CN108920826A - 一种从建筑信息模型设计过程生成及分析社会网络的方法 - Google Patents

Abstract

本发明公开了一种从建筑信息模型设计过程生成及分析社会网络的方法，包括以下步骤：S1：从多个项目的建筑信息模型设计过程中获取来自多个执行者的分布式日志数据，从分布式日志中获取与设计活动相关的信息；S2：根据步骤S1获得的信息识别出各执行者的身份及关系，从而获得多个执行者构成的节点之间的关系的加权社会图并创建一个社会网络；S3：基于由节点组成的网络结构和连接各节点的加权关系分析社会网络的网络结构配置。本发明基于BIM的协作设计事件，挖掘社会网络的设计事件日志，从中提取隐含的组织间过程信息，从而实现更广泛及深入的协作网络的建立及考察。

Description

一种从建筑信息模型设计过程生成及分析社会网络的方法

技术领域

本发明属于工程信息技术领域，更具体地，涉及一种一种从建筑信息模型设计过程生成及分析社会网络的方法。

背景技术

建筑信息模型(BIM)已经在建筑，工程和建筑(AEC)行业中广泛使用，以适应多个设计过程参与者之间的有效协作。BIM提供了一个协作平台，促进各专业设计参与者之间的信息交换和共享，以实现更好的决策。社会网络挖掘用于探索工作流程的社会背景，更好地了解社会环境可能会显示信息系统与其用户之间的错位，从而可以提供对提高流程和组织效率和效率的有效意见。社会网络挖掘旨在通过嵌入在事件日志中的信息创建社会图，并确定在此过程中执行的大量执行者之间的关系。

社会网络分析(SNA)是研究复杂系统的有力工具，但主要问题是数据收集的艰巨任务，由n个执行者组成的网络需要识别n(n-1)/2对执行者的属性。传统上，有几种手段收集这样的社会网络数据，包括问卷调查、访谈、观察、会议、实验、电子邮件和社会媒体。然而，这些数据收集手段对于数据处理和网络建模而言效率过低。依赖于构建社会网络的传统方法收集的数据量仅限于一小部分受控制的参与者群体，导致分析更广泛和更深入的协作网络的能力受到限制。

发明内容

针对现有技术的以上缺陷或改进需求，本发明提供了一种从建筑信息模型设计过程生成及分析社会网络的方法，其目的在于，基于BIM的协作设计事件，挖掘社会网络的设计事件日志，从中提取隐含的组织间过程信息，从而实现更广泛及深入的协作网络的建立及考察。

为实现上述技术目的，本发明提供了一种从建筑信息模型设计过程生成及分析社会网络的方法，包括以下步骤：

S1：从多个项目的建筑信息模型设计过程中获取来自多个执行者的分布式日志数据，从分布式日志中获取与设计活动相关的信息；

S2：根据步骤S1获得的信息识别出各执行者的身份及关系，从而获得多个执行者构成的节点之间的关系的加权社会图并创建一个社会网络；

S3：基于由节点组成的网络结构和连接各节点的加权关系分析社会网络的网络结构配置。

进一步地，步骤S1包括如下子步骤：

S11：通过云数据库定期收集分布式日志文件；

S12：解析器来自动解析分布式日志文件的指定信息项，并以逗号分隔值格式存储；

S13：对步骤S12得到的存储文件连续评估命令行，去除空值或错误的命令后，保留有效命令的命令行，作为新数据放入干净的日志文件中。

进一步地，步骤S2包括如下子步骤：

S21：识别执行者在设计建筑信息模型时于分布式日志文件中留下的痕迹，并将有关执行者的信息保存在步骤S13创建的干净的CVS文件中的“用户ID”列中。

S22：通过四种类型的指标来定义不同执行者之间的关系：

(1)度量类型I基于已知的和/或可能的因果关系，并监视工作如何在执行者之间移交；

(2)度量类型II是根据联合案件，确定两人在同一工程中的工作频率；

(3)度量类型III是以联合活动为基础，重点关注两人进行的相同活动；

(4)度量类型IV是基于两个人面临的特殊事件类型和帐户相同的事件；

S23：加权关系用于评估合作环境中个人之间协作的强度，根据设计者中使用较少命令的设计者来衡量协作的强度；用N和K分别代表设计师的总数和项目的总数；p_ijk代表在第k个项目中设计师i和设计师j之间有效的命令数，i,j＝1,2,…,N；k＝1,2,…,K；w_ij表示设计师i和设计师j对所有K个项目的命令总数，其代表了设计师i与j之间的协作强度；计算p_ijk和w_ij的公式如下：

其中，p_ik代表设计师i对于第k个项目的有效命令总数，p_jk代表设计师j对于第k个项目的有效命令总数；

根据p_ijk和w_ij构建协作矩阵来表示设计者之间的加权关系，即获得加权社会图并创建一个社会网络。

进一步地，步骤S3中的社会网络分析包括宏观层次、中观层次、微观层次中至少一个的网络结构配置分析；其中，

宏观层次的社会网络分析旨在分析和衡量整个网络的特点，以便从整个组织的角度增强对信息和知识共享的理解，关注度包括网络规模、密度、平均度、平均路径距离、直径和聚类系数；

中观层次的社会网络分析旨在展示网络在节点子集级别的结构特征；一个子集代表在多个项目过程中相互合作的设计师团体或集群；

微观层面的社会网络分析旨在通过计算节点的中心度来评估整个网络中的节点的位置，度量中心度的方式采用点度中心度、中间中心度、接近中心度中的至少一种。

进一步地，宏观层次的关注度计算方式如下：

其中，D是社会网络的密度，N是社会网络中的节点总数，E是社会网络中链接的总数，AD是社会网络的平均度，MD是社会网络的平均距离，d(n_i,n_j)是节点n_i和n_j之间的平均路径距离，ND是社会网络的直径，CC是社会网络的聚类系数，k_i是第i个节点的邻居节点数(i＝1,2,…,N)，e_i是这些邻居节点与第i个节点的连接数。

进一步地，中观层次采用派系分析法，对于一个n-派系而言，任意两个节点n_i和n_j之间的平均路径距离最大值为n，如公式(8)所示。

其中，d(n_i,n_j)是n_i和n_j两节点之间的平均路径距离，n作为区分不同子集的变量，高聚合的子集n值高，低聚合的子集n值低。

进一步地，微观层次的三种衡量方式的计算公式分别如下：

其中，C_D(n_i)是第i个节点在网络中的点度中心度，j是节点n_i连接的节点数，N是网络中的全体节点数，e_i,j指节点n_i和n_j的连接；当考虑连接的权重时，C_D(n_i)等价于权重的合计，否则，C_D(n_i)等价于连接的合计；

其中，C_B(n_i)指第i个节点的中间中心度，g_jk(n_i)是通过节点n_i的最短路径的数量，g_jk是所有节点之间的路径的值；

其中，C_C(n_i)是第i个节点的接近中心度，d(n_i,n_j)是节点n_i和n_j之间的距离。

总体而言，本发明所构思的以上技术方案与现有技术相比，利用新兴的数据采集方法来快速采用模拟和分析复杂社会网络所需的必要数据具有现实意义，能够取得下列有益效果：

1、本发明通过对BIM设计日志进行数据挖掘，利用其囊括的设计阶段的海量信息、包括计算机用户交互、设计者在执行设计任务时的偏好、个人设计师和设计团队的生产率以及设计团队的协作特性等，能够客观地捕获事件日志中的参与者之间的协作以发现社会网络；

2、通过对社会网络进行多层次分析，深入了解设计流程，更好地了解设计人员的网络特征与生产绩效之间的关系，增强组织内项目成功的可能性。

附图说明

图1为基于BIM设计事件日志中发现社会网络的流程图；

图2为BIM设计事件日志的数据提取过程的一个简单示例。

具体实施方式

为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。此外，下面所描述的本发明各个实施方式中所涉及到的技术特征只要彼此之间未构成冲突就可以相互组合。

如图1，本发明提出的一种从建筑信息模型设计过程生成及分析社会网络的方法，包括以下几个步骤：

一种从建筑信息模型设计过程生成及分析社会网络的方法，主要包括以下步骤：

S1：数据提取

数据提取旨在从多个项目的工作过程中获取来自多位设计师的BIM Revit日志数据，从Revit日志中获取与设计活动相关的几个信息，包括用户ID，项目ID，时间戳，设计命令等。其包括如下步骤：

S11：数据采集：为了简化来自众多设计师的不同项目的设计日志，开发了一个基于云的数据库，以便通过公司的互联网定期将分布式日志文件收集到服务器中心。

S12：数据解析：开发了一个日志文件解析器来自动解析日志文件的文件夹，并阅读Revit日志，诸如用户ID，项目ID，时间戳和设计命令等几个信息项被拉出并以逗号分隔值(CSV)格式存储。

S13：数据清理：连续评估命令行之后，将保留没有任何空值或错误的有效命令的命令行，并将其作为新数据放入干净的日志文件中。

S2：社会网络建模

社会网络建模旨在开发一个表示多个执行者之间关系的加权社会图(P，R，W)，需要从设计事件日志中识别三个主要组件，以创建一个社会网络。其包括如下步骤：

S21：执行者识别：识别执行者在设计日志文件中留下的痕迹，并将有关执行者的信息保存在以前数据清理步骤中创建的清除的CVS文件的“用户ID”列中。

S22：关系识别：主要提出四种类型的指标来定义不同执行者之间的关系：(1)度量类型I基于(可能)因果关系，并监视工作如何在执行者之间移动(即工作移交)；(2)度量类型II是根据联合案件，确定两人在同一工程中的工作频率；(3)度量类型III是以联合活动为基础，重点关注两人进行的相同活动；(4)度量类型IV是基于两个人面临的特殊事件类型和帐户相同的事件。

S23：权重定义：加权关系旨在评估合作环境中个人之间协作的强度，在关系权重的计算中，根据设计者中使用较少命令的设计者来衡量协作的强度。用N和K分别代表设计师的总数和项目的总数，p_ijk是设计师i和设计师j对第k个项目的命令的总数，w_ij是设计师i和设计师j对所有K个项目的命令总数，代表了设计师i与j之间的协作强度。计算p_ijk和w_ij公式如公式(1)、公式(2)所述：

其中，公式(1)中，p_ijk代表在第k个项目中设计师i和设计师j之间有效的命令数(i,j＝1,2,…,N；k＝1,2,…,K),p_ik代表设计师i对于第k个项目的有效命令总数，p_jk代表设计师j对于第k个项目的有效命令总数。公式(2)中，w_ij代表设计师i和设计师j在总共K个项目中的协作强度。

构建一个协作矩阵来表示设计者之间的加权关系.

S3：社会网络分析

社会网络分析基于由节点组成的网络结构和连接它们的加权关系，提供了一种有效和可视化的工具来测量网络结构配置。探讨了宏观层次、中观层次、微观层次三个层次的网络结构配置。其包括如下步骤：

S31：宏观层次SNA：宏观层次的SNA旨在分析和衡量整个网络的特点，以便从整个组织的角度增强对信息和知识共享的理解。宏观层次的关注度是：网络规模、密度、平均度、平均路径距离、直径和聚类系数。具体来说，网络大小是指整个网络中的节点数或连线数。网络密度衡量整个网络的凝聚力，更高的密度意味着会员之间的连接更多。平均度测量平均每个节点的边数，平均路径距离测量网络中所有可能的节点对之间沿着最短路径的平均步数，其作为网络上信息效率的量度。网络的直径测量网络中所有计算出的最短路径的最长路径长度，其作为网络的线性大小的代表。聚类系数是节点的邻居彼此连接的现有链路的平均值与这种链路的最大可能数量的比值，高聚类系数明该网络中可能存在小群体。上述主要措施的计算如下：

其中，D是网络的密度，N是网络中的节点总数，E是网络中链接的总数，AD是网络的平均度，MD是网络的平均距离，d(n_i,n_j)是节点n_i和n_j之间的平均路径距离，ND是网络的直径，CC是网络的聚类系数，k_i是对第i个节点的邻居节点数(i＝1,2,…,N)，e_i是这些邻居节点与其的连接数。

S32：中观层次SNA：中观层次的SNA旨在展示网络在节点子集级别的结构特征。派系分析是一种通常用于中层SNA的方法。一个派系是指网络中所有节点彼此直接交互的节点的子集。

派系有三个特点：(1)其子集至少有三个节点；(2)所有节点在子集中彼此直接相连；(3)子集之外的任何节点都不直接连接到子集中的任何节点。不同子集中的公共节点在将在子集边界连接上起着重要作用。

对于一个n-派系而言，任意两个节点n_i和n_j之间的平均路径距离最大值为n，如公式(8)所示。

其中，d(n_i,n_j)是n_i和n_j两节点之间的平均路径距离，n作为区分不同子集的变量，高聚合的子集n值高，低聚合的子集n值低。在这项研究的背景下，一个子集代表了在多个项目过程中相互合作的设计师团体(或集群)。

S33：微观层次SNA：微观层次的SNA旨在通过计算节点的中心度来评估整个网络中的节点的位置。在SNA中存在三种常用的度量中心度的方式，即点度中心度，中间中心度，接近中心度。具体而言，点度中心度衡量个人与其它人之间的联系，具有高点度中心度的个人表示其与其他人联系更为紧密，影响力更强。中间中心度衡量单个个人与其他人的最短联系路径的程度，可以被视为是网络的潜在的联系控制。接近中心度通过与网络中所有其他个人的平均距离路径的总和来计算，具有较高接近中心度的个体可以更快地交换信息。三种衡量方式的计算公式分别如公式(9)、公式(10)、公式(11)所示。

其中，在公式(9)中，C_D(n_i)是第i个节点在网络中的点度中心度，j是节点n_i连接的节点数，N是网络中的全体节点数，e_i,j指节点n_i和n_j的连接。当考虑连接的权重，也就是协作强度时，C_D(n_i)也就是点度中心度等价于权重的合计，否则，其等价于连接的合计。在公式(10)中，C_B(n_i)指第i个节点的中间中心度，g_jk(n_i)是通过节点n_i的路径距离(即最短路径)的数量，g_jk是所有节点之间的路径的值。在公式(11)中，C_C(n_i)是第i个节点的接近中心度，d(n_i,n_j)是节点n_i和n_j之间的距离。

下面结合一个具体场景对本发明的方法进行介绍。

(1)数据提取

一家大型国际设计公司提供了从几个设计项目收集的BIM Revit设计应用程序的大型事件日志数据集。该公司已经构建了一个用于存储日志日志文件的结构化查询语言(SQL)数据库。设计事件日志是每周收集并存储在服务器中心。收集的设计事件日志从2013年3月到2014年6月。设计公司开发了一个定制的日记文件解析器，以自动读取非结构化文本文件，以捕获设计命令的记录。在数据解析过程之后，共生成687143行设计命令并以逗号分隔值(CSV)格式将其存储在CSV文件中，其中每行对应于有关用户ID，项目ID，时间戳和执行命令的信息。通过删除空的或者无意义的命令，可以保留620,492行有效命令。整理后的数据集包含有关51个设计师在82个不同项目工作的信息。图2为BIM设计事件日志的数据提取过程的一个简单示例。

(2)社会网络建模

社会网络建模旨在开发一个表示多个执行者之间关系的加权社会图(P，R，W)，需要从设计事件日志中识别三个主要组件，以创建一个社会网络。其包括如下步骤：

S21：执行者识别：识别执行者在设计日志文件中留下的痕迹，并将有关执行者的信息保存在以前数据清理步骤中创建的干净的CVS文件的“用户ID”列中。

S22：关系识别：主要提出四种类型的指标来定义不同执行者之间的关系：(1)度量类型I基于(可能)因果关系，并监视工作如何在执行者之间移动(即工作移交)；(2)度量类型II是根据联合案件，确定两人在同一工程中的工作频率；(3)度量类型III是以联合活动为基础，重点关注两人进行的相同活动；(4)度量类型IV是基于两个人面临的特殊事件类型和帐户相同的事件。

S23：权重定义：加权关系旨在评估合作环境中个人之间协作的强度，在关系权重的计算中，根据设计者中使用较少命令的设计者来衡量协作的强度。用N和K分别代表设计师的总数和项目的总数，p_ijk是设计师i和设计师j对第k个项目的命令的总数，w_ij是设计师i和设计师j对所有K个项目的命令总数，代表了设计师i与j之间的协作强度。计算p_ijk和w_ij公式如公式(1)、公式(2)所述：

其中，公式(1)中，p_ijk代表在第k个项目中设计师i和设计师j之间有效的命令数(i,j＝1,2,…,N；k＝1,2,…,K),p_ik代表设计师i对于第k个项目的有效命令总数，p_jk代表设计师j对于第k个项目的有效命令总数。公式(2)中，w_ij代表设计师i和设计师j在总共K个项目中的协作强度。构建一个协作矩阵来表示设计者之间的加权关系。图2为BIM设计事件日志的数据提取过程的一个简单示例。

(3)宏观层次分析

在整个设计公司的层次上，清理后的事件日志包含51个设计人员执行的命令的信息，这些设计人员在82个项目上工作，并为项目提供了620,492个命令。使用度量类型II(基于联合案例)用于定义基于BIM的协同设计中设计者之间的关系。该度量方式通过两个设计者为所有项目(他们在一起工作)贡献的所有命令的总数衡量两个设计师之间关系的权重。协作网络是一个无向网络，红点代表了所有涉及的设计者，边缘的宽度代表了关系的权重。

设计公司的平均度为10.078，网络密度为0.202。这表明整个合作网络是密集的。节点间的平均距离为1.984，表明设计师可以通过几个短步骤就与另一个设计人员进行连接。因此，设计公司享有(与潜在利用的)高度协作的社会网络。网络直径相对较低，为4.00，表明协作信息失真程度较低。网络的聚类系数为0.771，表明发现的协作网络是一个高集群网络。换句话说，这个设计公司的设计师之间的联系是密集的，并且存在几个子集，以促进设计师之间的协作。这一探索得出的结论是，许多子集很可能嵌入在组织内的协作网络中。因此，中观层次上继续SNA分析是合理的。

(4)中观层次分析

派系分析提供了一种探索凝聚力结构并确定网络中组织间整合的有效途径。整个网络共有14个小组。在所有确定的派系中，9个派系由超过32个成员组成，因此，在组合的配置中可能存在几个重叠。

几位设计师是紧密联系的派系的成员，而其他设计师则完全与派系隔离。多个派系有共同的成员，他们作为确定连接网络中不同派系的桥接角色，以改善设计公司内的信息共享。设计者“#1”，“#9”，“#24”，“#29”是所有14个派系的共同成员，设计师“#13”，“#18”和“#16”是13个派系的共同成员。这些设计师与超过93％的全体成员保持密切联系，作为在不同派系之间提供信息渠道的边界桥梁。他们在设计公司的协作网络中的信息通信和知识共享过程中发挥重要作用。相比之下，设计师“#19”，“#23”，“#35”，“#43”和“#49”仅显示在一个团体中，表明它们相当孤立，不能与其他集团成员保持密切联系的沟通，需要更多的关注，鼓励他们参加与其他团体成员的信息交流和知识共享计划，例如以研讨会，研讨会和协调的形式。

(5)微观层次分析

中心分析为微观层次提供了一种有效的方法来测量每个节点的嵌入性，并指示节点在整个网络中的位置。公式(9)～(11)用于计算出基于BIM的协同设计中发现的社会网络中每个节点的点度中心度，中间中心度，接近中心度。设计师的中心度在不同类型的中心度衡量方式下有所不同。然而，不同类型的中心度测量标准下，设计师的中心度的差异是非常相似的。

从点度中心性的角度来说，通过连接和权重两种计算方式计算的中心度结果。通过连接度来衡量设计师与其他人之间合作的宽度，而权重用以衡量协作的深度。从中间中心度的角度来看，该指标衡量了节点在网络中承担桥梁作用的程度。从接近中心度的角度来说，该指标衡量了网络中其他节点到达节点的程度。

(6)相关性分析

为了进一步研究设计人员的网络特征与生产绩效之间的关系，在测量的节点中心与组织中涉及的设计者的记录命令之间进行相关性分析。根据评估结果得到以下结论：基于发现的基于BIM的协同设计社会网络计算的所有中心度之间存在强烈的正相关性；总体而言，所有节点的中心度量与基于BIM的协同网络中设计者的生产绩效显着正相关；按权重计算的点度中心度与设计师的生产性能有最大的关联，相关系数为1.805(1％的显著性水平)。

本领域的技术人员容易理解，以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明的保护范围之内。

Claims (7)

1.一种从建筑信息模型设计过程生成及分析社会网络的方法，其特征在于，包括以下步骤：

S1：从多个项目的建筑信息模型设计过程中获取来自多个执行者的分布式日志数据，从分布式日志中获取与设计活动相关的信息；

S2：根据步骤S1获得的信息识别出各执行者的身份及关系，从而获得多个执行者构成的节点之间的关系的加权社会图并创建一个社会网络；

S3：基于由节点组成的网络结构和连接各节点的加权关系分析社会网络的网络结构配置。

2.根据权利要求1所述的一种从建筑信息模型设计过程生成及分析社会网络的方法，其特征在于，步骤S1包括如下子步骤：

S11：通过云数据库定期收集分布式日志文件；

S12：解析器来自动解析分布式日志文件的指定信息项，并以逗号分隔值格式存储；

S13：对步骤S12得到的存储文件连续评估命令行，去除空值或错误的命令后，保留有效命令的命令行，作为新数据放入干净的日志文件中。

3.根据权利要求2所述的一种从建筑信息模型设计过程生成及分析社会网络的方法，其特征在于，步骤S2包括如下子步骤：

S21：识别执行者在设计建筑信息模型时于分布式日志文件中留下的痕迹，并将有关执行者的信息保存在步骤S13创建的干净的CVS文件中的“用户ID”列中。

S22：通过四种类型的指标来定义不同执行者之间的关系：

(1)度量类型I基于已知的和/或可能的因果关系，并监视工作如何在执行者之间移交；

(2)度量类型II是根据联合案件，确定两人在同一工程中的工作频率；

(3)度量类型III是以联合活动为基础，重点关注两人进行的相同活动；

(4)度量类型IV是基于两个人面临的特殊事件类型和帐户相同的事件；

S23：加权关系用于评估合作环境中个人之间协作的强度，根据设计者中使用较少命令的设计者来衡量协作的强度；用N和K分别代表设计师的总数和项目的总数；p_ijk代表在第k个项目中设计师i和设计师j之间有效的命令数，i,j＝1,2,…,N；k＝1,2,…,K；w_ij表示设计师i和设计师j对所有K个项目的命令总数，其代表了设计师i与j之间的协作强度；计算p_ijk和w_ij的公式如下：

其中，p_ik代表设计师i对于第k个项目的有效命令总数，p_jk代表设计师j对于第k个项目的有效命令总数；

根据p_ijk和w_ij构建协作矩阵来表示设计者之间的加权关系，即获得加权社会图并创建一个社会网络。

4.根据权利要求1～3任意一项所述的一种从建筑信息模型设计过程生成及分析社会网络的方法，其特征在于，步骤S3中的社会网络分析包括宏观层次、中观层次、微观层次中至少一个的网络结构配置分析；其中，

宏观层次的社会网络分析旨在分析和衡量整个网络的特点，以便从整个组织的角度增强对信息和知识共享的理解，关注度包括网络规模、密度、平均度、平均路径距离、直径和聚类系数；

中观层次的社会网络分析旨在展示网络在节点子集级别的结构特征；一个子集代表在多个项目过程中相互合作的设计师团体或集群；

微观层面的社会网络分析旨在通过计算节点的中心度来评估整个网络中的节点的位置，度量中心度的方式采用点度中心度、中间中心度、接近中心度中的至少一种。

5.根据权利要求4所述的一种从建筑信息模型设计过程生成及分析社会网络的方法，其特征在于，宏观层次的关注度计算方式如下：

其中，D是社会网络的密度，N是社会网络中的节点总数，E是社会网络中链接的总数，AD是社会网络的平均度，MD是社会网络的平均距离，d(n_i,n_j)是节点n_i和n_j之间的平均路径距离，ND是社会网络的直径，CC是社会网络的聚类系数，k_i是第i个节点的邻居节点数(i＝1,2,…,N)，e_i是这些邻居节点与第i个节点的连接数。

6.根据权利要求4所述的一种从建筑信息模型设计过程生成及分析社会网络的方法，其特征在于，中观层次采用派系分析法，对于一个n-派系而言，任意两个节点n_i和n_j之间的平均路径距离最大值为n，如公式(8)所示。

其中，d(n_i,n_j)是n_i和n_j两节点之间的平均路径距离，n作为区分不同子集的变量，高聚合的子集n值高，低聚合的子集n值低。

7.根据权利要求4所述的一种从建筑信息模型设计过程生成及分析社会网络的方法，其特征在于，微观层次的三种衡量方式的计算公式分别如下：

其中，C_D(n_i)是第i个节点在网络中的点度中心度，j是节点n_i连接的节点数，N是网络中的全体节点数，e_i,j指节点n_i和n_j的连接；当考虑连接的权重时，C_D(n_i)等价于权重的合计，否则，C_D(n_i)等价于连接的合计；

其中，C_B(n_i)指第i个节点的中间中心度，g_jk(n_i)是通过节点n_i的最短路径的数量，g_jk是所有节点之间的路径的值；

其中，C_C(n_i)是第i个节点的接近中心度，d(n_i,n_j)是节点n_i和n_j之间的距离。