CN117788873A - 一种工程建筑bim数据安全管理方法 - Google Patents

Abstract

本发明涉及数据管理技术领域，具体涉及一种工程建筑BIM数据安全管理方法。方法包括：获取目标建筑的BIM模型，基于BIM模型中构件对应的参数信息对所有构件进行聚类获得多个聚类簇以及每个聚类簇的聚类整合表；根据每个聚类簇内的参考构件在每个预设角度下对应的图像中像素点的灰度值以及ALPHA值，得到对应的参考值，进而确定每个聚类簇对应的最佳视角和辅助视角；对每个聚类簇在对应的最佳视角下的像素分布图和辅助视角下的像素分布图进行压缩处理获得初始压缩模型；采用无损压缩算法对初始压缩模型和聚类整合表进行压缩获得目标压缩数据，将目标压缩数据进行传输并存储。本发明提高了BIM模型数据的压缩效率。

Description

一种工程建筑BIM数据安全管理方法

技术领域

本发明涉及数据管理技术领域，具体涉及一种工程建筑BIM数据安全管理方法。

背景技术

BIM模型(Building Information Modeling)是建筑信息模型的简称，是一种建筑全生命周期信息化管理技术，可以将建筑信息进行数字化，并以这个数字信息模型作为基础进行各个阶段的模拟建造，具有可视化、协调性、模拟性、优化性和可出图性等五大基本特点。BIM模型的最终表现形式为可视化的多维度、多功能、多用途的计算机图形模型。因此模型最终是以多维度、多功能、多用途的模型计算机图形的形式展现在显示设备上。

目前的BIM模型数据文件保存了完整的几何信息和非几何信息，数据量较大，采用ZIP等技术也无法有效减少数据量，数据量较为庞大，使得在传输过程中占用较大带宽，尤其在网速不佳的情况下，严重影响传输速率，进而影响BIM数据的安全管理。现有技术中BIM模型数据的压缩往往是以传统的压缩算法进行整体的无损压缩，从而达到在一定程度上的压缩效果，但由于BIM模型文件自身的结构性和空间性，普通的整体压缩方法无法有较好的压缩效果，且压缩后的文件中存在着大量空白、无效的信息，因此，现有的压缩方法对BIM模型数据进行压缩时的压缩效果较差，进而影响BIM数据的安全管理。

发明内容

为了解决现有方法在对BIM模型数据进行压缩时存在的压缩效果较差的问题，本发明的目的在于提供一种工程建筑BIM数据安全管理方法，所采用的技术方案具体如下：

本发明提供了一种工程建筑BIM数据安全管理方法，该方法包括以下步骤：

获取目标建筑的BIM模型，所述BIM模型中包含若干个构件；

基于所述BIM模型中每个构件对应的参数信息对所有构件进行聚类获得若干个聚类簇以及每个聚类簇的聚类整合表；基于每个聚类簇内构件的体积确定每个聚类簇内的参考构件；根据每个聚类簇内的参考构件在每个预设角度下对应的图像中像素点的灰度值以及ALPHA值，得到每个聚类簇内的参考构件在每个预设角度下对应的参考值；

基于所述参考值确定每个聚类簇对应的最佳视角和辅助视角；对每个聚类簇在对应的最佳视角下的像素分布图和辅助视角下的像素分布图进行压缩处理获得初始压缩模型；

采用无损压缩算法对所述初始压缩模型和所述聚类整合表进行压缩处理获得目标压缩数据，将所述目标压缩数据进行传输并存储。

优选的，所述基于所述BIM模型中每个构件对应的参数信息对所有构件进行聚类获得若干个聚类簇以及每个聚类簇的聚类整合表，包括：

对于任一构件：基于该构件对应的所有参数信息构建该构件对应的特征向量；

基于每个构件对应的特征向量对所有构件进行聚类处理，获得若干个聚类簇；

分别对每个聚类簇内所有构件的参数信息进行整合，获得每个聚类簇的聚类整合表。

优选的，所述基于每个聚类簇内构件的体积确定每个聚类簇内的参考构件，包括：

对于任一聚类簇，将该聚类簇内体积最小的构件作为该聚类簇内的参考构件。

优选的，所述根据每个聚类簇内的参考构件在每个预设角度下对应的图像中像素点的灰度值以及ALPHA值，得到每个聚类簇内的参考构件在每个预设角度下对应的参考值，包括：

对于第a个聚类簇内的参考构件在第m个预设角度下：

分别将第a个聚类簇内的参考构件在第m个预设角度下对应的图像中每个像素点的灰度值与ALPHA值的乘积，作为每个像素点对应的特征表征值；

将第a个聚类簇内的参考构件在第m个预设角度下对应的图像中所有像素点对应的特征表征值的平均值，确定为第a个聚类簇内的参考构件在第m个预设角度下对应的参考值。

优选的，所述基于所述参考值确定每个聚类簇对应的最佳视角和辅助视角，包括：

对于任一聚类簇：

将该聚类簇内的参考构件的参考值最大的预设角度，确定为该聚类簇对应的最佳视角；将该聚类簇内的参考构件的参考值次大的预设角度，确定为该聚类簇对应的辅助视角。

优选的，所述对每个聚类簇在对应的最佳视角下的像素分布图和辅助视角下的像素分布图进行压缩处理获得初始压缩模型，包括：

对于任一聚类簇：

对该聚类簇在对应的最佳视角下的图像中所有像素点的像素值进行编码处理获得第一压缩数据；对该聚类簇在对应的辅助视角下的图像中所有像素点的像素值进行编码处理获得第二压缩数据；

将所述第一压缩数据和所述第二压缩数据作为初始压缩模型。

优选的，采用游程编码对图像中所有像素点的像素值进行编码处理。

优选的，所述采用无损压缩算法对所述初始压缩模型和所述聚类整合表进行压缩处理获得目标压缩数据，包括：

采用LZ77压缩算法对所述初始压缩模型和所对应的聚类整合表进行压缩处理，将压缩处理后的数据记为目标压缩数据。

优选的，采用k-means聚类算法对所有构件进行聚类处理。

优选的，所述参数信息包括：构件的尺寸、构件在空间中的位置信息、构件架构的接口信息、构件在BIM模型中的方向和旋转角度、构件的形状、构件的边数、构件的夹角、构件的材料、构件的颜色。

本发明至少具有如下有益效果：

本发明首先基于目标建筑的BIM模型中每个构件对应的参数信息对所有构件进行了聚类获得了多个聚类簇，每个聚类簇内所有构件的参数信息的相似度较高，不同聚类簇内构件的参数信息的差异较大，因此本发明将以聚类簇为单位进行BIM模型数据的压缩，进一步地基于构件的体积确定了每个聚类簇内的参考构件，参考构件不仅能够反映对应聚类簇内所有构件的特征，在对参考构件进行信息存储时还能够降低存储空间，提高存储效率，因此本发明将结合参考构件的参数信息对每个聚类簇内构件的BIM模型数据进行压缩处理，能够将更多的无效数据排除，以达到减少数据存储和传输成本，提高系统性能和效率的目的，进一步地根据每个聚类簇内的参考构件在每个预设角度下对应的图像中像素点的灰度值以及ALPHA值，确定了每个聚类簇对应的最佳视角和辅助视角，最佳视角和辅助视角下采集到的图像更能反映对应构件的特征，因此本发明对每个聚类簇在对应的最佳视角下的像素分布图和辅助视角下的像素分布图进行压缩处理，并进行传输存储，在保证BIM模型数据压缩效率的同时提高了BIM模型数据的压缩效果。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案和优点，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的介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，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它附图。

图1为本发明实施例所提供的一种工程建筑BIM数据安全管理方法的流程图。

具体实施方式

为了更进一步阐述本发明为达成预定发明目的所采取的技术手段及功效，以下结合附图及较佳实施例，对依据本发明提出的一种工程建筑BIM数据安全管理方法进行详细说明如下。

除非另有定义，本文所使用的所有的技术和科学术语与属于本发明的技术领域的技术人员通常理解的含义相同。

下面结合附图具体的说明本发明所提供的一种工程建筑BIM数据安全管理方法的具体方案。

一种工程建筑BIM数据安全管理方法实施例：

本实施例所针对的具体场景为：目前的BIM模型数据文件保存了完整的几何信息和非几何信息，数据量较大，在对其进行传输过程中占用较大带宽，尤其在网速不佳的情况下，严重影响传输速率，在对其进行存储时占用较大的存储空间。现有技术中对于BIM模型数据的压缩是以传统的压缩算法对其整体进行无损压缩，从而达到在一定程度上的压缩效果，但由于模型文件自身的结构性和空间性，传统的整体压缩无法达到较好的压缩效果，本实施例对目标建筑的BIM模型中的构件的各项参数进行分析，将相似的构件划分到同一聚类簇，将差异较大的构件划分到不同的聚类簇内，再分别对每个聚类簇内的构件进行分析，并对每个聚类簇在对应的最佳视角下的像素分布图和辅助视角下的像素分布图进行压缩处理获得压缩处理后的数据，在保证压缩效率的同时提高了压缩效果。

本实施例提出了一种工程建筑BIM数据安全管理方法，如图1所示，本实施例的一种工程建筑BIM数据安全管理方法包括以下步骤：

步骤S1，获取目标建筑的BIM模型，所述BIM模型中包含若干个构件。

本实施例首先获取目标建筑的BIM模型，BIM模型中包含目标建筑的所有构件，获取到目标建筑的BIM模型后，将其按照模型构建结构进行模型解构，利用BIM模型数据包括其整体结构、连接接口信息来对BIM进行拆解，得到BIM模型下的所有构件并整合每个构件的连接接口信息，将其写入构件的属性信息中，以便后续在对最终的压缩文件进行解压后能够精确还原整个模型结构。获取BIM模型中每个构件的参数信息，其中本实施例的参数信息包括：构件的尺寸、构件在空间中的位置信息、构件架构的接口信息、构件在模型中的方向和旋转角度、构件的形状、构件的边数、构件的夹角、构件的材料、构件的颜色等，并对采集到的参数信息进行预处理；对采集到的数据进行预处理的过程为现有技术，此处不再过多赘述。

至此，本实施例获取了目标建筑的BIM模型。

步骤S2，基于所述BIM模型中每个构件对应的参数信息对所有构件进行聚类获得若干个聚类簇以及每个聚类簇的聚类整合表；基于每个聚类簇内构件的体积确定每个聚类簇内的参考构件；根据每个聚类簇内的参考构件在每个预设角度下对应的图像中像素点的灰度值以及ALPHA值，得到每个聚类簇内的参考构件在每个预设角度下对应的参考值。

利用聚类算法对目标建筑的BIM模型中的构件进行聚类，在聚类的过程中需要考虑到构件之间的形状关联性，尤其是在构件几何形状的放大、缩小性上，将相似构件进行统筹整合，并利用聚类好结果生成聚类整合表，以达到对模型的拆解以及对模型冗余空间的压缩效果。

在获得目标建筑的BIM模型中每个构件的信息后，本实施例将基于这些构件的参数信息对所有构件进行聚类，具体地，对于任一构件：基于该构件对应的所有参数信息构建该构件对应的特征向量；采用该方法，能够获得每个构建对应的特征向量。基于每个构件对应的特征向量，采用k-means聚类算法对所有构件进行聚类处理，获得若干个聚类簇，每个聚类簇中所有构件的参数信息较相似，不同聚类簇中构件的参数信息差异较大。本实施例在采用k-means聚类算法进行聚类处理时k的值为6，在具体应用中，实施者可根据具体情况进行设置，k-means聚类算法为现有技术，此处不再过多赘述。接下来将分别以每个聚类簇为单位进行分析，分别对每个聚类簇中的构件进行编码存储，从而降低模型信息的存储量，提高压缩效果。

在对目标建筑的BIM模型中的构件进行聚类后，需要对聚类簇中的构件的参数信息进行整合，以整合成一个构件的聚类整合表，其具体包括聚类簇位置信息、聚类簇内每个构件的尺寸、构件在空间中的位置信息、构件架构的接口信息、构件在模型中的方向和旋转角度、构件的形状、构件的边数、构件的夹角、构件的材料、构件的颜色，从而在后续的解压中能够完整还原模型文件。至此，得到了构件的聚类结果和每个聚类簇的聚类整合表。

本实施例在得到聚类结果后，将对聚类结果进行结构性分析，并利用结构性特征来对每个聚类簇中的结构进行相应的压缩操作，从而完成整个BIM模型的压缩。

由于同一聚类簇中的构件都是在外观形状下基本相似的构件，其中每个构件都可以利用构件的自身特性来对某一构件进行规格重塑来得到这个构件，因此，每个聚类簇可以利用其中一个构件来进行表示，为了达到最好的压缩效果，本实施例分别将每个聚类簇内体积最小的构件作为对应聚类簇内的参考构件，每个聚类簇存在一个参考构件，本实施例通过选取体积最小的构件作为参考构件来降低压缩模型的存储空间，以增强压缩效果。

由于构件模型是三维模型，因此在空间结构上存在着三维结构，而对于构件的三维图像来说，从不同视角对构件进行观察，获取到的的信息量可能不同，因此其存在着最佳视角，即从最佳视角下对构件模型进行观测，可以得到一个视觉面积最小的视觉图，而对三维结构来说，以该视角下对三维结构进行压缩存储，在所存储的有效点阵信息不变的情况下，能够最大限度的减少无效点的数量，且能够保证重要信息被有效存储，从而达到了有效压缩的目的，因此首先需要获取到最佳视角。由于对于工程建筑构件模型，在考虑建筑的稳定性的情况下，构件基本都是规则或者类规则的立体图形形状，因此可以依据正常对于规则图形的分辨方法设置预设角度，本实施例中的预设角度的数量为3个，从这三个预设角度下获取的图像分别为正视图、左视图和俯视图，在具体应用中，实施者可根据具体情况设置预设角度；并在三视图的视角下对模型利用ALPHA混合技术进行方向叠层，基于该方向上的每个立体像素的透明度值来将不同空间位置下同一方向上的所有像素值进行混合得到叠层图像，并对该图像进行视野体积分析，进而确定最佳视角。因此，本实施例接下来将根据每个聚类簇内的参考构件在每个预设角度下对应的图像中像素点的灰度值以及ALPHA值，得到每个聚类簇内的参考构件在每个预设角度下对应的参考值，参考值用于反映对应预设角度适合作为最佳视角的程度。

具体地，分别对每个聚类簇的参考构件在每个预设角度下对应的图像进行灰度化处理，将灰度化处理后的图像记为灰度图像，需要说明的是，本实施例采集到的不同预设角度下的图像均为RGB图像，由于灰度图像是由RGB图像进行灰度化处理获得的，因此灰度图像中的像素点与RGB图像中的像素点存在一一对应的关系，获取灰度图像中每个像素点的灰度值，将灰度图像中每个像素点的灰度值作为RGB图像中对应位置像素点的灰度值，也即获得了每个聚类簇的参考构件在每个预设角度下对应的图像中每个像素点的灰度值。图像灰度化处理为现有技术，此处不再过多赘述。

对于第a个聚类簇内的参考构件在第m个预设角度下：

分别将第a个聚类簇内的参考构件在第m个预设角度下对应的图像中每个像素点的灰度值与ALPHA值的乘积，作为每个像素点对应的特征表征值；每个像素点对应一个特征表征值。将第a个聚类簇内的参考构件在第m个预设角度下对应的图像中所有像素点对应的特征表征值的平均值，确定为第a个聚类簇内的参考构件在第m个预设角度下对应的参考值。第a个聚类簇内的参考构件在第m个预设角度下对应的参考值的具体计算公式为：

其中，表示第a个聚类簇内的参考构件在第m个预设角度下对应的参考值，/>表示第a个聚类簇内的参考构件在第m个预设角度下对应的图像中像素点的数量，/>表示第a个聚类簇内的参考构件在第m个预设角度下对应的图像中第i个像素点的灰度值，/>表示第a个聚类簇内的参考构件在第m个预设角度下对应的图像中第i个像素点的ALPHA值。

表示第a个聚类簇内的参考构件在第m个预设角度下对应的图像中第i个像素点对应的特征表征值。像素点的ALPHA值用于表征立体像素的透明度。对于叠层图来说，若一个位置的像素点在某方向上的叠层越多，则说明以该方向进行压缩时的压缩效率会越高，被压缩的内容越多，该方向越有可能是要选取的最佳视角。当第a个聚类簇内的参考构件在第m个预设角度下对应的图像中像素点的灰度值越大、ALPHA值越大时，说明第a个聚类簇内的参考构件在第m个预设角度下的可见有效像素点越少，对第a个聚类簇内的参考构件在第m个预设角度下对应的图像进行压缩时的压缩效率越高，也即第a个聚类簇内的参考构件在第m个预设角度下对应的参考值越大。

采用上述方法，能够获得每个聚类簇内的参考构件在每个预设角度下对应的参考值。

步骤S3，基于所述参考值确定每个聚类簇对应的最佳视角和辅助视角；对每个聚类簇在对应的最佳视角下的像素分布图和辅助视角下的像素分布图进行压缩处理获得初始压缩模型。

本实施例在上述步骤中确定了最佳视角和辅助视角，接下来将分别基于每个聚类簇内的参考构件在最佳视角下对应的图像和辅助视角下对应的图像进行编码处理，进而进行存储和传输，在所存储的有效点阵信息不变的情况下，能够最大限度地减少无效点的数量，且能够保证重要信息被有效存储，在保证压缩效率的同时提高压缩效果。

具体地，对于任一聚类簇：将该聚类簇内的参考构件的参考值最大的预设角度，确定为该聚类簇对应的最佳视角；将该聚类簇内的参考构件的参考值次大的预设角度，确定为该聚类簇对应的辅助视角。采用该方法，能够获得每个聚类簇对应的最佳视角和辅助视角，接下来本实施例将对每个聚类簇在对应的最佳视角下的像素分布图和辅助视角下的像素分布图进行压缩处理获得初始压缩模型，具体地，对于任一聚类簇：采用游程编码对该聚类簇在对应的最佳视角下的图像中所有像素点的像素值进行编码处理获得第一压缩数据；采用游程编码对该聚类簇在对应的辅助视角下的图像中所有像素点的像素值进行编码处理获得第二压缩数据；将所述第一压缩数据和所述第二压缩数据作为初始压缩模型。游程编码为现有技术，此处不再过多赘述。需要说明的是，本实施例中的像素分布图指的聚类簇在对应的最佳视角下的图像中所有像素点的像素值的分布图像。

至此，采用上述方法，能够获得每个聚类簇对应的初始压缩模型。

步骤S4，采用无损压缩算法对所述初始压缩模型和所述聚类整合表进行压缩处理获得目标压缩数据，将所述目标压缩数据进行传输并存储。

本实施例接下来将各个初始压缩模型与其所对应的聚类整合表利用无损压缩算法进行压缩，本实施例使用LZ77压缩算法进行压缩处理，其压缩的步骤如下：

1.初始化：设置一个滑动窗口，包括一个固定大小的历史缓冲区和一个可变的搜索缓冲区，开始时窗口是空的，搜索缓冲区包含输入数据的前几个字符；

2.搜索：在滑动窗口内，算法搜索匹配当前搜索缓冲区内容的最长子串，这个子串可以在窗口内找到也可能包含搜索缓冲区末尾的字符；

3.匹配发现：找到的匹配子串的长度和从当前位置回退到滑动窗口中找到匹配子串的位置的距离；

4.输出编码：使用长度和偏移信息对匹配子串进行编码。编码的格式通常为(偏移，长度)，长度指的是匹配子串的长度，偏移指的是从当前位置回退到滑动窗口中找到匹配子串的位置的距离；

5.更新窗口：将搜索缓冲区的内容添加到滑动窗口的末尾，以便进行下一轮的搜索；

6.处理未匹配的字符：如果没有找到匹配子串，将当前搜索缓冲区的第一个字符输出，并将窗口向前滑动一个位置；

7.重复：重复步骤2到步骤6，直到处理完整个输入数据，得到压缩文件。

本实施例采用LZ77压缩算法对初始压缩模型以及与其所对应的聚类整合表进行压缩处理，将压缩处理后的数据记为目标压缩数据。

在得到目标压缩数据后，将目标压缩数据进行传输并存储，在需要对其进行使用时，首先对目标压缩数据进行解压缩得到BIM构件聚类整合表和各个初始压缩模型，随后对初始压缩模型进行解压后依据其所对应的构件聚类整合表还原所有的构件，并利用每个构件的接口信息和位置方向进行构件组合最终得到了压缩前的目标建筑的BIM模型数据。

至此，采用本实施例提供的方法完成了对工程建筑BIM模型数据的安全管理。

本实施例首先基于目标建筑的BIM模型中每个构件对应的参数信息对所有构件进行了聚类获得了多个聚类簇，每个聚类簇内所有构件的参数信息的相似度较高，不同聚类簇内构件的参数信息的差异较大，因此本实施例将以聚类簇为单位进行BIM模型数据的压缩，进一步地基于构件的体积确定了每个聚类簇内的参考构件，参考构件不仅能够反映对应聚类簇内所有构件的特征，在对参考构件进行信息存储时还能够降低存储空间，提高存储效率，因此本实施例将结合参考构件的参数信息对每个聚类簇内构件的BIM模型数据进行压缩处理，能够将更多的无效数据排除，以达到减少数据存储和传输成本，提高系统性能和效率的目的，进一步地根据每个聚类簇内的参考构件在每个预设角度下对应的图像中像素点的灰度值以及ALPHA值，确定了每个聚类簇对应的最佳视角和辅助视角，最佳视角和辅助视角下采集到的图像更能反映对应构件的特征，因此本实施例对每个聚类簇在对应的最佳视角下的像素分布图和辅助视角下的像素分布图进行压缩处理，并进行传输存储，在保证BIM模型数据压缩效率的同时提高了BIM模型数据的压缩效果。

需要说明的是：以上所述仅为本发明的较佳实施例，并不用以限制本发明，凡在本发明的原则之内，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。

Claims (10)

1.一种工程建筑BIM数据安全管理方法，其特征在于，该方法包括以下步骤：

获取目标建筑的BIM模型，所述BIM模型中包含若干个构件；

基于所述BIM模型中每个构件对应的参数信息对所有构件进行聚类获得若干个聚类簇以及每个聚类簇的聚类整合表；基于每个聚类簇内构件的体积确定每个聚类簇内的参考构件；根据每个聚类簇内的参考构件在每个预设角度下对应的图像中像素点的灰度值以及ALPHA值，得到每个聚类簇内的参考构件在每个预设角度下对应的参考值；

基于所述参考值确定每个聚类簇对应的最佳视角和辅助视角；对每个聚类簇在对应的最佳视角下的像素分布图和辅助视角下的像素分布图进行压缩处理获得初始压缩模型；

采用无损压缩算法对所述初始压缩模型和所述聚类整合表进行压缩处理获得目标压缩数据，将所述目标压缩数据进行传输并存储。

2.根据权利要求1所述的一种工程建筑BIM数据安全管理方法，其特征在于，所述基于所述BIM模型中每个构件对应的参数信息对所有构件进行聚类获得若干个聚类簇以及每个聚类簇的聚类整合表，包括：

对于任一构件：基于该构件对应的所有参数信息构建该构件对应的特征向量；

基于每个构件对应的特征向量对所有构件进行聚类处理，获得若干个聚类簇；

分别对每个聚类簇内所有构件的参数信息进行整合，获得每个聚类簇的聚类整合表。

3.根据权利要求1所述的一种工程建筑BIM数据安全管理方法，其特征在于，所述基于每个聚类簇内构件的体积确定每个聚类簇内的参考构件，包括：

对于任一聚类簇，将该聚类簇内体积最小的构件作为该聚类簇内的参考构件。

4.根据权利要求1所述的一种工程建筑BIM数据安全管理方法，其特征在于，所述根据每个聚类簇内的参考构件在每个预设角度下对应的图像中像素点的灰度值以及ALPHA值，得到每个聚类簇内的参考构件在每个预设角度下对应的参考值，包括：

对于第a个聚类簇内的参考构件在第m个预设角度下：

分别将第a个聚类簇内的参考构件在第m个预设角度下对应的图像中每个像素点的灰度值与ALPHA值的乘积，作为每个像素点对应的特征表征值；

将第a个聚类簇内的参考构件在第m个预设角度下对应的图像中所有像素点对应的特征表征值的平均值，确定为第a个聚类簇内的参考构件在第m个预设角度下对应的参考值。

5.根据权利要求1所述的一种工程建筑BIM数据安全管理方法，其特征在于，所述基于所述参考值确定每个聚类簇对应的最佳视角和辅助视角，包括：

对于任一聚类簇：

将该聚类簇内的参考构件的参考值最大的预设角度，确定为该聚类簇对应的最佳视角；将该聚类簇内的参考构件的参考值次大的预设角度，确定为该聚类簇对应的辅助视角。

6.根据权利要求1所述的一种工程建筑BIM数据安全管理方法，其特征在于，所述对每个聚类簇在对应的最佳视角下的像素分布图和辅助视角下的像素分布图进行压缩处理获得初始压缩模型，包括：

对于任一聚类簇：

对该聚类簇在对应的最佳视角下的图像中所有像素点的像素值进行编码处理获得第一压缩数据；对该聚类簇在对应的辅助视角下的图像中所有像素点的像素值进行编码处理获得第二压缩数据；

将所述第一压缩数据和所述第二压缩数据作为初始压缩模型。

7.根据权利要求6所述的一种工程建筑BIM数据安全管理方法，其特征在于，采用游程编码对图像中所有像素点的像素值进行编码处理。

8.根据权利要求1所述的一种工程建筑BIM数据安全管理方法，其特征在于，所述采用无损压缩算法对所述初始压缩模型和所述聚类整合表进行压缩处理获得目标压缩数据，包括：

采用LZ77压缩算法对所述初始压缩模型和所对应的聚类整合表进行压缩处理，将压缩处理后的数据记为目标压缩数据。

9.根据权利要求2所述的一种工程建筑BIM数据安全管理方法，其特征在于，采用k-means聚类算法对所有构件进行聚类处理。

10.根据权利要求1所述的一种工程建筑BIM数据安全管理方法，其特征在于，所述参数信息包括：构件的尺寸、构件在空间中的位置信息、构件架构的接口信息、构件在BIM模型中的方向和旋转角度、构件的形状、构件的边数、构件的夹角、构件的材料、构件的颜色。