(清華大學(xué)軟件學(xué)院，北京 100084)

1 引言

BIM技術(shù)旨在實現(xiàn)建筑全部信息的數(shù)字化表達，實現(xiàn)建筑全生命周期的信息共享，并為所有參與者提供決策支持，在國內(nèi)外工程領(lǐng)域得到廣泛關(guān)注和應(yīng)用。我國在政府的大力支持引導(dǎo)下，BIM技術(shù)正進入深入應(yīng)用和產(chǎn)生實效階段。人們對BIM模型的要求也逐漸從“做出來看的可視化模型”轉(zhuǎn)變?yōu)椤翱梢哉嬲脕碛玫男畔⒛Ｐ汀薄?/p>

BIM技術(shù)的深度應(yīng)用，要以BIM模型具有足夠的建模深度、良好的模型質(zhì)量以及符合不同類型建筑的業(yè)務(wù)規(guī)范為前提。在BIM技術(shù)進入普及應(yīng)用和規(guī)?；谋尘跋?，人工BIM模型審查面臨效率、全面性、客觀性、一致性等問題。除了碰撞檢查和面向特定應(yīng)用的功能檢查外，需要能夠有效地對BIM模型質(zhì)量、規(guī)范符合性進行自動、智能、全面檢查和評估的方法、技術(shù)和工具。然而，BIM模型檢查面臨諸多挑戰(zhàn)[1]，如業(yè)務(wù)規(guī)范的多樣性、BIM模型的復(fù)雜性、模型中幾何和信息的交織、以及語義表示的不唯一性等，限制了能夠?qū)IM模型進行全自動和智能化檢查的程度。

近年來，隨著信息技術(shù)的快速發(fā)展，自然語言處理、知識圖譜、數(shù)據(jù)挖掘、人工智能等領(lǐng)域取得了飛躍式進步。人工智能在機器翻譯、語音識別、知識問答、圍棋等領(lǐng)域已經(jīng)達到與人的智能相當(dāng)，甚至超越人的智能的水平。目前，經(jīng)濟社會各領(lǐng)域正在從數(shù)字化、網(wǎng)絡(luò)化向智能化加速躍升。BIM技術(shù)的廣泛應(yīng)用正是土木建筑領(lǐng)域數(shù)字化、網(wǎng)絡(luò)化的典型成果，如何結(jié)合人工智能技術(shù)提升行業(yè)智能化水平是學(xué)者們關(guān)注的熱點問題。本文將闡述課題組如何基于人工智能關(guān)鍵技術(shù)應(yīng)對BIM模型檢查面臨的一些挑戰(zhàn)，進行BIM模型智能檢查工具研發(fā)的實踐及取得的成果，為探索人工智能技術(shù)在土木建筑行業(yè)的有效結(jié)合和應(yīng)用點提供參考借鑒。

2 BIMChecker工具介紹

針對BIM模型質(zhì)量評測的現(xiàn)實需求，通過開展大數(shù)據(jù)、人工智能關(guān)鍵技術(shù)在BIM領(lǐng)域應(yīng)用的交叉研究，清華大學(xué)軟件學(xué)院BIM課題組研發(fā)了BIMChecker工具，可面向多種業(yè)務(wù)規(guī)范、多種BIM模型表示，自動智能給出BIM模型的全面檢測結(jié)果，為BIM模型可用性提供具體客觀評價，為BIM模型深度應(yīng)用提供工具支持[2]。

BIMChecker工具的研究架構(gòu)如圖1所示。

圖1 BIMChecker工具的研究架構(gòu)圖

1)對于自然語言描述的建筑領(lǐng)域各種規(guī)范，通過面向建筑規(guī)范的領(lǐng)域規(guī)則描述研究，將其自動或半自動地表示為計算機可以識別的領(lǐng)域規(guī)則；

2)針對不同形式的BIM模型表示(如.ifc，.rvt，.dwg等)，進行語義模型抽取，得到適用于模型檢查的語義模型及適當(dāng)表示；

3)通過領(lǐng)域規(guī)則與語義模型的語義映射及高效的BIM模型檢查算法，給出BIM模型是否符合建筑規(guī)范的結(jié)論；

4)通過對BIM模型的數(shù)據(jù)挖掘，在無需用戶干預(yù)的情況下，發(fā)現(xiàn)模型的新問題和新知識，作為領(lǐng)域規(guī)則庫的有效補充，提升BIM模型檢查工具的智能性。面向建筑規(guī)范多樣化、BIM模型輸入多樣化特征，該工具的總體框架具有規(guī)則庫靈活可定制、語義模型檢查引擎統(tǒng)一可復(fù)用等特點。

3 人工智能關(guān)鍵技術(shù)在BIM模型檢查工具中應(yīng)用

3.1 建筑規(guī)范描述—領(lǐng)域特定語言設(shè)計

領(lǐng)域特定語言(Domain specific Language)是軟件工程領(lǐng)域的一個關(guān)鍵研究內(nèi)容，相對于通用的程序設(shè)計語言和描述語言，其關(guān)注于如何面向特定領(lǐng)域，研發(fā)具有有限表達能力、直接支持領(lǐng)域術(shù)語、具有良好可讀性、易理解性的語言。領(lǐng)域特定語言是承載“領(lǐng)域知識”的重要形式，為機器理解和領(lǐng)域知識應(yīng)用服務(wù)。

如何對建筑領(lǐng)域規(guī)范條款進行統(tǒng)一形式化表示是一項重要問題。規(guī)范的形式化和規(guī)則化不僅可以消除自然語言描述的模糊性、二義性等問題，也是基于計算機手段對規(guī)范符合性檢驗的基礎(chǔ)。在BIMChecker工具中，設(shè)計和實現(xiàn)了一款建筑規(guī)范描述語言SNL，典型示例如圖2所示?；赟NL語言，自然語言條款被結(jié)構(gòu)化為一個簡單句、復(fù)合句或條件句，支持實體之間的二元關(guān)系、實體的數(shù)值關(guān)系的表達以及基于邏輯and和邏輯OR的嵌套組合。

圖2 基于SNL的防火規(guī)范條款規(guī)則描述示例

在表示層面，SNL語言具有中文支持、易讀性、靈活性、可擴展性以及獨立性等特點，有效解決了建筑規(guī)范形式化規(guī)則化描述問題。在實現(xiàn)層面，SNL語言被轉(zhuǎn)換為語義網(wǎng)描述語言O(shè)WL，通過語義推理實現(xiàn)了規(guī)則庫的一致性完備性檢查，能自動識別規(guī)則沖突、遺漏、重復(fù)等問題，保證了規(guī)則庫自身的正確性?；谠撜Z言，BIMChecker工具內(nèi)置了《住宅設(shè)計規(guī)范》、《建筑設(shè)計防火規(guī)范》、《深圳工務(wù)署B(yǎng)IM模型建模規(guī)范》、北京市地標(biāo)建筑中國尊《Z15項目需求規(guī)范》等多個國家、地方、行業(yè)或項目規(guī)范的規(guī)則庫，支持這些規(guī)范條款的一鍵式檢查。該SNL語言已被納入國家標(biāo)準(zhǔn)《面向工程領(lǐng)域的共享信息模型第3部分：測試方法》中，作為表示測試目標(biāo)的形式化描述語言推薦使用[3-5]。

3.2 基于自然語言處理的規(guī)范條款翻譯

自然語言處理(Natural Language Processing)是計算機科學(xué)與人工智能領(lǐng)域的一個重要方向，它研究人與計算機之間用自然語言進行有效通信的理論、方法和技術(shù)。近年來，統(tǒng)計機器學(xué)習(xí)、深度神經(jīng)網(wǎng)絡(luò)技術(shù)帶來了自然語言處理尤其是機器翻譯的飛躍式進步。隨著機器學(xué)習(xí)能力越來越強，自然語言處理精度越來越高，其應(yīng)用也越來越廣泛。

建筑規(guī)范條款通常由領(lǐng)域?qū)＜艺聿⑼ㄟ^自然語言進行描述，若能直接以自然語言描述的規(guī)范條例為輸入，自動翻譯為計算機能夠理解的表示，將大大減輕領(lǐng)域規(guī)則庫構(gòu)造的工作量，并提升BIM模型檢查的應(yīng)用空間。在BIMChecker工具中，研究實現(xiàn)了基于自然語言處理從規(guī)范文本自動抽取領(lǐng)域知識，并構(gòu)造用于模型檢查的SNL表示的方法，研究框架如圖3所示。

圖3 基于自然語言處理的建筑規(guī)則翻譯路線圖

1)基于中文分詞系統(tǒng)jieba，結(jié)合建筑領(lǐng)域規(guī)范術(shù)語設(shè)計有效的自定義詞典，得到形式規(guī)范的語言分詞結(jié)果；

2)基于Stanford Parser對已經(jīng)定制的分詞結(jié)果做語法樹結(jié)構(gòu)分析，并按照翻譯要求對語法樹做剪枝和合并；

3)基于提取建筑規(guī)范條款特征，設(shè)計翻譯模式，實現(xiàn)從語法樹到SNL表示的映射；

4)基于語義相似度對待翻譯條款和已有庫條款進行語句相似度匹配，應(yīng)對過擬合問題，提高翻譯的精度。

3.3 基于知識圖譜的BIM模型語義查詢推理

“這個世界不是由字符串構(gòu)成的，而是由很多事物構(gòu)成的”，這是Google在2012年發(fā)布知識圖譜(Knowledge Graph)時提出的理念。知識圖譜，是用于顯示知識發(fā)展歷程和關(guān)系的一系列結(jié)構(gòu)網(wǎng)絡(luò)。通過把信息科學(xué)、數(shù)理統(tǒng)計、圖形學(xué)等學(xué)科相互融合，系統(tǒng)展示知識領(lǐng)域動態(tài)發(fā)展規(guī)律，并通過數(shù)據(jù)挖掘等手段揭示復(fù)雜的相關(guān)知識?；贕oogle的知識圖譜，用戶在搜索與輸入關(guān)鍵詞相關(guān)的信息時，可基于知識圖譜上的等價和上下位推理、不一致性推理、知識推理等，獲取更符合用戶預(yù)期的檢索結(jié)果。知識圖譜在醫(yī)療、金融、電子商務(wù)等領(lǐng)域已經(jīng)得到成功應(yīng)用。

建筑信息模型的數(shù)據(jù)紛繁復(fù)雜，即使以IFC4標(biāo)準(zhǔn)格式描述，對其進行查詢、分析、檢查、挖掘仍具有較大困難。同時，建筑模型中存在大量的關(guān)系數(shù)據(jù)，若要體現(xiàn)建筑實體之間相互依賴的關(guān)系信息，也需要良好的數(shù)據(jù)結(jié)構(gòu)來保存。為了有效實現(xiàn)BIM模型的語義表達，并為大規(guī)模BIM元素的知識圖譜構(gòu)造、數(shù)據(jù)挖掘奠定技術(shù)基礎(chǔ)，BIMChecker工具中通過抽取語義模型實現(xiàn)了基于語義查詢的規(guī)則檢查，并進一步基于圖數(shù)據(jù)庫Neo4j構(gòu)造了BIM模型的知識圖譜，為進一步分析挖掘所用。

保證BIM模型的查詢效率是基于語義模型的BIMChecker工具的重點。一條SNL語言描述的領(lǐng)域規(guī)則，被轉(zhuǎn)換為OWL模型上的若干SPARQL查詢，根據(jù)SPARQL查詢結(jié)果為空或非空得出規(guī)則是否滿足的結(jié)論。BIMChecker中從時間和空間兩個方面進行查詢效率提升。首先，通過面向規(guī)則庫的語義模型抽取減少了語義模型空間； 其次，通過對SPARQL查詢語句的重用和重組，考慮SPARQL查詢中構(gòu)件先后順序?qū)Σ樵兊挠绊懀瑢σ饒?zhí)行效率瓶頸的SPARQL語句進行優(yōu)化。結(jié)合領(lǐng)域知識，將能夠更快收斂到查詢結(jié)果以及能夠更多過濾掉無關(guān)構(gòu)件的子查詢提前，從而提高查詢效率。工具中成功使用的一個基于領(lǐng)域知識的SPARQL重排結(jié)果如圖4所示。

圖4 優(yōu)化前(左)后(右)的SPARQL查詢語句三元組組織

3.4 BIM模型數(shù)據(jù)挖掘

隨著信息技術(shù)的迅猛發(fā)展，人類社會已經(jīng)步入大數(shù)據(jù)時代，如何從豐富的數(shù)據(jù)海洋中獲取潛在的、重要的、有價值的信息，是目前眾多科技工作者的研究重點。數(shù)據(jù)挖掘(Data Mining)研究從大數(shù)據(jù)中分析規(guī)律、提取知識的方法技術(shù)，從而幫助人們獲取有價值的信息和知識。通常挖掘出來的知識是隱含的，并未事先被了解的，并最終形成人們可以理解的模式。

基于先驗知識的BIM模型檢查方法能夠返回給用戶確定的模型問題信息。然而，如果沒有有效的先驗知識和規(guī)則，又能給用戶提供什么？隨著BIM技術(shù)的應(yīng)用，體量越來越大的建筑信息模型中包含著大量的建筑空間、構(gòu)件、屬性和關(guān)系信息，為數(shù)據(jù)挖掘提供了豐富的數(shù)據(jù)源。另一方面，領(lǐng)域?qū)＜以贐IM模型可用性方面積累了豐富經(jīng)驗，這些領(lǐng)域知識通常并未通過文檔或規(guī)范描述出來，但會在他們設(shè)計的BIM模型中得到展現(xiàn)?？紤]到這些問題，BIMChecker工具中引入了數(shù)據(jù)挖掘技術(shù)，對大量BIM模型以及BIM模型內(nèi)大量內(nèi)部元素、屬性、關(guān)系進行統(tǒng)計學(xué)習(xí)，將BIM模型中數(shù)據(jù)之間的潛在規(guī)律挖掘出來，為模型檢查補充更有價值的新規(guī)則，提升BIM模型檢查的智能性。

圖5 基于聚類的BIM模型異常檢測結(jié)果展示

工具在BIM知識圖譜上設(shè)計實現(xiàn)了基于DBSCAN的密度聚類算法，按照空間和構(gòu)件的特征向量聚類劃分，在實驗過程中不斷調(diào)整聚類半徑、最小點數(shù)、特征向量權(quán)重等參數(shù)，最終達到了良好的聚類效果，并實現(xiàn)了對BIM模型的異常檢測。目前BIMChecker工具已實現(xiàn)的異常檢測點包括幽靈空間(只有空間標(biāo)識而不包含任何構(gòu)件)、問題空間(如缺少與門、樓板等的關(guān)系)、構(gòu)件屬性值缺失(與同簇構(gòu)件相比，缺失了關(guān)鍵屬性信息)、構(gòu)件屬性值異常(與同簇構(gòu)件相比，屬性的取值差別較大)。圖5展示了基于數(shù)據(jù)挖掘的BIM模型異常檢測結(jié)果界面。在無需任何人工干預(yù)的情況下，對于某機電BIM模型，可自動分析出材質(zhì)、連接方式缺失等問題，并給出評判依據(jù)(同類占比)，以便通過人工篩選確認，發(fā)現(xiàn)潛在問題和規(guī)律。

3.5 基于機器學(xué)習(xí)的圖紙圖元語義識別

使機器具有自學(xué)習(xí)能力，是人工智能的核心，是機器具有“智能”的基本途徑。機器學(xué)習(xí)(Machine Learning)是一門多領(lǐng)域交叉學(xué)科，專門研究計算機怎樣模擬或?qū)崿F(xiàn)人類的學(xué)習(xí)行為，以獲取新的知識或技能，重新組織已有的知識結(jié)構(gòu)使之不斷改善自身的能力。機器學(xué)習(xí)在各個領(lǐng)域得到廣泛應(yīng)用，尤其是在計算機視覺領(lǐng)域深度學(xué)習(xí)技術(shù)取得了巨大成功。

三維BIM模型是基于面向?qū)ο蟮母拍钤O(shè)計的，對BIM模型可直接獲取包含墻、窗、門等構(gòu)件的全部結(jié)構(gòu)化信息。然而，若將二維圖紙考慮進來，其展現(xiàn)出來的卻是各種線條。人可以智能的理解哪些是門、哪些是窗、哪些是墻、哪些線條圍合起來的就是一個功能空間，但是由機器識別和理解確不是一件簡單的事情。此外，面向語義檢查的需求，對圖紙的“信息”要求較高，不僅需要識別構(gòu)件，還要識別構(gòu)件的屬性、空間的用途等具體內(nèi)容。

面向二維圖紙(.dwg)對象，BIMChecker工具應(yīng)用機器學(xué)習(xí)技術(shù)對圖元進行自動分類和識別，并生成與三維BIM模型一致的語義模型。首先進行圖元特征提取，基于領(lǐng)域知識，從二維圖紙中讀取數(shù)據(jù)，篩選出有效信息，提取可以表征圖元相互關(guān)系的特征，如顏色、長度、距離、夾角等，然后根據(jù)從標(biāo)準(zhǔn)圖集中提取的特征，訓(xùn)練圖元分類器，并對圖紙中的圖元進行分類，區(qū)分表示門、窗、墻等不同構(gòu)件的圖元。為了提高構(gòu)件識別的準(zhǔn)確度，工具綜合了基于構(gòu)件層次的結(jié)構(gòu)特征分類方法和基于線層次的二鄰域方法，并利用圖元顏色等領(lǐng)域知識降低了學(xué)習(xí)算法的復(fù)雜度。目前工具能較準(zhǔn)確地自動提取到墻、門、窗、樓梯、電梯等必要內(nèi)容并自動圍合為空間和匹配功能標(biāo)簽。圖6展示了一張原始建筑專業(yè)二維圖紙，圖7和圖8分別展示了工具對其自動識別出的門以及通過墻、門、窗識別后圍合成的空間。

圖6 一張原始的建筑專業(yè)二維平面圖

圖7 工具自動識別出來的所有門構(gòu)件

圖8 工具基于墻、門、窗的識別自動圍合的所有空間

4 BIMChecker工具在防火規(guī)范檢查中的應(yīng)用

圖9 不符合甲級防火門要求的示例

依據(jù)《建筑設(shè)計防火規(guī)范》(GB 50016- 2014)BIMChecker工具建立了防火規(guī)則庫，可對建筑BIM模型在防火分區(qū)、消防電梯、封閉樓梯間和防煙樓梯間設(shè)置、疏散門和疏散距離要求、特殊功能空間的防火等級和層數(shù)要求對應(yīng)的強制性條款進行系統(tǒng)性檢查。由于建筑設(shè)計防火規(guī)范涉及多個專業(yè)，在典型工程項目中，工具通過對土建BIM模型和機電BIM模型的綜合，檢查出了BIM模型中存在的疏散樓梯凈寬度不足(國標(biāo)條款5.5. 18)防火墻上的門窗洞口防火等級不足(國標(biāo)條款6.1. 5)房間未設(shè)置排煙設(shè)施(國標(biāo)條款8.5. 4)房間未設(shè)置疏散照明以及備用照明等問題(國標(biāo)條款10.3.1和10.3. 3)驗證了BIMChecker應(yīng)用于防火設(shè)計自動檢查的可行性。

圖9展示了不符合規(guī)范“防火墻上開設(shè)的門、窗、洞口必須是甲級防火門”(防火規(guī)范條款6.1.5)的一個典型示例。圖10展示了不符合“房間建筑面積大于50m2”的一個典型樣例。

圖10 不符合應(yīng)設(shè)置排煙設(shè)施的示例

5 總結(jié)與展望

在我國BIM技術(shù)正進入普及應(yīng)用、規(guī)?；瘧?yīng)用和深度應(yīng)用的背景下，對BIM模型質(zhì)量進行全自動和智能地開展多方位、客觀、量化評價是一項重要內(nèi)容。本文結(jié)合課題組BIMChecker工具的研發(fā)實踐和研究成果，闡述了應(yīng)對BIM模型檢查面臨的諸多挑戰(zhàn)，如何綜合應(yīng)用領(lǐng)域特定語言設(shè)計、自然語言處理、知識圖譜、數(shù)據(jù)挖掘、機器學(xué)習(xí)等重要技術(shù)，解決建筑規(guī)范理解和表示、BIM模型語義信息抽取和組織、新知識發(fā)現(xiàn)、圖紙圖元自動識別等關(guān)鍵問題的思路、方法及效果。希望通過本文人工智能關(guān)鍵技術(shù)在BIMChecker工具中應(yīng)用的介紹，啟發(fā)更多人工智能技術(shù)與土木建筑領(lǐng)域的結(jié)合與應(yīng)用，促進土木建筑行業(yè)向智能化發(fā)展加速躍進。

在應(yīng)用人工智能技術(shù)提升BIM模型檢查智能性方面，還有很多有意思的研究內(nèi)容。未來的工作除了繼續(xù)深化人工智能技術(shù)在上述應(yīng)用點上的應(yīng)用效果外，本文下一步計劃結(jié)合深度學(xué)習(xí)技術(shù)在無規(guī)范的BIM模型檢查和圖紙元素識別方面開展研究。在人工進行BIM模型和圖紙審查的過程中，積累了大量的“不符合規(guī)范要求”和“符合規(guī)范要求”的案例； 通過對這些案例進行收集、整理、結(jié)構(gòu)化、標(biāo)注，將形成可用于機器學(xué)習(xí)的大量有效數(shù)據(jù)集。在“不符合要求”的數(shù)據(jù)集上應(yīng)用深度學(xué)習(xí)技術(shù)，實現(xiàn)無規(guī)范的BIM模型檢查。在“符合規(guī)范要求”的數(shù)據(jù)集上應(yīng)用深度學(xué)習(xí)技術(shù)，提升圖紙圖元自動識別的精確性。通過機器翻譯領(lǐng)域?qū)ε紝W(xué)習(xí)和聯(lián)合學(xué)習(xí)的經(jīng)驗，建立這兩個方向的關(guān)聯(lián)，提升學(xué)習(xí)效果，進一步加強BIM模型檢查的適用性和智能性。

[1] P.Pauwels，S.Zhang，Semantic rule-checking for regulation compliance checking：An overview of strategies and approaches，in：Proceedings of the 32rd International CIB W78 Conference，Endhoven，NL， 619-628， 2015.

[2] Jianqiao Gu，Hehua Zhang，Ming Gu.Automatic Integrity Checking of IFC Models relative to building Regulations.In Proceedings of ICIMCS 2016； 52-56.

[3] 孫家廣,顧明,劉玉身,張荷花,高歌,等. 國家標(biāo)準(zhǔn)《面向工程領(lǐng)域的共享信息模型第1部分：領(lǐng)域信息模型框架》.清華大學(xué)、中國電子技術(shù)標(biāo)準(zhǔn)化研究院、中車信息技術(shù)有限公司，正在批準(zhǔn).

[4] 孫家廣,顧明,劉玉身,張荷花,高歌,等. 國家標(biāo)準(zhǔn)《面向工程領(lǐng)域的共享信息模型第2部分：領(lǐng)域信息服務(wù)接口》.清華大學(xué)、中國電子技術(shù)標(biāo)準(zhǔn)化研究院、中車信息技術(shù)有限公司.正在批準(zhǔn).

[5] 孫家廣,顧明,劉玉身,張荷花,高歌,等， 國家標(biāo)準(zhǔn)《面向工程領(lǐng)域的共享信息模型第3部分：測試方法》.清華大學(xué)、中國電子技術(shù)標(biāo)準(zhǔn)化研究院、中車信息技術(shù)有限公司，正在批準(zhǔn).