基于Agent建模的BIM技术扩散机理研究

徐晓蓓，袁红平

(1.西南交通大学 经济管理学院，四川 成都 610031；2.广州大学 工商管理学院，广东 广州 510006)

当前，以建筑信息模型(building information modeling，BIM)为代表的新一代信息技术的发展与应用正在加快建筑行业信息化。BIM是建筑物物理和功能特性的数字化表达，包含建筑项目全寿命周期的全部信息。相关研究表明，应用BIM技术可有效减少工程变更，缩短建设工期，提高估算精度[1]。在北美，BIM技术应用的比例高达71%[2]。国家“十三五”规划明确设定2020年我国BIM技术采纳率达到90%的目标[3]。然而，研究却表明我国仍处于BIM技术应用的早期阶段，近一半建筑师和三分之一承包商处于应用BIM的最低水平(即小于15%的项目使用了BIM技术)[4]。因此，如何提升我国BIM技术应用已成为当务之急。

现有研究大多聚焦于BIM技术实践，运用文献综述、问卷调查、专家访谈等定性分析BIM技术应用，识别阻碍BIM技术应用的因素。然而，这些研究未考虑企业在不同条件下的动态决策过程，也未能刻画建筑企业间的复杂影响关系。有学者基于创新传播理论(innovation diffusion theory，IDT)，将BIM技术应用视为一种广义创新行为，借助扩散模型定量分析BIM技术扩散机理。其中，以Bass模型[5]为代表的宏观扩散模型，占据了扩散模型研究中的主要地位，但是该方法过度简化微观机制，假设个体是同质的，个体间的相互作用独立同分布，采用简单的微分方程分析群体间宏观扩散过程。然而BIM技术扩散受到多个因素的交互影响。处于复杂动态的社会系统中，单个企业是否采纳BIM技术的异质性非常明显，因此该方法有一定的局限性。随着社会主体间创新关系的不断深化和逐渐复杂化，创新扩散的动力逐步向网络化延伸。一些学者[6]意识到创新扩散实质是在网络组织中进行的，网络特征使企业间通过直接的联系产生信息交流和相互学习，继而将创新扩散过程划分为3个主要维度：创新技术或产品自身特征、社会网络结构和消费者个体行为选择[7]，并建立基于复杂网络的扩散模型，分析网络结构与微观采纳行为的关系。这样的研究成果既考虑了社会系统中个体的异质性，又揭示了网络结构对微观采纳行为和宏观扩散的影响，为本文提供了理想的研究视角。

ABM(agent-based modeling)是研究大量微观层次主体(Agent)交互或主体交互产生宏观复杂性的仿真模拟方法，可以揭示不同因素驱动扩散的时变影响，是目前分析复杂系统的常用工具。为了更好地揭示BIM技术扩散机理，本文结合创新扩散微观机理和复杂系统理论，运用Agent建模方法，开发基于Agent的BIM技术扩散仿真模型，分析BIM技术扩散网络的结构特征，研究建筑企业的异质性，确定影响建筑企业预采纳BIM技术的关键因素，依据仿真结果预测和分析BIM技术扩散趋势，并提出针对性的改进建议。

1 理论基础

1.1 BIM技术扩散的界定

Stoneman[8]将技术扩散定义为“一项新技术的广泛应用和采纳”，表明技术扩散和企业采纳密不可分。BIM技术扩散的重要表现形式是建筑企业共同采纳BIM技术[9]，提高项目管理效率。本文基于社会网络结构和个体异质性的技术采纳思想，分析经过一定扩散周期，BIM技术在建筑企业间的演化扩散，研究BIM技术自身成熟度、建筑企业个体异质性，及所处社交网络结构对建筑企业决策行为的影响。

1.2 复杂网络结构

复杂网络为理解现实世界中不同主体间或者复杂系统间的相互作用，提供了新的思考方式，它作为一种普遍应用的方法，能对现实世界中众多社会系统进行抽象和解释[10]，以复杂网络中各节点及节点间的连接反映网络内部结构，具有平均路径长度、聚集系数和度及度分布3大性质。复杂网络具备小世界属性[11]，小世界网络是最接近人类社会关系分布的模型，具有较短的平均路径长度和相对较大的聚集系数，对创新扩散的影响最为显著，是本文研究的主要框架模型。

SW小世界网络模型[12]：先构建一个具有N个节点，各节点具有K连通度的近邻耦合网络，然后以概率p(0＜p＜1)随机断开网络中的某条边，将断开的一端与网络中其他节点进行连接。节点不能与自身相连并且任意两节点不能重复相连。p= 0时，模型为规则网络；p= 1时，模型为随机网络。这种重连边方法构造的网络，平均路径会大大缩短，而对聚类系数影响不大。本文中每个节点代表个体建筑企业，节点间的连线代表个体间存在信息传递和相互影响，由此构成BIM技术扩散所处的社会网络结构。

2 基于Agent的BIM技术扩散模型

2.1 建筑企业代理

BIM技术扩散的宏观表现是采纳BIM技术的建筑企业数量变动。BIM技术采纳者指的是建筑企业，是社会网络中的个体节点，在ABM中，又被建模为个体Agent。在BIM扩散过程中，具有异质性的各建筑企业Agent依据其决策效用函数，在每个被观察的时间段内决策是否采纳BIM技术。

2.1.1 BIM技术采纳者类型

BIM技术采纳者的异质性对决策是否采纳BIM技术尤为重要，Rogers[13]依据创新扩散曲线，将采纳者分为创新者、先采纳者、早期多数采纳者、晚期多数采纳者和最后采纳者5个类型，占比分别为2.5%、13.5%、34%、34%和16%。本文将创新型和先采纳者归于风险偏好类型，他们对于BIM技术有着强烈的采纳意愿，其中一部分会借助大众传媒率先采纳BIM技术，是推动BIM扩散的初始动力。早期多数采用者是指在创新型采纳者使用后立即采用BIM技术的消费者，属于风险中立型，该群体决定了BIM技术扩散能否成功。晚期多数采纳者对风险较敏感，决定BIM技术的最终扩散深度。最后采纳者是保守型消费者，属于风险规避类型，稳定BIM技术扩散。本文将后两种类型均归为风险规避型。

2.1.2 建筑企业Agent的决策过程

根据信息加工理论，个体主要依据外部环境，结合自身特征进行决策[14]。建筑企业Agent的决策过程一般分为3个阶段。1) 获取BIM技术信息。本文界定大众传媒只起着发布和传播BIM技术信息的作用，口碑效应才是影响潜在采纳者决策行为的真正动力[13]。2) 对BIM技术进行效用评价。建筑企业Agent通过大众传媒获取BIM技术信息后，会基于企业特征对BIM技术进行效用评价。效用评价主要包括对BIM技术自身特性的初始评价和邻居BIM采纳行为对其产生的口碑压力两部分。3) 依据阈值判断是否采纳BIM。建筑企业Agent对比两阶段效用评价值与自身采纳阈值。当建筑企业效用评价值大于或等于其采纳阈值时，建筑企业才会选择采纳，否则，不采纳。据此构建建筑企业Agent决策行为概念模型，如图1所示。本文将外部环境设定为邻居决策、BIM技术自身成熟度。决策结果为“采纳”或“不采纳”。

图1 建筑企业采纳行为概念模型Figure1 Conceptual model of adoption behavior of construction enterprises

2.2 主要调节因素

本文基于复杂网络理论，研究网络结构对BIM技术扩散的影响，考虑在不同仿真参数下，BIM技术在建筑企业间的演化扩散过程，选取重连概率、网络规模、平均度和初始采纳者比例这4个维度。表1为各参数变量的定义及取值。

表1 主要调节因素Table1 Main adjustment factors

2.3 基本模型

依据上文所分析的决策过程及主要影响因素，建立本文的阈值模型为

其中，a doptioni,t表 示建筑企业i在t时刻是否采纳BIM技术；Ui,t表 示第i个 建筑企业Agent在t时刻采纳BIM技术的感知效用；Ui,thre为 建筑企业i采纳BIM技术的阈值。当Ui,t≥Ui,thre时，代表第i个建筑企业Agent在t时刻采纳BIM技术获得的效用值不低于其采纳阈值时，将采纳BIM技术，否则不采纳。以往文献已经定性确定了与建筑企业感知效用相关的因素。为了保证可操作性，本文设定建筑企业Agent采纳BIM技术的效用函数主要由建筑企业对BIM技术自身属性的评价值和建筑企业所处社交网络中其邻居的采纳行为对其产生的压力影响值组成，参考文献[16]，效用函数为

Ui,t=αiIi+βiNi,t−1。

1) αiIi为 第i个建筑企业Agent对BIM技术自身属性的评价值。其中，Ii为建筑企业i对BIM技术自身属性的初始评价值；αi为 建筑企业i对BIM技术自身属性的初始评价对其采纳决策的重要程度。该值由各建筑企业依据BIM技术相对优势、兼容性、复杂性等属性进行评价，与建筑企业经营状况、管理能力、风险偏好等企业特征有关，而与其他Agent无关，反映建筑企业异质性，并且假定其在整个扩散过程中保持不变。

其中，m为该社会系统中潜在采纳者总量；ωj,i为在社会网络系统中，节点j对节点i影响的权重；adoptionj,t−1为 节点j在t−1时 刻的采纳状态；lj,i表示节点j和节点i之间是否存在连接，即是否为邻居关系。

(1) ωj,i具 体函数为ωj,i=kj/(ki+kj)。

其中，ki为 节点i的 度值；kj代 表与节点i相邻的节点j的度值。ωj,i的值与各节点的度值有关，由此考虑不同节点间影响权重差异，更贴合现实。在本文中，某节点度值越大，代表该节点社交圈子越广，信息面越大，其采纳行为越可信，为该社会网络系统中的意见领袖。

(2)lj,i具体函数为

将上述公式代入建筑企业Agent的效用函数中，得

后续研究思路如下。

其中，Ii,thre为 建筑企业i对BIM技术本身的偏好阈值；Ni,thre为建筑企业i受到社会网络中邻居影响的压力阈值。当建筑企业i对BIM技术自身属性的评价值不低于其偏好阈值Ii,thre时 ，建筑企业i会产生采纳意愿，进而获得偏好效用；反之，则说明BIM技术不满足建筑企业i的消费预期，建筑企业不会自发产生采纳意愿。同理，若t−1时 刻建筑企业i所处社会网络系统对其产生的初始压力影响值不低于其压力阈值Ni,thre，该建筑企业会感到社会压力，产生融入社会群体保持行为一致性的意愿，否则，不会产生。综上，建立BIM技术采纳者的微观采纳机制，如图2所示。

图2 BIM技术采纳者的微观采纳机制Figure2 Micro adoption mechanism of BIM technology adopters

3 系统仿真实验和结果分析

采用NetLogo软件进行BIM技术扩散模拟仿真，分析建筑企业偏好、社交网络结构、初始采纳者比例和BIM技术自身成熟度对BIM技术扩散过程和结果的影响。

3.1 仿真参数设定

对BIM扩散进行微观分析时，大量学者运用统计概率理论对变量进行刻画，通常认为变量取值服从正态分布可以代表消费者异质性[7, 13, 17]。本文借鉴前人思路进行赋值，如表2所示。为增加结果稳定性，每种参数组合下运行30次，取平均值作为最终结果。

表2 参数设定表Table2 Parameter value table

3.2 仿真结果

3.2.1 网络类型与BIM技术扩散

在不同网络类型下，社会系统中建筑企业的人际关系网络具有不同的拓扑结构特征。本文在规则网络、随机网络和小世界网络上研究BIM技术扩散。图3是3种网络结构下的BIM技术扩散曲线，呈现相似的扩散特征，扩散曲线均呈“S”型，采纳BIM技术的人数在短期内迅速上升，在某刻到达最大值后保持稳定，这与BIM应用初期发展缓慢，后期呈现快速发展的特征一致。该稳定状态下网络中已采纳BIM技术的人数比例即扩散深度，该时刻即扩散速度。由图可得，3种网络结构中均没有实现100%的扩散率，说明在现实世界中，由于存在扩散障碍，扩散渠道有限，因而不可能达到理想状态。规则网络是最特殊的网络结构，节点度分布完全一致，这与现实社会网络结构相差甚远。结构的规律性一般会抑制信息传递，将信息扩散局限在一定的范围内，而随机网络则具有较低的聚集系数和较短的平均路径长度，度分布相较于小世界网络更具随机性，信息能快速传递。小世界网络则介于两者之间，兼具两种网络特征优势。在扩散过程中，有较大度值的节点能快速获取BIM技术创新信息，较高的聚集系数和较短的平均路径都保证该节点成为意见领袖，位于网络结构和信息传递中心，能最大化影响其邻居的决策行为，快速推动BIM技术扩散，缩短扩散周期并节约资源。

图3 不同网络结构下的BIM技术扩散曲线Figure3 BIM technology diffusion curve under different network structures

3.2.2 网络重连概率与BIM技术扩散

图4是在不同重连概率下，分别以速度、深度为研究对象汇总的扩散结果。其中，图4(a)是以速度为研究目标汇总各个实验数据。由图可知，随着重连概率提高，BIM技术扩散速度呈现先增加后下降，而后上下波动的特征，说明重连概率对小世界网络结构的影响并无规律性，反映到BIM技术扩散上，并不是简单的线性关系，也不呈单一的变动趋势，而是一种复杂的动态变化。图4(b)是以深度为研究目标汇总，在其他参数不变的情况下，增加网络重连概率，扩散深度提高，两者近似呈正相关关系。这可能是因为，随着重连概率增加，网络聚集系数不断降低，平均路径不断变短，网络中集团化程度降低，不同集团间链接路径变短，链接概率增加，信息扩散范围扩大。

图4 以速度、深度为研究对象汇总不同重连概率下的扩散结果Figure4 Summarize the diffusion results under different reconnection probabilities with speed and depth as the research object

3.2.3 网络规模与BIM技术扩散

图5是在不同网络规模下，分别以速度、深度为研究对象汇总的结果。在本文设定参数下，3种网络间扩散趋势呈现显著差异。规则网络在任意规模下，均具有最快的扩散速度和最小的扩散深度，说明对扩散深度要求不高时，规则网络能够节约一定的时间成本。随机网络中BIM扩散速度较快且具有最大扩散深度，稳定在0.6左右，是BIM技术扩散最理想的网络结构。小世界网络则介于两者之间，速度较慢，并随着规模变动，扩散速度出现一定幅度的波动，但总体趋势是随着规模增加，扩散速度呈现逐渐放缓的变动趋势，扩散深度则几乎无变化。这说明，在制定创新策略时，并不是扩散规模越小，扩散就越容易成功，应综合考虑各相关因素影响。

图5 以速度、深度为研究对象汇总不同网络规模下的扩散结果Figure5 Summarize the diffusion results under different network scales with speed and depth as the research object

3.2.4 网络平均度与BIM技术扩散

图6是在不同网络平均度下，分别以速度、深度为研究对象汇总的扩散结果。平均度代表社会网络中节点的连接水平，反映建筑企业间的合作水平和联系强度。如图6(a)所示，在小世界网络和随机网络中，BIM技术扩散速度随着平均度的增加先变缓后加快，说明当平均度处于特定临界状态时，扩散速度最缓；而后在一定范围内，扩散速度随着平均度的增加而加快。规则网络相比其他两种网络，变动临界值和浮动范围均较小。而在图6(b)中，3种网络下BIM技术扩散深度变动趋势相同，在扩散初期，随着平均度增加而快速增长，随后保持稳定，尤其是小世界网络和随机网络，扩散过程趋于一致。该结果表明平均度能在一定程度上缩小3种网络结构上的差异。

图6 以速度、深度为研究对象汇总不同网络平均度下的扩散结果Figure6 Summarize the diffusion results under different network averages with speed and depth as the research object

3.2.5 初始采纳者比例与BIM技术扩散

图7是在不同初始采纳者比例下，分别以速度、深度为研究对象汇总的扩散结果。结果表明，扩散速度随着初始采纳者比例的提高而加快，说明在扩散初期，采纳比例越高，越有利于BIM“起飞”，从而缩短BIM推广周期。而初始采纳者比例对最终稳定扩散深度几乎无影响，因此无法通过提高初始采纳者比例促进BIM技术扩散。对比小世界网络和随机网络，随着初始采纳者比例增加，两者差异变小，在速度相近下，具有相似的扩散稳定深度。因此BIM推广者在制定推广计划时，应首先考虑网络结构类型，依据不同的结构类型，采取不同的推广手段和策略，既能节约成本，缩短周期，又能达到理想的扩散结果。

图7 以速度、深度为研究对象汇总不同初始采纳者比例下的扩散结果Figure7 Summarize the diffusion results under different initial adopter ratios with speed and depth as the research object

4 结论

通过本文研究，得出以下结论和政策启示。

在不同社会网络结构中，BIM技术扩散曲线虽呈现相似的扩散趋势，但是扩散速度和扩散深度差异较大。在同等条件下，随机网络中最终采纳者比例最高。在相同的采纳者比例下，随机网络扩散速度最快，小世界网络次之，规则网络最不利。社会网络拓扑结构对BIM技术扩散起着重要的作用。与以往仅考虑技术、人员、法律等宏观因素的研究不同，本文分析了不同社交网络结构的影响，对于理清宏观现象与微观机制的内在逻辑具有一定的指导意义。因此，管理者在制定推广策略、预测BIM“起飞”时刻或者最终稳态时，应考虑BIM技术推广所面对的现实社会网络结构。

小世界网络中，重连概率这一指标能够显著增加BIM技术扩散深度，但是对速度的影响并不呈现规律性，而是一种复杂动态的变化。该现象提示管理者在推广BIM技术时，应当关注大范围小规模的信息传递，如各大专业信息网站、软件界面等传播渠道，使更多建筑企业了解BIM技术信息，扩大覆盖范围，克服网络结构对BIM信息传播的局限。

在同一网络结构中，由于网络规模改变引起的扩散差异并不明显，不同网络结构间扩散趋势稍有差异。说明网络拓扑结构一定的情况下，节点间相互作用对BIM技术的扩散驱动具有一定的稳定性，这与Takeda等[20]的研究结果一致，当未考虑技术替换时，潜在市场N的实际数量对扩散模式没有质的影响。另外，仿真结果也打破了“潜在建筑企业群体规模越大，扩散难度越大”的一般认知，表明并不是扩散规模越小，扩散就越容易成功。

3种网络中扩散曲线逐渐接近并且最终近似重合，说明平均度这一因素能在一定程度上缩小3种网络结构上的差异。提高网络平均度，即提高建筑企业间合作水平和联系强度，增强建筑企业沟通交流机会，有利于建筑企业间BIM信息交流，打破信息孤岛壁垒，加速BIM技术扩散，同时能够缩短建筑行业投资回收周期，降低风险概率。因此，在未确定社会网络类型时，选择行业中的龙头企业作为BIM技术体验者，有助于BIM技术的扩散，缩短扩散时间，降低风险成本。

初始采纳者是BIM技术扩散的初始驱动力量。提高初始采纳者比例能够促进BIM“起飞”，缩短扩散周期，加快扩散速度，但是对最终稳定扩散深度影响不大。这说明在最初的广告营销上，不需要投入大规模的资金财力，选择小范围大规模的龙头企业作为BIM技术初始采纳者比选择大范围小规模企业更有利于BIM技术扩散。