复杂网络视角下的BIM 技术扩散研究

叶 萌，徐晓蓓，袁红平

（1.西南交通大学经济管理学院，四川成都 610031；2.广州大学管理学院，广东广州 510006）

1 研究背景

建筑信息模型（Building Information Modeling，简称BIM）作为建筑工程领域先进的信息技术，能够模拟项目设计、建设和运营阶段，实现建筑项目全寿命周期信息集成与共享，有利于从根本上打破信息断层问题，进而为项目全寿命周期决策提供依据［1］。虽然BIM 技术在进度、成本、质量等方面具备明显优势，但其在建筑业的应用却不如预期，扩散进程缓慢而有限。目前，关于BIM 应用障碍的研究多从静态角度定性分析相关因素，较少考虑建筑企业间复杂关系所带来的影响，也较少研究建筑企业在不同条件下的动态决策过程。而研究显示，BIM技术扩散受到诸多因素交互影响，处于复杂动态的社会系统中，具有明显的复杂网络特征［2］。因此，如何从复杂网络视角揭示BIM 扩散内在特征及演化机制已成为一个值得探讨的问题。

新技术或者新产品的扩散机理研究，本质上是一种创新扩散问题。有学者认为BIM 技术扩散发生在一定的社会经济系统中，实质是BIM 技术在复杂网络中被潜在建筑企业逐渐采纳的过程，建筑企业间的复杂关系则是扩散的重要传播渠道［3］。因此，本文拟基于复杂网络探究BIM 技术扩散内在机理，通过研究微观层面建筑企业BIM 技术采纳行为，分析BIM 技术扩散宏观表象。目前国内外学者主要通过构建扩散模型研究创新扩散，从研究视角区分，创新扩散模型可分为宏观扩散模型和微观扩散模型。以Bass 模型及其扩展模型［4］为代表的宏观扩散模型被大多数学者所采用，然而该方法设定了众多假设条件，过度简化了微观机制，也忽略了成员间社会关系，与现实情况严重不符。而微观扩散模型主要以元胞自动机模型［5］、Agent 仿真模型为主［6］，考虑了消费者异质性以及消费群体间相互作用，能够揭示创新扩散的微观市场机制，极大地拓展了Bass 模型的使用范围，是本文拟采用的研究视角。

近年来，基于Agent 的建模方法（Agent-based modeling，简称ABM）为描述和研究社会、经济等复杂系统提供了更客观且更有效的建模框架，也为本文研究复杂网络视角下的BIM 技术扩散提供了理想的工具。与此同时，BIM 技术作为建筑业新型信息技术，其采纳推广过程可类比其他行业信息技术采纳推广过程，采用信息领域已经成熟的技术—组织—环境（TOE）理论，全面系统考察企业内部因素、外部环境因素和信息技术自身特征对BIM 技术扩散的影响。综上，为更好地揭示BIM 技术扩散机理，本文结合创新扩散理论与TOE 框架理论，从技术、组织和环境层面分析建筑企业采纳行为，运用基于Agent的建模方法，构建BIM技术扩散仿真模型，通过更改扩散模型中的参数值，确定影响建筑企业BIM 采纳的关键因素，进而预测BIM 技术扩散趋势。

2 理论基础

2.1 TOE 框架理论

Tornatzky 和 Fleisher 于上世纪 90 年代首次提出TOE 框架理论，即技术—组织—环境理论（Technology-Organization-Environment，TOE），该理论认为企业采纳一项创新技术的过程主要受到技术、组织和环境因素影响［7］，为分析企业层面创新采纳及扩散提供了理论依据。技术因素作为首要因素，主要是指相对于现有技术的相对优势、兼容性和复杂性等特征［8］。组织因素是指企业管理模式、运营机制等组织特征和人才管理、资金保障、学习资源等组织体系。而环境因素是指组织所处的市场压力、社会竞争等。TOE 框架理论全面系统地考察了企业内部、外部因素及技术自身特征的影响，具备较强的系统性和可操作性，被广泛应用于研究创新扩散［9］。

2.2 复杂网络理论

复杂网络理论的研究主要集中在构建网络模型、测度网络结构及网络动力学三个方面，构建网络模型可对网络进行模拟和仿真，测度网络结构可以分析网络个体的具体情况，而网络动力学则能够帮助人们认知复杂系统的内部动力学并解释现实世界存在的复杂性问题［10］。具体而言，复杂网络理论基于图论将各类社会经济系统抽象为只有节点及节点间相互作用的网络拓扑结构，网络中节点代表系统内部元素，边表示元素间关系，通过分析系统结构进而研究系统功能。复杂网络主要有平均路径长度、聚集系数和度及度分布三大性质，分别代表网络节点间的距离均值、网络聚集情况以及节点连接边数，并具备小世界属性［11］，小世界网络被认为是最接近人类社会关系分布的模型，具有较短的平均路径长度和较大的聚集系数。

3 研究方法及模型

Bass 模型研究创新扩散时，假设 时刻新采纳者人数线性地依赖于大众传媒、广告等外部因素影响和社会压力、网络效应等内部因素影响，已有学者将该模型（或其变体）应用于预测BIM 技术扩散［12］。然而，Hohnisch 等［13］人研究表明，Bass 模型忽略了成员间的社会关系，没有反映内部扩散机制，与现实情况严重不符。而基于Agent 的建模方法，考虑了消费者异质性以及消费群体间的相互作用，揭示了创新扩散的微观市场机制，是研究复杂系统的有效工具。基于Agent的模型主要由以下三要素组成：（1）具有特定属性和行为规则的主体集群；（2）一组Agent关系和相互作用规则；（3）Agent所处环境。为了将以上要素与BIM 技术扩散结合，本文基于创新扩散理论和TOE 框架理论，借助Bass 模型因素分类思路，从技术、组织和环境层面全面分析建筑企业采纳行为。

Rogers［14］18将技术扩散过程划分为认识、说服、决策、实施和证实五个阶段，前三个阶段决定了决策者的采纳行为，是本文研究范围。在认识阶段，潜在采纳者会受到大众传媒、广告或其他企业影响认识到创新。一旦企业意识到创新，便进入说服阶段，在这个阶段，企业会分析创新与企业需求和能力的匹配度，匹配度越高，企业采纳的可能性越大。在创新决策阶段，企业需做出采纳还是不采纳的决定。依据这一流程建立本文的建筑企业决策概念模型，如图1 所示。

图1 建筑企业决策概念模型

3.1 模型的组成部分

3.1.1 技术背景

Tornatzky 等［15］人通过分析75 篇创新扩散相关文献，发现相对优势、兼容性和复杂性等技术因素与创新采纳显著相关，尽管这些因素对定义BIM 技术至关重要，但现有文献并未给出一个方程精确描述每个特征对企业决策的影响［16］。基于此，本文将技术特征作为整体研究，考虑BIM 技术随扩散演化逐步成熟，并采用公式（1）计算BIM 技术成熟度：

3.1.2 组织背景

3.1.3 环境背景

环境因素主要指组织所处的市场压力、社会竞争等，是BIM 技术采纳者所处外部环境。虽然网络模型无法实现与现实环境一致的细节特征，但是有研究发现，随着时间推移，BIM 合作网络越来越密集，但是始终表现出小世界属性，呈现复杂自适应系统特征［17］。基于此，本文将复杂网络作为建模载体，使用小世界网络模拟市场结构。

3.2 动力学模型

与Bass 模型相对应，BIM 技术潜在采纳者可以通过两种途径成为采纳者，一种是独立采用：在BIM 技术扩散早期阶段，一部分（约2.5%）创新者独立于其他采纳者率先采纳BIM 技术，成为推动BIM 技术扩散的初始动力［14］244。另一种是依赖采用，这部分潜在采纳者的决策行为受到其他采纳者影响，是本文主要研究对象。

接下来，对BIM 技术扩散过程进行分析。首先是认识阶段，市场中潜在的采纳者会受到大众传媒、广告等外部信息影响或相邻企业影响认识到BIM 技术，本文用代表Agenti意识到BIM 技术的概率，由公式（2）确定：

如前所述，当建筑企业认识到BIM 技术，便进入说服阶段，在此阶段潜在采纳者会根据自身情况明确组织需求，并判断组织需求与技术成熟度之间的匹配程度。

通过上述分析建立建筑企业采纳流程图，如图2 所示。系统初始化时，每个建筑企业均为潜在采纳者。当受到大众传媒、广告等外部信息或社会网络中邻居间内部信息影响，部分潜在建筑企业可以通过概率认识到BIM 技术，在认识的基础上，匹配BIM 技术特征与企业需求的契合度，匹配度越高，建筑企业采纳BIM 技术的概率越大。这部分独立采用的创新者作为系统动力，影响与之相邻的建筑企业采纳行为，进而推动BIM 技术扩散。对于已采纳BIM 技术的建筑企业，可以依据企业现有能力，如技术支持、资金、人员等实际情况和社会运行环境进行自由调整，可以概率放弃BIM 技术采纳。如果企业选择放弃BIM 技术采纳，由于企业风险意识增强，再次采纳该项技术的概率远低于未采纳者，本文以变量“”反映。相应地，再次采纳后选择退出的概率也会大幅度降低，建筑企业行为接近于理性选择。

图2 建筑企业采纳流程图

4 仿真实验

4.1 仿真参数设定

本文旨在对比在不同参数取值下BIM 技术扩散方向、速度以及深度差异，分析参数变动值而非绝对值，通过查阅相关文献将参数设定在合理范围内，如表1 所示。为增强结果稳定性，每组参数组合下运行30 次，取平均值作为最终仿真结果，以消除随机误差影响。

表1 参数设定表

4.2 仿真实验结果

实验一：BIM 技术初始成熟度与BIM 技术扩散

为了探讨BIM 技术成熟度对BIM 技术扩散的影响，本文选取不同参数值模拟不同初始水平，如图3 所示，在6 种初始技术性能下运行该模型，每种性能下运行30 次。当t=0 时，M=m，即代表BIM 技术初始成熟度。观察图3 发现：当m=10 时，扩散失败，该结果符合一般认知：特别不成熟的技术会严重影响消费者体验，进而产生大量的负面口碑导致扩散失败。而随着m取值增大，扩散曲线均呈现“S”型，扩散深度均集中在65%左右，但扩散速度差异显著，呈不断加快趋势。当BIM 技术初始成熟度达到较高水平时，扩散曲线近似重叠，再提升该参数值，并不影响BIM 技术扩散趋势。由此可知，BIM 技术初始成熟度过低会直接导致扩散失败，提高BIM 技术初始成熟度可以加快扩散速度，但并不能扩大BIM技术扩散范围。

图3 不同BIM 技术成熟度对BIM 技术扩散的影响

实验二：BIM 技术进步系数与BIM 技术扩散

当BIM 技术以一定的初始成熟度在建筑企业间扩散时，由公式1 可知，另一技术影响因素是BIM技术进步系数，该项参数值越大，代表BIM 技术性能提升速度越快。当M=E时，a=N/Y(t),可以将BIM技术进步系数理解为：在满足企业技术需求的条件下，N对Y(t)的比例。实验中a均大于1，代表BIM 技术在市场采纳率小于100%时，就完全成熟，a值越大，单个采纳者带来的技术进步程度越大，BIM 技术能够以更快的速度达到成熟。图4 在5 种不同技术进步系数下运行该模型，探讨BIM 技术进步系数对BIM 技术扩散的影响，结果如下：随着BIM 技术进步系数增加，BIM 技术扩散速度、深度均得到了大幅度改善，但是当进步系数达到较高水平，扩散曲线近似重合，再提升该项系数也不影响扩散趋势。

图4 不同BIM 技术进步系数对BIM 技术扩散的影响

实验三：建筑企业BIM 技术需求度与BIM 技术扩散

本文将建筑企业技术需求度E分为三段，第一段：E1 恒成立，BIM 技术扩散趋势仅受外部信息和退出概率影响，两项影响相对稳定，与图5 所示扩散结果一致。当m

图5 不同建筑企业技术需求度对BIM 技术扩散的影响

实验四：网络平均度与BIM 技术扩散

网络平均度是衡量复杂网络结构的重要性质之一，它代表社会网络中各节点连接水平，反映建筑企业间合作水平和沟通强度。本文通过设置不同的平均度值，分析复杂网络结构差异对BIM 技术扩散的影响，仿真结果如图6 所示：网络平均度值增大，BIM 技术扩散速度增快、扩散深度增加，尤其是网络平均度K达到6 时，扩散趋势陡变，这与六度分隔理论吻合［21］。这可能是因为建筑企业与多个体进行交流学习，能充分了解邻居决策行为，从而增大了采纳概率；而网络平均度较低时，个体与邻居沟通受限，仅能获取少数决策信息，采纳动力不足。然而，当平均度超过6 时，由于网络扩散潜力已经得到很大程度应用，继续增加K值，速度和深度增量逐渐减少，直至扩散曲线近似重合。因此，本文认为网络结构特征与BIM 技术扩散存在关系，在一定范围内，增加建筑企业间互动有助于BIM 技术推广。

图6 不同网络平均度对BIM 技术扩散的影响

5 结论与建议

随着建筑业向信息化、智能化的转型升级，如何推进BIM 技术的应用和扩散已成为一个重要且紧迫的问题。结合创新扩散理论和TOE 框架理论，本文从复杂网络视角构建了仿真模型，并通过一系列受控数值实验，识别了驱动BIM 技术扩散的关键因素，揭示了BIM 技术的扩散机理。主要研究结论和政策启示包括：

首先，BIM 技术初始成熟度是影响BIM 技术扩散的一个关键因素。鉴于此，市场上的BIM 技术供应商所提供的BIM 技术产品应该具备一定的成熟度，以确保满足建筑企业的基本技术需求。如此一来，随着BIM 技术采纳人数的不断增多，BIM 技术相关收益随之增加，BIM 技术供应商才能逐步加大对技术的研发力度，逐步完善并提高BIM 技术性能，从而加快BIM 技术扩散与应用。同时，政府主管部门应积极出台相关政策（如提供政策补贴、给予税收减免等），一方面可以激励BIM 技术供应商不断改进BIM 技术，另一方面也可以鼓励建筑企业积极采用BIM 技术，以推动BIM 技术扩散与应用。

其次，BIM 技术进步系数会对BIM 技术扩散产生积极的推动作用，具体而言，BIM 技术进步系数能显著提高扩散深度，加快扩散速度。因此，在BIM 技术初始成熟度较低时，可通过提高BIM 技术进步系数，增大每位技术采纳者所带来的技术进步值，从而加快BIM 技术走向成熟的速度，促进BIM技术扩散与应用。

第三，建筑企业BIM 技术需求度是影响BIM 技术扩散的另一个关键因素，同时，建筑企业BIM 技术需求度与扩散深度和扩散速度大致呈反比关系。当建筑企业BIM 技术需求位于中、高水平时，尽管BIM 技术初始成熟度对扩散深度的影响非常有限，但是能够在一定程度上削弱建筑企业间的需求差异。因此，BIM 技术供应商、政府主管部门等主体在制定BIM 技术推广策略时，应重点关注市场上建筑企业的整体需求水平。

最后，网络平均度能够显著提高BIM 技术扩散速度和深度。因此，建议BIM 技术供应商选择行业中的龙头企业作为BIM 技术体验者，以增强推广效果。同时，政府主管部门应该积极搭建增强建筑企业间的沟通交流桥梁，积极引导大型建筑企业建立BIM 应用试点工程，释放大型企业潜在的行业影响力，树立BIM 技术应用典范。