器和物联网设备的集成：施工准备——施工阶段必须考虑安装物联网设备和传感器，以确保DT正常运行。这包括确保建筑物配备支持实时数据收集和人工智能驱动的决策过程所需的基础设施。

  增强施工流程：精确度和效率——人工智能驱动的DT可以监控施工进度，确保在施工阶段达到能源效率和室内环境质量目标。这可以减少与设计规范的偏差并提高施工质量。

  改造和升级注意事项：调整现有结构——对于现有建筑，施工流程需要包括改造功能以集成人工智能驱动的DT。这涉及升级电气系统、暖通空调设置和安装新传感器，这可能成本高昂，但对于实现预期结果却是必要的。

  高级预测分析：实时决策——AI 模型必须足够复杂，才能实时分析大量数据，预测未来状况并相应地优化系统性能。这需要不断学习和适应新的数据输入。

  AI 驱动的自动化：自主控制——在智能建筑系统中实施 AI 驱动的自动化可以导致照明、HVAC 和其他系统的自动调整，以保持最佳的 IEQ 和能源使用，而无需人工干预。这提高了运营效率并减少了手动控制的需求。

  数据管理和安全：数据处理——AI 驱动的 DT 生成的大量数据需要强大的数据管理策略。确保数据隐私、安全性和完整性变得至关重要，尤其是在保护与建筑运营和居住者行为相关的敏感信息时。

  AI和DT集成的监管标准：政策制定——政府和监管机构必须制定将AI和DT集成到建筑系统中的标准和指南。这些政策应涉及数据隐私、能源效率基准和安全标准，确保配备这些技术的建筑物符合法律和道德规范。

  可持续建筑的激励措施：政府支持——政策制定者应考虑为在建筑中采用人工智能驱动的DT提供激励措施，例如为采用这些技术以提高IEQ和能源效率的开发商提供税收减免或补贴。这可能会加速可持续建筑实践的采用。

  建筑规范和认证：更新标准——现有的建筑规范和认证流程（例如 LEED ）可能需要更新，以反映 AI 驱动型 DT 的能力。这包括纳入实时监控、自适应系统和能源优化的新标准。

  公众意识和教育：利益相关者参与——为确保广泛采用，政策还应侧重于提高利益相关者（包括建筑业主、开发商和公众）对人工智能驱动的数字孪生的好处和潜力的认识。教育计划有助于克服对采用新技术的阻力，并确保劳动力为这种转变做好准备。

  下图总结了人工智能驱动的 DT 对增强 SBS 中的 IEQ 和 EE 的实际意义：

  人工智能驱动的数字孪生通过实现对建筑资产的精确识别、分类和跟踪，为设施管理提供了重要机遇。集成传感器数据可以全面了解资产绩效，支持明智的决策和预测性维护，从而减少停机时间和维护成本。持续监测室内环境质量参数可确保最佳的居住条件，而实时能耗数据有助于快速调整能效。

  而人工智能驱动的分析从大量数据集中发现模式和见解，不断改进操作以提高性能、节省能源和提高居住舒适度。人工智能通过动态调整暖通空调和照明等系统来优化建筑能耗，显着降低能源成本并帮助实现可持续发展目标。此外，人工智能还提供数据驱动的见解以进行明智的决策，预测未来条件以进行预测优化，并基于预测分析改进长期规划和资源分配，从而增强整体建筑管理和效率。

  在智能建筑系统中实施 AI 驱动的数字孪生面临多项挑战。集成来自不同系统和格式的数据非常复杂，确保传感器数据的准确性和可靠性也同样复杂。实现不同系统和设备之间的无缝通信至关重要。AI 和 DT 系统的技术复杂性需要高级专业知识，而且初始投资成本可能很高。在大型复杂建筑物中扩展这些解决方案会增加进一步的难度。安全和隐私至关重要，需要保护敏感数据免受网络威胁，并在数据收集和分析期间确保居住者的隐私。监管和合规问题也带来了挑战，因为驾驭各种框架可能会阻碍实施，而确保所有系统都符合相关标准至关重要。

  为了改善智能建筑中人工智能驱动的数字孪生实施，可以进行多项改进。应开发统一的数据平台，以整合来自所有来源的数据，确保系统的凝聚力。严格的验证和清理过程对于确保高质量的数据输入是必不可少的。应创建先进的人工智能算法，包括不断改进的机器学习模型，以提高预测和优化的准确性。

  人工智能系统还必须适应不断变化的条件和要求。应开发具有成本效益的解决方案，例如负担得起的人工智能和数字孪生技术，以便更多建筑业主可以使用。政府激励和补贴可以帮助抵消初始成本。加强安全措施，包括先进的协议和严格的隐私准则，对于保护数据和系统免受网络威胁至关重要。主动遵守监管变化至关重要，应努力标准化人工智能和数字孪生技术，以简化合规和集成。

  这项研究有一定的局限性。样本量相对较小且受限，参数探索有限，仅关注区域子集。有限的样本量和区域重点可能会影响研究的统计强度，从而难以发现细微但显著的影响。有限的样本量和区域重点可能会阻碍研究结果在研究组之外的普遍性。由于不同地区的文化、社会、经济和环境因素存在差异，从小样本中得出的结论可能只能部分反映业内某些组织的特点和做法。

  鉴于这项研究的有希望的发现，未来的研究应该探索几个关键领域，以推进人工智能驱动的数字孪生在智能建筑系统中的整合：

  现实世界场景中的可扩展性和实施：虽然这项研究为人工智能驱动的数字孪生集成建立了理论和实证基础，但未来的研究应侧重于大规模的现实世界实施。研究应调查在不同建筑类型和运营环境中将数字孪生与人工智能集成的长期性能、挑战和实际可行性。

  用于预测分析的高级人工智能算法：为智能建筑系统应用量身定制的更复杂的人工智能算法的开发可以增强 数字孪生的预测和诊断能力。未来的研究应该探索深度学习技术、强化学习模型和混合人工智能框架，以动态优化室内环境质量和能源性能。

  与新兴技术的互操作性：人工智能驱动的数字孪生与其他新兴技术的兼容性和集成，例如用于安全数据交易的区块链、用于实时处理的边缘计算和用于增强连接的 5G，值得进一步研究。

  以人为本的人工智能和居住者行为建模：人工智能模型应进一步完善，以纳入以人为本的因素，包括居住者行为模式、舒适度偏好和对室内环境变化的适应性反应。未来的研究应探索将生理和认知参数整合到人工智能驱动的数字孪生系统中。

  可持续性和生命周期评估：研究应超越运营效率，评估人工智能驱动的数字孪生对环境的影响和生命周期可持续性。这包括评估与数字孪生实施相关的体现能源、碳足迹和长期可持续性指标。

  政策和监管考虑：人工智能驱动的数字孪生在智能建筑系统中的采用受到监管框架和行业标准的影响。未来的研究应研究管理智能建筑中人工智能和数字孪生应用的政策发展、道德考虑和法律框架。

  人工智能驱动的数字孪生的应用在行业领域仍然面临许多挑战。有必要对这些挑战进行研究，也许其中最重要的挑战如下：

  数据安全：保护机密信息免遭未经授权的访问是一项持续的挑战。探索区块链等先进技术可能有助于确保数据的真实性和准确性。基于区块链的解决方案可以通过提供安全且不可变的方法来记录和验证数据交易，从而增强历史数据的可靠性。

  历史数据：主要挑战在于历史数据的质量，因为其中大多数往往不准确。开发质量检查和评估算法可以简化旧数据的清理和准备。这种方法可以帮助研究人员节省时间和精力来准备分析历史数据。

  本研究通过探索数字孪生在智能建筑系统中增强室内环境质量和能效的潜力，通过与现场专家进行定性和定量分析，该研究强调了将数字孪生与AI相结合对有效建筑管理的关键作用。主要发现包括通 AI驱动的 数字孪生显著提高运营效率，从而实现预测性维护、优化能源消耗并调整建筑特征以实现可持续性和居住者的舒适度。

  AI 驱动的数字孪生通过准确识别、分类和跟踪建筑资产，显著增强了资产管理。集成传感器数据提供了资产绩效的全面视图，支持明智的决策和预测性维护，从而减少停机时间和成本。持续监测室内环境质量可确保最佳的居住条件，而实时能耗数据有助于快速调整能效。AI 驱动的分析从大量数据集中发现模式和见解，改进操作以提高性能、节能和舒适度。AI 通过动态调整 HVAC 系统和照明来优化能耗，减少相关成本并实现可持续发展目标。

  此外，AI 提供数据驱动的洞察，以便做出明智的决策、预测性优化和更好的长期规划。然而，在智能建筑系统中实施 AI 驱动的数字孪生面临着诸多挑战，例如集成来自不同系统的数据、确保数据准确性以及实现设备之间的无缝通信。技术复杂性和初始成本需要高级专业相关知识。在大型建筑物中扩展解决方案、确保数据安全和隐私以及解决监管和合规问题也是重大障碍。

  这项研究强调了 AI 驱动的数字孪生在增强智能建筑系统中的室内环境质量和优化建筑能效方面的巨大潜力。研究结果表明，数字孪生能够实时监控和自适应控制环境参数，来提升居住者的舒适度和运营效率。此外，它们与资产信息模型的集成支持预测性维护、数据驱动的决策和主动资产管理。AI 和数字孪生之间的协同作用通过优化建筑性能和减轻能源相关排放进一步增强了可持续性。

  虽然这项研究为智能建筑系统中的 AI-DT集成奠定了坚实的基础，但未来研究的途径仍有待拓展。关键领域包括现实世界的可扩展性、用于预测分析的高级AI算法的开发以及与区块链、边缘计算和5G等新兴技术的更好互操作性。此外，完善AI模型以纳入以人为本的因素、通过生命周期评估评估可持续性以及解决政策和监管问题对于广泛采用至关重要。

  总体而言，该研究强调了 AI 驱动的数字孪生在智能建筑系统中的变革作用，并为旨在实现智能、可持续和以居住者为中心的建筑环境的未来进步提供了框架。

  邮箱：、（内容合作）、463652027（商务合作）、645262346（媒体合作）我知道了×个人登录