Издаётся с сентября 1923 года
DOI: 10.33622/0869-7019
Russian Science Citation Index (RSCI) на платформе Web of Science


  • НАУЧНО-ПРОЕКТНЫЙ ЦЕНТР «РАЗВИТИЕ ГОРОДА» - СТРОИТЕЛЬНОМУ КОМПЛЕКСУ
  • Цифровой двойник реновации на основе графовых нейросетей
  • УДК 69.007
    doi: 10.33622/0869-7019.2025.12.35-44
    Сергей Александрович СЕМЕНОВ, зам. генерального директора1, аспирант2, s.semenov@dev-city.ru
    Ярослав Сергеевич АРГУНОВ3, руководитель аналитического направления, argunov88@gmail.com
    1 Научно-проектный центр «Развитие города», 129090 Москва, просп. Мира, 19, стр. 3
    2 Национальный исследовательский Московский государственный строительный университет (НИУ МГСУ), 129337 Москва, Ярославское ш., 26
    3 Property Experts Inc, 101 Federal St, Ste 1900, Boston, MA 02110, USA
    Аннотация. Программа реновации Москвы - один из крупнейших в мире проектов обновления жилищного фонда, включающий в себя переселение жителей устаревших домов в современные кварталы. Управление столь сложной системой требует новых подходов цифрового моделирования и искусственного интеллекта. Цель исследования - разработка концепции цифрового двойника масштабной городской программы реновации жилья с интеграцией графовых нейронных сетей и больших языковых моделей. Предложена многоуровневая архитектура интеллектуального цифрового двойника реновации, где цифровая модель среды, аналитический и языковой интерфейс образуют единый контур поддержки управленческих решений. Рассмотрены примеры успешного применения нейросетей для прогнозирования технического состояния объектов инфраструктуры, а также интеграции больших языковых моделей для взаимодействия с цифровыми симуляциями социально-городских процессов. Установлено, что нейросеть позволит выявлять скрытые зависимости и предсказывать риски в графе переселений и стройплощадок программы реновации, а языковая модель обеспечит "понимание" регламентов и проектной документации, ответ на запросы пользователей и генерацию сценариев развития. Комбинация нейросетей и языковых моделей в рамках цифрового двойника способна повысить точность планирования, прозрачность и адаптивность программы реновации.
    Ключевые слова: цифровой двойник, программа реновации, графовая нейронная сеть, большая языковая модель, "умный" город, искусственный интеллект
  • СПИСОК ИСТОЧНИКОВ
    1. Hu W., Lim K. Y. H., Cai Y. Digital twin and industry 4.0 enablers in building and construction: a survey [Цифровой двойник и индустрия 4.0 в строительстве: обзор]. Buildings, 2022, vol. 12, no. 11, pp. 2004. doi: 10.3390/buildings12112004
    2. Tao F., Zhang H., Liu A., Nee A. Y. C. Digital twin in industry: state-of-the-art [Цифровой двойник в промышленности: современное состояние]. Robotics and Computer-Integrated Manufacturing, 2019, vol. 61, pp. 101837. doi: 10.1016/j.rcim.2019.101837
    3. Glaessgen E., Stargel D. The digital twin paradigm for future NASA and U.S. air force vehicles [Парадигма цифрового двойника для перспективных летательных аппаратов NASA и ВВС США]. 53rd AIAA/ ASME/ASCE/AHS/ASC Structures, Structural Dynamics and Materials Conference. Proc., 2012. doi: 10.2514/6.2012-1818
    4. Мусина С. К., Жаров Я. В., Аргунов Я. С. Развитие цифровых компетенций инженерно-технических работников в управлении строительством // Промышленное и гражданское строительство. 2025. № 2. С. 60-65. doi: 10.33622/0869-7019.2025.02.60-65
    5. Аргунов С. В., Семенов С. А., Аргунов Я. С. Комплексная методика прогнозирования укрупненного графика затрат по крупномасштабным городским проектам // Промышленное и гражданское строительство. 2022. № 11. С. 38-44. doi: 10.33622/0869-7019.2022.11.38-44
    6. Zhou J., Cui G., Hu S. et al. Graph neural networks: a review of methods and applications [Графовые нейронные сети: обзор методов и применений]. AI Open, 2021, vol. 1, pp. 57-81. doi: 10.1016/j.aiopen.2021.01.001
    7. Wu Z., Pan S., Chen F. et al. A comprehensive survey on graph neural networks [Комплексный обзор графовых нейронных сетей]. IEEE Transactions on Neural Networks and Learning Systems, 2021, vol. 32, no. 1, pp. 4-24. doi: 10.1109/TNNLS.2020.2978386
    8. Jia Y., Wang J., Hosseini M. R., Shou W. Graph neural networks in building life cycle: a review [Графовые нейронные сети на этапах жизненного цикла зданий: обзор]. European Conference on Computing in Construction (EC3). Proc., 2022, pp. 281-288. doi: 10.35490/ec3.2022.164
    9. Jia Y., Wang J., Hosseini M. R. et al. Graph neural networks for construction applications: a comprehensive review [Графовые нейронные сети в задачах строительства: всесторонний обзор]. Automation in Construction, 2023, vol. 154, pp. 104984. doi: 10.1016/j.autcon.2023.104984
    10. Wettewa S., Hou L., Zhang G. Graph neural networks for building and civil infrastructure operation and maintenance enhancement [Графовые нейронные сети для повышения эффективности эксплуатации зданий и сооружений]. Advanced Engineering Informatics, 2024, vol. 62, pp. 102868. doi: 10.1016/j.aei.2024.102868
    11. Topu M. M., Anik M. A., Wasi A. T. et al. Digital twin-driven pavement health monitoring and maintenance optimization using graph neural networks [Мониторинг состояния дорожного покрытия и оптимизация обслуживания на основе цифрового двойника и графовых нейронных сетей]. arXiv preprint arXiv. 2025. doi: 10.48550/arXiv.2511.02957
    12. McKinsey & Company. Digital twins and generative AI: a powerful pairing. McKinsey Technology Council Perspective. 2024. Available at: https://www.mckinsey.com/ (accessed 26.11.2025).
    13. Backslash Security's digital twin approach to application Security gains traction as legacy tools fall short [Подход Backslash Security к использованию цифрового двойника приложения для обеспечения безопасности]. Backslash Security, 2025. Available at: https://www.backslash.security/press-releases/digital-twin-application-security-gains-traction (accessed 26.11.2025).
    14. Ravid B. Y., Aharon-Gutman M. The social digital twin: the social turn in the field of smart cities [Социальный цифровой двойник: "социальный поворот" в концепции "умных" городов]. Environment and Planning B: Urban Analytics and City Science, 2023, vol. 50, no. 6, pp. 1455-1470. doi: 10.1177/23998083221137079
  • Для цитирования: Семенов С. А., Аргунов Я. С. Цифровой двойник реновации на основе графовых нейросетей // Промышленное и гражданское строительство. 2025. № 12. С. 35-44. doi: 10.33622/0869-7019.2025.12.35-44

НАЗАД