唐 銳，李智杰，李昌華，張 頡,2，介 軍

(1. 西安建筑科技大學 信息與控制工程學院，西安 710055；2. 西安建筑科技大學 建筑學院，西安 710055)

0 引言

近年來，我國建筑行業(yè)逐漸向數(shù)字化轉(zhuǎn)型技術(shù)演變，各產(chǎn)業(yè)以人工智能為起點、技術(shù)革新為引領(lǐng)，不斷夯實建筑業(yè)智能化信息化的數(shù)據(jù)基礎(chǔ)。建筑行業(yè)的快速發(fā)展使得大型建筑，特別是規(guī)模龐大、功能類型復雜的建筑噴涌而出，造成領(lǐng)域知識的蓬勃增長，累積了形式多樣、數(shù)量繁多的數(shù)據(jù)。實現(xiàn)針對建筑的智能審圖是提高建筑設(shè)計水平的重要途經(jīng)，從源頭消除建筑項目可能存在的設(shè)計安全隱患，具有廣泛的行業(yè)應(yīng)用前景。

智能審圖相較人工審圖優(yōu)點突出[1]，主要表現(xiàn)在大幅縮短建筑審圖時間，有效提高審圖工作效率；同時一定程度上保障了審圖工作的高準確性，減少人為因素帶來的誤差影響；此外人工審圖對相關(guān)審查人員的資歷經(jīng)驗據(jù)要求較高，對審圖內(nèi)容的結(jié)論總結(jié)與后期報告撰寫標準不一，相較于智能審圖的一鍵導出結(jié)論報告或?qū)彶槲募问?，人工審圖方式較為落后，難適用當前數(shù)字化建筑審圖領(lǐng)域。因此，研究出一款實現(xiàn)智能化建筑審圖的產(chǎn)品具有極重要的實際意義。

近年來，國內(nèi)外學者或相關(guān)機構(gòu)針對建筑審圖實現(xiàn)智能化方向演進取得豐富研究成果。文獻[2]結(jié)合AI技術(shù)，實現(xiàn)針對建筑消防的自動審查核驗系統(tǒng)的設(shè)計與開發(fā)工作，進一步健全完善建筑消防信息化、透明化的審圖驗收標準；文獻[3]在實際的醫(yī)院建筑施工過程中，利用頭戴式移動設(shè)備掃描現(xiàn)場并與完整建筑模型進行比對，清晰直觀地查看項目施工完成度；文獻[4]針對建筑施工場所可能存在的安全隱患，提出基于知識圖譜技術(shù)與機器視覺的危險源識別方法，排除不同環(huán)境下建筑工地的安全隱憂；在建筑審圖實際應(yīng)用領(lǐng)域，眾多科技公司開發(fā)了面向CAD繪圖與BIM技術(shù)繪圖的審圖軟件，如“小智審圖”、“SmartMark軟件”[5]等。上述研究內(nèi)容研究方向單一，審查范圍小，多為針對建筑類的消防專業(yè)審查，且僅從建筑規(guī)范文本中挑選部分條文細則作為審圖數(shù)據(jù)基礎(chǔ)，導致審查內(nèi)容覆蓋范圍的完整性較低；此外，市面上普遍采用的審圖軟件多以CAD二維繪圖為基礎(chǔ)進行開發(fā)，缺乏建筑模型及審圖內(nèi)容三維可視化能力，且基于BIM繪圖技術(shù)的審圖工具較少，難以支撐日益增長的現(xiàn)代化建筑智能審圖需求。

針對上述問題，本文以多部建筑設(shè)計規(guī)范和行業(yè)建設(shè)標準為數(shù)據(jù)源，構(gòu)建面向建筑設(shè)計規(guī)范的知識圖譜，保障審圖系統(tǒng)的數(shù)據(jù)完整性；同時結(jié)合建筑信息模型BIM(Building Information Modeling)技術(shù)[6]的強大數(shù)據(jù)協(xié)作能力，實現(xiàn)全方位、可視化的建筑智能審圖工作。最后，通過實例測試，進一步驗證了建筑審圖智能化系統(tǒng)的準確性與有效性，對保障建筑施工資料審查質(zhì)量，推進我國建筑行業(yè)實現(xiàn)數(shù)字化信息化轉(zhuǎn)變具有積極意義。

1 智能化審圖系統(tǒng)的結(jié)構(gòu)與原理

1.1 智能化審圖系統(tǒng)結(jié)構(gòu)

該系統(tǒng)的總體架構(gòu)設(shè)計分為4層，具體如圖1所示。1)基礎(chǔ)層：基礎(chǔ)層作為系統(tǒng)的數(shù)據(jù)信息處理層，其主要功能為儲存建筑BIM模型數(shù)據(jù)、所構(gòu)建的建筑規(guī)范知識圖譜數(shù)據(jù)信息；2)功能層：功能層是該系統(tǒng)的最關(guān)鍵環(huán)節(jié)，起到承接基礎(chǔ)層與應(yīng)用層的作用，其主要任務(wù)是解析建筑BIM模型并轉(zhuǎn)化為IFC格式、審圖所需模型構(gòu)件的提取、規(guī)則與數(shù)據(jù)的匹配以及審圖報告生成等功能；3)應(yīng)用層：應(yīng)用層基于JavaScript程序語言，為使用者搭建網(wǎng)頁端操作界面，用戶可由此進行模型交互操作及查看具體構(gòu)件信息、審圖內(nèi)容等；4)終端層：終端層各類設(shè)備上的Web瀏覽器。

圖1 建筑智能審圖系統(tǒng)結(jié)構(gòu)圖

1.2 智能化審圖系統(tǒng)原理

該系統(tǒng)原理主要分為建筑規(guī)范文本數(shù)據(jù)采集、建筑模型的識別與提取、文本數(shù)據(jù)與模型數(shù)據(jù)匹配及審圖結(jié)果網(wǎng)頁端展示等部分。首先構(gòu)建面向建筑規(guī)范文本的知識圖譜，自動提取并存儲審圖所需的文本數(shù)據(jù)信息；接著解析提取BIM建筑模型，并轉(zhuǎn)化為IFC格式數(shù)據(jù)，實現(xiàn)智能化審圖所需的建筑模型數(shù)據(jù)完整性，主要包括建筑的模型構(gòu)件及功能房間特征提取；之后將建筑規(guī)范數(shù)據(jù)信息與被審模型數(shù)據(jù)信息進行向量匹配，為后續(xù)智能審圖工作開展奠定基礎(chǔ)；最后結(jié)合HTML5框架與WebGL技術(shù)實現(xiàn)建筑模型交互操作、審圖成果的網(wǎng)頁端可視化展示等功能，完成智能審圖系統(tǒng)的全部開發(fā)工作。

1.3 智能化審圖系統(tǒng)軟件及環(huán)境設(shè)置

為完成智能化審圖系統(tǒng)的設(shè)計開發(fā)工作，需采用針對性的軟件工具和環(huán)境參數(shù)等實現(xiàn)開發(fā)任務(wù)實施，具體選型結(jié)果如表1所示。

表1 軟件選型及環(huán)境參數(shù)表

2 系統(tǒng)實現(xiàn)的關(guān)鍵技術(shù)

該系統(tǒng)的開發(fā)工作涉及到相關(guān)設(shè)計規(guī)范與行業(yè)標準的數(shù)據(jù)信息完整度，智能化審圖所需建筑模型數(shù)據(jù)的提取與整合，文本數(shù)據(jù)信息與被審模型數(shù)據(jù)結(jié)合匹配等工作，同時如何利用AI技術(shù)實現(xiàn)被審模型的三維展示、自動生成審圖報告等亦為系統(tǒng)開發(fā)的重要研究內(nèi)容。后續(xù)通過構(gòu)建建筑規(guī)范知識圖譜、BIM模型數(shù)據(jù)提取整合、規(guī)則條文與模型數(shù)據(jù)匹配以及系統(tǒng)的網(wǎng)頁端開發(fā)等工作實現(xiàn)系統(tǒng)的設(shè)計開發(fā)過程。

2.1 建筑規(guī)范知識圖譜構(gòu)建

知識圖譜技術(shù)擁有從建筑規(guī)范數(shù)據(jù)中提取可利用信息，并有效發(fā)掘、整合數(shù)據(jù)間隱含關(guān)系的能力，對建筑規(guī)范領(lǐng)域知識的高效融合利用提供巨大助力。傳統(tǒng)的知識圖譜構(gòu)建方式多為自頂向下、自底向上的方式[7]，兩者的差異在于是否先從文本中抽取數(shù)據(jù)模式。本文結(jié)合建筑規(guī)范數(shù)據(jù)特點，將兩種方式相結(jié)合，提出一種面向建筑規(guī)范的知識圖譜構(gòu)建方法。

文中所述的構(gòu)建方法流程如圖2所示，包含知識建模、數(shù)據(jù)源獲取、知識獲取和知識存儲等步驟。首先基于概念、屬性及關(guān)系的設(shè)計完成知識建模；接著依據(jù)數(shù)據(jù)源結(jié)構(gòu)化的差異性，采用不同技術(shù)針對性地進行知識獲取，為后續(xù)步驟奠定數(shù)據(jù)基礎(chǔ)；然后經(jīng)過知識融合、知識存儲環(huán)節(jié)形成建筑規(guī)范知識圖譜。

圖2 建筑規(guī)范知識圖譜構(gòu)建流程

2.1.1 基于本體的知識建模

知識建模確定知識的描述及表達方式，是知識圖譜構(gòu)建的先前工作，能最大程度描述事物間的的基本關(guān)系、內(nèi)在特點與發(fā)展規(guī)律。通過本體可定義領(lǐng)域內(nèi)各類概念、屬性及概念間的關(guān)系，起到支撐整個知識圖譜的概念架構(gòu)和主體框架的作用，進而實現(xiàn)規(guī)范數(shù)據(jù)信息的有機統(tǒng)一，提升資源的高效利用，因此保證其搭建的高準確率十分必要。

本文通過基于傳統(tǒng)的人工構(gòu)建方式與基于機器的方法完成本體抽取工作，之后利用protégé本體[8]編輯工具進行人工修正，保證頂層整體架構(gòu)低偏差率，使之后知識圖譜在數(shù)據(jù)層的構(gòu)建更加客觀有效。文章將建筑規(guī)范領(lǐng)域相關(guān)概念總結(jié)為6大類：建筑空間類、建筑場地類、建筑構(gòu)件類、建筑物類、建筑項目類和建筑樓層類[9]。再將每類概念逐級細分，直至不可再細分子概念，概念與逐漸細分的子概念形成層級關(guān)系體系。構(gòu)建的建筑規(guī)范領(lǐng)域部分概念本體如圖3所示。

圖3 建筑規(guī)范領(lǐng)域部分概念本體

2.1.2 建筑規(guī)范領(lǐng)域數(shù)據(jù)源和知識獲取

知識建模完成后可得到整個建筑規(guī)范領(lǐng)域知識圖譜的數(shù)據(jù)模式，接下來需要從數(shù)據(jù)源中獲取具體的實體、屬性和關(guān)系。本文以建筑規(guī)范專業(yè)性文本為數(shù)據(jù)基礎(chǔ)，包含各類結(jié)構(gòu)化數(shù)據(jù)、半/非結(jié)構(gòu)化數(shù)據(jù)，且主要以非結(jié)構(gòu)化數(shù)據(jù)為主[10]。

1) 數(shù)據(jù)源獲取與處理。

針對結(jié)構(gòu)類型差異的數(shù)據(jù)需采用不同的技術(shù)方式獲取知識。(1)結(jié)構(gòu)化數(shù)據(jù)多存儲于關(guān)系數(shù)據(jù)庫或行業(yè)領(lǐng)域數(shù)據(jù)庫中，開源工具多為D2R Graph和D2RT，針對此類數(shù)據(jù)，采用D2R(Data to RDF)技術(shù)進行數(shù)據(jù)知識的提取、整合；(2)半結(jié)構(gòu)化數(shù)據(jù)中既含有結(jié)構(gòu)信息，又存在數(shù)據(jù)資源，典型的半數(shù)據(jù)類型有HTML、IFC和JSON文件等；(3)非結(jié)構(gòu)化數(shù)據(jù)結(jié)構(gòu)形態(tài)存在不確定性，因其結(jié)構(gòu)的特殊性使得不同結(jié)構(gòu)類型的文本不受約束限制，可容納最大數(shù)量的數(shù)據(jù)信息。如建筑規(guī)范中的純文本數(shù)據(jù)是典型的非結(jié)構(gòu)化信息?？紤]到半結(jié)構(gòu)化和非結(jié)構(gòu)化數(shù)據(jù)的特殊性，文章采用知識抽取技術(shù)獲取其核心信息內(nèi)容，具體分為命名實體識別[11](NER,named entity recognition)和關(guān)系抽取[12](RE，relation extraction)兩部分。

2) 命名實體識別。

實體是建筑規(guī)范領(lǐng)域知識圖譜中的最基本數(shù)據(jù)，命名實體識別將無序的知識進行結(jié)構(gòu)化和數(shù)字化，并定義全新的概念模式，且由此為基礎(chǔ)對已識別的實體進行歸類分析，從而為實體的語義表示提供基礎(chǔ)。傳統(tǒng)的命名實體識別方法只注重于‘詞-字符’之間的特征提取，忽略了規(guī)范中詞的上下文的語義信息，無法表征一詞多義[13]；同時目前沒有一個完整的建筑規(guī)范字典囊括所有類型的實體，無法使用文本匹配的方法對實體進行識別，實體識別效果欠佳，難以應(yīng)用于實施過程中。

綜合以上考慮，本文通過分析建筑設(shè)計規(guī)范文本的特性，并結(jié)合擁有多重語義信息表達的BERT模型，提出一種基于BERT-BiLSTM-CRF的命名實體識別模型[14]，該模型整體結(jié)構(gòu)如圖4所示。

圖4 BERT-BiLSTM-CRF模型整體框架

該模型主要分為3個模塊。首先將分詞標注完成的語料輸入至BERT模塊，經(jīng)過模型處理后得到語義豐富的動態(tài)詞向量；然后再由BiLSTM模塊處理得到的詞向量，輸出相應(yīng)的標注序列；最后CRF模塊對序列進行最優(yōu)化預測，從最優(yōu)的處理結(jié)果中完成全部實體的抽取與歸類。

需要注意的是，本文采用的BERT模塊區(qū)別與文獻：文章采用中文的分詞習慣，將整詞作為一個單元進行訓練，以全詞Mask[15]的方法應(yīng)用在建筑規(guī)范上，全詞Mask遵循“共榮”原則，即只需整詞中的一部分被Mask即可，剩余部分也會被Mask。避免了整詞被拆分成單個字，在訓練過程中被隨機Mask，造成訓練結(jié)果不理想情況。分詞情況具體如表2所示。

表2 全詞Mask

全詞Mask的BERT模塊結(jié)構(gòu)如圖5所示。

圖5 BERT模塊(全詞Mask)結(jié)構(gòu)圖

基于模型的命名實體識別的具體步驟為：(1)將建筑規(guī)范中的相關(guān)條文細則轉(zhuǎn)換為txt格式的文本語料，并進行相應(yīng)存儲；(2)利用jieba工具等對已儲存的文本語料進行分詞標注工作；(3)利用TensorFlow對改進的BERT-BiLSTM-CRF模型進行訓練，首先對部分數(shù)據(jù)進行訓練，讓模型掌握從語句中提取所需實體并進行分類的能力，之后在模型中訓練已有的訓練集的數(shù)據(jù)，訓練完成后得到最終可用模型；(4)將預處理后的文本輸入到最終的模型中，從而完成對實體的識別任務(wù)。

3) 關(guān)系/屬性抽取。

關(guān)系抽取的目標是從規(guī)范中抽取出實體、屬性及屬性值三者間的表達關(guān)系。傳統(tǒng)的關(guān)系抽取方法大多是基于手動構(gòu)造語義規(guī)則的方法進行實體關(guān)系識別，在取得較好效果的同時也造成嚴重人工成本損失，同時極易產(chǎn)生依存關(guān)系包含率低、關(guān)系混淆、詞性識別錯誤等情況，嚴重影響到關(guān)系抽取的質(zhì)量。

屬性可對建筑規(guī)范的實體進行全面概括，如耐火極限是建筑樓板的規(guī)定條件。徐紅霞[16]等通過支持向量機實現(xiàn)對人物屬性的抽取，驗證了屬性可看做實體和屬性值之間的某種鏈接關(guān)系。本文將建筑規(guī)范屬性抽取作為關(guān)系抽取工作的分支。

本文提出一種基于注意力機制[17]融合句子語義的建筑規(guī)范關(guān)系抽取方法，結(jié)合建筑規(guī)范的語言特性，通過分析研究句子語義相似性及特征關(guān)系，構(gòu)造句子特征表示，并輸入到模型中。模型的關(guān)鍵部分為注意力機制，其通過分析句子中詞與詞之間的關(guān)聯(lián)層度修改權(quán)值系數(shù)矩陣來得到詞表征，如式(1)所示：

(1)

圖6 注意力機制融合句子語義的模型結(jié)構(gòu)

由圖5模型所示，當輸入某一建筑規(guī)范語句，如“住宅建筑的設(shè)計規(guī)范要求，消防設(shè)計部分”，首先將該建筑規(guī)范語句進行jieba分詞處理，再輸入進BERT模塊完成標注工作；然后將訓練完的詞向量輸入到BiLSTM模型中，通過模型的前后文信息向量解析得到句子語義信息；最后注意力機制給句子中的各個字賦不同的權(quán)值，將低權(quán)值信息當成無用信息并自動忽視，只注重高權(quán)值信息，從而獲取到影響實體關(guān)系抽取的字節(jié)，最終基于softmax層對輸入權(quán)值向量的語句關(guān)系進行分類。最終輸出結(jié)果為“住宅建筑的消防設(shè)計規(guī)范”。

2.1.3 知識融合與存儲

知識融合與存儲是知識圖譜底層設(shè)計的重要環(huán)節(jié)，有效提升較大場景圖譜的整合利用率。本文通過基于自適應(yīng)雙閾值算法的實體對齊方法，實現(xiàn)對建筑規(guī)范的知識融合；此外，選用高性能、成熟度好的Neo4j[18]圖數(shù)據(jù)庫來進行知識存儲需求，一定程度上解決建筑規(guī)范數(shù)據(jù)高價值密度、數(shù)量集大、設(shè)計范圍廣等問題。

建筑規(guī)范領(lǐng)域知識融合完成后，采用知識存儲映射算法將其轉(zhuǎn)換到Neo4j圖數(shù)據(jù)庫中，完成建筑規(guī)范知識的存儲工作。將建筑規(guī)范中的‘概念’、‘關(guān)系’和‘實體’元素構(gòu)成三元組，具體見式(2)。

Graph=(C,R,E)

(2)

其中，‘概念’對應(yīng)Neo4j圖數(shù)據(jù)庫的標簽，具有類別作用；‘實體’對應(yīng)節(jié)點，形象直接列出具體實體；‘關(guān)系’對應(yīng)數(shù)據(jù)庫的邊，指明存在關(guān)系屬性的實體范圍。

基于映射算法的知識存儲流程具體如下。

輸入：Neo4j圖數(shù)據(jù)庫地址(dbURI)、RDF文件；

輸出：Neo4j圖數(shù)據(jù)庫中存儲的融合數(shù)據(jù)內(nèi)容；

(1) 基于Jena的API接口讀取解析RDF數(shù)據(jù)文件，得到所有三元組R，之后解析三元組Ri(三元組數(shù)量為n個，i≤n)為Triple={s,p,o}。

(2) 基于公開的REST_API設(shè)計封裝模式，并以此為接口對訪問Neo4j圖數(shù)據(jù)庫地址進行連接，針對數(shù)據(jù)庫事務(wù)采用begin_Transaction和commit_ transaction模塊進行事務(wù)的開始與確定。同時為‘實體’和‘關(guān)系’創(chuàng)建數(shù)據(jù)庫索引RestNode, RestRelationship。

(3) 從實體索引中獲取triple.s及triple.o的對應(yīng)節(jié)點Vs和Vo，查看數(shù)據(jù)庫中是否已存在Vs和Vo，若已存儲則進行下一步，反之則重新創(chuàng)建節(jié)點并添加到實體索引中。

(4) 與步驟(3)相似，首先從關(guān)系索引中獲取triple.p的對應(yīng)邊Ep，查看數(shù)據(jù)庫中是否已存儲Ep，若已存在則進行下步操作，反之則創(chuàng)建全新Vs→Vo的有向邊，并將其加入到關(guān)系索引中。

(5) 檢查是否所有的三元組Ri已完成遍歷任務(wù)，若i

(6) 建筑規(guī)范領(lǐng)域知識存儲于Neo4j圖數(shù)據(jù)庫中，并做可視化展示。具體算法流程如圖7所示。

圖7 知識存儲算法流程

2.2 建筑模型數(shù)據(jù)提取

BIM數(shù)據(jù)具有多源異構(gòu)的特性，在數(shù)據(jù)表達方式上存在較大差異，為保證智能審圖擁有較好的數(shù)據(jù)基礎(chǔ)，本文采用了基于IFC的數(shù)據(jù)提取方法。

首先，將多源異構(gòu)的BIM數(shù)據(jù)解析轉(zhuǎn)化為IFC格式文件，同時結(jié)合已構(gòu)建的知識圖譜，獲取建筑規(guī)范的實體、屬性及關(guān)系集合的三元組(E,Rt,S)。之后，依據(jù)其中的屬性集Rt，得到審圖所需類型集T；根據(jù)實體與屬性間的關(guān)系，得到審圖所需模件集C。具體關(guān)系如式(3)所示。

T=∪(i=1,n)ti

C=∪(i=1,n)ci

(3)

其中:(ti,ci)分別為審圖所需的具體類型、單一類型模件的集合。

篩選、提取與審圖相關(guān)的模件信息，先提取模件集C中每個模件的具體數(shù)據(jù)信息，并將其歸類羅列為基礎(chǔ)信息數(shù)據(jù)集B、狀態(tài)信息數(shù)據(jù)集G及屬性信息數(shù)據(jù)集A三個方面；最后，整合處理3個方面的數(shù)據(jù)集，得到最終審圖數(shù)據(jù)集P。具體關(guān)系如式(4)所示：

B=∪(i=1,n)bi

G=∪(i=1,n)gi

A=∪(i=1,n)ai

P=∪(i=1,n)pi

(4)

其中:(bi,gi,ai)分別為單一模件的基礎(chǔ)信息、狀態(tài)信息及屬性信息數(shù)據(jù)；pi為智能化審圖某一個數(shù)據(jù)單元。建筑模型數(shù)據(jù)提取具體流程如圖8所示。

圖8 建筑模型數(shù)據(jù)提取流程

2.3 建筑模型數(shù)據(jù)與知識圖譜匹配

在完成建筑模型數(shù)據(jù)提取的基礎(chǔ)上，實現(xiàn)數(shù)據(jù)信息與知識圖譜的匹配，并將匹配內(nèi)容轉(zhuǎn)化為三維可視的智能化審圖結(jié)果。具體任務(wù)為完成模型數(shù)據(jù)與知識圖譜中的條文細則匹配工作。

m=max(li),i≤n

(5)

其中:m,n分別為約束向量的最大維數(shù)、審圖內(nèi)容數(shù)量；li為第i類的約束向量維數(shù)。向量組補齊如圖9示意。

圖9 向量組補齊示意圖

通過向量組中的數(shù)值元素判斷被審建筑模型是否符合規(guī)范要求，若審圖結(jié)果低于對應(yīng)的規(guī)則條文約束，則向量組數(shù)值元素為“0”，反之則顯示為“1”。

2.4 網(wǎng)頁端可視化展示

為實現(xiàn)建筑模型及審圖結(jié)果的三維可視化展示及跨平臺查看等功能，本系統(tǒng)研究設(shè)計Web端可視化展示功能模塊。系統(tǒng)基于HTML5標準下的語言描述方式構(gòu)建網(wǎng)絡(luò)應(yīng)用內(nèi)容，在visual studio2018編譯環(huán)境下，采用JavaScript語言實現(xiàn)對模型的json文件解析和模型網(wǎng)頁端重建。具體步驟為：首先搭建HTML5框架，完成系統(tǒng)網(wǎng)頁端架構(gòu)的實現(xiàn)；之后搭建Three.js[20]渲染場景，以此創(chuàng)建場景、相機和光源，使得醫(yī)療建筑的三維模型及后續(xù)對象能在屏幕上最佳顯示；對json文件進行解析并進行網(wǎng)頁開發(fā)，實現(xiàn)建筑模型在網(wǎng)頁端三維展示。用戶可直接于瀏覽器中查看模型信息及審圖內(nèi)容，方便快捷，無需安裝專業(yè)的模型生成軟件，且系統(tǒng)具有可擴展性，方便后續(xù)內(nèi)容的添加與修改。

3 建筑智能審圖系統(tǒng)設(shè)計與實現(xiàn)

本系統(tǒng)結(jié)構(gòu)化梳理審圖所需的建筑規(guī)范條文、行業(yè)文本標準等數(shù)據(jù)信息，并解析轉(zhuǎn)化建筑模型數(shù)據(jù)，之后將二者進行向量匹配比較，完成建筑審圖自動化的基礎(chǔ)工作?；诖耍O(shè)計開發(fā)建筑智能化審圖系統(tǒng)，主要包括模型上傳與查看模塊、模型構(gòu)件審圖模塊、模型功能房間審圖模塊3個部分。

3.1 模型上傳與查看模塊

相關(guān)人員可基于該模塊上傳需審圖的建筑模型并展示三維可視化場景，并對模型進行縮放平移等功能。具體步驟為：將待審建筑Revit模型導入系統(tǒng)中，再進行建筑模型json格式文件的讀取解析、構(gòu)件信息重構(gòu)、幾何空間構(gòu)建等步驟，完成待審建筑模型到網(wǎng)頁端展示的全部工作。

此外，用戶可通過添加鼠標控件在網(wǎng)頁端實現(xiàn)對建筑模型及模型所含構(gòu)件進行操作，可全方位查看建筑模型。如圖10展示的為模型旋轉(zhuǎn)縮放平移效果。

圖10 模型交互查看效果圖

3.2 模型構(gòu)件審圖模塊

用戶點擊建筑模型的某一構(gòu)件，系統(tǒng)自動生成審圖報告，主要從構(gòu)件的屬性、平面布置以及消防信息等方面進行數(shù)據(jù)信息展示，同時顯示數(shù)據(jù)對應(yīng)的指標數(shù)值以及相對應(yīng)的規(guī)范標準細則。為了驗證系統(tǒng)審圖的準確性，點擊模型中的‘樓板’構(gòu)件，系統(tǒng)自動生成審圖報告，審圖結(jié)果如圖11所示。

圖11 模型構(gòu)件審圖結(jié)果展示

3.3 模型功能房間審圖模塊

用戶通過模型數(shù)據(jù)審查模塊，可實現(xiàn)對建筑模型中各房間部門的審查，包括房間的平面布置、消防查詢、構(gòu)件屬性以及其他信息說明，同時生成房間明細表，對模型內(nèi)的所有房間進行所在樓層、房間面積等信息展示。選擇‘模型審查模塊’中的‘房間審查’部分，點擊某類型功能房間，具體審圖內(nèi)容展示如圖12所示。

圖12 功能房間審圖展示

3.4 實驗結(jié)果與分析

為了驗證所構(gòu)建系統(tǒng)的準確性與有效性，選取某地眼科醫(yī)院建筑作為實驗對象，人為將醫(yī)院建筑模型中‘門診部用房’的‘墻體’構(gòu)件的燃燒等級由A級改為B1級，相關(guān)人員通過點擊‘數(shù)據(jù)信息查詢’中的‘構(gòu)建審查-墻’選項，系統(tǒng)自動高亮顯示信息有誤的墻體構(gòu)件，并自動生成審查報告和相對應(yīng)規(guī)范條文，設(shè)計人員可以方便快捷地對模型進行查看并做相應(yīng)修改，具體審圖結(jié)果如圖13所示。

圖13 實驗結(jié)果展示

該系統(tǒng)審查出隸屬于門診部的某一‘墻體’構(gòu)件的燃燒性能等級低于《建筑內(nèi)部裝修設(shè)計防火規(guī)范GB 50222-2017》[21]中5.2.1條例要求。建筑模型中的樓板的燃燒性能等級為B1，不符合規(guī)范的A級等級要求，需修改和完善該類構(gòu)件。由實驗結(jié)果可知，該系統(tǒng)針對建筑的智能化審圖方面具有高準確度和完備性，滿足行業(yè)的智能化審圖需求。

4 結(jié)束語

傳統(tǒng)的建筑審圖方式存在效率低下、審圖準確度較低以及審查范圍無法全覆蓋等一系列問題，無法滿足當前社會智能化，信息化的審圖行業(yè)需求。本文利用BIM技術(shù)先進的數(shù)據(jù)協(xié)作能力，并結(jié)合擁有強大知識管理能力的知識圖譜技術(shù)，設(shè)計開發(fā)了建筑智能審圖系統(tǒng)，為運維人員提供了全新的直觀易懂、快速準確的建筑模型審圖方式，進一步降低模型審圖對人工的依賴性，提高了建筑審圖的效率與準確度。此外后續(xù)可擴展知識圖譜在建筑其他領(lǐng)域的應(yīng)用，豐富建筑規(guī)范知識圖譜的信息維度容納。