語義網賦能建筑信息交付及模型數據模式分析

劉吉明　段立平　林思偉　繆季　趙金城

摘要：針對以建筑信息模型（BIM）進行交付的信息共享模式所依賴的工業基礎類（IFC）標準行業適用性不足且難以拓展的問題，探討在IFC基礎上引入語義網實現異源數據集成共享，并于語義層面實現信息交付。首先，通過算法解析和模型轉化介紹語義化建模方法，并以二層鋼框架廠房結構為例對該方法進行說明；然后，通過對轉化案例進行數據模式分析，以驗證建筑信息交付的準確性和建筑語義的可傳遞性。案例實踐論證基于IfcOWL本體的語義化建模方法的可實施性；通過分析該語義化模型單元實例的數據模式，探究制約該語義化建模方法賦能建筑信息交付的關鍵因素；針對語義化建模方法所面臨的問題，提出冗余信息規避、領域本體開發和輕量化語義建模的初步解決思路。SPARQL查詢實例表明，所解析的數據模式對規避冗余信息有效。因此，該方法在共享和集成建筑多源異構信息方面具有優勢，能有效提升建筑信息管理的智能化水平。

關鍵詞：建筑信息交付；語義網；數據模式分析；工業基礎類；建筑信息模型

中圖分類號：TU205；TP391? ? ?文獻標志碼：A? ? ?文章編號：2096-6717（2024）01-0244-10

Building information delivery and model schema analysis empowered by Semantic Web

LIU Jiminga， DUAN Lipinga，b， LIN Siweia， MIAO Jia， ZHAO Jinchenga，b

（a. School of Naval Architecture， Ocean and Civil Engineering； b. Shanghai Key Laboratory for Digital Maintenance of Buildings and Infrastructure， Shanghai Jiao Tong University， Shanghai 200240， P. R. China）

Abstract：? In the construction industry， information sharing by the building information modeling （BIM） generally relies on the industry foundation classes （IFC） schema， but the latter，s unsatisfactory adaptability and inextensibility restrain the former. To overcome the limitations， the Semantic Web was introduced based on the IFC schema to realize heterogeneous data integration and sharing and further achieve semantic-level information delivery. Firstly， the semantic modeling method was introduced through algorithm analysis and model transformation. Secondly， this method was used to create a semantic model for a two-story steel frame building. Finally， the schema of this model was verified for accuracy of the building information delivery and the transferability of the building semantics. The practicability of the semantic modeling method with IfcOWL ontology was supported by the modeling case. The key factors that restrain this semantic modeling method from empowering building information delivery was explored by analyzing the schema of the element of the semantic model. And introductory ideas about redundant information avoidance， domain ontology development， and lightweight semantic modeling were proposed to fill the gap. The SPARQL query case shows that the parsed schema is effective for avoiding redundant information. Consequently， this method has advantages in sharing and integrating multi-source heterogeneous building information and can effectively improve the intelligent level of building information management.

Keywords： building information delivery； Semantic Web； data schema analysis； industry foundation classes （IFC）； building information modeling （BIM）

在推行數字化建造的過程中，項目各方信息流通困難、專業軟件數據格式各異、建筑信息多源異構及大數據特征等問題嚴重阻礙了行業智能化轉型。這些涉及信息集成、流通與管理的問題可統稱為信息交付問題，而傳統碎片化、分散式的交付方式已無法滿足數字化建造需求，因此亟需革新建筑信息交付方式以打破信息孤島壁壘。

建筑信息模型（Building Information Modeling，BIM）技術及其信息交付標準工業基礎類（Industry Foundation Class，IFC）的興起為上述問題帶來了轉機。IFC是由buildingSMART International（bSI）提出的開放且中立的數據交換格式，其通過描述建筑模型的幾何架構、語義架構以及二者的相互關系，實現了對建筑信息的完整描述。也正因如此，IFC被認為適用于建筑全生命周期中的大部分數據交換場景。例如，劉照球等[1]基于BIM的模型集成框架、賴華輝等[2]基于IFC標準的信息共享方法、馬智亮等[3]基于IFC標準的建筑能耗監測靜態信息模型都有效提升了信息交付效率。然而，由于IFC標準存在編寫語言普及程度低和數據架構復雜、難以拓展的問題[4]，該技術仍無法解決信息交付難題。

此外，通過建立數學表達式或開發算法來建立數學模型的方法也是一種可行的數據集成方式，比如魏國海等[5]的火災損傷多元信息融合模型、Liu等[6]基于數字孿生的信息融合框架，以及張立奎等[7]用于橋梁變形重構的基于LSTM神經網絡的多元信息融合方法。但現有的數學建模方法無法涵蓋所有相關因素，并且所建模型高度抽象，故而也難以在實踐中得到推廣。

針對以上問題，筆者在IFC標準基礎上引入語義網以克服其局限性。首先，介紹語義網核心技術架構，并分析語義網拓展IFC功能的可行性。然后，利用Pauwels等[8]提出的轉化方法執行建筑信息語義化建模，通過驗證所建模型數據傳遞的準確性來說明該方法的可行性。最后，分析所建模型的數據模式以探討制約該技術實踐應用的關鍵因素，并基于分析的數據模式提出冗余信息規避的可行方法。

1 語義網核心技術與IFC功能拓展

語義網是萬維網之父Berners-Lee等[9]于1998年提出的一種網絡技術，旨在解決“傳統網絡僅作為給用戶提供文檔的媒介而無法直接處理數據信息”的問題。該技術的主旨是通過機器可理解的統一信息描述來共享暫存信息，而這一功能特征恰與建筑業亟需解決的信息交付難題高度契合。正因如此，語義網賦能建筑信息交付得到學者廣泛探究。其中，專研建筑信息智能化的國際組織bSI不僅成立鏈接數據工作組（Linked Data Working Group，LDWG）來實現IfcOWL本體的標準化，同時還將語義網納入其技術路線圖[10]。

1.1 語義網核心技術

Berners-Lee最早提出了語義網基本架構，其逐步發展完善為現行的語義網堆棧[11]。該技術架構下的資源描述框架（Resource Description Framework，RDF）、本體與網絡本體語言（Web Ontology Language，OWL）以及SPARQL（SPARQL Protocol and RDF Query Language）三項核心技術為其數據表示、邏輯推理和知識查詢功能提供支持。

RDF是萬維網聯盟（World Wide Web Consortium，W3C）提出的以相互關聯的有向標記圖描述資源信息的標準框架。通過以主體-謂詞-客體的三元組表達式描述資源，實現對多源異構數據的統一表達，進而為語義化建模和知識查詢推理奠定數據基礎。

本體和OWL是語義網體系中賦予模型高級知識邏輯的關鍵模塊。本體原為哲學領域概念，知識工程引入該術語以創建自動推理信息模型。OWL特指W3C推行的OWL2網絡本體語言，是一種旨在表述事物、事物組及事物間關系所蘊含知識的陳述性語言。在語義網架構中，把基于OWL概念創建的RDF圖稱為OWL本體，用以彌補RDFS（Resource Description Framework Schema）語義豐富度不足的缺陷。圖1所示是W3C倡議的OWL2本體的分類架構和主要配置文件[12]，其中OWL2 DL本體在知識推理工具中應用最廣。其原因在于OWL2 DL可產生與SROIQ描述邏輯兼容的語義，且根據相似理論[13]，其推論足夠可信，故推理工具可參照描述邏輯的實踐經驗進行開發。

SPARQL是基于圖模式匹配的RDF查詢語言，可跨數據源作聯合查詢并返回RDF圖。SPARQL可對匹配圖模式作增刪查改，進而實現RDF數據集的動態更新。除查詢外，知識推理也是語義網的重要功能。語義網不僅有源自RDFS和OWL的推理邏輯，還可借由SWRL、SPIN和SHACL規則語言實現高級知識推理。此外，輔助本體開發的本體推理也是一種知識推理形式[14]。

1.2 語義網拓展IFC信息交付功能

在實際信息交付場景中，IFC標準所面臨的主要問題是數據模式難以拓展和信息提取修改困難。通過分析各問題致因以及語義網處理該問題的優勢，論證了語義網拓展IFC信息交付功能的可行性。

拓展性問題是指難以擴充既定的IFC數據模式來滿足個性化的信息表述需求，該問題主要源于定義數據模式的EXPRESS語言。首先，這是一種不常用的聲明性語言，難以被建筑業用戶所掌握；其次，該語言可定義的信息類型繁雜（可同時定義實體、關系、規則及復雜數據結構），故由其聲明的IFC數據模式復雜且難以擴展。bSI針對該問題提供了自定義屬性集和數據字典的解決方案，但前者難以實現術語對齊，后者缺乏靈活性而無法提供有效幫助。語義網能夠集成本體和描述邏輯對各領域信息進行個性化知識表示，然后依托本體映射實現語義層面的一致性匹配，進而將IFC兼容信息與其他信息進行統一表達。因此，語義網技術可有效解決IFC標準面臨的拓展性難題。

IFC標準的另一個問題是缺乏高效的信息查改方法。IFC-SPF文件是基于IFC數據模式編寫的純文本文件，該文件不僅可讀性差，而且難以對IFC語句進行修改。Mazairac等[15]曾為此提出了一種檢索IFC信息的查詢語言BIMQL，但該方法不僅只能用于信息查詢，還難以被用戶掌握，故未得到廣泛應用。在語義網被引入建筑領域后，Krijnen等[16]隨即提出利用SPARQL來彌補BIMQL存在的不足。其原因在于：首先，SPARQL用法與SQL語言類似，容易被用戶所掌握；其次，SPARQL可直接對RDF圖進行增刪改查；并且用戶還能通過SPARQL對SPARQL端點中的RDF數據進行遠程訪問，有助于開發項目信息管理的云服務。

除以上優勢外，語義網的知識推理功能有助于高效利用建筑信息。在項目管理過程中，所集成數據增多，隱含知識也隨即陡增。而挖掘隱含知識對于開發項目管理服務是有益的。如，Wu等[17]將卷積神經網絡識別的人的施工行為信息與人和構件空間關系信息集成，再引入從施工技術規范中轉化的SWRL規則，識別了危險施工行為。因此，語義網有助于讓IFC表達的信息切實服務于實際工程。

2 IFC標準賦能BIM信息集成共享

鑒于在IFC模型基礎上進行語義化建模，故對IFC模型的生成方式和信息轉化效率進行分析。

2.1 模型視圖定義

模型視圖定義（Model View Definition，MVD）是對BIM模型作數據篩選輸出IFC模型的過濾器。其興起的原因在于隨著BIM信息交付所涉及領域的不斷擴張，IFC標準面向不同專業的數據冗余問題愈發突出，因此，bSI推出MVD作為IFC標準的子集以適應不同應用需求。

bSI在其MVD數據庫收錄了MVD的所有可用版本，而在建筑業BIM軟件中得到應用的分別是IFC 2×3協調視圖2.0（Coordination View 2.0，CV 2.0）、IFC4參照視圖及IFC4設計傳遞視圖。其中CV 2.0在各類軟件中兼容性最好，應用也最為廣泛。但bSI正在積極推進IFC4標準相關MVD的研發與推廣，從視圖所涉范圍的廣度和更新速度來看，IFC4全面取代IFC 2×3標準是必然趨勢。

2.2 不同IFC模型數據轉化效率對比

為對比經不同MVD輸出IFC模型的數據轉化效率，選取如圖2所示的雙層鋼框架廠房結構作案例分析。利用集成式IFC解析器（https：//github.com/Autodesk/revit-IFC）從Revit中以CV 2.0、參照視圖和設計傳遞視圖分別輸出IFC模型，將其分別讀取并匯總信息，如表1所示。在所有輸出模型中，參照視圖（結構）丟失信息最為嚴重，該視圖因忽略樓板的信息輸出，直接導致實體總數異常；CV2.0因對梁實體的區分只考慮構件截面類型而忽視建模方法與梁長差異，故輸出的實體關系信息偏少；至于設計傳遞視圖，由于其材料關系定義采取實例與材性映射方式，因而此關系數目多于其他輸出結果，從語義化建模角度來看，這種表達形式能夠涵蓋更完備的構件信息，有助于提高語義化建模精度。

針對該案例的樓板信息轉化結果，進一步對比各輸出模型轉化效率。樓板采用壓型鋼板-混凝土組合樓板，Revit建模時采用雙層組合形式。在樓板的信息轉化過程中，參照視圖與CV 2.0只能將其簡化為單層混凝土構件；并且前者還縮減了樓板的實體關系，尤其是材料關系的輸出，導致建筑信息嚴重丟失。而設計傳遞視圖對于組合樓板的信息轉化效果明顯優于前述視圖，該視圖不僅有效保留了構件應有的實體關系，還能將組合樓板以雙層形式正常輸出。因此，設計傳遞視圖輸出模型在保真度和信息豐富度方面有明顯優勢。

3 建筑信息語義化建模及其轉化機制

語義化建模旨在以RDF對IFC實體信息作資源虛擬化。針對此轉化需求，Karan等[18]通過集成自定義BIM本體與地理信息系統（Geographic Information Systems，GIS）本體來處理IFC屬性，進而生成BIM與GIS集成的RDF模型；W3C則致力于研發以BOT（Building Topology Ontology）為代表的輕量化本體[19]，并且由Bonduel等[20]開發出的IFCtoLBD轉換器實現了基于BOT本體的RDF建模；此外，Niknam等[21]也提出了一種可用于建筑信息共享的通用本體BIMSO。與上述3種方法相比，Pauwels等[8]倡議的基于IfcOWL本體的轉化方法能夠對IFC兼容的所有建筑信息執行語義化建模，在適用性與技術成熟性方面更具優勢，因此應用其開發的IFCtoRDF-0.4轉換器（https：//github. com/pipauwel/IFCtoRDF）作語義化建模。

對于已開發的IfcOWL本體而言，IFC4對應本體相較于IFC 2×3對應本體在類層次關系及公理數目上更具優越性，再結合前文各IFC模型的轉化效果，最終選定設計傳遞視圖輸出模型進行語義化建模。建模步驟分為IFC-SPF文件向Turtle文件轉化和引入IfcOWL本體實現高階語義賦能。在JDK17的編譯環境中啟動轉換器并執行文件轉化，然后將初始RDF模型導入Protégé本體編輯器，最后用IfcOWL本體為該模型賦予建筑語義內涵。

3.1 IFC to RDF轉化算法解析

為明晰轉換器的工作原理，通過IntelliJ IDEA將其運行于maven項目，并對其轉化機制作源碼分析。如圖3所示，主程序涵蓋了IFC模型轉化從參數輸入到初始RDF模型輸出的全過程；程序根據命令行參數自動識別轉化模式，依次調用showFile（ ）、setup（ ）與convert（ ）方法執行文件讀取、規范設置和格式轉化，并最終輸出初始RDF模型。其setup（ ）方法用于確定IFC標準的版本并導入為文件轉化提供規范參照的序列化文件；convert（ ）方法則實現了文件解析、本體注冊、資源創建以及三元組編寫。鑒于此二者在文件轉化中的重要作用，圖3也對其運行流程予以展示。為提升所繪流程圖的可讀性，對某些不可能發生的條件分支進行甄別。例如，在轉化模塊的紅框標識步驟，參照合法IFC語句，不會將Type類型實體作為其實體聲明，把程序針對該情況對應的條件分支予以省略。

轉換器執行文件轉化的核心步驟包括參考標準導入、IFC語句解析和三元組編寫。在設置模塊中，通過反序列化IFC標準的序列化文件導入參考標準；在轉化模塊加粗藍框標識步驟中，調用 parseIfcLineStatement（ ）解析IFC語句；三元組則在轉化模塊不同步驟中根據其類別調用特定方法予以編寫。為分析語句解析的基本邏輯，繪制如圖4（a）所示的算法偽代碼。圖示switch分支語句的前兩項分別完成語句編號和實體名稱的解析，后兩項則聯合完成括號內各屬性值的解析。在該算法中，程序主要利用IFC語句的特定字符對控制條件state作調控，進而執行恰當的分支語句以完成語句解析。另外，對于屬性值為數組甚至是多維數組的復雜情形，程序則利用棧數據結構和雙向鏈表數據結構進行分層解析。

IFC語句對應三元組主要源于屬性信息的轉化，如圖3中屬性轉化子模塊所示，程序將依據屬性值所屬類型來執行相應分支語句，進而編寫三元組。分析了字符串屬性值轉化分支的運行邏輯，并將該分支調用的fillPropertiesHandleStringObject（ ）方法的算法偽代碼繪圖如圖4（b）所示。此算法的核心在于識別屬性類別以及創建并添加屬性資源集合鍵值對，主要遵循從字面值賦值到頂層屬性賦值這一自下而上的邏輯。對于轉化過程中遇到的非常規情況，將以不同級別示警在運行日志中予以提示。其余轉化分支雖然具體流程與前述算法略有區別，但轉化邏輯類似，可參照理解。

利用此轉換器輸出雙層鋼框架廠房的初始RDF模型并導入Protégé應用程序，由于轉化過程已基于Apache Jena框架實現本體類的注冊，故可引入IfcOWL完成建筑語義賦能。

4 語義化建筑信息模型數據模式分析

為探討基于IfcOWL語義化建模方法未得到有效使用的可能原因，對語義化模型單元實例的數據模式進行分析。鑒于RDF模型數據模式的通用性，此內容也將為建筑信息的知識存取與邏輯推理研究提供技術參照。

4.1 建筑單元實例屬性分析

建筑單元實例是指具體構件的實例對象。圖5所示為分析案例涉及到的梁、板、柱構件的繼承關系；圖示層次關系采取了與IFC模式一致的類繼承方式，故而兩種信息表達方式在類層次關系上具有一致性。

在RDF模型中，建筑單元實例的語義化描述均由圖6所示語義層次關系表示。如圖6所示，單元實例所具有的屬性皆為對象屬性，各屬性所在三元組主體（定義域）皆為實例對象本身，三元組客體（值域）為字面值或RDF資源。其中賦值三元組直接闡述了建筑單元的名稱、標簽和類型信息，3個RDF子圖涵蓋了業主歷史、對象布置和幾何表示的相關信息。此外，圖6所示圖例說明了在執行數據模式分析時使用的各節點符號的具體含義。

4.2 梁柱單元數據模式分析

梁柱單元是鋼框架結構主要的構件形式，因此，選取圖2中標識的單元實例IfcBeam_4072和IfcColumn_421進行數據模式分析，通過分析所選單元數據模式的建筑內涵來驗證信息傳遞的準確性和語義可傳遞性。由于業主歷史屬性的層次關系簡單，因此數據模式分析主要聚焦于對象布置和幾何表示屬性。

4.2.1 梁單元數據模式

圖7展示了IfcBeam_4072對象布置屬性的數據模式。該屬性主要用于聲明對象的局部坐標系，進而確定構件單元的空間方位。單元實例通過objectPlacement屬性與自身局部坐標系關聯。然后，該局部坐標系通過placementRelTo屬性依次建立起與其他局部坐標系的相對關系，直至關聯到模型的全局坐標系。圖示IfcAxis2Placement3D實體源自規范ISO 10303-42，用于以單個笛卡爾點和兩個正交軸來聲明空間方位或放置坐標系。圖示該實體均用于放置三維坐標系，其中笛卡爾點為坐標系原點，參考方向為局部坐標系X方向，軸方向為局部坐標系Z方向。此外，ISO 10303-42規定IfcAxis2Placement3D代表的局部坐標系與整體坐標系一致時，參考方向和軸方向可以省略。正因如此，圖示inst：IfcAxis2Placement3D_171實體和inst：IfcAxis2Placement3D_32實體均只有location屬性。對笛卡爾坐標和方向向量的數據模式進行簡化，具體形式可參見文獻[22]中圖4所示的鏈表結構。依據圖7所示的對象布置屬性數據模式，IfcBeam_4072的局部坐標系原點的絕對坐標為（5 600， 3 150， 5 960），局部坐標X軸和Z軸的方向向量分別為（0， －1， 0）與（0， 0， 1）。

圖8為IfcBeam_4072的幾何表示屬性的數據模式。IfcShapeRepresentation實體是表達單元實例幾何形狀的關鍵，其representationType屬性聲明了單元形狀表示的幾何模型類型，representationIdentifier屬性聲明了單元的形狀表示形式。如圖8（a）所示，該構件的模型類型為映射表示，即此單元實例是通過實體映射生成的。在映射表示中，MappingTarget屬性用于表述生成實體對映射實體執行的空間變換。依據所選單元的縮放比例和轉換坐標系可知，該單元的創建形式采取了不包含笛卡爾變換的直接映射，這與該構件在Revit中的建模方式契合。圖示Axis模塊描述了構件在局部坐標系下的方位信息。如圖8（b）所示，梁單元起點為（－3 150， 0 ，200），終點為（3 150， 0， 200）。根據圖2所示構件參數及構件所屬局部坐標系方位可知，該信息表述是準確的。圖示Body模塊描述了單元實體建模的信息。如圖8（c）所示，梁單元的拉伸長度為5 980.6 mm，在梁局部坐標系下，拉伸起點為（－2 990.3， 0， 0），拉伸方向為（1， 0， 0）。與初始Revit模型對比可知，該信息表述準確無誤。圖示IfcProfileDef實體聲明了構件的截面形狀，鑒于建筑構件截面形式多樣，不對截面的語義層次關系進行展開。

4.2.2 柱單元數據模式

在建立的鋼框架語義化模型中，柱單元的數據模式與梁單元具有相似性。柱單元對象布置屬性數據模式的分析結果表明，IfcColumn_421的局部坐標系與結構整體坐標系一致，原點的絕對坐標為（－16 800， 6 300， 0）。

圖9展示了IfcColumn_421幾何表示屬性的數據模式，所示層次關系僅保留與IfcBeam_4072幾何表示屬性數據模式不同的部分。相比于梁單元實例，IfcColumn_421的數據模式僅含有Body模塊。依據IfcExtrudedAreaSolid實體的信息可知，該構件的拉伸長度為3 300 mm。依據inst：IfcAxis2Placement3D_347的轉換坐標系可得，在柱局部坐標系下，構件拉伸方向為（0， 0， 1），拉伸起點為（0， 0， 0）。再根據圖2所示構件參數和此構件所屬局部坐標系方位可知，該信息表述是準確的。

4.2.3 數據模式冗余信息分析與規避

對于項目信息管理而言，幾何表示屬性中由IfcGeometricRepresentationContext及其子類實例描述的背景信息是冗余的。以圖10所示的inst：Ifc-GeometricRepresentationSubContext_118為例，它不但與每一個IfcShapeRepresentation實體重復關聯，同時所表示的信息也缺乏實際用途，故而導致所創建模型的信息冗余。此外，語義化模型中存在表達相同含義的冗余信息。如圖8所示，Axis模塊的OrientationDirection和Body模塊的Extruded-Direction均描述了梁單元的拉伸方向。

為SPARQL語句設立精確圖模式可有效規避冗余信息。比如，可為梁柱單元及其拉伸長度查詢設立如下SPARQL語句：

SELECT ？element ？depth WHERE{

？element （（（（（representation/ representation）/

hasContents）/ items）/ mappingSource）/ items）/

depth ？depth

}

上述語句對謂詞屬性進行了簡寫，即省略了謂詞的前綴與后綴。依據此精確圖模式匹配，便能有效規避冗余信息。此外，基于此精確圖模式編寫DELECT語句可移除用戶不需要的冗余信息。筆者將此技術應用到所開發的SemBIMCURD-SJTU軟件中。

通過以上對單元實例的對象布置和幾何表示屬性數據模式的分析，語義化模型對于建筑信息交付的準確性和建筑語義的可傳遞性得到驗證。但不容忽視的是，采用的基于IfcOWL的語義化建模方法仍然存在弊端。具體來說，IfcOWL完全復現了IFC標準，這使得所建立的語義化模型數據模式復雜，并且存在大量冗余信息。此外，引入IfcOWL本體作語義賦能后的語義化模型體量較大，難以發揮該模型在知識查詢與推理方面的優勢。

5 結論

通過案例分析驗證了語義化模型進行建筑信息交付的數據準確性和語義可傳遞性，進而論證了該建模方法的可行性。此外，通過對所轉化模型數據模式進行建筑內涵分析發現，于IfcOWL的語義化建模方法尚未在建筑業全面推廣有如下原因：

1）建筑業通用本體不夠完善，IfcOWL本體數據模式完整繼承了IFC標準，這種復雜的數據層次關系制約了模型知識查詢與推理功能的實踐。

2）IFC模型向RDF模型轉化數據冗余現象突出，完全轉譯IFC模型信息的語義化建模手段信息傳遞效率較低。

3）建筑項目的信息管理具有大數據特征，對所有建筑信息執行該語義化建模的經濟性和可行性不足。

針對上述問題，除本文提及的冗余信息規避方法外，還可以結合語義化模型各模塊的建筑信息內涵，通過領域本體開發和輕量化語義建模來實現高效的信息表達和交付，進而將該技術推廣實踐于安全風險分析、建筑性能管理和數字孿生建模等涉及異源數據集成的應用領域。

參考文獻

[1]? 劉照球， 李云貴， 呂西林， 等. 基于BIM建筑結構設計模型集成框架應用開發[J]. 同濟大學學報（自然科學版）， 2010， 38（7）： 948-953.

LIU Z Q， LI Y G， LU X L， et al. BIM-based integrated information framework for architectural and structural design model [J]. Journal of Tongji University （Natural Science）， 2010， 38（7）： 948-953. （in Chinese）

[2]? 賴華輝， 鄧雪原， 劉西拉. 基于IFC標準的BIM數據共享與交換[J]. 土木工程學報， 2018， 51（4）： 121-128.

LAI H H， DENG X Y， LIU X L. IFC-based BIM data sharing and exchange [J]. China Civil Engineering Journal， 2018， 51（4）： 121-128. （in Chinese）

[3]? 馬智亮， 滕明焜， 任遠. 從BIM模型提取建筑能耗監測靜態數據的方法[J]. 哈爾濱工業大學學報， 2019， 51（12）： 187-193.

MA Z L， TENG M K， REN Y. Method of extracting static data for building energy consumption monitoring from BIM [J]. Journal of Harbin Institute of Technology， 2019， 51（12）： 187-193. （in Chinese）

[4]? PAUWELS P， ZHANG S J， LEE Y C. Semantic Web technologies in AEC industry： A literature overview [J]. Automation in Construction， 2017， 73： 145-165.

[5]? 魏國海， 劉才瑋， 曹永升， 等. 鋼筋混凝土梁火災損傷的多元信息融合模型[J]. 土木與環境工程學報（中英文）， 2022， 44（6）： 153-161.

WEI G H， LIU C W， CAO Y S， et al. Multi-information fusion model for fire damage of reinforced concrete beam [J]. Journal of Civil and Environmental Engineering， 2022， 44（6）： 153-161. （in Chinese）

[6]? LIU Z S， SHI G L， ZHANG A S， et al. Intelligent tensioning method for prestressed cables based on digital twins and artificial intelligence [J]. Sensors， 2020， 20（24）： 7006.

[7]? 張立奎， 段大猷， 王佐才. 基于LSTM神經網絡的多源數據融合橋梁變形重構方法[J]. 土木與環境工程學報（中英文）， 2022， 44（3）： 37-43.

ZHANG L K， DUAN D Y， WANG Z C. A multi-source data fusion method for bridge displacement reconstruction based on LSTM neural network [J]. Journal of Civil and Environmental Engineering， 2022， 44（3）： 37-43. （in Chinese）

[8]? PAUWELS P， TERKAJ W. EXPRESS to OWL for construction industry： Towards a recommendable and usable ifcOWL ontology [J]. Automation in Construction， 2016， 63： 100-133.

[9]? BERNERS-LEE T， HENDLER J， LASSILA O. The Semantic Web [J]. Scientific American， 2001， 284（5）： 34-43.

[10]? International BuildingSMART. BuildingSMART - Technical Roadmaps [EB/OL]. [2023-03-02]. https：//www.buildingsmart.org/about/technical-roadmap/.

[11]? GILCHRIST A， ZENG M L， CLARKE S D， et al. Logic and the organization of information - an appreciation of the book of this title by Martin Frické. A set of short essays [J]. Journal of Information Science， 2013， 39（5）： 708-716.

[12]? W3Working GroupC OWL. OWL2 web ontology language document overview （second edition） - W3C Recommendation， 11 December， 2012 [EB/OL]. [2023-03-02]. https：//www.w3.org/TR/owl2-overview/.

[13]? Schneider M. OWL 2 web ontology language RDF-based semantics （second edition）-W3C recommendation， 11 December， 2012 [EB/OL]. [2023-03-02]. https：//www.w3.org/TR/2012/REC-owl2-rdf-based-semantics-20121211/.

[14]? HU Z Z， LENG S， LIN J R， et al. Knowledge extraction and discovery based on BIM： A critical review and future directions [J]. Archives of Computational Methods in Engineering， 2022， 29（1）： 335-356.

[15]? MAZAIRAC W， BEETZ J. BIMQL - An open query language for building information models [J]. Advanced Engineering Informatics， 2013， 27（4）： 444-456.

[16]? KRIJNEN T， BEETZ J. A SPARQL query engine for binary-formatted IFC building models [J]. Automation in Construction， 2018， 95： 46-63.

[17]? WU H T， ZHONG B T， LI H， et al. Combining computer vision with semantic reasoning for on-site safety management in construction [J]. Journal of Building Engineering， 2021， 42： 103036.

[18]? KARAN E P， IRIZARRY J， HAYMAKER J. BIM and GIS integration and interoperability based on semantic web technology [J]. Journal of Computing in Civil Engineering， 2016， 30（3）： 04015043.

[19]? RASMUSSEN M H， LEFRAN?OIS M， SCHNEIDER G F， et al. BOT： The building topology ontology of the W3C linked building data group [J]. Semantic Web， 2021， 12（1）： 143-161.

[20]? BONDUEL M， ORASKARI J， PAUWELS P， et al. The IFC to linked building data converter： Current status[C]//6th linked data in architecture and construction workshop. 2018： 34-43.

[21]? NIKNAM M， KARSHENAS S. A shared ontology approach to semantic representation of BIM data [J]. Automation in Construction， 2017， 80： 22-36.

[22]? PAUWELS P， KRIJNEN T， TERKAJ W， et al. Enhancing the ifcOWL ontology with an alternative representation for geometric data [J]. Automation in Construction， 2017， 80： 77-94.

（編輯? 胡英奎）

收稿日期：2023?03?02

基金項目：上海市科技創新項目（21DZ1204600）

作者簡介：劉吉明（1998- ），男，博士生，主要從事建筑信息智能化研究，E-mail：jimingLiu@sjtu.edu.cn。

通信作者：趙金城（通信作者），男，教授，博士生導師，E-mail：jczhao@sjtu.edu.cn。

Received： 2023?03?02

Foundation item： Scientific Research Project of Shanghai Science and Technology Commission （No. 21DZ1204600）

Author brief： LIU Jiming （1998- ）， PhD candidate， main research interest： intelligent building information management， E-mail： jimingLiu@sjtu.edu.cn.

corresponding author：ZHAO Jincheng （corresponding author）， professor， doctorial supervisor， E-mail： jczhao@sjtu.edu.cn.