基于BIM+Multi-Agent增强学习的智慧建筑及城市运维软件设计

(清华大学互联网产业研究院超智能城市研究中心，清华大学经济管理学院，北京 100083)

1 数字经济背景下的智慧城市

近年来，中国数字经济跨越式发展，为国内经济增长注入强劲动力，也为世界经济发展增添了亮色。党的十九大明确提出了“数字中国”概念[1]。2017年12月8日，习近平总书记在主持中央政治局第二次集体学习时强调：“推动实施国家大数据战略，加快完善数字基础设施，推进数据资源整合和开放共享，保障数据安全，加快建设数字中国，更好服务我国经济社会发展和人民生活改善。”在国家战略的推动下，中国数字经济不断创造新的可能，世界也因此认识一个全新的中国。

截止目前，数字经济在中国GDP结构中所占的比重已超过30%。据中国互联网络信息中心(CNNIC)2018年发布的第41次《中国互联网络发展状况统计报告》，截至2017年12月，中国网民规模达7.72亿，其中手机网民规模达7.53亿，占比97.5%。数字经济已成为中国经济社会发展的强劲持续驱动力。数字经济的高速发展正在对中国新型城镇化、新型智慧城市各个细分领域产生着直接影响，也正在催生着各领域的新模式和新业态。为加快“数字中国”建设，中国政府开展了很多工作，包括积极实施“互联网+”行动，推进实施“宽带中国”战略和国家大数据战略等。此外，还将启动一批战略行动和重大工程，推进5G研发应用，实施IPv6规模部署行动计划等。随着后续政策的出台和新技术的不断应用，中国数字经济发展正在进入快车道。

智慧城市是促进我国新型城镇化高质量发展的有效途径，也是落实国家新型城镇化规划的重要载体。国家新型城镇化规划(2014-2020)明确提出“推动新型城市建设”，重点为加快绿色城市建设、注重人文城市建设[2]。同时规划以下重要内容：促进各类城市协调发展——增强中心城市辐射带动功能，加快发展中小城市，有重点地发展小城镇；强化城市产业就业支撑——优化城市产业结构，增强城市创新能力，营造良好就业创业环境；完善城市治理结构——强化社区自治和服务功能，创新社会治安综合治理，健全防灾减灾救灾体制；完善城乡发展一体化体制机制——推进城乡统一要素市场建设，推进城乡规划、基础设施和公共服务一体化。李克强总理在做2018年政府工作报告时提到，过去的5年中，我国的城镇化率从52.6%提高到58.5%，8 000多万农业转移人口成为城镇居民。对于2018年的政府工作建议，李克强总理指出要“提高新型城镇化质量”。

2 基于BIM的智慧建筑及城市框架模型

美国斯坦福大学的CIFE于1996年提出了4D模型，将建筑构件的3D模型与施工进度的各种工作相链接，动态地模拟这些构件的变化过程。2003年CIFE又开发了基于IFC标准的4D产品模型PM4D，该系统可以快速生成建筑物的成本预算、施工进度、环境报告等信息，实现了产品模型的3D可视化以及施工过程模拟。以往国内外对BIM的研究大多基于IFC标准展开，在体系架构、数据标准、交互模型、应用软件开发等方面积累了丰富成果。建筑信息模型属于建筑学和信息学交叉领域中的一项命题，以往的研究工作绝大多数由建筑学领域的人来承担，成果也多出自于建筑学相关领域。但从本质上看，BIM的重点与核心在于信息技术，建筑是载体。BIM研究在中国的起步比较早，自1998年就已引进到中国。在后续的十几年间，政府在BIM的研究开发方面给予了大力支持，投入了大量资金。我国在BIM 的基础性研究、IFC推广、BIM标准研制等方面已取得了一定进展。代表性的研究工作是：清华大学张建平教授于2002年带领研究组开发出4D施工管理扩展模型4DSMM++,将建筑物及其施工现场3D 模型与施工进度相链接, 并与施工资源和场地布置信息集成一体。在“十五”期间, 中国建筑科学研究院和清华大学本研究组承担的国家科技攻关计划课题“基于国际标准IFC的建筑设计及施工管理系统研究”，对IFC标准的应用进行了研究和探索, 并基于IFC标准开发了建筑结构设计系统和4D施工管理系统。

经过多年发展，BIM已在建筑设计和施工阶段获得广泛应用，在运行维护阶段中的成功应用案例并不多见，而基于建筑工程全生命周期和城市数字经济的交易系统也尚未被开发出来。目前，由“BIM+智慧建筑”扩展到“BIM+智慧城市”的可行技术路线图及商业模式路线图依旧处于模糊状态。实际上，在智慧城市的开发建设及运营维护阶段，BIM技术的需求量已非常大，尤其是对于商业地产的运营维护，其创造的价值不言而喻。目前，加大我国BIM技术在智慧城市中的开发应用是一个重要契机。

本文在BIM基本方法理念基础上，结合信息物理系统CPS的理论支撑，提出一种基于BIM的绿色智慧建筑参考框架模型，并由该模型出发进一步构建智慧城市现代经济体系，如图1所示。

图1 基于BIM的智慧建筑参考框架模型(BIMSmartBilding)及智慧城市现代经济体系

图2 基于绿色BIM的生态智慧城市参考框架模型

在图1所示的BIMSmartBilding模型中，BIM维度涵盖建筑工程全生命周期的主要阶段事件：报建、规划、设计、施工、运维、报废、交易。智慧建筑维度涵盖：基础设施、感知控制、运营管理、领域应用、经济商业五个层次。

如果在图1基本方法理念基础上，增加“绿色”约束，则可以构建出基于绿色BIM的生态智慧城市参考框架模型Green Smart City Model，如图2所示。由“Green Smart City Model”出发进而可以构建出绿色智慧城市现代经济体系，从而支撑生态智慧城市经济学模型的建立。

3 基于BIM+Multi-Agent的建筑及城市运维软件设计

3.1 BIM运维软件现状

如果把BIM形象地比喻为智慧建造项目的DNA，根据美国国家BIM标准委员会的资料，一个建筑物生命周期75%的成本发生在运维阶段(使用阶段)，而建设阶段(设计、施工)的成本只占项目生命周期成本的25%。

在建筑运营管理软件方面，美国的ArchiBUS是最有市场影响力的软件之一，现已基本成熟。目前ArchiBUS在中国主要应用于智慧校园，还不能和BIM模型相结合，是基于平面数据的运营管理模式，需要和BIM模型做接口。在建筑能耗监测与分析软件方面，主要有国外的EcoDesigner、IES、Green Building Studio以及国内的PKPM等。总的来看，自主知识产权的国产BIM运维软件目前仍是BIM技术领域的短板，其发展速度远远跟不上智慧建筑和智慧城市的需求，需要投入更多力量去关注和研发。

3.2 运维阶段业务内容剖析

运维阶段在实时采集人流、车流、室内外环境等动态数据信息的基础数上，结合建筑所在地的气象数据、环境舒适度设定信息，提取运维BIM模型中相关信息，在可视化及参数化的环境中，提供多种条件下建筑风环境、声环境、光环境、热环境、烟气模拟和人流聚集模拟等分析模拟应用，为优化建筑环境管理提供决策依据。

目前，运维阶段的业务内容主要包括：

(1)设备远程监测与控制。例如：通过RFID获取电梯运行状态并监测其是否正常运行，通过远程控制打开或关闭照明系统灯具等。

(2)设备空间定位。把原来编号或者文字表示变成三维图形位置，赋予各系统各设备空间位置信息。例如：消防报警时在BIM模型上快速定位报警点所在位置，并查看周边的疏散通道和重要设备。

(3)内部空间及设施可视化管理。利用BIM将建立一个可视三维模型，所有数据和信息可以从模型里面调用。

(4)运营维护数据累积与分析。商业地产运营维护数据的积累，对于管理来说具有很大的价值。可以通过数据来分析目前存在的问题和隐患，预测未来的趋势，也可以通过数据的人工智能分析来优化管理。例如：通过累积数据分析不同时间段空余车位情况，进行车库智能化管理。可表示为相对独立的5个方面：建筑空间与设备运维管理、公共安全运维管理、建筑资产运维管理、建筑能耗监测与分析、建筑环境监测与分析。

3.3 建筑及城市运维BIM+Multi-Agent系统设计

3.3.1 Multi-Agent强化学习理论基础

2017年，国务院印发了《新一代人工智能发展规划》[3]，业界对人工智能与智能建筑、智慧城市的融合发展做了一定探索[4-8]，但相较于中国的产业和市场规模，这种探索仍处于初期阶段，远远不能满足实际需求。

强化学习(Reinforcement Learning，也称为增强学习)是机器学习的一个热门研究方向。强化学习应用于智慧建筑中的一大问题是：强化学习模型需要成千上万次的试错来迭代训练，但由于建筑工程的安全性、可靠性、复杂性等特殊特点，很难在现实场景中进行实际训练，也无法在工程项目中承受如此多的试错。目前强化学习在智慧建筑场景中应用的研究非常少，落地实践仍是空白领域。一种可行的方法是：使用BIM虚拟建筑模拟器来进行智能体(Agent)的仿真训练，但这种仿真场景和真实场景存在很大差别，训练出来的模型一般不能很好地泛化到真实场景中，也不能满足实际的建筑智慧化需求。因此提出一种新的实现方法：通过解释网络搭建虚拟到现实(Virtual to Real)的桥梁，将基于BIM技术构建的虚拟建筑模拟器中生成的虚拟场景解释成真实场景，来进行强化学习训练，这样可取得更好的泛化能力，并可以迁移学习应用到真实世界中的实际建筑物，满足真实世界的建筑智慧化要求。

Multi-Agent即多自主体，基于Multi-Agent形成的系统称为多自主体系统(Multi-Agent System，MAS)，也称为自组织系统(Self-organized System)。多智能体系统是分布式人工智能(DAI，Distributed Artificial Intelligence)的一个重要分支[9-12]。Agent应该具有以下四个基本特征：自治性、反应性、能动性、社交性。Multi-Agent理论目前已广泛应用于经济、工业、建筑、城市等领域，世界上许多数学家、经济学家、人工智能学家等都正在对该系统进行深入研究[13-14]。Multi-Agent理论为多自主体传感器网络、自组织动态智能网络、无线传感网、城市物联网等的发展提供了理论支撑，能够很好地描述和解释现实世界中的智能化应用系统。

Agent与环境之间的交互流程及Agent强化学习框架如图3所示。

MAS的关键问题是该系统中每个Agent功能的确定以及各Agent之间的协作、协商、交流。单个Agent的功能即该Agent的自主性，即该Agent个体所能完成的功能；Agent之间的协作即某个Agent将要完成的任务分配给其他Agent然后综合各Agent的结果将最后的结果输出给用户的过程；协商即Agent之间解决冲突并最后达到一致的过程。多Agent技术打破了传统人工智能领域仅仅使用一个专家系统的限制，在MAS环境下，各领域的不同专家可能协作求解某一个专家无法解决或无法很好解决的问题，提高了系统解决问题的能力。

图3 Agent与环境的交互及Agent强化学习框架

目前，全世界通用的多智能体仿真软件工具是Swarm，它是一种基于复杂适应系统(Complex Adaptive System，CAS)发展起来的支持“自下而上”或称“基于过程”的建模工具集。复杂适应系统则是指经济、生态、免疫系统、胚胎、神经系统及计算机网络等系统的统称，它是由遗传算法(Genetic Algorithms, 简称GA)的创始人霍兰(J. Holland)于1994年在SFI成立十周年时正式提出的，也迅速引起国内外学术界的极大关注，并被尝试用于观察和研究各种不同领域的复杂系统，成为当代系统科学引人注目的一个热点。借助Swarm的建模能力，智慧建筑和智慧城市可以方便地搭建仿真系统模型，模型要素之间的交互方式可以根据实际情况定制化设置。1992年曾经有人预言：“基于Agent的计算将可能成为下一代软件开发的重大突破。"随着人工智能和计算机技术在建筑业及城市中的广泛应用，多智能体系统理论和技术对城市规划、设计、施工、运营以及贯穿其间的产品设计、加工制造乃至服务、交易等多领域多环节间的协调合作提供了一种有效的方法，也为并行设计、系统集成、城市区块链构建等提供了更可行的方法。例如，为解决智慧城市系统的建模与仿真问题，可以将智慧城市看作一个多智能体系统(Multi-agent System)，采用Multi-Agent作为理论支撑构建智慧城市多智能体系统SCMS(Smart City Multi-agent System，SCMS)。

另一方面，由于智慧建筑与智慧城市系统无法在实际项目中承受过强化学习算法所要求的多次试错，就需要借助仿真系统完成这种试错过程。因此，本文提出采用BIM建模仿真建筑，并模拟真实世界操作事件的方法。在设计阶段，BIM可以对设计上需要模拟的一些事件进行模拟实验，例如，碰撞检测、节能模拟、紧急疏散模拟、照度模拟等。在招投标和施工阶段，可以进行4D模拟(3D模型维度加项目时间进度维度)，从而加强项目管控。进一步地，还可以进行5D模拟(再增加造价维度)，从而实现成本控制。在运营阶段，可以进行故障模拟及处理、突发事件模拟及处理、能耗模拟计算及预测等。

3.3.2 运维BIM+Multi-Agent软件系统架构设计

本文基于IFC标准和中国BIM相关国家标准设计开放型运维阶段BIM集成平台。

中央服务器端的文件夹结构设计如下：[Project Name]=Project Number(PHDP)+Phase Code，即工程名称由工程编号加阶段代码构成。设置Model文件夹，用于存储所有工作模型。运维阶段的主要工作模型包括：建筑空间与设备运维管理模型、公共安全运维管理模型、建筑资产运维管理模型、建筑能耗监测与分析模型、建筑环境监测与分析模型。每个模型又进一步细分为不同的子模型。

建筑空间与设备运维管理模型包括以下子模型：建筑物空间类型、火灾报警系统、安全防范系统、中央空调系统、照明系统、供配电系统、给排水系统、电梯系统等。公共安全运维管理模型包括以下子模型：结构安全性态监测、幕墙安全监测、视频监控、门禁、防盗、消防、危险源检测。建筑资产运维管理模型按照建筑物内固定资产及设施设备的种类划分并定义各种子模型。建筑能耗监测与分析模型包括以下子模型：人流量、电能消耗、水消耗、燃气消耗、设施设备损耗等。建筑环境监测与分析模型包括以下子模型：人流、车流，风环境、声环境、光环境、热环境、烟气、建筑所在地的气象数据、环境舒适度设定信息等。

本文运维软件的实现思路是：在建筑运维专业软件基础上综合BIM标准二次开发实现。在专业软件平台基础上，采用OPC标准开发一个接口软件，该接口软件能够从专业数据库中获取需要集成的数据信息，将这些数据信息进行P-BIM格式封装后再提供给上游专业，封装好的数据存储在该环节创建的P-BIM数据库中，供上游专业访问和调用。

与相应阶段协同工作系统信息的共享采用如下方法：在专业软件平台基础上，采用OPC标准开发一个接口软件，由于专业的开放性，该接口软件能够从专业软件数据库中获取需要集成的数据信息，将这些数据信息进行P-BIM格式封装后再提供给相应阶段协同工作系统，封装好的数据存储在该环节创建的P-BIM数据库中，供相应阶段协同工作系统访问和调用。P-BIM数据库应该具备良好的通用性和开放性，且存储能力强。

3.3.3 Multi-Agent智慧建筑集成系统软件设计

采用工业通用OPC(OLE for Process Control)标准作为模块集成接口，实现局域网内的设备集成。而OPC实质上是基于COM/ DCOM技术的。采用Web Services实现基于Internet广域网的数据服务。同时考虑到系统和设备子系统在Internet上连接的需求，则采用Web Ser vices技术支持一些服务的公开调用，并实现Internet上的集成管理。最终实现分布式系统集成以及基于Internet的数据服务。基于OPC的多现场总线系统实质上是利用OPC进行系统集成的综合自动化系统，这种集成主要运用OPC技术来实现，其核心思想为：中央监控站作为OPC客户端，在它和现场子系统之间开发一个OPC服务器，保证这个OPC服务器与OPC客户端使用的是同一套OPC标准类型，可直接互通。OPC服务器做成一个标准组件，包含可扩展的若干接口，以实现对不同设备驱动组件的调用。设备驱动组件依据不同的设备接口类型及协议封装，实现OPC服务器组件规定的若干接口或某些关键接口成员函数，与OPC服务器组件形成DCOM架构，共同运行在中央监控平台和现场子系统之间，作为通信的中介，称为“接口层”。对中央监控平台来讲，接口层屏蔽了控制层中各种现场总线协议的不统一性及各种网络的异构性，从宏观上实现了 “即插即用”。接口层中的各组件可运行在不同的计算机上，具有位置透明性；设备接口组件的数量可根据具体系统的需求任意增减、自由拆装。如图4所示。

图4 基于OPC的多现场总线集成系统模型

从以上系统原型模型中可看出，这是典型的分层系统，即接口层以上为管理层，以下为现场层。将图4中每个组件分别映射为一个Agent，现场层的每个通信接口也分别映射为一个Agent，并根据功能形成相应的Agent类。该系统主要包含通信接口Agent类(所含Agent与现场层异构网段一一对应)、设备驱动Agent类(所含Agent与现场层异构网段一一对应)、OPC Server Agent类(含一个OPC Server Agent)、OPC Client Agent类(含一个OPC Client Agent)，它们都是自治的实体，组成一个分层的多Agent系统，需重点考虑的是分层协调与平等协调问题。

Agent的通信包括三个层面：一是管理层与接口层之间即OPC Server Agent与OPC Client Agent间的Agent通信问题；二是接口层内部OPC Server Agent与设备驱动Agent间的通信问题；三是接口层设备驱动Agent与现场层通信接口Agent间的通信问题。

实现方法描述如下：

(1)OPC Server Agent与OPC Client Agent间

OPC Server Agent与OPC Client Agent都是COM组件，组件的访问只能通过组件接口进行。即OPC Client Agent通过创建OPC Server Agent COM对象，访问其接口成员函数，从而完成二者间的通信。

Agent可根据系统通信的需要,灵活地选择通信方式,提高系统的整体性能。依据OPC标准，具体的数据访问方式有以下几种：同步/异步读写；数据更新；数据订阅。以上功能的实现靠调用OPCGroup对象的IOPCSyncIO、IOPCAsyncIO2接口的相应函数。

(2) OPC Server Agent与设备驱动Agent间

各设备驱动Agent具有高度的自治性，在系统中是并行运行的关系；在对系统资源的占有方面是竞争关系，这主要靠OPC Server Agent来协调。MAS中Agent的运行状态分为：激活状态(Active)、等待状态(Wait)、工作状态(Run)。一个处在等待状态的Agent，接收来自其它Agent的请求后被激活，然后进入工作状态[7]。OPC Server Agent与设备驱动Agent间的通信和协调也遵循以上过程，通过不同的现场总线协议来约束和实现，如Modbus RTU、ISO1745、LonTalk、PROFIBUS、DeviceNet协议等。

程序实现过程是：在OPC Server Agent中创建对应各设备驱动Agent的实例，然后分别通过调用接口函数访问不同的设备驱动Agent的内部数据。程序中通过CreateDevInstance()函数产生了设备驱动Agent的一个实例，然后转入协议处理函数建立与设备驱动Agent的通信。处理一个Agent实例时考虑了内存的分配与释放，这实际上对应着Agent的生成与消亡。

可认为OPC Server Agent和各种设备驱动Agent构成了一棵k叉树(k>=2)，每个设备驱动Agent都是一个子任务。根据以往的研究结果，子任务间的关系有三种：

1)任务间的时序关系(< ) ,表明:在Agent A完成任务前不能开始Agent B的任务,形式化描述如下：

TA S K PA < TA S K PB|= PA

其中: TA S K PA和TA S K PB为Agent A和B启动进程PA和PB来完成任务。

2)任务间的"与"关系(∨) ,表明: Agent A和Agent B并发地执行子任务PA和PB,并在PA和PB都执行完了以后才由Agent C开始它们共同的后继任务PC。形式化描述为：

TA S K PA∨TA S K PB|= (PA‖PB ) < TA S K PC|= (PA‖PB ) < PC

3)任务间的"或"关系(∧) ,表明:具有“或”关系的Agent A和Agent B并发地执行子任务PA和PB,无论哪个先完成都可以由Agent C开始它的后继任务PC。形式化描述为：

TA S K PA ∧ TA S K PB|= ( PA < TA S K PC )‖( PB

令OPC Server Agent为任务PX，设备驱动Agent分别为PA、PB、PC、PD、PE……根据以上结论，可描述OPC Server Agent与设备驱动Agent间的关系如下：TASKMAS = (PA

(3)设备驱动Agent与通信接口Agent间

若从设备驱动Agent与通信接口Agent的主从关系来分析，所有现场总线协议可归为两类：第一类是设备驱动Agent为主，通信接口Agent为从，即只有设备驱动Agent发出请求时通信接口Agent才作应答；第二类是通信接口Agent为主，设备驱动Agent为从，即通信接口Agent主动发送现场数据设备驱动Agent不用发出任何请求。若令设备驱动Agent为任务Pi，通信接口Agent为任务Pj，则第一类情况可描述为：TASKMAS = TASKPi< TASKPj，第二类情况可描述为：TASKMAS = TASKPj < TASKPi。

某建筑物采用基于BIM的集成系统，该系统信息集成的需求是：将建筑空间信息、消防、冷机、电梯、扶梯、配电、安防、空调等若干运维阶段涉及的独立子系统实现统一监视、协同控制和管理。采用基于OPC的MAS系统框架作为理论指导开发了该系统的BIM监控软件，令OPC Client Agent为任务PY，OPC Server Agent为任务PX，MAS网络结构如图5所示：

图5 基于BIM+Multi-Agent的运维软件开发实例

MAS的任务执行关系可描述为：TASKMAS= PY< ((PA

4 应用案例：智慧建筑能源管理系统

按照以上方法开发的智慧建筑能源管理系统软件划分为3个模块：设备监控模块、能耗监测与分析模块、建筑空间管理模块。运行效果如图6所示。各模块的设计方法描述如下。

(1)设备监控模块设计

设备信息。该管理系统集成了对设备的搜索、查阅、定位功能。通过点击BIM模型中的设备，可以查阅所有设备信息，如供应商、使用期限、联系电话、维护情况、所在位置等；该管理系统可以对设备生命周期进行管理，比如对寿命即将到期的设备及时预警和更换配件，防止事故发生；通过在管理界面中搜索设备名称，或者描述字段，可以查询所有相应设备在虚拟建筑中的准确定位；管理人员或者领导可以随时利用四维BIM模型，进行建筑设备实时浏览。

设备运行和控制。所有设备是否正常运行在BIM模型上直观显示，例如绿色表示正常运行，红色表示出现故障；对于每个设备，可以查询其历史运行数据；另外可以对设备进行控制，例如某一区域照明系统的打开、关闭等。

(2)能耗监测与分析模块设计

通过物联网技术的应用，使得日常能源管理监控变得更加方便。通过安装具有传感功能的电表、水表、煤气表后，在管理系统中可以及时收集所有能源信息，并且通过开发的能源管理功能模块，对能源消耗情况进行自动统计分析，比如各区域，各个租户的每日用电量，每周用电量等；并对异常能源使用情况进行警告或者标识。

(3)建筑空间管理模块设计

通过查询定位可以轻易查询到商户空间，并且查询到租户或商户信息，如客户名称、建筑面积、租约区间、租金、物业费用；系统可以提供收租提醒等客户定制化功能。同时还可以根据租户信息的变更，对数据进行实时调整和更新，形成一个快速共享的平台。

5 总结与展望

本文结合作者多年领域实践经验和理论研究提出一套将BIM与人工智能核心理论分支Multi-Agent相结合的运维软件设计方法，能够指导智慧建筑及城市运维软件的研发，同时也指明了由智慧建筑运维通向智慧城市运维的数字化和信息化路径。

随着互联网，特别是移动互联网的发展，社会治理模式发生了三个转变：从单向管理向双向互动，从线下向线上线下融合，从单纯政府监管向更加注重社会协同治理。在整个逻辑层面，政府也在加大数据的运用能力和数字化生产能力。这三个转变有可能是数字经济未来治理模式的重要方向。数字建筑是数字经济的重要组成部分，也是奠定智慧城市稳定快速发展的重要基石，在BIM、人工智能理论和技术得到充分发展的今天，BIM与人工智能融合驱动智慧建造、智慧城市、数字经济的发展已成为历史的必然，相信在不久的将来，一定可以探索出更多优秀模式和方法，也必将涌现出更多成功案例。