CN109657347A - 一种基于人工智能的建筑施工图设计方法 - Google Patents
一种基于人工智能的建筑施工图设计方法 Download PDFInfo
- Publication number
- CN109657347A CN109657347A CN201811549468.0A CN201811549468A CN109657347A CN 109657347 A CN109657347 A CN 109657347A CN 201811549468 A CN201811549468 A CN 201811549468A CN 109657347 A CN109657347 A CN 109657347A
- Authority
- CN
- China
- Prior art keywords
- design
- architectural
- building
- server
- deep learning
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000013461 design Methods 0.000 title claims abstract description 77
- 238000000034 method Methods 0.000 title claims abstract description 32
- 238000013473 artificial intelligence Methods 0.000 title claims abstract description 18
- 238000010276 construction Methods 0.000 claims abstract description 39
- 238000004458 analytical method Methods 0.000 claims abstract description 7
- 230000002093 peripheral effect Effects 0.000 claims abstract description 6
- 238000012797 qualification Methods 0.000 claims abstract description 4
- 238000013136 deep learning model Methods 0.000 claims description 33
- 230000006870 function Effects 0.000 claims description 31
- 238000012549 training Methods 0.000 claims description 16
- 238000012550 audit Methods 0.000 claims description 11
- 239000012141 concentrate Substances 0.000 claims description 4
- 230000007123 defense Effects 0.000 claims description 3
- 238000010438 heat treatment Methods 0.000 claims description 3
- 238000004321 preservation Methods 0.000 claims description 3
- 238000012876 topography Methods 0.000 claims description 3
- 238000009423 ventilation Methods 0.000 claims description 3
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 3
- 238000013135 deep learning Methods 0.000 claims description 2
- 239000004566 building material Substances 0.000 claims 1
- 238000004519 manufacturing process Methods 0.000 claims 1
- 230000015654 memory Effects 0.000 description 12
- 238000003860 storage Methods 0.000 description 6
- 239000004035 construction material Substances 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000007726 management method Methods 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 230000015572 biosynthetic process Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000013523 data management Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 238000005034 decoration Methods 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 238000012938 design process Methods 0.000 description 1
- 239000006185 dispersion Substances 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 230000014759 maintenance of location Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 238000011022 operating instruction Methods 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/10—Geometric CAD
- G06F30/13—Architectural design, e.g. computer-aided architectural design [CAAD] related to design of buildings, bridges, landscapes, production plants or roads
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2111/00—Details relating to CAD techniques
- G06F2111/02—CAD in a network environment, e.g. collaborative CAD or distributed simulation
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Geometry (AREA)
- General Physics & Mathematics (AREA)
- Computer Hardware Design (AREA)
- Theoretical Computer Science (AREA)
- Civil Engineering (AREA)
- Structural Engineering (AREA)
- Computational Mathematics (AREA)
- Architecture (AREA)
- Mathematical Analysis (AREA)
- Mathematical Optimization (AREA)
- Pure & Applied Mathematics (AREA)
- Evolutionary Computation (AREA)
- General Engineering & Computer Science (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明提供一种基于人工智能的建筑施工图设计方法，通过建立设计数据库服务器存储楼形产品数据，利用外设对所需设计的建筑进行地面结构分析，并对比相关内置限定条件，完成建筑设计方法，并将出具的设计方案输入审查服务器进行后期审查并出具审查报告，对达到审查要求的设计方案在输入至施工图设计服务器，进行施工图的编制并输出。
Description
技术领域
本发明涉及人工智能技术领域，特别涉及一种基于人工智能的建筑施工图设计方法。
背景技术
随着数字化和信息化进程的不断推进，现有的施工设计中，设计师通常都会应用现有的建筑装饰领域的设计工具软件进行设计，并据此生成最终以电子化数据的形式呈现的设计结果。
建筑行业工作离不开资料信息和经验知识，包括图纸、技术文档、操作规程和行业资讯等。在当前设计工作流程中，建筑师一般采用传统纸质和电子化资料文档，部分信息借助互联网，但基本上处于windows文件夹管理的低效状态，表现为：资料缺乏系统分类，资料量少，存放位置分散，人为的形成一个个信息孤岛，缺乏系统集成管理，与外部网络资源联系薄弱；资料查询方式单一，查询效率低下，资料内容显示不直观。在信息化时代，建筑设计是大量项目信息通过建筑师集成和创作处理的工作过程，电子化程度高，信息交换频繁，低效的设计资料管理模式必然影响设计工作效率的提升。
发明内容
为实现上述技术目的，达到上述技术效果，提出一种基于人工智能的建筑施工图设计方法，通过建立设计数据库服务器存储楼形产品数据，利用外设对所需设计的建筑进行地面结构分析，并对比相关内置限定条件，完成建筑设计方法，并将出具的设计方案输入审查服务器进行后期审查并出具审查报告，对达到审查要求的设计方案在输入至施工图设计服务器，进行施工图的编制并输出，其特征在于，具体包括如下步骤：
步骤1：建立设计数据库服务器，通过服务器收集建筑物的模型数据，并预先存储可供选择的建筑参数，同时建立审查服务器，并在审查服务器中预存图纸的规范标准；
步骤2：采集地图数据，对待建设地区进行地形数据录入，并在线进行建筑地的圈定，上传CAD基地文件；
步骤3：向服务器了录入建筑物的基础参数，限定建筑物各项基础数据；
步骤4：服务器内进行数据对比，通过内部的模型数据结合步骤3录入的建筑物的基础参数，自动生成楼型产品模型，并生成电子文件输出；
步骤5：将步骤4输出的电子文件输入至审查服务器进行审核，审核完成之后出具审核后的审核报告。
优选地，所述建筑参数包括一级建筑参数、二级建筑参数和三级建筑参数。
优选地，所述的施工图设计方案和标准包括施工图的制图标准规范，识别建筑施工图常用的符号、建筑材料、总平面图、建筑构造及配件图例，全套施工图的编排为：图纸目录、总平面图(施工总说明)、建筑施工图、结构施工图、给水排水施工图、采暖通风施工图、电气施工图。
优选地，所述规范标准为建筑设计规范标准，包括房屋建筑制图统一标准、总图制图标准、建筑制图标准以及各类建筑工程中所使用的制图规范标准。
优选地，所述一级建筑参数包括轴网和建筑模型。
优选地，所述二级建筑参数包括建筑系列、二维转三维和门窗工具。
优选地，所述三级建筑参数包括柱子、梁、楼板、墙体和楼梯、项目名称、门编号、类型和防火等级，以及过梁、地坪标高、门套样式、门扇厚度、门扇高度、门扇宽度和备注。
优选地，所述CAD基地文件包括待建地区的地形地貌、圈地范围以及在建地方案报告。
优选地，所述的规范标准内容包括总图与指标数据、设计说明、日照参数、消防设计、车库与排风设计标准、防火设计标准、人防标准、层高及控高标准、保温和无障碍标准。
优选地，所生成的电子文件包括了设计总平面图、楼型各层平面图、立面图、说明书以及概算书。
优选地，所述的自动生成楼型模型产品模型的过程采、审查服务器以及施工图设计服务器均采用深度学习模型进行，对预先构建的初始深度学习模型进行训练，得到中间深度学习模型；其中，所述初始深度学习模型为：加载有分类目标函数的深度学习模型；
利用所述中间深度学习模型，计算所述训练样本集中各个样本的特征向量，并根据所述训练样本集中各个样本的特征向量，计算中心点距离目标函数的中间参数的初始值；
将中心点距离目标函数添加到中间深度学习模型中并加载所述中间参数的初始值，得到目标深度学习模型；
导入训练样本集中的预设数量个样本作为批次数据；
利用当前目标深度学习模型，计算当前批次数据中各个样本的特征向量，并根据当前批次数据中各个样本的特征向量，更新中间参数的参数值；
基于当前批次数据中各个样本的特征向量，计算所述中心点距离目标函数的函数值和分类目标函数的函数值，并判断计算得到的中心点距离目标函数的函数值是否收敛到第一预定区间，且计算得到的分类目标函数的函数值是否收敛到第二预定区间；
如果否，利用中心点距离目标函数的反向传播梯度和所述分类目标函数的反向传播梯度，调整当前目标深度学习模型的参数，并返回执行所述导入训练样本集中的预设数量个样本作为批次数据的步骤；
如果是，结束对当前目标深度学习模型的训练。
区别于现有技术，在现有设计方法的基础上，加入基于深度学习的人工智能设计方式，可以减少设计过程中的人力消耗，同时，在审核出具的图纸的时候采用人工智能服务器自动审核，更加节省了人力劳动，直观、精细化的进行建筑设计，提供更多的方便。
具体实施方式
下面将结合本发明实施例，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅是本发明的一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
一种基于人工智能的建筑施工图设计方法，通过建立数据库存储楼形产品数据，利用外设对所需设计的建筑进行地面结构分析，并对比相关内置限定条件，完成建筑设计方法，具体包括如下步骤：
步骤1：建立服务器，通过服务器收集建筑物的模型数据，并预先存储可供选择的建筑参数；
步骤2：采集地图数据，对待建设地区进行地形数据录入，并在线进行建筑地的圈定，上传CAD基地文件；
步骤3：向服务器了录入建筑物的基础参数，限定建筑物各项基础数据；
步骤4：服务器内进行数据对比，通过内部的模型数据结合步骤3录入的建筑物的基础参数，自动生成楼型产品模型，并生成电子文件输出。
其中，所述建筑参数包括一级建筑参数、二级建筑参数和三级建筑参数。
所述的施工图设计方案和标准包括施工图的制图标准规范，识别建筑施工图常用的符号、建筑材料、总平面图、建筑构造及配件图例，全套施工图的编排为：图纸目录、总平面图(施工总说明)、建筑施工图、结构施工图、给水排水施工图、采暖通风施工图、电气施工图。
所述一级建筑参数包括轴网和建筑模型。
所述耳机建筑参数包括建筑系列、二维转三维和门窗工具。
所述三级建筑参数包括柱子、梁、楼板、墙体和楼梯、项目名称、门编号、类型和防火等级，以及过梁、地坪标高、门套样式、门扇厚度、门扇高度、门扇宽度和备注。
所述CAD基地文件包括待建地区的地形地貌、圈地范围以及再在建地方案报告。
所述外设包括搭载有遥控设备并具有红外传感和摄像拍照设备的无人机、现场测绘设备以及远程通信设备，无人机可以设定巡航线路，遥控无人机进行巡航，同时通过搭载在无人机之上的遥感设备在每一个监测位置对于待建地区周边区域进行拍摄。
所生成的电子文件包括了设计总平面图、楼型各层平面图、立面图、说明书以及概算书。
所述规范标准为建筑设计规范标准，包括房屋建筑制图统一标准、总图制图标准、建筑制图标准以及各类建筑工程中所使用的制图规范标准。
所述的规范标准内容包括总图与指标数据、设计说明、日照参数、消防设计、车库与排风设计标准、防火设计标准、人防标准、层高及控高标准、保温和无障碍标准。
进一步的，所述的自动生成楼型模型产品模型的过程采用深度学习模型进行，同时，审查服务器内容也采用深度学习模型进行学习，利用训练样本集中的各个样本，对预先构建的初始深度学习模型进行训练，得到中间深度学习模型；其中，所述初始深度学习模型为：加载有分类目标函数的深度学习模型；
利用所述中间深度学习模型，计算所述训练样本集中各个样本的特征向量，并根据所述训练样本集中各个样本的特征向量，计算中心点距离目标函数的中间参数的初始值；
将中心点距离目标函数添加到所述中间深度学习模型中并加载所述中间参数的初始值，得到目标深度学习模型；
导入训练样本集中的预设数量个样本作为批次数据；
利用当前目标深度学习模型，计算当前批次数据中各个样本的特征向量，并根据当前批次数据中各个样本的特征向量，更新所述中间参数的参数值；
基于当前批次数据中各个样本的特征向量，计算所述中心点距离目标函数的函数值和所述分类目标函数的函数值，并判断计算得到的中心点距离目标函数的函数值是否收敛到第一预定区间，且计算得到的分类目标函数的函数值是否收敛到第二预定区间；
如果否，利用中心点距离目标函数的反向传播梯度和所述分类目标函数的反向传播梯度，调整当前目标深度学习模型的参数，并返回执行所述导入所述训练样本集中的预设数量个样本作为批次数据的步骤；
如果是，结束对当前目标深度学习模型的训练。
服务器用于存储可供用户设置的建筑参数；其中服务器存储用可供用户设置的建筑框架、建筑设计细节等参数，服务器具体可以是采用任何合适数据存储类型或者存储架构的数据库。
作为优选方案，可根据本发明方案构建硬件系统，包括一个或多个处理器以及存储器。其中，处理器以及存储器可以通过总线或者其他方式连接，
存储器作为一种非易失性计算机可读存储介质，可用于存储非易失性软件程序、非易失性计算机可执行程序以及模块，如本发明实施例中的基于建筑信息模型的建筑设计方法对应的程序指令/模块。处理器通过运行存储在存储器中的非易失性软件程序、指令以及模块，从而执行服务器的各种功能应用以及数据处理，即实现上述方法实施例的基于建筑信息模型的建筑设计方法。
存储器可以包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需要的应用程序；存储数据区可存储根据给建筑设计系统的使用所创建的数据等。此外，存储器可以包括高速随机存取存储器，还可以包括非易失性存储器，例如至少一个磁盘存储器件、闪存器件、或其他非易失性固态存储器件。在一些实施例中，存储器可选包括相对于处理器远程设置的存储器，这些远程存储器可以通过网络连接至基于建筑信息模型的建筑设计系统。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
所述一个或者多个模块存储在所述存储器中，当被所述一个或者多个处理器执行时，执行上述建筑设计方法。
采用上述技术方案，其可通过无人机对于场所周边环境进行图像的获取，并基于对图像包含颜色的分析处理，以确定待建地区所在环境的主色调，以及建筑物各个位置所对应的细节色调(即选用色调)；基于上述色调数据的分析，使得建筑物的色调即可与周边的主环境相符，又可使得场所相对于部分环境细节进行色调的贴合，以使得场所与周边环境的整体协调程度得以显著改善。与此同时，上述基于移动平台分析的大型待建地区建筑设计方法在对场所周边环境的色调进行监测的同时，亦可对于周边环境的人员与车辆流量进行监测，以使得设计人员可获知待建地区周边各个区域的交通流量数值，并基于上述数值进行公共场所的道路规划，从而使得所规划的待建地区可实现人员的快速流通，以使其使用效率得以显著提升
以上所述仅为本发明的实施例，并非因此限制本发明的专利范围，凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换，或直接或简介运用在其他相关技术领域，均同理包括在本发明的专利保护范围内。
Claims (10)
1.一种基于人工智能的建筑施工图设计方法，通过建立设计数据库服务器存储楼形产品数据，利用外设对所需设计的建筑进行地面结构分析，并对比相关内置限定条件，完成建筑设计方法，并将出具的设计方案输入审查服务器进行后期审查并出具审查报告，对达到审查要求的设计方案在输入至施工图设计服务器，进行施工图的编制并输出，其特征在于，具体包括如下步骤：
步骤1：建立设计数据库服务器，通过服务器收集建筑物的模型数据，并预先存储可供选择的建筑参数；建立审查服务器，在审查服务器中预存图纸的规范标准；建立施工设计服务器，录入施工设计方案和标准；
步骤2：采集地图数据，对待建设地区进行地形数据录入，并在线进行建筑地的圈定，上传CAD基地文件；
步骤3：向服务器了录入建筑物的基础参数，限定建筑物各项基础数据；
步骤4：服务器内进行数据对比，通过内部的模型数据结合步骤3录入的建筑物的基础参数，自动生成楼型产品模型，并生成电子文件输出；
步骤5：将步骤4输出的电子文件输入至审查服务器进行审核，审核完成之后出具审核后的审核报告，比对预先存储的审核数据对所输入的设计方案电子文件进行标准审核，高于审核标准的设计方案进入施工图设计阶段，并出具相应的施工图设计方案、说明书和设计图纸。
2.根据权利要求1所述的一种基于人工智能的建筑施工图设计方法，其特征在于：所述建筑参数包括一级建筑参数、二级建筑参数和三级建筑参数。
3.根据权利要求1所述的一种基于人工智能的建筑施工图设计方法，其特征在于：所述的施工图设计方案和标准包括施工图的制图标准规范，识别建筑施工图常用的符号、建筑材料、总平面图、建筑构造及配件图例，全套施工图的编排为：图纸目录、总平面图(施工总说明)、建筑施工图、结构施工图、给水排水施工图、采暖通风施工图、电气施工图。
4.根据权利要求2所述的一种基于人工智能的建筑施工图设计方法，其特征在于：所述一级建筑参数包括轴网和建筑模型。
5.根据权利要求2所述的一种基于人工智能的建筑施工图设计方法，其特征在于：所述二级建筑参数包括建筑系列、二维转三维和门窗工具。
6.根据权利要求2所述的一种基于人工智能的建筑施工图设计方法，其特征在于：所述三级建筑参数包括柱子、梁、楼板、墙体和楼梯、项目名称、门编号、类型和防火等级，以及过梁、地坪标高、门套样式、门扇厚度、门扇高度、门扇宽度和备注。
7.根据权利要求1所述的一种基于人工智能的建筑施工图设计方法，其特征在于：所述CAD基地文件包括待建地区的地形地貌、圈地范围以及在建地方案报告。
8.根据权利要求3所述的一种基于人工智能的建筑施工图设计方法，其特征在于：所述的规范标准内容包括总图与指标数据、设计说明、日照参数、消防设计、车库与排风设计标准、防火设计标准、人防标准、层高及控高标准、保温和无障碍标准。
9.根据权利要求1所述的一种基于人工智能的建筑施工图设计方法，其特征在于：所生成的电子文件包括了设计总平面图、楼型各层平面图、立面图、说明书以及概算书。
10.根据权利要求1所述的一种基于人工只能的建筑设计方法，其特征在于：所述的自动生成楼型模型产品模型的过程采、审查服务器以及施工图设计服务器均采用深度学习模型进行，对预先构建的初始深度学习模型进行训练，得到中间深度学习模型；其中，所述初始深度学习模型为：加载有分类目标函数的深度学习模型；
利用所述中间深度学习模型，计算所述训练样本集中各个样本的特征向量，并根据所述训练样本集中各个样本的特征向量，计算中心点距离目标函数的中间参数的初始值；
将中心点距离目标函数添加到中间深度学习模型中并加载所述中间参数的初始值，得到目标深度学习模型；
导入训练样本集中的预设数量个样本作为批次数据；
利用当前目标深度学习模型，计算当前批次数据中各个样本的特征向量，并根据当前批次数据中各个样本的特征向量，更新中间参数的参数值；
基于当前批次数据中各个样本的特征向量，计算所述中心点距离目标函数的函数值和分类目标函数的函数值，并判断计算得到的中心点距离目标函数的函数值是否收敛到第一预定区间，且计算得到的分类目标函数的函数值是否收敛到第二预定区间；
如果否，利用中心点距离目标函数的反向传播梯度和所述分类目标函数的反向传播梯度，调整当前目标深度学习模型的参数，并返回执行所述导入训练样本集中的预设数量个样本作为批次数据的步骤；
如果是，结束对当前目标深度学习模型的训练。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201811549468.0A CN109657347A (zh) | 2018-12-18 | 2018-12-18 | 一种基于人工智能的建筑施工图设计方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201811549468.0A CN109657347A (zh) | 2018-12-18 | 2018-12-18 | 一种基于人工智能的建筑施工图设计方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN109657347A true CN109657347A (zh) | 2019-04-19 |
Family
ID=66114560
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201811549468.0A Pending CN109657347A (zh) | 2018-12-18 | 2018-12-18 | 一种基于人工智能的建筑施工图设计方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN109657347A (zh) |
Cited By (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110096835A (zh) * | 2019-05-14 | 2019-08-06 | 上海荷福人工智能科技（集团）有限公司 | 一种基于人工智能工程设计的施工方案优化管理方法 |
| CN110414065A (zh) * | 2019-06-29 | 2019-11-05 | 万翼科技有限公司 | 基于bim的设计模型审查方法、装置、电子设备及存储介质 |
| CN111143919A (zh) * | 2019-12-06 | 2020-05-12 | 彭婧 | 一种基于人工智能的建筑设计方法 |
| CN112487539A (zh) * | 2020-12-08 | 2021-03-12 | 深圳小库科技有限公司 | 一种智能的建筑模型生成方法、电子设备及存储介质 |
| CN112733246A (zh) * | 2021-01-22 | 2021-04-30 | 上海建工四建集团有限公司 | 建筑物的自动设计方法、装置、终端、存储介质及处理器 |
| CN112948910A (zh) * | 2020-08-25 | 2021-06-11 | 中船文化科技(北京)有限公司 | 双主线办公空间改造方法及装置 |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103530762A (zh) * | 2013-09-23 | 2014-01-22 | 吉安市施工图设计文件审查中心 | 施工图的电子审查系统及审查方法 |
| WO2017219921A1 (zh) * | 2016-06-24 | 2017-12-28 | 东南大学 | 一种基于构件分类和组合的建筑协同构建系统和方法 |
| CN107590355A (zh) * | 2017-10-27 | 2018-01-16 | 巧夺天宫（深圳）科技有限公司 | 基于建筑信息模型的建筑设计方法、设计系统及电子设备 |
| CN108734193A (zh) * | 2018-03-27 | 2018-11-02 | 合肥麟图信息科技有限公司 | 一种深度学习模型的训练方法及装置 |
-
2018
- 2018-12-18 CN CN201811549468.0A patent/CN109657347A/zh active Pending
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103530762A (zh) * | 2013-09-23 | 2014-01-22 | 吉安市施工图设计文件审查中心 | 施工图的电子审查系统及审查方法 |
| WO2017219921A1 (zh) * | 2016-06-24 | 2017-12-28 | 东南大学 | 一种基于构件分类和组合的建筑协同构建系统和方法 |
| CN107590355A (zh) * | 2017-10-27 | 2018-01-16 | 巧夺天宫（深圳）科技有限公司 | 基于建筑信息模型的建筑设计方法、设计系统及电子设备 |
| CN108734193A (zh) * | 2018-03-27 | 2018-11-02 | 合肥麟图信息科技有限公司 | 一种深度学习模型的训练方法及装置 |
Non-Patent Citations (1)
| Title |
|---|
| 石春民: "建筑设计的计算机及信息化应用趋势与思考", 《江苏建筑》 * |
Cited By (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110096835A (zh) * | 2019-05-14 | 2019-08-06 | 上海荷福人工智能科技（集团）有限公司 | 一种基于人工智能工程设计的施工方案优化管理方法 |
| CN110414065A (zh) * | 2019-06-29 | 2019-11-05 | 万翼科技有限公司 | 基于bim的设计模型审查方法、装置、电子设备及存储介质 |
| CN111143919A (zh) * | 2019-12-06 | 2020-05-12 | 彭婧 | 一种基于人工智能的建筑设计方法 |
| CN112948910A (zh) * | 2020-08-25 | 2021-06-11 | 中船文化科技(北京)有限公司 | 双主线办公空间改造方法及装置 |
| CN112487539A (zh) * | 2020-12-08 | 2021-03-12 | 深圳小库科技有限公司 | 一种智能的建筑模型生成方法、电子设备及存储介质 |
| CN112733246A (zh) * | 2021-01-22 | 2021-04-30 | 上海建工四建集团有限公司 | 建筑物的自动设计方法、装置、终端、存储介质及处理器 |
| CN112733246B (zh) * | 2021-01-22 | 2023-04-07 | 上海建工四建集团有限公司 | 建筑物的自动设计方法、装置、终端、存储介质及处理器 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109657347A (zh) | 一种基于人工智能的建筑施工图设计方法 | |
| CN109299585A (zh) | 一种基于人工智能的建筑设计方法 | |
| CN109472390B (zh) | 基于机器学习的规划方案智能生成方法及系统 | |
| CN110096835A (zh) | 一种基于人工智能工程设计的施工方案优化管理方法 | |
| DE112021005718T5 (de) | Systeme und verfahren zum konfigurieren eines gebäudemanagmentsystems | |
| CN109766590A (zh) | 一种基于人工智能审图和出报告方法 | |
| CN109478045A (zh) | 使用预测来控制目标系统 | |
| Velázquez et al. | Turning scientific approaches into practical conservation actions: the case of Comunidad Indígena de Nuevo San Juan Parangaricutiro, México. | |
| CN104794572A (zh) | 一种建筑设计资料信息和经验分享平台 | |
| CN106156389A (zh) | 用于自动执行的井规划 | |
| KR101823544B1 (ko) | 3d bim 기반의 건축물 유지관리 업무처리 시스템 및 유지관리 업무 처리방법 | |
| Le-Thanh et al. | Machine learning-based real-time daylight analysis in buildings | |
| Whitney | Assemble a technology development toolkit | |
| CN106780752A (zh) | 一种基于互联网的3d家庭diy装修系统及其使用方法 | |
| Sayın et al. | A practical approach to performance-based building design in architectural project | |
| CN111241619B (zh) | 一种规则驱动的协同交互式空间布局自动设计方法 | |
| Jianfeng et al. | Construction of intelligent building design system based on BIM and AI | |
| Yashin et al. | Assessment of Material and Intangible Motivation of Top Management in Regions Using Multipurpose Genetic Algorithm | |
| Anil Sai Kumar et al. | Smart irrigation system using machine learning techniques | |
| Venancio et al. | Understanding envelope design: survey about architectural practice and building performance | |
| Byerley | Ambivalent inheritance: Jinja Town in search of a postcolonial refrain | |
| DeFoer et al. | Participatory Approaches to Integrated Soil-Fertility Management | |
| Martin | Sustainability and building information modelling (BIM) | |
| Hensel et al. | Performance-oriented architecture and urban design: Relating information-based design and systems-thinking in architecture | |
| Zeleny | Knowledge-information circulation through the enterprise: forward to the roots of knowledge management |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20190419 |
|
| RJ01 | Rejection of invention patent application after publication |