BIM技术驱动的智慧工地数据流程与创新应用

1 研究背景随着建筑施工行业对信息化建设探索地不断深入，智慧工地应运而生。将云计算、大数据、物联网、建筑信息模型（BIM）等先进技术与建造技术深度融合，对建筑业的转型升级和可持续发展起到了重要作用。其中BIM技术是智慧工地平台建设的关键支撑。（1）BIM模型作为现场施工信息的载体，能实现抽象数据与现场施工实体的关联。（2）BIM数据作为智慧工地数据库的基础，有助于提升抽象的施工过程数据的结构化程度，提高数据的管理效率。（3）施工现场人员专业能力不同，对技术理解有差异，BIM技术的可视化特性和标准化数据能提高协作质量，提升管理效率。研究BIM技术驱动下的智慧工地数据流程有助于挖掘数据潜力，创新应用方向，为更广阔的数字化施工管理需求赋能。2 基于BIM的智慧工地平台架构基于BIM的智慧工地平台，从架构上说，可分为3个层级。（1）终端。主要通过物联网传感器和移动设备，实时采集施工现场动态数据，为高效的施工过程分析和管理提供数据基础。（2）平台。通过搭建通用数据环境（CDE），也可称作通用数据库，用于为整个项目团队提供收集、管理和传递图纸、文档、BIM模型和非模型信息的单一数据中心。这种单一数据环境有助于项目成员之间的协作，并有助于避免重复和错误。多源异构数据经过治理后存入通用数据库，可供IoT物联网平台、大数据智能分析平台、数据资源规划平台等筛选和调用，进行计算、分析、数据关联和任务驱动。（3）应用端。从业务目标出发，为不同施工任务和场景提供便捷的数据分析成果展示、施工数据查询、过程数据交互的各种应用模块，使项目的管理过程更加高效和精益。3 基于BIM的智慧工地数据流程3.1 原始静态数据的创建这一阶段可使用设计BIM模型，按施工管理需求进行深化和修正，也可由施工图纸直接创建用于智慧工地平台的施工BIM模型。需明确施工阶段所需要的数据类型和内容，制订数据管理机制，编制统一的构件命名规则，建立标准化的模型样板，在此基础上开展BIM模型的创建和基本信息录入的工作。由于智慧工地平台的应用贯穿施工阶段并且能为运营提供服务，BIM模型创建时需预留与采购、施工、运营、管理等相关的数据接口。原始静态数据上传至智慧工地平台的通用数据环境后，应按项目阶段更新维护。3.2 过程数据的更新与维护基于BIM的智慧工地使得施工管理由粗放式走向精细化，而精细化管理模式的前提是数据的真实性和及时性。因此需建立有效的数据更新和维护机制，此阶段通常有两种数据：静态管理数据、动态管理数据。对于静态管理数据，一般是在编制施工组织设计时确定的数据内容，与施工管理的需求相关，如产品型号、建造计划、成本、编码等信息数据。这类数据应在智慧工地平台中按阶段录入更新，再与BIM模型数据关联，需要通过专人审核再正式存入智慧工地平台数据库中，以此保障数据的真实性。对于动态管理数据，一般是因人员活动或事件改变而产生的管理数据，如真实的施工进度、施工任务开展情况、材料和构件生产与进场安装阶段、质量巡检结果等。这类数据应随着施工进展，由项目管理人员按一定周期录入智慧工地平台，或通过技术手段实现自动化录入。例如施工进度数据，通过无人机航拍定期更新现场进度数据，导入录入智慧工地平台与BIM模型比对，生成进度报告；例如材料管理数据，通过工地现场地磅系统自动识别运输车辆车牌和皮重，自动生成带二维码的运料单，根据预设材料单价和运输价格，同步上传至智慧工地平台生成结算表；例如质量巡检数据，检查人员直接使用App系统对各工序进行实时质量跟踪检查，系统平台质量巡检数据与BIM数据对接，通过发起系统流程促使检查人员及时完成安全质量巡检记录、整改记录、整改审核记录等，并进行月度巡检数据的统计分析。动态数据的更新需按标准化的流程保证其及时性，必要的情况下，还可与BIM模型数据进行动态关联。3.3 动态监测数据的集成采集动态监测数据通常有两种用途。一类用于操作自动化设备，例如采集打孔机器人的坐标数据，基于BIM模型数据提供的空间信息，驱动机器人开展自动化施工。另一类用于分析和预警施工现场情况，例如视频监控作业面进展情况和重要出入口车辆人员进出，例如现场的设备仪表和传感器监测到的能耗和环境数据等。动态监测数据依托于网络技术实时传输，例如Zigbee、LoRaWAN、NB–IoT等通信技术实现物与物在物理上的连接通信，再例如REST/HTTP、MQTT等通信协议支撑设备通过互联网进行数据交换及通信。这些动态监测数据将在智慧工地平台上集成、执行分析，并反馈预警结果或驱动特定的控制命令。4 基于BIM的智慧工地数据创新应用传统的智慧工地着力于解决技术、进度、成本、质量、安全的问题，基于BIM的智慧工地能进一步挖掘数据的价值和多元化的数据应用场景，以施工过程数据与BIM模型数据结合为基础，从“协作、洞察、预测”这3个层面提升施工现场管理的“智慧”。4.1 增强现实（AR）简化施工协作施工现场的协作复杂，采用增强现实技术可同时同地展示现场实际情况和可视化的BIM模型，辅助项目人员基于直观的统一数据源进行沟通和决策。提取BIM模型的构件几何形体数据，设置基准点坐标，上传至智慧工地平台的通用数据库。使用增强现实设备接入智慧工地平台网络环境，扫描现场基准点，即可在增强现实环境中定位和显示模型。借助此技术，将设计数据与现场实际场景进行“虚实结合”的展示与推敲，将使得跨团队沟通与协调事半功倍，尤其是在复杂环境施工前、结构施工预留预埋、复杂空间机电与装饰安装等实施环节有明显增效。4.2 实时定位（RTLS）提升安全洞察力成熟的实时定位系统是硬件和软件两个维度的结合，共同提供监测目标的位置信息，例如汽车的GPS导航系统是人们生活中最常见的实时定位技术应用。在建筑施工现场，实时定位系统可被创新地部署于建筑物的内部空间，来解决施工安全的问题。例如项目人员穿戴安装了实时定位装置的施工背心或施工头盔，其定位数据将实时传输至智慧工地平台，并与BIM模型数据进行比对。项目管理人员可在应用端的可视化模型中查看现场各区域人员的位置和一段时间内的人流量。还可以在BIM模型中指定危险区域，当项目人员走进危险区域时，人员的实时定位坐标与危险区域重叠，即可在智慧工地平台上（包括联动的现场预警设备和可能的工人穿戴设备）进行预警，规避安全问题。4.3 环境监测（EM）加强现场洞察目前国内对于绿色施工的要求极高，其中施工现场对于外部环境的影响是项目实施过程中的重要监控指标，包括扬尘、烟雾、光、噪声等。传统对于环境管控要求较高的项目，施工现场会安装环境监测系统。系统一般包括气象监测采集、数据传输处理、温度湿度监控、扬尘噪声监控、互联终端查询等模块。目前智慧工地平台借助对已有BIM数据和周围环境数据的承载，传统传感器采集的温度、湿度、扬尘含量等海量数据可依托BIM模型的空间区域和构件目标进行结构化和可视化表达。将环境监测系统集成进智慧工地平台，监测数据可在平台上集中显示，信息公开透明，便于项目各参与方监督。经过智慧工地平台对环境监测数据的分析和处理，可驱动智能降温降尘系统，开启对应区域的消防和喷淋设施，并在施工人员移动终端预警。图1展示了一个集成了扬尘传感器信息的智慧工地平台，可在平台上直观查看基于BIM数据的监测结果，当某个施工区域扬尘超标，则在平台上发起预警，指导施工人员撤离并触发自动喷淋。图1 智慧工地平台上的人员实时定位示意（Skanska案例）4.4 人工智能（AI）驱动风险预测建筑行业数据源正呈爆炸式增长，全球施工工地近两年产生的数据量是过去百年来的总和。如何充分利用数据产生价值是目前行业数字化研究的重点之一。除了智慧工地的常规应用，如基于数据对项目当前的安全、质量、进度进行管理外，借助人工智能（AI）技术的力量，通过对过往海量施工数据的学习和训练，预测分析、安全观察和安全监控降低当前项目的风险，是目前智慧工地平台应用端的热门研发方向。例如北美的NewMetrix科技公司推出的人工智能是专门针对建筑安全风险进行训练和构建的，使用了超过1000个项目的安全事件数据和1700多万张建筑图像的数据库，可以识别风险指标，根据风险对项目进行排名，并预测哪些20%的项目将在接下来的一周发生80%的安全事件。例如英国的GallifordTry工程公司采用训练有素的AI系统，可快速地将杂乱的工地数据结构化，并将安全相关数据整理成图表用于分析汇报，解放项目经理每周8~10 h的工作时间。AI系统还可以识别现场照片和视频中的危险行为，例如施工人员缺乏防护装备、乱堆乱放施工物料、不安全施工操作等情况，及时警示和管理潜在风险。基于数据的预测其核心是使用数据改变行为，其数据流程分4个阶段。（1）数据收集。使用过去的同类型项目数据，包括BIM数据、智慧工地平台收集的过程数据等。（2）数据分析。将AI应用与智慧工地平台做集成，提供项目各参与方数据分析权限，以做出知情的、主动的决策。（3）预测部署。将当前项目与AI训练使用的施工数据库做基准测试，提供施工任务风险预测，并提供降低风险的建议。（4）风险预警。AI预测结果通过可视化处理，在智慧工地平台上进行展示，推送数