导 读
新技术被广泛应用通常需要一段时间普及和发酵，总有一个产生、发展、期望膨胀、信心缺失、再发展的过程。“盖特纳曲线”已经充分说明了这个原理。经过多年发展的BIM已经证明：如果应用得当，它可以极大地提高工程建设行业的生产效率。
现在，我们看到BIM对工程建设过程中的每一个阶段都做出了贡献，从设计、生产和项目管理到项目完成后的竣工移交，我们相信在项目后期运营阶段，BIM同样会发挥日益重要的作用。
问题是，我们如何持续以BIM技术助力工程建设行业？随着全社会对更多住房和基础设施的持续需求，对低碳环保可持续生存环境的更高要求，工程建设行业面临着更大的压力和挑战。
BIM + 人工智能可能是不久将会在这片天空呈现的彩虹。虽然BIM在改进工程建设行业过程中已经走了一段路，但人工智能可以进一步推动这一进程，机器学习也可以进一步提高效率。
一 什么是人工智能？
人工智能是一种机器能够以与人类相似的方式学习，将新的信息内化并利用它来发展自己智能的系统。人工智能是一个跨学科的技术，有许多不同的分支，机器学习是目前最为广泛的领域。
“机器学习”一词是指机器将数据中的模式内化，且使用它独立思考并形成自己的解决方案的能力。机器接触的数据越多，就越能理解和提供洞察力。这是它应用于工程建设行业的关键。
工程建设行业虽然数量众多，但目前的许多环节都依赖于人的能力。AI使我们能够简化这些流程，减少成本、时间和人为的风险，并提高项目的产出质量。
二 BIM+人工智能
BIM软件企业已经开始使用人工智能来提升其程序的效率和潜力。现在，BIM软件可以使用机器学习来学习数据和检测模式，并从中独立决定如何自动化和改进建模过程。
BIM软件收集大量数据，人工智能利用这些数据探索建筑项目各个方面的可能性，并找到比人类思维更快的最佳解决方案。这不仅使过程更快，而且减少了人为错误的风险，从而提高了现场的安全性。
在未来的十年里，我们在建筑行业可能会看到更多的有人工智能辅助的BIM技术应用。目前探索的成果显示，我们现在有能力将BIM推向更高的水平，在该行业应用取得进一步进展。
统计显示：工程建设行业的发展速度比任何其他行业都慢得多，传统固化的思维模式、产业分工、协作模式以及工作习惯加上庞大的体量，都让这只大象难以起舞。而人工智能似乎可以和BIM一起助力我们找到解决这些问题的答案。
三 BIM和人工智能结合有什么作用？
1赋能设计
人工智能允许用户将一套设计标准或“规则”输入系统中，以便机器能够根据您的需要创建最可行的输出。例如，在BIM创建的场景中，这可以用来形成站点足迹、平面图设计等等，而这些内容也是相互关联的，这意味着如果您在此过程中更改站点足迹中的测量值，您的机器将知道在设计的所有相关区域进行必要的调整，以确保整个项目的最高精度。
例如，针对目前建筑信息模型（BIM）消防疏散路径人工绘制的耗时问题,从提高设计效率出发，有企业提出基于人工智能的BIM疏散设计自动化方法。基于深度学习与AI结合的混合算法,并以此开发基于该算法的BIM疏散自动设计工具，提高设计效率，并在多项实际项目中应用。
2信息更新
使用人工智能的系统总是从过去和正在进行的项目中不断学习。这意味着他们能够每天更新，尽快向建筑工人提供最新最有效的信息。这将有助于该行业的发展和壮大；有助于更快地找到新的解决方案，并使这些解决方案能够被广泛地应用与共享。
3降低风险
众所周知，建筑业是一个容易发生事故的行业，五分之一的工人死亡与建筑有关。
近年来，BIM技术推广应用到施工安全相关领域，在现场施工之前的排演更容易采取合适的安全措施来保障现场施工安全。
人工智能辅助BIM可以把施工安全领域的应用提升到更高水平，让BIM可以实现在事故发生之前预测现场安全事件。
通过机器学习，BIM软件现在能够单独从图像中分析建筑项目并识别风险。例如工人在高处、滑倒、绊倒和坠落的危险。例如：为了有效监督作为隐蔽工程的灌注桩施工过程中的变化以及减少施工中发生错误导致的问题。
将BIM技术与人工智能融合为智能旁站系统，使项目施工更加直观，使施工信息更加精确，并为其应用的推广奠定基矗
4提高生产力
相较于其它行业，目前建筑业生产力水平仍然较低，占全球劳动人口7%的建筑业，生产力在过去20年里只增长了1%。近年来，通过加大在施工工艺方面的投资，人工智能辅助施工阶段BIM的应用得到长足发展，使整个过程更加高效。
BIM + 人工智能的应用有效提高了施工效率，提高了项目完成速度，且减少了错误。人工智能在其他建筑工程阶段的具体应用，也不断在各个层面实现生产效率突破。下方举例三个不同场景中，BIM与人工智能的结合使用：
例如，在应用广泛的机电管线综合领域，通过引入人工智能技术中的模糊判决方法，结合参数化可视模型（BIM）制定评价指标、规划指标权重，实现施工方案数据的智能分析，可以显著提升机电管综工作效率。
例如，变电工程概算中BIM与人工智能结合，针对传统变电工程概算方法存在工作量大且误差较大的问题,提出了基于BIM和粒子群（PSO）-支持向量机（SVM）的变电工程智能概算方法。推导SVM模型,分析固定的核函数参数和惩罚系数对SVM模型的影响，提出利用PSO算法优化SVM核函数参数和惩罚系数的改进方法。
利用变电工程的BIM模型及特征数据作为PSO-SVM模型的输入，实现变电工程的智能化成本概算。相比于传统SVM算法具有更高的准确性，且通过参数优化能够满足不同实际变电工程成本概算需求。
例如，在智慧建筑运维管理中，对人流、车流智能识别算法将物体检测任务当作一个回归问题来处理，使用神经网络，直接从一张具备参数化的图像来预测出bounding box的坐标、box中包含物体的置信度和物体的概率。通过算法可以非常快速地完成物体检测任务。
总 结
总的来说，BIM作为一个可视化的数据载体，与推理技术、浅层神经网络等传统的人工智能技术相融合可以更高效地解决多目标优化、搜索、规则检查、事件决策以及预测分析等问题；在设计方案的合理选择与检查优化、成本管理、施工进度与质量管理、能耗管理、风险与安全管理、自动控制以及辅助决策等诸多方面将发挥更大的价值。
BIM与深度神经网络相融合可解决预测以及图像识别问题,实现施工安全与风险管理、设施管理。当然人工智能作为新兴的技术，目前也存在着应用过程中不完善、技术的选择不合理、数据接入以及共享问题，高校和许多研究机构也不断提出了相关建议。
毕美君认为，BIM + 人工智能技术将在工程项目实现智慧建造、智慧运营中发挥重要作用；BIM + 人工智能技术可以更好地提高数据挖掘水平和效率，使工程项目的设计、施工以及运维过程更加智慧化。
BIM +人工智能虽然总体上说还处于初级阶段，面临着许多的问题与挑战，但已经取得了相当地进展。若能够解决神经网络模型的优化以及不同技术之间的数据接入与共享问题，将会更有力推动工程项目实现智慧建造、智慧运营的进程。
