香港科技大学全奖博士项目（Yu-Hsing WANG教授）

一、导师简介

Yu-Hsing WANG（王幼行）教授拥有扎实的学术背景，2001 年于美国 The Georgia Institute of Technology 获得 Civil Engineering（土木工程）博士学位。目前，他担任香港科技大学（HKUST）Engineering（工程学院）Associate Dean（Undergraduate Studies，本科教育副院长），同时是 Civil and Environmental Engineering（土木与环境工程系）的 Professor（教授）。

在学术身份标识方面，教授的相关信息可通过以下平台查询：Google Scholar ID 为 C-5sy9kAAAAJ，ORCID 为 0000-0001-7829-2750，Scopus ID 为 56902743400；办公地点为 Room 3572，联系电话为 (852) 2358 8757。

研究兴趣覆盖多个交叉领域，具体包括：Human-Robot-AI symbiosis for smart cities（面向智慧城市的人机 AI 共生）、Green AI（绿色人工智能）、Internet of Things（物联网）、Wave-based characterizations of geomaterials（基于波动的岩土材料特性分析）、Experimental geo-micromechanics and DEM simulations（实验岩土微观力学与离散元模拟）、3D printing for geotechnical testing（用于岩土测试的 3D 打印技术）、Attenuation mechanisms and measurements（衰减机制与测量）、Physico-chemical soil behavior（土的物理化学行为）。

二、近期文章和项目解析

（1）近期文章

截至 2025 年 10 月，Yu-Hsing WANG 教授累计发表文章 137 篇，近年发表情况及核心内容如下：

2025年（1篇）：文章标题为《Generative AIBIM: An automatic and intelligent structural design pipeline integrating BIM and generative AI》，发表于 Information Fusion（信息融合领域重要期刊）v. 114（2025 年 2 月），文章编号 102654，合作者包括 He, Zhili 与 Zhang, Jian。该研究整合 BIM（建筑信息模型）与 generative AI（生成式人工智能），提出一套自动、智能的结构设计流程，解决传统设计中效率低、人工干预多的问题，为土木工程设计智能化提供新路径。

2024年（3篇）：①《Crack segmentation on steel structures using boundary guidance model》发表于 Automation in Construction（土木工程领域顶刊）v. 162（2024 年 6 月），文章编号 105354，合作者有 He, Zhili、Chen, Wang 等。研究采用 boundary guidance model（边界引导模型）实现钢结构裂缝分割，提升裂缝检测的准确性与自动化程度，对钢结构健康监测具有重要实用价值；②《Towards automatic urban tree inventory: Enhancing tree instance segmentation via moving object removal and a chord length-based DBH estimation approach》发表于 Computers and Electronics in Agriculture（农业与电子计算机交叉领域期刊）v. 226（2024 年 11 月），文章编号 109378，页码 1-25，合作者包括 Chau, Wai Yi、Chow, Jun Kang 等。通过移除运动物体、基于弦长的 DBH（胸径）估计方法优化树木实例分割，推动城市树木盘点自动化，助力城市生态管理与绿化规划；③会议论文《DDIM sampling for Generative AIBIM, a faster intelligent structural design framework》，合作者为 He, Zhili，将 DDIM 采样（去噪扩散隐式模型采样）应用于 Generative AIBIM，提升结构设计框架的运算速度，进一步优化设计效率。

2023年（7篇，选取核心3篇）：①《AI-IoT integrated framework for tree tilt monitoring: A case study on tree failure in Hong Kong》发表于 Agricultural and Forest Meteorology（农业与森林气象领域核心期刊）v. 341（2023 年 10 月），文章编号 109678，以香港树木倒伏事件为案例，构建 AI 与 IoT 整合的树木倾斜监测框架，为台风多发地区的树木安全管理提供技术支持；②《Monitoring of rainfall-induced landslides at Songmao and Lushan, Taiwan, using IoT and big data-based monitoring system》发表于 Landslides（滑坡研究领域权威期刊）v. 20（2023 年 2 月），页码 271-296，利用 IoT 与大数据构建监测系统，实现降雨诱发滑坡的实时监测，提升滑坡预警的及时性与准确性；③《Monitoring of tree tilt motion using lorawan-based wireless tree sensing system (IoTT) during super typhoon Mangkhut》发表于 Agricultural and Forest Meteorology v. 329（2023 年 2 月），文章编号 109282，在超强台风 “山竹” 期间，通过基于 LoRaWAN 的无线树木传感系统（IoTT）监测树木倾斜，验证该系统在极端天气下的稳定性与可靠性。

（2）项目解析

目前教授牵头的在研及近期完成项目共 2 项，具体信息如下：

项目1：《A Human-Robot-AI Symbiotic Mobile Mapping Solution for Fast and Regular Examination of Rapidly Evolving Civil and Environmental Engineering Infrastructures in Smart and Resilient Cities》（面向智能韧性城市，用于快速定期检查快速演变的土木与环境工程基础设施的人机 AI 共生移动测绘解决方案），执行时间 2023 年 1 月 - 2025 年 12 月，由 Innovation and Technology Fund（创新科技基金）资助，Yu-Hsing WANG 教授担任项目负责人（Lead），香港科技大学团队成员包括 CHAN Ben Yui Bun。该项目针对智慧城市中基础设施动态变化的监测需求，整合人、机器人与 AI 技术，开发移动测绘解决方案，解决传统测绘效率低、覆盖范围有限的问题，为基础设施的韧性管理（如故障快速响应、定期维护）提供技术支撑。

项目2：《AI-enabled detection, positioning and assessment of civil infrastructure defects using camera-LiDAR datasets》（基于相机 - 激光雷达数据集，利用 AI 实现民用基础设施缺陷检测、定位与评估），执行时间 2022-2025 年，由 RGC - General Research Fund（研资局优配研究金）资助，教授为项目负责人。项目结合 camera（相机）与 LiDAR（激光雷达）的多源数据优势，通过 AI 算法实现基础设施缺陷（如裂缝、变形）的自动识别、定位与评估，减少传统人工检测的主观性与误差，推动土木工程检测领域的智能化转型。

三、未来研究预测

基于 Yu-Hsing WANG 教授现有研究方向与项目基础，结合土木工程与智能技术的发展趋势，未来研究可能聚焦以下方向：

人机 AI 共生技术在基础设施监测中的深化：现有项目已实现人机 AI 共生的移动测绘，未来或进一步整合多模态传感器（如红外传感器、超声传感器），覆盖基础设施表面与内部缺陷监测，同时探索 “AI 初步识别 + 专家二次验证” 的协同决策机制，提升故障响应速度与判断准确性，适配智慧城市对基础设施全生命周期管理的需求。

Green AI 在土木工程领域的应用拓展：教授当前研究提及 Green AI，未来可能针对土木工程 AI 模型的能耗优化展开探索，例如通过模型轻量化设计、算法简化，降低 AI 在结构设计、缺陷检测中的能源消耗，同时结合可再生能源供电的监测设备，实现技术应用与低碳目标的结合，契合全球 “双碳” 发展趋势。

3D 打印与岩土测试的创新结合：现有研究涉及 3D 打印用于岩土测试，未来或开发定制化 3D 打印技术，根据不同地质条件（如不同粒径、含水量的土壤）打印岩土样本，模拟复杂自然环境下的岩土力学特性，提升岩土实验的精准度与可重复性，为地下工程（如隧道、地铁建设）的地质风险评估提供更可靠的实验数据。

物联网与大数据在地质灾害预警中的升级：现有项目已应用 IoT 监测滑坡、树木倾斜，未来可能融合实时气象数据（如降雨量、风速）、地质历史数据（如既往滑坡记录）构建多维度预警模型，通过机器学习优化预警阈值，尤其针对香港、台湾等台风暴雨多发地区，提升地质灾害（如滑坡、树木倒伏）的提前预警时间，增强城市防灾减灾能力。