CN115828406B

CN115828406B - 铁路桥梁bim信息化管理方法、装置、设备及可读存储介质

Info

Publication number: CN115828406B
Application number: CN202310147662.0A
Authority: CN
Inventors: 杨雷
Original assignee: Beijing Zhonghai Xingda Construction Co ltd
Current assignee: Beijing Aucalin Technology Co.,Ltd.
Priority date: 2023-02-22
Filing date: 2023-02-22
Publication date: 2023-05-12
Anticipated expiration: 2043-02-22
Also published as: CN115828406A

Abstract

本发明提供了一种铁路桥梁BIM信息化管理方法、装置设备及可读存储介质，涉及电数字数据处理技术领域，包括：获取铁路桥梁三维模型和铁路桥梁的BIM构件；对BIM构件进行聚类运算，将分类后的每一类BIM构件赋予构件ID，并根据每一类BIM构件与构件ID建立关联关系；根据铁路桥梁三维模型和关联关系，对铁路桥梁的工程结构进行分解，得到建筑全生命周期的构件信息矩阵，构件信息矩阵包括铁路桥梁全周期寿命管理的性能信息；将铁路桥梁三维模型和构件信息矩阵进行整合并进行重采样和分割存储。本发明将铁路桥梁的三维模型和BIM构件进行聚类运算，并对构件进行分类，使得构件信息更加清晰、准确，方便更好地管理构件。

Description

铁路桥梁BIM信息化管理方法、装置、设备及可读存储介质

技术领域

本发明涉及电数字数据处理技术领域，具体而言，涉及一种铁路桥梁BIM信息化管理方法、装置设备及可读存储介质。

背景技术

铁路桥梁是铁路运输中不可或缺的重要基础设施，它承担着连接铁路路线的重要任务。由于铁路桥梁承载着巨大的载荷，因此其管理方法必须严格。为了更好地管理铁路桥梁，通常会采用信息管理系统进行管理，操作人员通过信息管理系统可以获取桥梁的各项信息，查阅维护、保养、检修和维修记录。然而现有的铁路桥梁信息管理系统只能进行基本的信息管理和统计工作，缺乏数据分析、模拟计算等功能，不能实现对铁路桥梁全周期寿命管理。

基于上述问题，现需要一种铁路桥梁BIM信息化管理方法，通过对铁路桥梁的三维模型和铁路桥梁的BIM构件建立关联关系，通过神经网络预测铁路桥梁的性能信息，提供全寿命周期的可视化管理。

发明内容

本发明的目的在于提供一种铁路桥梁BIM信息化管理方法、装置、设备及可读存储介质，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，本申请提供了一种铁路桥梁BIM信息化管理方法，包括：

获取铁路桥梁三维模型和铁路桥梁的BIM构件，所述BIM构件包括几何结构数据信息和属性值；

对所述BIM构件进行聚类运算，将分类后的每一类所述BIM构件赋予构件ID，并根据每一类所述BIM构件与所述构件ID建立关联关系；

根据所述铁路桥梁三维模型和所述关联关系，对铁路桥梁的工程结构进行分解，得到建筑全生命周期的构件信息矩阵，所述构件信息矩阵包括铁路桥梁全周期寿命管理的性能信息；

将所述铁路桥梁三维模型和所述构件信息矩阵进行整合并进行重采样和分割存储。

第二方面，本申请还提供了一种铁路桥梁BIM信息化管理装置，包括：

获取模块，用于获取铁路桥梁三维模型和铁路桥梁的BIM构件，所述BIM构件包括几何结构数据信息和属性值；

分类模块，用于对所述BIM构件进行聚类运算，将分类后的每一类所述BIM构件赋予构件ID，并根据每一类所述BIM构件与所述构件ID建立关联关系；

分解模块，用于根据所述铁路桥梁三维模型和所述关联关系，对铁路桥梁的工程结构进行分解，得到建筑全生命周期的构件信息矩阵，所述构件信息矩阵包括铁路桥梁全周期寿命管理的性能信息；

整合模块，用于将所述铁路桥梁三维模型和所述构件信息矩阵进行整合并进行重采样和分割存储。

第三方面，本申请还提供了一种铁路桥梁BIM信息化管理设备，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铁路桥梁BIM信息化管理方法的步骤。

第四方面，本申请还提供了一种可读存储介质，所述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时实现上述基于铁路桥梁BIM信息化管理方法的步骤。

本发明的有益效果为：

本发明将铁路桥梁的三维模型和BIM构件进行聚类运算，并对构件进行分类，使得构件信息更加清晰、准确，方便更好地管理构件。通过使用多项式特征提取算法和卷积神经网络算法，可以对构件的特征信息进行提取和分析，得到铁路桥梁全周期寿命管理的性能信息，有助于更好地维护和管理铁路桥梁。

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铁路桥梁BIM信息化管理方法流程示意图;

图2为本发明实施例中所述的铁路桥梁BIM信息化管理装置结构示意图。

图3为本发明实施例中所述的铁路桥梁BIM信息化管理设备结构示意图。

图中标记：1、获取模块；2、分类模块；21、第一分类单元；22、第二分类单元；221、第一计算单元；222、第二计算单元；223、第三计算单元；224、第四计算单元；23、第一处理单元；24、第二处理单元；3、分解模块；31、第三处理单元；32、第一提取单元；33、第四处理单元；34、第一分析单元；341、第六处理单元；342、第二分析单元；343、第二提取单元；35、第五处理单元；4、整合模块；41、第三分析单元；42、第七处理单元；43、第三分类单元；44、第八处理单元；800、铁路桥梁BIM信息化管理设备；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铁路桥梁BIM信息化管理方法。

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、获取铁路桥梁三维模型和铁路桥梁的BIM构件，BIM构件包括几何结构数据信息和属性值。

可以理解的是，在本步骤中，铁路桥梁的三维模型可以通过多种方式获取，包括使用三维扫描仪进行扫描、使用建模软件进行建模等。获取的三维模型可以使用标准三维模型文件格式（如.3ds、.obj等）存储。BIM构件是指在建筑信息模型（Building InformationModel，简称BIM）中使用的三维构件模型。每个BIM构件都包含有关构件的几何结构数据信息和属性值。几何结构数据信息包括构件的形状、尺寸等物理信息，而属性值则包括构件的材质、质量、强度等性能信息。

步骤S200、对BIM构件进行聚类运算，将分类后的每一类BIM构件赋予构件ID，并根据每一类BIM构件与构件ID建立关联关系。

可以理解的是，在本步骤中，将所有BIM构件进行分类，并为每一类分配一个唯一的构件ID。这样可以更方便对构件进行管理和查询，同时也为后续的操作提供便利。需要说明的是，步骤S200包括步骤S210、步骤S220、步骤S230和步骤S240。

步骤S210、对BIM构件按照所属桥梁的结构部位进行分类得到初步分类结果。

可以理解的是，在本步骤中，铁路桥梁结构由桥墩、桥台、桥面、桥顶等部位组成。在这一步骤中，需要将桥墩的BIM构件、桥台的BIM构件、桥面的BIM构件以及桥顶的BIM构件分别进行分类。

步骤S220、将初步分类结果中的每一类的BIM构件进行几何结构数据的提取和分析，并使用聚类算法将同类的BIM构件进行分类得到聚类结果。

可以理解的是，在本步骤中，将BIM构件进行更进一步的分类，使得每一类的BIM构件具有更加相似的几何结构数据和属性值。这样做可以方便地管理和分类BIM构件，使得后续的信息化管理工作更加高效。需要说明的是，步骤S220包括步骤S221、步骤S222、步骤S223和步骤S224。

步骤S221、将每一类BIM构件进行几何结构数据的提取和分析，得到待分类的BIM构件的特征信息，并计算得到每一类BIM构件的代表性中心点，特征信息包括形状信息、尺寸信息和材质信息。

可以理解的是，在本步骤中对已经分好类的BIM构件进行进一步的区分和分组。将每一类BIM构件进行几何结构数据的提取和分析，得到待分类的BIM构件的特征信息，并计算出代表性中心点来进一步将同类的BIM构件进行分类，代表性中心点是指代表一类的中心点，也就是一类的中心点的平均值，是所有数据点的某个特征的平均值。本实施例中，使用欧几里得距离作为聚类分析的距离度量，代表性中心点就是所有数据点的形状信息、尺寸信息和材质信息等特征信息的均值。

步骤S222、基于代表性中心点，对所有BIM构件进行聚类运算，将距离最近的BIM构件与其对应的中心点建立连接。

可以理解的是，在本步骤中，将所有BIM构件按照相似性进行分类。建立连接的作用是将每一类BIM构件中的各个构件之间连接起来，使得在进行下一步聚类运算时可以更好地捕捉到构件之间的相互关系，从而更准确地对构件进行分类。

步骤S223、将其余的BIM构件，根据其与各聚类中心的距离，将其分配到最近的聚类中。

可以理解的是，在本步骤中，对所有的BIM构件进行分类，将距离最近的BIM构件与它对应的代表性中心点建立连接，使得每个BIM构件都属于一个聚类。在本实施例中，首先计算每个BIM构件与所有代表性中心点之间的距离，然后将每个BIM构件与距离最近的代表性中心点之间建立连接，将其分到对应的聚类中。使用聚类算法将所有BIM构件进行分类，可以提高构件的分类效率。

步骤S224、根据所有聚类中的所有BIM构件，重新计算中心点并更新聚类信息得到聚类结果。

可以理解的是，本步骤是在进行聚类运算的过程中，对所有已分类的BIM构件进行重新计算中心点并更新聚类信息。通过计算重新计算中心点并更新聚类信息，能够使得聚类结果更加准确，从而使得在之后的流程中能够更好地对铁路桥梁的构件进行管理。

步骤S230、将聚类结果中的每一类BIM构件赋予构件ID。

可以理解的是，在本步骤中，将每一类的BIM构件赋予唯一的构件ID，以便在之后的操作中可以根据构件ID快速的找到对应的构件。这一步骤的具体实施过程为：首先定义一个计数器并初始化为1，然后遍历所有聚类结果中的每一类构件，对于每一类构件，将计数器的值赋给这一类构件的构件ID，并将计数器的值加1。最后，将每一类构件的构件ID与构件本身建立关联关系。在之后的操作中，就可以通过构件ID快速的找到对应的构件。

步骤S240、建立每一类BIM构件与构件ID的关联关系。

可以理解的是，在本步骤中，通过将每一类BIM构件与构件ID关联起来，可以使用构件ID来快速定位和查找特定类型的BIM构件，方便对每一类BIM构件进行管理和维护。

步骤S300、根据铁路桥梁三维模型和关联关系，对铁路桥梁的工程结构进行分解，得到建筑全生命周期的构件信息矩阵，构件信息矩阵包括铁路桥梁全周期寿命管理的性能信息。

可以理解的是，在本步骤中，根据铁路桥梁三维模型和构件ID之间的关联关系，按照铁路桥梁的工程结构将每个构件在建筑的全生命周期中的性能信息进行分解，并将分解后的信息存储在构件信息矩阵中。这样的方法可以为铁路桥梁的全生命周期寿命管理提供有价值的信息和数据支持。需要说明的是，步骤S300包括步骤S310、步骤S320、步骤S330、步骤S340和步骤S350。

步骤S310、根据铁路桥梁三维模型得到构件库，构件库包括所有组成铁路桥梁的构件模型，并根据关联关系将每个构件模型与其对应的构件ID进行连接。

可以理解的是，在本步骤中，通过铁路桥梁的三维模型来得到桥梁上所有的构件模型。使用上述关联关系，将每个构件模型与其对应的构件ID连接起来。最后将所有连接好的构件模型存储在构件库中。这样就可以通过构件ID来查询和管理构件模型。

步骤S320、基于多项式回归算法对所有构件模型进行特征提取得到构件特征信息。

可以理解的是，在本步骤中，多项式回归算法是一种用于从数据中提取特征信息的算法，它使用多项式函数来描述数据，并使用这些函数来提取数据的特征。通过使用多项式回归算法，可以从所有构件模型中提取出形状、尺寸和材质等信息，作为这些构件模型的特征信息。

步骤S330、对构件特征信息进行整合得到特征信息矩阵。

可以理解的是，在本步骤中，将所有构件的特征信息合并成一个矩阵的过程。这一步的目的是将所有构件的特征信息组织成一个统一的数据结构，方便后续的操作和分析。

步骤S340、基于卷积神经网络算法对特征信息矩阵进行分析，得到所有构件模型在全生命周期内的性能信息，性能信息包括耐久性数据、可靠性数据、维护性数据、扩展性数据和可持续性数据。

可以理解的是，在本步骤中，过使用卷积神经网络算法分析特征信息矩阵，得到所有构件模型在全生命周期内的性能信息。其中耐久性数据指构件使用的时间长短，可靠性数据指构件在使用过程中的可靠性水平，维护性数据指构件维护保养的难易程度，扩展性数据指构件能否扩展使用，可持续性数据指构件对环境的影响程度。这些性能信息将为铁路桥梁的全生命周期管理提供重要的参考。需要说明的是，步骤S340包括步骤S341、步骤S342和步骤S343。

步骤S341、在卷积神经网络模型中定义若干卷积层和全连接层，并使用反向传播算法对模型进行训练。

可以理解的是，在本步骤中，考虑铁路桥梁的特点，包括其结构类型、材料、尺寸等信息，并根据这些信息来调整卷积层和全连接层的参数，以便获得更加准确的性能信息。同时，注意特征信息矩阵的内容，包括构件的形状信息、尺寸信息、材质信息等，并根据这些信息调整卷积神经网络的结构和参数，以便在训练过程中更好地提取特征信息。

步骤S342、将训练好的卷积神经网络模型用于对特征信息矩阵进行分析。

可以理解的是，在本步骤中，卷积神经网络是一种深度学习模型，具有较强的特征提取能力。在分析过程中，卷积神经网络会根据训练时所使用的数据集，学习出铁路桥梁特征信息矩阵中所含的有效信息。

步骤S343、在卷积神经网络模型中提取出每个构件模型在全生命周期内的性能信息。

可以理解的是，在本步骤中，使用反向传播算法对卷积神经网络模型进行训练，通过计算每个参数对模型输出结果的影响，来更新模型参数，使得模型在训练数据上的预测结果尽可能地接近真实值。

步骤S350、将所有性能信息进行整合，得到构件信息矩阵。

可以理解的是，在本步骤中，将所有提取出的构件的性能信息进行整合，形成一个矩阵，其中每一行对应一个构件，每一列对应一种性能信息。这个步骤的目的是为了方便后续的管理和分析工作，使得所有的信息都能够在同一个数据结构中存储和维护。

步骤S400、将铁路桥梁三维模型和构件信息矩阵进行整合并进行重采样和分割存储。

可以理解的是，在本步骤中，将铁路桥梁三维模型和构件信息矩阵整合到一起，其中构件信息矩阵中包含了铁路桥梁中每个构件在全生命周期内的性能信息。然后，将整合后的模型进行重采样和分割存储。这样做的目的是为了更好地处理和管理铁路桥梁的信息，方便对其进行后续的维护、管理和更新。需要说明的是，步骤S400包括步骤S410、步骤S420、步骤S430和步骤S440。

步骤S410、使用构件ID作为索引，将构件信息矩阵中的各个构件的信息与铁路桥梁三维模型中对应的构件进行关联整合。

可以理解的是，在本步骤中，将构件信息矩阵中存储的每个构件的信息与铁路桥梁三维模型中实际对应的构件进行关联整合。通过使用构件ID作为索引，可以快速地找到构件信息矩阵中每个构件对应的信息，并将这些信息与铁路桥梁三维模型中对应的构件进行关联。这样可以方便在后续的工程维护和管理中对每个构件的性能信息进行查询和管理。

步骤S420、基于重采样算法对关联整合后的铁路桥梁三维模型和构件信息矩阵进行重新采样。

可以理解的是，在本步骤中，重采样是一种用于处理图像或者三维模型数据的技术，可以改变图像的分辨率或者模型的精度。在这一步中，铁路桥梁三维模型和构件信息矩阵被重新采样，改变了三维模型的分辨率或者精度。这样做的目的可能是在较低的分辨率下进行建模并对操作人员进行快速加载查看，节省计算资源。

步骤S430、根据构件所处铁路桥梁的位置将重采样后的模型和信息进行分类得到分类数据。

可以理解的是，在本步骤中，将重新采样后的铁路桥梁三维模型和构件信息矩阵根据构件的位置进行分类。具体来说，可以根据构件所在的桥墩、桥面、桥型等信息对构件进行分类。这样做的目的是为了方便后续对构件进行统计分析和性能评估。分类数据可以帮助更好地了解铁路桥梁的结构特点和性能情况。

步骤S440、对每一类别的分类数据进行分割储存并使用哈希索引建立索引关系。

可以理解的是，在本步骤中，将分类数据进行分割储存，方便查询和管理。这些分类数据储存在不同的文件或数据库中，使用哈希索引建立索引关系，便于通过构件ID快速查询对应的构件信息。哈希索引是一种将数据映射到数组索引的方法，使用哈希索引可以有效地提高数据查找的效率。哈希索引的基本原理是通过计算数据的哈希值，将数据映射到一个数组的索引中。查询时，通过计算待查询数据的哈希值并与数组索引进行比对，就可以快速定位数据。

实施例2：

如图2所示，本实施例提供了一种铁路桥梁BIM信息化管理装置，装置包括：

获取模块1，用于获取铁路桥梁三维模型和铁路桥梁的BIM构件，BIM构件包括几何结构数据信息和属性值。

分类模块2，用于对BIM构件进行聚类运算，将分类后的每一类BIM构件赋予构件ID，并根据每一类BIM构件与构件ID建立关联关系。

分解模块3，用于根据铁路桥梁三维模型和关联关系，对铁路桥梁的工程结构进行分解，得到建筑全生命周期的构件信息矩阵，构件信息矩阵包括铁路桥梁全周期寿命管理的性能信息。

整合模块4，用于将铁路桥梁三维模型和构件信息矩阵进行整合并进行重采样和分割存储。

在本公开的一种具体实施方式中，分类模块2包括：

第一分类单元21，用于对BIM构件按照所属桥梁的结构部位进行分类得到初步分类结果。

第二分类单元22，用于将初步分类结果中的每一类的BIM构件进行几何结构数据的提取和分析，并使用聚类算法将同类的BIM构件进行分类得到聚类结果。

第一处理单元23，用于将聚类结果中的每一类BIM构件赋予构件ID。

第二处理单元24，用于建立每一类BIM构件与构件ID的关联关系。

在本公开的一种具体实施方式中，第二分类单元22包括：

第一计算单元221，用于将每一类BIM构件进行几何结构数据的提取和分析，得到待分类的BIM构件的特征信息，并计算得到每一类BIM构件的代表性中心点，特征信息包括形状信息、尺寸信息和材质信息。

第二计算单元222，基于代表性中心点，对所有BIM构件进行聚类运算，将距离最近的BIM构件与其对应的中心点建立连接。

第三计算单元223，用于将其余的BIM构件，根据其与各聚类中心的距离，将其分配到最近的聚类中。

第四计算单元224，用于根据所有聚类中的所有BIM构件，重新计算中心点并更新聚类信息得到聚类结果。

在本公开的一种具体实施方式中，分解模块3包括：

第三处理单元31，用于根据铁路桥梁三维模型得到构件库，构件库包括所有组成铁路桥梁的构件模型，并根据关联关系将每个构件模型与其对应的构件ID进行连接。

第一提取单元32，基于多项式特征提取算法对所有构件模型进行特征提取得到特征信息。

第四处理单元33，用于对特征信息进行整合得到特征信息矩阵。

第一分析单元34，基于卷积神经网络算法对特征信息矩阵进行分析，得到所有构件模型在全生命周期内的性能信息，性能信息包括耐久性数据、可靠性数据、维护性数据、扩展性数据和可持续性数据。

第五处理单元35，用于将所有性能信息进行整合，得到构件信息矩阵。

在本公开的一种具体实施方式中，第一分析单元34包括：

第六处理单元341，用于在卷积神经网络模型中定义若干卷积层和全连接层，并使用反向传播算法对模型进行训练。

第二分析单元342，用于将训练好的卷积神经网络模型用于对特征信息矩阵进行分析。

第二提取单元343，用于在卷积神经网络模型中提取出每个构件模型在全生命周期内的性能信息。

在本公开的一种具体实施方式中，整合模块4包括：

第三分析单元41，用于使用构件ID作为索引，将构件信息矩阵中的各个构件的信息与铁路桥梁三维模型中对应的构件进行关联整合。

第七处理单元42，基于重采样算法对关联整合后的铁路桥梁三维模型和构件信息矩阵进行重新采样。

第三分类单元43，用于根据构件所处铁路桥梁的位置将重采样后的模型和信息进行分类得到分类数据。

第八处理单元44，用于对每一类别的分类数据进行分割储存并使用哈希索引建立索引关系。

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。

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铁路桥梁BIM信息化管理设备，下文描述的一种铁路桥梁BIM信息化管理设备与上文描述的一种铁路桥梁BIM信息化管理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铁路桥梁BIM信息化管理设备800的框图。如图3所示，该铁路桥梁BIM信息化管理设备800可以包括：处理器801，存储器802。该铁路桥梁BIM信息化管理设备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用于控制该铁路桥梁BIM信息化管理设备800的整体操作，以完成上述的铁路桥梁BIM信息化管理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铁路桥梁BIM信息化管理设备800的操作，这些数据例如可以包括用于在该铁路桥梁BIM信息化管理设备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(StaticRandom Access Memory，简称SRAM)，电可擦除可编程只读存储器(Electrically ErasableProgrammable Read-Only Memory，简称EEPROM)，可擦除可编程只读存储器(ErasableProgrammable 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用于该铁路桥梁BIM信息化管理设备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(NearFieldCommunication，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，铁路桥梁BIM信息化管理设备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 Signal ProcessingDevice，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，用于执行上述的铁路桥梁BIM信息化管理方法。

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铁路桥梁BIM信息化管理方法的步骤。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，上述程序指令可由铁路桥梁BIM信息化管理设备800的处理器801执行以完成上述的铁路桥梁BIM信息化管理方法。

实施例4：

相应于上面的方法实施例，本实施例中还提供了一种可读存储介质，下文描述的一种可读存储介质与上文描述的一种铁路桥梁BIM信息化管理方法可相互对应参照。

一种可读存储介质，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时实现上述方法实施例的铁路桥梁BIM信息化管理方法的步骤。

该可读存储介质具体可以为U盘、移动硬盘、只读存储器(Read-Only Memory，ROM)、随机存取存储器(Random Access Memory，RAM)、磁碟或者光盘等各种可存储程序代码的可读存储介质。

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

1.一种铁路桥梁BIM信息化管理方法，其特征在于，包括：

将所述铁路桥梁三维模型和所述构件信息矩阵进行整合并进行重采样和分割存储；

其中,根据所述铁路桥梁三维模型和所述关联关系，对铁路桥梁的工程结构进行分解，得到建筑全生命周期的构件信息矩阵，所述构件信息矩阵包括铁路桥梁全周期寿命管理的性能信息，包括：

根据所述铁路桥梁三维模型得到构件库，所述构件库包括所有组成铁路桥梁的构件模型，并根据所述关联关系将每个所述构件模型与其对应的构件ID进行连接；

基于多项式回归算法对所有所述构件模型进行特征提取得到构件特征信息；

对所述构件特征信息进行整合得到特征信息矩阵；

基于卷积神经网络算法对所述特征信息矩阵进行分析，得到所有所述构件模型在全生命周期内的性能信息，所述性能信息包括耐久性数据、可靠性数据、维护性数据、扩展性数据和可持续性数据，其中，所述耐久性数据指构件使用的时间长短，所述可靠性数据指构件在使用过程中的可靠性水平，所述维护性数据指构件维护保养的难易程度，所述扩展性数据指构件能否扩展使用，所述可持续性数据指构件对环境的影响程度；

将所有所述性能信息进行整合，得到构件信息矩阵；

其中，基于卷积神经网络算法对所述特征信息矩阵进行分析，得到所有所述构件模型在全生命周期内的性能信息，包括：

在卷积神经网络模型中定义若干卷积层和全连接层，并使用反向传播算法对模型进行训练；

将训练好的所述卷积神经网络模型用于对特所述征信息矩阵进行分析；

在所述卷积神经网络模型中提取出每个所述构件模型在全生命周期内的性能信息；

其中,将所述铁路桥梁三维模型和所述构件信息矩阵进行整合并进行重采样和分割存储，包括：

使用构件ID作为索引，将所述构件信息矩阵中的各个构件的信息与所述铁路桥梁三维模型中对应的构件进行关联整合；

基于重采样算法对关联整合后的所述铁路桥梁三维模型和所述构件信息矩阵进行重新采样；

根据构件所处铁路桥梁的位置将重采样后的模型和信息进行分类得到分类数据；

对每一类别的所述分类数据进行分割储存并使用哈希索引建立索引关系。

2.根据权利要求1所述的铁路桥梁BIM信息化管理方法，其特征在于,对所述BIM构件进行聚类运算，将分类后的每一类所述BIM构件赋予构件ID，并将每一类所述BIM构件与所述构件ID建立连接关系，包括：

对所述BIM构件按照所属桥梁的结构部位进行分类得到初步分类结果；

将所述初步分类结果中的每一类的所述BIM构件进行几何结构数据的提取和分析，并使用聚类算法将同类的BIM构件进行分类得到聚类结果；

将所述聚类结果中的每一类所述BIM构件赋予构件ID；

建立每一类所述BIM构件与所述构件ID的关联关系。

3.一种铁路桥梁BIM信息化管理装置，其特征在于，包括：

整合模块，用于将所述铁路桥梁三维模型和所述构件信息矩阵进行整合并进行重采样和分割存储；

其中，所述分解模块包括：

第三处理单元，用于根据所述铁路桥梁三维模型得到构件库，所述构件库包括所有组成铁路桥梁的构件模型，并根据所述关联关系将每个所述构件模型与其对应的构件ID进行连接；

第一提取单元，基于多项式特征提取算法对所有所述构件模型进行特征提取得到特征信息；

第四处理单元，用于对所述特征信息进行整合得到特征信息矩阵；

第一分析单元，基于卷积神经网络算法对所述特征信息矩阵进行分析，得到所有所述构件模型在全生命周期内的性能信息，所述性能信息包括耐久性数据、可靠性数据、维护性数据、扩展性数据和可持续性数据，其中，所述耐久性数据指构件使用的时间长短，所述可靠性数据指构件在使用过程中的可靠性水平，所述维护性数据指构件维护保养的难易程度，所述扩展性数据指构件能否扩展使用，所述可持续性数据指构件对环境的影响程度；

第五处理单元，用于将所有所述性能信息进行整合，得到构件信息矩阵；

其中，所述第一分析单元包括：

第六处理单元，用于在卷积神经网络模型中定义若干卷积层和全连接层，并使用反向传播算法对模型进行训练；

第二分析单元，用于将训练好的所述卷积神经网络模型用于对所述特征信息矩阵进行分析；

第二提取单元，用于在所述卷积神经网络模型中提取出每个所述构件模型在全生命周期内的性能信息；

其中，所述整合模块包括：

第三分析单元，用于使用构件ID作为索引，将所述构件信息矩阵中的各个构件的信息与所述铁路桥梁三维模型中对应的构件进行关联整合；

第七处理单元，基于重采样算法对关联整合后的所述铁路桥梁三维模型和所述构件信息矩阵进行重新采样；

第三分类单元，用于根据构件所处铁路桥梁的位置将重采样后的模型和信息进行分类得到分类数据；

第八处理单元，用于对每一类别的所述分类数据进行分割储存并使用哈希索引建立索引关系。

4.根据权利要求3所述的路桥梁BIM信息化管理装置，其特征在于，所述分类模块包括：

第一分类单元，用于对所述BIM构件按照所属桥梁的结构部位进行分类得到初步分类结果；

第二分类单元，用于将所述初步分类结果中的每一类的所述BIM构件进行几何结构数据的提取和分析，并使用聚类算法将同类的BIM构件进行分类得到聚类结果；

第一处理单元，用于将所述聚类结果中的每一类所述BIM构件赋予构件ID；

第二处理单元，用于建立每一类所述BIM构件与所述构件ID的关联关系。

5.一种铁路桥梁BIM信息化管理设备，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2任一项所述铁路桥梁BIM信息化管理方法的步骤。

6.一种可读存储介质，其特征在于：所述介质上存储有计算机程序，所述计算机程序被处理器执行时实现如权利要求1至2任一项所述铁路桥梁BIM信息化管理方法的步骤。