欢迎来到胡振中的个人网站   English Version

基于BIM的大型公共建筑运维期安全管理技术研究(科普)

【研究背景】

    随着我国经济的快速发展,在我国大中城市的新建建筑中,大型公共建筑的比例正在逐年增长,一些造型独特、结构形式复杂的大型公共建筑也不断涌现。

    一些典型的大型公共建筑
    然而,大型公共建筑由于自身体量大、功能多、人流大的特点,往往存在着安全隐患难以发现、受灾后应急处理不及时等问题,一旦出现意外灾害,很容易就会造成巨大的生命和财产损失。例如,2018年3月,俄罗斯克麦罗沃市一家购物中心发生重大火灾,由于缺乏逃生指引导致造成64人吸入浓烟而死亡。而日本大阪最高的商业办公楼于2011年的地震中成功撤离1000余人且没有伤亡,则是得益于良好的逃生预案。据文献资料分析得出,若在著名的“9·11”恐怖袭击事件中,若世贸中心遭到飞机撞击后前,能提前10分钟进行逃生规划和指引,则可以避免超过5%的楼内人员(约900人)丧生。
    我们知道,一个建筑中包含有许多不同的构件和设备,比如梁、板、柱、管道、电梯、房间、走廊等等,要想实现建筑的安全管理,首先必须要实现这些对象的综合管理。举个简单例子,当发现建筑中某个位置的燃气管破裂时,我们就需要尽快找到它的控制阀门,但是大型公共建筑中的管道分布往往相当复杂,并且还可能有部分管道藏在墙体内部,如果这时候我们不知道管线的分布情况,就很难找到对应的控制阀门,也就容易出现安全事故。那么对于建筑中的海量信息,比如构件的尺寸、设备的位置、各个部分的相互关系等等,要如何实现它们的综合管理呢?

    BIM就是一个很好的选择!

    什么是BIM呢?BIM的全称是Building Information Model/Modeling,中文通常翻译为建筑信息模型。通俗的来讲,它是一个饱含建筑各种信息的三维数字模型。这意味着除了几何外形之外,它还包括了许多的其他信息,比如建筑构件的材料和工程性能、施工的顺序和进度等等。通过BIM,我们可以直观的看到建筑中各个对象的位置、快速地查找到目标对象,还可以通过动态更新数据来展现建筑的实时状态,进而为实现建筑的运维期安全管理打下基础。

    建筑信息模型BIM的概念

【运维BIM的建立】

    有了基本的思路之后,我们所面临的第一个问题,就是如何建立一个能够满足我们需求的BIM模型,然而这并不是一件简单的事情。通常我们用LOD(Level of Development,模型细度等级)来描述一个BIM模型的详细程度,LOD越高意味着模型越详细和完善,那是不是LOD越高越好呢?

    LOD描述一个BIM模型的详细程度
    以MEP(Mechanical、Electrical、Plumbing,即机械、电气、管道)工程为例,它可能包含暖通空调、配电、电信、自动控制、消防、给排水等十多个子系统,每个子系统下面可能有几十个组件,而每个组件又包含了大量元件。这就好像一个人由头、躯干、四肢组成,头又包括头发、眼睛、鼻子等,而头发又是由每一根头发组合而成。我们能够画出一个人的头发、眼睛、鼻子,却很难把他的每一根头发都描绘出来,事实上大多数时候也没有这个必要。同样的道理,将所有元件进行详细建模并对它们进行可视化管理也是一件几乎不可能完成的事情。
    高LOD模型在提供更多模型信息的同时,也相应的增加了建模的时间和成本。在选择LOD时,应该要综合考虑它带来的好处和不利影响,一般来说能满足我们的使用目的就足够了。举个例子,我们可能通过一个人头发的长短、颜色和形状等信息来辨识他,而不需要用到更精确的信息像头发直径、头发数目等等,那么对于“辨识”这个目的,有前面的那些信息就足够了。在很多情况下,概要图或粗略模型就具有足够的信息来辅助建筑的管理,而对机场航站楼和体育场的施工和设备管理人员的现场调查表明,在一个大型的MEP项目中,建模工作的内容、细节和工作量都是失控的,所有的参与者都认为没有必要对LOD500(最高等级)中的所有组件进行建模。
    通过以上分析,项目提出了一种多尺度BIM作为大型MEP项目的解决方案。多尺度BIM由若干宏观模型、微观模型以及概要模型组成,通常我们可以通过LOD来区分它们,各个模型有不同的精细程度和侧重方面,以满足不同的管理需求,方便不同管理角色之间的协作。当高级管理人员需要简要的信息来掌握整体施工状态时,一个简单的、无细节元素的宏观CM(Construction Management,施工管理)模型就足够了,因为他可能并不关心附属管道、阀门等小配件的几何信息和状态信息;而当我们需要处理紧急设备故障时,比如前面提到过的燃气管破裂的情况,我们就必须要知道管道和阀门等配件的位置信息、状态信息以及设备的关联信息,此时就要用到微观FM(Facilities Management,设施管理)模型了。这就好像在一次考试之后,班主任需要掌握学生各个科目的总体得分情况,而不需要知道学生每道题目上的具体得分,但是各个科目的老师却要关心学生在哪道题上扣的分比较多。可以看到,通过多尺度BIM,我们可以按照需求建立少量的详细模型,而不用把所有构配件放在同一个详细模型中,在减少建模工作量和硬件需求的同时,也为不同的管理者提供了最适合他们的模型。
    多尺度BIM在方便管理的同时,也带来了一个问题,那就是如何管理不同尺度的BIM模型。比如当其中一个模型被修改时,怎么才能把这一修改反映到其他模型之中呢?一个直观的解决方案就是让所有模型使用同一个BIM信息库,这样任何一项修改都会引起共用信息库的变化,进而传递给其它所有的模型。打个比方,当一位老师发现自己学生的分数被登错了,而全年级的成绩排名表已经被分发给了不同的老师时,我们可以通过这样的方法来更正它们:老师把成绩改动告诉年级主任,然后年级主任生成一份新的年级排名表并通知其他老师,老师们再从年级排名表中提取自己班学生的成绩信息。在这个过程中,年级主任掌握的成绩排名表就起着独一无二的“BIM信息库”的作用,所有的成绩表(相当于“不同的模型”)都是通过它来建立的。基于这样的思路,我们给每个元素赋予一个GUID(Globally Unique Identification,全局唯一标识)作为名字,这样就可以区分出不同模型中的相同元素了。
    那么各种信息在BIM信息库中要如何存储呢?我们将多尺度BIM需要用到的信息分成了4个部分,分别是对象定义、设计信息、施工信息和运维信息,BIM信息模型的架构如下图所示,它能够满足我们目前的需求。另外,我们还采用了IFC数据标准(Industry Foundation Classes,工业基础类,是一种数据标准)来实现多尺度BIM的表示,这样我们的BIM信息库就能够与其他兼容IFC标准的BIM应用程序进行信息交换了。

    BIM信息模型的架构

【私有云上的BIM信息交换环境】

    在解决了如何定义和描述BIM运维模型的问题之后,接下来我们就要考虑信息交换的问题了。前面已经说过,我们把要用到的信息都放在了一个独一无二的BIM信息库中,这个信息库要放在哪里比较合适呢?如果把它存储在个人的电脑上,那么任何人想要访问、输入或者修改信息库都要经由这台电脑来完成,而这对于一个大型公共建筑来说是一件不可能完成的事情,因为可能参与到这里面的工作者实在太多了,另外海量的数据对于普通电脑来说也是一个巨大的挑战。幸运的是,我们可以利用云技术来解决这个问题。将数据存储在不同参与方的不同服务器中,工作人员就可以随时随地通过网络来快捷的访问BIM信息库,方便了多方的协同作业。
    通过私有云服务器来存储BIM信息库在带来便利的同时,也会引发参与方对数据失控的担忧,而这种担忧会反过来阻碍不同的利益相关者共享数据。一种解决方案是只允许其他参与方访问他们所需要的数据,即控制访问权限。研究中采用全局控制器来跟踪数据的位置和可访问权限,这样数据的所有权和隐私权都可以受到其所有者的控制,同时也允许其他方访问某些所需的数据。该方法如下图所示,首先不同的参与方建立自己的BIM服务器,参与方内部可以自由地进行数据共享和协作。而对于不同参与方之间的数据共享,我们建立了一个全局控制器来注册和跟踪数据的位置和授权,形成一个统一的私有云,连接不同利益相关者的BIM服务器。通过这种方式,用户可以通过自己的服务器访问私人数据,并通过全局控制器访问来自其他方的共享数据。验证表明,该方法在保持数据所有权和隐私的同时,也支持跨参与方的数据共享和协作,避免了数据版权或其他问题可能引发的法律问题。

    私有云服务器来存储BIM信息库

【非标准格式信息的转化和融合技术】

    经过以上研究,大型公共建筑中涉及的BIM信息定义、描述、存储和管理的问题已经基本解决了。但是上面的建筑信息大多是针对IFC格式的信息来说的,而建筑中涉及到的各种信息并不全是IFC格式的,如果我们想要充分利用这些信息,就要想办法把它们转化并融合到已有信息体系之中。项目研究并实现了多种非IFC格式信息的转化和融合技术,其中包括标识信息、结构安全监测信息、机电设备监测信息、GIS(Geographic Information System,地理信息系统)信息等等。

标识信息

    以标识信息中的二维码为例,我们研究了二维码的技术特点,并开发出了自己的二维码接口。通过该技术,我们可以先将构件的关键信息以二维码的方式保存起来,当移动终端扫描到该标识时,就能够提取其中的信息,进而识别该构件,并从BIM运维数据库中获取其他相关的信息。为了更方便的为构件贴上标签,我们还设计了构件的成组机制,即把一定区域内构件的关键信息以特定的编码方式保存在二维码中,如下图所示。通过构件成组,可以把某一房间内的部分或者全部构件信息都以特定的编码方式保存到二维码中,这样移动终端在读取二维码后,就会显示该二维码中的所有构件,用户可以选择查看某一个构件进行信息查询,减少了贴标签的工作量,使构件识别变得更加方便、快捷。

    构件的成组机制

监测信息

    监测信息主要包含两方面内容:监测点信息和监测数据。对于机电设备来说,监测点信息包括监测点所属机电设备的特征信息(位置描述、所属系统、设备类型、设备编号等)、监测点的特征信息(监测点说明、监测数据类型、数据长度、数值范围、报警值、信息对象地址等)。在机电设备监测系统中,监测点信息通常以点表的形式存储,不同检测系统或者不同厂家的监测系统数据库会有所差异。
    监测数据的传递根据使用情形的不同可以分别考虑从控制器端直接读取或从现有监测系统数据库中读取两种方式。从控制器端读取需要根据现场网络和控制器类型开发数据读取接口,这种方式可以更好地保证监测数据的实时性。现有监测系统数据库的读取方式有两种,一种是自建数据库存储监测数据,将商用机电监测系统的监测数据同步到自建数据库中;另外一种是系统本身不存储监测数据,在系统中存储各个监测点监测数据的访问路径信息,在需要监测数据时,通过访问路径信息从商用机电设备监测系统数据库中进行读取。

GIS信息

    GIS主要用来获取、存储、处理、分析管理宏观拓扑信息。与BIM不同的是,GIS主要用2D图形的方式来表现宏观层次的空间拓扑信息,有很强的2D展现能力。根据运维安全管理的需求,我们从BIM数据库中提取房间信息以及走廊、楼梯、电梯、门等通道信息,并提出了一种基于BIM的室内道路生成方法,实现了GIS拓扑地图的自动生成,进而为大型公共建筑巡检路径的规划提供地图数据基础。
    从BIM到GIS的自动转化算法,核心包括两部分内容:节点和路径的生成、路径权值的取值。首先从BIM中提取房间、大厅、走廊等空间,门、楼梯等建筑构件的几何信以及门的通行权限等相关信息,并沿大厅边缘绘制一个多边形路径,而多边形路径中所包含的每个门生成一个节点,并两两连接生成路径。其次,走廊两头各生成一个点,并相连接形成走廊的路径,如果走廊与大厅相连,则将走廊路径的端点与大厅路径中最近的点相连。然后,房间的每个门生成一个节点,并将门与连通的走廊或大厅的路径连接;最后在每个楼梯/电梯进出口生成一个节点,相邻层进出口的节点连接,且各节点与相连的走廊/大厅路径中最近的点相连。至此,我们就完成了节点和路径的自动生成。

【运维期安全管理】

    完善了BIM运维模型的相关信息之后,我们怎样将这个模型应用到运维期的安全管理之中呢?下面将分别介绍它在结构安全、设备安全以及人员安全上的应用。

运维期结构安全

    对于一个结构,通常我们会在设计时充分考虑各种受力情况,然后按照较不利的状态来调整构件的材料和尺寸,以保证极限状态下结构的安全性。但是在实际使用过程中,建筑受到的荷载是很难准确估计的,因此其实际状态与设计的状态往往相差较多,如果我们想要动态监测结构的受力状态,应该要做哪些工作呢?首先当然是获取关键构件或节点的状态信息,比如挠度、转角等等,这就需要在相应的位置安装传感器,并且将监测数据与监测点动态集成。之后我们就可以将这些数据导入到结构模型中进行分析,这意味着我们还需要有一个可供分析的结构模型,它必须含有构件的材料、尺寸等结构信息。基于以上考虑,我们建立了结构安全分析的统一模型,以便于进行结构安全信息的存储与管理,该模型如下图所示,它主要用来存储构件的几何、截面、材料、荷载等属性。

    结构安全分析的统一模型
    通过统一分析模型,我们建立了基于BIM的模型转换机制,即从BIM模型中抽取相关信息形成统一分析模型以及将分析结果返回到BIM模型的机制,这保证了数据的动态性和一致性。进一步的,我们还实现了统一信息模型与各结构分析软件的双向数据接口,以便于转化成各分析软件可接受的结构分析模型。完成这些工作之后,我们就可以针对主结构和临设结构进行分类统计和分析计算,实现实测值和预警值的直观对比,使监控结果可视化。基于以上技术实现的软件如下图所示,我们既可以查询单个工况下所有监测点的受力情况,也可以查看单个监测点在不同工况下的受力情况对比、实测应力与理论应力的对比,实现了横向和纵向的应力对比分析,从而为运维期结构安全的监测提供支持。

    单个监测点在不同工况下的受力情况对比、实测应力与理论应力的对比

运维期设备安全

    BIM运维模型中包含了海量的信息,对于一个特定的问题来说,并非所有的信息都是有用的,也并非所有的信息都是能够直接得到的,我们需要针对运维期安全管理的特点,从中提取出需要的信息用于分析和管理。对于设备安全管理来说,上下游关系是安全管理所需的一种重要信息。以暖通系统为例,下图显示了其部分子系统的组成和上下游逻辑关系,其中组合式空调机组控制着下游的弯头、风管、静压箱和封口等。在这里,所谓上游构件即为控制构件,下游构件为被控制的构件。然而,在已经建立的BIM模型基础上,依靠手工关联模型以形成上下游关系的操作是一项工作量极其巨大且容易出错的任务。本项目结合系统内构件类型分析、相似性分析和连续构件分析技术,提出了一种上下游逻辑关系的自动化提取技术,从而大大简化上下游关系建立的工作量,提高了工作效率。

    暖通空调系统上下游关系示意图
    与结构分析类似的,我们可以先将监控数据与模型中监测点的空间结构信息动态集成,再进行分类统计和分析,然后根据实测值、理论值以及预警值三者间的关系,自动进行分级预警,实现监控结果的可视化。此外,通过BIM运维模型和上下游关系,我们还可以快速定位危险点在模型中的位置、找到其上游构件,并调阅相关的维护知识手册,方便现场人员及时进行查询、分析和处理事故。如果这时出现了燃气管破裂的情况,我们就可以通过上下游关系迅速找到上游构件并定位,然后指导物业管理人员快速前往并关闭上游构件,以最快的速度控制紧急事故的进一步发展,极大的保证了运维期的设备安全。

    紧急时间下通过上下游关系迅速找到上游构件并定位

运维期人员安全

    大型公共建筑在运维期往往有着人员密集的特点,在遇到紧急事故特别是火灾时,如何快速安全地疏散人群是一个非常关键的问题。然而,通常情况下大型建筑结构形式较为复杂且通道繁多,人们在慌乱的情况下往往会走上错误的路线,进而错过最佳逃生时间。如果这时能够给逃生者提供一条避开危险区域且快速的路线,就可以大大增加逃生的几率。BIM运维模型既然能够动态的更新建筑信息,那么这些实时的信息是不是也能够应用在紧急情况下的人员疏散上呢?
    答案当然是肯定的。当大型建筑某个位置出现火灾时,我们可以通过传感器来得到起火位置和受影响区域的相关信息,那么问题就变成如何在避开这些区域的情况下走最短的路线,或者说一条尽可能安全且快速的路线。如果给一个人足够的时间,他必然可以找到这样一条路线,但是在通道复杂或者逃生者不熟悉建筑的情况下,这就要花费很多的时间。而BIM运维模型可以说是最熟悉它自己的“人”,如果它能替我们来找这样一条路线,无疑要花费少得多的时间。
    基于这样的思路,本研究参考AlphaGO的思想,采用了机器学习技术,通过BIM中的原始信息以及建筑区域当前状态信息实现对该区域安全等级的自动评估,以起到在紧急状态下提醒人们规避危险区域的作用,并进一步研究了大型公共建筑的动态疏散策略。该策略基于大数据的方法,通过BIM平台用类似于弈棋的过程模拟出海量的疏散场景,并引入评估给定场景下疏散策略好坏的机制,然后以深度学习和强化学习的方式,实现任意局面下动态决策的能力。
    以下图为例,“初始路径”是策略网络未介入时的随机选择结果,它的得分刚过0.5,明显要低于后面的网络。随着迭代过程的进行,策略网络在评估机制的影响下不断自我调整,计算出的路径变得更加合理,决策的得分也就不断提高。这意味着即使给出一个全新的局面,算法仍然可以通过自学习来完成策略网络的自我进化,从而得到尽可能优的路径。

    策略网络在评估机制的影响下不断自我调整
    通过训练好的模型,我们就能够在给定情况下得到评估机制下的最优路线,一个典型的路线输出结果如下,以一个局部为例,可以看到尽管从755方向到安全出口2254号的最短路径是758-3410-742-2254,但输出结果为758-759-3405-771-2254的绕路,自动避开了危险程度较高的3410,验证了机器学习算法的有效性。

    一个典型的路线输出结果
    在紧急疏散时,我们除了要考虑危险区域、路径长度之外,还需要考虑人群之间的相互影响,比如说人群密度大的地方容易出现拥挤,进而导致疏散时间的增加。在一些情况下,尽管存在一条较短的疏散路径,但如果选择这条路径的人很多,则会增长疏散时间。基于这一考虑,我们在模型中引入考虑多人的疏散时间优化策略网络,以协调众人的逃生选择。
    下图给出了某公共建筑在四种不同占用模式下(分别是办公时间、商业模式、晚上、假日模式)的一些典型路径,路径上的不同颜色表示不同的行走速度,红色立方体代表非常拥挤的区域。

    四种不同占用模式下的一些典型路径
    该模拟结果可以用来发现建筑中的异常区域。通过特定区域的人群疏散时间或者人流通行情况对该区域进行着色,管理人员就可以通过可视的三维图像来检查实体,并进一步分析得到关键区域。比如,下图中(a)、(b)分别是该建筑在某一紧急情况下的模拟得到的疏散时间、通行人数图像,可以看到西北角的居民使得西侧的两个出口和一个走廊超过了承载能力,该结果表明宜在西北侧增加一个安全出口。(c)、(d)分别是增加了一个建议安全出口后的疏散时间、通行人数图像,可以看到新出口从建筑的西部和北部吸引了了大部分流量,极大的减小了西侧出口的压力,并缩短了西部和北部人群的疏散时间。

    某一紧急情况下的模拟得到的疏散时间、通行人数图像

【研究成果】

    本项目主要研究成果包括:
    1)针对当前大型公共建筑运维期安全管理中存在的海量信息的管理和集成应用方面等问题,通过引入BIM技术和云计算技术,构建了一个基于BIM和GIS的多尺度运维管理模型。
    2)突破了大型公共建筑运维期结构安全性能动态监测与分析、设备安全性能分析与预警以及人员安全性能模拟与逃生等3个关键技术。
    3)开发了基于BIM的大型公共建筑运维期安全管理平台(BIM-SMP),BIM-SMP的整体架构如下图。

    BIM-SMP的整体架构

【研究总结】

    总而言之,项目为大型公共建筑运维期安全信息模型的创建和应用提供了一套完整的理论、方法、技术和平台支持,实现了“运维期安全的宏观管理和微观管理相结合、信息管理和信息应用相结合、动态监测和实时评价相结合、灾后模拟和逃生指引相结合”,可及时发现建筑安全隐患和制定灾后应急方案,达到了提高建筑安全性能、减少建筑灾害损失、实现结构-设备-人员综合安全管理的目的。

【参考文献】

    [1] Yang Peng, Sun-Wei Li, Zhen-Zhong Hu. A Self-Learning Dynamic Path Planning Method for Evacuation in Large Public Buildings Based on Neural Networks. NeuroComputing. 2019, 365C: 71-85.
    [2] Zhen-Zhong Hu, Pei-Long Tian, Sun-Wei Li, Jian-Ping Zhang. BIM-based integrated delivery technologies for intelligent MEP management in the operation and maintenance phase. Advances in Engineering Software. 2018, 115: 1-16.
    [3] Yi Zhou, Zhen-Zhong Hu, Wei-Zhong Zhang. Development and Application of an Industry Foundation Classes-Based Metro Protection Information Model. Mathematical Problems in Engineering, vol. 2018, Article ID 1820631, 20 pages, 2018.
    [4] 冷烁, 胡振中. 基于BIM的人工智能方法综述. 图学学报, 2018, 39(5): 797-805.
    [5] Shuang Yuan, Zhen-Zhong Hu, Yang Peng. Application of BIM in Environmental Monitoring and Emergency Evacuation Management within Building Operation and Maintenance Phase: A Case Study. Proceedings of 17th ICCCBE, Tampere, Finland. Jun. 2018
    [6] Yang Peng, Jia-Rui Lin, Jian-Ping Zhang, Zhen-Zhong Hu. A hybrid data mining approach on BIM-based building operation and maintenance. Building and Environment. 2017, 126: 483-495.
    [7] Jianping Zhang, Qiang Liu, Zhenzhong Hu, Jiarui Lin, Fangqiang Yu. A multi-server information-sharing environment for cross-party collaboration on a private cloud. Automation in Construction, 2017, 81: 180-195.
    [8] 张晓洋, 胡振中. 面向结构有限元分析的模型转换方法研究. 工程力学, 2017, 34(6): 120-127.
    [9] 袁爽, 胡振中, 田佩龙. 面向智能运维的室内照明系统研究. 第三届全国BIM学术会议论文集. 上海, 中国. 2017
    [10] 王石雨, 胡振中, 田佩龙, 李久林. 基于BIM和监测数据的水厂水位动态模型及其应用研究. 第三届全国BIM学术会议论文集. 上海, 中国. 2017
    [11] Zhen-Zhong Hu, Xiao-Yang Zhang, Heng-Wei Wang, Mohamad Kassem. Improving interoperability between architectural and structural design models: An industry foundation classes-based approach with web-based tools. Automation in Construction. 2016, 66: 29-42.
    [12] Zhen-Zhong Hu, Jian-Ping Zhang, Fang-Qiang Yu, Pei-Long Tian, Xue-Song Xiang. Construction and facility management of large MEP projects using a multi-Scale building information model. Advances in Engineering Software. 2016, 100: 215-230.
    [13] Zhang Xiaoyang, Lin Jiarui, Hu Zhenzhong, Zhang Jianping, Fang Ji, and Du Shenyun. Towards BIM-based Model Integration and Safety Analysis for Brdige Construction. Proceedings of 16th ICCCBE, Osaka, Japan. Jul. 2016
    [14] Yi Zhou, Zhen-Zhong Hu, Xiao-Yang Zhang, Jia-Rui Lin. A BIM-based Safety Monitoring and Analysis System for a High-speed Railway Bridge. Proc. of the 33rd CIB W78 Conference, Brisbane, Australia. Nov. 2016
    [15] Yang Peng, Zhenzhong Hu. BIM-based Personnel Safety Level Evaluation Approach Using Machine Learning Methods for Public Buildings. Proceedings of 16th ICCCBE, Osaka, Japan. Jul. 2016
    [16] 田佩龙, 胡振中, 王珩玮, 张建平, 邹东. BIM在地铁项目精细化施工管理中的应用案例研究. 第二届全国BIM学术会议论文集. 广州, 中国. 2016
    [17] 彭阳, 胡振中. 应用离散傅里叶变换的BIM监测数据智能分析和展示. 第二届全国BIM学术会议论文集. 广州, 中国. 2016
    [18] Pei-Long Tian, Zhen-Zhong Hu, Heng-Wei Wang, Jian-Ping Zhang, Dong Zou. BIM-based Meticulous Construction Management for Metro Station Projects: A Case Study. Proc. of the 32nd CIB W78 Conference, Eindhoven, The Netherlands. Oct. 2015
    [19] 胡振中, 陈祥祥, 王亮, 何田丰. 基于BIM的管道预制构件设计技术与系统研发. 清华大学学报(自然科学版), 2015, 55(12): 1269-1275.
    [20] 田佩龙, 李哲, 胡振中, 邹东. BIM与建筑机电设备监测信息集成的研究. 土木建筑工程信息技术. 2015, 7(1): 8-13.
    [21] 田佩龙, 庄亮东, 孟欣, 胡振中. 基于BIM的停车场动态模型研究. 第一届全国BIM学术会议论文集. 北京, 中国. 2015
    [22] 胡振中, 彭阳, 田佩龙. 基于BIM的运维管理研究与应用综述. 图学学报. 2015, 36(5): 802-810.