CN115827816A - 一种基于区块链的bim构件数据存证确权方法及装置 - Google Patents

Abstract

本发明提供了一种基于区块链的BIM构件数据存证确权方法及装置，涉及区块链技术领域，包括获取BIM模型信息和数据库内存储的历史BIM模型的构件信息，将所述BIM模型发送至构件数据提取模块进行数据提取和分类存储，得到分类存储数据，将所述分类存储数据发送至预设的数据库进行数据更新处理，得到更新后的数据库，基于预设的智能合约对所述更新后的数据库进行数据确权处理，得到每个数据对应的权属信息；将更新后的数据库内的数据和所述权属信息发送至区块链中进行存储，并基于预设的智能合约生成更新后的数据库内的数据对应的凭证信息，本发明解决了BIM构件版本迭代难以管理、构件修改难以追溯以及构件侵权使用追责问题。

Description

一种基于区块链的BIM构件数据存证确权方法及装置

技术领域

本发明涉及区块链技术领域，具体而言，涉及一种基于区块链的BIM构件数据存证确权方法及装置。

背景技术

今年来，在智能建造技术领域，BIM模型具有很多的优势，比如能够可视化需要交付的建筑最终形态、提前发现各专业之间的碰撞以及能够作为信息载体在最大程度保存建筑全生命周期的各类信息和数据，在自制BIM模型构件过程中需要大量工程师参与，但多人协作过程中会经常修改BIM构件、更新BIM构件和存储BIM构件。如果没有一种有效合理的机制，就会造成BIM构件版本混乱难以统一管理；如果BIM构件不符合条件需要追查原因，则难以进行追溯查询和追责；如果BIM构件没有安全存储，还可能造成原文件泄露、知识侵权和造成部门机构自身利益受损。

因此，为了解决BIM构件版本迭代难以管理、构件修改难以追溯以及构件侵权使用追责问题，需要一种基于区块链的BIM构件化数据存证确权方法及装置来解决问题。

发明内容

本发明的目的在于提供一种基于区块链的BIM构件数据存证确权方法及装置，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：

一方面，本申请提供了一种基于区块链的BIM构件数据存证确权方法，包括：

获取所有BIM模型信息和预设的数据库，所述预设的数据库内设置有所有历史BIM模型的构件信息；

将所述BIM模型发送至构件数据提取模块进行数据提取，并将数据提取得到的BIM模型内构件的特征数据进行分类存储，得到分类存储数据；

将所述分类存储数据发送至预设的数据库进行数据更新处理，得到更新后的数据库，所述更新后的数据库包括对所有历史BIM模型构件信息进行更新得到的数据信息；

基于预设的智能合约对所述更新后的数据库进行数据确权处理，得到更新后的数据库内每个数据对应的权属信息；

基于预设的智能合约将更新后的数据库内的数据和所述权属信息发送至区块链中进行存储，并基于预设的智能合约生成更新后的数据库内的数据对应的凭证信息。

另一方面，本申请还提供了一种基于区块链的BIM构件数据存证确权装置，包括：

获取单元，用于获取所有BIM模型信息和预设的数据库，所述预设的数据库内设置有所有历史BIM模型的构件信息；

第一存储单元，用于将所述BIM模型发送至构件数据提取模块进行数据提取，并将数据提取得到的BIM模型内构件的特征数据进行分类存储，得到分类存储数据；

第一处理单元，用于将所述分类存储数据发送至预设的数据库进行数据更新处理，得到更新后的数据库，所述更新后的数据库包括对所有历史BIM模型构件信息进行更新得到的数据信息；

第二处理单元，用于基于预设的智能合约对所述更新后的数据库进行数据确权处理，得到更新后的数据库内每个数据对应的权属信息；

第二存储单元，用于基于预设的智能合约将更新后的数据库内的数据和所述权属信息发送至区块链中进行存储，并基于预设的智能合约生成更新后的数据库内的数据对应的凭证信息。

本发明的有益效果为：

本发明通过对BIM模型内的特征数据进行分类存储，相较于源文件减少了占用空间，并且有助于保护数据安全，防止其他人更改或者盗用，减少全部数据被盗的风险，并且本发明通过将所有版本的数据进行识别，并进行更新，减少存储需要的空间，并通过构建知识图谱快速确定构件数据的来源和位置，实现构件修改追溯问题，在遇到问题时能够进行追踪查询。

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区块链的BIM构件数据存证确权方法流程示意图；

图2为本发明实施例中所述的基于区块链的BIM构件数据存证确权装置结构示意图。

图中标记：701、获取单元；702、第一存储单元；703、第一处理单元；704、第二处理单元；705、第二存储单元；7021、第一处理子单元；7022、第二处理子单元；7023、第三处理子单元；7024、第四处理子单元；7025、第一分类子单元；7026、第二分类子单元；7027、第三分类子单元；7028、第四分类子单元；7031、第一存储子单元；7032、第五处理子单元；7033、第二存储子单元；7041、第六处理子单元；7042、第七处理子单元；7043、第一分析子单元；7044、第二分析子单元；7051、第八处理子单元；7052、第九处理子单元；7053、第十处理子单元。

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区块链的BIM构件数据存证确权方法。

参见图1，图中示出了本方法包括步骤S1、步骤S2、步骤S3、步骤S4和步骤S5。

步骤S1、获取所有BIM模型信息和预设的数据库，所述预设的数据库内设置有所有历史BIM模型的构件信息；

可以理解的是本步骤通过将所有用户制作的BIM模型信息进行上传，并且获取预设的数据库内的历史BIM模型的构件信息，为之后的更新数据版本做准备，其中用户制作的BIM模型信息的获取方法为通过用户上传，其中可以确定是哪个用户上传的，上传时间是什么时候，为之后的追溯问题做准备。

步骤S2、将所述BIM模型发送至构件数据提取模块进行数据提取，并将数据提取得到的BIM模型内构件的特征数据进行分类存储，得到分类存储数据；

可以理解的是本步骤通过对BIM模型内所有的构件进行数据提取，确定每个构件的种类和数据，本步骤中，步骤S2包括步骤S21、步骤S22、步骤S23和步骤S24。

步骤S21、将所述BIM模型进行构件分区处理，其中采用Yolov3算法所述BIM模型的三维图像进行特征识别，并基于识别得到的特征进行分区，得到BIM模型内每个构件的区域；

可以理解的是本步骤通过Yolov3算法进行图像识别，其中识别每个构件的特征数据，然后将所有的构件按照不同特征进行分区，确定每个构件所占区域。

可以理解的是本步骤中的Yolov3算法进行图像识别是首先通过识别历史数据中每个历史构件位于的区域特征数据，然后基于卷积神经网络对每个构件的区域特征数据进行预测，其中步骤包括利用三个特征层进行边框预测,其中预测的三个特征层大小分别是52、26和13，其中分别通过（4+1+c）*k个大小为1*1的卷积核进行预测，其中k为预设边界框的个数，其中边界框的个数默认为3，c为预测目标的类别数，其中4k个参数负责预测目标边界框的偏移量，k个参数负责预测目标边界框内包含目标的概率，ck个参数负责预测这k个预设边界框对应c个目标类别的概率，预测得到边界框后，然后进行损失函数的计算和卷积神经网络对每个构件的位置和类别进行预测，确定每个构件所占的区域位置信息，其中关于损失函数的计算和卷积神经网络预测的过程均为现有技术，故不再赘述。确定每个构件所占的区域位置信息，其中详细步骤为按照每个构件像素的不同确定不同的候选区域，然后根据这些候选区域与三维图像上物体真实框之间的位置关系对候选区域进行标注，跟真实框足够接近的那些候选区域会被标注为正样本，同时将真实框的位置作为正样本的位置目标。偏离真实框较大的那些候选区域则会被标注为负样本，其中，负样本不需要预测位置或者类别。然后使用卷积神经网络提取三维图像中每个构件的区域位置特征数据，并对然后对每个构件的区域位置和类别进行预测，这样就可以获取到每个构件的特征数据，所述特征数据包括每个构件的位置和类别，然后基于每个构件的位置和类别进行区域划分，进而确定每个构件所占的区域。

步骤S22、将BIM模型内每个构件的区域进行图像识别，确定每个构件的尺寸信息和位置信息；

可以理解的是本步骤通过对将BIM模型内每个构件的区域进行图像识别，获取每个构件的尺寸大小，每个构件在BIM模型内的位置，进而为每个构件的特征数据进行确定，保证每个构件对应有特征数据，可以理解的是其中本步骤中的构件进行图像识别可以为直接识别异形构件，然后上传正常形状的构件的信息，保障每个构件都能精确确定尺寸大小和位置信息。

步骤S23、将每个构件的尺寸信息和位置信息分别与预设的用户输入的数据信息进行映射，确定每个构件对应的材料信息和性能信息；

可以理解的是本步骤通过将尺寸和位置信息与用户输入的数据进行对应，进而确定用户输入的材料信息和性能信息对应的是哪一个构件，防止构件特征数据出现差错。

步骤S24、将所述每个构件的尺寸信息、位置信息、材料信息和性能信息按照预设的排列顺序生成结构化文件，得到每个BIM模型内构件的结构化文件数据。

可以理解的是本步骤通过将构件的数据进行结构化处理，得到每个构件的结构化数据，为之后的数据分类存储做准备，本步骤中，步骤S24之后，还包括步骤S25、步骤S26、步骤S27和步骤S28。

步骤S25、将所述BIM模型内构件的特征数据按照对应的版本进行分类，其中通过层次分析法对BIM模型的特征数据进行分层，得到至少两层特征数据，其中每层特征数据均分别包括同一版本的特征数据；

可以理解的是本步骤通过层次分析法将所有的BIM模型内构件的特征数据进行分层次，其中按照版本进行分层，每个版本分为一层，并且每个版本内包含有每个用户上传的BIM模型数据，并将所有同一版本的数据进行汇总作为一层。

步骤S26、基于K-means聚类算法将每层特征数据内所有的特征数据进行聚类，并基于拉依达准则计算聚类得到的至少两个聚类簇的阈值范围；

可以理解的是本步骤通过聚类算法对每层的特征数据进行聚类，然后确定同类型的构件的特征数据的范围，进而将同类型的构件数据进行分类存储。

可以理解的是本步骤中的基于K-means聚类算法将每层特征数据内所有的特征数据进行聚类，其中特征数据信息包括每个构件的尺寸信息、位置信息、材料信息和性能信息，其详细步骤如下，首先，在所有特征数据中随机选择12个构件特征数据作为初始簇类的聚类中心，然后计算每个数据到每个簇聚类中心点的欧式距离，并按照数据之间的距离大小，把离聚类中心点最近的样本划分到实时聚类中心点所在的聚类簇，然后不断的计算每个簇中数据对象的平均值，作为新的聚类中心，不断的进行迭代，直至聚类中心不再变化，进而得到每层特征数据内不同聚类簇的特征数据，然后基于拉依达准则确定每个聚类簇的聚类范围大小，进而得到每个聚类簇内包含的特征数据的范围，得到按照特征数据的反正进行分类。

可以理解的是本发明通过Yolov3算法进行图像识别，然后确定每个构件的位于的区域信息，并基于每个构件位于的区域信息确定每个构件对应的特征数据信息，每个构件特征数据信息包括每个构件的尺寸信息、位置信息、材料信息和性能信息，然后再使用K-means聚类算法对每个构件特征数据信息进行分类，得到至少两个类别的特征数据信息，然后将不同类别的特征数据信息分别存储至不同的子文件夹，保障数据不会全部同时丢失。

步骤S27、对所有的所述阈值范围进行分析，将全部的所述阈值范围作为分类标准，得到至少一个类别的特征数据；

步骤S28、将所有分层后的特征数据发送至标记了版本信息的文件夹内进行存储，并在所述文件夹内建立子文件夹，并将每个类别的特征数据发送至对应的子文件夹内进行存储，其中每个子文件夹为标记了阈值范围的子文件。

可以理解的是本步骤是为了将所有版本的数据进行分层，然后在每层数据上进行分类，确定每个类型的构件的数据，能够更快速的管理构件数据，并且在需要时能够快速找到。

步骤S3、将所述分类存储数据发送至预设的数据库进行数据更新处理，得到更新后的数据库，所述更新后的数据库包括对所有历史BIM模型构件信息进行更新得到的数据信息；

可以理解的是本步骤通过对预设的数据库内的数据进行更新，减少需要存储的数据，本步骤中，步骤S3包括步骤S31、步骤S32和步骤S33。

步骤S31、将所述分类存储数据与所述预设的数据库建立HTTP连接，并将所述分类存储数据发送至预设的数据库内进行存储；

步骤S32、将所述分类存储数据与数据库内历史BIM模型构件信息进行对比，其中将分类存储数据中每个文件夹的版本信息与历史BIM模型构件信息中对应的版本信息进行对比，得到对比结果；

步骤S33、若所述对比结果为分类存储数据中每个文件夹的版本信息大于历史BIM模型构件信息中对应的版本信息，则删除对应的历史BIM模型构件信息，并将所述分类存储数据中每个文件夹内的数据迁移至删除后的历史BIM模型构件信息对应的位置进行存储。

可以理解的本步骤通过将分类存储数据中每个文件夹的版本信息与历史BIM模型构件信息中对应的版本信息进行对比，进而判断版本是否大于历史BIM模型构件信息中对应的版本信息，若大于则进行更新，若版本小于或等于，则判断数据是否对应，若不对应，则将分类存储数据中每个文件夹的版本信息覆盖历史BIM模型构件信息中对应的版本信息，若标记为关键版本，则进行备份操作。

步骤S4、基于预设的智能合约对所述更新后的数据库进行数据确权处理，得到更新后的数据库内每个数据对应的权属信息；

可以理解的是本步骤中的智能合约是预设在区块链中的一串代码，其中本发明是需要通过智能合约将BIM模型构件信息和确权信息写入和更新至区块链，因此本发明将开发后的智能合约发送至BIM模型信息提供方、数据存储方和可信第三方进行确认，然后再将获得授权后能够部署到搭建好的区块链服务器中，等待接受相关命令参数，并执行相应的智能合约代码，其中所述智能合约代码包括接收相关命令参数进行数据确权处理、进行存储数据和生成凭证信息的相关合约代码。

本步骤中的预设的智能合约是BIM模型信息提供方和数据存储方在需要对BIM模型信息进行存证确权的条件下签订的存证智能合约，其中是以计算机程序的方式来设计和运行的各种合约，本质是一串代码。智能合约作为区块链中的应用，可以接受外部的交易请求和事件，进而触发提前编写好的合约代码,并且合约能够生成新的交易和事件，本发明中的预设的智能合约为存证智能合约，通过预先写入的程序逻辑将信息数据提交至区块链，后者负责运行并验证以确保数据可信、可追踪且不可逆转。本发明中采用编写智能合约程序的方式，即预设，将BIM模型构件信息和确权信息写入和更新至区块链，将开发后的智能合约发送至BIM模型信息提供方、数据存储方和可信第三方进行确认，其中所述智能合约内容包括如何进行数据确权处理、如何进行存储数据和如何生成凭证信息等相关合约代码，再将获得授权后能够部署到搭建好的区块链服务器中，进行初始化工作，等待接受相关命令参数，并执行相应的智能合约代码。

可以理解的是本步骤通过预设的智能合约对所述更新后的数据库进行数据确权处理，其中通过知识图谱，确定其中构件数据的权属关系，本步骤中，步骤S4包括步骤S41、步骤S42、步骤S43和步骤S44。

步骤S41、基于预设的智能合约对所述更新后的数据库内的每个数据进行位置信息读取，得到所有文件夹的位置信息和所有子文件夹的位置信息；

可以理解的是本步骤通过获取更新后的数据库内的每个数据进行位置信息进而确定每个BIM构件存储位置，为构建知识图谱做准备。

步骤S42、基于所有文件夹的位置信息、所有子文件夹的位置信息、文件夹内的版本信息和所有BIM模型信息构建至少一个三元组，其中所述三元组包括每个BIM模型信息、BIM模型对应的特征数据的位置信息和BIM模型对应的版本信息；

可以理解的是本步骤通过构建BIM模型信息-BIM特征数据信息-BIM版本信息的三元组，进而可以确定BIM模型内包含了哪些特征数据，属于哪一版本，进而在追溯问题是查询到哪一个数据出现问题够，可以知道是哪一个BIM模型内的数据，进而查询到底是谁负责的，谁上传的，可以快速确定源头。

步骤S43、基于所有的三元组和预设的所有BIM模型信息对应的时间生成时间戳，并基于所有生成时间戳的三元组进行关联分析，并基于分析得到的每个三元组之间的关联度构建知识图谱网络，其中每个三元组之间的连接关系为每个三元组之间的关联度；

步骤S44、基于知识图谱网络中的连接关系确定每个更新后的数据库内数据对应的用户信息、版本信息和存储位置信息，进而确定更新后的数据库内每个数据对应的权属关系。

可以理解的是本步骤通过关联度将所有的三元组联系起来构建一个知识图谱，进而可以在确定构件数据时，确定每个用户之间的关联度，这样可以快速确定该用户的其他数据是否出现错误，防止出现其他漏洞，提高数据准确率，并且本步骤还通过时间戳进行标记，快速确定每个用户上传数据的时间，防止在不同时间出现上传同一模型的数据，进而不能确定是谁上传的情况出现。

步骤S5、基于预设的智能合约将更新后的数据库内的数据和所述权属信息发送至区块链中进行存储，并基于预设的智能合约生成更新后的数据库内的数据对应的凭证信息。

可以理解的是本步骤通过哈希转换快速生成数据凭证，起到保密作用的同时，提供凭证，本步骤中步骤S5包括步骤S51、步骤S52和步骤S53。

步骤S51、基于所述权属信息对所述更新后的数据库内的数据进行标记，并将标记后的数据转化为json格式字符串；

步骤S52、基于哈希算法将所述json格式字符串进行哈希转换，得到每个所述json格式字符串对应的哈希值；

步骤S53、基于预设的智能合约将所述更新后的数据库内的数据和所述哈希值上传至区块链中进行存储，得到智能合约反馈的交易凭证信息。

可以理解的是本步骤通过将所有标记后的数据进行格式转换对所有数据进行保密，并且通过哈希转换进行二次加密，进而生成交易凭证。

实施例2：

如图2所示，本实施例提供了一种基于区块链的BIM构件数据存证确权装置，所述装置包括获取单元701、第一存储单元702、第一处理单元703、第二处理单元704和第二存储单元705。

获取单元701，用于获取所有BIM模型信息和预设的数据库，所述预设的数据库内设置有所有历史BIM模型的构件信息；

第一存储单元702，用于将所述BIM模型发送至构件数据提取模块进行数据提取，并将数据提取得到的BIM模型内构件的特征数据进行分类存储，得到分类存储数据；

其中，所述第一存储单元702包括第一处理子单元7021、第二处理子单元7022、第三处理子单元7023和第四处理子单元7024。

第一处理子单元7021，用于将所述BIM模型进行构件分区处理，其中采用Yolov3算法所述BIM模型的三维图像进行特征识别，并基于识别得到的特征进行分区，得到BIM模型内每个构件的区域；

第二处理子单元7022，用于将BIM模型内每个构件的区域进行图像识别，确定每个构件的尺寸信息和位置信息；

第三处理子单元7023，用于将每个构件的尺寸信息和位置信息分别与预设的用户输入的数据信息进行映射，确定每个构件对应的材料信息和性能信息；

第四处理子单元7024，用于将所述每个构件的尺寸信息、位置信息、材料信息和性能信息按照预设的排列顺序生成结构化文件，得到每个BIM模型内构件的结构化文件数据。

其中，所述第一存储单元702还包括第一分类子单元7025、第二分类子单元7026、第三分类子单元7027和第四分类子单元7028。

第一分类子单元7025，用于将所述BIM模型内构件的特征数据按照对应的版本进行分类，其中通过层次分析法对BIM模型的特征数据进行分层，得到至少两层特征数据，其中每层特征数据均分别包括同一版本的特征数据；

第二分类子单元7026，用于基于K-means聚类算法将每层特征数据内所有的特征数据进行聚类，并基于拉依达准则计算聚类得到的至少两个聚类簇的阈值范围；

第三分类子单元7027，用于对所有的所述阈值范围进行分析，将全部的所述阈值范围作为分类标准，得到至少一个类别的特征数据；

第四分类子单元7028，用于将所有分层后的特征数据发送至标记了版本信息的文件夹内进行存储，并在所述文件夹内建立子文件夹，并将每个类别的特征数据发送至对应的子文件夹内进行存储，其中每个子文件夹为标记了阈值范围的子文件。

第一处理单元703，用于将所述分类存储数据发送至预设的数据库进行数据更新处理，得到更新后的数据库，所述更新后的数据库包括对所有历史BIM模型构件信息进行更新得到的数据信息；

其中，所述第一处理单元703包括第一存储子单元7031、第五处理子单元7032和第二存储子单元7033。

第一存储子单元7031，用于将所述分类存储数据与所述预设的数据库建立HTTP连接，并将所述分类存储数据发送至预设的数据库内进行存储；

第五处理子单元7032，用于将所述分类存储数据与数据库内历史BIM模型构件信息进行对比，其中将分类存储数据中每个文件夹的版本信息与历史BIM模型构件信息中对应的版本信息进行对比，得到对比结果；

第二存储子单元7033，用于若所述对比结果为分类存储数据中每个文件夹的版本信息大于历史BIM模型构件信息中对应的版本信息，则删除对应的历史BIM模型构件信息，并将所述分类存储数据中每个文件夹内的数据迁移至删除后的历史BIM模型构件信息对应的位置进行存储。

第二处理单元704，用于基于预设的智能合约对所述更新后的数据库进行数据确权处理，得到更新后的数据库内每个数据对应的权属信息；

其中，所述第二处理单元704包括第六处理子单元7041、第七处理子单元7042、第一分析子单元7043和第二分析子单元7044。

第六处理子单元7041，用于基于预设的智能合约对所述更新后的数据库内的每个数据进行位置信息读取，得到所有文件夹的位置信息和所有子文件夹的位置信息；

第七处理子单元7042，用于基于所有文件夹的位置信息、所有子文件夹的位置信息、文件夹内的版本信息和所有BIM模型信息构建至少一个三元组，其中所述三元组包括每个BIM模型信息、BIM模型对应的特征数据的位置信息和BIM模型对应的版本信息；

第一分析子单元7043，用于基于所有的三元组和预设的所有BIM模型信息对应的时间生成时间戳，并基于所有生成时间戳的三元组进行关联分析，并基于分析得到的每个三元组之间的关联度构建知识图谱网络，其中每个三元组之间的连接关系为每个三元组之间的关联度；

第二分析子单元7044，用于基于知识图谱网络中的连接关系确定每个更新后的数据库内数据对应的用户信息、版本信息和存储位置信息，进而确定更新后的数据库内每个数据对应的权属关系。

第二存储单元705，用于基于预设的智能合约将更新后的数据库内的数据和所述权属信息发送至区块链中进行存储，并基于预设的智能合约生成更新后的数据库内的数据对应的凭证信息。

其中，所述第二存储单元705包括第八处理子单元7051、第九处理子单元7052和第十处理子单元7053。

第八处理子单元7051，用于基于所述权属信息对所述更新后的数据库内的数据进行标记，并将标记后的数据转化为json格式字符串；

第九处理子单元7052，用于基于哈希算法将所述json格式字符串进行哈希转换，得到每个所述json格式字符串对应的哈希值；

第十处理子单元7053，用于基于预设的智能合约将所述更新后的数据库内的数据和所述哈希值上传至区块链中进行存储，得到智能合约反馈的交易凭证信息。

需要说明的是，关于上述实施例中的装置，其中各个模块执行操作的具体方式已经在有关该方法的实施例中进行了详细描述，此处将不做详细阐述说明。

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)

1.一种基于区块链的BIM构件数据存证确权方法，其特征在于，包括：

获取BIM模型信息和预设的数据库，所述预设的数据库内设置有所有历史BIM模型的构件信息；

将所述BIM模型发送至构件数据提取模块进行数据提取，并将数据提取得到的BIM模型内构件的特征数据进行分类存储，得到分类存储数据；

将所述分类存储数据发送至预设的数据库进行数据更新处理，得到更新后的数据库，所述更新后的数据库包括对所有历史BIM模型构件信息进行更新得到的数据信息；

基于预设的智能合约对所述更新后的数据库进行数据确权处理，得到更新后的数据库内每个数据对应的权属信息；

基于预设的智能合约将更新后的数据库内的数据和所述权属信息发送至区块链中进行存储，并基于预设的智能合约生成更新后的数据库内的数据对应的凭证信息。

2.根据权利要求1所述的基于区块链的BIM构件数据存证确权方法，其特征在于，将所述BIM模型发送至构件数据提取模块进行数据提取，包括：

将所述BIM模型进行构件分区处理，其中采用Yolov3算法所述BIM模型的三维图像进行特征识别，并基于识别得到的特征进行分区，得到BIM模型内每个构件的区域；

将BIM模型内每个构件的区域进行图像识别，确定每个构件的尺寸信息和位置信息；

将每个构件的尺寸信息和位置信息分别与预设的用户输入的数据信息进行映射，确定每个构件对应的材料信息和性能信息；

将所述每个构件的尺寸信息、位置信息、材料信息和性能信息按照预设的排列顺序生成结构化文件，得到每个BIM模型内构件的结构化文件数据。

3.根据权利要求1所述的基于区块链的BIM构件数据存证确权方法，其特征在于，所述并将数据提取得到的BIM模型内构件的特征数据进行分类存储，包括：

将所述BIM模型内构件的特征数据按照对应的版本进行分类，其中通过层次分析法对BIM模型的特征数据进行分层，得到至少两层特征数据，其中每层特征数据均分别包括同一版本的特征数据；

基于K-means聚类算法将每层特征数据内所有的特征数据进行聚类，并基于拉依达准则计算聚类得到的至少两个聚类簇的阈值范围；

对所有的所述阈值范围进行分析，将全部的所述阈值范围作为分类标准，得到至少一个类别的特征数据；

将所有分层后的特征数据发送至标记了版本信息的文件夹内进行存储，并在所述文件夹内建立子文件夹，并将每个类别的特征数据发送至对应的子文件夹内进行存储，其中每个子文件夹为标记了阈值范围的子文件。

4.根据权利要求1所述的基于区块链的BIM构件数据存证确权方法，其特征在于，将所述分类存储数据发送至预设的数据库进行数据更新处理，得到更新后的数据库，包括：

将所述分类存储数据与所述预设的数据库建立HTTP连接，并将所述分类存储数据发送至预设的数据库内进行存储；

将所述分类存储数据与数据库内历史BIM模型构件信息进行对比，其中将分类存储数据中每个文件夹的版本信息与历史BIM模型构件信息中对应的版本信息进行对比，得到对比结果；

若所述对比结果为分类存储数据中每个文件夹的版本信息大于历史BIM模型构件信息中对应的版本信息，则删除对应的历史BIM模型构件信息，并将所述分类存储数据中每个文件夹内的数据迁移至删除后的历史BIM模型构件信息对应的位置进行存储。

5.根据权利要求1所述的基于区块链的BIM构件数据存证确权方法，其特征在于，所述基于预设的智能合约对所述更新后的数据库进行数据确权处理，得到更新后的数据库内每个数据对应的权属信息，包括：

基于预设的智能合约对所述更新后的数据库内的每个数据进行位置信息读取，得到所有文件夹的位置信息和所有子文件夹的位置信息；

基于所有文件夹的位置信息、所有子文件夹的位置信息、文件夹内的版本信息和所有BIM模型信息构建至少一个三元组，其中所述三元组包括每个BIM模型信息、BIM模型对应的特征数据的位置信息和BIM模型对应的版本信息；

基于所有的三元组和预设的所有BIM模型信息对应的时间生成时间戳，并基于所有生成时间戳的三元组进行关联分析，并基于分析得到的每个三元组之间的关联度构建知识图谱网络，其中每个三元组之间的连接关系为每个三元组之间的关联度；

基于知识图谱网络中的连接关系确定每个更新后的数据库内数据对应的用户信息、版本信息和存储位置信息，进而确定更新后的数据库内每个数据对应的权属关系。

6.一种基于区块链的BIM构件数据存证确权装置，其特征在于，包括：

获取单元，用于获取所有BIM模型信息和预设的数据库，所述预设的数据库内设置有所有历史BIM模型的构件信息；

第一存储单元，用于将所述BIM模型发送至构件数据提取模块进行数据提取，并将数据提取得到的BIM模型内构件的特征数据进行分类存储，得到分类存储数据；

第一处理单元，用于将所述分类存储数据发送至预设的数据库进行数据更新处理，得到更新后的数据库，所述更新后的数据库包括对所有历史BIM模型构件信息进行更新得到的数据信息；

第二处理单元，用于基于预设的智能合约对所述更新后的数据库进行数据确权处理，得到更新后的数据库内每个数据对应的权属信息；

第二存储单元，用于基于预设的智能合约将更新后的数据库内的数据和所述权属信息发送至区块链中进行存储，并基于预设的智能合约生成更新后的数据库内的数据对应的凭证信息。

7.根据权利要求6所述的基于区块链的BIM构件数据存证确权装置，其特征在于，所述装置包括：

第一处理子单元，用于将所述BIM模型进行构件分区处理，其中采用Yolov3算法所述BIM模型的三维图像进行特征识别，并基于识别得到的特征进行分区，得到BIM模型内每个构件的区域；

第二处理子单元，用于将BIM模型内每个构件的区域进行图像识别，确定每个构件的尺寸信息和位置信息；

第三处理子单元，用于将每个构件的尺寸信息和位置信息分别与预设的用户输入的数据信息进行映射，确定每个构件对应的材料信息和性能信息；

第四处理子单元，用于将所述每个构件的尺寸信息、位置信息、材料信息和性能信息按照预设的排列顺序生成结构化文件，得到每个BIM模型内构件的结构化文件数据。

8.根据权利要求6所述的基于区块链的BIM构件数据存证确权装置，其特征在于，所述装置包括：

第一分类子单元，用于将所述BIM模型内构件的特征数据按照对应的版本进行分类，其中通过层次分析法对BIM模型的特征数据进行分层，得到至少两层特征数据，其中每层特征数据均分别包括同一版本的特征数据；

第二分类子单元，用于基于K-means聚类算法将每层特征数据内所有的特征数据进行聚类，并基于拉依达准则计算聚类得到的至少两个聚类簇的阈值范围；

第三分类子单元，用于对所有的所述阈值范围进行分析，将全部的所述阈值范围作为分类标准，得到至少一个类别的特征数据；

第四分类子单元，用于将所有分层后的特征数据发送至标记了版本信息的文件夹内进行存储，并在所述文件夹内建立子文件夹，并将每个类别的特征数据发送至对应的子文件夹内进行存储，其中每个子文件夹为标记了阈值范围的子文件。

9.根据权利要求6所述的基于区块链的BIM构件数据存证确权装置，其特征在于，所述装置包括：

第一存储子单元，用于将所述分类存储数据与所述预设的数据库建立HTTP连接，并将所述分类存储数据发送至预设的数据库内进行存储；

第五处理子单元，用于将所述分类存储数据与数据库内历史BIM模型构件信息进行对比，其中将分类存储数据中每个文件夹的版本信息与历史BIM模型构件信息中对应的版本信息进行对比，得到对比结果；

第二存储子单元，用于若所述对比结果为分类存储数据中每个文件夹的版本信息大于历史BIM模型构件信息中对应的版本信息，则删除对应的历史BIM模型构件信息，并将所述分类存储数据中每个文件夹内的数据迁移至删除后的历史BIM模型构件信息对应的位置进行存储。

10.根据权利要求6所述的基于区块链的BIM构件数据存证确权装置，其特征在于，所述装置包括：

第六处理子单元，用于基于预设的智能合约对所述更新后的数据库内的每个数据进行位置信息读取，得到所有文件夹的位置信息和所有子文件夹的位置信息；

第七处理子单元，用于基于所有文件夹的位置信息、所有子文件夹的位置信息、文件夹内的版本信息和所有BIM模型信息构建至少一个三元组，其中所述三元组包括每个BIM模型信息、BIM模型对应的特征数据的位置信息和BIM模型对应的版本信息；

第一分析子单元，用于基于所有的三元组和预设的所有BIM模型信息对应的时间生成时间戳，并基于所有生成时间戳的三元组进行关联分析，并基于分析得到的每个三元组之间的关联度构建知识图谱网络，其中每个三元组之间的连接关系为每个三元组之间的关联度；

第二分析子单元，用于基于知识图谱网络中的连接关系确定每个更新后的数据库内数据对应的用户信息、版本信息和存储位置信息，进而确定更新后的数据库内每个数据对应的权属关系。

Images