基于BIM技術的地產住宅智能建造研究

中圖分類號：TU17 文獻標志碼：A 文章編號：2095-2945(2025)14-0114-04

Abstract:Takingtheintellgentconstructionofprefabricatedresidentialbuildingsastheresearchobject，acomplete technicalprocessasonstructedandanintellgentethodforalocatingconstructionplanswasproposedTheentireitellient constructionprocesofprefabricatedresidentialbuildingsisdividedintofivestages:preparationanalysisstage，Bdesigntage， materialpreparationstageconstructionstage，andoperationandmaintenancestage.Asmartalocationmethodforprefabricated residentialconstructionschemeshaseenproposedanddetailedprocesingisprovidedfrom5aspects:spatialpyramidpooling procesing，introuctionofpathaegationnetwok，YOLOv4basedaderdesignlabelsmoingprocessng，andlossfunction design.Theexperimentalesultsshowthattheconstructionplanforprefabricatedhousingbasedoninteligencehassignificantly reduced the cost of engineering materials.

Keywords:buildinginformationmodeling；prefabricatedhousing;inteligentconstruction；performancetesting;construction process

信息技術在建筑領域中的應用，極大地推動了建筑技術的變革和建筑效率的提升，而由此產生的BIM技術也正式打開了建筑工程實施的新篇章。與此同時，裝配式建筑作為一種全新施工的手段，也極大地改進了現場施工的效率，將建筑施工提升到一個新的層次。裝配式建筑施工，是根據設計結果對建筑工程所需的大型構件進行工廠化處理，以一種標準化加工的方式取代原有的施工模式。當這些裝配式結構單元在工廠完成加工后，運送到施工工地現場，通過可靠性較高的技術手段連接在一起，即可以完成整個建筑任務的施工。顯然，裝配式建筑的施工效率大大高于傳統施工手段，并且有利于大型工程項目的單元化、標準化，也有利于推動建筑領域的細化分工。裝配式建筑施工的出現，不僅對于目前廣泛采用的混凝土結構具有較強的實用性，對于鋼結構為主體的建筑工程甚至木質結構為主體的建筑工程，都有較好的推廣屬性和應用價值。可以說，BIM技術和裝配式施工的同時出現，已經為智能建造做好了技術型鋪墊。為此，本文以裝配式住宅為具體研究對象，探討其智能建造的流程和方法。

1基于BIM技術的裝配式住宅的智能建造流程設計

智能建造是廣泛應用各種先進科技手段，包括互聯網技術、軟件設計技術、信息技術、數據挖掘技術、物聯網技術和深度學習技術，改造建筑工程設計施工流程、提升建筑工程建造效率的一種全新領域。

本文中，以裝配式住宅為具體研究對象，結合包括BIM技術在內的各種先進技術給出智能建造的流程設計，結果如圖1所示。

從圖1中可以看出，在智能建造的技術框架體系內，本文針對裝配式住宅這一建筑對象，將其整個智能建造流程劃分為5個環節，分別是項目準備分析環節、項目BIM設計環節、項目材料籌備環節、項目施工建造環節和項目運行維護環節。下面對這5個環節的具體工作進行逐一闡述。

1.1 項目準備分析環節

任何一個建筑工程項目在啟動后，第一個環節都是準備分析環節。實際上，這個環節的主要工作就包括了對工程項目整體分析、利潤分析、工期分析、風險分析、難度分析和原材料市場分析等，而各種分析的目的就是決定是否執行這個項目、怎樣執行這個項目。換言之，就是要得出戰略決策和方案決策。

在傳統建造時期，戰略決策主要由領導層和最高領導來決定，并且最高領導最后的個人意愿將極大地影響戰略決策。方案決策主要由技術部門和技術部最高領導來決策，他們主要依靠以往工程的經驗來得出具體實施方案。但無論是戰略決策還是方案決策，都極大程度地受到領導層、技術部門、領導個人的主觀判斷和經驗的影響，屬于典型的定性分析，這就具有很大的偶然性，從而帶來相當程度的風險。

在智能建造的今天，無論是戰略決策還是方案決策，都應該建立在廣泛收集相關信息資料并進行大數據挖掘、基于智能算法的決策分析的基礎上。可以說，智能建造的準備環節，由定性分析徹底轉變為基于現代信息技術、智能技術的量化分析，從而大大提高工程成功率和利潤率，將可能出現的風險降低到最低限度。

1.2項目BIM設計環節

在準備分析環節之后，建筑工程項目進入到詳細的設計階段。也正是通過合理的設計，才能確定后續的施工方案、材料選擇、工期進度和利潤高低。在傳統建造時期，這一工作是通過設計小組一張張圖紙、財務小組一份份報表得出的，不僅工作量繁重，也存在設計錯誤、計算錯誤的潛在風險。

在智能建造的今天，工程項目的設計和分析，徹底轉變為基于BIM的軟件設計。相比于AutoCAD的二維設計，BIM設計具有更加豐富的設計信息和細節展示功能，并通過單元化的、三維化、可操控的視覺展示，讓設計結果一覽無余。不僅如此，BIM設計結果帶有強大的數據關聯，可以將每一個設計單元的材料、成本都體現出來，給后續的材料籌備和施工建造環節提供極大的便利。

1.3項目材料籌備環節

通過BIM技術獲得工程項目的設計結果之后，就可以進人材料籌備階段，其目標主要是為施工建造階段做好準備。這一時期需要考慮的是整個工程所需的資金流，必須根據工期的推進進度合理的安全資金流，避免因資金不足無法購進當期材料而影響工期進度。

在智能建造的今天，材料籌備環節要充分考慮后續的施工建造存在大量的裝配式單元，這些單元可能外包給其他施工單位，也可能分配到本公司下屬的某些具體部門，這一部分的外包成本就取代了原有的材料購進成本。項目籌備環節還要充分利用現代物流技術，以最高效的物流運輸降低配送成本。

1.4項目施工建造環節

項目施工建造階段，也要充分利用裝配式建造技術，最大限度地實現建筑單元的標準化、流水線化。通過這種分工的細化處理，大幅度地降低建造成本。

在不能進行裝配式處理的其它施工工作中，要充分利用各種現代化的智能機械、建造工具、檢測工具，最大限度地提升施工建造的質量和效率。

1.5 項目運行維護環節

在工程項目完成施工建造后，整個項目并未結束，還需要經過后續的驗收、階段性測試使用、運營維護等環節。

在這一環節中，BIM技術將再次發揮其作用。如果工程項目的某個單元出現問題，就可以充分利用BIM技術對應找到其細節和原始信息，從而為問題的解決、缺陷修復找到準確而行之有效的方案。

2基于智能算法的裝配式住宅任施工務量分解

在接下來的工作中，將探討裝配式住宅在施工階段，如何進行施工單元的智能化方案設計，這里主要通過大量的工程案例對深度網絡進行訓練。這里的深度學習網絡，采用了FasterCNN網絡，對其中的幾個關鍵環節進行了進一步處理。CNN在住宅建筑施工中的應用，如圖2所示。

2.1 CNN網絡的整體池化

CNN網絡是一種非常典型的深度學習網絡，學習效率高、逼近性能好，并且結構易于調整和拓展，以適應不同類型的問題。對于本文中的學習任務而言，實際上是將地產住宅的各種二維模型或者三維模型作為輸入，經過卷積處理和融合訓練學習，最終形成更為合理的二維或三維設計結果進行輸出。在這個過程中，不同模型的輸入、不同網絡結構的大小，都會導致學習或訓練過程中的不確定性。這時，就需要通過池化處理解決不同網絡結構的局部不對應問題。

在深度學習框架中，常見的池化處理有平均池化和最大池化2種形式。這2種形式的核心目標只有一個，對輸入模型的維度或尺寸進行調整。考慮到本文中建筑模型這種輸入的特殊性，沒有使用平均池化和最大池化2種常見的處理方式，而是提出了一種SPP的池化結構。這種結構的優勢在于，池化后的結果可以完全繼承輸入模型的結構特征，并且可以根據訓練過程中的需求，靈活地調整池化模板的大小。這種尺度上的可控性，確保了深度訓練過程中建筑結構模型的靈活縮放，而其局部細節特征也不會丟失。

2.2 使用聚合處理完成全連接

基于CNN網絡的深度學習過程，從輸入到輸出包含了很長的路徑。在這個路徑上要經過多次的卷積處理、池化處理，最終連接后形成完整的輸出。對于建筑模型的輸入而言，經過每一層級的處理后，會形成對應的特征圖。每一次卷積處理，相當于對建筑模型的特征進行了一次計算，這樣會形成有別于先前特征的新特征。每一次的池化處理，相當于對特征圖的尺寸或者分辨率進行了重新調整和映射。因為卷積層和池化層的不同設置，可能導致新的特征圖之間存在差異而無法匹配。

為了解決上述問題，這里采用了一種聚合處理的方法。在每一次卷積計算后，對同類特征進行聚合操作，從而是特征圖之間的差異最大限度的減小，利于多次卷積之后的特征匹配。這里的聚合處理，采用的事PANET子網絡模塊結構，對于建筑模型中的不同單元具有很好的分割性能，同時可以提取出更多的有效特征。根據不同設計任務的需要，PANET子網絡模塊結構可以靈活地調整分辨率的大小，從而形成不同的特征模塊。PANET子網絡模塊結構的處理方法，同樣適用于池化處理后的聚合操作。這樣，全連接之前的特征圖之間的差異問題就得到了很好的解決。由此得到的處理結構，如圖3所示。

3裝配式住宅智能建造的實驗結果與分析

在前面的工作中，給出了裝配式住宅智能建造的流程和施工方案的智能化分析方法，下面通過5個工程用料的分析實驗來驗證本文方法的性能。這里以住宅常規施工成本為參照，選擇一般的裝配式住宅施工方法為對比方法，形成和本文提出的智能化裝配施工方法進行對比，結果如圖4所示。

從圖4中的結果可以看出，相比于傳統建造方法，基于裝配式的施工方案在工程用料上已經有了一定程度的節省，但均值在 10% 以下。通過本文第二節構建的基于深度學習的裝配式智能施工方案分配，工程用料有了更加明顯節省，平均節約程度提升到 15% 左右，從而證明了智能建造方法的有效性。

裝配式住宅的BIM設計結果，分別如圖5一圖10所示。

面

4結論

信息技術、物聯網技術、數據挖掘技術、深度學習技術，深刻地改變了建筑工程領域。本文中，以裝配式住宅的智能建造為研究對象，構建了完整的技術流程并給出了一種施工方案分配的智能化方法。在智能建造的技術框架體系內，將裝配式住宅整個智能建造流程劃分為5個環節，分別是項目準備分析環節、項目BIM設計環節、項目材料籌備環節、項目施工建造環節和項目運行維護環節。基于深度學習，提出了一種裝配式住宅施工方案的智能分配方法，并從5個環節給出了詳細處理。實驗結果表明，基于智能化的裝配式住宅施工方案處理，工程用料成本節約在 15% 左右。

參考文獻：

[1]李麗紅，耿博慧，齊寶庫，等.裝配式建筑工程與現澆建筑工程成本對比與實證研究[J].建筑經濟，2013(9)：102-105

[2]左穎.基于BIM技術的裝配式建筑太陽能集成設計優化探究[J].太陽能學報，2023，44(5):490-495.

[3]李先躍.房屋建筑裝配式混凝土結構施工關鍵技術探析[J].全體育，2020(24):165-166.