新发明专利：一种规范自动解译的BIM智能审图方法、系统和介质

郑哲陆新征课题组

2023年03月01日 07:00

本文原载于林佳瑞老师的公众号：智能土木ABC

太长不看版

问：要实现AI智能审图总共分几步？

答：三步。

第一步，让AI学会读懂用人类自然语言写成的规范条文

第二步，让AI把规范条文翻译成计算机代码

第三步，基于BIM模型逐条检查是否符合规范要求

详见：

发明名称：一种规范自动解译的BIM智能审图方法、系统和介质

发明人：林佳瑞；郑哲；周育丞；陆新征

专利号：ZL 202111214873.9

申请日期：2021年10月19日

专利概述

本发明属于建筑审图技术领域，涉及一种规范自动解译的BIM智能审图方法、系统和介质，包括：根据审图需求对规范进行结构化和预处理；对规范条文语义标注和语法解析，从而建立语法树；建立语法树中规范条文的关键词与计算机语言术语的映射关系；根据映射关系将规范条文转化为计算机审图命令；根据计算机审图命令对BIM模型进行审图，并输出审图结果。其降低了规范构建的成本，用户可以根据自身审查需要，输入自然语言表达的规范，无需依赖专业人员将规范逐条编写为特定计算机语言下的可执行代码，降低了审查规范的构建成本，实现BIM图纸的智能审查。

专利的主要步骤如图1所示。

图1 规范自动解译的BIM智能审图方法的使用步骤

背景与现有技术

公共法规、规范和标准规定了建筑在设计、施工、运维等过程需要满足的要求。目前，需要基于冗长的标准规范条文、知识和经验，依据繁琐的流程，人工对二维设计图纸进行建筑法规的合规性检查与建筑审图。面对海量的图纸、建筑数据，人工合规性审查方法耗时，人力成本高且依赖主观判断，容易出错。

智能审图，或自动合规性审查（Automated Compliance Checking，ACC），是一种基于计算机实现审图过程自动化的方法，能解决人工审图效率低下、成本高、依赖主观判断、准确率低等问题。现有自动审图的相关技术可大体分为两类,第一类是基于CAD （Computer Aided Design）二维图纸的合规性审查，第二类是基于BIM（Building Information Modeling）三维模型的合规性审查。由于二维图纸通过面线表达空间信息，通过文字标注表达属性信息，其建筑信息的表达能力有限，二维图纸审查系统难以对部分复杂规范进行审查。基于BIM的审图方法大大提高了审图效率，降低了审图成本，摆脱了传统图形软件对计算机高性能的要求。

但是，现有的基于BIM的审图方法的规范解译部分都是基于硬编码机制，所谓硬编码机制即需要将工程建设强制性标准规范条文逐一录入客户端，并保存在规范集中或预存在数据库中。这样的方法具有以下的缺点：一、构建成本高。硬编码的方法依赖同时具备土木工程与计算机知识的专业人员进行规范解译，从而人工逐条将土木工程规范编写为特定计算机语言下的可执行代码，费时费力。二、可拓展性低。一方面，人工解译仅可将规范条文解译为某一种可执行代码，其只能应用于某一种特定的计算机语言或运行环境，当计算机语言或运行环境发生改变，就需要重新进行规范解译，导致规范不易拓展。另一方面，现有BIM审图的方法是基于特定格式BIM模型进行审查，不同软件建立的BIM模型可能会存在不兼容的情况，导致模型不易拓展。三、维护成本高。现有BIM审图的系统维护成本高，由于建筑行业会经常出现新的规范条文，或对规范条文进行修改，用户无法根据需要及时更改，所有规范的变更都依赖专业人士进行发现和维护。

支持自动规则解译的智能审图框架

1）整体架构

针对上述问题，本发明的目的是提供一种使用户可以根据审查需求快速将规范等文本转化为计算机能够执行的命令，即规范自动解译的BIM智能审图方法、系统和介质。

为实现上述目的，本发明采取以下技术方案：一种规范自动解译的BIM智能审图方法，包括：一、预处理：根据审图需求对规范进行结构化和预处理；二、结构解析：对规范条文语义标注和语法解析，从而建立语法树；三、规则生成：建立语法树中规范条文的关键词与计算机语言术语的映射关系；根据映射关系将规范条文转化为计算机审图命令；最后根据计算机审图命令对BIM模型进行审图，并输出审图结果。整体框架如图2所示。

图2 规范自动解译的BIM智能审图方法的整体框架

2）规则生成模块：语义对齐及冲突消解

规则生成为本发明所提出的算法的核心步骤，此步骤旨在将语法树中以自然语言表达的概念与计算机设计模型中的概念进行一一对齐，即使“二者说同一种语言”。

图3&图4展示了语义对齐及冲突消解的流程示例。具体而言，本实施例中采用维基百科中文语料和中文规范语料库训练词向量模型，从而计算文本表达的概念与本体概念的语义相似度，实现初步语义对齐。随后提出两类冲突消解方法，即域-值冲突消解方法和等价类冲突解决方法，根据土木工程领域知识修改语义对齐结果。在语义对齐和冲突解决之后是代码生成环节，本文采用一种基于领域关键词与规则的条文分类方法，以识别出适合不同条文的SPARQL函数；最后执行代码生成步骤以将语法树转换为计算机可处理的格式（本文以SPARQL为例）。

图3 语义对齐和冲突消解示例

图4 规则生成模块示例

实验验证

选择《中国建筑防火设计规范》（GB 50016-2014）第3章中的强制条文作为数据源，并建立了条文分类、语义对齐的数据集。语义对齐数据集包括27种类型的语义对齐标签，99个句子和468个语义对齐标签。数据集可以在https://github.com/SkydustZ/auto-rule-transform 上找到。

首先对不同语义对齐方法的性能进行评估，以准确率和运行时间作为评价指标，结果如表1所示。关键字匹配相关算法的准确率最低，KW为55.8%，KW-Weighted算法的准确率为65.2%。基于语义相似度匹配的方法（W2V-avg，WQ2V-tfidf，WMD）的准确率高于基于关键字匹配的算法。所提出的语义相似度和冲突消解算法（W2V-avg+conflict resolution）达到了90.1%的最佳准确率。

表1 不同语义对齐方法的性能

表2显示了本文的方法和以前的方法可以自动解译的规则类别。由于SPARQL语言提供了预定义的函数，这些函数更适合简洁地表示具有隐含属性（如数量、派生属性）的审图规则。因此，本文提出的方法可以解译2.1和2.2类的规则。

表2 可解译规则类别

最后对所提出的自动规则解译方法效率进行评估。选择 4 个直接属性简单条文（Class 1）和 8 个间接属性复杂条文（Classes 2.1 & 2.2）。将所提出的方法所消耗的时间与专家人工解译所消耗的时间进行比较，结果如表3所示。所记录的时间为将规则从自然语言解译为可正确运行的SPARQL所花费的时间。结果表明，即使考虑人工修正时间，自动规则解译所消耗的时间仅是人工解译时间的五分之一，如表3所示。

表3 自动规则解译方法消耗的时间比较

应用实例

本文中对一个实际工厂建筑实施规则检查，选择三个示例规则，包括一个直接属性简单条文和两个间接属性复杂条文。利用所提出的方法，将规则解译为SPARQL代码，并使用GraphDB执行代码，以检查模型合规性。图5显示了规则解译及模型检查结果，所提出的系统正确进行了规则解译并发现了模型中不符合规范之处。检查结果提供不合规元素的全局 ID，用户可以根据全局 ID 直接定位到不合规的构件。

图5 使用提出的ARC系统进行消防设计合规性检查的实例

结论

本发明提出了一种规范自动解译的BIM智能审图方法、系统和介质。用户可以根据具体的审查需要，输入自然语言表达的规范，无需依赖专业人员将规范逐条编写为特定计算机语言下的可执行代码，降低了审查规范的构建成本。

（1）在语义对齐算法方面，所提出的语义相似度匹配与冲突消解算法达到了90.1%的最佳准确率，并可支持数量计算等复杂审图规则的自动推理。

（2）将所提出的方法所消耗的时间与专家人工解译所消耗的时间进行比较，即使考虑人工修正时间，自动规则解译所消耗的时间仅是人工解译时间的五分之一，所提出的规则解译方法大幅提升了审查效率。