基于IFC并通过知识图谱集成市场数据的自动化可拆解性分析

《AUTOMATION IN CONSTRUCTION》:IFC-based automated deconstructability analysis with market data integration through knowledge graphs

【字体: 大 中 小 】 时间:2026年08月27日 来源:AUTOMATION IN CONSTRUCTION 12.6

编辑推荐:

  研究人员将知识图谱(KGs)与IFC集成,以数字化赋能拆解规划;利用拆解排序自动化建筑信息模型(BIM)的语义富集;实现拆解排序的自动化4D模拟;集成大语言模型(LLM)增强的知识图谱以构建二手市场数据结构;并通过专家访谈和真实世界案例研究验证了该框架。

  
研究人员将知识图谱(KGs)与IFC集成,以数字化赋能拆解规划;利用拆解排序自动化建筑信息模型(BIM)的语义富集;实现拆解排序的自动化4D模拟;集成大语言模型(LLM)增强的知识图谱以构建二手市场数据结构;并通过专家访谈和真实世界案例研究验证了该框架。
全球建筑业是资源消耗的主要驱动力,产生了大量建筑、翻新和拆除(CRD,建筑生命周期中的废弃阶段)废弃物。尽管拆解作为一种资源高效的替代方案,能够实现建筑产品的再利用,但由于其过程复杂、劳动密集且利润率低,行业采用率依然滞后。利益相关者需要严格的规划能力来降低风险,确保回收材料的价值超过提取成本。然而,目前缺乏能够在执行前评估拆解项目技术可行性和市场潜力的系统方法。建筑信息模型(BIM,一种用于建筑物理和功能特性的数字表达)本有望弥合这一差距,但其应用主要集中在设计和施工阶段,缺乏纳入拆解和重用特定信息的专用功能。现有基于BIM的方法通常依赖手动注册复杂的语义关系,这不仅耗时、易错,而且难以规模化。此外,为了推进建筑业的循环性,向“基于性能的拆解”转变是必要的,这要求考虑回收组件的下游命运。然而,当前方法存在无法在统一框架内自动集成异构数据源的理论局限性,以及学术方法与行业标准工具之间互操作性差的实践局限性。

为了弥合这些差距,Amr S. Allam和Mazdak Nik-Bakht开展了这项研究,旨在通过整合建筑几何和语义信息与二手建材市场视角,推进数字化赋能的拆解。研究人员开发了名为DeconPlanner的软件解决方案,通过构建建筑知识图谱和客户知识图谱,实现了BIM的语义富集和语义增强。研究得出结论,DeconPlanner能够有效自动化拆解排序并集成市场数据。该研究的重要意义在于,通过自动化的依赖关系映射和拆解排序减少了手动数据输入的负担,并在建筑与下游市场数据之间建立了数字桥梁,为需求驱动的拆解规划奠定了基础。该论文发表在《AUTOMATION IN CONSTRUCTION》。

样本队列来源为康考迪亚大学未来建筑实验室(FBL)的BIM模型以及与12位北美循环经济利益相关者进行的11次半结构化访谈。研究人员采用了基于IFC文件的拓扑分析和依赖分析方法,利用分离轴定理(SAT,一种用于检测凸多面体相交的方法)结合层次包围盒(BVH,一种空间索引结构)来检测建筑元素间的几何连通性。通过深度优先搜索(DFS,一种用于遍历或搜索树或图的算法)和拓扑排序算法生成拆解序列,并将其编码为资源描述框架(RDF,用于表示多关系数据的数据模型)三元组建构BuildingKG。同时,采用基于大语言模型(LLM,能够处理和生成人类语言的AI模型)的语义处理技术,通过网页检索和模式引导的抽取方法构建CustomerKG,最后利用词汇匹配机制整合成DeconKG。

研究结果
4.1 案例研究
研究人员使用Concordia大学的FBL建筑模型作为案例,评估框架在语义富集和语义增强方面的性能。拓扑分析阶段识别出1578个连接中仅有59个显式连通关系,凸显了几何推理的必要性。依赖分析生成了919个主客体关系,区分了固定和可拆卸连接。在70个元素的验证集中,依赖推理达到了96.6%的精确率和97.3%的召回率。自动化4D模拟结果与实际逆施工时间推移记录高度吻合。在市场集成方面,框架从网页中生成了88个知识图谱,在提取市场信息时达到了99.4%的精确率和94%的召回率。最终构建的DeconKG成功将建筑元素与潜在客户关联,分为钢基、木基和未连接节点三个功能组。

4.2 专家验证
研究人员通过11次半结构化访谈对框架进行了评估。专家认为该框架在建筑生命周期末(EoL,建筑报废阶段)和设计阶段均具有适用性,尤其适用于大型机构、商业或工业(ICI)建筑以及预制和模块化建筑。专家肯定了系统在供应商地理匹配上的准确性,但指出高质量BIM和清洁的IFC数据是有效运行的前提。专家还提出了多项改进建议,包括增加可执行输出、情景规划能力、整合成本数据库和公平市场价值估算、纳入承包商的隐性知识,以及允许用户手动审查和覆盖系统建议。

总结讨论与结论
在讨论部分,研究人员指出,仔细管理二手材料的供需对于拆解承包商与拆除承包商竞争至关重要。当前的DeconPlanner提供了承载市场情报的语义框架,但完全自动化下游需求的识别仍是关键下一步。将此与拉动下游的精益原则相结合,确认了此类解决方案的工业必要性。在研究结论部分,研究人员总结道,集成异构数据源以支持利润微薄的活动(如拆解)至关重要。DeconPlanner通过结合知识图谱(KGs,一种结构化的知识表示形式)和IFC,集成了设施级建筑和二手市场信息,实现了对BIM的语义富集与增强。案例研究和专家验证均证实了其功能和高准确率,确认了系统的必要性、实用性和行业相关性。尽管存在拆解排序遵循保守逆向施工逻辑、市场匹配依赖轻量级词汇匹配机制、框架依赖于外部动态数据源且受限于BIM质量等局限性,但该研究为未来向主动推理引擎演进、探索材料作为二次产品原料的更深层次语义,以及与扫描到BIM(Scan-to-BIM,通过三维扫描数据生成BIM模型的过程)流程集成以应对不完整BIM数据的情况指明了方向。
相关新闻
生物通微信公众号
微信
新浪微博
  • 搜索
  • 国际
  • 国内
  • 人物
  • 产业
  • 热点
  • 科普

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号