摘要：人工消防设计审查方式耗时长、审查尺度难把控、效率较低，近几年国内推行的建筑信息模型(BIM)审查系统仍以二维施工图人工审查为主、BIM审查为辅，在消防设计审查方面仅实现了局部自动化。为了实现基于BIM的消防设计自动审查，提高消防设计审查效率，本文对基于BIM的消防设计自动审查关键技术进行了综述。介绍了合规性自动审查系统的发展现状，针对消防设计自动审查的关键技术，也就是消防标准规范的信息抽取技术和基于BIM模型的消防设计信息提取技术，进行了研究现状和不足之处的综述。讨论了关键技术的具体方法选择原则及思路，并建议加强BIM相关规范的顶层设计。本文能够为消防设计自动审查体系的完善、消防设计审查主管部门审查工作的顺利开展以及工程建设审批实现的缩短和政府―放管服‖改革的纵深推进提供决策支持，具有较强的实用意义。
关键词：建筑信息模型;消防设计;合规性自动审查;标准规范信息抽取;BIM消防设计信息提取
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]、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，实现消防设计的全面、高效和准确审查是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、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(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与消防设计自动审查相结合，既能利用计算机全面高效提取BIM消防设计信息，解决了获取消防设计信息效率低下难题[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;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。以期为消防设计自动审查系统的建设提供理论支撑，进而促进消防设计审查主管部门审查工作的顺利开展，也为工程建设审批实现的缩短和政府―放管服‖改革的纵深推进提供决策支持。
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[12]，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，如图所示。
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，其目的是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[6]。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，重绘如图所示，其中图上半部为合规性自动审查的国内外研究进展，图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。
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EXPRESSDataManager(EDM)[15]、芬兰SolibriModelChecker(SMC)[16]、新加坡CORENETePlanCheck[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BIMChecker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年月日上线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、电气个专业和消防、人防、节能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。
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。CORENETePlanCheck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。
另一种是基于人类语言的逻辑使用计算机代码对标准规范进行翻译，该方法的优点是适用范围广，对没有编程背景的建筑专家较为友好，具体有基于语义、规则、自然语言处理(NLP)、一阶逻辑表示、本体论等信息抽取方法。Zhang等对合规性自动审查进行了系统研究，分别使用基于语义[41]、基于混合句法(语法相关)和语义(上下文相关)的自然语言处理[42]、基于本体论的语义文本特征(概念和关系)识别[43,44]、基于封闭和开放世界假设的一阶逻辑表示[4]、基于语义和逻辑的自然语言处理[45]，并在《国际防火规范》(2009年版)第12章、《国际建筑规范》(2009年版)第19章中进行了信息抽取测试。
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，一是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];二是适应消防标准规范的体例格式;三是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;四是信息抽取的准确率、召回率和值要达到一定水平。
为了实现更好的消防标准、规范的信息抽取，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，有两种实现思路，一种是提高消防设计深度的标准要求;另一种是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。
3.3BIM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年月发布的由融创万达携手主编的《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年月中国工程建设标准化协会发布的《城市道路工程设计建筑信息模型应用规程》[88]，2020年月湖南省住建厅发布的《湖南省装配式建筑信息模型交付标准(征求意见稿)》[89]，以及2020年月广州市住建局发布的《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》和《施工图三维数字化交付数据标准》[28]。以上标准中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不完整，并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。
参考文献
[1]中华人民共和国住房和城乡建设部.建设工程消防设计审查验收管理暂行规定[EB/OL].[20200901]. http://www.mohurd.gov.cn/fgjs/jsbgz/202004/t20200404_244813.html.
[2]舒赛.支持图审的消防设计规范条文自动结构化方法[D].武汉:华中科技大学土木工程与力学学院,2019.
[3]GuJ,ZhangH,GuM.AutomaticintegritycheckingofIFCmodelsrelativetobuildingRegulations[C]//ProceedingsoftheInternationalConferenceonInternetMultimediaComputingandService.Xi'an:AssociationforComputingMachinery,2016:5–56.
作者：马一飞吴海洋赵利宏卫文彬孟天畅
相关阅读
