胡瑛婷 馬 駿 石 玉 閆 偉

(山東師范大學(xué) 信息科學(xué)與工程學(xué)院，濟(jì)南 250300)

引言

伴隨著信息技術(shù)的高速發(fā)展，如何將新一代信息技術(shù)創(chuàng)新性地應(yīng)用到優(yōu)化城市結(jié)構(gòu)等關(guān)鍵問(wèn)題隨之應(yīng)運(yùn)而生，而提升城市競(jìng)爭(zhēng)力的有效方法之一就是建設(shè)智慧城市。我國(guó)從2009年至今連續(xù)召開了20余場(chǎng)智慧城市研討會(huì)，“智慧城市”這一理念逐漸受到專家學(xué)者與相關(guān)從業(yè)者的廣泛關(guān)注。從數(shù)字城市升級(jí)到智慧城市的一個(gè)顯著特征是更加精細(xì)化的城市管理。為實(shí)現(xiàn)城市的精細(xì)化管理，僅利用建筑信息模型(Building Information Modeling，BIM)會(huì)缺少在地理坐標(biāo)上的數(shù)據(jù)信息，而如果僅利用地理信息系統(tǒng)(Geographic Information System，GIS)則會(huì)無(wú)法得到建筑物的構(gòu)件信息。因此，BIM技術(shù)和GIS技術(shù)的融合可結(jié)合二者互補(bǔ)的數(shù)據(jù)信息，將BIM領(lǐng)域中單棟建筑的精確模型數(shù)據(jù)信息和GIS領(lǐng)域中空間信息系統(tǒng)數(shù)據(jù)信息相結(jié)合，它不僅拓寬了數(shù)據(jù)的表示范圍，還增強(qiáng)了數(shù)據(jù)的深度，最終實(shí)現(xiàn)“從建筑物外走進(jìn)建筑物內(nèi)”的目標(biāo)。

隨著BIM 技術(shù)的快速發(fā)展，三維城市模型提供了許多詳細(xì)的數(shù)據(jù)信息，提高了城市管理效率[1]， 同時(shí)也為模型的建立提供了更加豐富的數(shù)據(jù)支持[2]。這是目前城市三維建模研究的潮流趨勢(shì)[3]， 也是智慧城市等相關(guān)研究領(lǐng)域的技術(shù)需求[4]。

本文選取IFC(Industry Foundation Classes)和 CityGML(City Geography Markup Language)兩個(gè)標(biāo)準(zhǔn)為載體來(lái)研究BIM和GIS的融合。

IFC標(biāo)準(zhǔn)采用EXPRESS語(yǔ)言定義建筑數(shù)據(jù)，反映了現(xiàn)實(shí)世界中的實(shí)體。CityGML標(biāo)準(zhǔn)則定義了城市中的地理位置數(shù)據(jù)信息等，并基于XML格式來(lái)完成數(shù)據(jù)的交換與存儲(chǔ)。

本文提出了一種基于擴(kuò)展語(yǔ)義匹配的BIM和GIS 三維建筑數(shù)據(jù)融合，采取了知識(shí)表示學(xué)習(xí)方法。該方法先提取三元組，將三元組拆分成實(shí)體和關(guān)系兩部分，再將實(shí)體部分轉(zhuǎn)換到低維向量空間，最后將語(yǔ)義信息表示為實(shí)體向量，再對(duì)向量進(jìn)行聚類； 此外，還采用幾何重構(gòu)的方法，將知識(shí)表示學(xué)習(xí)無(wú)法實(shí)現(xiàn)映射的實(shí)體進(jìn)一步完成映射對(duì)應(yīng)； 最后建立三維模型，在實(shí)例層面進(jìn)行驗(yàn)證。

1 BIM和GIS的融合方法研究現(xiàn)狀

1.1 在學(xué)術(shù)界的研究現(xiàn)狀

BIM與GIS的融合研究是當(dāng)前相關(guān)專業(yè)研究的前沿和趨勢(shì)，許多學(xué)者和組織都進(jìn)行了一定的探討和研究[5]。

Shinji Yamamuraa等[6]提出了一種基于GIS-BIM的城市能源布局體系，提供了城市能源規(guī)劃技術(shù)和處理方案。B.Wu等[7]分析了GIS和BIM兩種技術(shù)融合帶來(lái)的好處，研究了優(yōu)化GIS和BIM數(shù)據(jù)集之間轉(zhuǎn)換的方法。Yichuan Deng等[8]通過(guò)實(shí)例生成了IFC和CityGML之間的映射規(guī)則。E.P.Karan等[9]利用Web技術(shù)成功地獲取了不同領(lǐng)域的數(shù)據(jù)信息，解決了BIM和GIS之間的數(shù)據(jù)共享問(wèn)題。

而現(xiàn)在之所以沒(méi)有實(shí)現(xiàn)IFC標(biāo)準(zhǔn)和CityGML標(biāo)準(zhǔn)的完整映射和數(shù)據(jù)的補(bǔ)充，主要是因?yàn)榇嬖谝韵虏蛔悖?/p>

(1)語(yǔ)義信息不對(duì)等

IFC標(biāo)準(zhǔn)中包含的語(yǔ)義信息和數(shù)據(jù)信息比CityGML標(biāo)準(zhǔn)中的信息更多更詳細(xì)。假如根據(jù)CityGML標(biāo)準(zhǔn)建立映射關(guān)系的話，那將必然損失大量數(shù)據(jù)，而解決數(shù)據(jù)丟失這一問(wèn)題則還需要更進(jìn)一步的研究。

(2)對(duì)語(yǔ)義對(duì)象定義的側(cè)重點(diǎn)不同

IFC標(biāo)準(zhǔn)和CityGML標(biāo)準(zhǔn)對(duì)語(yǔ)義對(duì)象定義的側(cè)重點(diǎn)不同：IFC標(biāo)準(zhǔn)更關(guān)注建筑物的構(gòu)件，而CityGML標(biāo)準(zhǔn)則更側(cè)重于空間屬性。

(3)不具備完整的映射規(guī)則

沒(méi)有將IFC標(biāo)準(zhǔn)和CityGML標(biāo)準(zhǔn)數(shù)據(jù)本身作為出發(fā)點(diǎn)，同時(shí)考慮幾何和語(yǔ)義信息。

1.2 在工業(yè)界的研究現(xiàn)狀

目前在商業(yè)軟件方面，已經(jīng)有成功實(shí)現(xiàn)了將IFC模型與多層LOD級(jí)別的CityGML模型的雙向轉(zhuǎn)換的軟件，包括FME、IFCExplorer、BlMServer等。其中，F(xiàn)ME可將IFC標(biāo)準(zhǔn)的模型轉(zhuǎn)換為CityGML標(biāo)準(zhǔn)的模型。IFCExplorer目前已實(shí)現(xiàn)導(dǎo)入IFC標(biāo)準(zhǔn)的模型和CityGML標(biāo)準(zhǔn)的模型，并實(shí)現(xiàn)場(chǎng)景整合和模型規(guī)范驗(yàn)證等功能，但轉(zhuǎn)換仍停留在從IFC標(biāo)準(zhǔn)的模型到低層次的CityGML標(biāo)準(zhǔn)的模型轉(zhuǎn)換研究上。BIMServer可實(shí)現(xiàn)對(duì)IFC標(biāo)準(zhǔn)的模型管理，可導(dǎo)出CityGML、KML等格式，但存在問(wèn)題是導(dǎo)出的CityGML標(biāo)準(zhǔn)的模型精度低。

為了實(shí)現(xiàn)BIM和GIS兩大技術(shù)領(lǐng)域在數(shù)據(jù)上的真正融合，其載體IFC標(biāo)準(zhǔn)與CityGML標(biāo)準(zhǔn)數(shù)據(jù)格式轉(zhuǎn)換主要分為以下兩類：

(1)U.Isikdag[10]提出了將IFC標(biāo)準(zhǔn)的模型轉(zhuǎn)換為CityGML標(biāo)準(zhǔn)的模型的框架。該框架描述了實(shí)現(xiàn)從IFC 標(biāo)準(zhǔn)到CityGML 標(biāo)準(zhǔn)的LOD1-LOD4映射的基本思路，但沒(méi)有提出設(shè)計(jì)實(shí)現(xiàn)具體的映射方法，只是思路卻沒(méi)有實(shí)踐，且該規(guī)則是單方向地將IFC標(biāo)準(zhǔn)的模型映射為CityGML標(biāo)準(zhǔn)的模型，而無(wú)法實(shí)現(xiàn)反向的轉(zhuǎn)換；

(2)設(shè)計(jì)中間模型。M.El-Mekawy[11]提出將IFC標(biāo)準(zhǔn)與 CityGML標(biāo)準(zhǔn)的數(shù)據(jù)信息整合到一個(gè)中間模型中，將兩個(gè)標(biāo)準(zhǔn)的實(shí)體整合到中間模型中。

1.3 研究方法

本文對(duì)于基于擴(kuò)展語(yǔ)義匹配的BIM和GIS 三維建筑數(shù)據(jù)融合，以IFC和CityGML標(biāo)準(zhǔn)為載體，研究路線如圖1所示，分為兩個(gè)方面：一方面是建立IFC和CityGML的本體匹配模型，采用字符串匹配、知識(shí)表示學(xué)習(xí)以及幾何重構(gòu)三個(gè)方法，實(shí)現(xiàn)從IFC標(biāo)準(zhǔn)的實(shí)體到CityGML標(biāo)準(zhǔn)的實(shí)體的映射匹配； 另一方面是實(shí)例驗(yàn)證，在三維模型層面驗(yàn)證本體匹配模型。

圖1 研究?jī)?nèi)容

2 建立IFC和CityGML的本體匹配模型

2.1 知識(shí)表征學(xué)習(xí)

2.1.1 語(yǔ)義修正

提取實(shí)體的三元組，即對(duì)IFC和CityGML兩個(gè)標(biāo)準(zhǔn)的文件進(jìn)行信息抽取。方法是通過(guò)python的rdflib庫(kù)對(duì)owl文件提取三元組(head、relation、tail)。在獲得IFC4.0以及CityGML2.0的owl文件之后，通過(guò)python提供的現(xiàn)有庫(kù)rdflib對(duì)這兩個(gè)owl文件進(jìn)行解析，抽取IFC以及CityGML的三元組，并且對(duì)異常數(shù)據(jù)進(jìn)行處理，最終分別得到IFC和CityGML的三元組。為了方便后續(xù)的向量化處理，項(xiàng)目組對(duì)實(shí)體、關(guān)系以及三元組進(jìn)行人工標(biāo)注處理。最終通過(guò)人工標(biāo)注的實(shí)體、關(guān)系和三元組，共獲得2 527個(gè)CityGML三元組，36 114個(gè)IFC三元組。項(xiàng)目組對(duì)這些提取的三元組進(jìn)行異常數(shù)據(jù)的處理，獲得290個(gè)CityGML實(shí)體以及4 923個(gè)IFC實(shí)體，部分三元組如表1所示。

表1 部分三元組

2.1.2 知識(shí)表示學(xué)習(xí)

(1)利用TransE實(shí)現(xiàn)三元組的向量化處理，并對(duì)提取出的三元組進(jìn)行知識(shí)表示

采用了Trans家族的TransE算法[12]，實(shí)現(xiàn)將實(shí)體和關(guān)系用向量進(jìn)行表示。利用實(shí)體向量，再進(jìn)一步研究IFC和CityGML本體匹配融合。利用TransE方法，對(duì)提取的三元組進(jìn)行向量化處理，將人工標(biāo)注好的實(shí)體以及關(guān)系文件輸入TransE模型，可以得到對(duì)應(yīng)的實(shí)體以及關(guān)系的50維的向量。

在TransE算法中定義了如下超參：向量維度為50，學(xué)習(xí)率為0.01， 目標(biāo)函數(shù)常數(shù)為1，使用L1范數(shù)計(jì)算距離。實(shí)現(xiàn)將知識(shí)圖譜中所有的實(shí)體、關(guān)系用向量來(lái)進(jìn)行表示，原理如圖2所示。

圖2 TransE原理圖

(2)使用T-SNE[13](t-distributed Stochastic Neighbor Embedding)對(duì)該高維(50維)向量降維并可視化處理

1)將上步得到的高維向量數(shù)據(jù)隨機(jī)投影到一維數(shù)軸中，如圖3(a)所示；

2)再使用t分布計(jì)算樣本間的相似性并得出一個(gè)分?jǐn)?shù)，如圖3(b)所示；

3)變換目標(biāo)，并計(jì)算剩余樣本和目標(biāo)之間的相似性得分，最終得到一個(gè)相似性得分矩陣，如圖3(c)所示；

4)T-SNE的目的是將樣本逐步移動(dòng)，最終完成原始聚類數(shù)據(jù)的恢復(fù)和還原，如圖3(d)所示。

T-SNE 原理圖如圖3所示。

(a)

2.1.3 相似度計(jì)算

得到實(shí)體向量后，為進(jìn)一步對(duì)IFC和CityGML本體融合匹配，利用k-means聚類對(duì)實(shí)體向量進(jìn)行進(jìn)一步的分析。

k-means聚類算法流程：

(1)確定IFC和CityGML全部實(shí)體聚類結(jié)果的類數(shù)k值；

(2)隨機(jī)抽取k個(gè)數(shù)據(jù)點(diǎn)作為質(zhì)心；

(3)遍歷數(shù)據(jù)集中每一個(gè)實(shí)體點(diǎn)，計(jì)算其與每一個(gè)質(zhì)心的間隔距離，判斷其與哪個(gè)質(zhì)心距離最近，就劃分到哪個(gè)質(zhì)心所屬于的集合；

(4)把全部數(shù)據(jù)歸好類后，會(huì)獲得k個(gè)集合，再重新計(jì)算每個(gè)集合的質(zhì)心；

(5)假如新得到的質(zhì)心和原本的質(zhì)心之間的間隔距離小于閾值，則認(rèn)為聚類結(jié)束；

(6)若新質(zhì)心和原質(zhì)心的間隔距離變化大，則還需不斷迭代3)～5)步驟。

通過(guò)對(duì)IFC和CityGML實(shí)體向量進(jìn)行K-means聚類，聚類結(jié)果如表2和圖4所示，將聚類中心用綠點(diǎn)表示。

表2 IFC和CityGML實(shí)體聚類結(jié)果

圖4 K-means聚類結(jié)果圖

2.2 幾何重構(gòu)

雖然門和窗戶等都可通過(guò)用2.2知識(shí)表示學(xué)習(xí)的方法實(shí)現(xiàn)映射，但還有墻、天花板等，因?yàn)镮FC標(biāo)準(zhǔn)下的實(shí)體表示和CityGML標(biāo)準(zhǔn)下的實(shí)體表示不同，前者為掃描體表達(dá)，后者為邊界描述，因此還需要通過(guò)幾何重構(gòu)對(duì)這類實(shí)體進(jìn)行進(jìn)一步的映射。通過(guò)對(duì)提取出的“實(shí)體—關(guān)系—實(shí)體”三元組，進(jìn)行遍歷提取信息，得到實(shí)體的尺寸、坐標(biāo)等，并根據(jù)這些信息進(jìn)行幾何重構(gòu)，進(jìn)一步實(shí)現(xiàn)從IFC標(biāo)準(zhǔn)的實(shí)體到CityGML標(biāo)準(zhǔn)的實(shí)體的映射和數(shù)據(jù)信息的補(bǔ)充，使匹配模型更加完善。

首先，提取三元組中關(guān)系為type的集合，通過(guò)提取三元組信息得到的模型中墻這一類的具體實(shí)例的集合，如表3所示；

其次，根據(jù)三元組對(duì)墻的實(shí)例進(jìn)一步深入擴(kuò)展，獲取到墻的尺寸、坐標(biāo)等更詳細(xì)的數(shù)據(jù)信息，如圖5所示為三元組中的數(shù)據(jù)關(guān)系：

(1)獲取墻的名字；

(2)獲取墻的高度；

(3)獲取墻的一層平面上四個(gè)點(diǎn)的坐標(biāo)。

最終獲取到墻的實(shí)例的尺寸、一層平面四個(gè)點(diǎn)的坐標(biāo)和高度，如表4所示，IfcWallStandardCase_133的厚度為200 mm，高度為8 000mm，再根據(jù)四個(gè)點(diǎn)的坐標(biāo)可知，該墻的尺寸長(zhǎng)為12 400mm，高為8 000mm。根據(jù)墻的尺寸和坐標(biāo)，可判斷出墻的內(nèi)表面和外表面。其中，墻的內(nèi)表面映射到CityGML標(biāo)準(zhǔn)的InteriorWallSurface，墻的外表面映射到CityGML標(biāo)準(zhǔn)中的WallSurface。

圖5 獲取數(shù)據(jù)信息

通過(guò)對(duì)IFC標(biāo)準(zhǔn)的實(shí)體的數(shù)據(jù)信息的研究，發(fā)現(xiàn)其模型內(nèi)部的實(shí)體坐標(biāo)都以每一個(gè)實(shí)體自己的中心為原點(diǎn)，向外擴(kuò)展。再通過(guò)對(duì)坐標(biāo)的研究，發(fā)現(xiàn)如在墻這一實(shí)例中，從中心點(diǎn)擴(kuò)展，向內(nèi)墻方向的擴(kuò)展為負(fù)，外墻方向的擴(kuò)展為正。由此可以判斷出，在表4中所列出的四個(gè)點(diǎn)a，b，c，d中，a，b兩點(diǎn)位于內(nèi)墻，c，d兩點(diǎn)位于外墻。由此可分別根據(jù)a，b點(diǎn)和墻的尺寸、c，d點(diǎn)和墻的尺寸來(lái)建立內(nèi)墻和外墻兩個(gè)面，并分別映射到CityGML標(biāo)準(zhǔn)中的InteriorWallSurface和WallSurface兩個(gè)實(shí)體， 同理可對(duì)應(yīng)出天花板、地板等實(shí)體的內(nèi)外表面。

表3 墻的實(shí)例

表4 IfcWallStandardCase_1339 厚度和坐標(biāo)

3 在三維模型層面驗(yàn)證本體匹配模型

3.1 建立IFC標(biāo)準(zhǔn)的模型

用Revit建立一個(gè)IFC標(biāo)準(zhǔn)的模型并導(dǎo)出其.ifc文件，再通過(guò)轉(zhuǎn)換得到.owl格式的文件。

(1)用Revit建立一個(gè)城市書房的三維建筑模型并導(dǎo)出IFC文件，如圖6所示；

圖6 IFC標(biāo)準(zhǔn)的三維模型

(2)在導(dǎo)出IFC文件之后，利用buildingSMART官網(wǎng)中的IFCConvertor，名字叫 UGent-Aalto IFC-to-RDF Converter，并利用其中的JAR包將IFC文件轉(zhuǎn)換為ifcOWL文件。

IFC標(biāo)準(zhǔn)是利用XML數(shù)據(jù)格式描述數(shù)據(jù)內(nèi)容，而OWL語(yǔ)言也是基于XML數(shù)據(jù)格式進(jìn)行存儲(chǔ)的?；谶@一特性，可構(gòu)建IFC到OWL的數(shù)據(jù)轉(zhuǎn)換方式，將BIM模型的信息轉(zhuǎn)換為可構(gòu)建知識(shí)圖譜的信息格式。Pauwels等提出了一種EXPRESS到OWL的轉(zhuǎn)換模式，該模式轉(zhuǎn)換的OWL本體數(shù)據(jù)可實(shí)現(xiàn)數(shù)據(jù)的重用和查詢、推理。根據(jù)該轉(zhuǎn)換模式，可實(shí)現(xiàn)對(duì)IFC中的實(shí)體類型和屬性關(guān)系到CityGML標(biāo)準(zhǔn)的轉(zhuǎn)換。

3.2 建立CityGML標(biāo)準(zhǔn)的模型

根據(jù)3.1節(jié)中建立的實(shí)體匹配模型，將建立的IFC標(biāo)準(zhǔn)的模型對(duì)應(yīng)映射出CityGML標(biāo)準(zhǔn)的數(shù)據(jù)信息，并根據(jù)這些數(shù)據(jù)建立一個(gè)CityGML標(biāo)準(zhǔn)的模型。

通過(guò)相同的方法解析owl文件，項(xiàng)目組從中提取到了概念層文件IFC4.0所不具有的實(shí)體的詳細(xì)信息，如表5～表6所示，其中表6通過(guò)字符串匹配、知識(shí)表示學(xué)習(xí)和幾何重構(gòu)實(shí)現(xiàn)了IFC標(biāo)準(zhǔn)到CityGML標(biāo)準(zhǔn)的映射。

表5 三元組中實(shí)體詳細(xì)信息

表6 IFC標(biāo)準(zhǔn)實(shí)體和CityGML標(biāo)準(zhǔn)實(shí)體對(duì)應(yīng)關(guān)系

4 結(jié)論

本文提出了一種新的關(guān)于研究IFC與CityGML匹配融合的方法，并且通過(guò)上述實(shí)驗(yàn)，項(xiàng)目組成功地將IFC標(biāo)準(zhǔn)的owl文件中的實(shí)體Ifcwindow與CityGML標(biāo)準(zhǔn)的owl文件的實(shí)體window聚為同一類，驗(yàn)證了知識(shí)表示學(xué)習(xí)的方法的可行性。通過(guò)對(duì)應(yīng)出內(nèi)墻和外墻，驗(yàn)證了幾何重構(gòu)的可行性。

但實(shí)驗(yàn)也存在一些不足之處，比如項(xiàng)目組聚類的結(jié)果有局限性。通過(guò)分析實(shí)驗(yàn)步驟可知，在如下方面存在不足：

(1)處理三元組

在處理三元組的過(guò)程，項(xiàng)目組并沒(méi)有恰當(dāng)?shù)睾Y選出所有合適的三元組，而是簡(jiǎn)單地篩選異常三元組和去重，冗余的三元組信息干擾了TransE向量化的結(jié)果。

(2)向量化模型選取

使用的是Trans家族的TransE算法。算法本身最適合的是一對(duì)一的三元組，三元組可能在與算法結(jié)合上存在問(wèn)題。

本文基于擴(kuò)展語(yǔ)義匹配的BIM和GIS 三維建筑數(shù)據(jù)融合研究，采用的知識(shí)表示學(xué)習(xí)的方法可以有效地解決IFC和CityGML兩個(gè)不同標(biāo)準(zhǔn)對(duì)同一實(shí)體的語(yǔ)義理解偏差問(wèn)題，并取得了一定的成果。當(dāng)然該方法在TransE參數(shù)的確定與三元組信息的篩選方面都需要更進(jìn)一步的研究和改善。此外，在幾何重構(gòu)方面，項(xiàng)目組還可繼續(xù)進(jìn)行下一步的研究，將IFC標(biāo)準(zhǔn)實(shí)體的中心點(diǎn)原點(diǎn)坐標(biāo)整合轉(zhuǎn)換為一個(gè)原點(diǎn)，并根據(jù)此原點(diǎn)轉(zhuǎn)換拓展出模型內(nèi)部某一構(gòu)件的坐標(biāo)，最終實(shí)現(xiàn)將基于構(gòu)件本身的坐標(biāo)轉(zhuǎn)換為基于整個(gè)模型的坐標(biāo)，并通過(guò)SWRL規(guī)則來(lái)完成映射和對(duì)應(yīng)。