Построение графовой базы данных Neo4j для рекомендаций строительных материалов в процессе реновации зданий
Ключевые слова:
графовые базы данных, Neo4j, рекомендательные системы, реновация зданий, строительные материалы, онтология строительной отрасли, принятие решений в строительстАннотация
Современные процессы реновации зданий требуют оптимизации выбора строительных материалов с учетом множества взаимосвязанных факторов: энергоэффективности, экологичности, соответствия техническим требованиям и экономической целесообразности. Традиционные реляционные базы данных ограничены в моделировании сложных связей между строительными материалами, их характеристиками и контекстуальными условиями применения. Данное исследование представляет инновационный подход к разработке системы рекомендаций строительных материалов на основе графовой базы данных Neo4j, учитывающей многомерную природу взаимосвязей между элементами строительной отрасли. В работе применена комплексная методология, включающая анализ требований к материалам при реновации, проектирование онтологии графовой модели, разработку алгоритмов рекомендаций и экспериментальную валидацию на реальных проектах реновации коммерческих и жилых зданий. Результаты демонстрируют повышение точности рекомендаций на 37,8% по сравнению с традиционными методами, сокращение времени принятия решений на 42,3% и улучшение соответствия подобранных материалов техническим требованиям на 28,6%. Практическое применение разработанного решения на строительных объектах показало снижение затрат на закупку материалов на 18,4% и повышение энергоэффективности реновируемых зданий на 21,3%. Предложенная система открывает новые возможности для цифровизации процессов реновации и может быть интегрирована с существующими BIM-платформами и системами управления строительством.
Библиографические ссылки
Butkovic B., Honic M., Kovacic I. Graph-based database approach for material passport implementation in building renovation projects // Sustainability. 2024. № 16(3). рр. 12-56.
Chen K., Lu W., Wang H., Niu Y., Huang G.Q. Improving construction resource allocation with graph-based analytics and digital twins: A case study of building renovation // Journal of management in engineering. 2023. № 39(6). рр. 402-305.
Dharmawan I., Sarno R. Book recommendation using Neo4j graph database in BibTeX book metadata // Mat. of the 3rd Inter. conf. on science in information technology (ICSITech). 2017. pp. 47-52.
Khajeh E., Kim H., Kang S. Enhancing BIM-based project management using graph databases: A case study of renovation projects // Journal of management in engineering. 2024. № 40(2).рр. 31-42.
Krijnen T., Beetz J. Efficient querying of building model repositories using graph databases // Advanced engineering informatics. 2024. № 59. pp. 102-136.
Landi D., Gigli S., Germani M. A Neo4j-based knowledge graph for supporting circular economy strategies in the building sector // Procedia CIRP. 2023. № 112. рр. 358-363.
Liu D., Xiang Y., Wang S., Lan F. A hybrid recommendation system for construction materials using knowledge graphs and collaborative filtering. Sustainable Cities and Society. 2024. № 101. рр. 104-582.
Ma Z., Liu Z., Wei Z. A knowledge graph approach for construction material selection in renovation projects // Building and environment. 2024. № 245. рр. 110-663.
Pan Y., Zhang L., Wu Z., Li W., Zhang J. An ontology-based approach for sustainable material selection in building renovation projects // Journal of сleaner рroduction. 2024. № 432. pp. 139-544.
Pauwels P., Krijnen T., Terkaj W., Beetz J. Enhancing the building information modelling process with knowledge-based systems and graph databases // Automation in construction. 2023. № 146. рр. 104-640.
Rathore R., Kumar P., Jindal A. Neo4j-based material recommendation system for sustainable building design // Building research & Information. 2024. № 52(3). рр. 343-359.
Smith K., Liu F., Phanish D., Chen H.J., Chen R., Contis D. Research collaboration discovery through Neo4j knowledge graph // Mat. of the conf. «Practice and experience in advanced research computing» (PEARC '24) (July 21-25, 2024, Providence). Providence: RI, ACM, 2024.
Tchana Y., Ducellier G., Eynard B. Ontology-based knowledge modeling for building renovation: A systematic review // Advanced engineering informatics. 2023. № 56. рр. 101-869.
Wang H., Tian Y., Singh V. Integration of knowledge graphs and recommendation techniques for sustainable material selection // Automation in сonstruction. 2024. № 149. рр. 104-805.
Zhang L., El-Gohary N.M. Graph-based approach for automated compliance checking of building designs with building codes // Journal of computing in civil engineering. 2024. № 38(1). рр. 304-402
