2021-11-16

A Data Integration and Simplification Framework for Improving Site Planning and Building Design已发表于IEEE Access期刊。

本文是课题组在建筑工程信息交换领域的最新研究成果。在建筑全生命期中，选址规划与建筑设计是两个密切相关的阶段。然而，当前两阶段的数据交换仍存在一定障碍。选址规划信息通常基于GIS管理，而建筑设计结果一般以BIM呈现。数据不互通使得项目参与方难以在一个统一的平台对规划设计结果进行评估。针对这一问题，本文提出了面向选址规划与建筑设计的跨阶段数据集成与轻量化框架。通过开发多尺度数据集成模型，本研究实现了多源、多尺度、多格式的BIM、GIS数据集成。随后，本文开发了面向建筑模型的几何优化算法，实现不同LOD的轻量化模型生成，以支持不同尺度下的模型显示需求。最后，本文开发了Web端可视化平台，支持多尺度下的规划与设计成果融合浏览。本研究为整合选址规划和建筑设计成果提供了一种可行的方法，有望提升协同设计流程工作效率。

注：IEEE Access，是工程技术领域的重要期刊，属于SCI期刊。研究成果得到国家自然科学基金的资助。

2021-11-10

Deep Learning-Based Instance Segmentation for Indoor Fire Load Recognition 已发表于 IEEE Access 期刊。

该文是使用基于深度学习的实例分割来自动检测室内火荷载信息。准确的火荷载（可燃物）信息对于建筑物的安全设计和韧性评估至关重要。传统的火荷载采集方法相对耗时、繁琐、易出错，且无法适应动态变化的室内场景。因此，本研究提出了一种基于计算机视觉的方法，利用基于深度学习的实例分割来自动检测室内火荷载信息。首先，室内元素根据其材料组成分为不同的类别。接着，开发具有实例注释的室内场景图像数据集。最后，基于Mask R-CNN深度学习模型来检测图像中的火载荷信息。实验结果表明，模型达到了满意的准确度，该方法也具有高效性。该研究的贡献包括以下三点：1）基于实例分割的室内环境自动火荷载识别的高精度和高效率新方法；2）在相对较小的室内图像数据集中进行深度学习模型的培训技术； 3）带有室内火荷载标注的图像数据集。尽管实例分割已有较多应用，但作为将其用于自动室内火荷载识别的开创性研究，本研究将为建筑环境的自动火荷载估计和韧性评估奠定基础。

注：IEEE Access，是工程技术领域重要的SCI收录期刊。研究成果得到国家自然科学基金的资助。

2021-10-14

《基于BIM和数据驱动的智能运维管理方法》已发表于清华大学学报（自然科学版）期刊。

该文是课题组对基于BIM的智能运维系列研究成果的总结。BIM技术的普及提升了建筑运维管理的效率。然而，基于BIM的智能运维仍在数据获取、管理与分析方面存在挑战。本研究结合BIM和数据驱动技术，研究智能运维管理的方法，包括通过机电设备逻辑关系的自动生成，实现对运维BIM信息的扩充增强；通过提出数据立方模型，实现基于BIM的动态运维信息管理；以及结合聚类、频繁模式挖掘与神经网络等多种机器学习方法，实现对上述运维数据的挖掘分析，辅助智能运维决策。研究成果有效地减少了运维人员工作负担、提高了运维数据价值，有助于提升运维管理智能化水平。

注：清华大学学报（自然科学版），是工程技术领域的重要期刊，属于EI期刊。研究成果得到国家自然科学基金和深圳市科技研发基金资助。

2021-09-18

中国图学学会第八届BIM专委会委员大会于今日召开。本次会议通过了第八届BIM专委会委员名单、《中国图学学会建筑信息模型（BIM）专业委员会管理细则》（2021年8月修订版）以及《中国图学学会建筑信息模型（BIM）专委会换届选举办法》（简称“选举办法”），同时本人被选为第八届BIM专委会副主任委员。第八届BIM专委会主任委员马智亮和本人共同主持了会议。

最后，本人衷心感谢大家的信任与支持，衷心祝愿第八届BIM专委会继承和发扬优良传统，与时俱进，拼搏进取！

2021-09-14

为感谢编委对《图学学报》发展所做的贡献，该刊编辑部根据2020年审稿专家的审稿质量、审稿速度、审稿数量等数据统计，经《图学学报》主编办公会议审定，最终评选出优秀编委10名。本人有幸获评2021年度优秀编委，今后将继续支持《图学学报》的发展，认真做好编委工作，砥砺前行。

注：《图学学报》是中国图学学会主办的CSCD收录的中文核心期刊。