贺洪煜房霆宸朱 贇吴联定

1. 上海建工集团股份有限公司 上海 200080；2. 同济大学土木工程学院 上海 200092；

3. 上海市安装工程集团有限公司 上海 200085；4. 上海超高层建筑智能建造工程技术研究中心 上海 200080

建筑行业产生的数据与大数据在特征上基本重合：数据总量大、数据增长快、数据种类多、数据价值密度低、数据真实。建筑行业采用大数据技术仍是一种新事物。建筑运维系统在建筑全生命周期（BLM，building lifecycle management，建筑信息模型）的运维阶段的初始时期，会接收来自规划、设计、施工、验收等前期各阶段产生的静态数据。与此同时，占据建筑全生命周期80%时间的建筑运维阶段会产生诸如空调、水务、能源、监控、维保等大量的动态数据[1]。上述2种类型的数据在建筑运维系统中可被称为“建筑运维大数据”，在建筑的运维活动中始终贯穿了对这些大数据的产生、整理、清洗、转换、挖掘等数据处理行为。传统建筑运维模式会被时代淘汰的重要原因是其系统无法与实时产生的数据进行有效利用，造成了物业服务效率低、能源消耗量大、设备资产浪费严重等诸多问题。

为了解决上述传统建筑运维模式所产生的问题，亟需对建筑运维模式进行数字化转型，在研发建筑运维系统的同时，使用大数据相关技术对蕴含巨大价值的运维数据进行挖掘与利用，并结合BIM、数字孪生、物联网等技术，实现运维系统自我感知、自我优化、智能决策等智慧运维能力。

1 建筑智慧运维中的大数据

1.1数字建筑与BIM模型

建筑智慧运维的对象是建筑本身，智慧运维的基础是拥有数字建筑，数字建筑是利用BIM和云计算等先进的数字技术，结合进度、成本、质量、安全等建筑管理各要素和人、机、料、法、环等生产要素，贯穿建筑全生命周期，打通建筑产业链上下游各方，目的是实现建筑的全数字化、智能化，并建立数字建筑平台和生态[2]。

BIM是几何模型对建筑设施的物理特性和功能特性讲述的一种技术[3]。BIM贯穿了建筑规划、设计、施工、运营各阶段，是数字建筑中最核心的技术之一。BIM模型的数据也是建筑智慧运维系统中可获取到的最早的大数据。一个精准的BIM模型可以在建筑全生命周期各阶段不断积累各维度的数据，包括建筑物的三维几何信息、设备信息、工程文档、报表、图像等。

BIM模型具有动态数据存储的特点，可以将建筑运维系统获取的交付阶段BIM模型的几何信息作为空间区域划分的基础数据。此外，还可以利用射频识别技术将BIM模型与现实环境中的设备设施进行绑定，构建运维系统中的设备资产信息。

BIM模型还具备可视化的特点，这也是区别于传统建筑运维系统的特征之一。BIM模型可通过三维可视化方式展现包括空调、排水、通风、消防等设备的分布位置、设备信息、维保信息，通过三维场景高度仿真，可完善表达设备实景及实时运维状况。通过在三维模型上直观显示核心数据指标，便于运维管理者对整个运维系统的整体把控。

1.2数字孪生

在建筑物交付时，业主仅得到1套所谓完整的BIM模型对于建设智慧运维系统来说是远远不够的。其原因是交付的BIM模型仅仅为建筑后期的运维提供了条件和基础，却无法继续提供建筑在运营期间实时产生的数据，而缺乏的这些数据主要是由物联网设备提供，这些鲜活的数据结合上述的BIM模型就是建筑的数字孪生。数字孪生（digital twin）这一概念最早由Grieves教授提出，数字孪生可以理解为一个或多个重要的、彼此依赖的装备系统的数字映射系统，可广泛应用于工业制造、运维保养、智慧城市等多个领域[4]。Grieves教授强调通过数字化来实现可视化这一点是很有意义的，但这不是数字孪生的全部。数字孪生技术在建筑运维中的应用主要体现在以下2个方面：

1.2.1 实现建筑动态数据整合与共享

在过去几年中，BIM模型在物联网中的集成研究受到越来越多的关注。一方面，BIM为建筑运维系统提供了高可靠性的几何形状、定位以及准确可识别的建筑组件数据集，BIM提供了建筑物全部信息的模型，是完整的建筑信息库[5]。另一方面，物联网（IoT）是传感器和驱动设备的互联，可理解为建筑及其内部物质之间相连的网络，提供了统一的跨平台架构，可实现数据的共享。IoT设备提供了传感技术、软件和云平台、定位技术功能。一般来说，BIM模型和IoT设备两者互补，共同弥补彼此技术上的不足。最关键的是两者的融合实现了建筑在运维期间的动态数据整合与共享。

1.2.2 BIM模型与IoT设备精准映射

“数字孪生建筑”[6]是将数字孪生使能技术应用于建筑科技，简单讲就是利用物理建筑模型，使用各种传感器全方位获取数据的仿真过程，在虚拟空间完成映射，以反映相对应的实体建筑的全生命周期过程[7]。目前主要使用RFID技术对BIM模型和IoT设备进行融合，从BIM模型构件中选取具有实体检测数据价值的设备ID绑定RFID标签，同时对监测该设备的IoT设备也绑定相同的RFID标签。从实际的数据监测需求出发，BIM模型与IoT设备的映射关系可设置为1∶1或N∶1。通过在BIM模型中建立相应的映射关系，可以将BIM模型与IoT设备相关联（图1）。以某用于监测室内空气质量的IoT设备为例，一旦PM2.5浓度超出预设的警戒值，就会在BIM运维模型中收到警告消息，并从BIM模型中定位异常设备的位置及其监控的房间位置。

图1 数字孪生建筑概念示意

1.3人工智能与数据挖掘

传统的建筑运维系统服务效率低、能耗高、环境舒适度差、建筑资产浪费大[8]。智慧运维系统引入了AI（artificial intelligence，人工智能），挖掘数字建筑孪生体系中所产生的动态大数据并解决上述问题。人工智能通过对海量数据的处理与分析，使建筑系统具备“学习”的能力，通过源源不断的数据对建筑系统的复杂演化机理、知识经验进行持续学习，使建筑系统具备自我感知、自我预测、自我调整的能力，赋予了建筑智能化，实现了建筑绿色、智慧、安全的可持续发展。例如，AI分析了一定周期内室内温度与季节、耗电量、人群密集度的关系，可根据不同场景预设空调的运行策略，既能满足人体舒适度需求，又能达到节能减排目的。

建筑运维的数据来源并不仅限于竣工图纸、配套资料影像等项目竣工时交付的海量碎片化资料，由于建筑是全生命周期的产物，建筑运维的大数据存在参与方众多、数据互补流通、各阶段数据无法串联等问题。因此，必须引入大数据深度挖掘技术，将多元异构数据在整个建筑涵盖的产业链上下游互联互通，才能真正在建筑智慧运维系统打破数据孤岛，实现数据赋能，为建筑管理人员提供分析与决策的依据。

2 大数据技术在智慧运维中的典型运用场景

2.1建筑设施运维管理

建筑设施的种类十分复杂，例如消防系统、供水系统、中央空调、强弱电、照明、门禁、电梯等。这类设备在家庭使用中十分常见，但由于建筑运维涉及的设备设施数量和使用频率比家用高好几个数量级，且管理人员不足，必须引入各类传感器对设备设施进行监控。各类监测的数据对于设备的运维起到的作用微乎其微，更重要的是要把监测的结果与运维的业务逻辑进行映射。例如，将中央空调的日常保养记录与设备的保修记录、设备能耗、制冷量、室外温度进行关联，某台设备在某周期内保修增多、能耗升高、制冷量下降，最后得出设备缺乏保养、内部零件亟需更换的结论。而在智慧运维管理系统中，这些看似无关的数据都会取得多维关联，不仅能让设备进行“主动保养”，还能让设备进行自我检测并能智慧化切换运行策略，提升室内的环境舒适度。大数据技术还可以充分发挥空间定位和数据记录的优势，合理制定维护计划，分配专人专项维护工作，以降低建筑物在使用过程中出现突发状况的概率[9]。

2.2建筑节能减排

节能减排是建筑运维的重要内容，在中共中央对碳排放制订的“碳中和”和“碳达峰”战略目标中，建筑业中特别是建筑运维环节设计和指定建筑节能减排策略就首当其冲。按照以往传统运维模式，最简单粗暴的节能策略就是定时限电拉电，这种行为不仅妨碍正常生产秩序，还会对社会民生造成不良影响。因此，作为建筑智慧运维系统中重要应用之一的智慧节能策略，必须做到以人为本，将人与建筑进行融合，深挖机电风机系统的运行数据，探寻建筑与环境、人员流动、各生产要素之间的微妙逻辑关系。利用能源大数据让设备自主调控还处于探索阶段，但目前仍然可针对某一特定场景进行应用。

例如，医院大楼的智慧运维场景中，在同一季节，昼夜空调的耗电量较普通商务楼宇更趋于稳定，但由于医院较普通商务楼的人流量峰值/谷值比例更大，为此，医院24 h开启的空调机组若能以人流量来自动调控空调温度，不仅可以有效提升人员舒适度，还能节约能源，降低碳排放。具体做法是：在医院大楼逐层安装具备高精度头肩检测算法的摄像头，统计门诊日每个时段的人流量以及密集区域，利用这些监控大数据进行深度挖掘后，可得出某时段某楼层甚至某科室的人流量和密集程度。运维人员通过这些数据制订各种智能化调节策略，通过执行这些智能化策略的风机系统所节约的用电量将十分明显，同时也能满足医护及病人家属的人体舒适度。

2.3应急风险管理

公共建筑是城市公共安全事件发生的敏感区域，除了台风、地震、海啸等自然灾害，还有人为引发的火灾、踩踏事件甚至是恐怖袭击，严重危害公共安全。因此建筑楼宇应对灾害和公共安全事件的应急风险管理功能应结合运维大数据，制定相应的防灾减灾预案和公共安全处置预案。在建筑智慧运维系统中以消防模块为基础，根据人员大数据信息制订日常逃生线路和应急临时逃生线路。同时通过建筑安装的摄像头及人体感应装置快速判断受伤人员以及非法闯入人员位置，为人员的救治以及罪犯的抓捕提供最新信息。此外，还应通过智慧运维系统的公共安全信息平台联动政府、医院、媒体，及时发布求救信息和救治情况，实现统一管理，分工协作，确保应急救援的快速高效和有序。

3 应用案例

虹桥商务区智慧能源项目系上海虹桥商务区智慧城市建设的重要组成部分。项目由2个能源站组成，包括150万 m2的国家会展中心项目及约550万 m2的全部公共建筑的冷热空调和宾馆酒店生活热水的需求。项目主要采用天然气分布式能源，辅以光伏、风电等可再生能源，结合新型储能技术及装置，全面展现冷热电三联供、多能互补、多点储能及微电网等全要素的智慧能源网的示范应用[10]。

虹桥商务区能源中心的主要设备包含：发电机组、溴化锂供冷机组、冷水机组、锅炉机组以及相关的水泵机组，其每年的主要设备运营模式如表1所示。

表1 设备运营模式

虹桥商务区能源中心在前6年的运营过程中，虽然积累了大量的运营数据，但各系统之间存在数据孤岛，无法充分利用已有数据实现辅助运营的目的，并且整个运营过程中很大程度上依赖工作人员的经验，造成了大量的能源浪费，同时也增加了工作人员的工作强度。

近年来，以节能增效为目的，以提高企业经济效益与社会效益为目标，虹桥商务区能源中心充分挖掘其各系统之间的数据联系，分析其在每年不同的运营模式下各设备的使用情况，同时分析供能区域内各建筑在不同时间段的用能需求。该项目以大数据分析、人工智能和新型安全为技术支撑，以满足用户端需求为服务导向，实现多能高效生产、动态调配输送、主动适应需求的智慧能源网目标，实现对数据的清洗、合并、转换，从而建立相关数据模型，实现对整个运营周期的辅助决策功能。

虹桥商务区能源中心通过使用“大数据挖掘”这项技术手段，有效预测了其供能区域内各建筑在不同时间段的用能需求，同时结合能源中心的供能情况，实现用能需求预测与动态调整，科学指导其在各运营模式下各类设备运行的数量，并使设备长期处于高效运行区间，不但提高了供能效率，也减少了能源消耗，降低了工作人员的工作强度，实现了能源中心的精细化管理与高效稳定运营的目标。

4 结语

综上所述，一个优秀的建筑智慧运维系统离不开建筑全生命周期所积累下来的大数据，更离不开对这些大数据的深度挖掘和应用。对于尚处于数字化应用初期的建筑行业来说，建筑数据、结构数据、场地数据、设备数据、电气数据、给排水数据以及暖通数据的获取与挖掘的难度远大于互联网行业。

建筑智慧运维是行业发展的必然方向，因此对于建筑行业大数据的应用任重而道远，建筑行业必须针对大数据的“5V”特性，以建立建筑的数字孪生为基础，应用人工智能和数据挖掘技术，让建筑大数据鲜活起来，成为建筑在运行周期的内部动力。