AI时代的BIM新设计技术展望

广联达科技股份有限公司  李宾  夏彬  穆晨

国内BIM应用正方兴未艾，以5G、物联网、AI技术为代表的最新IT技术与以机器人技术为代表的高端制造技术，在建筑业正孕育着新一波发展浪潮，其核心特征是超越现有工业化、信息化发展的数字化与智能化，形成BIM+AI的融合创新应用。本文围绕设计施工一体化场景，对基于三维BIM建模平台、云端协同、构件级BIM大数据实现BIM+AI的新设计应用进行分析。研究发现，通过AI技术的深度融入，设计师的创造力将得到充分释放，建筑设计将进一步接近人居环境的理念。

融合AI技术的BIM新设计

随着以5G、物联网、AI技术为代表的最新IT技术与以机器人技术为代表的高端制造技术在建筑行业的逐步应用，建筑业加快了基于BIM技术的数字化转型步伐。国家大力推广基于BIM技术的全过程工程建设，采用建筑师终身负责制，推动设计从二维走向三维。随着设计施工一体化程度的提升，设计的标准化、规范化将得到加强，BIM三维正向设计将逐步成为主流，从而为AI技术的应用提供基础的技术与行业应用土壤。

BIM新设计首先是基于BIM的正向设计，只有三维BIM正向设计才能提供完整的跨阶段、多专业、一致的信息表达。基础的三维BIM模型在设计、招投标、施工、运维各阶段应用时，涉及大量领域知识与作业规范。一个模型表达无法满足多专业、跨阶段的多样化需求，造成了BIM信息表达与设计标准的复杂化。破解这一难点的关键在于如何实现BIM设计与AI技术的融合，在基础BIM正向设计的基础上，逐步在细分领域借助领域知识形成特定的设计原理，并辅助用户进行自动化设计与信息映射。这也是我们预期中的下一代BIM新设计技术。参考AI技术在其他行业的发展与应用趋势，可以预见，在数字化技术相对落后的建筑业，AI技术具有较高的技术与应用创新潜力。

BIM新设计内核

新设计技术需要强大灵活的BIM技术来支撑，尤其是设计建模的平台内核。目前，以Revit为代表的BIM平台及其系列工具已经得到初步运用，但传统的基于文件的桌面设计工具很难适配AI时代的新设计发展所需，很难嫁接或者融入最新的互联网技术体系，无法成为新的技术核心，只能作为一个端的工具存在。

新设计工具的发展，需要从平台内核中植入互联网基因，关键难点或者技术飞跃在于支撑类似互联网数据流的信息表达与数据传输。以Revit为代表的BIM建模平台基于文件进行数据交换，模型中构件耦合性非常高，与外部数据交换通常需要数百兆以上的数据传输。高耦合性、大容量的BIM建模操作、关联更新，需要强大的计算能力，但高耦合性导致的笨重、低效的数据交换，严重阻塞了设计工具与外部系统、云端资源的连接。因此，BIM设计工具只能利用桌面端本地资源，无法实现设计建模的分布式协同处理。

我们设想的BIM新设计工具，将从建模平台内核解决这一技术难题。如果每次操作只会形成数K字节基于构件的数据增量变化，系统有效管理所有增量变化，这将支持传统三维建模技术直接跨入互联网技术体系。这一技术体系的变更，将类似芯片制造工艺从130纳米直接升级到14纳米，瞬间为BIM设计技术的革命性升级打开空间。设计数据在云端将和其他互联网数据以同样的方式存在，大量成熟互联网技术和工具能快速应用到设计工具和设计数据上，从而快速推动工具的发展与数据的深度消费。其中，最具想象空间的是融合三维BIM模型和图像、视频、文本等其他结构化和非结构化数据的、高精细度的BIM大数据技术。基于互联网的存储资源、计算能力和计算框架，将直接触发AI技术在BIM设计上的应用革命。本文将基于上述技术理念和基本思路，分析设计、施工阶段典型应用场景中AI技术如何与BIM设计建模技术相融合，为BIM设计带来新的变革。

设计阶段的BIM新设计

构件智能搜索

构件是标准部品，也代表现实世界的具体产品，因此，建筑师经常会到构件库中搜索现有构件素材。广联达构件坞是国内最大的构件库之一，每天有数千名建筑设计师在该网站上搜索构件。如果构件分类不清、信息参差不齐，搜索准确率不高，将严重影响建筑师的使用体验，因此必须对构件的数据进行治理，类似于百度、谷歌搜索引擎，提升用户构件搜索中的用户体验。

首先，系统需要对海量构件进行自动分类。传统基于规则的AI技术有较大的局限性，需要从成千上万现有构件信息中总结出规则。规则太多不易维护，规则容易相互冲突导致成功率下降。目前，有效的解决办法是借鉴最新的机器学习成果。系统预先设置好一批分类准确的构件作为训练数据集，然后抽取构件的各类特征数据，譬如构件属性、文件大小、构件缩略图、构件几何特征。通过算法训练得到规则模型，然后辅以人工标定，那么这个模型将越用越准确，从而实现构件的自动分类。

其次，系统需要对构件的属性进行智能校准。以水泵为例，通常水泵需要指定多个性能参数，譬如流量和扬程，但很多构件制作者在配置参数时，并没有按照规范设置，有时“流量”还会根据水泵的功能不同定义为“排水量”或“给水量”，尽管设计师可以识别，但软件系统却很难把“流量”和“排水量”“给水量”联系到一起。这就需要利用目前的自然语言理解技术，将属性项和属性值进行结构化、标准化，建立正确的语义地图进行关联，最终实现构件属性的智能校准。

设计师在搜索过程中也希望系统提供上下文推荐，譬如搜索空调室内机，能够把与之型号相匹配的管件、附件也检索出来。这需要利用最新的知识图谱技术，在自然分词、同义词方面进行处理，建立知识之间的关联，并将其内嵌在构件搜索引擎中，指导搜索算法进行启发式搜索。

AI辅助建筑布局规划

前期策划与建筑功能的无缝对接、以及建筑空间规划的最优化求解，一直是建筑学术界重点关注的两个基本问题，但这两个问题一直没有被很好地解决。另外，在现有的建筑设计（包括衍生式设计）过程中，建筑设计大多依赖于桌面版参数化软件（例如Revit）和基于它们的二次开发，建筑物未来真正的使用者和业主很难加入到设计的决策过程中，建筑设计的最优决策很难做到最优。

对于建筑策划文件，大家普遍采用Excel在PC端制作。对于建筑空间规划，Autodesk公司的生成设计框架refinery是目前唯一的可用工具。Excel数据来源较为封闭，不容易从互联网取得最新的策划数据资源。另外，refinery基于Revit的开源软件Dynamo进行开发，Dynamo不易使用，因此refinery也很难得到推广。

随着大数据和AI技术的成熟，建筑学术界和工业界开始尝试通过深度学习和强化学习的方法来解决上述痛点。在BIM设计中，业主和建筑设计师迫切需要一个在线的产品，能在浏览器上生成建筑策划文件，并能输出建筑空间的最优化布局。这就需要在BIM新设计工具中融入最新的机器学习技术，实现AI辅助的建筑方案选型。

其基本流程为：

（1）在线创建建筑策划文档，然手从中获取功能分区，房间和空间的数据，如开间、进深、净高、类型、适宜层数等 ;

（2）依据上一步获取的数据，在Web浏览器里创建特定功能分区，房间和空间的几何模型；

（3）通过强化深度学习算法，自动生成许多设计布局的组合，每个设计布局都有相应的自动评价指标值；

（4）设计师和业主挑选符合要求的高质量选项进行下一步的衍生式设计；

（5）把房间和空间的最优布局导入到BIM新设计软件中，确定设计细节，并最终完成施工图设计 [1]。

停车位自动设计

在建筑设计的过程中，地下车库的停车位设计是一项非常复杂并耗时的工作。如何要在非常短的项目周期中快速进行停车位的设计，并且完成繁琐的绘图工作，是目前困扰建筑设计师的一个难点问题。对于其中面积比较大的地下车库，或者有异形边界的平面区域，如何进行平面布局优化，尽可能地布置出更多的设计车位，对建筑师来说，也有一定的设计难度和绘图难度。

为此，可以在BIM新设计工具中结合AI技术实现停车位自动设计，其大体流程为：

（1）从2D平面图中识别出停车区域的闭合墙体边界、入口和出口、柱子的真实轮廓和楼梯电梯间和机电用房等房间的真实轮廓等信息 ;

（2）依据上一步获取的数据，使用深度强化学习的方法自动摆放出多个停车位的设计方案，并且输出相应的停车位数量的数据；

（3）设计师选中某个想要的设计结果后，自动绘出停车位摆放的2D设计图，包含具体停车位的细致详图和停车区域中的行车路线图，并且输出相应的停车位数量。

AI辅助机电设计

随着建筑智能化发展的趋势，对于结构和运行复杂的机电系统而言，管道合理布局的难度大幅提升，尤其类似医院等对机电要求高的复杂项目。另外，在BIM模型的建筑、结构和机电的三专业碰撞检测中，机电是碰撞检测的主体和随后的主要修改部分，后期修改工作比较繁重。

在BIM机电设计软件中，采用AI技术自动产生管线配置将会解决上述问题。譬如基于BIM机电模型，使用生成式设计理念，在确保机电管线系统的路径不会和建筑物结构发生冲突的情况下，使用机器学习方法快速生成所有可能的方案选项，在多次迭代后归纳出最终有效的设计方案。同时也可以基于设计能耗、舒适度指标，基于大量设备的实际参数，结合BIM模型的空间分区，通过机器学习自动分析可能的设备选型。实际上通过引入机器学习技术，BIM新设计工具将在机电 AI 模型中沉淀机电设计师的专业经验以及大量设备参数信息，从而为机电设计走出目前的困境提供新的技术手段。[2] 

初设和施工图设计中的AI应用

在初设和施工图阶段，融合AI技术的BIM新设计工具需要解决传统BIM设计工具无法解决的一些难点问题：一是构件设计承载丰富的业务信息，具备跨阶段的传承性；二是大幅减轻BIM模型绘制、校验、审核工作的繁琐程度；三是本土化规范、图集的内置让设计不越“红线”又更合理；四是释放设计师的创造力，让设计师更优、更快捷地完成设计。

从工具型绘图软件设计向智能化设计，再到人工智能辅助设计，是逐步发展、效能逐步增大的过程。建筑领域的智能化设计已经在很多场景中得到应用，其与人工智能核心的区别在于：前者是内置规则，后者是学习规律。我国的基础设施建设经过几十年的大力发展，已经积累了非常庞大的图纸、数据资料，通过算法对海量数据进行深度学习，将为BIM新设计工具提供了丰富的大数据支撑。

这里列举几个典型应用点：消防疏散出入口设计，深度学习规范、地方标准和不同建筑类型、布局，对疏散口个数、距离、宽度、位置等信息综合处理后自动出排布方案[3]；装配式建筑的装配方案设计，深度学习不同地区、不同标准下的装配方案，如预制构件和节点的优化选取及设计、商品化构件的设招采施一体化等；智能审图，对大量规范、图集、标准以及模型、图纸的匹配性学习，做好设计合规性、合理性的把控；AI出图：通过深度学习，考虑相关专业约束、个性和美观性等算法，实现创建图纸、拆解图纸、图元布图乃至出图智能标注，将大幅度减轻设计师的绘图工作量。

施工深化阶段的BIM新设计

施工BIM设计

施工阶段BIM应用目前尚在起步和探索阶段，应用点多、用户热情高，但应用深度较浅。施工阶段的BIM模型来自于设计阶段，但需要重新翻模，使用成本较高。围绕施工建模需求的工具目前较少，主要是类似场地布置、钢筋翻样、模板脚手架等特定技术环节的工具，或者是基于Revit二次开发面向特定需求的翻模插件。类似Revit在设计阶段的系统性、集成性综合工具，由于其技术门槛较高，目前普遍采用的是广联达的BIMMake产品。施工阶段由于项目节奏快，施工技术人员主要立足现场技术管理，通常需要借助现有BIM模型、CAD图纸进行快速深化和施工BIM应用，因此，施工建模工具的应用场景和设计阶段差异较大。Revit的优势主要集中在设计端，缺乏施工阶段的特定素材和功能支撑，因此使用成本较高、易用性低。

广联达BIMMAKE软件是基于广联达自主知识产权的图形引擎和参数化建模技术，为施工企业及项目部的技术工程师全新打造的三维施工BIM建模工具。它的特点是基于自主知识产权的图形技术，能快速复用CAD图纸、设计BIM或造价BIM模型，围绕施工阶段需求将其细化为所需施工BIM模型，并进一步支持一系列的施工深化应用。BIMMake也支持与其他施工BIM应用系统的连接。该软件的主要功能包括：

一是快速导入施工阶段各种典型模型，如RVT、SU、GCL、GTJ、GQI、IFC等，也支持通过CAD识别快速创建模型，通过链接整合土建、场布与机电模型。

二是系统内置或通过构件库下载施工阶段特色构件，如基础、钢筋、安防、围墙、后浇带、流水段、雨棚、散水、垫层、集水坑等，也可基于构件编辑工具自定义特殊构件，支持施工企业CI、构件库信息定制及样板定制等。

三是围绕施工BIM模型需求提供精细化编辑和一键快速处理，如扣减、打断、主次梁交接处理、楼板分跨一键处理、快速布置安全防护、复杂钢筋节点编辑等。

四是施工BIM深化应用：快速布置二次结构、快速排布砌体、快速对混凝土结构模板进行参数化设计，输出加工图、下料表及模板工程量等，地形、基坑、场地环境、临建、措施机械的快速布置等。

五是可视化效果展示与方案交底：具备真实感渲染、施工模拟能力，也可输出到外部渲染系统。

AI辅助施工场地规划

施工阶段工程师以现场管理和技术实施为主，技术工程师年轻化趋势明显，现场管理经验相对欠缺，深化设计急需借助AI和BIM技术实现增质提效。在施工场地布置中可通过BIM建模对施工现场不同阶段的复杂状态进行模拟展示，通过数据分析及时反馈前期方案的合理性，同时反向指导施工组织设计，进行资源配置优化。

一是AI场地智能布置：将项目施工用地范围内的地形状况和全部拟建建筑物和其他基础设施的位置进行BIM场地建模，使用预设原则和规范参数进行智能场地布置，其包括分阶段动态布置、区域划分、材料堆放区、生活区域、起重作业区规划方案推荐。

二是AI合规合理性校验：根据施工组织设计的基本原则和与内置的国家规范要求，对场地布置的规范性和合理性进行校验，根据校验结果调整优化。依据调优的结果，智能输出二维图纸、场地部署方案和材料需求。

施工现场智能管理

在数字建造新时代，绿色施工除了要实现节能、节地、节水、节材和环境保护外，还要在施工过程中通过技术创新，降低施工作业人员的劳动强度，提高工作效率。AI技术通过机器人和无人机等的应用，使用大量实际工地视频数据进行训练，对现场数据进行分类处理和智能管理，可以大幅提升施工效率和安全质量水准。

其中，广泛采用的AI应用主要包括以下几大类：1）基于BIM+IOT+AI的现场施工管理：安全帽识别，工地车牌识别，施工人员姿态检测，施工状态监控，检测跟踪和物料盘点。2）基于BIM+机器人+无人机的施工进度管理：通过与客户要求的计划和设计进行匹配来衡量施工进度，将工地每天的画面扫描与设计模型做比较以发现错误[4]。3）基于BIM+无人机的项目场布和山区植被保护：采集原始地形照片和飞机POS数据，生成与实景基本一致的三维模型；山岭地区线性工程施工中，根据植被分布情况合理规划施工便道。4）基于BIM的现场作业精益管理：结合作业工序的物料运输、堆放规划，实现JIT现场零堆放施工。

未来展望

目前，BIM设计基本停留工业化设计建造的层面，无法体现以人为本的建筑设计理念。随着大数据技术、AI技术的加入，下一代的BIM新设计工具有望在设计过程中融入设计原理、设计经验等知识性信息，辅助设计师作出更人性化的设计决策。同时，借助云加端的协同技术，用户也能加入设计过程，和设计师互动，实时提供反馈。在BIM新设计工具的支持下，建筑设计将距离吴良镛院士所描绘的人居环境科学愿景更进一步。让我们翘首以盼！

参考文献

[1]Danil N.,Damon L.,John L., Jim S.,Lorenzo V.,Ray W.,Dale Z.,David B.,Project Discover:An application of generative design for architectural space planning[J]. Symposium on Simulation for Architecture and Urban Design,2017.

[2]徐联杰.机电产品中的管路自动布局设计技术研究 [D]. 北京 ：北京理工大学 . 2016 ：3-5.

[3]穆磊,王佳,李继宝 , 周小平. 基于 BIM 和知识图谱的消防智能审图研究 [J]. 消防科学与技术 ,2019(12):1765-1768.

[4]郑胜,李金会,谢建立. “BIM+无人机”技术在绿色施工中的应用[J].基层建设 ,2018.