CN115358158B - 轨道交通bim模型规范性检测的方法、系统及设备 - Google Patents

轨道交通bim模型规范性检测的方法、系统及设备 Download PDF

Info

Publication number
CN115358158B
CN115358158B CN202211290792.1A CN202211290792A CN115358158B CN 115358158 B CN115358158 B CN 115358158B CN 202211290792 A CN202211290792 A CN 202211290792A CN 115358158 B CN115358158 B CN 115358158B
Authority
CN
China
Prior art keywords
rail transit
bim
model
component
mathematical model
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
Application number
CN202211290792.1A
Other languages
English (en)
Other versions
CN115358158A (zh
Inventor
李源潮
陈春辉
孙汉贵
潘健英
彭玻尔
崔玲枝
程天寿
罗益波
崔青玉
曹宇齐
王晓刚
吴洋
刘昭
李浩冉
吴天宇
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Shenzhen Railway Investment And Construction Group Co ltd
Shenzhen Metro Group Co ltd
Original Assignee
Shenzhen Railway Investment And Construction Group Co ltd
Shenzhen Metro Group Co ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Shenzhen Railway Investment And Construction Group Co ltd, Shenzhen Metro Group Co ltd filed Critical Shenzhen Railway Investment And Construction Group Co ltd
Priority to CN202211290792.1A priority Critical patent/CN115358158B/zh
Publication of CN115358158A publication Critical patent/CN115358158A/zh
Application granted granted Critical
Publication of CN115358158B publication Critical patent/CN115358158B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/20—Design optimisation, verification or simulation
    • G06F30/27—Design optimisation, verification or simulation using machine learning, e.g. artificial intelligence, neural networks, support vector machines [SVM] or training a model
    • 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
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/08—Construction

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Business, Economics & Management (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Human Resources & Organizations (AREA)
  • Geometry (AREA)
  • Economics (AREA)
  • Computer Hardware Design (AREA)
  • Evolutionary Computation (AREA)
  • Strategic Management (AREA)
  • General Engineering & Computer Science (AREA)
  • General Business, Economics & Management (AREA)
  • Tourism & Hospitality (AREA)
  • Development Economics (AREA)
  • Educational Administration (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Marketing (AREA)
  • Software Systems (AREA)
  • Health & Medical Sciences (AREA)
  • Artificial Intelligence (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Primary Health Care (AREA)
  • Medical Informatics (AREA)
  • Operations Research (AREA)
  • Game Theory and Decision Science (AREA)
  • General Health & Medical Sciences (AREA)
  • Quality & Reliability (AREA)
  • Architecture (AREA)
  • Civil Engineering (AREA)
  • Structural Engineering (AREA)
  • Computational Mathematics (AREA)
  • Mathematical Analysis (AREA)
  • Mathematical Optimization (AREA)
  • Pure & Applied Mathematics (AREA)
  • Machine Translation (AREA)

Abstract

本发明提供了一种轨道交通BIM模型规范性检测的方法，包括：获取轨道交通BIM模型和轨道交通行业规范条文；根据轨道交通行业规范条文和预设自然语言处理数学模型计算得到命名规则信息数据库；根据命名规则信息数据库建立神经网络数学模型，将轨道交通行业规范条文作为神经网络数学模型的输入值计算得到同义词集；根据同义词集合和预设检测规则建立自动规范检测数学模型，将轨道交通BIM模型作为自动规范检测数学模型的输入值计算得到规范检测结果。本发明的有益效果为：通过建立神经网络数学模型，自动对轨道交通BIM模型进行规范检测，提升了轨道交通BIM模型规范性检测的效率和准确度。

Description

轨道交通BIM模型规范性检测的方法、系统及设备
技术领域
本发明涉及工程造价技术领域，具体而言，涉及一种轨道交通BIM模型规范性检测的方法、系统及设备。
背景技术
随着BIM (Building Information Modeling，建筑信息模型)技术被广泛应用，尤其是正向三维设计的推动，使得轨道交通设施在建设前被赋予大量的BIM数据，在轨道交通行业，大量的BIM模型需要在计算工作量前进行规范检测，以提升后续模型整合的效率。现有的检测手段是主要是通过人工查阅相关规范文件对模型进行检测，高度依赖检查人员的能力和经验，这样的方式存在效率低下的缺点。
发明内容
本发明的目的在于提供一种轨道交通BIM模型规范性检测的方法、系统及设备，以改善上述问题。为了实现上述目的，本发明采取的技术方案如下：
第一方面，本申请提供了一种轨道交通BIM模型规范性检测的方法，包括：获取轨道交通BIM模型和轨道交通行业规范条文；根据所述轨道交通行业规范条文和预设自然语言处理数学模型计算得到命名规则信息数据库；根据所述命名规则信息数据库建立神经网络数学模型，将所述轨道交通行业规范条文作为所述神经网络数学模型的输入值计算得到同义词集，所述同义词集内一个元素为一个规范用词及其相同语义的其他词；根据所述同义词集和预设检测规则建立自动规范检测数学模型，将所述轨道交通BIM模型作为所述自动规范检测数学模型的输入值计算得到规范检测结果。
第二方面，本申请还提供了一种轨道交通BIM模型规范性检测的系统，包括：获取单元，用于获取轨道交通BIM模型和轨道交通行业规范条文；提取单元，用于根据所述轨道交通行业规范条文和预设自然语言处理数学模型计算得到命名规则信息数据库；比对单元，用于根据所述命名规则信息数据库建立神经网络数学模型，将所述轨道交通行业规范条文作为所述神经网络数学模型的输入值计算得到同义词集，所述同义词集内一个元素为一个规范用词及其相同语义的其他词；检测单元，用于根据所述同义词集和预设检测规则建立自动规范检测数学模型，将所述轨道交通BIM模型作为所述自动规范检测数学模型的输入值计算得到规范检测结果。
第三方面，本申请还提供了一种轨道交通BIM模型规范性检测的设备，包括：
存储器，用于存储计算机程序；
处理器，用于执行所述计算机程序时实现所述BIM算量模型规范检测方法的步骤。
本发明的有益效果为：
本发明通过建立神经网络数学模型，筛选出轨道交通行业规范条文中关于模型命名规格的条文并转换为计算机可识别的语句，自动对轨道交通BIM模型进行规范检测，提升了轨道交通BIM模型规范性检测的效率和准确度。
本发明的其他特征和优点将在随后的说明书阐述，并且，部分地从说明书中变得显而易见，或者通过实施本发明实施例了解。本发明的目的和其他优点可通过在所写的说明书、权利要求书、以及附图中所特别指出的结构来实现和获得。
附图说明
为了更清楚地说明本发明实施例的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，应当理解，以下附图仅示出了本发明的某些实施例，因此不应被看作是对范围的限定，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他相关的附图。
图1为本发明实施例中所述的轨道交通BIM模型规范性检测的方法流程示意图;
图2为本发明实施例中所述的轨道交通BIM模型规范性检测的系统结构示意图；
图3为本发明实施例中所述的轨道交通BIM模型规范性检测的设备结构示意图。
图中标记：1、获取模块；2、提取模块；21、第一筛选单元；22、第一计算单元；23、第一标注单元；24、第一整合单元；3、比对模块；31、第二计算单元；32、第三计算单元；33、第二筛选单元；34、第二整合单元；4、检测模块；41、第四计算单元；411、第一录入单元；412、第一判断单元；413、第一转换单元；42、第一测试单元；421、第一输出单元；422、第五计算单元；423、第四整合单元；43、第三整合单元；800、轨道交通BIM模型规范性检测的设备；801、处理器；802、存储器；803、多媒体组件；804、I/O接口；805、通信组件。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。通常在此处附图中描述和示出的本发明实施例的组件可以以各种不同的配置来布置和设计。因此，以下对在附图中提供的本发明的实施例的详细描述并非旨在限制要求保护的本发明的范围，而是仅仅表示本发明的选定实施例。基于本发明中的实施例，本领域普通技术人员在没有作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。
应注意到：相似的标号和字母在下面的附图中表示类似项，因此，一旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步定义和解释。同时，在本发明的描述中，术语“第一”、“第二”等仅用于区分描述，而不能理解为指示或暗示相对重要性。
实施例1：
本实施例提供了一种轨道交通BIM模型规范性检测的方法。
参见图1，图中示出了本方法包括步骤S100、步骤S200、步骤S300和步骤S400。
S100、获取轨道交通BIM模型和轨道交通行业规范条文。
需要说明的是，在步骤S100中，轨道交通BIM模型需要在模型建造过程中对构件的名称、属性等信息进行定义，这样才能方便后续模型内信息的提取；轨道交通行业规范条文为执行轨道交通BIM模型规范性检测的依据。
S200、根据所述轨道交通行业规范条文和预设自然语言处理数学模型计算得到命名规则信息数据库。
需要说明的是，在步骤S200中，将轨道交通行业规范条文通过自然语言处理，包括不限于词语切分、词性分类等，从需要考虑的众多轨道交通行业规范条文中筛选出关于构件命名和属性相关的条文，并将条文按照BIM模型构件专业、构件类型和构件特征描述的三类信息进行归类。
S300、根据所述命名规则信息数据库建立神经网络数学模型，将所述轨道交通行业规范条文作为所述神经网络数学模型的输入值计算得到同义词集。
需要说明的是，在步骤S300中，将通过词性标注和归类整合的规范条文使用神经网络方法和机器学习方法，并结合人工规范检测的经验加入相关规则，对经过归类的信息进行整合，将表述不同、含义相同的信息整合到同一个规范化的表述同义词集中。
S400、根据所述同义词集和预设检测规则建立自动规范检测数学模型，将所述轨道交通BIM模型作为所述自动规范检测数学模型的输入值计算得到规范检测结果。
需要说明的是，在步骤S400中，将规范条文同义词集转化为计算机可识别的规则，然后将规则以产生式的方式建立规则库，结合推理检测规则，完成对轨道交通BIM模型的规范检测并输出规范检测结果。
在本申请所公开的具体实施例中，步骤S200中包括步骤S210、步骤S220、步骤S30和步骤S240。
S210、根据所述轨道交通行业规范条文和预设筛选规则，筛选得到构件命名规则条文集。
需要说明的是，在步骤S210中，将轨道交通行业规范条文逐条输出计算机中形成规范文本语料库，根据关键词筛选等方法，提取出语料库中有关构件命名方面的条文，并将条文整合形成构件命名规则条文集。
S220、根据所述命名规则条文和预设单词切分数学模型，计算得到条文切分集合。
需要说明的是，在步骤S220中，命名规则条文为完整的句子，需要将每一个条文文本中的各个词进行分割，以便于后续处理。本步骤利用条件随机场模型结合建筑词典的手段，将命名规则条文内的条文逐条进行分割，提升处理效率。
S230、根据所述条文切分集合和预设的最大熵数学模型，将所述条文切分集合内的词进行词性标注，得到条文词性标注集合。
需要说明的是，在步骤S230中，将条文切分集合内每个条文中经过分割后的词逐个利用最大熵模型，同时在处理每个词时结合该词在条文中前后的信息并结合建筑词典，对每个词进行词性标注。通过对词的词性标注可以初步判断每个词在构件属性中代表的信息类型。
S240、根据所述条文词性标注集合和预设分类合并规则，将所述条文词性标注集合内的词依据词性归类为构件专业、构件类型和构件特征三个类型，并将归类后的内容整合得到命名规则信息数据库。
需要说明的是，在步骤S240中，在条文中各词进行词性标注的基础上，筛选并整合出具有名词和量词词性的词，其中将名词词性的合并至代表构件专业和构件类型的集合中，同时根据轨道交通领域知识，明确上下级关系，其中构件专业为构件类型的上一级，将量词词性的词合并至代表构件特征的集合中。这样的方式可以高效率筛选出轨道交通行业规范条文中的构件信息描述。
在本申请所公开的具体实施例中，步骤S300中包括步骤S310、步骤S320、步骤S330和步骤S340。
S310、根据所述命名规则信息数据库建立神经网络数学模型，计算得到文本向量集，所述文本向量集内的一个元素为所述轨道交通行业规范条文中一个词的向量化表达。
需要说明的是，在步骤S310中，利用神经网络语言模型的方法，将命名规则信息数据库中每个词作为输入，通过对神经网络语言模型进行调整和迭代训练，最终将命名规则信息数据库中的每个词向量化，提升了条文处理的效率。
S320、根据所述文本向量集和预设词义判断数学模型，计算得到第一词组集合，所述第一词组集合内一个元素为语义相似度小于阈值的词组。
需要说明的是，在步骤S320中，将文本向量集中向量化的每个词分别与其余词两两之间进行提取并计算两个词之间的欧式距离，得到它们之间的语义相似度，并将语义相似度小于设定阈值的词进行合并，形成多个词组。
S330、将所述第一词组集合进行词性检查，删除所述第一词组集合中词性不一致的词组，得到第二词组集合。
需要说明的是，在步骤S330中，通过删除词组中词性不一致的词，进一步提升相似词筛选的精准度。
S340、将所述第二词组集合内每个词组中任意取一个词作为该词组中其他词的规范化表述，整合得到同义词集。。
需要说明的是，在步骤S340中，所有含有相同词的词对合并为一个词集合，从而将表述不同但含义相同的信息整合在同一个词集合中，最终形成若干个词集合，并在每个词集合中任意取一个词作为该词集合中其他词的规范化表述。
在本申请所公开的具体实施例中，步骤S400中包括步骤S410、步骤S420和步骤S430。
S410、根据所述轨道交通BIM模型和预设构件语义提取数学模型，计算得到构件命名信息，所述构件命名信息包括构件专业名称、构件类型名称和构件特征信息。
需要说明的是，在步骤S410中，轨道交通BIM模型中模型数据信息包括BIM模型中的几何(形状，尺寸，大小等)、物理(材质，位置，坡度等)属性和命名相关信息等内容，在本申请中，主要是对轨道交通BIM模型的命名相关信息的规范进行检测，这样的处理方法剔除冗余的数据，提升处理效率。
S420、将所述构件命名信息进行完整性检测得到完整性检测结果；
需要说明的是，在步骤S420中，对构件命名信息进行完整性检测可以提前对数据信息不完整的模型进行筛选，输出检测结果而不需要再进行后续的对比。
S430、根据所述完整性检测结果和所述同义词集计算得到规范性检测结果。
需要说明的是，在步骤S430中，将通过完整性检测的构件命名信息与同义词集内信息逐条进行对比，得到规范检测结果。
在本申请所公开的具体实施例中，步骤S410中包括步骤S411、步骤S412、步骤S413、步骤S414和步骤S415。
S411、基于所述轨道交通规范性条文建立构件建模标准。
需要说明的是，在步骤S411中，对于轨道交通BIM模型进行自动检测，需要根据轨道交通规范性条文建立行业的Ｒevit标准族库，明确要求其BIM模型必须基于该族库建立。这为本申请奠定了主要技术基础，即在大部分情况下，轨道交通规范性条文描述的对象都能够与BIM模型中的设计对象建立对应关系，程序可以方便地利用Ｒevit API解析出模型对象的属性进行相应比对。
S412、根据所述构件建模标准建立构件完整性判断数学模型，将所述轨道交通BIM模型作为所述构件完整性判断数学模型的输入值，计算得到模型判断结果。
需要说明的是，在步骤S412中，本步骤是为了筛选出没有根据建模标准来进行属性设置的构件模型，这些模型无法提取出需要比对的构件命名信息，提前进行完整性判断可以提升后续信息自动规范检测的效率。
S413、若所述模型判断结果为不通过，则将所述模型判断结果作为规范性检测结果输出。
需要说明的是，在步骤S413中，系统对不完整或不符合建模要求的构件模型判断结果进行输出，不需要再进行进一步的比对，节约了时间。
S414、若所述模型判断结果为通过，则根据所述轨道交通BIM模型和预设的语义提取规则得到BIM简化模型，所述BIM简化模型包括完备的构件实体、所述构件实体之间的关系和所述构件实体的属性。
需要说明的是，在步骤S414中，将通过完整性检测的构件模型进行剔除非必要的属性信息压缩形成BIM简化模型，提升后续规范性检测的效率。
S415、根据所述BIM简化模型和预设的语义转换模型计算得到构件命名信息，所述构件命名信息为OWL格式描述的语义模型。
需要说明的是，在步骤S415中，将不同格式的抽取过后的轨道交通BIM模型文件均转换成OWL(Web Ontology Language，即网络本体语言)格式的模型。由于BIM模型的格式多种多样难以统一且其中有些格式不适用于被直接查询，将不同格式的抽取过后的轨道交通BIM模型型文件均转换成OWL格式的模型，该模型将被直接应用到后续的检测工作中。
在本申请所公开的具体实施例中，步骤S430中包括步骤S431、步骤S432和步骤S433。
S431、若完整性检测结果为不通过，则将完整性检测结果输出为规范检测结果。
需要说明的是，在步骤S431中，完整性检测不同过无需进行后续的规范检测，提升了检测的效率。
S432、若完整性检测结果为通过，则根据所述同义词集和预设一致性检测规则建立自动规范检测数学模型，将所述构件命名信息作为输入值，求解所述自动规范检测数学模型，得到一致性检测结果。
需要说明的是，在步骤S432中，根据BIM模型中的构件命名信息和基于同义词集建立的规则库中的规则，推理出模型是否符合规范的结果。推理过程都是由条件向结果方向的推理。逐条与规则库中的规则进行检测，直至检测完成，并输出检测结果。
S433、将所述完整性检测结果和所述一致性检测结果进行整合得到规范性检测结果。
需要说明的是，在步骤S433中，将完整性检测结果和一致性检测的结果形成工作日志构成完整的规范检测结果，针对性地指出轨道交通BIM模型存在的问题，方便后续的更正。
实施例2：
如图2所示，本实施例提供了一种轨道交通BIM模型规范性检测的系统，包括：
获取模块1，用于获取轨道交通BIM模型和轨道交通行业规范条文。
提取模块2，用于根据所述轨道交通行业规范条文和预设自然语言处理数学模型计算得到命名规则信息数据库。
比对模块3，用于据所述命名规则信息数据库建立神经网络数学模型，将所述轨道交通行业规范条文作为所述神经网络数学模型的输入值计算得到同义词集，所述同义词集内一个元素为一个规范用词及其相同语义的其他词。
检测模块4，用于根据所述同义词集和预设检测规则建立自动规范检测数学模型，将所述轨道交通BIM模型作为所述自动规范检测数学模型的输入值计算得到规范检测结果。
在一些具体的实施例中，提取模块2包括：
第一筛选单元21，用于根据所述轨道交通行业规范条文和预设筛选规则，筛选得到构件命名规则条文集。
第一计算单元22，用于根据所述命名规则条文和预设单词切分数学模型，计算得到条文切分集合。
第一标注单元23，用于根据所述条文切分集合和预设的最大熵数学模型，将所述条文切分集合内的词进行词性标注，得到条文词性标注集合。
第一整合单元24，用于根据所述条文词性标注集合和预设分类合并规则，将所述条文词性标注集合内的词依据词性归类为构件专业、构件类型和构件特征三个类型的，并将归类后的内容整合得到命名规则信息数据库。
在一些具体的实施例中，比对模块3包括：
第二计算单元31，用于根据所述命名规则信息数据库建立神经网络数学模型，计算得到文本向量集。
第三计算单元32，用于根据所述文本向量集和预设词义判断数学模型，计算得到第一词组集合。
第二筛选单元33，用于将所述第一词组集合进行词性检查，删除所述第一词组集合中词性不一致的词组，得到第二词组集合。
第二整合单元34，用于将所述第二词组集合内每个词组中任意取一个词作为该词组中其他词的规范化表述，整合得到同义词集。
在一些具体的实施例中，检测模块4包括：
第四计算单元41，用于根据所述轨道交通BIM模型和预设构件语义提取数学模型，计算得到构件命名信息。
第一测试单元42，用于将所述构件命名信息进行完整性检测得到完整性检测结果。
第三整合单元43，用于根据所述完整性检测结果和所述同义词集计算得到规范性检测结果。
在一些具体的实施例中，第四计算单元41包括：
第一录入单元411，基于所述轨道交通规范性条文建立构件建模标准。
第一判断单元412，用于根据所述构件建模标准建立构件完整性判断数学模型，将所述轨道交通BIM模型作为所述构件完整性判断数学模型的输入值，计算得到模型判断结果。
第一转换单元413，用于根据所述BIM简化模型和预设的语义转换模型计算得到构件命名信息。
在一些具体的实施例中，第一测试单元42包括：
第一输出单元421，用于若完整性检测结果为不通过，将完整性检测结果输出为规范检测结果。
第五计算单元422，用于若完整性检测结果为通过，则根据所述同义词集和预设一致性检测规则建立自动规范检测数学模型，将所述构件命名信息作为输入值，求解所述自动规范检测数学模型，得到一致性检测结果。
第四整合单元423，用于将所述完整性检测结果和所述一致性检测结果进行整合得到规范性检测结果。
实施例3：
相应于上面的方法实施例，本实施例中还提供了一种轨道交通BIM模型规范性检测的设备，下文描述的一种轨道交通BIM模型规范性检测的设备与上文描述的一种轨道交通BIM模型规范性检测的方法可相互对应参照。
图3是根据示例性实施例示出的一种轨道交通BIM模型规范性检测的设备800的框图。如图3所示，该轨道交通BIM模型规范性检测的设备800可以包括：处理器801，存储器802。该轨道交通BIM模型规范性检测的设备800还可以包括多媒体组件803，I/O接口804，以及通信组件805中的一者或多者。
其中，处理器801用于控制该轨道交通BIM模型规范性检测的设备800的整体操作，以完成上述的轨道交通BIM模型规范性检测的方法中的全部或部分步骤。存储器802用于存储各种类型的数据以支持在该轨道交通BIM模型规范性检测的设备800的操作，这些数据例如可以包括用于在该轨道交通BIM模型规范性检测的设备800上操作的任何应用程序或方法的指令，以及应用程序相关的数据，例如联系人数据、收发的消息、图片、音频、视频等等。该存储器802可以由任何类型的易失性或非易失性存储设备或者它们的组合实现，例如静态随机存取存储器(Static Random Access Memory，简称SRAM)，电可擦除可编程只读存储器(Electrically Erasable Programmable Read-Only Memory，简称EEPROM)，可擦除可编程只读存储器(Erasable Programmable Read-Only Memory，简称EPROM)，可编程只读存储器(Programmable Read-Only Memory，简称PROM)，只读存储器(Read-Only Memory，简称ROM)，磁存储器，快闪存储器，磁盘或光盘。多媒体组件803可以包括屏幕和音频组件。其中屏幕例如可以是触摸屏，音频组件用于输出和/或输入音频信号。例如，音频组件可以包括一个麦克风，麦克风用于接收外部音频信号。所接收的音频信号可以被进一步存储在存储器802或通过通信组件805发送。音频组件还包括至少一个扬声器，用于输出音频信号。I/O接口804为处理器801和其他接口模块之间提供接口，上述其他接口模块可以是键盘，鼠标，按钮等。这些按钮可以是虚拟按钮或者实体按钮。通信组件805用于该轨道交通BIM模型规范性检测的设备800与其他设备之间进行有线或无线通信。无线通信，例如Wi-Fi，蓝牙，近场通信(Near FieldCommunication，简称NFC)，2G、3G或4G，或它们中的一种或几种的组合，因此相应的该通信组件805可以包括：Wi-Fi模块，蓝牙模块，NFC模块。
在一示例性实施例中，轨道交通BIM模型规范性检测的设备800可以被一个或多个应用专用集成电路(Application Specific Integrated Circuit，简称ASIC)、数字信号处理器(DigitalSignal Processor，简称DSP)、数字信号处理设备(Digital SignalProcessing Device，简称DSPD)、可编程逻辑器件(Programmable Logic Device，简称PLD)、现场可编程门阵列(Field Programmable Gate Array，简称FPGA)、控制器、微控制器、微处理器或其他电子元件实现，用于执行上述的轨道交通BIM模型规范性检测的方法。
在另一示例性实施例中，还提供了一种包括程序指令的计算机可读存储介质，该程序指令被处理器执行时实现上述的轨道交通BIM模型规范性检测的方法的步骤。例如，该计算机可读存储介质可以为上述包括程序指令的存储器802，上述程序指令可由轨道交通BIM模型规范性检测的设备800的处理器801执行以完成上述的轨道交通BIM模型规范性检测的方法。
以上所述仅为本发明的优选实施例而已，并不用于限制本发明，对于本领域的技术人员来说，本发明可以有各种更改和变化。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。
以上所述，仅为本发明的具体实施方式，但本发明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发明揭露的技术范围内，可轻易想到变化或替换，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应以权利要求的保护范围为准。

Claims (10)

1.一种轨道交通BIM模型规范性检测的方法，其特征在于，包括：
获取轨道交通BIM模型和轨道交通行业规范条文；
根据所述轨道交通行业规范条文和预设自然语言处理数学模型计算得到命名规则信息数据库；
根据所述命名规则信息数据库建立神经网络数学模型，将所述轨道交通行业规范条文作为所述神经网络数学模型的输入值计算得到同义词集，所述同义词集内一个元素为一个规范用词及其相同语义的其他词；
根据所述同义词集和预设检测规则建立自动规范检测数学模型，将所述轨道交通BIM模型作为所述自动规范检测数学模型的输入值计算得到规范检测结果。
2.根据权利要求1所述的轨道交通BIM模型规范性检测的方法，其特征在于，根据所述轨道交通行业规范条文和预设自然语言处理数学模型计算得到构件命名数据库，包括：
根据所述轨道交通行业规范条文和预设筛选规则，筛选得到构件命名规则条文；
根据所述命名规则条文和预设单词切分数学模型，计算得到条文切分集合，所述条文切分集合内的一个元素为一条规范条文分割出的词集合，所述词集合内至少包括两个词；
根据所述条文切分集合和预设的最大熵数学模型，将所述条文切分集合内的词进行词性标注，得到条文词性标注集合；
根据所述条文词性标注集合和预设分类合并规则，将所述条文词性标注集合内的词依据词性归类为构件专业、构件类型和构件特征三个类型，并将归类后的内容整合得到命名规则信息数据库。
3.根据权利要求1所述的轨道交通BIM模型规范性检测的方法，其特征在于，根据所述命名规则信息数据库和预设神经网络数学模型计算得到同义词集，包括：
根据所述命名规则信息数据库建立神经网络数学模型，计算得到文本向量集，所述文本向量集内的一个元素为所述轨道交通行业规范条文中一个词的向量化表达；
根据所述文本向量集和预设词义判断数学模型，计算得到第一词组集合，所述第一词组集合内一个元素为语义相似度小于阈值的词组；
将所述第一词组集合进行词性检查，删除所述第一词组集合中词性不一致的词组，得到第二词组集合；
将所述第二词组集合内每个词组中任意取一个词作为该词组中其他词的规范化表述，整合得到同义词集。
4.根据权利要求1所述的轨道交通BIM模型规范性检测的方法，其特征在于，根据所述同义词集和预设检测规则建立自动规范检测数学模型，将所述轨道交通BIM模型作为所述自动规范检测数学模型的输入值计算得到规范检测结果，包括：
根据所述轨道交通BIM模型和预设构件语义提取数学模型，计算得到构件命名信息，所述构件命名信息包括构件专业名称、构件类型名称和构件特征信息；
将所述构件命名信息进行完整性检测得到完整性检测结果；
根据所述完整性检测结果和所述同义词集计算得到规范性检测结果。
5.根据权利要求4所述的轨道交通BIM模型规范性检测的方法，其特征在于，根据所述轨道交通BIM模型和预设构件语义提取数学模型，计算得到构件命名信息，包括：
基于所述轨道交通行业规范条文建立构件建模标准；
根据所述构件建模标准建立构件完整性判断数学模型，将所述轨道交通BIM模型作为所述构件完整性判断数学模型的输入值，计算得到模型判断结果；
若所述模型判断结果为不通过，则将所述模型判断结果作为规范性检测结果输出；
若所述模型判断结果为通过，则根据所述轨道交通BIM模型和预设的语义提取规则得到BIM简化模型，所述BIM简化模型包括完备的构件实体、所述构件实体之间的关系和所述构件实体的属性；
根据所述BIM简化模型和预设的语义转换模型计算得到构件命名信息，所述构件命名信息为OWL格式描述的语义模型。
6.一种轨道交通BIM模型规范性检测的系统，其特征在于，包括：
获取模块，用于获取轨道交通BIM模型和轨道交通行业规范条文；
提取模块，用于根据所述轨道交通行业规范条文和预设自然语言处理数学模型计算得到命名规则信息数据库；
比对模块，用于根据所述命名规则信息数据库建立神经网络数学模型，将所述轨道交通行业规范条文作为所述神经网络数学模型的输入值计算得到同义词集，所述同义词集内一个元素为一个规范用词及其相同语义的其他词；
检测模块，用于根据所述同义词集和预设检测规则建立自动规范检测数学模型，将所述轨道交通BIM模型作为所述自动规范检测数学模型的输入值计算得到规范检测结果。
7.根据权利要求6所述的轨道交通BIM模型规范性检测的系统，其特征在于，所述提取模块包括：
第一筛选单元，用于根据所述轨道交通行业规范条文和预设筛选规则，筛选得到构件命名规则条文；
第一计算单元，用于根据所述命名规则条文和预设单词切分数学模型，计算得到条文切分集合；
第一标注单元，用于根据所述条文切分集合和预设的最大熵数学模型，将所述条文切分集合内的词进行词性标注，得到条文词性标注集合；
第一整合单元，用于根据所述条文词性标注集合和预设分类合并规则，将所述条文词性标注集合内的词依据词性归类为构件专业、构件类型和构件特征三个类型，并将归类后的内容整合得到命名规则信息数据库。
8.根据权利要求6所述的轨道交通BIM模型规范性检测的系统，其特征在于，所述比对模块包括：
第二计算单元，用于根据所述命名规则信息数据库建立神经网络数学模型，计算得到文本向量集；
第三计算单元，用于根据所述文本向量集和预设词义判断数学模型，计算得到第一词组集合；
第二筛选单元，用于将所述第一词组集合进行词性检查，删除所述第一词组集合中词性不一致的词组，得到第二词组集合；
第二整合单元，用于将所述第二词组集合内每个词组中任意取一个词作为该词组中其他词的规范化表述，整合得到同义词集。
9.根据权利要求6所述的轨道交通BIM模型规范性检测的系统，其特征在于，所述检测模块包括：
第四计算单元，用于根据所述轨道交通BIM模型和预设构件语义提取数学模型，计算得到构件命名信息；
第一测试单元，用于将所述构件命名信息进行完整性检测得到完整性检测结果；
第三整合单元，用于根据所述完整性检测结果和所述同义词集计算得到规范性检测结果。
10.一种轨道交通BIM模型规范性检测的设备，其特征在于，包括：
存储器，用于存储计算机程序；
处理器，用于执行所述计算机程序时实现如权利要求1至5任一项所述轨道交通BIM模型规范性检测方法的步骤。
CN202211290792.1A 2022-10-21 2022-10-21 轨道交通bim模型规范性检测的方法、系统及设备 Active CN115358158B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202211290792.1A CN115358158B (zh) 2022-10-21 2022-10-21 轨道交通bim模型规范性检测的方法、系统及设备

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202211290792.1A CN115358158B (zh) 2022-10-21 2022-10-21 轨道交通bim模型规范性检测的方法、系统及设备

Publications (2)

Publication Number Publication Date
CN115358158A CN115358158A (zh) 2022-11-18
CN115358158B true CN115358158B (zh) 2023-02-07

Family

ID=84008201

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202211290792.1A Active CN115358158B (zh) 2022-10-21 2022-10-21 轨道交通bim模型规范性检测的方法、系统及设备

Country Status (1)

Country Link
CN (1) CN115358158B (zh)

Family Cites Families (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20090125283A1 (en) * 2007-09-26 2009-05-14 David Conover Method and apparatus for automatically determining compliance with building regulations
CN107341209B (zh) * 2017-06-26 2020-05-12 清华大学 基于语义检索的bim模型规范检测装置和检测方法
CN107491603A (zh) * 2017-08-14 2017-12-19 中国铁道科学研究院铁道建筑研究所 一种铁路桥梁bim设计模型的检查方法
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
CN111143926A (zh) * 2019-12-18 2020-05-12 万翼科技有限公司 建筑信息模型bim文件合规性检测方法及相关设备
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
CN113946890A (zh) * 2021-09-07 2022-01-18 大连万达集团股份有限公司 一种bim模型的审查方法、装置、设备及可读存储介质
CN113987199B (zh) * 2021-10-19 2023-02-21 清华大学 一种规范自动解译的bim智能审图方法、系统和介质

Also Published As

Publication number Publication date
CN115358158A (zh) 2022-11-18

Similar Documents

Publication Publication Date Title
Vasiliev Natural language processing with Python and spaCy: A practical introduction
CN110209764B (zh) 语料标注集的生成方法及装置、电子设备、存储介质
AU2019263758B2 (en) Systems and methods for generating a contextually and conversationally correct response to a query
CN110413780B (zh) 文本情感分析方法和电子设备
US11521603B2 (en) Automatically generating conference minutes
US20160098645A1 (en) High-precision limited supervision relationship extractor
CN112036177A (zh) 基于多模型融合的文本语义相似度信息处理方法及系统
CN110941953B (zh) 一种兼顾可解释性的网络虚假评论的自动识别方法及系统
CN109101551B (zh) 一种问答知识库的构建方法及装置
Saad et al. Evaluation of support vector machine and decision tree for emotion recognition of malay folklores
CN111462752B (zh) 基于注意力机制、特征嵌入及bi-lstm的客户意图识别方法
CN111091009B (zh) 一种基于语义分析的文档关联审核方法
CN113282752A (zh) 一种基于语义映射的事物分类方法及系统
JP2020113129A (ja) 文書評価装置、文書評価方法及びプログラム
CN114912435A (zh) 基于频繁项集算法的电力文本知识发现方法及设备
CN115795030A (zh) 文本分类方法、装置、计算机设备和存储介质
CN116703337A (zh) 一种基于人工智能技术的项目文档审查系统及方法
CN113361252B (zh) 基于多模态特征和情感词典的文本抑郁倾向检测系统
KR102280490B1 (ko) 상담 의도 분류용 인공지능 모델을 위한 훈련 데이터를 자동으로 생성하는 훈련 데이터 구축 방법
CN110781673A (zh) 文档验收方法、装置、计算机设备及存储介质
Kumari et al. OSEMN approach for real time data analysis
Asthana et al. Automatically labeling low quality content on wikipedia by leveraging patterns in editing behaviors
CN115358158B (zh) 轨道交通bim模型规范性检测的方法、系统及设备
CN111859955A (zh) 一种基于深度学习的舆情数据分析模型
CN112116181A (zh) 课堂质量模型的训练方法、课堂质量评价方法及装置

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