基于BIM与人工智能技术结合的智慧建筑综合管理平台

2020-02-25杨军志

智能建筑与智慧城市 2020年2期

关键词：智能建筑智能化人工智能

文/杨军志

传统智能建筑的现状：智能化水平整体不高；智能建筑子系统没有实现高度集成；智能建筑的运行维护未实现自发现、自诊断；智能化各子系统相对孤立，系统之间的数据未融合；IBMS集成管理平台未真正把所有智能化系统数据打通；设计、施工、运维环节脱节。

随着物联网、大数据、云计算、人工智能技术的发展，人们对建筑内的各种智慧体验要求越来越高，如何满足人们日益增长的需求是我们需要深入考虑的问题。

1 智慧建筑的定义

1.1 《智能建筑设计标准》（GB50314-2015）对智能建筑的定义

智能建筑是以建筑物为平台，基于对各类智能化信息的综合应用，集架构、系统、应用、管理及优化组合为一体，具有感知、传输、记忆、推理、判断和决策的综合智慧能力，形成以人、建筑、环境互为协调的整合体，为人们提供安全、高效、便利及可持续发展功能环境的建筑。

智能建筑系统工程架构的设计应包括设计等级、架构规划、系统配置等，其中设计等级应根据建筑的建设目标、功能类别、地域状况、运营及管理要求、投资规模等综合因素确定。

根据《智能建筑设计标准》（GB 50314-2015），智能建筑涉及的系统应包括信息化应用系统、智能化集成系统、信息设施系统、建筑设备管理系统、公共安全系统、机房工程。

1.2 我们对智慧建筑的定义

智慧建筑是以智能建筑为基础，通过物联网技术广泛采集建筑物、机电设施、环境、经营、服务质量、能耗、成本、人的行为及其他信息，建立大数据中心，综合利用建筑物大数据智慧平台，设立智慧运营的多元目标，应用人工智能技术，进行运营数据的统计分析，所有各子系统数据进行关联应用，如图1所示。

2 BIM技术在智慧建筑设计、施工阶段应用

2.1 BIM技术在智慧建筑设计阶段应用

（1）协同设计

在实际工作中，智能化不管是设计还是施工，都属于工序靠后的专业，因此专业协调就显得更加重要，这样可以避免大量的设计变更工作。在三维iBIM开发平台上，智能化专业与其他专业（如建筑、机电）可以同步实时访问设计模型和项目数据，可以及时进行管线综合与碰撞检测，避免后期空间不足，无法排布智能化桥架管路和设备安装的情况。随着BIM技术进一步推广，在与各专业协同方面将明显提高工作效率与设计质量。

图1 智慧建筑的定义

（2）提高设计效率

智能化专业子系统多，系统架构各异，设备种类繁多，在使用CAD进行二维制图时前端设备和桥架管线的工程量统计是很大的难题，设计中经常发生缺漏项或数量统计不准确的情况，导致后期需要与造价顾问反复核量，施工中也因设计问题需要业主追加投资。智能化专业可以在其他专业模型基础上开始设计，工程量可自动化统计，在设置合适的构件与设备型号的映射关系后，可直接得到详细的设备清单，可直接降低智能化设计的工作量与工作难度，使设计人员的精力可以集中在真正的设计环节，从而提高设计效率和质量。

2.2 BIM技术在智慧建筑施工阶段应用

（1）智能化工程施工应用BIM技术的优势

如图2所示。

图2 智能化工程施工应用BIM技术的优势

（2）通过建立专业化的BIM模型，可以准确定位包括智能化系统在内的所有设备，通过可视化的形式，方便快速地进行设备布置方案的查看以及管线布置方案的调整。

（3）由于工程建设项目管线复杂，往往在设计阶段不能解决所有管线碰撞的问题，而模型的信息化要素带来的管线碰撞、实施定位功能大大降低甚至杜绝进场时图纸管线碰撞问题，既节省了时间，又降低了变更成本。

智慧建筑机电管线模型如图3所示。

（4）通过BIM模型可以实现快速、精确地生成工程量清单，大大降低造价单位在不断变更中的重复工作量。

（5）通过建立竣工模型进行可视化的施工交底。

（6）BIM技术可给三维模型加载时间要素，进行施工虚拟预演，进而形成施工进度计划，微观上可精确反映节点施工工艺，宏观上可模拟施工流程，能够及时发现关键工序及工序的先后关系，帮助管理人员准确进行施工组织，安排合理恰当的施工进度，结合模型对材料、设备、成本及场地布置的动态集成管理，避免了不同专业的交叉施工现象，从而整体上对施工过程进行控制，在节约工期的同时达到安全施工的目的。

（7）BIM建模过程中产生了巨大的三维模型数据，包括环境模型、建筑物模型、结构模型、机电模型以及设备模型等，这些模型记录了完整的建筑信息与真实的位置信息，在施工完成后都会统一转交给业主。通过图形化数据库，业主方可对所有建筑模型及相关信息进行数字化管理，保持历史数据的准确性并及时更新设备，可极大帮助运维管理人员对建筑进行整体把控。

图3 智慧建筑机电管线模型

图4 智慧建筑整体模型

智慧建筑整体模型如图4所示。

3 基于BIM与人工智能技术结合的智慧建筑综合管理平台

3.1 总体架构

基于BIM和人工智能技术结合的智慧建筑总体架构如图5所示，分为信息采集层、网络传输层、管理平台层、应用平台层、AI运营层，可通过搭建基于BIM与人工智能技术结合的智慧建筑综合管理平台，实现所有智能化子系统的数据关联和融合，并通过大数据分析将运维和运营数据进行深度融合。

3.2 实现的功能

通过大数据智慧管理平台可预约来访时间、区域、停车位，同时获取停车场室内导航；基于BIM三维透明视图无论何时何地均能获得便捷路径规划；判断人员身份，开启不同人群权限到达不同楼层，高效管理人群行为；根据多种传感器云端分析人群，自动实现最优照明及空调控制，实现节能并主动提供节能分析策略；通过大数据分析人群行为进行拥堵指数分析，从而实现精确营销。

平台的功能延伸如下：

（1）通过智能语音识别为智慧建筑安装耳朵和嘴巴，如按语音导航路线行驶、机器人人机交互；

（2）通过智能视觉分析+人脸识别为智慧建筑安装眼睛，如识别可疑人员、行踪轨迹、失踪人员等；

（3）大数据+人工智能让智慧服务区管理平台能理解会思考，如人流、车流热力图，疏导车流，提取人的行为、消费数据等。

3.3 智慧建筑人工智能算法

图5 基于BIM和人工智能技术结合的智慧建筑总体架构

研发基于云端大数据分析的算法，实现具有自我学习能力的智慧建筑管理平台控制算法，通过建设实施将把人工智能深度学习的方法和云计算平台结合，打造一流的智慧建筑。

深度学习（Deep Learning, DL），机器学习的一个重要分支，也是当今人工智能领域研究热点。深度学习方法在多个领域表现出惊人的性能：会话识别、图像识别、对象侦测、药物发现、基因组学，深度学习的思想与人工神经网络的思想是一致的。

人工神经网络算法的思想来源于模仿人类大脑思考的方式。人类大脑是通过神经系统得到输入信号再做出相应反应的，而接受外部刺激的方式是用神经元接受神经末梢转换的电信号。人工神经元组成了人工神经网络的计算单元，而人工神经网络结构描述了这些神经元的连接方式。我们可以采用层的方式组织神经元，层与层之间可以互相连接。

卷积神经网络（Convolution Neural Networks, CNN），是一种前馈神经网络，广泛应用于图像分类、定位、检测、分割，如图6所示。

智慧建筑（如服务区）人工智能识别算法采用改进型Yolo算法，对服务区内的车辆、人员进行识别，从而对每个区域的人流车流疏密度进行统一，实现车流和人流的疏导，如图7所示。

人流车流智能识别算法将物体检测任务当作一个回归问题来处理，使用一个神经网络，直接从一整张图像来预测出bounding box的坐标、box中包含物体的置信度和物体的概率。因为算法的物体检测流程是在一个神经网络里完成的，所以可以端到端来优化物体检测性能。因为没有复杂的检测流程，只需要将图像输入到神经网络就可以得到检测结果，算法可以非常快的完成物体检测任务。