基于BIM的消防设计自动审查关键技术研究进展

马一飞 吴海洋 赵利宏 卫文彬 孟天畅

(1.大同市消防救援支队，大同 037000； 2.和平区消防救援支队，天津 300090；3.中国建筑科学研究院有限公司 建筑防火研究所，北京 100013)

引言

建设工程消防设计审查制度作为我国施工图设计文件联合审查[1]的重要组成部分，是保证建设工程消防设计、施工质量，杜绝先天性火灾隐患的重要手段[1，2]，也是世界上许多国家政府监管工程消防设计质量的一项重要制度。在各行业实现数字化信息化的今天，以人工审查消防设计为主的方式工作量巨大，有误审、错审的风险[3]。由于标准规范细则数量庞大[4]、自然语言编写的标准规范文本自带歧义性[5]以及标准规范之间要求不一致等问题，在审查过程中经常需要邀请经验丰富的专家进行规范解读，各种原因综合导致审查周期增加、建设工期延缓[6]； 审查过程中一旦出现误审、错审，也会对已建成建筑的消防功能产生负面影响，而纠正这些错误会带来高昂成本[6]。因此，要实现消防设计的全面、高效和准确审查，已成为各类建设工程尤其是大型商业综合体、医疗建筑等复杂建设项目[7]乃至整个社会发展的迫切需求。

近年来，深度学习、自然语言处理及知识图谱等人工智能方法的快速发展[8]，为实现自动审查方法奠定理论基础； 建筑信息模型(Building Information Modeling，BIM)经历了十几年的快速发展[9]，使得消防设计信息通过计算机高效集成与提取成为现实。因此，将BIM技术与消防设计自动审查相结合，全面高效地提取BIM技术消防设计信息，既解决了获取消防设计信息效率低下的难题[10]，又提高了消防设计审查效率和准确性[11]。

本文对基于BIM的消防设计自动审查关键技术进行了综述，首先介绍了合规性自动审查系统的发展现状， 其次梳理了该系统中的消防设计审查关键技术研究现状，最后对关键技术的发展方向进行了讨论与展望。本文为消防设计自动审查系统的建设提供了理论支撑，进而促进消防设计审查主管部门审查工作的顺利开展，也为工程建设审批时间的缩短和政府“放管服”改革的纵深推进提供了决策支持。

1 合规性自动审查系统概述

1.1 概述

合规性自动审查是指在不修改建筑设计的前提下，通过将建筑物的构造、内部构件之间的关系或属性与所设定的规则进行对比，以评估设计方案是否合规。目前，最为成熟的合规性自动审查方法体系是由Eastman教授[12]于2009年提出，分为规范解读、模型准备、审查阶段以及结果报告四个阶段。在建筑、工程和施工行业(AEC)中，合规性自动审查系统需要审查的内容包括建筑、结构、给排水、暖通和电器五大专业，以及消防、人防、节能和装配式四大专项。本文所涉及的消防设计自动审查属于合规性自动审查体系的一部分，如图1所示。

图1 Eastman合规性自动审查方法体系与审查内容示意图

1.2 发展现状

国际上已对合规性自动审查进行了数十年的研究，旨在提高效率和节省成本的前提下，在标准规范所限定的范围内，为建设工程的全面、高效和准确审查提供计算支持。郭荣钦等[13]在Dimyadi等[14]绘制的合规性自动审查发展时间轴基础上进行了修正。本文在此基础上又增加了人工智能和国内合规性自动审查系统的发展进程，重绘如图2所示[13,14]，其中图2上半部为合规性自动审查的国内外研究进展，图2下半部为计算机操作系统、CAD系统、人工智能等发展进程作为参考。

图2 合规性自动审查的国际研究时间表(重新绘制)

可以看到，国外在推广使用BIM审查系统、推动设计单位建立BIM建模标准、达到BIM正向设计方面的研究较为成熟，比如挪威EXPRESS Data Manager(EDM)[15]、芬兰Solibri Model Checker(SMC)[16]、新加坡CORENET e-PlanCheck[17]等都是持续研发多年的合规性自动审查系统，还有美国SMARTcodes[18]、新加坡FORNAX系统平台[19]、韩国KBimCode软件[20，21]等。虽然国外针对合规性审查的插件、模块或独立应用程序的研发较为成熟，但存在可扩展性差等问题，并且由于内置规则集格式不同、所用计算机语言不同，导致软件之间无法实现研究成果的共享，同时还要求使用者同时掌握建设工程领域及计算机编程语言，难度较高[22，23]。

由于中文与外文的文本特征差异较大，国外相关研究成果无法直接将应用于中文标准规范，因此，国内BIM自动审查系统的发展相对滞后。国内最早的BIM自动审查系统软件是广联达BIM审图软件[24]，主要用于分楼层、分专业的管线碰撞检查，其功能无法满足消防设计自动审查的需求[2]。清华大学软件学院BIM课题组[3]研发了基于IFC格式的BIM-Checker工具以实现IFC模型完整性的自动检查，支持多种业务规范和不同的BIM模型表示。程嗣睿[25]开发了建设工程BIM设计标准化智能审查原型系统，通过将IFC格式的某住宅楼BIM模型上传至原型系统进行测试，验证了审查属性提取算法的可行性。穆磊[26]设计开发了基于BIM的建筑消防自动审图系统，通过构建建筑消防知识图谱，对IFC格式建筑模型进行消防设计自动审查。湖南省于2020年6月1日上线BIM数字化审查系统[27]，已具备建筑、结构、水、暖、电、人防、消防、节能及装配式等专业的三维辅助审查和结构、建筑消防专业部分条款的智能审查功能。广州市BIM审查系统计划于2020年10月1日试运行[28]，该系统是基于BIM三维模型的线上自动审查系统，审查范围包括建筑、结构、给排水、暖通、电气5个专业和消防、人防、节能三个专项中可量化的部分条文。

综上所述，国内的各类BIM审查系统实现了部分标准规范文本的信息抽取及局部自动化，存在的问题是审查范围局限，无法实现完全自动审查，部分审查单位仍依靠三维浏览BIM模型或者内部漫游人工检查方式，当模型体量较大时，还会出现漏检问题[29]。因此，消防设计自动审查作为合规性自动审查的研究分支，分析其关键技术研究现状、总结当前存在的问题，对于提高审查的完整性、高效性和准确性具有重要意义。

2 消防设计自动审查关键技术研究现状

消防设计自动审查的研究主要集中在规范解读、模型准备和审查阶段三个领域，其中，规范解读和模型准备对自动审查结果起着决定性作用。为了实现完整、高效和准确的消防设计自动审查，本文从消防标准规范的信息抽取(规范解读)和基于BIM模型的消防设计信息提取方面(模型准备)进行综述，分析其研究现状、总结存在的问题，以便选择合适、高效的方法或技术路线。

2.1 消防标准规范的信息抽取

消防标准规范的信息抽取[30]作为消防设计自动审查功能实现过程中最基础、最关键的步骤[31]，主要目的是将自然语言编写的消防标准规范文本转换为计算机可处理的结构化形式，消防标准规范信息抽取方法分类如图3所示。

图3 消防标准规范信息抽取方法分类

(1)信息抽取研究现状

传统基于规则和概率的信息抽取方法简单实用，但严重依赖于人工提取的特征，还会出现维度灾难现象[32]，时间和经济成本高，所提取特征有限。自2006年深度学习提出后，人工智能领域的最新进展使得标准规范文本的信息抽取技术水平得到大幅提升[33]。通过深层神经网络能够完成对特征的自动提取和表示，研究表明：在对海量数据进行信息抽取时，基于深度学习的信息抽取效果优于传统的信息抽取方法[32]，在性能、精度和召回率方面有明显提升[34]。自然语言处理技术(NLP)的迅速发展实现了通过计算机来提取和解释标准规范文本的功能[35]，但是这种方法还不够成熟，不能在实际审查应用中得到充分利用。

Ismail等[36]指出目前信息抽取的两种通用方法，一种是由程序员将标准规范翻译成计算机代码。Luo等[37]引入决策表和产品表示对标准规范进行信息抽取，并采用基于综合评价的方法简化规则，该方法在使用参数输入表和脚本语言方面也取得了进展[31]，缺点是要求使用者具有高水平的专业知识来实现信息抽取的定义、翻译和维护。Lee、Park等[20，21]提出将韩文转换为计算机可执行代码(KBimCode)的机制(KBimLogic)，并将代码导入合规性审查软件(KBimAssess)中，针对《韩国建筑法》进行了相关应用。CORENET ePlanCheck项目[38]中采用了临时自由格式文档或使用概念图并通过更正式的文本形式来进行标准规范的信息抽取。Dimyadi等[33]为实现法律条文的信息抽取，通过LegalDocML[39]和LegalRuleML[40]来表示标准规范的文字内容和逻辑内容。

可以看到，信息抽取的最终成品一般是采用XML格式的各种语义模型中的可计算表示形式，例如Legal-RuleML[61]，BPMN[62]，用于IFC验证的mvdXML[63]，还有如韩国KBim项目所使用的元语言(可以编译为程序语言)[64]，以及SWRL或SPARQL-SPIN等使用语义网[65]或BERA[65]的标准查询或规则语言。

综上所述，通过研究人员的不懈努力，信息抽取技术的发展方向已从单一的利用现有软件(如Solibri Model Checker)、研发应用程序插件、基于对象、逻辑、本体论方法[36]和自然语言处理(NLP)发展到更复杂的多种方法的交叉结合。但Solihin等[66]也指出，除了通过自然语言处理(NLP)实现信息抽取的完全自动化如Zhang[45]的研究外，其他的信息抽取研究基本都需要人工参与。但是，即使在自动化的信息抽取方法中，也需要专家知识来提供训练和验证样本，并提供用于验证的黄金标准。

在不同语言的信息抽取研究方面，针对英文、韩文的标准规范信息抽取研究较为成熟。余君等[67]使用Solibri Model Checker(SMC)平台内置有限量的规则模板，通过设置规则模版参数的方式对初始的软件审查规则集中的每一条子规则进行翻译，得到SMC规则集。Guo等[68]建立安全规范和BIM模型设计组件的编码规则，根据编码将自然语言规范和设计组件一一对应。此外，也有专家借助成熟的系统和模型检查平台软件实现了规范条文的自动或半自动结构化，如语义过滤器(Semantic filter)[46]。

由于中文没有固定的句法结构和表达模式，与英文、韩文相比差异较大，其语法结构、表达模式更为复杂，因此英文、韩文信息抽取的研究成果无法直接运用于中文[2]，导致中文的信息抽取较为困难。目前以基于本体的知识建模[69，70]和形成产生式规则(IF-THEN)的专家系统建模[10，71-75]为主，但两种方法都需要领域专家花费大量时间本体推理或构建模型，且面对复杂的本体推理与模型构建，容易出现纰漏。

(2)消防标准规范信息抽取研究现状

消防标准规范的信息抽取结果主要用于消防设计的自动审查，由于审查过程中的任何结论都关系到整个设计方案的二次修改，因此信息抽取的好坏会在很大程度上影响审查结果的公平性。由于领域性问题，消防标准规范中会包含大量的消防术语，因此对消防标准规范的信息抽取是一项重要工作，但是目前国内在此方面的研究还相对欠缺，为提高消防标准规范的信息抽取质量，首先要分析消防标准规范的文本特点。

我国消防标准规范的文本具有以下特点(如图4所示)：

图4 消防标准规范文本特点

(1)消防标准规范数量众多；

(2)文本篇幅长；

(3)专业词汇多；

(4)消防标准规范之间关系复杂，存在交叉引用；

(5)不同省份与地区之间规范要求不同；

(6)消防标准规范需要频繁更新来适应当地环境、新材料以及利益相关者之间的关系变化[2]。

另外，消防标准规范语言本身的表达方式多样、文本编写者用词不统一、用词标点不规范等缺陷都增加了消防标准规范的信息抽取难度，如果没有消防专业背景的专家介入或没有建立完整的消防词汇库，就很难顺利进行消防规范的信息抽取。但由于消防标准、规范本身有一定的体例格式，因此，不论使用基于规则、概率、机器学习或深度学习的方法进行信息抽取，都有利于准确定位所需要抽取信息在文本中的精确位置，能够显著提升信息抽取的效率和理解的精度。

基于消防标准规范的文本特点，国内学者对消防标准规范的信息抽取进行了研究。周涵[76]使用运用语义标记运算符、本体论建模以及生成检查规则集的方法实现了规范条文的信息抽取，并对《住宅室内装饰装修设计规范》JGJ 367-2015进行了方法应用。胡培宁[70]以BIM模型为基础，利用了本体论方法对《建筑设计防火规范》GB 20016-2014的6.4.1-6.4.5章节的内容进行了尝试性的信息抽取，并提出了一种适用于建筑防火设计审查的方法流程。张荷花等[77]在BIMChecker工具中，研究实现了基于自然语言处理从规范文本自动抽取领域知识的方法，并以《建筑设计防火规范》(GB 50016-2014)为例进行了信息抽取，建立了防火规则库。舒赛[2]使用上下文无关文法对16篇常用中文消防设计规范进行了结构化研究，得到了六类规范的结构化规则表达式。穆磊等[78]基于Google提出的知识图谱概念建立了建筑消防知识图谱，并借助人工智能领域中的自然语言处理算法进行信息抽取等工作，利用分类学构建技术构造了完整的消防规范本体结构。2020年6月，住建部同意深圳利用人工智能和大数据等技术，研发智能化施工图审查系统[79]。

可以看到，为实现中文消防标准规范的信息抽取，学者们目前已尝试了语义网、框架方法、本体论方法、自然语言处理方法、知识图谱方法等，也取得了一些研究成果。但是这些信息抽取方法在应用过程中也存在着不同程度的问题，比如本体论方法应用于非结构与非清晰的规范文本时，可能会导致规则开发的不稳定性，且无法实现规范内容的完整结构化[80]； 使用基于规则的方法进行信息抽取时非常依赖消防领域专家知识，十分耗时耗力，且很难移植到消防以外其他领域，使得不同领域的信息提取需要进行大量重复工作； 使用基于深度学习的方法进行信息抽取无法准确给出“有”或“无”这样的答案，能够给出的只是某一类别的可能概率，某个文本的高频词汇等[81]。总体来说，国内相关研究尽管起步较晚，但是随着深度学习技术的发展和计算机硬件水平的提高，越来越多的研究人员会将通用领域中的信息抽取模型应用到消防设计的自动审查中。

2.2 基于BIM模型的消防设计信息提取

(1)概念

基于BIM模型的消防设计信息提取，是从建筑设计BIM模型中提取相关的消防设计信息的过程，所提取的消防设计信息用于对照信息抽取后的消防标准规范，以判断是否符合规范要求。BIM模型数据的兼容性、流通性和数据生存寿命是BIM技术应用是否成功的关键所在，如果数据互通性很差，没有标准数据接口，不能兼容共享，形成数据的孤岛，那么这样的BIM毫无意义。因此，为实现基于BIM的消防设计自动审查，如何提取BIM模型内含的消防设计信息，成为了当前BIM审查研究的重点。

(2)研究现状

BIM模型实现了建筑设计信息的数字化，但很多隐含的设计信息仍无法直接得到(如消防设计中的疏散距离、防火分区面积等)[59]。目前BIM模型的设计信息提取方法首选的解决方案是尽可能在设计程序或规则检查程序中自动派生所需审查数据，具体是：

1)对BIM建模软件进行二次开发，得到具有设计信息提取功能的插件或模块；

2)借助建模软件本身的属性导出功能，将BIM模型导出为存储设计信息的格式文件，如图5所示。

图5 BIM模型的消防设计信息提取

综上所述，当前基于BIM模型的消防设计信息提取方法存在的问题有：

(1)BIM模型信息提取方法大多针对国内广泛应用的Revit建模软件，具有很大的局限性；

(2)BIM模型内消防设计与其他专业相比，其设计深度不足，导致消防设计信息本身不完整；

(3)BIM模型消防设计信息提取方法本身多数通过映射实现，存在大量的属性丢失，且仅适用于特定格式(如IFC、XDB或GDB格式等)，目前仅实现了半自动化的消防设计审查。

3 讨论与展望

3.1 消防标准规范的信息抽取发展方向

针对消防规范的信息抽取方法选择，要综合根据以下几个方面来决定：

(1)要适合中文的文本特点，因为在中文语境下，汉字的笔画和拼音同样具有语义信息[85]；

(2)要适应消防标准规范的体例格式；

(3)要适应消防规范的经常性修改，也就是信息抽取方法能够根据消防规范的修改内容实现快速更新；

(4)信息抽取的准确率、召回率和F值要达到一定水平。

为了实现更好的消防标准、规范的信息抽取，研究是否可以将不同方法的优势进行整合来实现较高质量的信息抽取。比如采用基于规则的方法，其优势在于时间复杂度非常低，识别准确率比较高，其识别结果是“有”和“无”的集合[81]； 采用深度学习的方法，其优势在于可以主动学习文本的句法语义特征，进而学习到所抽取信息的深度特征，降低人工特征的制定难度，并有较好的客观性[86]； 将基于规则和基于深度学习的信息抽取方法进行优势互补，是可行的消防标准规范信息抽取的发展方向。

3.2 基于BIM模型的消防设计信息提取发展方向

为解决当前基于BIM模型的消防设计信息提取方法存在的问题，在方法选择方面一般要满足以下原则：

(1)尽量简化资料提交方的操作流程复杂程度；

(2)保证BIM模型相关消防设计深度满足自动审查的需求。

由于第五代移动通信技术(5G)的正式商用，轻量化的基于WEB的审查平台与专用审查软件相比优势巨大，其使用灵活、占用资源少的特点既满足了审查方需求，也减少了资料提交方的审查资料格式转换负担； 与此同时，由于5G上传速率的巨大提升，直接向基于Web的审查平台提交完整BIM模型文件的方法完全可行，无需将BIM模型转换为专用于审查的特定格式(如IFC、XDB或GDB格式等)，避免了映射导致的大量属性丢失问题。

解决了审查平台的问题之后，需要处理BIM模型的消防设计深度问题，其目的在于保证审查所需的消防设计信息完整，有以下两种实现思路：

(1)提高消防设计深度的标准要求；

(2)不改变原有消防设计深度，同时在基于Web的审查平台中添加简单二维、复杂三维的几何信息计算法和逻辑推理获取属性法等方法，实现BIM模型中直接和间接消防设计信息的自动提取。

3.3 BIM标准规范的顶层设计

推行基于BIM的消防设计自动审查，不仅要在关键技术如消防标准规范的信息抽取、基于BIM模型的消防设计信息提取技术中进行深入研究，还需要制定有关BIM的相关规范来实现基于BIM的消防设计自动审查各个环节的无缝对接。

目前来看，一方面是甲方(建设单位)针对BIM应用进行了标准编制，比如2020年7月发布的由融创与万达携手主编的《文化旅游工程建筑信息模型应用标准》(征求意见稿)[87]，该标准提炼了多个国内标杆文旅项目的BIM应用实践经验，但是有关消防设计的内容非常少，仅涉及了消防救援窗、消防车道、防火隔离幕等内容。

另一方面，设计方也针对BIM应用进行了标准编制，比如2020年5月中国工程建设标准化协会发布了《城市道路工程设计建筑信息模型应用规程》[88]；同年6月，湖南省住建厅发布了《湖南省装配式建筑信息模型交付标准(征求意见稿)》[89]，广州市住建局发布了《施工图三维数字化审查技术手册》《施工图三维数字化设计交付标准》《施工图三维数字化交付数据标准》[28]。以上标准虽然在消防设计方面涉及内容较多，但与其他专业相比，BIM模型内的消防设计深度仍然不足，导致消防设计信息本身并不完整，且在设计交付的标准方面采用了不同的数据格式，比如XDB或GDB格式，导致各省、市之间的BIM设计信息交付数据兼容性差，严重影响消防设计审核效率。

因此，为解决基于BIM的消防设计自动审查在标准规范层面存在的以上问题，应在更高层面上对基于BIM的消防设计标准、消防设计交付标准和消防交付数据标准方面进行统一，便于我国各省市在制定基于BIM的消防设计相关标准时有统一的参考标准，为实现基于BIM的消防设计自动审查奠定基础。

可以预见的是，随着建筑信息模型BIM的推广和应用、合规性自动审查理论体系的不断完善，以及深度学习、第五代移动通信技术等科技的快速发展，基于BIM的消防设计自动审查关键技术将大有作为。