BIM大数据的核心价值是发现和理解信息内容，以及信息之间的关系，进而从企业BIM大数据资产中找到新的商业价值。因此，需从项目的BIM数据提取出一些特征，由于大数据应用的驱动因素、面临的场景及选择的技术措施不同，需提取的特征也不同。

（1）资源定位特征。BIM大数据提取的资源定位特征与应用需求和管理方法有关，资源定位特征主要包括库位置、企业名称、项目名称、模型名称、版本信息，用这5项信息唯一定位BIM大数据资源。“库”是一个逻辑名称，其背后可能是分布式文件系统或NoSQL数据库，分库管理也是BIM大数据资源管理的实际需求。企业名称和项目名称也是逻辑分组的手段。版本信息要统一，可使用1.0.0、2.1.1这样的版本模式，也可用精确到毫秒的时间戳作为版本。

（2）原始属性特征。BIM大数据积累和应用是不断汇总、分类的过程，其中有些特征需在汇集时赋予，这就是原始属性特征。对于企业，包括工程总承包、设计总承包、设计分包、施工总承包、施工分包等原始属性；对于项目，房建类工程的建筑面积、港口航道类工程的设计停靠能力、公路类工程的线路长度等均为原始属性；对于模型，成果类型是原始属性，包括方案设计模型、初步设计模型、施工图设计与深化设计模型、施工过程模型及竣工验收模型。BIM大数据原始属性是在数据收集过程中填写，要简单明确，这也是贴标签的过程，标签数据库是后台的主要技术支撑手段。

（3）空间关系特征。BIM的一大特征是三维空间技术，工程数据只有与空间关联才有意义，例如某种建筑材料用于基础还是屋顶是非常关键的因素。以IFC标准定义的模型为例，其是通过场地→建筑→楼层→空间形成递进包含的三维空间结构，其他建筑构件（如墙、梁、板、柱、机电管道、设备等）均与该空间结构关联。

BIM大数据汇集过程中应提取这部分信息，涉及的技术问题是信息转换，即用自定义格式存储BIM模型。目前常用的做法是模型轻量化，但该方式为显示性能需要，并未保留较完整的空间关系，仅保留绝对位置信息，从而失去BIM大数据分析的基础。

（4）混杂特征。BIM大数据并不仅包括模型数据（空间几何和非几何属性），而是广义的工程数据，包括模型、图纸、文档、管理数据等，模型数据与其他工程数据可通过引用和参考关系链接在一起，格式各异，结构化数据和非结构化数据均包括在内。但在数据汇集过程中，往往无法进行数据重新分类和命名标准化，导致BIM大数据存在混杂性特征。在大数据背景下，“样本=总体”能获取所有工程数据，但数据量的大幅增加会造成数据不准确，要适当放宽数据收集标准，掌握更多的数据或全部数据。

（5）相关关系特征。准确分析大量数据是一种挑战，为让分析变得简单，会将数据量压缩到最小，这也是统计学的一种惯性思维，用尽量少的随机样本数据证实可能的重大发现。但该方法固有缺陷很多，很重要的一点是只能从采样数据中得出事先设计好的问题结论，分析结果缺乏延展性，特别是在更深层次的细分领域。

建立在相关关系分析法基础上的预测将是BIM大数据的核心思想。以施工现场安装为例，如果大数据显示，某企业承揽项目的安装质量水平普遍高于其他企业，不用深入探究该企业的企业文化、科技投入、成本投入等细节，即可预测未来一段时间内，该企业的安装质量仍将保持在高水准状态。

本文作者：刘金樱 邱奎宁（中国建筑股份有限公司）

转载请注明来源本文地址：https://www.tuituisoft/bim/22048.html

上一篇：没有了

下一篇：没有了

猜你喜欢

Revit怎么导入广联达，需要注意什么

Enscape配置参数是什么？Enscape软硬件配置要求

中国图学学会及国家人力资源和社会保障部——全国bim技能等级考试

revit如何分离中心模型

软弱无力是指什么生肖，成语解释释义

如何在Revit里绘制散水？Revit绘制散水的常见方式

最新课程

Revit变径族制作视频教程

Revit

949人已学

Revit 四通族制作视频教程

Revit

714人已学

Revit 三通族制作视频教程

Revit

667人已学

Revit MEP 构件族揭秘制作

Revit

1341人已学

水利专业水闸BIM教学视频

Revit

1711人已学

第二十二期全国BIM技能等级考试二级结构试题解析

Revit

11782人已学