CN113987199B - 一种规范自动解译的bim智能审图方法、系统和介质 - Google Patents
一种规范自动解译的bim智能审图方法、系统和介质 Download PDFInfo
- Publication number
- CN113987199B CN113987199B CN202111214873.9A CN202111214873A CN113987199B CN 113987199 B CN113987199 B CN 113987199B CN 202111214873 A CN202111214873 A CN 202111214873A CN 113987199 B CN113987199 B CN 113987199B
- Authority
- CN
- China
- Prior art keywords
- standard
- computer
- examination
- bim
- syntax tree
- 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.)
- Active
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
- G06F16/36—Creation of semantic tools, e.g. ontology or thesauri
- G06F16/367—Ontology
-
- 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
- G06F40/00—Handling natural language data
- G06F40/20—Natural language analysis
- G06F40/237—Lexical tools
- G06F40/242—Dictionaries
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F40/00—Handling natural language data
- G06F40/20—Natural language analysis
- G06F40/253—Grammatical analysis; Style critique
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F40/00—Handling natural language data
- G06F40/30—Semantic analysis
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/30—Computing systems specially adapted for manufacturing
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Computational Linguistics (AREA)
- Health & Medical Sciences (AREA)
- Artificial Intelligence (AREA)
- Audiology, Speech & Language Pathology (AREA)
- General Health & Medical Sciences (AREA)
- Geometry (AREA)
- Computer Hardware Design (AREA)
- Pure & Applied Mathematics (AREA)
- Architecture (AREA)
- Structural Engineering (AREA)
- Computational Mathematics (AREA)
- Mathematical Analysis (AREA)
- Mathematical Optimization (AREA)
- Civil Engineering (AREA)
- Evolutionary Computation (AREA)
- Life Sciences & Earth Sciences (AREA)
- Animal Behavior & Ethology (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- Machine Translation (AREA)
Abstract
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。
Description
技术领域
本发明涉及一种规范自动解译的BIM智能审图方法、系统和介质,属于建筑审图技术领域,特别涉及BIM三维建筑模型的自动审图领域。
背景技术
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。
自动合规性审查(AutomatedComplianceChecking,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 AidedDesign)二维图纸的合规性审查,第二类是基于BIM(Building Information Modeling)三维模型合规性审查。由于二维图纸通过面线表达空间信息,通过文字批注表达属性信息,其建筑信息表达的能力有限,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。
发明内容
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: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。
进一步,计算机语言术语为规范本体,规范本体将规范条文中出现的专业术语定义为本体类,将需要审核的属性定义为本体数据属性;规范本体可采用半自动本体建立方法,首先利用规范等领域文档自动学习和抽取领域术语并进行术语聚类及类内层级划分,随后基于半自动本体建立结果进行人工补全,并录入每个术语解释。
进一步,根据审图需要对规范进行结构化和预处理的具体方法为:根据规范特点以及章节、条文的编号和格式特征将规范全文拆分和结构化,并将以图片表示的规范条文转化为自然语言的表达形式,根据分号、句号和换行符将自然语言分割为单个句子,并基于自然语言处理算法依据句子解译难度将句子分类为不同的类别,从而降低后续规范条文解译过程的难度与复杂度。
进一步,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的方法为:语法树中元素为自然语言,通过计算自然语言与计算机语言术语的语义相似度,将语法树中元素映射为计算机语言术语,从而建立映射关系。
进一步,根据映射关系将规范条文转化为计算机审图命令的方法为:根据语法树、本领域知识和目标计算机语言对映射关系进行修正,在语法树每个节点都与计算机语言术语建立链接后,根据需要转化审图命令的语言特点建立语法树与审图命令的语言的映射规则,随后递归语法树根据规则进行映射,从而将规范条文转化为计算机审图命令。
进一步,对映射关系进行修正包括:链接错误修正与等价术语修正。
进一步,对链接错误修正的方法为:搜集统计错误类型,建立链接错误修正字典,根据术语名称以关键字匹配的方式确定正确的术语名称,并修改语法树结构;等价术语修正的修正方法为:统计出现的等价术语,建立等价术语修正字典,根据术语名称以关键字匹配的方式确定等价术语名称,并修改语法树结构。
进一步,待审BIM模型的建立方法为:在建立模型前根据计算机语言术语录入规范需要审查的属性;建立BIM模型后将模型输出的文件与计算机语言术语进行对齐,随后对输出的文件进行解析从而转换为能够被推理机识别的文件格式,调用推理机对BIM模型进行推理与完善,从而得到待审BIM模型。
本发明还公开了一种规范自动解译的BIM智能审图系统,包括:输入模块,用于根据审图需要对规范进行结构化和预处理;结构解析模块,用于对规范条文语义标注和语法解析,从而建立语法树;映射关系模块,用于通过语法树建立规范条文的关键词与计算机语言术语的映射关系;命令生成模块,用于根据映射关系将规范条文转化为计算机审图命令;结果输出模块,用于根据计算机审图命令对BIM模型进行审图,并输出审图结果。
本发明还公开了一种计算机可读存储介质,计算机可读存储介质上存储有计算机程序,计算机程序被处理器执行以实现上述任一项的规范自动解译的BIM智能审图方法的步骤。
本发明由于采取以上技术方案,其具有以下优点:
1、本发明方案降低了规范条文构建的成本,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条文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。
2、本发明方案具有更高的可拓展性,当所需计算机语言、运行环境等发生改变时,仅需要根据所需计算机语言的特点对映射关系进行修改,并按照目标计算机语言的格式输出代码,用户能够批量将需要审查的规范转化为计算机可执行的代码,无需依赖专业人士逐条翻译规范。
3、大部分的BIM建模软件都可以导出IFC文件,本发明通过IFC文件进行审查,用户能够采用不同的软件进行模型构建。
4、本发明中方案具有更低的维护成本,当规范发生改变后,用户可以根据自身审查需要,输入自然语言表达的规范,本发明自动将上述规范解译为计算机可执行代码,无需专业人员解译规范,降低了维护成本。
附图说明
图1是本发明一实施例中规范自动解译的BIM智能审图方法的流程图;
图2是本发明一实施例中规范自动解译为可执行代码并进行模型审查的示意图。
具体实施方式
为了使本领域技术人员更好的理解本发明的技术方向,通过具体实施例对本发明进行详细的描绘。然而应当理解,具体实施方式的提供仅为了更好地理解本发明,它们不应该理解成对本发明的限制。在本发明的描述中,需要理解的是,所用到的术语仅仅是用于描述的目的,而不能理解为指示或暗示相对重要性。
本发明以各个步骤的执行主体为电子设备为例进行说明,该电子设备具有计算能力,比如:计算机、平板电脑、手机、服务器等,本实施例不对电子设备的类型作限定。
本发明涉及一种规范自动解译的BIM智能审图方法、系统和介质,其旨在提高BIM审图自动化程度和可拓展性。本发明以语义为核心,集成合规性审查有关的术语与语义信息,实现规范的自动解译,通过逻辑推理实现自动合规性检查。该方案支持用户输入自然语言在BIM模型中进行审图,无需专业人员编写审查代码,具有高效、高拓展性的特点。下面结合附图,通过五个实施例对本发明方案进行详细说明。
实施例一
本实施例公开了一种规范自动解译的BIM智能审图方法,如图1所示,至少包括以下步骤:
1、根据审图需求对规范进行结构化和预处理。
查找输入的规范条文是否已经包括在规范库中,如果规范库中已经存储了相关的规范条文,用户直接选择对应的规范及可执行代码即可,无需进行规范条文的结构化与预处理以及解译过程。如果规范库中不存在对应的规范,在对规范条文格式化与前处理后,通过步骤2至步骤4将规范条文解译为计算机可以执行的语言、命令,并以文本的形式输出。规范条文结构化与预处理包括:根据规范特点以及章节、条文的编号和格式特征将规范全文拆分和结构化,并将以图片表示的规范条文转化为自然语言的表达形式,根据分号、句号和换行符将自然语言分割为单个句子,最后基于字典、机器学习等自然语言处理算法将句子自动分类为不同的类别,从而降低后续规范条文解译过程的难度与复杂度。上述文本的形式至少包括原始语句(Seq)、语义标签后的语句(Label)、语法树(RCTree)和可执行代码。用户可以对输出的内容进行查看和修改,若用户对语法树中信息进行了修改,本实施例中方法会自动修改对应的其他内容,如对可执行代码进行修改。
2、对规范条文语义标注和语法解析,从而建立语法树。
此步骤目的是对输入的规范条文进行语义标注和语法解析,从而建立语法树。现有的大部分规范条文解译的方法都是基于正则表达式的映射规范和冲突消解规范进行语义标注与语法解析,正则表达式的表达能力较低,如无法表达递归,很容易导致其使用数量的增加,即需要使用多个的正则表达式叠加才能表示一个规范,并变得难以维护。本实施例的语义标注可以通过字典、计算机语言术语或者深度学习等方法实现,语义解析可以采用CFG文法或者机器学习等方法,避免了正则表达式难以维护的难题。
3、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。
计算机语言术语为规范本体,规范本体将规范条文中出现的专业术语定义为本体类,将需要审核的属性定义为本体数据属性;规范本体可采用半自动本体建立方法,首先利用规范等领域文档自动学习和抽取领域术语并进行术语聚类及类内层级划分,随后基于半自动本体建立结果进行人工补全,并录入每个术语解释。
本步骤将语法树的树节点中的规范条文的关键词与审查所需的目标计算机语言的术语一一映射。语法树中的树节点中的规范条文的关键词为自然语言,通过计算自然语言与计算机语言术语的语义相似度,将语法树中元素映射为计算机语言术语,从而建立映射关系。
4、根据映射关系将规范条文转化为计算机审图命令。
首先根据语法树、本领域知识和目标计算机语言对映射关系进行修正。对映射关系进行修正包括:链接错误修正与等价术语修正。对链接错误修正的方法为:搜集统计错误类型,建立链接错误修正字典,根据术语名称以关键字匹配的方式确定正确的术语名称,并修改语法树结构;等价术语修正的修正方法为:统计出现的等价术语,建立等价术语修正字典,根据术语名称以关键字匹配的方式确定等价术语名称,并修改语法树结构。
在语法树每个节点都与计算机语言术语建立链接后,根据需要转化审图命令的语言特点建立语法树与审图命令的语言的映射规则,随后递归语法树根据规则进行映射,从而将规范条文转化为计算机审图命令。审图命令可以是SPARQL、XML、SQL等。本实施例中,还根据不同类别的规范条文的句法结构不同,针对性地采用不同映射规则对不同类别的规范条文进行转化。通过对规范条文进行分类,以降低规范转化的难度,提高规范解译的正确率。
5、根据计算机审图命令对BIM模型进行审图,并输出审图结果。
待审BIM模型的建立方法为:基于预设的构件库创建BIM模型,在建立模型前根据计算机语言术语录入规范需要审查的属性,即保证构件库中的构件包括规范审查所需的结构和属性。建立BIM模型后将模型输出的文件与计算机语言术语进行对齐,随后对输出的文件进行解析从而转换为能够被推理机识别的文件格式,调用推理机对BIM模型进行推理与完善,从而得到待审BIM模型。本实施例中模型输出的文件优选为IFC(IndustryFoundation Classes)文件,目前现有BIM模型输出主要采用该格式文件,但模型输出的文件也可以是其他格式的文件,在此不做限定。需要将模型输出的文件进行转换的原因是BIM模型输出的文件格式无法直接用于推理机,因此需要将其转换为推理机可以识别的文件格式,本实施例中优选为TTL(turtle)格式的文件。
利用模型审查器执行计算机审图命令,以判断待审BIM模型的属性是否符合规范条文的要求,从而实现智能审查,最终将结果以设定的方式进行展示,如返回不符合要求的元素信息,并提出修改建议。本实施例中优选的模型审查器为本体推理机,也可采用其他模型审查器,在此不做限定。
实施例二
基于相同的发明构思,本实施例通过引入具体的规范条文,并测试了该审图方法的审图效果,从而通过具体数据对实施例一中的方案进行说明。实施例的效果示意图如图2所示。
本实施例公开了一种规范自动解译的BIM智能审图方法,至少包括以下步骤:
1、根据审图需求对规范进行结构化和预处理。
本实施例中选择《建筑设计防火规范》GB 50016—2014(2018年版)第三章厂房和仓库中的强制性规范条文作为规范条文。根据规范特点以及章节、条文的编号和格式特征将规范全文拆分和结构化,并将以图片表示的规范条文转化为自然语言的表达形式,根据分号、句号和换行符将自然语言分割为单个句子。为了验证所采用的句子自动分类方法的准确性,人工将句子分类为直接属性审查类、间接属性审查类和不适用于BIM审查类。其中,间接属性审查类又包括:数量审查类、距离审查类、楼层审查以及其他间接属性审查,人工句子分类共101个句子。为了验证所提出的自动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方法,人工对97个句子进行了标注。最后,建立的验证数据集包括27类实体链接标签、97个句子,468个实体链接标签。
本实施例中,还根据不同类别的规范条文的句法结构不同,针对性地采用不同映射规则对不同类别的规范条文进行转化。对规范条文进行分类,以降低规范解译的难度,提高规范解译的正确率。本实施例中采用的句子自动分类方法是关键词匹配方法,分类效果如表1所示。F1分数(F1-Score)是统计学中用来衡量二分类模型精确度的一种指标,同时兼顾了分类模型的准确率和召回率,可以看作是模型准确率和召回率的一种加权平均。
表1规范条文自动分类方法效果展示表
2、对规范条文语义标注和语法解析,从而建立语法树。
此步骤目的是对输入的规范条文进行语义标注和语法解析,从而建立语法树。在条文分类完成后,采用深度学习预训练模型BERT进行语义标注,采用上下文无关文法对标注结果进行解析,从而建立语法树。
3、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。
计算机语言术语为规范本体,搜集相关规范条文中术语及其定义,建立规范本体,规范本体将规范中出现的专业术语定义为本体类,专业术语包括但不限于空间、设备和构件等。将需要审核的属性定义为本体数据属性。
上述建立规范本体的具体方法为:依靠数据挖掘技术获得规范条文全文,基于半自动本体建立的方法筛选出领域术语并进行术语聚类及类内层级划分;随后基于半自动本体建立结果进行人工补全,在protégé中建立本体,并录入每个术语解释。
本步骤通过实体链接(Entity Linking)将语法树的树节点中的规范条文的关键词与审查所需的目标计算机语言的术语一一映射,并将术语名称与术语类别添加为语法树树节点的属性。术语类别包括本体类和本体数据属性两类。每个术语名称都唯一对应着一种术语类别。通常的实体链接方法包括:基于关键词匹配方法(KW)、基于加权的关键字匹配方法(KW-Weighted)、基于word2vec句子相似度的方法、基于word2vec的tf-idf加权句子相似度方法和基于Word Mover′s Distance(WMD)的相似度方法等。在确定目标词语与所有候选术语的相似度之后,选择相似度最高的术语作为实体链接结果。通过步骤1得到的验证数据集对不同实体链接方法进行测试,其测试结果如表2所示。
表2常用实体链接方法的效果对比表
4、根据映射关系将规范条文转化为计算机审图命令。
根据语法树、本领域知识和目标计算机语言对映射关系进行修正,对映射关系进行修正包括:链接错误修正与等价术语修正。
链接错误修正是指术语类别为本体数据属性的术语不应该出现在语法树的非叶节点中,即非叶子节点的术语类别仅能为本体类。否则可能会出现“属性值拥有某对象”的情况,违背了BIM模型的定义。修正的方法为:搜集统计错误类型,建立链接错误修正字典,根据术语名称以关键字匹配的方式确定正确的术语名称,并修改语法树结构。本实施例中,链接错误修正结果如表3所示。
表3链接错误修正结果表
等价术语修正是指将复杂术语替换为一系列基础术语的组合。将复杂术语表达为基础术语可以减少规范转换过程中的不确定性,提高转换精度。依据土木工程的领域知识,可以将一些复杂术语通过等价方式定义为基础术语之和的形式。比如:本体类“防火墙类”=本体类“墙体”+本体数据属性“具有防火属性”。等价术语修正的修正方法为:统计出现的等价术语,建立等价术语修正字典,根据术语名称以关键字匹配的方式确定等价术语名称,并修改语法树结构。在本实施例中,等价术语修正结果如表4所示。
表4等价术语修正结果表
节点间关系确定:如果当前节点与其某一个子节点的术语类别都为本体类时,在规范本体中加入对象属性的类别以确定节点间关系。将当前节点的术语名称作为对象属性的domain,将其子节点的术语名称作为对象属性的range,通过domain-range对可以唯一确定当前节点与子节点之间对象属性。在语法树每个节点都与计算机语言术语建立链接,并且节点和节点的关系确定为对象属性后,根据需要转化审图命令的语言特点建立语法树与审图命令的语言的映射规则,随后递归语法树根据映射规则进行映射,从而将规范条文转化为计算机审图命令。本实施例中,还根据不同类别的规范条文的句法结构不同,针对性地采用不同映射规则对不同类别的规范条文进行转化。本实施例优选的审图命令为SPARQL语言,也可采用其他的审图命令,在此不做限制。
5、根据计算机审图命令对BIM模型进行审图,并输出审图结果。
待审BIM模型的建立方法为:基于预设的构件库创建BIM模型,本实施例中建立的BIM模型为一双层工业厂房。在建立模型前根据计算机语言术语录入规范需要审查的属性,即保证构件库中的构件包括规范审查所需的结构和属性。建立BIM模型后将模型输出的文件与计算机语言术语进行对齐,随后对输出的文件进行解析从而转换为能够被推理机识别的文件格式,调用推理机对BIM模型进行推理与完善,从而得到待审BIM模型。本实施例中模型输出的文件优选为IFC(Industry Foundation Classes)文件,目前现有BIM模型输出主要采用该格式文件,但模型输出的文件也可以是其他格式的文件,在此不做限定。需要将模型输出的文件进行转换的原因是BIM模型输出的文件格式无法直接用于推理机,因此需要将其转换为推理机可以识别的文件格式,本实施例中优选为TTL(turtle)格式的文件。
以将IFC文件转化为TTL文件为例,其方法为:建立BIM模型后将模型输出的IFC文件与规范本体进行对齐,对齐结果如表5所示,随后基于IFCOpenShell使用python语言编写了IFC文件解析器,通过IFC文件解析器获取IFC文件中数据,并基于TTL语法将数据存储为TTL格式,调用推理机对BIM模型进行推理与完善,从而得到待审BIM模型。
表5IFC文件与规范本体对齐结果表
利用本体推理机执行计算机审图命令,以判断待审BIM模型的属性是否符合规范条文的要求,从而实现智能审查,最终将结果以设定的方式进行展示,如返回不符合要求的元素信息,并提出修改建议。
为了说明本实施例中审图方法的效果,本实施例比较了专业人员人工解译土木规范与自动解译土木规范所花费的时间。参与实验的两位专业人员为土木工程与计算机复合背景程序员,且具有熟练的SPARQL编写经验。
本次实验一共选择了4条直接属性审查类规范条文,8条间接属性审查类规范条文。分别采用人工编写与本实施中方法进行规范解译。本实验记录了从自然语言转译为可正确执行的SPARQL计算机命令所花费的时间。对于直接属性审查类规范条文而言,本实施例中方法转译花费的时间为人工转译的20.7%;对于间接属性审查类规范条文而言,本实施中方法转译花费的时间为人工转译的17.2%,两种方法各步骤的具体用时如表6所示。可见本实施例中审图方法能够大幅减少了BIM模型的规范解译及审图时间。其中,人工解译修正是指针对自动生成的代码进行人工修改以致完全正确所需要的时间,并非所有句子都需要人工修整。
表6人工解译和本实施例中方法各步骤所用时间对比表
实施例三
基于相同的发明构思,本实施例公开了另一种规范自动解译的BIM智能审图方法,其将规范条文转换为可供Autodesk Revit模型执行的规范审查代码。本实施例选择了四个规范条文作为示例进行代码生成,生成为可供Revit模型检查器(Revit Model Checker)执行的规范。所选择的四个条文如表7所示。这些规范以XML格式描述并被称为XML CheckSet。XML Check Set可以表示If-Then格式的规范以用于Revit模型检查器执行审查,这通过将检查的结果条件定义为“FailMatchingElement”实现,即如果找到匹配的元素则导致审查不通过。例如,规范“if A then B”可以用“A and(not B)”的匹配来表示,即如果“A”和“not B”两个条件都满足,则审查不通过,匹配的元素会被展示出来。需要说明的是,为了使实施例内容更加简洁,本实施例只阐述与实施例二不同的内容,本实施例中没有提到的步骤,应当理解为按照实施例二中的方式执行。
表7所审查的四个条文
序号 | 条文 |
1 | 楼板厚度不应小于30mm |
2 | 楼梯宽度不应小于0.8m |
3 | 宽度大于800mm的窗,其高度不应低于600mm |
4 | 厚度小于200mm的混凝土墙,其热阻不应低于0.1m<sup>2</sup>K/W |
1、根据审图需要对规范进行结构化和预处理。
2、对规范条文语义标注和语法解析,从而建立语法树。
3、建立语法树中的规范条文中关键词与计算机语言术语的映射关系。
计算机语言术语为规范本体,本实施例采用XML Check Set中对应的对象或属性名称作为规范本体,无需建立新的规范本体。
本实施例中实体链接的目标为:将语法树中的元素映射到XML Check Set中对应的对象或属性名称。例如,“窗”元素将被映射到“OST_Windows”这一Revit内置类名称,楼梯的“宽度”将被映射到“最小梯段宽度”,墙的默认属性“类型”将被映射到“StructuralMaterial”,“小于”将被映射为“LessThan”。本实施例的实体链接方法采用字典-关键字匹配的方法完成。此外,代码生成中还包括单位转换等步骤。Revit在处理XMLCheckSet时默认使用英制单位,因此公制单位的长度值需要被转换为英制单位,例如,将30毫米转换为0.098425英尺。
4、根据映射关系将规范条文转化为计算机审图命令。
本实施例优选的审图命令为XML语言,也可采用其他的审图命令,在此不做限制。
5、将计算机审图命令输入待审BIM模型中,对BIM模型进行审图,并输出审图结果。
将四条规范条文转换为XML Check Set,在建立了BIM模型后,利用Revit模型检查器执行计算机审图命令,获得最终的审图结果。
审图结果如下。由于第一和第四条规范未通过审查,因为显示审查通过率是50%。Revit模型检查器也提供了有关导致审查失败的元素的详细信息。对于第一条规范,二层楼板的厚度为25毫米,小于第一条规范规定的30毫米的要求。对于第四条规范,该规范审查还报告了37面墙没有满足第四条规范的要求,经人为检查,这一审查报告结果无误。该BIM模型共有10个楼板和297面宽度小于200毫米的混凝土墙,这一规范审查找到了不合规的1个楼板和37面墙,成功地检测到问题。人工核查花费时间约为660s,这一规范审查花费时间约为20s,可以大大提高审查效率。
实施例四
基于相同的发明构思,本实施例公开了一种规范自动解译的BIM智能审图系统,包括:
输入模块,用于根据审图需求对规范进行结构化和预处理;
结构解析模块,用于对规范条文语义标注和语法解析,从而建立语法树;
映射关系模块,用于通过语法树建立规范条文中关键词与计算机语言术语的映射关系;
命令生成模块,用于根据映射关系将规范条文转化为计算机审图命令;
结果输出模块,用于根据计算机审图命令对BIM模型进行审图,并输出审图结果。
实施例五
基于相同的发明构思,本实施例公开了一种计算机可读存储介质,计算机可读存储介质上存储有计算机程序,计算机程序被处理器执行以实现上述任一项的规范自动解译的BIM智能审图方法的步骤。
本领域内的技术人员应明白,本申请的实施例可提供为方法、系统、或计算机程序产品。因此,本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且,本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本申请是参照根据本申请实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
最后应当说明的是:以上实施例仅用以说明本发明的技术方案而非对其限制,尽管参照上述实施例对本发明进行了详细的说明,所属领域的普通技术人员应当理解:依然可以对本发明的具体实施方式进行修改或者等同替换,而未脱离本发明精神和范围的任何修改或者等同替换,其均应涵盖在本发明的权利要求保护范围之内。上述内容仅为本申请的具体实施方式,但本申请的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本申请揭露的技术范围内,可轻易想到变化或替换,都应涵盖在本申请的保护范围之内。因此,本申请的保护范围应以权利要求的保护范围为准。
Claims (6)
1.一种规范自动解译的BIM智能审图方法,其特征在于,包括:
根据审图需求对规范进行结构化和预处理;
对所述规范条文进行语义标注和语法解析,从而建立语法树;
建立所述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;
根据所述映射关系将所述规范条文转化为计算机审图命令;
根据所述计算机审图命令对所述BIM模型进行审图,并输出审图结果;
所述计算机语言术语为规范本体,所述规范本体将规范中出现的专业术语定义为本体类,将需要审核的属性定义为本体数据属性;所述规范本体采用半自动本体建立方法,首先利用规范领域文档自动学习和抽取领域术语,并进行术语聚类及类内层级划分,随后基于半自动本体建立结果进行人工补全,并录入每个术语解释;
所述根据映射关系将所述规范条文转化为计算机审图命令的方法为:根据所述语法树、本领域知识和目标计算机语言对所述映射关系进行修正,在所述语法树每个节点都与所述计算机语言术语建立链接后,根据需要转化审图命令的语言特点建立语法树与审图命令的语言的映射规则,随后递归语法树根据规则进行映射,从而将规范条文转化为计算机审图命令;
对所述映射关系进行修正包括:链接错误修正与等价术语修正;
所述对链接错误修正的方法为:搜集统计错误类型,建立链接错误修正字典,根据术语名称以关键字匹配的方式确定正确的术语名称,并修改语法树结构;等价术语修正的修正方法为:统计出现的等价术语,建立等价术语修正字典,根据术语名称以关键字匹配的方式确定等价术语名称,并修改语法树结构。
2.如权利要求1所述的规范自动解译的BIM智能审图方法,其特征在于,所述根据审图需要对规范进行结构化和预处理的具体方法为:根据规范特点以及章节、条文的编号和格式特征将规范全文拆分和结构化,并将以图片表示的规范条文转化为自然语言的表达形式,根据分号、句号和换行符将所述自然语言分割为单个句子,并基于自然语言处理算法依据句子解译难度将句子分类为不同的类别,从而降低后续规范条文解译过程的难度与复杂度。
3.如权利要求1所述的规范自动解译的BIM智能审图方法,其特征在于,所述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的方法为:语法树中元素为自然语言,通过计算自然语言与计算机语言术语的语义相似度,将语法树中元素映射为计算机语言术语,从而建立映射关系。
4.如权利要求1-3任一项所述的规范自动解译的BIM智能审图方法,其特征在于,所述待审BIM模型的建立方法为:在建立模型前根据计算机语言术语录入规范需要审查的属性;建立BIM 模型后将模型输出的文件与所述计算机语言术语进行对齐,随后对所述输出的文件进行解析从而转换为能够被推理机识别的文件格式,调用所述推理机对BIM 模型进行推理与完善,从而得到待审BIM模型。
5.一种规范自动解译的BIM 智能审图系统,其特征在于,包括:
输入模块,用于根据审图需要对规范进行结构化和预处理;
结构解析模块,用于对所述规范条文语义标注和语法解析,从而建立语法树;
映射关系模块,用于建立所述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;
命令生成模块,用于根据所述映射关系将所述规范条文转化为计算机审图命令;
结果输出模块,用于根据计算机审图命令对BIM 模型进行审图,并输出审图结果;
所述计算机语言术语为规范本体,所述规范本体将规范中出现的专业术语定义为本体类,将需要审核的属性定义为本体数据属性;所述规范本体采用半自动本体建立方法,首先利用规范领域文档自动学习和抽取领域术语,并进行术语聚类及类内层级划分,随后基于半自动本体建立结果进行人工补全,并录入每个术语解释;
所述根据映射关系将所述规范条文转化为计算机审图命令的方法为:根据所述语法树、本领域知识和目标计算机语言对所述映射关系进行修正,在所述语法树每个节点都与所述计算机语言术语建立链接后,根据需要转化审图命令的语言特点建立语法树与审图命令的语言的映射规则,随后递归语法树根据规则进行映射,从而将规范条文转化为计算机审图命令;
对所述映射关系进行修正包括:链接错误修正与等价术语修正;
所述对链接错误修正的方法为:搜集统计错误类型,建立链接错误修正字典,根据术语名称以关键字匹配的方式确定正确的术语名称,并修改语法树结构;等价术语修正的修正方法为:统计出现的等价术语,建立等价术语修正字典,根据术语名称以关键字匹配的方式确定等价术语名称,并修改语法树结构。
6.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质上存储有计算机程序,所述计算机程序被处理器执行以实现如权利要求1-4任一项所述的规范自动解译的BIM 智能审图方法的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111214873.9A CN113987199B (zh) | 2021-10-19 | 2021-10-19 | 一种规范自动解译的bim智能审图方法、系统和介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111214873.9A CN113987199B (zh) | 2021-10-19 | 2021-10-19 | 一种规范自动解译的bim智能审图方法、系统和介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113987199A CN113987199A (zh) | 2022-01-28 |
CN113987199B true CN113987199B (zh) | 2023-02-21 |
Family
ID=79739321
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111214873.9A Active CN113987199B (zh) | 2021-10-19 | 2021-10-19 | 一种规范自动解译的bim智能审图方法、系统和介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113987199B (zh) |
Families Citing this family (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114722464B (zh) * | 2022-03-28 | 2023-04-07 | 广东省重工建筑设计院技术咨询有限公司 | 一种基于人工智能的自动化审图系统及方法 |
CN115271683B (zh) * | 2022-09-26 | 2023-01-13 | 西南交通大学 | 基于标准知识图谱元结构的bim自动标准审查系统 |
CN115358158B (zh) * | 2022-10-21 | 2023-02-07 | 深圳市地铁集团有限公司 | 轨道交通bim模型规范性检测的方法、系统及设备 |
CN117196545A (zh) * | 2023-11-08 | 2023-12-08 | 北京达美盛软件股份有限公司 | 一种基于三维校核的设计合规性审查方法及系统 |
Family Cites Families (17)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6198808B1 (en) * | 1997-12-31 | 2001-03-06 | Weblink Wireless, Inc. | Controller for use with communications systems for converting a voice message to a text message |
US20140132729A1 (en) * | 2012-11-15 | 2014-05-15 | Cybernet Systems Corporation | Method and apparatus for camera-based 3d flaw tracking system |
US9959268B2 (en) * | 2014-12-01 | 2018-05-01 | Environmental Systems Research Institute, Inc. | Semantic modeling of geographic information in business intelligence |
CN105260541A (zh) * | 2015-10-13 | 2016-01-20 | 中国十七冶集团有限公司 | 一种基于bim模型的管线深化方法 |
CN107846461A (zh) * | 2017-10-31 | 2018-03-27 | 广州市新誉工程咨询有限公司 | 基于bim模型的文件上传方法及管理方法及文件命名方法 |
CN107967574A (zh) * | 2017-12-21 | 2018-04-27 | 深圳拎得清软件有限公司 | 基于bim的数字化审图方法及其系统 |
CN108416123A (zh) * | 2018-02-13 | 2018-08-17 | 西安理工大学 | 一种面向设计规范审查的ifc数据模型构建方法 |
CN108717405B (zh) * | 2018-04-18 | 2019-08-16 | 西安理工大学 | 基于思维导图的楼梯设计规范缺省主语的补全方法 |
US20200234397A1 (en) * | 2019-01-22 | 2020-07-23 | Fyusion, Inc. | Automatic view mapping for single-image and multi-view captures |
CN110704924A (zh) * | 2019-09-27 | 2020-01-17 | 云南齐星杭萧钢构股份有限公司 | Bim预设模型创建系统与bim预设模型创建方法 |
CN111489748A (zh) * | 2019-10-18 | 2020-08-04 | 广西电网有限责任公司 | 一种调度智能语音辅助系统 |
CN111814434B (zh) * | 2020-07-06 | 2022-05-13 | 清华大学 | 建筑规范结构化规则自动生成装置及方法 |
CN111931269B (zh) * | 2020-07-10 | 2023-01-31 | 上海建工四建集团有限公司 | Bim与图纸中重要构件信息一致性的自动审核方法和系统 |
CN112199115A (zh) * | 2020-09-21 | 2021-01-08 | 复旦大学 | 基于特征相似度匹配的跨Java字节码和源代码行关联方法 |
CN112100200A (zh) * | 2020-09-27 | 2020-12-18 | 四川长虹电器股份有限公司 | 一种基于维度模型自动化生成sql语句的方法 |
CN112560151A (zh) * | 2020-12-22 | 2021-03-26 | 中设数字技术股份有限公司 | 一种基于资源描述框架的bim模型智能审核方法及系统 |
CN112764762B (zh) * | 2021-02-09 | 2021-09-17 | 清华大学 | 一种将规范文本自动转为可计算逻辑规则的方法及系统 |
-
2021
- 2021-10-19 CN CN202111214873.9A patent/CN113987199B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN113987199A (zh) | 2022-01-28 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113987199B (zh) | 一种规范自动解译的bim智能审图方法、系统和介质 | |
US11748232B2 (en) | System for discovering semantic relationships in computer programs | |
US9678949B2 (en) | Vital text analytics system for the enhancement of requirements engineering documents and other documents | |
US9875319B2 (en) | Automated data parsing | |
US7693705B1 (en) | Process for improving the quality of documents using semantic analysis | |
WO2022218186A1 (zh) | 个性化知识图谱的生成方法、装置及计算机设备 | |
CN113191148B (zh) | 一种基于半监督学习和聚类的轨道交通实体识别方法 | |
CN113806563A (zh) | 面向多源异构建筑人文史料的建筑师知识图谱构建方法 | |
CN116821318B (zh) | 基于大语言模型的业务知识推荐方法、装置及存储介质 | |
Wang et al. | NLP-based query-answering system for information extraction from building information models | |
US11580100B2 (en) | Systems and methods for advanced query generation | |
CN111656453A (zh) | 用于信息提取的层次实体识别和语义建模框架 | |
WO2018174816A1 (en) | Method and apparatus for semantic coherence analysis of texts | |
CN113076133A (zh) | 基于深度学习的Java程序内部注释的生成方法及系统 | |
CN116861269A (zh) | 工程领域的多源异构数据融合及分析方法 | |
CN115098061A (zh) | 软件开发文档优化方法、装置、计算机设备及存储介质 | |
Peng et al. | Automated code compliance checking research based on BIM and knowledge graph | |
Sun | A natural language interface for querying graph databases | |
CN112764762B (zh) | 一种将规范文本自动转为可计算逻辑规则的方法及系统 | |
CN116360794A (zh) | 数据库语言解析方法、装置、计算机设备及存储介质 | |
US11573968B2 (en) | Systems and methods of creating and using a transparent, computable contractual natural language | |
US11907656B2 (en) | Machine based expansion of contractions in text in digital media | |
CN114780403A (zh) | 基于增强代码属性图的软件缺陷预测方法及预测装置 | |
US11605006B2 (en) | Deep-learning model catalog creation | |
Sonje et al. | draw2code: Ai based auto web page generation from hand-drawn page mock-up |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |