基于BIM+GIS 多元數據集成與融合方法研究

尹紫紅 蘭富安 蔣良濰 冉光炯 王雪嶺

（1、西南交通大學，四川 成都610000 2、四川樂西高速公路有限責任公司，四川 西昌615000 3、四川高速公路建設開發集團有限公司，四川 成都610000）

傳統的公路建設信息化中，只限于對施工進度、安全、質量等因素的研究。但隨著數字孿生、大數據、智慧城市等概念的提出，智慧公路也逐漸為人所熟悉。隨著智慧公路建造的深入發展，對技術方案提出了越來越高的要求。要實現智慧公路的進一步發展，就必須厘清概念理論，從數據架構形式、數據融合算法的機制和方法路徑上著手實現創新。

1 研究背景

數字技術的不斷深入發展，社會各行業的數字化應用趨勢日益加深加廣，并影響著人們生活的方方面面。隨著公路工程的不斷成熟，與信息化建設結合也日趨緊密。要實現公路建設信息化，合理、高效利用BIM、GIS 等數字化技術就必須從數據處理的理論上著手，深入了解數據處理算法及平臺架構技術。

2 多元數據融合算法

在大體量的目標識別領域中，多元數據融合新型的數據處理手段得到了較大的重視和發展。

應用多元數據融合需要針對不同場景選擇不同算法[1]。一般來說主要分為物理類型類、參數類、認識模型類三種算法。數據融合算法分類見圖1。

圖1 融合算法分類

2.1 物理模型

物理模型類算法即依據現場實際物理模型直接計算三維實體各類特征。這類算法中典型的分析方法有句法分析、估計分析兩種。句法分析通過對物理對象語法表達進行開發，將一個結構關系中的物理對象的各類各類特征進行數據匯集，實現物理模型向三維實體模型的轉換。應用這種方法需要對每個對象開發處具體的語言和句法，較為繁瑣。估計分析法則利用卡爾曼濾波、最大似然估計、最小二乘法實現對物理模型的大致構建。

應用物理模型類算法，需要基于已有物理特征進行數據匯集、模型構建。在較為精密的基礎研究工作中較為重要，對于大體量的計算工作，由于實際中物理模型較為復雜，建立內在數據聯系難度較大。

2.2 基于參數類

參數類分析算法往往需要一個基礎標識，隨后所有數據將依賴這一基礎標識建立映射關系。參數類算法又可分為基于統計的算法和基于信息論的算法。

2.2.1 基于信息論的算法

基于信息論的數據算法中常見的即數據融合系統中的熵理論法、在現代神經學理論上提出的神經網絡算法、將大體量數據合理分類的聚類分析算法等。

熵理論算法通過計算某一隨機事物的發生概率、期望值來體現其中的信息量。該理論中發生概率小的事件熵極大，發生概率大的時間熵極小。在多源數據融合中，運用熵理論算法衡量某一系統整體效益，具有極大優勢。

神經網絡算法從邏輯思維角度出發，將多元數據信息符號化、概念化，再運用基礎計算機符號算法語言進行邏輯推理，可以有效的實現對各類數據整合[2]。

聚類分析算法通過將各類數據對象按功能、需求等進行分組，從而實現數據建模前對數據的簡化。

2.2.2 基于統計論的算法

基于統計論的數據算法中往往需要大量的觀測數據，在已有的觀測數據基礎上提出先驗條件，進行下一步算法操作。在統計論的算法中一般包括經典理論、Bayes 算法、D-S 理論等。

經典推理法通過給存在的目標先驗假設，確定標識目標與已觀測數據在該假設條件發生相關性的概率。運用經典推理算在解決變量較多的數據時，算法較為復雜，具有一定局限性。同時運用經典推理算法需要具備大量先驗密度函數的有效度以提供先驗假設條件。

Bayes 推理算法在經典推理算法的基礎上削弱了先驗函數的不可動搖的地位，該算法通過給定的預先似然估計結合觀測的附加條件作為最小風險代價的基本模型[3]。

Bayes 推理算法極大程度上減少了先驗需求。基于這一特征，Bayes 算法的難度體現在需要較為準確的定義極大似然估計；同經典推理算法一樣，若有多個假設條件或者變量，定義極大似然估計函數會更加復雜；運用多個假設條件分別定義極大似然估計函數時需要每個條件互不相容以保證極大似然估計函數變量獨立。

D-S 推理算法在Bayes 算法上更為廣義的拓展，該算法從更為全局的角度考慮算法準合理性。D-S 推理算法利用概率區間及不確定區間定義多條件假設下的似然函數，有效的解決了當假設條件相容時的情況。運用該種算法解決假設條件較多的案例時具有一定的靈活性，但當推論鏈較長時由于函數情況復雜使用論據較為不便；同時可能會造成前期基本假設條件值改變很小的情況下產生結果變化較大的情況。

2.3 認識模型

認識模型算法中主要包括用于匹配識別的邏輯模板算法、用于群體優化的遺傳算法、忽略不穩定性因素的模糊集理論算法以及基于客觀屬性的知識系統算法。

邏輯模板算法通過將先驗函數與觀測數據匹配識別，確定條件是否滿足推論需求，若滿足則進一步進行推理。從功能需求來看邏輯模板算法最重要的是用來定義關系不確定性的的邏輯算法，可以說模板算法即用邏輯關系實現參數匹配的一種綜合性算法。

模糊集理論算法通過將數據集合中不穩定、不確定、不精確性因素進行降噪處理，實現數據的主觀模糊性，從而簡化了數據模型。遺傳算法通過對初始觀測結果進行一系列優化，通過控制結果所給反饋信息實現優化過程中各類從參數的特征化控制。知識系統算法基于一些列對象集合的特征，結合已有的對客觀對象的認識，進行對對象集合的表達。

3 數據集成架構形式

3.1 C/S 架構

C/S 架構即客戶端/服務器架構模式，是使用較早的一種軟件架構形式，多用于局域網。C/S 數據架構基礎結構見圖2。

圖2 C/S 架構示意圖

C/S 數據架構主要有用戶表示層、數據庫層兩個層面，實現數據的直接傳輸，無需中間層。基于C/S 架構的形式，主要有以下優點：在用戶表示層可設置豐富的操作及界面，且均可由用戶自定義；由于沒有多余的中間層，故安全性可以得到保證；僅一層交互，信息傳遞速度很快。

同時，由于C/S 架構形式的雙向化，導致其適用面較窄，一般僅適用于局域網中；適用服務功能需求較單一化的用戶；客戶端的程序升級維護成本較高。

3.2 B/S 數據架構形式

B/S 架構是對C/S 架構的一種改進，其中的B 即代表Browser，即瀏覽器/服務器架構形式。這種架構形式的事務邏輯大多在服務器實現，只有極少數才會在前端實現[4-6]。

不同于C/S 架構，B/S 架構模式從功能上來說有三層，B/S架構示意如圖3 所示。

圖3 B/S 架構示意圖

使用這種架構模式，用戶在瀏覽器上即可實現數據訪問，無需安裝客戶端，極大減少了用戶端電腦壓力；B/S 架構可在廣域網上實現，通過設置一定權限即可以實現多客戶訪問，交互性較強；B/S 通過瀏覽器實現數據傳輸，只需要對服務器實現維護升級，無需像C/S 一樣對客戶端軟件升級，產生較大維護成本。

B/S 架構模式以瀏覽器作為服務器實現數據邏輯處理，保證其安全性及傳遞速度需要較大的設計成本；同時B/S 采用的是請求- 響應交互模式，在瀏覽器界面需要時常刷新以獲取最新的數據，而非實時動態的數據；最后，在跨越不同的瀏覽器時，B/S 架構模式會呈現不同的表現性能。

3.3 WEBGL 數據架構形式

WEBGL（Web Graphics Library）是一種以HTML 為框架，直接調用個體電腦GPU 進行硬件加速，用于前端的3D 繪圖協議。

圖4 WEBGL 架構示意圖

4 基于BIM+GIS 數據融合及集成

當采用GIS 技術作為數據來源時條件時，為確保數據真實性需要直接將采集的大量的地理地形數據直接處理、保管，數據處理算法力求簡單精確、數據儲存功能需要適應計算機硬件條件、數據結果需要適應空間矢量復雜程度及真實的動態需求。

基于以上算法及數據架構形式的研究，可以確定采用聚類分析算法及WEBGL 數據架構形式可以有效的實現地空模型的構建。

4.1 WBS 結構方法

WBS（WorkBreakdownStructure）工作分解結構按功能不同將項目進行細化、分解。從數據融合算法來看，隸屬聚類分析的一種，及按照功能性對數據進行分析。在實際工程需求中，通過WBS 結構方法可以有效的處理各項目團隊高效的實現團隊管理及協同工作。

BIM 數據融合將建管系統進度、設計變更、工序檢查、計量支付、試驗檢測、質檢評定等功能與BIM 模型構件掛鉤，通過WBS 及EBS 結構樹實現多源異構數據深度融合，實現模型構件層級與建設過程中各環節所涉及的資料及報表相關聯的數據可視化，確保工程建設全過程信息存儲和數據深度融合。基于WBS 結構建立的BIM計量支付及融合工序檢查見圖5、圖6。

圖5 BIM 融合計量支付

圖6 BIM 融合工序檢查

4.2 電子沙盤

圖7 電子沙盤

電子沙盤模塊，基于BIM+GIS 引擎，采用WEBGL 技術，實現了長線路、多專業的BIM模型及三維地形和影像數據的輕量化動態加載與展示。

模塊基于工程結構樹（EBS）對BIM模型對象及屬性信息進行管理，提供BIM對象的快速檢索定位（樁號檢索定位、標段檢索定位、工點檢索定位、地名檢索定位）、視圖定位、構造物快速篩選、地形透視、快速顯隱，以及模型動態剖切、幾何量測、行車漫游、關聯信息及圖紙查看等功能，幫助系統使用人員全面、直觀、準確的了解樂西工程相關數據信息。基于WEBGL 數字架構建立的電子沙盤模型見圖7、圖8。

圖8 電子沙盤EBS 結構

5 結論

本文從數據融合算法及數據架構形式兩方面進行了系統的研究。采用物理模型融合算法可以有效準確的實現GIS 技術對地空數據的有效識別，同時結合聚類分析算法可以有效的實現數據的整合管理及存儲需求。基于BIM+GIS 技術，結合WEBGL 數據架構形式，可輕量化的實現數據的在線動態管理及對工程全階段的資料有效整合。