基于BIM和遗传算法的装配式建筑施工现场布置优化研究.docx

基于BIM和遗传算法的装配式建筑施工现场布置优化研究.docx

《基于BIM和遗传算法的装配式建筑施工现场布置优化研究.docx》由会员分享，可在线阅读，更多相关《基于BIM和遗传算法的装配式建筑施工现场布置优化研究.docx（16页珍藏版）》请在冰豆网上搜索。

基于BIM和遗传算法的装配式建筑施工现场布置优化研究

一、基本情况

项目

名称

基于BIM和遗传算法的装配式建筑施工现场布置优化研究

所属

学科

学科一级门：

土木工程学院

学科二级类：

工程管理

申请

金额

10000元

起止年月

2020年3月至2021年3月

负责人

姓名

性别

民族

出生年月

学号

联系

电话

指导

教师

联系

电话

负责人曾经参与科研的情况

指导教师承担科研课题情况

指导教师对本项目的支持情况

本项目获得指导老师的大力支持，已从学院处得到完善的实验设备与技术提供。

同时团队已与指导教师进行了多次交流，对课题进行中遇到的问题指导老师均指出了解决方向，并提供了同该领域的学长进行沟通与讨论的机会。

项

目

组

主

要

成

员

姓名

学号

专业班级

所在学院

项目中的分工

土木工程学院

查阅文献、收集资料

土木工程学院

分析计算、处理数据

二、立项依据（可加页）

（一）项目简介

1.1项目简介

本项目针对装配式建筑施工场地狭窄、构件数量多、易造成现场混乱导致生产效率低的问题，提出一种基于BIM（BuildingInformationModeling）模型和遗传算法的优化装配式建筑施工场地布置的算法，该算法可以将BIM模型中的可量化数据进行优化求解，并采用模糊筛选方法对优化结果进行比选，可以较为精确的确定装配式建筑施工场地布置的最佳方案；将得到的规划应用BIM技术结合相关软件，进行动态模拟，结合实例验证整个优化与模拟过程的可行性。

（二）研究目的

装配式建筑不断发展，对我国传统建筑业转型升级,实现绿色可持续发展具有重要意义。

然而施工现场的条件限制，给装配式建筑施工现场布置和使用带来许多不确定性因素。

本研究项目旨在建立一个适用性较广泛的优化模型，降低规划现场布置时出现的混乱度，采用BIM-4D技术将施工现场布置规划与施工进度计划密切关联，一方面科学量化临时设施尺寸，另一方面为施工现场布置的三维可视化奠定基础。

减少传统经验导向的布置方法的主观性影响，辅助决策人员完成现场的条件分析和现场的布置决策。

（三）研究内容

3.1研究内容

1.临时设施尺寸的确定及其BIM族库的构建

首先，依据装配式建筑特点以及相关图纸信息等构建依托工程项目基于IFC标准的BIM信息模型。

其次，进行构建施工现场布置的精度分析，综合考虑施工进度计划、安全标准规范等因素对临时设施尺寸的影响，初步确定临时设施的属性信息例如设施数量、设施尺寸范围等。

最后，通过对设施的数量以及尺寸大小进行筛选，并根据现场布置所需要的临时设施的特征，利用施工现场布置BIM建模软件构建临时设施BIM族库。

2.装配式建筑施工现场临时设施之间影响因素分析。

通过现场实地考察、文献调研以及调查问卷等方式对所研究的装配式建筑施工现场平面布置问题的各种影响因素进行分析。

将最终选定的影响因素分为定量表达定性评价两类，前者被用于定量的构造目标函数和约束条件，而后者用于建立方案定性评价的指标体系。

3.施工现场布置规划优化方法研究。

采取遗传算法作为施工现场布置优化的寻优算法，根据施工现场布置所需满足的具体要求，结合施工现场信息，量化现场布置约束限制条件以及影响因素，构建满足目标（成本、运输频率）的数学表达式。

选取施工现场布置的决策因素作为基因，通过编码将实际空间的临时设施布置问题表示成遗传空间的染色体构建问题，通过迭代求解，直至寻求到最优解。

4.施工现场布置方案的三维可视化。

结合已构建的临时设施BIM族库以及遗传算法运算后所得到的最优布置方案，利用施工现场布置软件实现临时设施位置、大小、方向的三维可视化，模拟施工现场环境，从整体角度体现各临时设施间以及临时设施与现场周围环境之间的联系。

3.2研究中出现的问题

目前的主要问题出现在两方面：

装配式建筑施工现场临时设施之间影响因素分析。

施工现场平面布置中的影响因素复杂，要通过大量的现场实地考察、文献调研以及调查问卷才能确立，需要很长的时间周期和人力成本。

在得到影响因素后，还需要对其进行分类，使用合适的能够定量的影响因素构造目标函数和约束条件。

传统的遗传算法带来的分析偏差。

传统的遗传算法有一定的缺点：

早熟，对新空间的探索能力有限，容易收敛为局部最优解，且对于施工现场这类复杂的模型，运算时间很长，给分析也带来困难。

因此本项目在选取该算法寻优的同时，要结合辅助算法和软件优化寻找最佳平面布局的过程。

（四）国、内外研究现状和发展动态

4.1研究现状

随着BIM技术的发展，BIM建设用到了建设项目的各个阶段，但使用BIM技术结合装配式建筑施工现场实际条件进行辅助分析、优化、决策的研究和应用较少。

同时由于施工现场布置的要求，为了减少施工人员主观经验布置现场带来的不利影响，目前运用BIM模型模拟施工现场以及人工智能算法进行后期迭代来优化平面布置成为趋势。

4.2发展动态

（1）国外动态

国外对施工现场的科学布置管理主要结合数学模型、智能算法、信息化系统化方法摆脱人为经验式管理，进行更系统科学的规划与研究。

RosenblattMJ建立了动态设施布局问题的模型并辅以算法求解，MawdesleyMJ等人指出在施工现场布局时应该关注临时设施的面积、定位以及施工进度的匹配度，以增广遗传算法解决了临时设施的定位问题科学规划现场。

AielloG将无聊搬运成本、搬运路径、设施见相互关系作为目标函数，构造多目标数学模型，通过遗传算法加以求解。

Abdel-RaheemM将最小化临时设施和材料使用区域之间的举例作为目标和函数以此最小化工程实施的时间与成本，运用模拟电路电流分支的Electimize算法优化现场。

（2）国内动态

国内只要是运用科学的管理方法结合相应的数学模型。

刘文涵采用SLP、帕累托蚁群遗传算法、信息熵和逼近理想解的排序方法深入研究了现场安全管理与平面布置，降低因优化施工现场平面布置而产生的安全成本。

左梦来等人采用SLP方法寻求施工现场合理平面布置，以减少二次搬运等带来的“第三利润源”的浪费。

柯华虎等人对现场的临时材料管理采用系统动力学的方法对建筑材料的库存管理进行动态分析，提出利用供应链条件的合作伙伴关系可以降低库存成本。

马文娟基于施工现场材料库存管理现状运用灰色-马尔科夫链预测法分析价格波动，结合系统动力学分析影响成本因素的动态变化，并用vensim软件进行模拟，经不断调整得到最佳采购量。

参考文献:

[1]RosenblattMJ.TheDynamicsofPlantsLayout[J].ManagementScience,1986,132

（1）:

76-86.

[2]MawdesleyMJ,Al-JibouriSH,YangH.GeneticAlgorithmsforConstructionSiteLayoutinProjectPlanning[J].JournalofConstructionEngineering&Management,2002,128（5）:

418-426.

[3]AielloG,EneaM,GalanteG.Amulti-objectiveapproachtofacilitylayoutproblembygeneticsearchalgorithmandElectremethod[J].RoboticsandComputer-IntergratedManufacturing,2006,22（5-6）:

447-455.

[4]Abdel-RaheemM,KhalafallahA.ApplicationofElectimizeinSolvingtheConstructionSiteLayoutPlanningOptimizationProblem[C]//ConstructionResearchCongress.2012:

1124-1134.

[5]刘文涵.基于施工现场平面布置的安全管理优化模型和算法研究[D].东北财经大学，2012.

[6]柯华虎,李惠强,尹秀琴.建筑施工企业库存管理研究[J].科技创新导报,2010（17）:

199-201.

[7]左梦来,朱玉洁,朱晓林.基于SLP的建筑施工现场布置[J].山西建筑，2016,42（24）：

100-102.

[8]马文娟.施工现场材料采购策略研究[D].三峡大学2015.

（五）创新点与项目特色

①选择BIM技术分析装配式建筑施工现场的平面布置问题。

BIM是以建筑工程项目的各项相关信息数据作为模型的基础,具有可视化、协调性、模拟性、优化性和可出图性五大特点。

利用BIM技术,可仿真模拟建筑物的真实信息,包括三维几何形状信息及非几何形状信息。

图5.1-1BIM在全寿命周期的应用

图5.1-2以BIM技术为核心的各专业协同工作示意图

图5.1-3引入BIM技术前后施工现场工人数对比

将BIM平台和施工单位的进度规划方案结合,对构件的运输、安装情况实时掌控。

利用BIM协同平台可以查看构件的型号、尺寸及位置，确定构件的安装位置以及可能的堆放位置。

若现场安装过程中出现冲突碰撞,可将构件冲突信息传递至BIM协同平台。

图5.1-4BIM构件管理流程

③首次将工业工程设施规划与设计相关知识和人工智能算法（Python、C++等语言）寻求多目标问题最优解的方法应用到建筑行业中，改善了以人工经验主观布置场地的现状，加强施工现场布置设计过程中的系统性与科学性。

由于人工智能近年来发展迅速，且研究社区开放性强，提出的方法可以很轻易地引入新的深度学习模型进行改良，故该方法有较大的发展潜力。

图5.1-5施工平面布置最优方案

④项目中对主要设施布置影响因素进行归类，将影响因素分为可以由数学关系定量表达的和不可由数学关系表达的两类，前者被用于定量的构造目标函数和约束条件，而后者用于建立方案定性评价的指标体系，具有普遍适用性。

确定装配式建筑施工现场的约束条件和影响因素，便于建立优化布局模型及算法开发。

图5.1-6Revit模拟施工现场场地布置

该项目提出了一种较为合理的系数——综合相互关系，能够更好地描述颗物流因素和非物流因素之间的关系，以减少资源的浪费。

（六）技术路线、拟解决的问题及预期成果

6.1技术路线：

图6.1-1技术路线图

本项目按照提出问题、分析问题、解决问题的步骤进行了研究。

①通过文献综述和背景分析提出了所要研究的问题——通过BIM技术、遗传算法结合数学建模的方式解决装配式建筑施工现场平面布置问题，并对研究问题进行细化。

确定临时设施尺寸的确定及构建其BIM族库。

依据装配式建筑特点以及相关图纸信息等构建依托工程项目基于IFC标准的BIM信息模型。

进行构建施工现场布置的精度分析，初步确定临时设施的属性信息。

最后利用施工现场布置BIM建模软件构建临时设施BIM族库。

对装配式建筑施工现场平面布置问题的内部要素进行分析。

因为装配式建筑和普通土建建筑施工现场布置有很多相似点即建筑现场布置的普遍性要求也有不同点即建筑现场布置的特殊性要求，在分析影响因素时也按照普遍性要求和特殊性要求进行综合考虑。

通过到施工现场实地考察文献调研等方式对所研究的装配式建筑施工现场平面布置问题的各种影响因素进行分析，按照以上两方面确定布置对象、布置目标以及影响因素。

根据上一步的影响因素，确定装配式建筑施工现场设施布置的约束条件，在建立数学模型时将施工现场不可用区域标识出来，并在遗传算法生成初始种群时便建立了约束函数，从而保证各作业单位面积可以有必要的间隔且不发生重叠。

图6.1-2施工现场布局模型示意图

构建基于遗传算法的装配式建筑施工现场布置优化模型。

在构建优化模型时，全面考虑临时设施之间的相互关系——综合相互关系，通过求解物流作业单位相关表和非物理单位作业相关表，通过加权平均的方法确定的并将结果绘制成作业单位综合相互关系表。

结合数学模型，用遗传算法得出最优的作业单位布局。

采用SLP方法规划寻求施工现场合理的平面布置，以减少二次搬运等带来的“第三利润源”的浪费。

图6.1-3施工现场作业单位综合相关表

实现施工现场布置方案的三维可视化。

结合已构建的临时设施BIM族库以及遗传算法运算后所得到的最优布置方案，利用施工现场布置软件实现临时设施位置、大小、方向的三维可视化，模拟施工现场环境，从整体角度体现各临时设施间以及临时设施与现场周围环境之间的联系。

实例验证。

联系施工单位，在现场实地考察，获取一系列需要的数据，对数据进行处理，确定各种影响因素和约束条件，然后建模运用遗传算法求解，确定相应装配式建筑现场布置的最优方案。

经过合理分析与高效迭代并结合实际适当修改后获得布置方案，改善了以施工人员主观经验布置现场的情况，使施工现场规划更具科学性、系统性与合理性。

图6.1-4系统布置设计模式（程序）图

6.2拟解决问题：

①总结现场平面布置的普遍性原则及依据，分析装配式建筑施工现场平面布置的特征及安全问题，确定装配式建筑施工现场平面布置的对象以及布置的目标。

采用问卷调查的方法，对从文献、规范中提取的主要设施布置影响因素进行归类、筛选、萃取，将影响因素分为可以由数学关系定量表达的和不可由数学关系表达的两类，前者被用于定量的构造目标函数和约束条件，而后者用于建立方案定性评价的指标体系。

②对装配式建筑施工现场平面布置问题做出必要及合乎实际的基本假设，明确建模环境中的初始信息；响应装配式建筑施工现场平面布置中可以由数学关系定量表达的影响因素，构造目标函数和约束条件。

③遗传算法通过继承、变异、选择和交叉等模仿自然进化的过程，经常被用来优化和搜索问题，生成最优化问题的解决方案。

对遗传算法进行改进应用，通过一个装配式建筑的工程案例，建立装配式建筑施工现场平面布置数学模型；并在所建模型中加以运用。

以优化不均匀区域设施在施工现场的占用空间，增强施工现场平面布置研究的实用性，使施工现场平面布置模型具有更高的推广价值。

6.3预期成果：

1一个可以解决装配式建筑现场布置问题的算法程序

2一篇关于基于BIM技术和遗传算法的装配式建筑现场布置优化的学术论文

（七）项目研究进度安排

第一阶段：

准备阶段（2020年3月-2020年6月）

阅读相关文献，整理已发表成果，并通过分析确定临时设施尺寸及其构建BIM族库。

整理已有平面布局优化模型及算法对现有成果的不足之处进行总结，明确待改进部分。

根据待改进部分撰写研究方案，确定研究工作的方向与重点；为项目实施阶段做好有关准备，奠定研究基础。

第二阶段：

影响因素分析（2020年7月-2020年8月）

根据研究方案，进行实地调研，同时通过采用问卷调查的方法，对从文献、规范中提取的主要设施布置影响因素进行归类、筛选、萃取，将影响因素分为可以由数学关系定量表达的和不可由数学关系表达的两类，前者被用于定量的构造目标函数和约束条件，而后者用于建立方案定性评价的指标体系。

确定装配式建筑施工现场的约束条件和影响因素，便于建立优化布局模型及算法开发。

第三阶段：

优化方案研究及验证（2020年9月-2021年1月）

（1）运用系统布置设计方法（SLP）综合分析待布局单位之间的关系。

（2）通过基本经济订货批量模型（EOQ）制定预制构件运输计划。

（3）运用遗传算法进行优化求解。

（4）采用模糊筛选方法对优化结果进行筛选。

（5）运用BIM技术对优化后的施工现场布置方案进行动态模拟，进行实例验证，检测布置方案的可行性并对不足之处进行优化。

同时整理研究资料，做出总结，撰写论文。

第四阶段：

论文整理（2021年2月-3月）

整理研究成果，提交论文，准备答辩。

（八）已有基础

1.与本项目有关的研究积累和已取得的成绩

8.1研究积累

目前团队成员对C++、Python等编程语言及BIM技术比较熟悉，对装配式建筑有一定的了解，同时在学习土木工程施工的有关内容。

在查阅有关文献并和导师交流之后，对装配式建筑施工现场平面布置现有的研究方法及其缺陷有了比较详尽的了解。

同时，通过了解与本项目有关技术设备，如可对施工现场进行3D甚至5D模拟及能实现对构件的运输、安装情况实时掌控的BIM技术，我们对研究的可行性有了一定的把握。

团队成员有参加全国大学生BIM比赛和美国大学生数学建模比赛的经验，还有在中建五局项目造价工程部实习经历，有信心、有实力进行装配式建筑平面布置优化研究。

8.2已取得成绩

本项目的指导老师——范臻辉老师长期从事BIM技术及其应用、土木工程数值计算的研究工作。

承担的国家重点研发计划课题“复杂环境下轨道交通土建基础设施防灾及能力保持技术”（2017YFB1201204）子任务“轨道交通综合枢纽一体化建造关键技术”可以为本项目做依托。

2.已具备的条件，尚缺少的条件及解决方法

8.3已具备的条件

近年来，装配式建筑不断发展，其施工速度快、工程质量高、绿色环保等优点使其得到全国性的推广。

传统的施工阶段现场平面布置已不能与装配式建筑的工业化生产方式相适应。

随着管理科学、BIM技术的长足发展，数学模型结合BIM、技术对装配式建筑施工现场管理的价值不断体现出来。

（1）通过有关课程学习具备了相关管理科学理论

1）系统布置设计方法（SLP）

建筑施工现场存在着工业设施的规划与设计问题，建筑材料的临时存储与堆放、材料的现场加工和搬运等都会对现场管理和施工效率产生极大影响，故需综合分析人流、物流、信息流，对以上区域的相对位置进行科学合理分配，达到最优化结果。

极具理性的系统布置设计方法（SLP）能较好地解决这个问题。

SLP通过P（产品）、Q（数量）、R（生产路线）、S（辅助服务）、T（时间）五个基本要素综合分析和量化各作业单位之间的关系，结合实际情况，可得出合理的施工现场布局。

2）基本经济订货批量模型（EOQ）

建筑施工阶段有许多物资材料需要管理，对物资管理的理想状态是：

在保持适量的、不影响施工正常进度的库存量的前提之下，物资尽可能呈现“即来即用”的状态。

良好的库存管理能使存储系统达到服务与成本的平衡，预制构件的补货、存储与运输可运用库存理念指导相关计划。

基本经济订货批量模型（EOQ）是经典的库存管理模型，可以在满足施工现场需求供应的前提下确定预制构件装运计划，存储环节与各项成本之间的动态平衡，且能实现最低总成本的目标。

（2）BIM技术的应用

BIM建筑信息模型是基于计算机数字技术，集成建筑项目各项信息建立的一个虚拟三维建筑模型。

BIM技术具有可视化、协调性、模拟性、优化性、可出图性等特点，随着技术的不断发展，被应用到了建设项目的各个阶段。

BIM技术在施工阶段的出现较好地解决了信息丢失严重、进度规划不合理、工程进度跟踪困难、现场管理控制难度大等问题。

将BIM平台与施工单位的进度规划方案相结合,可实现对构件的运输、安装情况的实时掌控。

装配式构件出厂后,可将运输车辆信息上传到BIM协同管理平台上,管理人员在平台上便可掌握构件运输状况。

构件运输到施工现场后,可以快速获取构件的型号、尺寸及位置,确定构件的安装位置以及可能的堆放位置。

若构件在现场安装过程中出现冲突碰撞,构件冲突信息也能及时传递至BIM协同平台。

BIM所展现的管理数字化、产品数字化的建造过程，把建设项目的“先试后造”变成了现实。

在装配式建筑现场布置的优化研究中，BIM还可以为我们展现优化布置后的施工现场，并进行动态模拟，检测施工布局的合理性和可行性。

8.4尚缺少的条件

“如何有效地实现装配式建筑现场布置的优化”，仍存在着许多困难。

在本研究项目中，存在三方面的问题——确定装配式建筑施工现场的约束条件和影响因素、如何建立优化模型、遗传算法的优化求解。

（1）缺乏装配式建筑施工现场的约束条件和影响因素的确定方法，用于模型获取工作和建立定性评价指标。

装配式施工现场布局除了要考虑传统现浇建筑模式施工现场会出现的问题，还需考虑预制构件的运输、材料的摆放协调与吊装等问题，约束条件和影响因素较多。

此外，现场平面布置还需遵循普遍性原则，考虑安全问题，这些问题都影响着约束条件和影响因素的确定。

（2）缺乏合适的装配式建筑施工现场布置规划优化方法，用于寻找最佳现场布置方式。

现有装配式建筑平面布置的编程模型较多，但都还有各自的不足之处，不同施工现场有各自的特点，给模型的建立带来了不确定性影响因素。

除此之外，目标函数、约束条件的确定也影响着模型的建立。

传统的遗传算法最大的问题是早熟，对新空间的探索能力有限，容易收敛为局部最优解。

在施工现场这类复杂模型中的运算时间很长，给问题分析带来一定的困难。

引入新的算法辅助运算时，还可能会出现新的限制条件，从而阻碍求出最优解。

8.5解决方法

（1）总结现场平面布置的普遍性原则及依据，分析装配式建筑施工现场平面布置的特征及安全问题确定装配式建筑施工现场平面布置的对象以及布置的目标，进行现场调研后综合文献、规范中确定装配式建筑施工现场布置的影响因素，对影响因素进行归类、筛选、萃取，将影响因素分为可以由数学关系定量表达的和不可由数学关系表达的两类，前者被用于定量的构造目标函数和约束条件，而后者用于建立方案定性评价的指标体系。

（2）根据施工现场布置所需满足的具体要求，结合施工现场信息，量化现场布置约束限制条件以及影响因素，构建满足目标（成本、运输频率）的数学表达式。

选取施工现场布置的决策因素作为基因，通过编码将实际空间的临时设施布置问题表示成遗传空间的染色体构建问题，通过迭代求解，直至寻求到最优解。

通过装配式建筑工程实例，对所建模型加以运用，通过BIM技术检验模型可行性和合理性，对算法和模型进行双向优化。

最后实现施工现场布局优化，增强施工现场平面布置研究的实用性，使施工现场平面布置模型具有更高的推广价值。

三、经费预算

开支科目

预算经费

（元）

主要用途

阶段下达经费计划（元）

前半阶段

后半阶段

预算经费总额

10000

6000

4000

1.业务费

3000

用于BIM建模工作、发表论文版面费、文献检索费、差旅费

2000

1000

（1）计算、分析、测试费

1000

分析模型

1000

（2）能源动力费

（3）会议、差旅费

1500

施工场地考察

750

750

（4）文献检索费

250

收集数据

250

（5）论文出版费

250

250

2.仪器设备购置费

3000

用于购买或租赁实验设备

1500

1500

3.实验装置试制费

3000

用于工程项目管理沙盘实验室模型测试费

2000

1000

4.材料费

1000

用于购买书籍、办公用品费、复印相关文字资料

500

500

学校批准经费

四、指导教师意见

当前我国装配式建筑施工存在施工场地狭窄、构件数量多、易造成现场混乱导致生产效率低等不足，而BIM技术作为一种信息化手段，能够提高装配式建筑预制构件设计、制作、施工的效率和准确性。

本项目立足于装配式建筑施工现场布置，基于BIM技术和遗传算法构建施工场地布置优化模型，以减少构件和材料二次搬运，提高项目的生产效率，降低施工成本。

该选题具有较大学术意义和重大工程意义。

项目参与学生具备一定的科研能力与相关的软件应用基础，奠定了学生进行课题研究的基础。

然而该课题依然存在一些难点，如Revit临时设施族库的建立及遗传算法程序的编