4行业资讯
您的位置: 首页 ->  行业资讯 -> AI+BIM相结合,到底怎么玩?

      4月19日,首届济南国家人工智能创新应用先导区高端峰会暨黄河流域人工智能创新应用博览会BIM平行论坛(“AI+BIM

数智发展新引擎”主题论坛)在山东大厦举行。论坛上提出,BIM作为建筑业信息化前沿技术,其蓬勃发展与快速普及已经成

为促进建筑产业转型升级不可或缺的手段。


                        锐意BIM技术


      在大力推进“互联网+”和智慧城市建设的大环境下,BIM作为智慧城市建设的关键性支撑技术,迎来了全新机遇与挑战。

以“AI+BIM数智发展新引擎”为主题,研究了人工智能与BIM产业相结合、AI(人工智能)与BIM(建筑信息模型)融合应用于交通

出行服务、BIM产业未来的发展方向以及应用路径等问题。

      此时大家就会好奇AI与BIM结合的具体应用是什么呢?

      接下来我给大家讲述三方面他们的结合应用:

AI辅助建筑布局规划

      前期策划与建筑功能的无缝对接、以及建筑空间规划的最优化求解,一直是建筑学术界重点关注的两个基本问题,但这

两个问题一直没有被很好地解决。

      设计师迫切需要一个在线的产品:

      另外,在现有的建筑设计(包括衍生式设计)过程中,建筑设计大多依赖于桌面版参数化软件(例如Revit)和基于它们

的二次开发,建筑物未来真正的使用者和业主很难加入到设计的决策过程中,建筑设计的最优决策很难做到最优。对于建筑

策划文件,大家普遍采用Excel在PC端制作。


                        锐意BIM技术


      对于建筑空间规划,Autodesk公司的生成设计框架refinery是目前唯一的可用工具。Excel数据来源较为封闭,不容易从

互联网取得最新的策划数据资源。另外,refinery基于Revit的开源软件Dynamo进行开发,Dynamo不易使用,因此refinery也

很难得到推广。

       随着大数据和AI技术的成熟,建筑学术界和工业界开始尝试通过深度学习和强化学习的方法来解决上述痛点。在BIM设

计中,业主和建筑设计师迫切需要一个在线的产品,能在浏览器上生成建筑策划文件,并能输出建筑空间的最优化布局。这

就需要在BIM新设计工具中融入最新的机器学习技术,实现AI辅助的建筑方案选型。

AI辅助机电设计

      随着建筑智能化发展的趋势,对于结构和运行复杂的机电系统而言,管道合理布局的难度大幅提升,尤其类似医院等对

机电要求高的复杂项目。

所以要怎么解决呢?

      在BIM模型的建筑、结构和机电的三专业碰撞检测中,机电是碰撞检测的主体和随后的主要修改部分,后期修改工作比

较繁重。在BIM机电设计软件中,采用AI技术自动产生管线配置将会解决上述问题。

      譬如基于BIM机电模型,使用生成式设计理念,在确保机电管线系统的路径不会和建筑物结构发生冲突的情况下,使用

机器学习方法快速生成所有可能的方案选项,在多次迭代后归纳出最终有效的设计方案。


                        锐意BIM技术


      同时也可以基于设计能耗、舒适度指标,基于大量设备的实际参数,结合BIM模型的空间分区,通过机器学习自动分析

可能的设备选型。实际上通过引入机器学习技术,BIM新设计工具将在机电AI模型中沉淀机电设计师的专业经验以及大量设

备参数信息,从而为机电设计走出目前的困境提供新的技术手段。

初设和施工图设计中的AI应用

      在初设和施工图阶段,融合AI技术的BIM新设计工具需要解决传统BIM设计工具无法解决的一些难点问题:

      一是构件设计承载丰富的业务信息,具备跨阶段的传承性;

      二是大幅减轻BIM模型绘制、校验、审核工作的繁琐程度;

      三是本土化规范、图集的内置让设计不越“红线”又更合理;

      四是释放设计师的创造力,让设计师更优、更快捷地完成设计。

      从工具型绘图软件设计向智能化设计,再到人工智能辅助设计,是逐步发展、效能逐步增大的过程。建筑领域的智能化

设计已经在很多场景中得到应用,其与人工智能核心的区别在于:前者是内置规则,后者是学习规律。我国的基础设施建设

经过几十年的大力发展,已经积累了非常庞大的图纸、数据资料,通过算法对海量数据进行深度学习,将为BIM新设计工具

提供了丰富的大数据支撑。

这里列举几个典型应用点:

      消防疏散出入口设计,深度学习规范、地方标准和不同建筑类型、布局,对疏散口个数、距离、宽度、位置等信息综

合处理后自动出排布方案;

      装配式建筑的装配方案设计,深度学习不同地区、不同标准下的装配方案,如预制构件和节点的优化选取及设计、商

品化构件的设招采施一体化等;智能审图,对大量规范、图集、标准以及模型、图纸的匹配性学习,做好设计合规性、合理

性的把控;

      AI出图:通过深度学习,考虑相关专业约束、个性和美观性等算法,实现创建图纸、拆解图纸、图元布图乃至出图智

能标注,将大幅度减轻设计师的绘图工作量。