BIM 4D与遗传算法在进度管理中的集成框架研究

张灵祉

摘要：随着现代工程建设高速发展，项目复杂度不断提升，进度-成本优化已经成为项目进度管理中不可忽视的一个挑战。BIM 4D技术对项目进度管理涉及的进度计划、成本、资源等信息可以高度集成，但缺少理论体系支持。传统研究中的遗传算法优化精细度高，但缺少与实践的结合。因此，为了应对这种实践需求与理论应用上的缺陷，提出了BIM 4D与算法的参数交互标准与集成框架，應用于进度优化与动态控制。

Abstract： With the rapid development of modern engineering and the constant increase of project complexity， time-cost tradeoff optimization has been a considerable challenge in project schedule management. BIM （Building Information Modeling） 4D can highly integrate information like schedule， cost and resources， but it lacks theoretical support. The traditional GA （Genetic Algorithm） is good at optimizing schedule accurately， but it is kind of far from practical projects. Hence， to solve the imperfection in practical requirement and theoretical application， this paper proposes a parameter interaction standard and integration framework between BIM 4D and GA. This method can be applied in schedule optimization and dynamic control.

关键词：进度管理;BIM 4D技术;遗传算法

Key words： schedule management;BIM 4D;Genetic Algorithm

中图分类号：TU722                                       文献标识码：A                                  文章编号：1006-4311（2019）08-0020-03

0  引言

统计研究表明，目前全球30%的经济活动与项目管理有关。随着市场竞争日益激烈，现代项目要求准时完工率更高、成本更低、现场管理水平更高，对项目管理尤其是进度管理的水平提出了更高的要求。合理有效的进度计划对于提高企业竞争力具有促进作用和相当的现实意义。BIM技术作为一种新兴的项目管理理念和技术，一定程度上与“中国制造2025”的行动纲领一致，并能促进建筑业提质增效，加快建筑业转型发展，因此也得到了国家的高度重视和企业的大力推广。BIM是一个以工程项目设计、施工和运维全生命周期内各种信息数据为基础建立的高度集成的建筑工程项目信息化模型。研究人员通常使用Navisworks软件或企业自主开发的BIM 4D平台（包括鲁班、广联达等），与进度计划文件如Project、Primavera等进行链接，从而实现施工过程的可视化模拟，分析进度计划安排、资源分配、现场布置方案等是否合理，并对不合理之处进行调整和优化[1]。BIM 4D通过信息高度集成和管理多方协调的方式，能有效提升项目进度管理水平。然而，虽然BIM技术可以初步模拟工程进度计划的可行性和合理性，用于指导现场施工，但核心主要是通过实现动态可视化来进行进度计划调整，缺乏定量优化的依据和系统的理论体系，与定量模型结合能深入加强BIM技术的使用效果。

1  BIM 4D技术研究现状与意义

1.1 基于BIM 4D的进度管理

美国斯坦福大学的集成设备工程中心CIFE（Center for Integrated Facility Engineering）于1998年提出了将建筑模型与进度计划信息结合的4D概念，并通过在三维模型中插入进度计划，成功演示了用计算机软件模拟项目施工，实现可视化的全过程。研究人员通常使用Navisworks软件或企业自主开发的BIM 4D平台（包括鲁班、广联达等），与进度计划软件如Project、Primavera等进行链接，从而实现施工过程的可视化模拟，分析进度计划安排、资源分配、现场布置方案等是否合理，并对不合理之处进行调整和优化[1]。国内外诸多学者在BIM技术与4D概念的基础上，针对BIM 4D的模型构建、数据标准、进度相关优化问题等内容进行了深入研究。

模型构建方面，Eastman等人分析了创建BIM 4D模型的方法途径，并进而提出了应用BIM 4D进行进度计划生成与进度控制中应该注意的问题。Duffey等人首先对BIM 4D的应用效益进行了研究，包括由于低效时间表和进度计划更新不及时引起的直接成本或间接成本。赵彬等人[2]对BIM 4D技术引入前后在工程项目进度管理方面的表现进行了比较分析，论证了该技术在项目进度管理方面的可行性和优越性。

数据标准方面，Golparvar-Fard等人提出了一种基于IFC标准的BIM 4D进度计划自动监测的方法，该方法基于IFC格式标准，通过点云模型生成进度计划，并进而利用BIM模型实现进度计划的可视化。随后，Hamledari等人[3]提出了一个基于IFC标准的BIM 4D进度自动更新的模型，针对施工现场进度数据采集，将非IFC格式的数据进行处理并转化为IFC格式的数据，便于统一管理和利用。

1.2 BIM 4D的研究意义

進度相关优化问题方面，如图1所示，根据Rabia等人对BIM从业人员的调研，使用BIM 4D的人员中，86%研究的是3D+进度问题，其次重视的是预测方面的问题，包括成本和进度，可见实际工程中进度计划是利用BIM技术进行项目管理的关键领域，也是公司真正想要使用的领域。

2  BIM 4D技术应用现状与改进思路

2.1 应用现状

近年来BIM技术在工程领域的应用越来越广泛也逐步成熟，而BIM 4D技术是在BIM 3D搭建的建筑三维模型的基础上，通过链接进度计划附加项目进度、资源、成本等信息，形成4D模型的信息化技术[4]。利用BIM 4D可以实现可视化，通过施工过程动态模拟分析进度计划安排、资源配置和现场布局等是否合理，并根据判断对初始进度计划进行调整与优化，尤其是针对复杂工序调整进度计划与资源安排。同时，BIM技术最终可输出优化方案的模拟视频来知道现场作业。

BIM 4D技术虽然能通过软件实现可视化，但软件应用层面的操作基本都基于项目管理人员的观察和经验判断，缺乏定量优化的理论依据，尚未引入可实现量化的数学算法，也不存在BIM模型信息与进度优化理论中各属性的关联操作，因此缺乏系统化的理论支撑。如果将遗传算法与BIM 4D方法有效结合，验证理论研究的可行性和动态可持续性，可以加强BIM 4D的应用效果。

2.2 改进思路

由于遗传算法和BIM 4D技术在进度优化问题上各自具有独特的优势，单一进行应用时又分别存在相应的不足，因此，本文提出在BIM 4D平台实现可视化的基础上，结合遗传算法共同进行工程项目进度优化，有效发挥两种方法的优势，真正实现进度的二次优化与深度优化，达到理论性与实践性结合、定量分析与定性分析结合的目的，增强研究方法的科学性与可行性。在输入项目相关参数后利用综合了多种进度压缩方法的改进后遗传算法进行进度计划的一次优化，然后运用BIM 4D技术，在可视化的基础上对一次优化结果进行调整，实现进度计划的二次优化，最终得到符合项目需求的最优进度计划，同时保证算法一次优化结果在实际项目中的安全性、合理性和可行性。

3  遗传算法与BIM 4D集成机制设计

3.1 参数交互研究

由于遗传算法输入、输出参数为数学模型的参数表达，包含目标函数和约束条件中的变量，而BIM 4D模型主要由工程构件组成，需要建立遗传算法数学模型与基于BIM的建筑模型之间的信息表达、参数设定等交互关系，实现进度计划二次优化，达到理论与实践结合的效果。

遗传算法优化模型与BIM 4D模型之间的参数交互关系如图2所示，其中数学模型中输出都是基于活动级的各项参数，依托于进度计划中制定的各个活动，而BIM 4D模型中需要输入的参数为构件级，各项参数均基于模型构建时的组成构件，通过图中箭头表示的直接或间接对应关系，可以使算法中的参数与BIM模型中参数有效对应，便于下一步深入优化进度计划。

3.2 基于BIM 4D的二次优化设计思路

一次优化过程中，通过遗传算法可以进行计算机编程求解，得到满足工期要求且成本最低条件下各项工序的持续时间、搭接方式、资源配置和成本金额。如图3所示，利用BIM 4D技术，可以将一次优化的参数数据与信息模型中工序活动对应的构件相关联，通过BIM平台进行二次优化，使理论模型得出的优化结果更具有实际意义。基于BIM 4D平台的进度二次优化可以分为三个过程，首先将建筑、结构、机电等三维模型与进度、资源、成本等信息集成，实现可视化展示;然后将一次优化的进度计划通过模型模拟演示，分析其中各工序的进度安排是否合理，尤其是其中对于复杂工序的安排是否符合实践操作的要求，从而根据合理性与可行性的标准对进度计划和资源、成本的安排进行二次调整与优化，保证理论模型优化成果的实践性;在最终优化的进度计划应用于实际项目后，可以根据实际应用中的进度执行情况与需求变化情况，及时反馈到BIM 4D模型中，形成PDCA循环，对进度计划实现动态控制。

4  基于BIM 4D的进度计划动态跟踪与调整

二次优化后的进度计划应用于实际项目中后，实际情况可能与计划出现偏差，或者因项目需求不可预见的变化而需要进行再次调整，因此有必要针对这种状况设计实际工程中的应对思路。

进度与需求的实时跟踪主要依赖于现场信息采集。传统方式主要通过现场工作人员人为观测、手工测量和Excel报表记录，最终生成实际进度跟踪报告。由于传统方式对于人力和时间的消耗较大，目前可以使用无人机或相关摄影装置采集现场施工情况，基于BIM 4D工程管理平台将拍摄得到的进度数据上传至平台中，甚至有相关学者研究BIM平台直接识别图片信息的方法。通过平台的功能将现场施工与模型更直接而高效的关联，并且可以针对其中的复杂节点附上相关说明，便于后续进行进度分析与调整。

在实际进度与计划出现偏差时，或项目对于施工内容、工期、成本等要求出现变更后，需要对项目未完成部分更新进度计划。

基于遗传算法与BIM 4D对项目进度计划进行优化和动态控制的思路主要包括以下四个步骤：

①利用改进遗传算法和优化的目标函数进行进度计划一次优化，并与BIM 4D集成实现二次优化;

②在最优进度计划实施后，实时跟踪施工现场数据和项目需求，分析进度计划是否需要调整;

③若出现进度滞后、需求变更等情况导致未完成工程进度计划需要调整，通过前述方法再次优化未完成部分的进度计划;

④若工程构筑物出现变更，根据最新方案修改三维模型，并通过动态模拟分析进度计划是否存在不合理或冲突之处，生成最优进度计划，实现PDCA动态循环控制。

5  结束语

进度管理是工程项目管理的三要素之一，也一直是项目管理研究领域的重点和热点之一。随着经济和社会的发展以及全球化的不断推进，项目往往具有严格的工期限制。遗传算法与BIM 4D结合使进度优化兼具理论支持和实践可行性，同时可以实现进度计划实时跟踪和动态调整。

参考文献：

[1]蒋雅丽.基于BIM 4D的综合管廊工程施工进度管理[D]. 西安理工大学，2018.

[2]赵彬，王友群，牛博生.基于 BIM 的 4D 虚拟建造技术在工程项目进度管理中的应用[J].建筑经济，2011（9）：93-95.

[3]Hamledari H ， Mccabe B ， Davari S ， et al. 基于IFC和BIM 4D的进度自动生成和更新[J]. Journal of Computing in Civil Engineering， 2017， 31（4）：04017012.

[4]Lee J， Kim J. 基于BIM 4D仿真提高可持续建筑项目模块化制造生产力[J]. Sustainability， 2017， 9（3）：4.