结合大数据的BIM工程管理平台的研究与应用

来源: www.sblunwen.com 发布时间:2020-03-15 论文字数:38899字
论文编号: sb2020030901271229802 论文语言:中文 论文类型:硕士毕业论文
本文是一篇工程硕士论文,本文通过对大数据和建筑行业数据特点进行多角度对比分析,应用大数据挖掘技术和 BIM 技术,开发了基于 Python 的建筑行业的大数据挖掘平台;
本文是一篇工程硕士论文,本文通过对大数据和建筑行业数据特点进行多角度对比分析,应用大数据挖掘技术和 BIM 技术,开发了基于 Python 的建筑行业的大数据挖掘平台;通过对国内外 BIM工程管理平台的对比分析,开发了基于 Unity3D 技术的 BIM 工程管理平台,并结合沈阳某高校工程实例验证了大数据挖掘平台与 BIM 工程管理平台的协同应用,本文较系统的开展了大数据挖掘平台和 BIM 工程管理平台的论证、设计、开发、应用等理论分析和平台开发的工作.


第 1 章  绪论

1.1  引言
信息化时代的来临以及互联网的快速发展,数据量的增长速度在显著加快。根据2014 年 IDC 报告,
2013 年的全球数据量达到 4.4ZB,而到 2020 年,全球数据量预计增加至 44ZB。据此提出了大数据的概念,即依据国际科学与管理数据库协会会议所阐述的:一定时间内用常规机器和软硬件工具没法处理的超大数量级别的半结构化或非结构化的数据聚合。而作为飞速发展,在国民经济生活中扮演重要角色并发挥着巨大作用的支柱产业建筑业,因其涵盖建筑构造、建筑设计、建筑材料等多个方面,上下游行业多、涵盖广、规模大,产生了浩如烟海的大量数据,因而具备潜在的大数据特点。
信息化意识相对超前的文化创意、电子商务、医药、航空和高科技等产业在大数据应用方面走在了前面,而建筑业却仍然存在整体信息化水平低且大数据应用滞后的情况,根据建设部相关资料,我国建筑行业由过去新建为主的粗放型发展模式转入新建与维修改造的集约型发展方式,国家新建投资比从“一五”期间 96%下降至“十五”期间 43%,新常态下建筑业的增长速度放缓,因此建筑业信息化水平提升困难的问题亟待解决。《2016-2020 年建筑业信息化发展纲要》(建质函[2016]183  号)指出:“建筑业信息化是建筑业发展战略的重要组成部分,也是建筑业转变发展方式、提质增效、节能减排的必然要求。“十三五”期间,全面提高建筑业信息化水平,着力增强 BIM、大数据等信息技术集成应用能力[1]。”
图 1.1  全寿命周期的 BIM 应用
.............................


1.2  研究的目的与意义
1.2.1  研究的目的
现代企业事业单位在建筑物、基础设施发生破坏或需要翻新时,需要搜集“大量资料”或者“多维资料”,包括纸质化的二维建筑类图纸、建材市场、建材大中小供货商、未来建材价格变化趋势等重要信息,但是“信息超载和无结构化”使得企业事业单位相关责任方或者决策单位无法短时间内有效利用现有的信息,信息利用不当甚至导致决策行为产生混乱和误用。如果能从平台化的 BIM 模型中快速定位并获取相关建筑物和基础设施的建筑材料信息,然后以该类建筑材料的信息作为数据挖掘目标,再通过大数据技术中的数据挖掘和分析技术,快速从万维网上的建材类网站中挖掘出与该建筑材料关联的有价值信息和知识,作为决策支持之用,必能显著提高企业事业单位的竞争优势。
因此本文基于大数据在建材行业的实际应用情况和 BIM 工程管理平台在行业中的发展情况,旨在开发一种建材类大数据挖掘平台和一种 BIM 工程管理平台,并对其进行进一步的研究,使其符合实际生产中获取和利用建筑信息的需要,并总结在构建平台过程中得到的关键技术,为实际工程的进一步开发提供参考。
1.2.2  研究的意义
本文开发了一种建材类大数据挖掘平台和一种 BIM 工程管理平台。
(1)建材类大数据挖掘平台具有挖掘数据速度快、数量大、数据维度丰富、容错性强、数据可视化效果好等优点,能够解决企业事业单位决策方无法短时间内得到有价值建材信息的问题,降低建材信息的获取成本,减少建筑工程的决策响应时间,并且增强了建筑工程修复或翻新决策的可靠度,改变企业事业单位在自身建筑维护和翻新时,从传统的采用压低成本和价格的杀价流血方式到现在的倡导的以创新为核心竞争力的发展方式。
(2)BIM 工程管理平台则具有数据交互性、高仿真可视化漫游,兼容性、多平台发布、手持移动端远程查看模型等优点,能够帮助企业事业单位实现对建筑工程全生命周期的监管,及时、透明、全面地掌握项目情况,而且平台能够在 PC 端和移动终端多平台发布,能够解决使用者进行可视化漫游时受时间空间和终端硬件限制的问题,解决房建 BIM 模型与基础设施 BIM 模型同一平台不兼容的问题,并通过平台链接的材质数据库,增加了建筑可视化表达的信息维度。
图 1.3  技术路线
...............................

第 2 章  大数据挖掘平台的开发

2.1  大数据简介
根据国际科学与管理数据库协会会议所阐述的,一定时间内用常规机器和软硬件工具没法处理的超大数量级别的半结构化或非结构化的数据叫做大数据,也就是具备以下三种特征的数据才能被称为是大数据。
大数据,顾名思义,首先是大,其具备的首要特征是远超以往人类历史处理的超级数据聚合。区别于普通数据存储以单位 Bit(比特)英文缩写 binary digit 作为基本计量单位,大数据的起始计量单位至少是 PB(1024TB)、EB(100 万个 TB)或 ZB(10 亿个 TB)。比如到德意志银行的 35 个超算数据中心有接近 10PB 的磁盘存储和达到 30PB的磁带存储,而且每年还以 50%~70%的速度快速增长。
“互联网上的一天”的数据提到,一天之内,互联网可以雕刻 1.68 亿张 DVD;2.94亿封电子邮件(相当于美国两年的纸质信件);两百万篇社区文章(相当于 770 年的《时代》杂志)。而互联网的一个月的数据量则更为惊人,一个 100 人的政府机构每月会产生约 200GB 网络数据,一个 500 人的公司每月会有 600GB 的网络数据,而一个 20000人的学校,每个月大约有 60TB 的网络数据。
其次它的特征是数据类型繁多。包括流媒体、网络储存日志、图片、全球定位信息、文字结构化或者非结构化数据等,各种不同类型的的结构化或非结构化数据对数据存储和处理响应能力有了更高的标准和要求。
最后一个特征则是数据价值密度比常用的结构化数据要低。如随着物联网和智能移动终端的广泛应用,信息感知无处不在,信息数量急剧增长,但数据金矿的价值密度低,所以需要通过强大的算法对数据进行降噪清洗以便更迅速地完成数据的价值“提纯”。
与此同时,IBM 公司也提出了大数据的 5V 论断,分别是 Volume 数量大,Variety种类和来源多样化,Value 数据价值密度相对较低,Velocity 数据增长速度快,处理速度也快,时效性要求高,Veracity 数据的质量,指的是数据的准确性和可信赖度,这一理论作为大数据特征的补充得到了业界的广泛认可。
..............................

2.2  大数据与建筑数据的关联分析
根据前面章节大数据的理论特点:数据总量大、数据高速增长、数据维度具备多样性、数据的价值密度较低、数据与现实联系紧密可信赖。从数据本身具备的五个不同特点对大数据进行了精炼的阐述,与大数据类似,建筑行业同样是一个大量数据的聚合,建筑行业的数据也具备这样的特点:
(1)数据总量大
建筑行业作为国民经济的支柱产业,关系国计民生,关联上下游多个行业,因而产生的惊人的数据量,凡是建筑行业涉及的项目全寿命周期的各个阶段都会产生大量的数据,规划设计院会产生规划数据,设计工程师会产生概念设计数据,景观设计师的细部设计数据、再到分析、二维出图、构件预制、4D/5D 施工、施工输送和人材机的物流、建筑场地的运营维护、建筑场地的拆除和翻新、电子商务网站进行的建筑材料交易都会产生大量数据。
(2)数据高速增长
建筑行业是一个历史悠久的传统行业,古代和近代留存的建筑资料、建筑范式以及建筑记录就蕴含有数量巨大的纸质形式数据,随着信息化时代的发展,建筑行业对原有纸质数据的电子化,以及对新兴信息技术的应用,特别是 BIM 技术、遥感测量技术、虚拟现实交互技术都带来了建筑行业信息化数据的迅速增加。
(3)数据多样性
建筑行业在国民经济生活中的活动涵盖建筑勘察、设计、施工以及对原有建筑物的维修。在进行土木工程建筑作业;线路、管道和设备安装以及勘察设计时均会产生大量的数据。而在各种建筑材料和构件、机器设备等进行建筑安装和建筑维护中的产生的数据也多种多样,除了建筑活动本身的数据多维度外,每个经济体和大型经济组织都有各自的建筑业法律法规和行业规范,建筑行业需要依据各国各地区具备地域特色的建设法律、行政法规、机构规章来运作,而这进一步丰富了建筑行业数据的维度,增加了数据的多样性。
................................
 
第 3 章 BIM 工程管理平台的开发 ........................................ 34
3.1 BIM 工程管理平台的分析 ...................................... 34
3.1.1  平台型 BIM 工程管理 ......................................... 34
3.1.2  插件型 BIM 工程管理 .............................. 34
第 4 章  结合大数据的 BIM 工程管理平台的实例应用 ................................. 49
4.1  工程概况 .................................... 49
4.2  具体设计流程 ................................... 49
第 5 章  结论与展望 ................................ 62
5.1  研究结论 ............................... 62
5.2  展望 ....................................... 62


第 4 章  结合大数据的 BIM 工程管理平台的实例应用

4.1  工程概况
本文研究的工程实例为辽宁省某高校园区南区的道路。该园区位于辽宁省沈阳市国家高新技术开发区,具体位置为经济技术开发区曹家村区域部分。园区占地面积大于一千亩,东西走向从中央大街规划路至曹家村;南北走向则从开发路至沈阳-盘锦公路,园区中央有浑河灌渠穿行通过,自此划分为南北两大园区,本文研究的南部园区,其占地面积约为 450000 平方米。
该高校园区内道路总里程为 11.08 公里,以两条 18.0 米宽道路(机动车道 12.0 米)形成园区内的环路,并连接由浑蒲灌渠分割而形成的南北校区。局部设置环岛,路边停车场等设施。道路最大圆曲线半径为 500.0 米,最小圆曲线为 9.0 米。根据设计需要将道路进行编号,编号按英文字母排序,编号由道路 A 线至道路 Y 线,共 25 条。设计按照园区道路等级铺设道路,道路计算车速为 20Km/h,道路荷载标准为 BZZ—100。
图 4.1  辽宁省某高校园区南区工程概况
.................................

第 5 章  结论与展望

5.1  结论
本文通过对大数据和建筑行业数据特点进行多角度对比分析,应用大数据挖掘技术和 BIM 技术,开发了基于 Python 的建筑行业的大数据挖掘平台;通过对国内外 BIM工程管理平台的对比分析,开发了基于 Unity3D 技术的 BIM 工程管理平台,并结合沈阳某高校工程实例验证了大数据挖掘平台与 BIM 工程管理平台的协同应用,本文较系统的开展了大数据挖掘平台和 BIM 工程管理平台的论证、设计、开发、应用等理论分析和平台开发的工作,现归纳为以下主要结论:
(1)提出建筑行业数据与大数据在特征上具备相似性,建筑行业数据也具备大数据的 5 种特点:数据总量大、数据高速增长、数据多样性、数据价值密度低和数据真实等特点,因此建筑行业数据具备潜在大数据特点,并在此基础上得出了大数据挖掘分析技术可应用于建筑行业数据中建材大数据的价值挖掘。
(2)基于 Python 技术,对大数据挖掘平台进行了开发,并进行万维网建材网数据的挖掘测试。结果显示:普通配置的计算机和网络环境下,在大数据挖掘平台中,用Python 编写的数据挖掘程序与 Web 浏览器数据挖掘插件相比,挖掘效率前者约是后者的 2.69 倍,且远优于人工挖掘数据的效率。此外还通过云服务端平台部署的方式,解决了本地计算机性能和网络不稳定影响平台功能的问题。允许使用者在任何有一台连接网络终端的条件下启用数据挖掘,增强了易用性。
(3)基于 BIM 建模技术和 Unity3D 技术,对 BIM 工程管理平台进行了开发,并提出了建筑类 BIM 与基础设施类 BIM 之间数据交互的两种方法,提出了 BIM 导入Unity3D 场景的减少材质损失的方法,实现了 BIM 模型在平台中漫游、交互以及渲染等可视化表达以工程管理的功能。
(4)通过辽宁省某高校园区实例的 BIM 构建和相应建材大数据挖掘的研究,在园区设施破坏或需翻新时,从相关建筑物 BIM 和基础设施 BIM 中快速获取建筑材料信息,并协同万维网挖掘的建筑材料数据进行决策参考,在项目生命周期的运营维护和翻新阶段提高了决策效率,验证了大数据技术结合 BIM 技术协助工程管理是可行的。
参考文献(略)

原文地址:http://www.sblunwen.com/gclw/29802.html,如有转载请标明出处,谢谢。

您可能在寻找工程硕士方面的范文,您可以移步到工程硕士频道(http://www.sblunwen.com/gclw/)查找


上一篇:B市城市视频监控联网系统建设工程项目支出绩效评价研究
下一篇:绿色建筑工程管理中存在的问题与对策研究