CN117313223B - 基于数字孪生的智慧建筑敏捷开发系统 - Google Patents

Abstract

一种基于数字孪生的智慧建筑敏捷开发系统，其构造建造中建筑体的三维数字孪生体；对所述建造中建筑体的三维数字孪生体进行多尺度特征分析以得到多尺度建造中建筑体结构特征；基于所述多尺度建造中建筑体结构特征，确定竣工所需时间的预测值。这样，能够实现对智慧建筑竣工时间的自动预测，从而有助于项目管理者和相关人员在建筑过程中做出准确的决策，提高建筑项目的效率和质量。

Description

基于数字孪生的智慧建筑敏捷开发系统

技术领域

本申请涉及智能化开发技术领域，并且更具体地，涉及一种基于数字孪生的智慧建筑敏捷开发系统。

背景技术

建筑开发是指从规划、设计到施工和竣工的整个建筑项目的过程。传统建筑开发系统通常依赖于人工的操作和决策，容易出现人为误差和延误。例如，在竣工时间预测方面，依靠人工经验和主观判断往往存在一定的不确定性。此外，传统建筑开发系统中的各个环节和参与方之间存在信息孤岛，缺乏有效的协同和合作。这导致了信息流通的滞后和沟通的困难，影响了项目的整体效率和质量。

随着信息技术的发展，数字化技术在建筑领域的应用逐渐增多，为建筑开发带来了新的机遇和挑战。数字孪生是一种将物理实体与其数字表示相结合的概念，通过建立物理实体的数字副本，可以对其进行模拟、监测和优化。数字孪生技术在建筑开发中可以应用于建筑设计、施工过程管理、设备运维等方面，提高效率、减少成本、改善质量。

因此，期望一种基于数字孪生的智慧建筑敏捷开发系统。

发明内容

为了解决上述技术问题，提出了本申请。本申请的实施例提供了一种基于数字孪生的智慧建筑敏捷开发系统，其构造建造中建筑体的三维数字孪生体；对所述建造中建筑体的三维数字孪生体进行多尺度特征分析以得到多尺度建造中建筑体结构特征；基于所述多尺度建造中建筑体结构特征，确定竣工所需时间的预测值。这样，能够实现对智慧建筑竣工时间的自动预测，从而有助于项目管理者和相关人员在建筑过程中做出准确的决策，提高建筑项目的效率和质量。

第一方面，提供了一种基于数字孪生的智慧建筑敏捷开发系统，其包括：

数字孪生模型构建模块，用于构造建造中建筑体的三维数字孪生体；

数字孪生模型分析模块，用于对所述建造中建筑体的三维数字孪生体进行多尺度特征分析以得到多尺度建造中建筑体结构特征；

竣工时间预测模块，用于基于所述多尺度建造中建筑体结构特征，确定竣工所需时间的预测值。

相比于现有技术，本申请的有益效果至少包括：本申请提供的基于数字孪生的智慧建筑敏捷开发系统能够实现对智慧建筑竣工时间的自动预测，从而有助于项目管理者和相关人员在建筑过程中做出准确的决策，提高建筑项目的效率和质量。

附图说明

为了更清楚地说明本申请实施例的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请的一些实施例，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的附图。

图1为根据本申请实施例的基于数字孪生的智慧建筑敏捷开发系统的框图。

图2为根据本申请实施例的基于数字孪生的智慧建筑敏捷开发方法的流程图。

图3为根据本申请实施例的基于数字孪生的智慧建筑敏捷开发方法的架构示意图。

图4为根据本申请实施例的基于数字孪生的智慧建筑敏捷开发系统的场景示意图。

具体实施方式

下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行描述，显然，所描述的实施例是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。

除非另有说明，本申请实施例所使用的所有技术和科学术语与本申请的技术领域的技术人员通常理解的含义相同。本申请中所使用的术语只是为了描述具体的实施例的目的，不是旨在限制本申请的范围。

在本申请实施例记载中，需要说明的是，除非另有说明和限定，术语“连接”应做广义理解，例如，可以是电连接，也可以是两个元件内部的连通，可以是直接相连，也可以通过中间媒介间接相连，对于本领域的普通技术人员而言，可以根据具体情况理解上述术语的具体含义。

需要说明的是，本申请实施例所涉及的术语“第一\第二\第三”仅仅是是区别类似的对象，不代表针对对象的特定排序，可以理解地，“第一\第二\第三”在允许的情况下可以互换特定的顺序或先后次序。应该理解“第一\第二\第三”区分的对象在适当情况下可以互换，以使这里描述的本申请的实施例可以除了在这里图示或描述的那些以外的顺序实施。

数字孪生为实体物体和系统的建模、仿真和优化提供了强大的工具和平台，可以更好地理解和管理物理世界的复杂性。因此，在本申请中，提供一种基于数字孪生的智慧建筑敏捷开发系统。

在本申请的一个实施例中，图1为根据本申请实施例的基于数字孪生的智慧建筑敏捷开发系统的框图。如图1所示，一种基于数字孪生的智慧建筑敏捷开发系统100，包括：数字孪生模型构建模块110，用于构造建造中建筑体的三维数字孪生体；数字孪生模型分析模块120，用于对所述建造中建筑体的三维数字孪生体进行多尺度特征分析以得到多尺度建造中建筑体结构特征；竣工时间预测模块130，用于基于所述多尺度建造中建筑体结构特征，确定竣工所需时间的预测值。

在所述数字孪生模型构建模块110中，在构建建造中建筑体的三维数字孪生体时，收集和整合相关的建筑数据，包括设计图纸、材料规格、施工计划等。同时，选择适当的建模工具和技术，以确保数字孪生体能够准确地反映实体建筑体的几何形状、材料属性和空间布局等。通过数字孪生模型构建模块，可以创建一个准确的三维数字孪生体，实时同步和交互实体建筑体的状态，有助于提前发现潜在的设计问题、协调施工进度和资源分配，并为后续的分析和预测提供基础数据。

在所述数字孪生模型分析模块120中，在对建造中建筑体的三维数字孪生体进行多尺度特征分析时，选择合适的分析方法和算法，以提取和识别建筑体的结构特征，这可能涉及到几何形状分析、材料属性分析、结构力学分析等多个方面。通过数字孪生模型分析模块，可以对建筑体的三维数字孪生体进行多尺度特征分析，获得关于建筑体结构特征的信息，有助于深入理解建筑体的性能和行为，为后续的竣工时间预测和优化提供依据。

在所述竣工时间预测模块130中，在基于多尺度建造中建筑体结构特征进行竣工时间预测时，考虑多个因素，如施工进度、资源配备、工艺流程等。预测模型的构建合理选择和处理输入特征，并使用适当的预测算法和模型。通过竣工时间预测模块，可以基于多尺度建造中建筑体结构特征，预测建筑体竣工所需的时间，有助于项目管理者和相关方在实际施工过程中进行时间安排和资源调配，提前预知可能的延期风险，并采取相应的措施来优化建筑体的竣工时间。

数字孪生模型的构建、分析和预测模块各自具有不同的注意点和有益效果，通过它们的协同工作，可以提供全面的建筑体信息和预测结果，支持建筑项目的规划、管理和优化。

在智慧建筑的开发过程中，数字孪生引擎的开发平台能力是非常重要的。该平台可以支持项目创建和保存，将模型上传并入库，形成各专业模型库，支持各类场景的搭建，支持代码生成，以及支持特效制作等功能。这些功能可以大大提高智慧建筑的开发效率和质量。

相应地，考虑到在实际进行智慧建筑的开发过程中，利用数字孪生技术来预测建筑项目竣工时间至关重要，这是由于建筑项目的竣工时间是一个重要的决策指标，涉及到资源调配、工期安排、合同履行等方面。通过利用数字孪生技术来预测建筑项目竣工时间，可以帮助决策者做出更明智的决策，并实现资源的最大化利用和项目进度的优化，减少纠纷和争议的发生。

基于此，本申请的技术构思为通过构造建造中建筑体的三维数字孪生体，并在后端引入数据处理和分析算法来进行三维数字孪生体的特征分析，以此基于当前的智慧建筑的数据孪生体来预测竣工时间，通过这样的方式，能够实现对智慧建筑竣工时间的自动预测，从而有助于项目管理者和相关人员在建筑过程中做出准确的决策，提高建筑项目的效率和质量。

具体地，在本申请的技术方案中，首先，构造建造中建筑体的三维数字孪生体，即对正在建造中的建筑体进行数字化建模。应可以理解，所述三维数字孪生体是根据建筑物的结构、功能和参数进行数字化的建模，它是一个包含了建筑体的几何形状、结构信息和其他属性的三维模型。通过创建三维数字孪生体，可以在计算机环境中对建筑体进行仿真、分析和预测。

三维数字孪生体是指对正在建造中的建筑体进行数字化建模，创建一个与实体建筑物实时同步和交互的虚拟副本，通过收集、整合和分析大量的数据，包括设计图纸、施工计划、材料规格等，以准确地反映建筑体的几何形状、材料属性和空间布局等方面。

三维数字孪生体的构建过程通常包括以下步骤：首先，收集与建筑体相关的数据，包括设计图纸、施工计划、材料规格、工艺流程等，这些数据可以来自设计团队、施工方、供应商等。然后，利用建模工具和技术，将收集到的数据转化为三维数字模型，这包括创建建筑体的几何形状，包括楼层、墙体、柱子、梁等。接着，为建筑体的三维模型添加材料属性和纹理，以使其更加真实和逼真，这可以包括给墙体涂上适当的颜色、添加材质贴图等。然后，根据设计图纸和施工计划，将建筑体的内部空间进行布局，并添加适当的家具、装饰物等。最后，将实体建筑体的数据与数字孪生体进行实时同步，以确保数字孪生体能够反映建筑体的最新状态。同时，通过交互功能，可以对数字孪生体进行操作和模拟，如改变材料属性、调整空间布局等。

三维数字孪生体的优势在于它可以提供一个虚拟的环境，使设计师、施工方和其他相关人员能够在数字模型中进行实时协作和决策。以帮助发现潜在的设计问题、优化施工流程、提前预知可能的冲突和风险，并提供更好的可视化和沟通工具。通过与实体建筑体的实时同步，数字孪生体可以在整个建筑项目的生命周期中提供有价值的信息和支持。

通过对建造中建筑体的三维数字孪生体进行实时监测和分析，可以及时发现潜在的设计问题、施工冲突或错误，有助于在实际施工过程中及早采取纠正措施，避免延误和额外的成本。通过三维数字孪生体的模拟和分析，可以对施工资源进行优化和调整。例如，可以通过模拟不同资源分配方案来评估其对竣工时间的影响，从而合理安排人力、材料和设备的使用，提高施工效率。通过对建造中建筑体的三维数字孪生体进行多尺度特征分析，可以深入了解建筑体的结构特征、力学行为和性能，有助于预测建筑体在不同施工阶段的行为，评估其稳定性和安全性，并采取相应的措施来确保施工质量。基于多尺度建造中建筑体结构特征，预测竣工所需时间的预测值可以帮助项目管理者和相关方进行时间安排和资源调配。同时，可以通过模拟不同情景和变化来评估可能的延期风险，并采取相应的措施来降低风险。

构造建造中建筑体的三维数字孪生体并预测竣工所需时间可以提供全面的建筑体信息和预测结果，支持建筑项目的规划、管理和优化。它可以帮助提前发现问题、优化资源分配、深入理解建筑体行为，并进行时间安排和延期风险管理。

在本申请的一个实施例中，所述数字孪生模型分析模块120，包括：三维数字孪生体第一尺度特征提取单元，用于通过基于第一深度神经网络模型的第一建筑体结构特征提取器对所述建造中建筑体的三维数字孪生体进行第一尺度的特征提取以得到第一尺度建造中建筑体结构特征图；三维数字孪生体第二尺度特征提取单元，用于通过基于第二深度神经网络模型的第二建筑体结构特征提取器对所述建造中建筑体的三维数字孪生体进行第二尺度的特征提取以得到第二尺度建造中建筑体结构特征图；三维数字孪生体多尺度特征融合单元，用于融合所述第一尺度建造中建筑体结构特征图和所述第二尺度建造中建筑体结构特征图以得到多尺度建造中建筑体结构特征图作为所述多尺度建造中建筑体结构特征。

其中，所述第一深度神经网络模型为第一三维卷积神经网络模型，所述第二深度神经网络模型为第二三维卷积神经网络模型，所述第一三维卷积神经网络模型和所述第二三维卷积神经网络模型分别使用具有不同尺度的三维卷积核。

接着，考虑到由于所述三维数字孪生体为三维结构数据，为了能够对于所述三维数字孪生体进行特征分析，以基于当前的智慧建筑的数据孪生体来预测竣工时间，在本申请的技术方案中，将所述建造中建筑体的三维数字孪生体通过基于第一三维卷积神经网络模型的第一建筑体结构特征提取器中进行特征挖掘，以提取出所述三维数字孪生体的三维隐藏特征分布信息，从而得到第一尺度建造中建筑体结构特征图。特别地，这里，通过所述第一建筑体结构特征提取器，能够提取出建筑体的结构形态、构件连接和材料属性等特征信息，从而有助于更好地理解和分析建筑体的结构特征，以进行竣工时间预测。

然后，还考虑到建筑体是一个复杂的系统，具有多个层次和尺度的结构特征，也就是说，建筑体的结构特征既包括全局的整体形态，也包括局部的构件连接和细节。因此，在本申请的技术方案中，进一步再将所述建造中建筑体的三维数字孪生体通过基于第二三维卷积神经网络模型的第二建筑体结构特征提取器以得到第二尺度建造中建筑体结构特征图。特别地，这里，所述第一三维卷积神经网络模型和所述第二三维卷积神经网络模型分别使用具有不同尺度的三维卷积核，以此来捕捉到三维数字孪生体的多尺度特征信息，即建筑体结构的多层次特征表示，这些特征可以包括建筑体的从整体形态到细节构件的各种尺度上的特征信息。也就是说，通过提取不同尺度的特征，可以同时捕捉到建筑体的全局结构特征和局部细节特征，样可以更全面地描述建筑体的结构，并提供更多的信息用于分析和预测。

进一步地，再融合所述第一尺度建造中建筑体结构特征图和所述第二尺度建造中建筑体结构特征图，以融合所述建造中建筑体的三维数字孪生体的多尺度三维隐含特征分布信息。

在本申请的一个实施例中，所述竣工时间预测模块130，用于：将所述多尺度建造中建筑体结构特征图通过解码器以得到解码值，所述解码值用于表示竣工所需时间的预测值。

从而得到所述多尺度建造中建筑体结构特征图通过解码器进行解码回归来得到竣工所需时间的预测值。这样，能够实现对智慧建筑竣工时间的自动预测，从而有助于项目管理者和相关人员在建筑过程中做出准确的决策，提高建筑项目的效率和质量。

在本申请的一个实施例中，所述基于数字孪生的智慧建筑敏捷开发系统，还包括用于对所述基于第一三维卷积神经网络模型的第一建筑体结构特征提取器、所述基于第二三维卷积神经网络模型的第二建筑体结构特征提取器和所述解码器进行训练的训练模块。所述训练模块，包括：训练数据采集单元，用于获取训练数据，所述训练数据包括建造中建筑体的训练三维数字孪生体，以及，所述竣工所需时间的预测值的真实值；训练三维数字孪生体第一尺度特征提取单元，用于将所述建造中建筑体的训练三维数字孪生体通过所述基于第一三维卷积神经网络模型的第一建筑体结构特征提取器以得到训练第一尺度建造中建筑体结构特征图；训练三维数字孪生体第二尺度特征提取单元，用于将所述建造中建筑体的训练三维数字孪生体通过所述基于第二三维卷积神经网络模型的第二建筑体结构特征提取器以得到训练第二尺度建造中建筑体结构特征图，其中，所述第一三维卷积神经网络模型和所述第二三维卷积神经网络模型分别使用具有不同尺度的三维卷积核；训练三维数字孪生体多尺度特征提取单元，用于融合所述训练第一尺度建造中建筑体结构特征图和所述训练第二尺度建造中建筑体结构特征图以得到训练多尺度建造中建筑体结构特征图；特征分布优化单元，用于对所述训练多尺度建造中建筑体结构特征图展开后得到的训练多尺度建造中建筑体结构特征向量进行特征秩表达的语义信息均一化激活以得到激活后训练多尺度建造中建筑体结构特征图；解码损失单元，用于将所述激活后训练多尺度建造中建筑体结构特征图通过所述解码器以得到解码损失函数值；模型训练单元，用于基于所述解码损失函数值并通过梯度下降的反向传播来对所述基于第一三维卷积神经网络模型的第一建筑体结构特征提取器、所述基于第二三维卷积神经网络模型的第二建筑体结构特征提取器和所述解码器进行训练。

特别地，在本申请的技术方案中，所述第一尺度建造中建筑体结构特征图和所述第二尺度建造中建筑体结构特征图分别由所述基于第一三维卷积神经网络模型的第一建筑体结构特征提取器和所述基于第二三维卷积神经网络模型的第二建筑体结构特征提取器对所述建造中建筑体的三维数字孪生体进行基于不同尺度的三维卷积核的三维卷积编码得到，因此，所述第一尺度建造中建筑体结构特征图和所述第二尺度建造中建筑体结构特征图分别表示所述建造中建筑体的三维数字孪生体中不同空间立体尺度内的高维语义关联特征。这样，在融合第一尺度建造中建筑体结构特征图和所述第二尺度建造中建筑体结构特征图时，所得到的所述多尺度建造中建筑体结构特征图具有所述三维数字孪生体中不同空间立体尺度内的高维语义关联特征。这样，所述多尺度建造中建筑体结构特征图通过解码器进行解码回归时，也是基于多尺度建造中建筑体结构特征图的各个特征矩阵来进行尺度启发式的回归概率映射，但是考虑到各个特征矩阵均具有的不同空间立体尺度内的高维语义关联特征的混合图像语义特征分布表示，这会导致所述解码器的训练效率降低。

基于此，本申请在将多尺度建造中建筑体结构特征图通过解码器进行解码时，对多尺度建造中建筑体结构特征图展开后得到的多尺度建造中建筑体结构特征向量进行特征秩表达的语义信息均一化激活，具体表示为：以如下优化公式对所述训练多尺度建造中建筑体结构特征图展开后得到的训练多尺度建造中建筑体结构特征向量进行特征秩表达的语义信息均一化激活以得到所述激活后训练多尺度建造中建筑体结构特征图；其中，所述优化公式为：，其中，/>是所述训练多尺度建造中建筑体结构特征图展开后得到的训练多尺度建造中建筑体结构特征向量，/>是所述训练多尺度建造中建筑体结构特征图展开后得到的训练多尺度建造中建筑体结构特征向量的第/>个特征值，/>表示所述训练多尺度建造中建筑体结构特征图展开后得到的训练多尺度建造中建筑体结构特征向量的二范数，/>是以2为底的对数函数，且/>是权重超参数，/>是所述激活后训练多尺度建造中建筑体结构特征图展开后得到的激活后训练多尺度建造中建筑体结构特征向量。

这里，考虑到所述多尺度建造中建筑体结构特征向量的特征分布在高维特征空间到解码回归空间时的特征分布映射，在基于混合图像语义特征的不同的特征分布级别上会呈现不同的映射模式，导致基于尺度启发式的映射策略无法获得最优效率，因而基于特征向量范数的秩表达语义信息均一化而不是尺度进行特征匹配，可以将相似特征秩表达以类似方式激活，并降低差异较大的特征秩表达之间的相关性，从而解决所述多尺度建造中建筑体结构特征向量/>的特征分布在不同空间秩表达下的概率表达映射效率低下的问题，提升多尺度建造中建筑体结构特征图通过解码器进行解码时的训练效率。这样，能够基于当前的智慧建筑的数据孪生体来预测竣工时间，以能够实现对智慧建筑竣工时间的自动预测，有助于项目管理者和相关人员在建筑过程中做出准确的决策，提高建筑项目的效率和质量，并能够实现资源的最大化利用和项目进度的优化，减少纠纷和争议的发生。

在本申请的一个实施例中，所述解码损失单元，包括：训练解码子单元，用于使用所述解码器以如下公式对所述激活后训练多尺度建造中建筑体结构特征图进行解码回归以获得训练解码值；其中，所述公式为：，其中/>是所述激活后训练多尺度建造中建筑体结构特征图展开后得到的特征矩阵，/>是所述训练解码值，/>是权重矩阵，/>表示矩阵乘；以及，损失函数值计算子单元，用于计算所述训练解码值和所述竣工所需时间的预测值的真实值之间的方差作为所述解码损失函数值。

综上，基于本申请实施例的基于数字孪生的智慧建筑敏捷开发系统100被阐明，通过构造建造中建筑体的三维数字孪生体，并在后端引入数据处理和分析算法来进行三维数字孪生体的特征分析，以此基于当前的智慧建筑的数据孪生体来预测竣工时间，通过这样的方式，能够实现对智慧建筑竣工时间的自动预测，从而有助于项目管理者和相关人员在建筑过程中做出准确的决策，提高建筑项目的效率和质量。

如上所述，根据本申请实施例的基于数字孪生的智慧建筑敏捷开发系统100可以实现在各种终端设备中，例如用于基于数字孪生的智慧建筑敏捷开发的服务器等。在一个示例中，根据本申请实施例的基于数字孪生的智慧建筑敏捷开发系统100可以作为一个软件模块和/或硬件模块而集成到终端设备中。例如，该基于数字孪生的智慧建筑敏捷开发系统100可以是该终端设备的操作系统中的一个软件模块，或者可以是针对于该终端设备所开发的一个应用程序；当然，该基于数字孪生的智慧建筑敏捷开发系统100同样可以是该终端设备的众多硬件模块之一。

替换地，在另一示例中，该基于数字孪生的智慧建筑敏捷开发系统100与该终端设备也可以是分立的设备，并且基于数字孪生的智慧建筑敏捷开发系统100可以通过有线和/或无线网络连接到该终端设备，并且按照约定的数据格式来传输交互信息。

在本申请的一个实施例中，图2为根据本申请实施例的基于数字孪生的智慧建筑敏捷开发方法的流程图。图3为根据本申请实施例的基于数字孪生的智慧建筑敏捷开发方法的架构示意图。如图2和如图3所示，根据本申请实施例的基于数字孪生的智慧建筑敏捷开发方法，包括：S210，构造建造中建筑体的三维数字孪生体；S220，对所述建造中建筑体的三维数字孪生体进行多尺度特征分析以得到多尺度建造中建筑体结构特征；S230，基于所述多尺度建造中建筑体结构特征，确定竣工所需时间的预测值。

这里，本领域技术人员可以理解，上述基于数字孪生的智慧建筑敏捷开发方法中的各个单元和模块的具体功能和操作已经在上面参考图1的基于数字孪生的智慧建筑敏捷开发系统的描述中得到了详细介绍，并因此，将省略其重复描述。

图4为根据本申请实施例的基于数字孪生的智慧建筑敏捷开发系统的场景示意图。如图4所示，在该应用场景中，首先，构造建造中建筑体的三维数字孪生体（例如，如图4中所示意的C）；然后，将获取的三维数字孪生体输入至部署有基于数字孪生的智慧建筑敏捷开发算法的服务器（例如，如图4中所示意的S）中，其中所述服务器能够基于数字孪生的智慧建筑敏捷开发算法对所述三维数字孪生体进行处理，以确定竣工所需时间的预测值。

还需要指出的是，在本申请的装置、设备和方法中，各部件或各步骤是可以分解和/或重新组合的。这些分解和/或重新组合应视为本申请的等效方案。

提供所公开的方面的以上描述以使本领域的任何技术人员能够做出或者使用本申请。对这些方面的各种修改对于本领域技术人员而言是非常显而易见的，并且在此定义的一般原理可以应用于其他方面而不脱离本申请的范围。因此，本申请不意图被限制到在此示出的方面，而是按照与在此公开的原理和新颖的特征一致的最宽范围。

最后，还需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者终端设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者终端设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者终端设备中还存在另外的相同要素。

为了例示和描述的目的已经给出了以上描述。此外，此描述不意图将本申请的实施例限制到在此公开的形式。尽管以上已经讨论了多个示例方面和实施例，但是本领域技术人员将认识到其某些变型、修改、改变、添加和子组合。

Claims (7)

1.一种基于数字孪生的智慧建筑敏捷开发系统，其特征在于，包括：

数字孪生模型构建模块，用于构造建造中建筑体的三维数字孪生体；

数字孪生模型分析模块，用于对所述建造中建筑体的三维数字孪生体进行多尺度特征分析以得到多尺度建造中建筑体结构特征；

竣工时间预测模块，用于基于所述多尺度建造中建筑体结构特征，确定竣工所需时间的预测值；

所述数字孪生模型分析模块，包括：

三维数字孪生体第一尺度特征提取单元，用于通过基于第一深度神经网络模型的第一建筑体结构特征提取器对所述建造中建筑体的三维数字孪生体进行第一尺度的特征提取以得到第一尺度建造中建筑体结构特征图；

三维数字孪生体第二尺度特征提取单元，用于通过基于第二深度神经网络模型的第二建筑体结构特征提取器对所述建造中建筑体的三维数字孪生体进行第二尺度的特征提取以得到第二尺度建造中建筑体结构特征图；

三维数字孪生体多尺度特征融合单元，用于融合所述第一尺度建造中建筑体结构特征图和所述第二尺度建造中建筑体结构特征图以得到多尺度建造中建筑体结构特征图作为所述多尺度建造中建筑体结构特征。

2.根据权利要求1所述的基于数字孪生的智慧建筑敏捷开发系统，其特征在于，所述第一深度神经网络模型为第一三维卷积神经网络模型，所述第二深度神经网络模型为第二三维卷积神经网络模型，所述第一三维卷积神经网络模型和所述第二三维卷积神经网络模型分别使用具有不同尺度的三维卷积核。

3.根据权利要求2所述的基于数字孪生的智慧建筑敏捷开发系统，其特征在于，所述竣工时间预测模块，用于：将所述多尺度建造中建筑体结构特征图通过解码器以得到解码值，所述解码值用于表示竣工所需时间的预测值。

4.根据权利要求3所述的基于数字孪生的智慧建筑敏捷开发系统，其特征在于，所述智慧建筑敏捷开发系统还包括用于对基于第一三维卷积神经网络模型的第一建筑体结构特征提取器、基于第二三维卷积神经网络模型的第二建筑体结构特征提取器和所述解码器进行训练的训练模块。

5.根据权利要求4所述的基于数字孪生的智慧建筑敏捷开发系统，其特征在于，所述训练模块，包括：

训练数据采集单元，用于获取训练数据，所述训练数据包括建造中建筑体的训练三维数字孪生体，以及，所述竣工所需时间的预测值的真实值；

训练三维数字孪生体第一尺度特征提取单元，用于将所述建造中建筑体的训练三维数字孪生体通过所述基于第一三维卷积神经网络模型的第一建筑体结构特征提取器以得到训练第一尺度建造中建筑体结构特征图；

训练三维数字孪生体第二尺度特征提取单元，用于将所述建造中建筑体的训练三维数字孪生体通过所述基于第二三维卷积神经网络模型的第二建筑体结构特征提取器以得到训练第二尺度建造中建筑体结构特征图，其中，所述第一三维卷积神经网络模型和所述第二三维卷积神经网络模型分别使用具有不同尺度的三维卷积核；

训练三维数字孪生体多尺度特征提取单元，用于融合所述训练第一尺度建造中建筑体结构特征图和所述训练第二尺度建造中建筑体结构特征图以得到训练多尺度建造中建筑体结构特征图；

特征分布优化单元，用于对所述训练多尺度建造中建筑体结构特征图展开后得到的训练多尺度建造中建筑体结构特征向量进行特征秩表达的语义信息均一化激活以得到激活后训练多尺度建造中建筑体结构特征图；

解码损失单元，用于将所述激活后训练多尺度建造中建筑体结构特征图通过所述解码器以得到解码损失函数值；

模型训练单元，用于基于所述解码损失函数值并通过梯度下降的反向传播来对所述基于第一三维卷积神经网络模型的第一建筑体结构特征提取器、所述基于第二三维卷积神经网络模型的第二建筑体结构特征提取器和所述解码器进行训练。

6.根据权利要求5所述的基于数字孪生的智慧建筑敏捷开发系统，其特征在于，所述特征分布优化单元，用于：以如下优化公式对所述训练多尺度建造中建筑体结构特征图展开后得到的训练多尺度建造中建筑体结构特征向量进行特征秩表达的语义信息均一化激活以得到所述激活后训练多尺度建造中建筑体结构特征图；

其中，所述优化公式为：

其中，V是所述训练多尺度建造中建筑体结构特征图展开后得到的训练多尺度建造中建筑体结构特征向量，v_i是所述训练多尺度建造中建筑体结构特征图展开后得到的训练多尺度建造中建筑体结构特征向量的第i个特征值，||V||₂表示所述训练多尺度建造中建筑体结构特征图展开后得到的训练多尺度建造中建筑体结构特征向量的二范数，log是以2为底的对数函数，且α是权重超参数，v'_i是所述激活后训练多尺度建造中建筑体结构特征图展开后得到的激活后训练多尺度建造中建筑体结构特征向量。

7.根据权利要求6所述的基于数字孪生的智慧建筑敏捷开发系统，其特征在于，所述解码损失单元，包括：

训练解码子单元，用于使用所述解码器以如下公式对所述激活后训练多尺度建造中建筑体结构特征图进行解码回归以获得训练解码值；其中，所述公式为：其中X是所述激活后训练多尺度建造中建筑体结构特征图展开后得到的特征矩阵，Y是所述训练解码值，W是权重矩阵，/>表示矩阵乘；以及

损失函数值计算子单元，用于计算所述训练解码值和所述竣工所需时间的预测值的真实值之间的方差作为所述解码损失函数值。