BIM中的新颖性检测：自动错误识别与质量控制应用

建筑信息建模（BIM）作为一种革命性的技术，在建筑工程和建筑行业（AEC）中扮演着越来越重要的角色。其核心在于实现模型之间的无缝信息交换，从而提高设计效率、减少错误和提升项目管理。行业基础类（IFC）标准在这一过程中起到了桥梁作用，确保了模型元素与行业标准的准确映射，从而促进跨软件应用的互操作性。 本文着重讨论了一种新颖的创新方法——新颖性检测，它被引入BIM质量控制中，旨在解决在实际应用中可能出现的错误分类问题。新颖性检测是一种机器学习技术，通过训练支持向量机（SVM）算法，能够自动识别BIM模型中可能存在的离群值，即与IFC标准不匹配的模型元素。作者Bonsang Koo Shin和Byungjin Shin，来自首尔国立科技大学土木工程系，提出了一个框架，该框架结合了多个BIM模型进行训练，以便对四种IFC类别的元素进行精准分类。 研究过程包括收集样本数据、训练模型以及评估其性能。实验结果显示，所开发的分类模型表现出强大的准确性和公正性，证明了其在IFC数据完整性检查上的潜力，这对于基于BIM的质量控制和遵守建筑规范至关重要。BIM的实施需要严格的合规性检查，而这项工作通过自动化新颖性检测得以简化，节省了人工审核的时间和成本。 此外，文章还强调了BIM范例在建筑设计和施工中的广泛应用，包括冲突检测、设计审查、施工可行性分析、能效模拟以及项目协调。为了确保这些应用的顺利进行，依赖于IFC标准的互操作性是必不可少的。因此，本文的研究成果对于推动BIM技术在AEC行业的标准化和优化具有重要意义。 该研究发表在《计算设计与工程》杂志上，遵循CC BY-NC-ND许可协议，读者可以通过网址www.elsevier.com/locate/jcde获取全文。总体而言，本文的工作为BIM质量控制提供了一个有力的工具，有望进一步提升AEC行业的数字化和智能化水平。