基于BIM技術的建筑施工進度優化研究

柳茂

摘 要： 針對建筑工程項目施工進度管理的信息完備性和管理效率不高的問題，提出基于BIM技術的建筑施工進度優化模型。采用建筑信息模型采集建筑工程項目的各項相關信息數據，對采集的建筑施工相關信息數據進行信息融合和優化聚類分析；利用參數模型整合各種項目的相關信息，建立建筑施工進度管理的幾何信息、物理信息、資金投入、時間、工序等參量的5D關系數據庫，優化建筑施工項目進度；最后通過仿真實驗測試性能，結果表明，采用該模型規劃建筑施工進度，可直觀、快速地將施工計劃與實際進展進行對比，快速、準確地獲得工程基礎數據，實現施工進度的信息化管理，節省開支，減少工期。

關鍵詞： BIM技術； 建筑工程； 施工進度； 信息管理

中圖分類號： TN98?34； TP391 文獻標識碼： A 文章編號： 1004?373X（2017）03?0103?03

Research on building construction schedule optimization model based on BIM technology

LIU Mao1， 2

（1. School of Construction Management and Real Estate， Chongqing University， Chongqing 400044， China；

2. Department of Engineering Management， Sichuan College of Architectural Technology， Deyang 618000， China）

Abstract： Since the information completeness and management efficiency of the construction schedule management for the construction project are low， a building construction schedule optimization model based on BIM technology is proposed. The building information model is used to collect the various relevant information data of the building project for information fusion and optimization clustering analysis. The parameter model is adopted to integrate the relevant information of each project， establish the 5D relational database （including the parameters such as geometry information， physical information， funding， time and process） of the building construction progress management， and optimize the building construction project schedule. The performance was tested with simulation experiment. The results show that the model used to plan the construction schedule can contrast with the construction plan and the actual progress intuitively and quickly， and the informatization management of the construction schedule was realized by acquiring the project basic data rapidly and accurately to save the money and shorten the time limit for a project.

Keywords： BIM technology； building project； construction schedule； information management

0 引 言

建筑工程施工進度管理關系著整個施工工程的效益和質量，加強建筑工程施工進度管理，能有效提高施工效率，節省工程開銷。工程進度管理貫穿于項目施工的各個環節[1?2]。影響施工工程進度的因素很多，比如項目設計規劃、土地開發費用的投入、材料費、工程造價以及建筑物體的物理信息、時間、工序等[3]。需要對建筑工程項目中影響施工進度的各項相關信息數據進行信息化處理和分析，采用一種數字信息處理手段實現建造管理的數據化分析[4?6]。

建筑信息模型（Building Information Modeling，BIM）是以建筑工程項目的各項相關信息數據作為信息分析基礎的建筑工程項目管理數字信息處理模型[7]。BIM技術是一種應用于工程設計建造管理的數據化工具，采用BIM技術進行建筑施工進度的優化管理和控制，具有廣闊的應用前景[8?9]。針對建筑工程項目施工進度管理的信息完備性和管理效率不高的問題，本文提出基于BIM技術的建筑施工進度優化模型。結果表明，采用本文模型規劃建筑施工進度，可節省開支，減少工期。

1 建筑信息模型構建

1.1 建筑工程施工信息熵

假設建筑工程的集成管理環境中建筑工程進度約束數據集[X=x1，x2，…，xn，][n]是數據集[X]的數目，在建筑項目策劃、運行和維護的全生命周期中，建筑工程施工項目的約束參量及[X]中的每個元素都是一個[P]維矢量，[X]含有[c]個類別，表示建筑物建造的支持向量集屬性，把建筑工程施工的約束向量機分為不同的類別屬性，包括建筑工程造價、建筑物的物理屬性以及施工工期等[7]，第[i]個類的中心為[vi=vi1，vi2，…，vip]。構建關聯知識庫，構建建筑工程施工相關信息的完備性正交基向量，用[y（k）]表示；[s（k）j]和[y（k）j]表示建筑信息模型系統線性輸入和可逆不變性輸出，得到建筑工程施工相關信息的完備性正交基：

[x（k）=[x（k）1，x（k）2，…，x（k）Nk-1]T] （1）

[s（k）=[s（k）1，s（k）2，…，s（k）Nk]T] （2）

[y（k）=[y（k）1，y（k）2，…，y（k）Nk]T] （3）

采用數據離散特征采樣方法構建在工程檢查區域范圍內數據采樣的[N]個離散點[A={a1，a2，…，aN}，]且滿足[a1

[V1={>a1，>a2，…，>aN-1}V2={≥a1，≥a2，…，≥aN}V3={

采用參數化建模將數據屬性并集中的[Dn]按照沖突調用計量區間[dn-max-dn-min?1K]劃分為若干個（[K]個）數據子集[Ak，][Ak]為工程量信息特征集，滿足[A1?][A2?…?Ak=A，]工程量信息可以根據時空維度進行特征分區，當[Ai?Aj=Ω，]其中[i，j=1，2，…，m]且[i≠j，]得到單個建筑施工工程構件[i]的信息熵：

[Hi（x）=k=1Kpkln1pk=-k=1Kpklnpk] （4）

采用簇內數據相干點尋優法對[Hi（x）]求取最大值[max（Hi（x）），]由此采集建筑工程施工相關信息，分析其特征。

1.2 建筑信息融合

在建筑施工進度優化管理中，采用BIM技術在建筑物建造前期協調各專業問題生成協調數據，通過構建參量分析模型融合建筑信息，若各種建筑信息定量值[x∈U，]且[x]是BIM建筑信息模型的差異性特征量[C]的隨機采樣結果，若[x]滿足：[x～N（Ex，En2），]信息熵[En～][N（En，He2）]，得到使建筑工程在整個進程中信息特征分解的最優化約束條件為：

[f1， μ1<αf2， μ2?f1μ2，otherwise] （5）

式中：[f2， μ1， μ2]分別表示建筑施工項目策劃、運行和維護的開銷系數，建筑工程集成管理的特征矢量[x1]和[x2]支持度滿足[C1（Ex1，En1，He1）， C2（Ex2，En2，He2），]通過碰撞檢查產生出[n]個信息融合區域，構建模糊函數進行建筑施工約束參量信息的特征篩選和模糊控制[8]，當訓練數據的特征信息分配在[[Ex-3En，Ex+3En]]分區范圍內，采用混沌自相似性融合原理得到建筑信息模型數字信息融合度：

[pi=f（di，d′i）N=Ti，Oj， f1，…，Oj， fn，Ti，…，Ti，On， f1，…，On， fn] （6）

式中：[Ti]表示通過構件信息自動生成的BIM建筑信息[Oj， f1，Oj， fn]共軛梯度邊值，用符號表示為[Ti∈][{T1，T2，T31，T32}]，[Oj， f1…Oj， fn]為建筑工程進度優化的奇異矩陣雙正則函數。

設定二維熵的閾值[H0]進行閾值判斷，當[H2

[L1=i=1n（si+p=1silp）] （7）

式中[l1，l2，…，lsi]表示解向量的熵融合特征串長度。

2 數據處理及模型優化

2.1 BIM建筑信息增益計算

對于BIM數據庫中的數據標量序列[y1]和[y2，]在特征空間分布的關聯聯合概率密度函數為[f（y1，y2），]構建建筑工程量信息分布數學模型為：

[yi=f（x1，x2，…，xm）] （8）

式中[m]表示BIM數據的分類屬性個數。

根據信息融合結果提取數據訓練樣本，得到建筑信息模型的齊次線性協調數據標量時間序列表達式為：

[z（t）=s（t）+js（t）?h（t）=s（t）+j-∞+∞s（u）t-udu=s（t）+jH[s（t）]] （9）

采用模糊C均值聚類算法對上述標量時間序列進行數據聚類[9]，根據建筑施工的BIM信息數據的歸類屬性分為[SC]和[Sr]兩大屬性種類，構建矩形窗函數[h（t）]進行C均值聚類，假設數據聚類的窗函數的寬度為[T=（2d+1）Ts，][Fs=1Ts，]令[A=a1，a2，…，an]為各種建筑信息的屬性集，[B=b1，b2，…，bm]為信息增益的類別集，[ai]的各種建筑BIM信息的歸類屬性集合為[c1，c2，…，ck，]通過模糊C均值聚類，得到數據聚類和信息增益的表達式為：

[BIM（B）=-i=1mpi×log2pi] （10）

[BIMA（B）=j=1vBjB×BIM（Bj）] （11）

[Gain（A）=BIM（B）-BIMA（B）] （12）

式中：[Bj]表示訓練集中含有[ax]屬性中的[cv]值的元素集合；[Gain（A）]表示信息增益量，通過信息增益量控制數據聚類的空間尺度，提高數據分析的準確性。

2.2 建筑施工進度管理的關系數據庫及進度優化

在采集的BIM信息數據集合[S]中構建建筑施工進度管理幾何信息、物理信息、資金投入、時間、工序等參量的5D關系數據庫。以BIM應用為載體，得到建筑質量與建筑工期的關系模型邊界條件為：

[RβX=UE∈URcE，X≤β] （13）

[RβX=UE∈URcE，X≤1-β] （14）

為了提高建筑質量、縮短工期、降低建造成本，把BIM建筑信息參量模型進行整合，輸入模型參量信息元[mi，j（1≤i≤n，1≤j≤k），]在項目管理信息化數據庫中得到特征分類的判別系數[λi ：1≤i≤S，]判別準則[Rj：1≤j≤L，]通過信息、復雜程度和時間的參量約束構建約束目標函數：

[Wq=W-X=1γk=1Kn=1Nkpk，n-N-1μ+rμr] （15）

通過參數模型整合各種項目的相關信息，在BIM約束參量模型中尋找所有匹配的特征點對，描述完整的工程信息，得到建筑施工進度管理的幾何信息空間更新迭代：

[μk+1=αμ+（1-α）μk] （16）

[σk+1=βkσ+（1-βk）μk] （17）

定義[D=（dγ）γ∈Γ]為物理信息特征空間[H]中向量組成的基函數集，在項目管理信息化模型中，利用數字模型對項目進行設計、建造及運營管理，得到幾何信息、物理信息、資金投入、時間、工序等參量的5D關系數據庫模型的解空間矩陣：

式中：[A]為[m×n]矩陣；[A?A]和[A?A]為奇異矩陣的共軛特征。

考慮在齊次線性子空間的平穩特性，利用三維數字模型預測建筑數據，構建5D關系數據庫，實現對建筑施工進度管理BIM信息數據完整、準確地分析和預測，整合BIM模型后，可提高建筑施工項目管理的精細化水平，逐步實現建筑施工項目管理信息化。

3 仿真實驗

3.1 實驗環境

利用Autodesk Revit MEP和Autodesk Revit Architecture建立BIM建筑信息模型，結合AutoCAD Civil 3D建立建筑施工進度管理的5D關系數據庫模型，憑借BIM直觀表達及智能信息管理，選擇5 000個數據采集節點進行建筑施工的相關信息原始采樣，數據采樣對象包括建筑構件的物理信息、工程造價信息、材料成本信息和施工時間進展信息等20萬個數據對象，給出其中一段信息的采樣結果如圖1所示。

3.2 結果與分析

通過數據加載，讓參量數據及時進入5D關系數據庫，根據BIM技術進行數據加工和信息處理，優化控制建筑施工進度，圖2和圖3給出了不同模型進行建筑施工進度控制在施工成本和施工進展時間方面的性能對比。

從圖2和圖3可知，采用本文模型進行建筑施工進度控制，參數模型整合各種項目的相關信息，節省了成本開支，平均成本開支比傳統方法節省了22.45萬元，降低了工程造價開銷，同時提升了項目生產效率，縮短工期（平均工期縮短40余天）。

4 結 語

本文提出基于BIM技術的建筑施工進度優化模型，研究結果表明，該模型能夠優化建筑施工進度，實現了施工進度的信息化管理，提升了項目生產效率，降低了成本開支，縮短了工期。

參考文獻

[1] 徐家云，鄧志勇.基于時變可靠度的橋梁加固經濟性評估[J].自然災害學報，2005，14（5）：162?165.

[2] 邵旭東，彭建新，晏班夫.基于結構可靠度的橋梁維護策略優化研究[J].工程力學，2008，25（9）：149?155.

[3] 何輝.建設工程施工過程造價控制的重點與對策[J].浙江水利水電?？茖W校學報，2006，18（3）：64?66.

[4] 蔣蕓，陳娜，明利特，等.基于Bagging的概率神經網絡集成分類算法[J].計算機科學，2013，40（5）：242?246.

[5] 陳昊，楊俊安，莊鎮泉.變精度粗糙集的屬性核和最小屬性約簡算法[J].計算機學報，2012，35（5）：1011?1017.

[6] 徐曉斌，張光衛，孫其博，等.一種誤差可控傳輸均衡的WSN數據融合算法[J].電子學報，2014，42（6）：1205?1209.

[7] 楊海霞.基于改進數據過濾算法的異構數據庫優化挖掘技術[J].科技通報，2013，29（6）：125?127.

[8] 周子英，段建南，向昌盛.基于PCA?SVM的區域工程耗費估計研究[J].計算機仿真，2011，28（4）：375?378.

[9] KARLSSON J， ROWE W， XU L， et al. Fast missing?data IAA with application to notched spectrum SAR [J]. IEEE transactions on aerospace electronic systems， 2014， 50（2）： 959?971.