CN115661553A - 一种基于bim的轨道交通构件分类方法、系统及设备 - Google Patents

Abstract

本发明提供了一种基于BIM的轨道交通构件分类方法、系统及设备，涉及轨道交通技术领域，包括获取项目二维图纸和轨道交通BIM模型数据库；基于预设的部件识别数学模型对所述项目二维图纸进行部件识别，并将识别后的项目二维图纸按照部件类型进行分割得到部件图纸集合；将部件图纸集合中的所有图纸转化为部件实例参数，并根据部件实例参数生成标准BIM模型；根据标准BIM模型和预设的构件分割数学模型得到构件分类清单。本发明的有益效果为：本发明通过将轨道交通BIM模型数据库中的构件分割实例作为样本进行训练并结合轨道交通工程的结构特点建立构件分割数学模型，实现对轨道交通构件的自动分类，提升了构件分类的效率和准确率。

Description

一种基于BIM的轨道交通构件分类方法、系统及设备

技术领域

本发明涉及轨道交通技术领域，具体而言，涉及一种基于BIM的轨道交通构件分类方法、系统及设备。

背景技术

随着我国交通基础设施智能化发展，BIM技术在轨道交通工程的应用越来越多，但是由于许多既有的轨道交通工程在建设时没有采用BIM技术，技术资料通常以cad图纸或纸质图纸的形式存在，需要专门进行三维模型的重建，具有耗费人力资源、效率低下的缺点，影响了轨道交通工程全寿命周期中数据信息的传递和共享。为了实现轨道交通工程基于BIM技术的全寿命管理，现需要一种通过将二维图纸转化为三维模型并根据现有的拆分标准建立构件分割数学模型合理对构件进行拆分的轨道交通构件分类方法。

发明内容

本发明的目的在于提供一种基于BIM的轨道交通构件分类方法、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，本申请提供了一种基于BIM的轨道交通构件分类方法，包括：

获取项目二维图纸和轨道交通BIM模型数据库，所述轨道交通BIM模型数据库包括至少一个历史项目实例，所述历史项目实例包括标准部件模型及所述标准部件模型对应的标准部件二维图纸，所述标准部件模型包括构件分割模型；

基于预设的部件识别数学模型对所述项目二维图纸进行部件识别，并将识别后的所述项目二维图纸按照部件类型进行分割得到部件图纸集合；

将所述部件图纸集合中的所有图纸转化为部件实例参数，并根据所述部件实例参数生成标准BIM模型；

根据所述标准BIM模型和预设的构件分割数学模型得到构件分类清单。

第二方面，本申请还提供了一种基于BIM的轨道交通构件分类系统，包括：

获取模块，用于获取项目二维图纸和轨道交通BIM模型数据库，所述轨道交通BIM模型数据库包括至少一个历史项目实例，所述历史项目实例包括标准部件模型及所述标准部件模型对应的标准部件二维图纸，所述标准部件模型包括构件分割模型；

分析模块，基于预设的部件识别数学模型对根据所述项目二维图纸进行部件识别，并将识别后的所述项目二维图纸按照部件类型进行分割得到部件图纸集合；

处理模块，用于将所述部件图纸集合中的所有图纸转化为部件实例参数，并根据所述部件实例参数生成标准BIM模型；

输出模块，用于根据所述标准BIM模型和预设的构件分割数学模型得到构件分类清单。

第三方面，本申请还提供了一种基于BIM的轨道交通构件分类设备，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基于BIM的轨道交通构件分类方法的步骤。

本发明的有益效果为：

一、本发明通过建立部件识别模型，能够对二维图纸进行自动识别并转化为重建BIM三维模型的参数，提升了识别的准确度，减少人力资源的消耗。

二、本发明通过将轨道交通BIM模型数据库中的构件分割实例作为样本进行训练并结合轨道交通工程的结构特点建立构件分割数学模型，利用构件分割数学模型对部件进行自动分割编号和清单输出，实现对轨道交通构件的自动分类，提升了构件分类的效率和准确率。

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基于BIM的轨道交通构件分类方法流程示意图;

图2为本发明实施例中所述的基于BIM的轨道交通构件分类系统结构示意图；

图3为本发明实施例中所述的基于BIM的轨道交通构件分类设备结构示意图。

图中标记：1、获取模块；2、分析模块；21、第一处理单元；22、第二处理单元；23、第一计算单元；24、第三处理单元；3、处理模块；31、第四处理单元；311、第六处理单元；312、第七处理单元；313、第八处理单元；32、第四计算单元；33、第五处理单元；34、第五计算单元；4、输出模块；41、第九处理单元；411、第十二处理单元；412、第七计算单元；413、第十三处理单元；414、第十四处理单元；42、第六计算单元；43、第十处理单元；44、第十一处理单元；800、基于BIM的轨道交通构件分类设备；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基于BIM的轨道交通构件分类方法。

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。

步骤S100、获取项目二维图纸和历史项目实例，轨道交通BIM模型数据库包括至少一个历史项目实例，历史项目实例包括标准部件模型及标准部件模型对应的标准部件二维图纸，标准部件模型包括构件分割模型。

需要说明的是，在本步骤中，项目二维图纸为已完成项目的纸质图纸或者cad图纸，轨道交通BIM模型数据库是采集多个轨道交通项目的样本模型建立的样本库，样本库内的部件模型结构包括轨道交通及城市轨道中的围护结构、混凝土柱、梁、墙、板等，同时包括构件分割的实例和分割规则。

步骤S200、基于预设的部件识别数学模型对项目二维图纸进行部件识别，并将识别后的项目二维图纸按照部件类型进行分割得到部件图纸集合。

可以理解的是，在步骤S200中包括步骤S210、步骤S220、步骤S230和步骤S240，其中：

步骤S210、对轨道交通BIM模型数据库中的所有标准部件二维图纸的几何信息进行特征提取并进行权重计算得到图形特征信息。

需要说明的是，在本步骤中，采用基于图形结构特征对输入的二维图纸进行特征提取，图形的结构特征可以准确描述其几何特征、拓扑结构，本实施例中提取图形的各角点曲率、线条数目和闭合环路，同时根据各特征的重要程度建立判断矩阵，计算得到各特征的权重信息，得到图形特征信息。

步骤S220、将任意一个标准部件模型位于历史项目实例中的空间位置和任意两个相互连接的标准部件模型的连接部位进行分析得到关联度信息。

需要说明的是，在本步骤中，标准部件模型位于历史项目实例中的空间位置，及其与相连接的部件之间的连接方式、连接位置也是部件识别的关键因素，在几何特征的基础上增加部件相对于整个实例中的关联度信息，可以增加识别度准确度。

步骤S230、将图形特征信息和关联度信息输入至神经网络进行训练得到部件识别数学模型。

需要说明的是，在本步骤中，采用BP网络进行训练，首先是通过将轨道交通BIM模型数据库中的所有标准部件二维图纸作为训练样本，图形特征信息和关联度信息作为网络的输入特征向量，利用训练好的权值和阈值建立部件识别数学模型。

步骤S240、将项目二维图纸输入至部件识别数学模型中进行识别得到识别结果。

需要说明的是，在本步骤中，识别结果包括项目二维图纸的名称、标准编号、数量、位置关系等。

步骤S300、将部件图纸集合中的所有图纸转化为部件实例参数，并根据部件实例参数生成标准BIM模型。

可以理解的是，在步骤S300中包括步骤S310、步骤S320、步骤S330和步骤S340，其中：

步骤S310、对轨道交通BIM模型数据库进行特征提取得到图纸特征向量。

可以理解的是，在步骤S310中包括步骤S311、步骤S312和步骤S313，其中：

步骤S311、将标准部件二维图纸进行预处理得到预处理图纸集合。

需要说明的是，在本步骤中，将标准部件二维图纸进行预处理包括对图纸归一化处理、二值化、去除噪点和线段补齐等操作。

步骤S312、根据标准部件模型建立基础模型库，并将基础模型库中的基础模型与预处理图纸集合建立映射关系。

需要说明的是，在本步骤中，通过将预处理图纸集合与基础模型建立映射关系，便于二维转三维模型时的模型直接替换。

步骤S313、对预处理图纸集合进行特征提取得到图纸特征向量。

需要说明的是，在本步骤中，提取的特征向量为图纸的几何特征。

步骤S320、将图纸特征向量作为预设的BP神经网络输入值，将标准部件二维图纸作为样本数据对BP神经网络进行训练，得到图纸识别模型。

需要说明的是，在本步骤中，利用BP神经网络结合模型匹配的方法，将图形几个结构作为输入向量得到图纸识别模型。

步骤S330、将部件图纸集合输入至图纸识别模型中进行识别得到图纸识别结果。

需要说明的是，在本步骤中，通过图纸识别模型对部件图纸集合进行识别，将识别结果与轨道交通BIM模型数据库的模型进行匹配。

步骤S340、根据图纸识别结果和部件图纸集合中的部件组合关系通过人工神经网络进行重建得到用于BIM建模的实例参数。

需要说明的是，在本步骤中，根据识别得到的二维图纸的位置与方向，结合匹配得到的标准模型，将数据存储为用于BIM建模的实例参数。

步骤S400、根据标准BIM模型和预设的构件分割数学模型得到构件分类清单。

可以理解的是，在步骤S400中包括步骤S410、步骤S420、步骤S430和步骤S440，其中：

步骤S410、将轨道交通BIM模型数据库进行聚类处理和特征提取得到几何特征和语义结构模型。

可以理解的是，在步骤S410中包括步骤S411、步骤S412、步骤S413和步骤S414，其中：

步骤S411、将每个类别构件分割模型通过投影转换为多视角的二维图纸，并将转换后的二维图纸进行特征提取得到几何特征。

需要说明的是，在本步骤中，通过将构件分割模型三维模型从六个正交方向进行投影提取三维模型的二维图形特征。

步骤S412、将二维图纸中的分割点进行基于距离的聚类运算得到聚类结果。

需要说明的是，在本步骤中，将转化得到二维图纸中对应位置的分割点进行聚类运算，对各种类型分割的方式进行分类，作为二维图纸和三维模型的相似度判断依据。

步骤S413、对聚类结果中的所有聚类簇按照聚类点数量进行排序，筛选得到点数量最多五个聚类簇。

需要说明的是，在本步骤中，五个聚类簇对应五种分割的类型。

步骤S414、基于五个聚类簇将所有构件分割模型中分为五个关键点，并对关键点建立语义结构模型。

需要说明的是，在本步骤中，根据轨道交通领域的技术标准，对通过聚类处理后自动分类的关键点进行语义定义，实现语义分割。

步骤S420、将几何特征和语义结构模型作为预设的神经网络输入值，将构件分割模型作为样本数据对神经网络进行训练，得到构件分割数学模型。

需要说明的是，在本步骤中，通过对构件分割模型的结构特征提取和语义分割，作为神经网络的输入特征向量，轨道交通BIM模型数据库中构件分割模型作为样本输入对神经网络进行训练建立构件分割数学模型。

步骤S430、将标准BIM模型输入至构件分割数学模型得到分割后的标准BIM模型。

需要说明的是，在本步骤中，标准BIM模型输入至构件分割数学模型后对模型按照构件的组成进行分割，得到分割面的参数，将分割面参数转化为BIM能够识别的中间参数并结合原有的标准BIM模型，得到每个构件的模型。

步骤S440、将分割后的标准BIM模型中的构件按照类别整理，并按照所属部件的分类名称、位置关系进行自动编号，得到分类清单。

需要说明的是，在本步骤中，根据轨道交通技术领域的分类标准，对分割后的构件按照所在部件的关系、材料等信息进行编号、命名，整理得到的分类清单保证清单结构与内容的完整性，从而满足城际铁路和城市轨道交通BIM算量计算要求，实现工程在全寿命周期中数据信息的传递和共享。

实施例2：

如图2所示，本实施例提供了一种基于BIM的轨道交通构件分类系统，包括：

获取模块1，用于获取项目二维图纸和轨道交通BIM模型数据库，轨道交通BIM模型数据库包括至少一个历史项目实例，历史项目实例包括标准部件模型及标准部件模型对应的标准部件二维图纸，标准部件模型包括构件分割模型。

分析模块2，基于预设的部件识别数学模型对根据项目二维图纸进行部件识别，并将识别后的项目二维图纸按照部件类型进行分割得到部件图纸集合。

处理模块3，用于将部件图纸集合中的所有图纸转化为部件实例参数，并根据部件实例参数生成标准BIM模型。

输出模块4，用于根据标准BIM模型和预设的构件分割数学模型得到构件分类清单。

在一些具体的实施例中，分析模块2包括：

第一处理单元21，用于对轨道交通BIM模型数据库中的所有标准部件二维图纸的几何信息进行特征提取并进行权重计算得到图形特征信息。

第二处理单元22，用于将任意一个标准部件模型位于历史项目实例中的空间位置和任意两个相互连接的标准部件模型的连接部位进行分析得到关联度信息。

第一计算单元23，用于将图形特征信息和关联度信息输入至神经网络进行训练得到部件识别数学模型。

第三处理单元24，用于将项目二维图纸输入至部件识别数学模型中进行识别得到识别结果。

在一些具体的实施例中，处理模块3包括：

第四处理单元31，用于对轨道交通BIM模型数据库进行特征提取得到图纸特征向量。

第四计算单元32，用于将图纸特征向量作为预设的BP神经网络输入值，将标准部件二维图纸作为样本数据对BP神经网络进行训练，得到图纸识别模型。

第五处理单元33，用于将部件图纸集合输入至图纸识别模型中进行识别得到图纸识别结果。

第五计算单元34，用于根据图纸识别结果和部件图纸集合中的部件组合关系通过人工神经网络进行重建得到用于BIM建模的实例参数。

在一些具体的实施例中，第四处理单元31包括：

第六处理单元311，用于将标准部件二维图纸进行预处理得到预处理图纸集合。

第七处理单元312，用于根据标准部件模型建立基础模型库，并将基础模型库中的基础模型与预处理图纸集合建立映射关系。

第八处理单元313，用于对预处理图纸集合进行特征提取得到图纸特征向量。

在一些具体的实施例中，输出模块4包括：

第九处理单元41，用于将轨道交通BIM模型数据库进行聚类处理和特征提取得到几何特征和语义结构模型。

第六计算单元42，用于将几何特征和语义结构模型作为预设的神经网络输入值，将构件分割模型作为样本数据对神经网络进行训练，得到构件分割数学模型。

第十处理单元43，用于将标准BIM模型输入至构件分割数学模型得到分割后的标准BIM模型。

第十一处理单元44，用于将分割后的标准BIM模型中的构件按照类别整理，并按照所属部件的分类名称、位置关系进行自动编号，得到分类清单。

在一些具体的实施例中，第九处理单元41包括：

第十二处理单元411，用于将每个类别构件分割模型通过投影转换为多视角的二维图纸，并将转换后的二维图纸进行特征提取得到几何特征。

第七计算单元412，用于将二维图纸中的分割点进行基于距离的聚类运算得到聚类结果。

第十三处理单元413，用于对聚类结果中的所有聚类簇按照聚类点数量进行排序，筛选得到点数量最多五个聚类簇。

第十四处理单元414，基于五个聚类簇将所有构件分割模型中分为五个关键点，并对关键点建立语义结构模型。

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基于BIM的轨道交通构件分类设备，下文描述的基于BIM的轨道交通构件分类设备与上文描述的一种基于BIM的轨道交通构件分类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基于BIM的轨道交通构件分类设备800的框图。如图3所示，该基于BIM的轨道交通构件分类设备800可以包括：处理器801，存储器802。该基于BIM的轨道交通构件分类设备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用于控制该基于BIM的轨道交通构件分类设备800的整体操作，以完成上述的基于BIM的轨道交通构件分类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基于BIM的轨道交通构件分类设备800的操作，这些数据例如可以包括用于在该基于BIM的轨道交通构件分类设备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用于该基于BIM的轨道交通构件分类设备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，基于BIM的轨道交通构件分类设备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，用于执行上述的基于BIM的轨道交通构件分类方法。

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)

1.一种基于BIM的轨道交通构件分类方法，其特征在于，包括：

获取项目二维图纸和轨道交通BIM模型数据库，所述轨道交通BIM模型数据库包括至少一个历史项目实例，所述历史项目实例包括标准部件模型及所述标准部件模型对应的标准部件二维图纸，所述标准部件模型包括构件分割模型；

基于预设的部件识别数学模型对所述项目二维图纸进行部件识别，并将识别后的所述项目二维图纸按照部件类型进行分割得到部件图纸集合；

将所述部件图纸集合中的所有图纸转化为部件实例参数，并根据所述部件实例参数生成标准BIM模型；

根据所述标准BIM模型和预设的构件分割数学模型得到构件分类清单。

2.根据权利要求1所述的基于BIM的轨道交通构件分类方法，其特征在于，基于预设的部件识别数学模型对根据所述项目二维图纸进行部件识别，包括：

对所述轨道交通BIM模型数据库中的所有所述标准部件二维图纸的几何信息进行特征提取并进行权重计算得到图形特征信息；

将任意一个所述标准部件模型位于所述历史项目实例中的空间位置和任意两个相互连接的所述标准部件模型的连接部位进行分析得到关联度信息；

将所述图形特征信息和所述关联度信息输入至神经网络进行训练得到部件识别数学模型；

将所述项目二维图纸输入至所述部件识别数学模型中进行识别得到识别结果。

3.根据权利要求1所述的基于BIM的轨道交通构件分类方法，其特征在于，将所述部件图纸集合中的所有图纸转化为部件实例参数，包括：

对所述轨道交通BIM模型数据库进行特征提取得到图纸特征向量；

将所述图纸特征向量作为预设的BP神经网络输入值，将所述标准部件二维图纸作为样本数据对所述BP神经网络进行训练，得到图纸识别模型；

将所述部件图纸集合输入至所述图纸识别模型中进行识别得到图纸识别结果；

根据所述图纸识别结果和所述部件图纸集合中的部件组合关系通过人工神经网络进行重建得到用于BIM建模的实例参数。

4.根据权利要求1所述的基于BIM的轨道交通构件分类方法，其特征在于，根据所述标准BIM模型和预设的构件分割数学模型得到构件分类清单，包括：

将所述轨道交通BIM模型数据库进行聚类处理和特征提取得到几何特征和语义结构模型；

将所述几何特征和所述语义结构模型作为预设的神经网络输入值，将所述构件分割模型作为样本数据对所述神经网络进行训练，得到构件分割数学模型；

将所述标准BIM模型输入至所述构件分割数学模型得到分割后的标准BIM模型；

将分割后的标准BIM模型中的构件按照类别整理，并按照所属部件的分类名称、位置关系进行自动编号，得到分类清单。

5.根据权利要求4所述的基于BIM的轨道交通构件分类方法，其特征在于，将所述轨道交通BIM模型数据库进行聚类处理和特征提取得到几何特征和语义结构模型，包括：

将每个类别所述构件分割模型通过投影转换为多视角的二维图纸，并将转换后的所述二维图纸进行特征提取得到几何特征；

将所述二维图纸中的分割点进行基于距离的聚类运算得到聚类结果；

对所述聚类结果中的所有聚类簇按照聚类点数量进行排序，筛选得到点数量最多五个聚类簇；

基于五个所述聚类簇将所有所述构件分割模型中分为五个关键点，并对所述关键点建立语义结构模型。

6.一种基于BIM的轨道交通构件分类系统，其特征在于，包括：

获取模块，用于获取项目二维图纸和轨道交通BIM模型数据库，所述轨道交通BIM模型数据库包括至少一个历史项目实例，所述历史项目实例包括标准部件模型及所述标准部件模型对应的标准部件二维图纸，所述标准部件模型包括构件分割模型；

分析模块，基于预设的部件识别数学模型对根据所述项目二维图纸进行部件识别，并将识别后的所述项目二维图纸按照部件类型进行分割得到部件图纸集合；

处理模块，用于将所述部件图纸集合中的所有图纸转化为部件实例参数，并根据所述部件实例参数生成标准BIM模型；

输出模块，用于根据所述标准BIM模型和预设的构件分割数学模型得到构件分类清单。

7.根据权利要求6所述的基于BIM的轨道交通构件分类系统，其特征在于，所述分析模块包括：

第一处理单元，用于对所述轨道交通BIM模型数据库中的所有所述标准部件二维图纸的几何信息进行特征提取并进行权重计算得到图形特征信息；

第二处理单元，用于将任意一个所述标准部件模型位于所述历史项目实例中的空间位置和任意两个相互连接的所述标准部件模型的连接部位进行分析得到关联度信息；

第一计算单元，用于将所述图形特征信息和所述关联度信息输入至神经网络进行训练得到部件识别数学模型；

第三处理单元，用于将所述项目二维图纸输入至所述部件识别数学模型中进行识别得到识别结果。

8.根据权利要求6所述的基于BIM的轨道交通构件分类系统，其特征在于，所述处理模块包括：

第四处理单元，用于对所述轨道交通BIM模型数据库进行特征提取得到图纸特征向量；

第四计算单元，用于将所述图纸特征向量作为预设的BP神经网络输入值，将所述标准部件二维图纸作为样本数据对所述BP神经网络进行训练，得到图纸识别模型；

第五处理单元，用于将所述部件图纸集合输入至所述图纸识别模型中进行识别得到图纸识别结果；

第五计算单元，用于根据所述图纸识别结果和所述部件图纸集合中的部件组合关系通过人工神经网络进行重建得到用于BIM建模的实例参数。

9.根据权利要求6所述的基于BIM的轨道交通构件分类系统，其特征在于，所述输出模块包括：

第九处理单元，用于将所述轨道交通BIM模型数据库进行聚类处理和特征提取得到几何特征和语义结构模型；

第六计算单元，用于将所述几何特征和所述语义结构模型作为预设的神经网络输入值，将所述构件分割模型作为样本数据对所述神经网络进行训练，得到构件分割数学模型；

第十处理单元，用于将所述标准BIM模型输入至所述构件分割数学模型得到分割后的标准BIM模型；

第十一处理单元，用于将分割后的标准BIM模型中的构件按照类别整理，并按照所属部件的分类名称、位置关系进行自动编号，得到分类清单。

10.一种基于BIM的轨道交通构件分类设备，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任意一项所述轨道交通BIM模型规范性检测方法的步骤。

Images