资料简介
摘要人工智能在建筑行业受到越来越多的关注；然而，自动化时间进度计划在实际应用中仍然有限。进度计划编制仍然依靠人工，要求计划人员分析项目文件、定义施工活动、估算工期，并基于逻辑顺序识别工序关系。该过程主要依赖个人经验与技能，既耗时又容易产生人为错误。从工程设计角度来看，进度计划编制滞后或不一致会削弱设计到施工的反馈，限制在早期规划阶段评估替代设计方案的可施工性与时间影响的能力。本研究提出一种建筑信息模型（BIM）–自然语言处理（NLP）集成框架，用于自动化施工进度计划的活动识别、工期估算与逻辑排序。该框架从Revit中提取项目数据，整理为工程量清单（BOQ）格式，进而生成带唯一编号的活动清单。借助Sentence‑BERT（SBERT）嵌入技术，框架基于语义相似度估算活动工期。将同一语义处理过程与规则推理相结合，识别包括施工顺序在内的逻辑关系，并辅以包含逻辑关系、生产效率与编号结构的Excel参考字典。最后，框架嵌入工期压缩模块，在不违背工序关系的前提下，按比例调整最长路径上的活动工期，以匹配项目目标完工时间。所提框架通过实际建筑项目数据验证，结果可靠。通过直接从设计模型信息生成可直接用于软件的进度计划，所提工作流实现更早的进度反馈闭环，支持设计驱动型规划，使设计师与计划人员能够评估模型驱动的范围变更对工期的影响。结果表明，BIM与NLP集成可将传统进度计划编制转变为更快速、更一致的流程，从而为建筑行业提供支撑。关键词：工程设计；建筑信息模型（BIM）；自然语言处理（NLP）；Sentence‑BERT（SBERT）；进度计划自动化；人工智能（AI）
| 
