基于BIM与本体技术的建筑图规则审查方法研究
时间：2023-02-17 11:00:07 来源：千叶帆 本文已影响人
王维欣， 贾 婧， 桂柯朴， 高洁雅
(中国海洋大学 工程学院， 山东 青岛 266100)
建筑图审查工作是工程质量与安全的基础保障，而建筑规范体系的复杂性、工程图纸的规范性及审图人员专业水平等因素长期制约图纸审查工作.在建筑工业化、数字化、智能化快速发展的背景下，自动化审图可提高审查效率，提升勘察设计质量管理水平.在《关于推进建筑业发展和改革的若干意见》《2016—2020年建筑业信息化发展纲要》《“十四五”建筑业发展规划》等文件中对于数字化审查均有重要论述.企业界积极探索，在BIM审图工具与平台开发方面，针对关键性审查规则已有产业化软件成果，并不断提高规则覆盖度，提升图纸审查的自动化与智能化水平.
数字化审查基础理论研究、技术路线构建、关键技术探索及特定规范审查工具开发等方面取得很多成果.文献[1-3]基于BIM、本体、机器学习等先进技术构建自动审图的技术路线.文献[4-6]结合自然语言处理(natural language processing，NLP)、知识图谱等探究规范标准的结构化建模及模型数据的自动提取与校核.文献[7-8]对消防、排水专业特定规则实现了自动校核.上述研究使得数字化审查在规则自动化提取、结构化表达及BIM模型与规则整合方面进展显著.在此背景下，理论上可通过本体知识库与BIM模型的关联实现合规性判断.然而，我国建筑规范体系复杂，审图规则的基础信息呈多源异构特征，除模型图元参数外，还包括温度、湿度、空间用途等多类型属性信息.这使得在构建BIM模型时难以将规范校核所需信息完整参数化、结构化，从而影响自动审图的覆盖度与精确度，导致审图过程仍为人工主导.除利用NLP抽取规范信息、本体知识库构建、BIM数据到本体数据的转换外，为BIM模型快速添加其缺失的规范校验基础信息对于优化审图系统、提高自动审图工作效率具有重要意义.
已有研究多为基于特定商业软件平台下的BIM数据，面向有限规范标准的审图功能的实现，尚未从审图的机制与需求上逆向分析BIM数据的完整度及通用化推理规则的编制.本文以28个建筑设计及绿色建筑国家规范标准为研究对象，构建规范标准样本库.首先对样本库的规则按照强制性空间构成、区域属性阈值、构件属性阈值、区域/构件拓扑关系校验进行提取、分类、归纳，然后提炼规则编译所需的信息，基于OpenBIM理念依托IFC4.3建立Express-G表达模型.在此基础上，对照已有BIM模型信息，分析信息缺失，制定基于IFC扩展的BIM模型缺失信息的补充方案，实现审图规则的结构化分析及相应BIM数据映射的完整构建.
审图规则的系统化分析是规范标准数字化、结构化的关键，也是规则编译的分类基础.为了保证本研究的覆盖度、代表性及可行性，选取了28个建筑设计及绿色建筑国家规范标准形成分析样本库，进行语义分析.样本规范库的构成详见表1.
表1 规范标准样本库Table 1 Standard sample library
遍历样本库后，提取样本规则，对其特征进行显著度、覆盖度分析，将规则划分为空间构成、区域属性阈值、构件属性阈值及区域/构件拓扑关系校验4个类型，进行样本规则的汇总.规则分类及其审查规则示例如表2所示.
表2 规范标准样本库规则分类与示例Table 2 Rule categories & examples for standard sample libirary
将上述样本规则中的主体及其数值阈值相应定义为本体中的类、对象属性及数值属性.其中构件概念、空间概念可作为本体中的类存在，空间关系或拓扑关系可作为对象属性存在，空间或构件的属性阈值以数值属性的形式表达.以“办公用房的门洞口宽度不应小于1.00 m，高度不应小于2.1 m”为例，该本体规则可设置“办公用房”“门洞口”为类，以“门洞宽度”“门洞高度”为数值属性，并设置可表征包含关系的字段“隶属于”为对象属性.上述语句可在SWRL(semantic web rule language)或Jena中进行本体规则定义[9-10]，以进一步实现该实例的规则校核.
工业基础类(industry foundation class，IFC)是目前建筑行业广泛认可的国际性公共产品数据模型格式标准.IFC是基于使用对象的可用于实现信息交换的数据交换标准[11].与信息交互手册(information delivery manual，IDM)，国际字典框架(international framework for dictionaries，IFD)三大数据标准构成了BIM平台信息交换的基础[12].
为解决在已有研究中遇到BIM数据进行规范标准中的特定规则审查时出现数据缺失，并同时兼顾开放性与通用性.基于OpenBIM理念[13]，选用IFC为BIM模型的表达.基于BuildingSMART公布的IFC 4.3版本，以Express-G图形化数据建模方式搭建构件属性信息、空间属性信息及构件与区域空间关系判断方式的表达模型.
2.1 IFC规范对构件属性信息的表达
通过遍历IFC 4.3 RC3实体，剖析逻辑关联，生成构件属性与构件材料的Express-G表达模型，如图1所示.其中，IfcPropertySet实体代表属性集定义，IfcQuantitySet代表量集的设置，二者通过实体IfcRelDefines与IfcObject关联，从而实现构件属性和数量值的描述.IfcMaterial代表材料，由IfcRelAssociatesMaterial与实体IfcElement相关联，实现构件材料表达.IfcMaterialDefinitionRepresentation实体利用不同的节点、曲线、曲面，实现不同材料的表示方法，IfcMaterialDefinition的HasProperties属性与IfcPropertySetDefinition建立联系从而引用表示属性的IfcProperty实体，进而描述材料属性.
图1 基于IFC的构件属性Express-G表达模型Fig.1 IFC-based Express-G model for component properties
2.2 IFC规范对空间属性的表达
IFC规范对空间的描述通过IfcZone实体和IfcSpace实体进行，前者是人为构建的空间组合，如某系统涉及的空间，由若干空间组合而成，彼此之间可通过IfcRelAssignsToGroup实体相联系，后者多基于建筑的项目划分得到，其通过关联实体IfcRelSpaceBoundary与包围该空间的实体进行关联，其实例往往针对某一个房间，其预定义属性集中可能存在室外地坪高度、室内标高、楼层净高等规范校核中的常用属性，当不存在这些预定义属性集时，则可通过楼层标高、楼板或墙的坐标进行计算.针对楼层空间，规范通过IfcBuilding及IfcBuildingStorey实体，与本层构件通过关联实体IfcRelContainedInSpatialStructure关联.这3种空间概念结合图1、图2可实现空间概念构建.
2.3 基于IFC规范的空间关系判断
空间关系判断的实质是空间坐标和构件位置的表达，在IFC规范中，构件或空间的坐标范围计算通过世界坐标系与局部坐标系结合进行.以标准墙为例，首先其通过ObjectPlacement属性联系到整体坐标系，进而获得该实例模型的参照点在世界坐标系的坐标，然后，其实例可通过属性Representation联系到IfcExtrudeAreaSolid或其他实体，并通过其Depth，Xdim，Ydim属性及其中局部坐标系方向的定义计算每个控制点的坐标，进而表示墙的位置.对于不同构件或空间之间的关系可通过比较坐标之间的数值进行推理.
上述基于IFC规范构建的对象模型图是模型属性添加的基础.开发引擎若已基于IFC规范设计了关联类库，则可通过编程手段，参照2.1～2.3节所示实体、属性关系进行待扩展属性的快速定位、添加、编辑等.xBIM(extensible building information modelling)为可扩展的建筑信息模型，是NET开源软件的BIM工具包，基于OpenBIM理念，支持BuildingSMART数据模型，不受BIM商业软件限制[14-15].以某档案馆工程的BIM模型为例，选用xBIM平台实现IFC属性扩展，该档案馆墙体构件类型在xBIM平台下的属性扩展核心代码如图2所示.
图2 通过xBIM平台添加构件/空间属性Fig.2 Adding component/space property through xBIM platform
同理，建筑空间名称、属性的设置与集成也可通过类似方式进行，添加后的结果可通过usBIM，BIMViewer，BIMvision等IFC模型浏览器查看.
合规性审查的实质是基于图纸的建筑物总体或局部特征与相应规范中所定义的特征阈值进行对比的过程[4,16-17].不同规范通过控制不同参数范围的方式控制建筑特征，因此自动审图系统的开发需要在三维模型中集成特定规范涉及的参数或参数集，并能实现这些参数或参数集与规范设置阈值的比对.已有建筑模型信息及审图规则的结构化分析，基于审图规则需求的建筑模型信息逆向分析及缺失信息的扩展，是实现自动化审图和相应BIM数据双向映射完整构建的关键构成.
我国建筑规范体系的多样性与诸多条文所要求信息来源的复杂性决定了原始的BIM数据难以完全满足规范校核所需信息，这使得一方面校核工作针对的只是规范中的部分条文，导致忽略重要规则；
另一方面，即便针对已筛选的特定审图规则，也会遇到建筑模型信息属性缺失问题.上述限制使得在初始阶段根据图纸所得的BIM模型难以直接满足合规性审查的数据需求.
为解决上述问题，本研究调研已有的自动审图理念与技术路线，并尝试纳入IFC属性集扩展机制，进行自动审图系统的设计架构优化，最终形成的自动化审图框架如图3所示.
图3 自动审图框架优化Fig.3 Optimization of automatic compliance checking framework
为验证本研究提出的研究思路、扩展方法、技术手段、优化框架，提取、分析档案馆建筑设计规范(JGJ25—2010)第4节与第5节中的审图规则并构建本体，开发基于档案馆建筑信息模型的自动审图系统.
5.1 基于档案馆设计规范的本体构建
首先对档案馆建筑设计规范的第4章与第5章内容进行合规性审查规则提取，进而生成合规性审查规则所覆盖的全部类与属性.利用斯坦福大学基于Java语言开发的本体编辑和知识获取开源软件Protégé[18]，生成其结构化、数字化规范，得到档案馆建筑设计规范合规性审查所覆盖的全部类与属性的本体树状图，如图4所示.
图4 档案馆建筑设计规范合规性审查规则Protégé本体模型Fig.4 Protégé ontology model of compliance checking rules of design code for archives buildings
5.2 基于IFC扩展的构件属性或空间特征的添加
根据上述Protégé本体模型，拟定其中各类型房间的温度、湿度、相对湿度为BIM模型中需手动输入的属性；
通过对比规范中定义的信息与已有模型的精细程度确定了需要添加的信息为档案库类别下其内部的档案柜类型及档案柜长度；
最后通过IFC扩展为对应的类别设置属性.通用的空间/构件属性集扩充用户界面如图5所示.
图5 空间/构件属性集扩充用户界面Fig.5 User interface for space/component property sets extension
5.3 本体推理规则的设定与模型的规范审查
BIM到本体数据的转换通过IfctoRDF工具实现，该工具可将IFC格式的BIM文件转为ttl格式，使之与本体知识库结合.为利用本体知识库中规定的类、属性与规则进行合规性审查，首先要设置字段间的关联，如设置“柱”类与“IfcColumn”类等价，即可将BIM模型中归类为IfcColumn的实例作为柱类，结合规范中的属性、规则进行字段的计算，并借助本体规则，找出BIM模型中不合规范要求的部分，此功能需基于本体推理机或查询工具，根据IFC文件中储存的信息计算，如“房屋净高”属性的定义等价于IFC文件中记录的特定空间中上、下楼板的高度差，这样即可实现模型信息与本体规范的结合，进而完成基于本体规则的BIM模型合规性审查.例如“厨房”实例可通过ifcowl:IfcSpace(?x)^ autogen0:longName_IfcZone(?x， ?y)^ swrlb:equal(?y， “厨房”)规则定义.
按照上述流程，首先将BIM模型转为ttl格式，并根据规范对模型信息的要求，结合本文构建的Express-G表达模型设计SWRL规则，对模型需求信息进行提取.以某构造柱为例，提取其楼层信息、属性、量集及空间坐标值，该对象推理结果如图6所示，其合规性审查规则如表3所示.
图6 结合本体与Express-G表达模型的构造柱信息获取Fig.6 Information acquisition of constructional column by combining ontology and Express-G models
表3 构造柱SWRL规则构建Table 3 Construction of SWRL rules for constructional column
将上述规则与本体知识库合并，得出基于LinkedData的BIM模型与本体知识库的合并结果，如图7所示.可通过设置字段间相互关系将两组本体进行关联(如设置IfcDoor与“门”等价)，即可加载推理得到校核结果，如图8所示.
图7 基于LinkedData的BIM模型与本体知识库合并结果Fig.7 Merging result of LinkedData-based BIM models with ontology knowledge base
图8 基于IFC与本体的合规性审查结果Fig.8 Compliance checking result based on IFC and ontology
1) BIM、本体技术等的发展将极大提高建筑图合规性审查的准确率与效率.在前人工作基础上，通过对审图规则的系统性分析梳理了建筑规则的一般形式，并针对BIM模型信息缺失问题，提出以Express-G图形化数据的建模方式，结合IFC扩展搭建构件属性信息、空间属性信息及构件与区域空间关系表达模型，建立了IFC数据属性扩展开发的模型基础，在现有基础上优化了建筑图自动审查框架.
2) 以档案馆建筑设计规范中审图规则及某档案馆工程BIM模型为工程实例，全面验证了本研究所提出的信息扩展方法、技术手段及优化框架.建立了建筑物自动化审查优化框架，以及具体的BIM模型信息扩展方法、本体模型构建技术手段及推理规则设计等，可以从审图的机制与需求上，逆向分析BIM数据的完整度及通用化推理规则的编制，全面实现审图规则的结构化分析以及与BIM数据的双向连接.在本研究的规则建立环节，仍需结合手动输入工作；
拟进一步将NLP与本体语义网相结合，探究审查规则的自动生成算法，为进一步提高建筑图审查效率.
