人工智能在BIM技术中的应用探索

李锦钟

（广州大学土木工程学院）

1 引言

建筑工程的发展一直跟计算机技术密切相关，随着我国社会经济的发展和城市化建设的加快，建筑工程中的设计技术、建造技术、管理技术等方面都随着计算机信息技术的革新而产生了巨大的变化。自20世纪60年代开始，CAD技术（Computer Aided Design）逐步发展成为了建筑工程领域中不可缺少的计算机辅助设计技术，并且形成了基于CAD技术的设计、施工、验收和运维的工程建设流程，这对于我国的城市化建设产生了巨大的影响。BIM技术是继CAD技术后的又一革命性技术，它代表的是一种健全模型信息、实现模型全周期信息共享的理念，对于传统的CAD模式的信息交流模式来说是一种更高层次的信息集成和标准化的交互理念。

2 BIM技术的概念及应用

BIM(Building Information Model)技术并不是一种工具，也不是一种软件，它是一种被应用于建筑工程全周期过程中的理念。BIM技术是站在项目全局位置上考虑各专业分工协作的一种逻辑思维。该技术现阶段大多被应用于大型项目的建设过程中，包括建筑、结构、暖通、给排水等专业的协同设计方面，以及现场施工管理和进度管理方面。国内的一些重大工程项目上，均使用了BIM技术进行项目的建设和管理，例如上海中心、国家游泳中心（水立方）、上海世博会国家电网企业馆、上海世博会中国国家馆、上海世博会德国国家馆、天津国际邮轮码头、北京市政务服务中心、徐州中心体育场[1]。

3 人工智能技术的概念及应用

工程建设技术的发展离不开计算机技术的支持。人工智能（Artificial Intelligence，AI）作为计算机领域的一个重要学科分支，产生于20世纪50年代，并且是一个具备多学科应用前景的重要学科。人工智能研究的是机器智能和智能机器的实现方法，同时，在机器智能化的设计过程中，利用专业知识库中大量的数据来进行学习训练，使机器模拟人类的思维过程和规律，进而得到具备一定学习能力和判断决策能力的智能机器。人工智能技术在现阶段的研究包括专家系统（Expert System）、人工神经网络、模糊理论、遗传算法、Petri网络[2]。

4 人工智能技术在BIM技术中的应用

由于BIM技术的提出和发展，未来的建筑行业的发展将会围绕建筑信息模型来展开。虽然BIM技术具有广阔的发展前景，但它也具有一些缺点：

1）它涉及的专业跨度大、专业数量多，在各专业的协作方面需要更上一级的人员来进行统筹管理和实现各专业有条不紊的完成工程设计，这要求BIM管理者必须了解各个专业的工作特性和工作进度把控策略，但是这无疑是要花费大量的时间和精力去学习的。

2）BIM技术具有将建筑全周期信息统一化储存和管理的特点，其中，涉及的数据量对于大型项目来说将会是一个不可估量的数值，传统的人为干预和管理存在效率低、出错概率大的缺点，这将会阻碍BIM技术在项目全周期过程中的顺利进行。因此，本文针对人工智能技术的特点进行研究和探讨，提出将人工智能技术应用于BIM技术中的一些策略和方案。

4.1 基于专家系统的BIM图纸审查系统的研究

专家系统（Expert System）属于人工智能技术中发展较早的一门智能技术。通俗来说，专家系统就是机器经过抓取大量的工程数据和专业知识进行学习和逻辑训练后，成为一个具备专业知识和工程经验的系统，它被用于模拟行业中专家在决策时的思维过程，针对实际工程中遇到的问题给出决策和解决方案。

BIM技术的发展提高了工程图纸设计的出图标准，传统的图纸审查需要大量的人力资源，要求审图人员具备完备的专业知识和丰富的实际工程经验，并且在审查过程中考虑到人为因素的干扰，还可能出现误判、漏判的问题。为了提高图纸审查效率和审查正确率，考虑基于专家系统技术的BIM图纸审查系统的研究成为了未来发展的一种可行的策略和方向。由于专家系统是以大量的工程数据和专业知识库作为基础，它能弥补传统审图流程过程中审图效率低、审图容错率低的缺点，从而提高了图纸审查速度和审查的正确率。就目前阶段而言，针对全专业的图纸审查系统的开发还需要一定的发展时间，但是，针对各专业图纸审查子系统的研究是可行的，李雪，马小军等[3]已经实现了基于BIM的建筑电气审图专家系统的设计，并且针对建筑电气设计阶段，建立了审图知识库、审图推理策略、获取模型信息和人机接口的模块。这对于建筑、结构、给排水等专业来说是一个可以借鉴的思路。

现阶段将专家系统应用到BIM图纸审查系统中还存在一些问题和技术难点：

1）BIM技术推广问题。目前BIM技术还存在技术成本高、BIM专业人员过少的问题，导致了传统建筑工程领域对BIM技术接受度还有所不足，从而让BIM技术的推广遇到了瓶颈。要想解决技术推广问题，就需要在国家的政策支持下，各企业通过接触BIM、学习BIM、使用BIM，最后实现理解BIM的过程。只有这样，才能推动建筑行业的良性发展。

2）BIM技术和专家系统技术都需要庞大的数据库支持。在互联网发展以及建筑信息模型理念的推广契机下， 需要考虑BIM技术实施时建筑模型信息的数据信息储存、调用和管理问题，而且专家系统需要建立专业的、完善的知识库作为基础才能真正的帮助审图流程的顺利进行，否则，将会出现很大的审图误差和审查错误。统一标准化的建筑信息管理是一个未来的趋势，结合当下的云计算、云储存等计算机技术来探索建设过程中的数据管理方案会是一个新的思路。

因此，针对BIM技术中各个专业的特性和审图规则，利用专家系统技术补足人为因素的缺点，研究专家系统技术在子专业的图纸审查过程中的行为模式，能更好的辅助工程建设的顺利进行。

4.2 基于人工神经网络的BIM项目成本预测研究

人工神经网络（Artificial Neural Networks, ANN）是一种模拟人脑中的神经系统信息传输、信息处理过程的一种人工智能技术。人工神经网络技术最大的特点是具备学习能力、自我组织能力和推理能力。

BIM技术具备强大的碰撞测试能力和工程量化统计能力，能够快速地计算工程量和成本情况。现阶段BIM计算大多用于大型项目的全周期建设过程，而大型项目往往具有工程规模大、工作周期长、技术难度大、工种数量多、人员流动性大的特点，相应的工程成本也是一个庞大的数值。因此，在项目建设前针对项目全周期建设进行成本预测，减少不必要的人力资源、材料资源的消耗，提高资源的利用率等方面的研究是必要的。人工神经网络技术由于具备学习能力和推理能力，在项目数据库和BIM模型信息的支持下，根据时间维度（Time）和成本维度（Cost）的影响，能给项目成本预测提出一套最优的实施方案。经过BIM模型的信息采集，BP神经网络学习训练和结果修正后，基于人工神经网络的模式能够快速的生成一套基于时间、成本维度的成本预测结果，以及对应的方案实施路线，从而实现成本预测和优化，并减少在实际建设过程中出现的资源浪费问题。

目前，要想将人工神经网络技术应用于BIM项目成本预测中还存在一些问题：

1）BIM软件开发还不够完善。BIM技术的发展还需要一些时间，目前支持建立BIM模型的常用软件有Revit、Archi CAD、Bentley等，国内使用Revit较多，而Revit目前还处于起步阶段，缺少针对子专业的二次开发应用，软件的应用生态圈还不够完善。

2）人工神经网络的应用体系还不够成熟。人工神经网络技术中的算法研究还不够完善，基于不同工程的神经网络模型搭建方法还有待研究，针对大型项目的应用并没有提出一套完整的神经网络搭建、算法训练、算法纠偏、算法接口方案。

5 结语

论文介绍了BIM技术和人工智能技术在我国的应用情况，基于人工智能技术，提出了基于专家系统和基于人工神经网络在BIM技术中的应用，并分析了上述应用过程中存在的问题和解决方法。现代建筑工程的发展离不开计算机技术的辅助和技术支持，探索多元化的人工智能技术在工程建设方面的应用，解决计算机学科同工程领域之间的技术交叉问题对我国的城市化建设具有重要意义。