面向住宅建筑平面图合规检查的自动化AI框架

# 面向住宅建筑平面图合规性检查的自动化AI框架 来源: https://arxiv.org/html/2607.00015

###### 摘要

为改善澳大利亚城区居民福祉，政府出台了多项政策改革（如SEPP65、BADS和SPP7.3），旨在提升公寓设计质量。这些法规要求精确的几何和空间分析，以评估与健康相关的特征，包括日照采光、自然通风、隐私性和空间效率。然而，合规性检查仍面临挑战，因其以人工为主、耗时巨大。此外，不断演变的政策限制了大规模评估（涉及数千套公寓）的可扩展性。现有的自动化平面图分析方法较为零散，通常集中于单套公寓，缺乏面向多单元合规性检查的统一框架。本文探讨了当前自动化平面图分析的进展，特别是AI驱动的方法，并强调了其实际应用中的主要挑战。为弥补这些空白，提出了一个面向多公寓建筑自动化合规性检查的概念框架。该框架在规则引擎中使用大型语言模型（LLM），将文本形式的建筑规范转换为可执行、可解释的规则。数据提取引擎将平面图图像分割为墙体、房间、固定装置、文本和符号等元素，并将其转化为包含拓扑关系的结构化建筑图。这种结构化表示随后由合规性检查引擎评估，该引擎利用LLM生成的规则进行判定。所提出的框架提供了一种可扩展、一致且透明的自动化合规性检查方法，可跨司法管辖区实施，支持高效执行公寓设计标准，并促进更健康、更高密度的城市发展。

###### 关键词: 建筑合规性检查、建筑施工自动化、建筑政策、大型语言模型、计算机视觉

††期刊: 建筑与环境
\\affiliation[GIS]organization=皇家墨尔本理工大学全球城市与社会研究学院，城市=墨尔本，国家=澳大利亚
\\affiliation[GUSS]organization=皇家墨尔本理工大学数学与地理空间科学系，城市=墨尔本，国家=澳大利亚

## 1 引言

近年来，澳大利亚的住房格局经历了显著变革，这受到城市人口快速增长、土地价值上升以及对城市扩张的环境和经济可持续性担忧的影响（国家住房供应与可负担性委员会，2024 (https://arxiv.org/html/2607.00015#bib.bib22)）。为减轻这些影响，政府将城市集约化和高密度发展作为在已建成区域内容纳增长的关键策略。公寓在澳大利亚房地产市场中的角色日益重要，容纳了超过260万人（占澳大利亚人口的10%）（澳大利亚统计局，2022 (https://arxiv.org/html/2607.00015#bib.bib3)）。这一趋势在澳大利亚人口最多的城市悉尼和墨尔本尤为突出，2021年公寓分别占其已占用住宅的31%和16%。在向公寓生活转变的过程中，一些人表达了对新建项目设计质量的担忧（Easthope and Judd，2010 (https://arxiv.org/html/2607.00015#bib.bib6)）。越来越多的研究表明，公寓设计不仅影响居民的舒适度和满意度，还影响健康结果（Foster等，2022b (https://arxiv.org/html/2607.00015#bib.bib10); Giles-Corti等，2015 (https://arxiv.org/html/2607.00015#bib.bib12); Hooper等，2023 (https://arxiv.org/html/2607.00015#bib.bib14); Kleeman and Foster，2023 (https://arxiv.org/html/2607.00015#bib.bib16)，2024 (https://arxiv.org/html/2607.00015#bib.bib17); Kleeman等，2022 (https://arxiv.org/html/2607.00015#bib.bib19)）。促进健康的关键公寓设计特征包括充足的空间（Evans等，1996 (https://arxiv.org/html/2607.00015#bib.bib7)）、日照采光（Brown and Jacobs，2011 (https://arxiv.org/html/2607.00015#bib.bib5)）、自然通风（Wong and Huang，2004 (https://arxiv.org/html/2607.00015#bib.bib26)）、声学隐私（Andargie等，2021 (https://arxiv.org/html/2607.00015#bib.bib2); Babisch等，2014 (https://arxiv.org/html/2607.00015#bib.bib4)）、热舒适（Lloyd等，2008 (https://arxiv.org/html/2607.00015#bib.bib20)）以及绿色/自然景观的视野（Kaplan，2001 (https://arxiv.org/html/2607.00015#bib.bib15)）。建筑层面的特征，如公共开放空间和流通区域，也能促进邻里间的社交互动和社区感（Kleeman等，2023 (https://arxiv.org/html/2607.00015#bib.bib18)）。相反，糟糕的公寓设计和环境压力因素（例如，采光、通风、空间或隐私不足）会对居民的健康和生活质量产生显著的负面影响，导致压力、不适和社会孤立（Evans等，2003 (https://arxiv.org/html/2607.00015#bib.bib8)）。这些见解为澳大利亚当代的公寓设计政策提供了依据，这些政策越来越认识到居民福祉作为核心目标与设计质量同等重要。2002年，新南威尔士州成为首个通过《州环境规划政策第65号》（SEPP 65）及其配套文件《住宅公寓设计规范》引入一系列重大政策改革以提升公寓设计质量的州。2015年，《公寓设计指南》（ADG）取代并更新了之前的规范，提供了关于公寓最低设计质量标准的更详细、基于绩效的指导（新南威尔士州规划与环境部，2015 (https://arxiv.org/html/2607.00015#bib.bib23)）。新南威尔士州的SEPP 65政策因其在公寓设计方面提供全面的“黄金标准”指导而闻名全国，并被广泛认为提升了该州高密度公寓建筑的质量（Mould，2011 (https://arxiv.org/html/2607.00015#bib.bib21)）。其他州，包括维多利亚州和西澳大利亚州，直到很晚才引入公寓设计标准；维多利亚州于2017年发布了《更好的公寓设计标准》（BADS）（2021年更新），西澳大利亚州随后于2019年发布了《州规划政策7.3》（SPP 7.3）——住宅设计规范第2卷（公寓）（2024年更新）（维多利亚州环境、土地、水和规划部，2021 (https://arxiv.org/html/2607.00015#bib.bib24); 西澳大利亚州规划、土地和遗产部，2024 (https://arxiv.org/html/2607.00015#bib.bib25)）。

了解公寓设计政策在实践中如何实施，对于评估其在提升设计质量方面的成功与否至关重要。这一过程通常涉及审查公寓平面图、立面图和其他环境因素（以图像或矢量化的建筑图纸形式），并查阅既定的公寓设计规范（通常以描述设计标准的文本形式提供）。一个相关的例子是High Life研究（Foster等，2022a (https://arxiv.org/html/2607.00015#bib.bib9)），该研究旨在评估新建公寓楼是否符合旨在改善居民健康和福祉的州级设计政策。然而，迄今为止，评估政策实施的过程高度劳动密集且耗时，依赖于对复杂建筑图纸的人工解读和测量，因此不适用于大规模或重复性的合规性评估。这些挑战突显了自动化评估公寓设计政策以提高效率、一致性和可扩展性的明显机遇。

平面图通常以PDF图纸中的光栅图像或扫描蓝图的形式分发和存档，这使得自动化解读具有挑战性。以往的研究探索了经典的计算机视觉技术和光学字符识别来从平面图中提取图形和文本信息；然而，这些方法在处理复杂布局、不统一的符号使用、退化的扫描件和多样化的建筑类型时常常遇到困难，限制了其在实际应用中的鲁棒性。文件格式、绘图惯例、符号库、标注风格和图像质量的多样性进一步增加了从这些文档中提取可靠信息的复杂性。

过去十年，人工智能（AI）在几乎所有研究领域都取得了非凡的成功（Zhang and Zhang，2024 (https://arxiv.org/html/2607.00015#bib.bib58)），尤其是在图像和自然语言理解方面。图像理解实现了自动分类、分割和目标检测。自然语言理解则涉及人类语言（可以是文本或语音形式）的处理、解读和生成。最近的大型语言模型（LLM），如生成式预训练变换器（GPTs），由于其在人类语言理解方面的成功以及对软件开发（例如，自动编程）的支持而引起了广泛关注。此外，还有能够结合图像和自然语言的方法，例如生成图像内容的文本描述，或使用文本生成新颖的图像内容。这些方法共同为自动化理解公寓设计政策的实施提供了机遇。

基于平面图图像的广泛可用性，基于图像的方法越来越受欢迎。现有的大部分工作侧重于理解公寓语义，这涉及在平面图图像中识别建筑组件（例如，墙体、门和窗户），这一过程通常被称为平面图解析（Dodge等，2017b (https://arxiv.org/html/2607.00015#bib.bib69)）。这些语义信息进一步用于识别公寓内部的功能空间，如房间、厨房和起居区。成熟的AI算法，如深度学习和计算机视觉，已被用于执行目标识别、图像分割和文本识别等任务。一些研究进一步分析了功能空间的连通性，利用拓扑（Yang等，2022 (https://arxiv.org/html/2607.00015#bib.bib53)）、图（Lu等，2021 (https://arxiv.org/html/2607.00015#bib.bib74)）和空间推理，通过本体、基于规则的方法和机器学习进行自动化平面图分析（Fuchs等，2022 (https://arxiv.org/html/2607.00015#bib.bib42)）。此外，一些最先进算法的性能已使用平面图解析的公共数据集进行了比较（Xu等，2025a (https://arxiv.org/html/2607.00015#bib.bib75)）。然而，现有大多数研究集中于公寓级别的平面图语义分析，这与高层建筑中多公寓平面图（每层约10-15套公寓）的分析有显著不同（见图1 (https://arxiv.org/html/2607.00015#S1.F1)）。这些平面图的一个独特特征是相邻公寓的连通性以及公共和共享区域（例如，图1 (https://arxiv.org/html/2607.00015#S1.F1)中连接公寓的走廊）的存在。此外，平面图可能有所不同：有些可能包含明确标注功能区域或家具位置的文本，而另一些则可能缺乏此类标注。将各个公寓和公共区域在这些平面图中分割开来，对于验证多项建筑施工规范的合规性至关重要，并且仍然是一个研究不足的领域。

请参阅图注
图 1: 来自 MLStructFP 数据集的多公寓平面图（Pizarro 等，2023 (https://arxiv.org/html/2607.00015#bib.bib70)）。公寓功能区域没有文本描述，但包含了家具位置。走廊连接着公寓、楼梯和电梯。

最近，GPTs也被用于自动软件开发（例如，生成Python脚本），以在建筑信息模型（BIM）工作流程中实施“半自动化”合规性检查（Madireddy等，2025 (https://arxiv.org/html/2607.00015#bib.bib66)），这需要深入了解建筑规范的人类专家的大量输入。多年来，LLM在自然语言理解方面的能力已能够将文本形式的建筑规范（例如，新西兰建筑规范）转换为机器和人类都可读的数据格式，如可扩展标记语言（XML），用于进一步的推理和合规性检查（Fuchs等，2024 (https://arxiv.org/html/2607.00015#bib.bib43)）。此外，提示（用于指导LLM完成任务的输入指令和文本片段）已被用于引出专家的反馈，以调整GPT模型在同一任务上的输出（Yang and Zhang，2024 (https://arxiv.org/html/2607.00015#bib.bib39)），或从它持续接收的反馈中学习（Al-Turki等，2024 (https://arxiv.org/html/2607.00015#bib.bib41)）。通过利用LLM回答特定领域问题，提出了建筑法规查询框架（He等，2025 (https://arxiv.org/html/2607.00015#bib.bib38)）。其他工作创建了包含建筑监管数据的数据集，用于使用LLM进行自动合规性检查的规则生成（Hettiarachchi等，2025 (https://arxiv.org/html/2607.00015#bib.bib40)）。然而，所有这些方法都是基于文本的，主要将人类可读的文档和规则转换为机器可读的格式，而不理解平面图中的视觉（和空间）信息，而这对于语义分析至关重要。

尽管取得了这些进展，但使用基于LLM的最新方法进行公寓自动化合规性检查仍处于早期阶段（Zhang等，2025 (https://arxiv.org/html/2607.00015#bib.bib44)），并且不存在能够自动检查所有公寓建筑规范的系统（Ismail等，2017 (https://arxiv.org/html/2607.00015#bib.bib60)）。开发一个能够适应不断变化的建筑规范的自动化系统，对于促进像High Life这样研究是必要的。因此，本文探索了使用最先进的AI方法直接处理平面图的自动化途径。以下是本文的贡献：

1. 识别了基于公寓建筑规范进行自动化平面图分析和合规性检查时采用现有方法所面临的挑战。
2. 提出了一个概念框架，通过使用最先进的AI方法对平面图进行视觉分析，实现对多公寓建筑的自动合规性检查。

第2节介绍了研究的背景，提供了突出现有方法挑战的案例研究和实例，并对适合该任务的AI技术进行了综述。第3节介绍了使用AI算法完成该任务的概念框架，提供了设计、评估和挑战方面的详细见解。随后是第4节的讨论和第5节的结论。

## 2 背景

### 2.1 住宅建筑平面图与合规性

直到最近，研究澳大利亚公寓设计政策与建筑结果之间关系的研究仍然有限。在其关于政策监管影响的研