基于BIM技术的建筑施工进度优化研究

柳茂

摘 要： 针对建筑工程项目施工进度管理的信息完备性和管理效率不高的问题，提出基于BIM技术的建筑施工进度优化模型。采用建筑信息模型采集建筑工程项目的各项相关信息数据，对采集的建筑施工相关信息数据进行信息融合和优化聚类分析；利用参数模型整合各种项目的相关信息，建立建筑施工进度管理的几何信息、物理信息、资金投入、时间、工序等参量的5D关系数据库，优化建筑施工项目进度；最后通过仿真实验测试性能，结果表明，采用该模型规划建筑施工进度，可直观、快速地将施工计划与实际进展进行对比，快速、准确地获得工程基础数据，实现施工进度的信息化管理，节省开支，减少工期。

关键词： BIM技术； 建筑工程； 施工进度； 信息管理

中图分类号： TN98?34； TP391 文献标识码： A 文章编号： 1004?373X（2017）03?0103?03

Research on building construction schedule optimization model based on BIM technology

LIU Mao1， 2

（1. School of Construction Management and Real Estate， Chongqing University， Chongqing 400044， China；

2. Department of Engineering Management， Sichuan College of Architectural Technology， Deyang 618000， China）

Abstract： Since the information completeness and management efficiency of the construction schedule management for the construction project are low， a building construction schedule optimization model based on BIM technology is proposed. The building information model is used to collect the various relevant information data of the building project for information fusion and optimization clustering analysis. The parameter model is adopted to integrate the relevant information of each project， establish the 5D relational database （including the parameters such as geometry information， physical information， funding， time and process） of the building construction progress management， and optimize the building construction project schedule. The performance was tested with simulation experiment. The results show that the model used to plan the construction schedule can contrast with the construction plan and the actual progress intuitively and quickly， and the informatization management of the construction schedule was realized by acquiring the project basic data rapidly and accurately to save the money and shorten the time limit for a project.

Keywords： BIM technology； building project； construction schedule； information management

0 引 言

建筑工程施工進度管理关系着整个施工工程的效益和质量，加强建筑工程施工进度管理，能有效提高施工效率，节省工程开销。工程进度管理贯穿于项目施工的各个环节[1?2]。影响施工工程进度的因素很多，比如项目设计规划、土地开发费用的投入、材料费、工程造价以及建筑物体的物理信息、时间、工序等[3]。需要对建筑工程项目中影响施工进度的各项相关信息数据进行信息化处理和分析，采用一种数字信息处理手段实现建造管理的数据化分析[4?6]。

建筑信息模型（Building Information Modeling，BIM）是以建筑工程项目的各项相关信息数据作为信息分析基础的建筑工程项目管理数字信息处理模型[7]。BIM技术是一种应用于工程设计建造管理的数据化工具，采用BIM技术进行建筑施工进度的优化管理和控制，具有广阔的应用前景[8?9]。针对建筑工程项目施工进度管理的信息完备性和管理效率不高的问题，本文提出基于BIM技术的建筑施工进度优化模型。结果表明，采用本文模型规划建筑施工进度，可节省开支，减少工期。

1 建筑信息模型构建

1.1 建筑工程施工信息熵

假设建筑工程的集成管理环境中建筑工程进度约束数据集[X=x1，x2，…，xn，][n]是数据集[X]的数目，在建筑项目策划、运行和维护的全生命周期中，建筑工程施工项目的约束参量及[X]中的每个元素都是一个[P]维矢量，[X]含有[c]个类别，表示建筑物建造的支持向量集属性，把建筑工程施工的约束向量机分为不同的类别属性，包括建筑工程造价、建筑物的物理属性以及施工工期等[7]，第[i]个类的中心为[vi=vi1，vi2，…，vip]。构建关联知识库，构建建筑工程施工相关信息的完备性正交基向量，用[y（k）]表示；[s（k）j]和[y（k）j]表示建筑信息模型系统线性输入和可逆不变性输出，得到建筑工程施工相关信息的完备性正交基：

[x（k）=[x（k）1，x（k）2，…，x（k）Nk-1]T] （1）

[s（k）=[s（k）1，s（k）2，…，s（k）Nk]T] （2）

[y（k）=[y（k）1，y（k）2，…，y（k）Nk]T] （3）

采用数据离散特征采样方法构建在工程检查区域范围内数据采样的[N]个离散点[A={a1，a2，…，aN}，]且满足[a1

[V1={>a1，>a2，…，>aN-1}V2={≥a1，≥a2，…，≥aN}V3={

采用參数化建模将数据属性并集中的[Dn]按照冲突调用计量区间[dn-max-dn-min?1K]划分为若干个（[K]个）数据子集[Ak，][Ak]为工程量信息特征集，满足[A1?][A2?…?Ak=A，]工程量信息可以根据时空维度进行特征分区，当[Ai?Aj=Ω，]其中[i，j=1，2，…，m]且[i≠j，]得到单个建筑施工工程构件[i]的信息熵：

[Hi（x）=k=1Kpkln1pk=-k=1Kpklnpk] （4）

采用簇内数据相干点寻优法对[Hi（x）]求取最大值[max（Hi（x）），]由此采集建筑工程施工相关信息，分析其特征。

1.2 建筑信息融合

在建筑施工进度优化管理中，采用BIM技术在建筑物建造前期协调各专业问题生成协调数据，通过构建参量分析模型融合建筑信息，若各种建筑信息定量值[x∈U，]且[x]是BIM建筑信息模型的差异性特征量[C]的随机采样结果，若[x]满足：[x～N（Ex，En2），]信息熵[En～][N（En，He2）]，得到使建筑工程在整个进程中信息特征分解的最优化约束条件为：

[f1， μ1<αf2， μ2?f1μ2，otherwise] （5）

式中：[f2， μ1， μ2]分别表示建筑施工项目策划、运行和维护的开销系数，建筑工程集成管理的特征矢量[x1]和[x2]支持度满足[C1（Ex1，En1，He1）， C2（Ex2，En2，He2），]通过碰撞检查产生出[n]个信息融合区域，构建模糊函数进行建筑施工约束参量信息的特征筛选和模糊控制[8]，当训练数据的特征信息分配在[[Ex-3En，Ex+3En]]分区范围内，采用混沌自相似性融合原理得到建筑信息模型数字信息融合度：

[pi=f（di，d′i）N=Ti，Oj， f1，…，Oj， fn，Ti，…，Ti，On， f1，…，On， fn] （6）

式中：[Ti]表示通过构件信息自动生成的BIM建筑信息[Oj， f1，Oj， fn]共轭梯度边值，用符号表示为[Ti∈][{T1，T2，T31，T32}]，[Oj， f1…Oj， fn]为建筑工程进度优化的奇异矩阵双正则函数。

设定二维熵的阈值[H0]进行阈值判断，当[H2

[L1=i=1n（si+p=1silp）] （7）

式中[l1，l2，…，lsi]表示解向量的熵融合特征串长度。

2 数据处理及模型优化

2.1 BIM建筑信息增益计算

对于BIM数据库中的数据标量序列[y1]和[y2，]在特征空间分布的关联联合概率密度函数为[f（y1，y2），]构建建筑工程量信息分布数学模型为：

[yi=f（x1，x2，…，xm）] （8）

式中[m]表示BIM数据的分类属性个数。

根据信息融合结果提取数据训练样本，得到建筑信息模型的齐次线性协调数据标量时间序列表达式为：

[z（t）=s（t）+js（t）?h（t）=s（t）+j-∞+∞s（u）t-udu=s（t）+jH[s（t）]] （9）

采用模糊C均值聚类算法对上述标量时间序列进行数据聚类[9]，根据建筑施工的BIM信息数据的归类属性分为[SC]和[Sr]两大属性种类，构建矩形窗函数[h（t）]进行C均值聚类，假设数据聚类的窗函数的宽度为[T=（2d+1）Ts，][Fs=1Ts，]令[A=a1，a2，…，an]为各种建筑信息的属性集，[B=b1，b2，…，bm]为信息增益的类别集，[ai]的各种建筑BIM信息的归类属性集合为[c1，c2，…，ck，]通过模糊C均值聚类，得到数据聚类和信息增益的表达式为：

[BIM（B）=-i=1mpi×log2pi] （10）

[BIMA（B）=j=1vBjB×BIM（Bj）] （11）

[Gain（A）=BIM（B）-BIMA（B）] （12）

式中：[Bj]表示训练集中含有[ax]属性中的[cv]值的元素集合；[Gain（A）]表示信息增益量，通过信息增益量控制数据聚类的空间尺度，提高数据分析的准确性。

2.2 建筑施工进度管理的关系数据库及进度优化

在采集的BIM信息数据集合[S]中构建建筑施工进度管理几何信息、物理信息、资金投入、时间、工序等参量的5D关系数据库。以BIM应用为载体，得到建筑质量与建筑工期的关系模型边界条件为：

[RβX=UE∈URcE，X≤β] （13）

[RβX=UE∈URcE，X≤1-β] （14）

为了提高建筑质量、缩短工期、降低建造成本，把BIM建筑信息参量模型进行整合，输入模型参量信息元[mi，j（1≤i≤n，1≤j≤k），]在项目管理信息化数据库中得到特征分类的判别系数[λi ：1≤i≤S，]判别准则[Rj：1≤j≤L，]通过信息、复杂程度和时间的参量约束构建约束目标函数：

[Wq=W-X=1γk=1Kn=1Nkpk，n-N-1μ+rμr] （15）

通过参数模型整合各种项目的相关信息，在BIM约束参量模型中寻找所有匹配的特征点对，描述完整的工程信息，得到建筑施工进度管理的几何信息空间更新迭代：

[μk+1=αμ+（1-α）μk] （16）

[σk+1=βkσ+（1-βk）μk] （17）

定義[D=（dγ）γ∈Γ]为物理信息特征空间[H]中向量组成的基函数集，在项目管理信息化模型中，利用数字模型对项目进行设计、建造及运营管理，得到几何信息、物理信息、资金投入、时间、工序等参量的5D关系数据库模型的解空间矩阵：

式中：[A]为[m×n]矩阵；[A?A]和[A?A]为奇异矩阵的共轭特征。

考虑在齐次线性子空间的平稳特性，利用三维数字模型预测建筑数据，构建5D关系数据库，实现对建筑施工进度管理BIM信息数据完整、准确地分析和预测，整合BIM模型后，可提高建筑施工项目管理的精细化水平，逐步实现建筑施工项目管理信息化。

3 仿真实验

3.1 实验环境

利用Autodesk Revit MEP和Autodesk Revit Architecture建立BIM建筑信息模型，结合AutoCAD Civil 3D建立建筑施工进度管理的5D关系数据库模型，凭借BIM直观表达及智能信息管理，选择5 000个数据采集节点进行建筑施工的相关信息原始采样，数据采样对象包括建筑构件的物理信息、工程造价信息、材料成本信息和施工时间进展信息等20万个数据对象，给出其中一段信息的采样结果如图1所示。

3.2 结果与分析

通过数据加载，让参量数据及时进入5D关系数据库，根据BIM技术进行数据加工和信息处理，优化控制建筑施工进度，图2和图3给出了不同模型进行建筑施工进度控制在施工成本和施工进展时间方面的性能对比。

从图2和图3可知，采用本文模型进行建筑施工进度控制，参数模型整合各种项目的相关信息，节省了成本开支，平均成本开支比传统方法节省了22.45万元，降低了工程造价开销，同时提升了项目生产效率，缩短工期（平均工期缩短40余天）。

4 结 语

本文提出基于BIM技术的建筑施工进度优化模型，研究结果表明，该模型能够优化建筑施工进度，实现了施工进度的信息化管理，提升了项目生产效率，降低了成本开支，缩短了工期。

参考文献

[1] 徐家云，邓志勇.基于时变可靠度的桥梁加固经济性评估[J].自然灾害学报，2005，14（5）：162?165.

[2] 邵旭东，彭建新，晏班夫.基于结构可靠度的桥梁维护策略优化研究[J].工程力学，2008，25（9）：149?155.

[3] 何辉.建设工程施工过程造价控制的重点与对策[J].浙江水利水电专科学校学报，2006，18（3）：64?66.

[4] 蒋芸，陈娜，明利特，等.基于Bagging的概率神经网络集成分类算法[J].计算机科学，2013，40（5）：242?246.

[5] 陈昊，杨俊安，庄镇泉.变精度粗糙集的属性核和最小属性约简算法[J].计算机学报，2012，35（5）：1011?1017.

[6] 徐晓斌，张光卫，孙其博，等.一种误差可控传输均衡的WSN数据融合算法[J].电子学报，2014，42（6）：1205?1209.

[7] 杨海霞.基于改进数据过滤算法的异构数据库优化挖掘技术[J].科技通报，2013，29（6）：125?127.

[8] 周子英，段建南，向昌盛.基于PCA?SVM的区域工程耗费估计研究[J].计算机仿真，2011，28（4）：375?378.

[9] KARLSSON J， ROWE W， XU L， et al. Fast missing?data IAA with application to notched spectrum SAR [J]. IEEE transactions on aerospace electronic systems， 2014， 50（2）： 959?971.