人工智能作为增强建筑信息模型（BIM）的工具（免责声明：本文为译文，版权归属于原作者，如有侵权请联系删除）

克里斯蒂安娜·乌卡玛卡·阿莱科 1,∗，沃法伊·奥米尼·乌桑 2，阿比亚马梅拉·奥比奥博哈 3，艾哈迈德·阿比杜·约拉绍 4和奥拉耶米·奥拉因卡·迈克尔 5

1 尼日利亚比达联邦理工学院，数量调查系。

2 尼日利亚克罗斯河州卡拉巴尔，克罗斯河州立大学，土木工程系。

3 尼日利亚阿布贾，国家人工智能与机器人中心，实验室系。

4 尼日利亚伊拉罗联邦理工学院，建筑技术系。

5 尼日利亚奥约州奥格布洛索，洛多克·安金塔洛大学，土木工程系。

世界高级研究与评论杂志，2024，24(02)，1833-1846

出版历史：2024年10月8日收到；2024年11月16日修订；2024年11月19日接受

文章DOI：https://doi.org/10.30574/wjarr.2024.24.2.3517

摘要

建筑信息模型（BIM）已经彻底改变了建筑、工程和施工（AEC）行业，转变了建筑生命周期数据的管理和可视化方式。通过将物理和功能特性整合到一个共享的数字模型中，BIM促进了协作，减少了返工，并简化了规划和执行过程。施工行业。

关键词：建筑信息模型（BIM）；人工智能（AI）；可持续性；互操作性；预测性维护

1. 引言

建筑信息模型（BIM）是一种变革性的方法，它通过启用能源建模和生命周期分析来支持可持续性，从而减少碳足迹。然而，尽管有这些进步，BIM仍面临互操作性问题，主要是由于专有软件格式，导致孤立的数据孤岛阻碍了跨平台的高效数据交换。将人工智能（AI）整合到BIM中为这些挑战带来了突破性的解决方案。AI通过自动化设计验证、碰撞检测和实时数据分析来增强BIM，将其转变为一个能够主动决策的自适应系统。AI应用，包括预测性维护、生成式设计和实时施工监控，承诺提高安全标准、减少错误并改善生命周期管理。然而，AI增强的BIM采用的障碍包括技术、伦理和金融挑战，如数据质量、隐私问题和高昂的实施成本。通过标准化数据协议、提升劳动力技能和协作框架来解决这些障碍，可以最大限度地发挥AI驱动的BIM的潜力，推动建筑行业在可持续性、效率和韧性方面的进步。建筑（AEC）行业通过提供一个综合框架来管理和可视化建筑的生命周期。建筑信息模型（BIM）作为建筑物理和功能特性的全面数字表示，允许在项目各个阶段进行精确协调和明智决策。研究人员强调，BIM工具的集成显著简化了项目规划、设计和执行过程，营造了一个协作环境，使利益相关者能够访问共享的数字模型（Azhar，2011年；Eastman等人，2018年）。这种协作方面尤其对缓解大型项目中通常出现的沟通挑战至关重要，因为它支持实时更新并在团队间促进透明度（Succar，2009年）。通过将数据整合到一个统一的系统中，BIM因减少返工和提高项目细节的整体准确性而被认可，这最终转化为时间和成本节约（Liu等人，2015年）。

BIM的采用进一步促进了建筑行业内可持续性实践的增强。随着全球对环境问题的认识加深，对资源高效型施工流程的需求强烈。BIM通过支持以可持续性为重点的分析（包括能源建模材料优化和生命周期评估）来促进这一点。关于“绿色BIM”的研究强调，这些功能不仅有助于设计环保建筑，还有助于在整个生命周期中实现能源消耗、用水量、材料使用和碳排放的最小化。结构，还有助于在建筑物的整个生命周期内最小化浪费和减少碳排放（Wu & Issa，2017年；Chong等人，2014年）。这种可持续关注使建筑信息模型（BIM）与全球环境目标和法规要求保持一致，将其呈现为一种工具，不仅用于提高项目效率，还用于推进建筑行业内的环境管理（Jalaei & Jrad，2015年）。通过使项目团队能够评估各种材料和施工技术对环境的影响，BIM成为实现可持续设计目标的关键资源（Litzkendorf & Lorenz，2013年）。

尽管BIM具有许多优势，但仍面临重大限制，特别是在数据集成和不同软件平台之间的互操作性方面。包括Autodesk和Bentley在内的多个软件供应商提供BIM解决方案；然而，这些解决方案通常采用专有格式，从而对无缝数据交换造成障碍。互操作性问题导致延误，并需要额外资源来重新格式化或转换不兼容系统之间的项目数据（Grilo & Jardim-Gonçalves，2010年）。解决这些问题需要对BIM数据进行标准化协议，这将允许跨平台流畅的数据共享，最终提高协作项目设置中的生产力（Hosseini等人，2016年）。研究人员指出，标准化方法将使BIM在复杂项目中具有更大的可扩展性，并促进AEC行业不同学科之间更紧密的协作（Laakso & Kiviniemi，2012年；Sacks等人，2011年）。人工智能（AI）融入建筑信息模型（BIM）代表了前沿技术的进步，解决了其中一些长期存在的限制。例如机器学习、计算机视觉等AI技术已在优化BIM的各个方面展现出有希望的应用。例如，由AI驱动的算法通过自动化诸如碰撞检测之类的任务来增强BIM，这对于在项目生命周期早期识别和解决设计冲突至关重要（Sacks等人，2020年；Golabchi等人，2019年）。这种自动化显著减少了人工劳动，提高了设计精度，并最小化了建设期间昂贵的返工。此外，AI功能还扩展到预测建模，使项目经理能够预见潜在的设计问题并采取主动调整（邹等人，2017年）。因此，将AI工具融入BIM将其从一个静态的信息库转变为一个能够进行智能分析和实时决策的动态系统。

AI增强BIM的最引人注目的应用之一是在预测性维护和设施管理中。AI驱动的预测分析可以分析BIM模型中的历史数据模式，以预测维护需求并在基础设施发生故障之前预防。这种预测性维护能力在资产密集型行业特别有益，因为在这些行业中长时间的停机可能导致巨大的财务损失。研究人员已经证明，集成BIM数据的人工智能算法使设施管理人员能够基于数据驱动的预测来制定维护计划，从而延长建筑物的使用寿命并降低长期运营成本（张等人，2021年；何等人，2019年）。这种人工智能与设施管理的融合还促进了资源优化，确保维护工作高效进行而不产生过多开支。

增强型BIM的人工智能潜力扩展到其他领域，如安全管理和风险评估。通过分析过去项目和实时施工环境的数据，人工智能可以检测潜在的安全隐患、评估风险，并推荐预防措施。人工智能与BIM的整合促进了更安全的工作环境，并提高了对安全标准的遵守，这在高风险的建筑环境中是一个关键因素（张等人，2021年）。此外，通过自动化安全监控和合规检查，BIM框架内的人工智能可以最小化人为错误，并改善对监管指南的遵循，进一步促进施工现场的安全。总的来说，这些进步展示了人工智能驱动的BIM不仅提高了项目效率和生产力，而且解决了可持续性、互操作性和安全性等关键行业挑战。

1.1. 研究目标

• 评估人工智能对提升BIM流程和成果的影响。

● 探索BIM中人工智能的具体应用，例如预测性维护和实时数据分析。● 识别在建筑、工程和施工（AEC）领域实施增强型人工智能（AI）建筑信息模型（BIM）的挑战。

● 探索BIM中AI的具体应用，例如预测性维护和实时数据分析。

2. 文献综述

2.1. BIM概述及其演变

建筑信息模型（BIM）自诞生以来经历了重大演变，从一个基本的数字绘图工具转变为一个复杂的多维模型，增强了各个建设项目的协作、可视化和数据管理。最初，BIM作为20世纪80年代计算机辅助设计（CAD）系统的一个进步出现，其主要目的是通过引入一种基于模型的方法来超越传统的二维和三维图纸，该方法能够管理额外的数据维度，包括时间和成本（Eastman等人，2011年；Azhar，2011年）。这一早期BIM框架使建筑师和工程师能够访问一个单一的、一致的建筑数字表示，减少了设计文档中的不一致性和冗余（Grilo & Jardim-Gonçalves，2010年）。随着时间的推移，BIM已经发展得更加复杂的数据和协作功能，改变了项目利益相关者在建设项目的整个生命周期中与信息互动和管理的方式。

今天BIM的核心组件反映了这一持续的演变，整合了对现代建筑、工程和施工至关重要的各种功能方面。建筑信息模型（BIM）的一个基本方面是其数据丰富的建模能力，模型中的每个元素都包含有关尺寸、材料和成本的精确信息（Succar，2009年）。这种基于模型的方法支持高度的细节，并促进详细的项目规划和设计协调，这对于大型项目至关重要。此外，BIM还涵盖超出最初三维模型的多个维度；四维BIM整合了进度信息，使项目经理能够可视化施工阶段并预测时间问题，而五维BIM增加了成本估算，有助于预算和财务规划（李等人，2012年）。六维和七维BIM的兴起进一步扩展了模型的用途，分别用于设施管理和可持续性分析，这表明BIM已适应以满足更广泛的行业需求。

尽管有这些进步，BIM在互操作性和跨不同软件平台和利益相关者之间的数据交换方面仍面临显著限制（Sacks等人，2018年）。BIM平台通常使用专有数据格式，当各种团队使用不同的软件时，实现无缝数据集成是一个挑战。这种互操作性问题导致孤立的信息孤岛，阻碍协作，对于涉及多个分包商和顾问的项目来说，这是一个关键问题，他们需要统一访问项目数据（Khosrowshahi & Arayici，2012年）。此外，BIM对大型数据集的依赖可能会带来可扩展性挑战，特别是在具有广泛模型数据的复杂项目中。增加的复杂性可能会减慢模型处理速度，导致效率低下，干扰工作流程并延迟项目时间表。

实时数据分析是BIM的另一个局限领域，因为传统系统缺乏现代建筑环境所需的实时响应能力。常规的BIM工具通常是为批处理设计的，这意味着它们会定期更新数据而不是即时更新，限制了项目经理迅速做出数据驱动决策的能力（Won等人，2013年）。这种滞后可能在快节奏的建筑环境中造成不利影响，及时响应新出现的问题至关重要。此外，随着BIM的发展增加了新的维度和功能，对自动化数据处理和分析能力的需求日益增加。没有这些功能，用户必须手动处理常规任务，如碰撞检测和进度更新，这两者都耗时且容易出错（Arayici等人，2011年）。

BIM内的另一个重大限制与设计及施工过程中实施自动化的挑战有关。虽然BIM可以模拟各种建筑组件并模拟施工进度，但它缺乏根据性能标准自动优化设计或建议替代方案的能力，这降低了其协助主动决策的潜力（Eastman等人，2011年）。这一限制促使行业研究人员探索使用人工智能（AI）作为扩展BIM功能和解决其缺陷的手段。通过整合人工智能算法，建筑信息模型（BIM）可能促进预测建模、实时决策，甚至生成式设计过程，将其从静态的信息库转变为能够提升项目成果的适应性工具（张等人，2019年）。

BIM的演变还突显了与数据安全和隐私相关的某些挑战。随着BIM模型越来越多地存储有关建筑规格、材料和进度安排的详细信息，数据泄露的风险已经增加，特别是当这些模型在多个利益相关者之间共享时（阿兹哈尔，2011年）。随着转向基于云的BIM平台，这种担忧加剧，敏感的项目数据在线存储，使其容易受到网络攻击（萨克斯等人，2018年）。解决这些数据安全问题的方法需要强大的加密和访问控制措施，但实施这些措施可能会进一步复杂化BIM系统的集成和可用性，特别是在协作环境中。

2.2. 建筑行业的人工智能发展

建筑行业越来越多地整合人工智能，以解决该行业的独特挑战，从提高运营效率到改善安全和生产力。人工智能显著重塑了建筑领域的各个方面，包括设计、项目管理和风险评估。人工智能影响建筑的主要方式之一是通过自动化和预测分析，这简化了操作并减少了人为错误。例如，由人工智能驱动的工具可以通过分析大型数据集来优化日程安排，从而比传统方法更准确、更高效地预测项目时间表（Pan & Zhang，2021年）。机器学习（ML）算法在预测项目延误方面特别有益，为项目经理提供实时洞察力，以便进行必要的调整以避免成本高昂的超支（Li等人，2019年）。

在设计方面，由人工智能驱动的工具引入了生成式设计方法，使建筑师和工程师能够快速探索众多设计选项。通过分析诸如材料、结构和能效等多种设计参数，人工智能可以生成多个优化布局和配置，从而实现更可持续和创新的结构（Huang等人，2020年）。此类工具不仅加快了设计阶段，还带来了资源高效的结构，因为人工智能帮助建筑师在设计过程的早期做出数据驱动的决策。例如，Autodesk的Revit软件已集成人工智能，通过简化设计工作流程来提升建筑信息模型（BIM）功能，从而减少错误并改善跨学科团队之间的协作（Wang & Kim，2022年）。

人工智能还对建筑安全产生了重大影响。凭借计算机视觉和基于传感器监测等技术，人工智能使施工现场能够实时检测危险。这一能力至关重要，因为建筑行业常被视为最具危险性的行业之一。通过使用计算机视觉监控视频资料，人工智能可以检测不安全行为或潜在风险，并立即提醒安全管理人员以防止事故发生（Bock & Linner，2015年）。例如，公司结合人工智能使用无人机进行工地监控，以追踪工人活动并检测任何偏离安全协议的行为，从而确保符合安全标准（Kim等人，2018年）。

此外，人工智能通过提供预测模型来促进项目管理的提升，这些模型有助于预测项目风险和改善资源分配。预测分析可以评估过往的项目数据，识别资源消耗的模式，帮助项目经理预见短缺并采取主动调整措施。例如，机器学习算法分析以往项目，推荐最佳资源分配方案，从而确保多个任务之间的工作流程平衡，减少资源驱动延误的可能性（Nadkarni等人，2021年）。在项目管理中应用的人工智能还扩展到了成本估算领域，高级算法分析历史成本数据以准确预测当前项目成本，这在预算复杂的大规模建筑项目中尤其有价值（Son等人，2022年）。

在资产管理领域，人工智能应用在预测性维护方面发挥了重要作用。嵌入在建筑设备中的传感器收集数据，人工智能处理这些数据以预测机械故障发生之前的情况。这种方法最小化了设备停机时间，优化了维护计划，并延长了建筑机械的使用寿命。通过预防意外故障，公司可以显著降低成本并提高运营效率（Anumba等人，2020年）。这种预测性维护不仅节省资金，而且通过避免建设活动中计划外的停工来改善项目时间表。

最后，人工智能通过协助能源管理和减少碳足迹，促进了可持续建筑实践。人工智能算法能够分析施工现场的能源消耗模式，并为减少能源浪费提供建议。此外，人工智能通过分析环境影响支持可持续材料的选择，使建筑公司更容易选择符合可持续建筑监管标准的环保材料（Gan等人，2019年）。随着行业向可持续性迈进，人工智能在推进绿色建筑实践中的作用不断扩大，为更具环境责任感的建筑过程铺平道路。

2.3. 人工智能与建筑信息模型（BIM）的整合

人工智能融入建筑信息模型（BIM），代表了在计划、执行和管理建筑项目方式上的重大转变。人工智能通过引入自动化和数据驱动的洞察力来提升BIM能力，从而改善项目成果。例如，BIM内的AI驱动工具可以简化复杂的数据管理任务，使不同建设阶段之间实现更有效的协调。例如，机器学习算法已被广泛应用于实时改进设计协调和错误检测，从而在施工开始之前最小化成本高昂的错误（Ghaffarianhoseini等人，2017年）。通过在建筑信息模型（BIM）中利用人工智能（AI），施工团队可以访问先进的预测分析，这些分析预测潜在的项目挑战、延误和资源限制。这种预见性的洞察力使项目经理能够更有效地分配资源，从而最大化运营效率（Pan & Zhang，2021年）。

AI影响BIM的一个关键领域是自动化重复性任务，如碰撞检测和设计验证。传统的BIM工具检测各种结构组件之间的碰撞，但需要手动验证，这可能非常耗时且容易疏忽。AI通过自主执行这些检查并根据历史项目数据建议最佳解决方案来增强这一过程。例如，神经网络和深度学习算法使AI驱动的BIM系统能够预测设计冲突并提出调整，从而提高设计阶段的整体质量和准确性（Bhardwaj等人，2020年）。这些进步有助于减少设计修订所需的时间，并确保项目从一开始就遵守监管标准。

除了碰撞检测外，AI在改善BIM内的数据分析中也发挥着重要作用。大型建筑项目产生大量数据，从结构测量到材料使用率和工人时间表。由人工智能驱动的建筑信息模型（BIM）平台利用这些数据提供可操作的见解和预测模型，这对于在整个项目生命周期中做出明智决策极为宝贵。自然语言处理（NLP）也被集成到BIM中，以实现与系统的更直观互动，使项目经理能够用普通语言表达命令或查询，由人工智能解释以检索相关信息或执行特定操作（王&金，2022年）。这种由人工智能支持的简化不仅提高了非技术利益相关者的可访问性，还促进了跨学科团队之间更有效的沟通。

此外，BIM中的人工智能使得实时监控施工进度和质量控制成为可能。通过使用计算机视觉和机器学习，BIM工具可以评估项目现场并检测偏离原始设计规格的情况。这种集成减少了对手动检查的依赖，允许更快且更精确的调整以确保符合设计和安全标准。例如，计算机视觉算法可以分析现场图像并检测潜在的结构问题，对其进行标记以便立即纠正（金等人，2018年）。这些由人工智能驱动的工具与BIM的集成增强了质量保证措施，降低了可能导致项目延误或结构缺陷的错误的可能性。

人工智能还为BIM引入了预测性维护，其中算法分析历史数据以预测未来的维护需求。通过识别设备使用模式和性能数据中的模式，由人工智能驱动的建筑信息模型（BIM）工具可以预测特定资产何时需要维护或更换，减少非计划停机时间并延长昂贵机械的使用寿命。预测性维护在复杂、长期的建设项目中特别有益，因为在这些项目中机械的可靠性对于维持工作流程的连续性至关重要（Son等人，2022年）。此功能使建筑公司能够优化资产利用，提高项目效率并降低运营成本。

最后，人工智能在BIM内的整合扩展到了可持续性实践。通过分析资源消耗和环境影响的资料，人工智能算法可以优化材料使用和废物管理。这种整合支持建筑公司符合可持续性标准，最小化资源浪费，并减少碳足迹。通过结合人工智能与BIM，建筑团队更好地装备自己，以创造符合全球可持续性目标的环境友好设计，因为人工智能帮助识别更环保的材料选项并优化能源使用（Gan等人，2019年）。随着可持续性在整个行业成为更高的优先事项，预计集成人工智能的BIM解决方案将在推进环保建筑实践方面发挥关键作用。

3. 理解建筑信息模型（BIM）

3.1. BIM的核心组件

建筑信息模型（BIM）整合了在建筑、工程和施工（AEC）行业内推动其功能和效用的基本组件。这些核心元素包括数据管理、项目协调和可视化工具，每个元素都针对建筑项目交付中的特定挑战。通过使用这些组件，建筑信息模型（BIM）在建筑生命周期的各个阶段促进协作、准确性和流程顺畅（Eastman等人，2011年）。BIM的核心是创建一个共享信息模型，该模型连接所有利益相关者——从建筑师和工程师到承包商和设施经理——在一个统一的平台下，提高整体项目整合度并减少冗余（Azhar等人，2012年）。

3.1.1. 数据管理

BIM中的数据管理至关重要，因为它能够高效地存储、组织和检索建筑项目各个阶段的信息。在BIM中，数据涵盖建筑设计、工程规格、环境因素和设施管理细节。有效的数据管理确保所有利益相关者都能访问最新且准确的信息，从而减少差异并提升决策质量。根据Alreshidi等人（2017年）的研究，BIM内的数据管理防止了数据孤岛现象，促进了信息的无缝流动，带来更为连贯的项目成果。BIM以数据为中心的特性还支持互操作性，允许不同的软件系统协同工作，并促进不同利益相关者之间的协作工作流程（Li等人，2019年）。

3.1.2. 项目协调

建筑信息模型（BIM）的主要作用之一是通过提供一个协作平台来增强项目团队之间的协调，所有参与者都可以在这个平台上互动。这种协调确保设计、时间表和资源保持一致，以实现项目的目标。传统的施工实践常常因为沟通不畅和协调问题而受到影响，但BIM通过允许实时更新和冲突解决来缓解这些挑战。通过BIM进行的项目协调利用了诸如碰撞检测之类的功能，在结构设计中的潜在冲突在施工阶段出现之前就能被识别出来（Azhar等人，2015年）。这种主动的错误检测过程显著减少了返工，节省了时间和资源。

3.1.3. 可视化工具

可视化是BIM的基石，使利益相关者能够体验建筑模型的3D表示。该组件提高了复杂建筑设计清晰度和理解度，使得非技术利益相关者更容易参与项目。有了BIM，设计不仅可以在三个维度上可视化，还可以在时间（4D）和成本（5D）等其他维度上进行可视化，这有助于更全面的项目规划（Sacks等人，2018年）。BIM的可视化功能提供了项目进度的清晰画面，使利益相关者能够识别潜在问题并根据需要进行明智的调整。

3.1.4. 碰撞检测

BIM项目协调的一个关键方面是碰撞检测。碰撞检测识别设计模型内部的不一致或冲突，例如电气导管与管道装置之间的结构重叠，这些可能容易被忽视。在施工前阶段检测这些碰撞可以防止昂贵的现场错误并简化施工工作流程（Motamedi等人，2014年）。集成在BIM软件中的自动化碰撞检测工具能够快速识别并解决问题，促进效率并确保符合监管要求。

3.1.5. 实时协作

BIM中的实时协作连接了地理分散的团队，使他们能够同时处理同一个模型。这种实时协作提高了透明度，并确保每个参与者都意识到正在进行的更改。根据Singh等人（2011年）的说法，这种共享模型方法减少了沟通差距，并促进了项目团队之间的团结感。实时协作允许同步更新，意味着一方所做的任何更改会立即对其他方可见，减少延误并提高项目调整的灵活性（Chong等人，2017年）。

3.1.6. 参数化建模

BIM利用参数化建模，以基于预定义参数进行灵活的设计修改。该功能使您可以修改特定的设计元素，如房间尺寸或结构组件，而无需手动更新整个模型。参数化建模提高了设计精度，并有效适应客户需求，因为变更会自动在整个模型中传播，确保一致性（Kensek，2014年）。建筑信息模型中的参数化建模实现了更具响应性的设计流程，减少了手动调整和潜在错误。

3.1.7. 文档和合规性

建筑信息模型在文档生成过程中发挥着关键作用，它在每个项目阶段生成准确且最新的记录。自动化生成的文档，如材料清单、时间表和成本估算，提高了运营效率。此外，建筑信息模型通过确保所有设计元素符合监管标准来支持合规性，有助于避免法律或财务问题（Barlish & Sullivan，2012年）。此功能简化了获取许可和证书的过程，有助于项目执行更加顺畅。

3.1.8. 成本估算（5D BIM）

成本估算，即5D BIM，将项目成本整合到建筑信息模型中，使利益相关者能够查看设计变更的实时成本影响。该功能通过提供基于设计调整的即时财务洞察，帮助预算管理。根据Monteiro & Pocas Martins（2013年）的说法，5D BIM改善了财务预测，为客户提供了预算分配的透明视图。建筑信息模型内的成本估算工具促进财政责任，并允许更好地与项目预算对齐，最小化成本超支的风险。

3.1.9. 项目排程（4D BIM）

建筑信息模型（BIM）还支持基于时间的项目排程，即4D BIM，其中施工顺序与模型相关联。该功能使项目经理能够随时间模拟施工活动，从而更容易识别瓶颈并优化工作流程。通过直观展示施工进度，4D BIM有助于以有条理的方式安排劳动力、设备和材料（Miettinen & Paavola，2014年）。项目排程功能提高了时间线的一致性，全面理解项目持续时间，减少潜在的延迟。

3.1.10 可持续性分析

随着越来越重视可持续性，BIM包含了评估建筑环境影响的分析工具。这些工具帮助项目团队就材料、能源消耗和废物管理做出环保选择。BIM内的可持续性分析通过跟踪整个项目生命周期中的环境指标，有助于获得LEED等认证。通过优先考虑可持续设计，BIM有助于减少建设项目的生态足迹（Yoon等人，2020年）。将可持续性融入BIM支持绿色建筑实践，确保项目符合环境标准和长期可持续发展目标。

3.2 当前BIM实践的挑战

当前建筑信息建模（BIM）实践中面临的主要挑战涉及数据集成、实时更新、可扩展性和技术采用等问题。尽管建筑信息模型（BIM）具有变革潜力，但它仍面临一些限制，这些限制阻碍了其在复杂的多学科建筑项目中的全面应用。例如，数据集成就是一个基本问题，因为它涉及整合来自建筑师、工程师和承包商使用的众多软件和系统的不同类型的信息。每个学科通常使用不同的软件，这导致在数据交换过程中出现不兼容和数据丢失，从而限制了BIM共享模型环境的效率和准确性（Eastman等人，2011年）。缺乏互操作性和标准化数据格式加剧了这些集成问题，影响项目一致性并妨碍有效协作（Azhar等人，2012年；Merschbrock和Munkvold，2015年）。

实时更新是BIM实践面临的另一个主要挑战。建筑项目是动态的，从设计到执行的每个阶段都会频繁发生变化。BIM旨在允许项目利益相关者之间实时共享更新，然而许多组织由于网络限制、软件约束或不良的协作实践而难以实施（Sacks等人，2018年）。因此，更新信息或同步模型的延迟可能导致过时数据、错误决策以及潜在的项目延误。当前对实时协作的需求强调了需要更可靠的数据共享平台和基于云的解决方案，以便高效处理持续更新。

可扩展性是BIM中的另一个紧迫挑战。虽然建筑信息模型（BIM）系统在相对简单的项目中表现良好，但对于复杂的大规模建筑项目来说，扩展这些模型变得越来越困难。大型项目需要相当大的计算能力和数据存储能力来处理包含数千个相互连接元素的复杂模型。此外，数据量的增加还需要更复杂的数据管理策略，以确保模型的完整性和性能（Won等人，2013年）。管理大量BIM数据所涉及的复杂性常常推动当前BIM软件和硬件的极限，使得扩展性成为大型建筑项目的关键限制因素（Li等人，2019年）。

建筑行业内BIM技术的采用程度不一，这给充分发挥BIM的优势带来了重大障碍。许多组织由于高昂的前期成本、需要专门培训以及对技术的不熟悉而缓慢采纳BIM。此外，小型公司通常缺乏投资BIM的资源，导致行业内BIM使用的不均衡。对采用BIM的抵触还源于对变革的抵抗和对传统工作流程的偏好。培训员工和调整组织结构以融入BIM需要大量的时间和资源，导致许多公司推迟采纳（Khosrowshahi & Arayici，2012年）。

隐私和安全问题进一步复杂化了BIM的实施。BIM模型包含敏感的项目数据，必须防止未经授权的访问。鉴于建筑信息模型（BIM）的协作特性，多个利益相关者访问并贡献给共享模型，确保数据安全成为一项复杂的任务。网络安全威胁对BIM模型构成实际风险，尤其是当它们与云平台和物联网设备集成时。这种情况需要高级安全协议和数据加密方法来保护项目数据，同时保持授权用户的可访问性（Alreshidi等人，2017年）。

最后，BIM实践中的监管合规复杂性带来了额外的挑战。BIM模型必须遵守各种建筑规范和法规，这些规范和法规因地区而异。需要使BIM模型与这些法规保持一致，增加了项目工作流程的复杂性，并可能减缓设计过程。为了在全球范围内有效运作，BIM必须纳入适应性的合规框架，以便根据地区要求进行修改（Miettinen和Paavola，2014年）。因此，应对合规要求并确保BIM模型满足所有必要标准需要大量资源，为建筑行业内的组织增加了另一层难度。

3.3. 当前BIM工具及其局限性

建筑信息建模（BIM）软件在推进建筑行业能力方面发挥了重要作用，提供了平台，使建筑师、工程师和项目管理人员能够通过共享的数字建筑表示形式协作开展复杂项目。然而，尽管具有这些优势，最受欢迎的建筑信息模型（BIM）工具仍然存在明显的局限性，这些局限性对其有效性提出了挑战。常用的BIM平台如Autodesk Revit、ArchiCAD和Bentley Systems都是市场领导者，它们各有特定的优势，但也存在显著的缺陷，特别是在可扩展性、互操作性和数据管理方面。

其中最常用的工具之一，Autodesk Revit，提供了广泛的建模功能，使用户能够创建详细的建筑设计。然而，在需要实时协作和复杂数据集成的项目中，Revit的局限性变得明显。Revit的数据交换格式并不总是与其他软件兼容，导致信息丢失和工作流程碎片化（Azhar等人，2012年）。其文件繁重的系统会降低性能，尤其是在较大的项目中，导致滞后和运营延误，从而降低生产力（Eastman等人，2011年）。此外，Revit的系统严重依赖单用户模式，这使得跨学科团队中的协作过程变得复杂，并可能限制数据的可访问性（Clevenger和Haymaker，2011年）。

Graphisoft的ArchiCAD是另一种流行的BIM工具，以其用户友好的界面和对建筑项目的适用性而闻名。然而，它缺少许多大型项目所需的机械、电气和管道（MEP）功能，使其不如一些竞争对手那样多功能。ArchiCAD在有限的建筑信息模型（MEP）建模能力可能限制其在需要整合各种工程学科的全尺度建筑信息模型（BIM）项目中的应用（Sacks等人，2018年）。此外，虽然它支持某些开放数据格式，如工业基础类（IFC），但与IFC文件的完整性和兼容性相关的问题可能会带来互操作性的挑战，特别是在与其他BIM平台合作时（Merschbrock & Munkvold，2015年）。

Bentley Systems套件包括MicroStation和Open Buildings Designer，以其专注于基础设施的应用而闻名。Bentley软件为土木和基础设施项目提供了强大的功能，但通常认为与以建筑为中心的BIM工具（如Revit和ArchiCAD）集成具有挑战性。Bentley系统使用的不同数据结构，专为桥梁、公路等更大规模的项目设计，当转移到专注于建筑和设施的BIM环境时，会产生额外的兼容性问题（Eastman等人，2018年）。此外，Bentley复杂的界面和高昂的许可成本可能成为小型公司和个体从业者的障碍（Love等人，2014年）。

另一个影响所有BIM工具的局限，在不同程度上是这些平台在处理大型复杂项目的可扩展性。BIM平台最初是为相对简单的建筑项目开发的，尽管已经取得了进步，但许多工具仍然难以管理大型项目所需的大量数据和细节。例如，随着建筑信息模型（BIM）复杂性的增加，对强大硬件和网络资源的需求变得明显，许多工具在模型变得更加详细时会出现显著的减速（Babic等人，2010年）。这些可扩展性问题在拥有数千个元素和复杂建筑设计项目中尤为突出，此时崩溃和数据损坏的风险可能升级（Hosseini等人，2018年）。

就数据互操作性而言，BIM工具在促进不同软件之间无缝信息交换方面存在限制。缺乏标准化数据格式和对开放标准如IFC的不完整实施意味着，在不同工具之间传输数据通常会导致信息丢失或不兼容（Miettinen & Paavola，2014年）。这种缺乏互操作性不仅影响协作，还阻碍了BIM工作流程的效率，因为项目团队必须投入额外的时间和资源来纠正和调整传输的数据。

BIM工具面临的一个重大问题是实时更新和同步的管理。在复杂项目中，实时数据同步对于保持所有利益相关者掌握最新信息至关重要。然而，大多数BIM工具，特别是Revit，难以维持实时同步，经常需要手动更新，这可能会延迟项目时间表并导致不一致（Migilinskas等人，2013年）。基于云的BIM解决方案提供了一些缓解，但也带来了自身的挑战，包括更高的成本和需要强大的网络基础设施，这对于所有组织来说并不总是可行的。

BIM软件的成本以及有效使用所需的培训代表了另一个障碍，特别是对于小型公司而言。像Revit、ArchiCAD和Bentley产品这样的BIM工具伴随着高额的许可费，而这些工具的高级功能需要熟练掌握其使用的熟练人员（Eastman等人，2011年）。这一成本因素限制了小型公司和资金较少的地区对BIM的采用，这些地区可用于软件和培训的资本有限。因此，与BIM工具相关的高昂成本可能造成不平等的竞争环境，限制资源较少的组织的创新。

最后，用户的适应性和对变革的抵抗在BIM工具的有效性方面呈现出显著的局限性。具有既定工作流程的传统建筑公司可能会抵制采用BIM，尤其是在使用像Revit或Bentley的Open Buildings这样复杂的软件的学习曲线陡峭时。这种犹豫不仅减缓了BIM的采用，还限制了这些工具的全面利用，因为许多用户可能只利用基本功能而不探索高级能力（Babic等人，2010年）。克服这些适应性挑战需要大量的培训和变革管理，许多组织发现从时间和预算的角度来看难以证明其合理性。

4. 人工智能在BIM中的应用

4.1.设计优化与生成式设计

设计优化是建筑信息模型（BIM）中人工智能的关键应用，旨在通过探索多种设计方案来提高建筑设计效率。生成式设计是AI驱动优化的一个子集，允许建筑师和工程师设定设计参数，如尺寸、材料和空间限制。然后，AI算法生成数百或数千个潜在的设计方案，每个方案都针对满足特定要求进行了定制。通过利用这一能力，集成AI的BIM工具可以基于成本、结构完整性和能源效率等性能指标快速评估这些设计方案。这减少了传统手动设计迭代所需的时间和精力，并使建筑师能够做出更加明智的决策（Azhar等人，2021年）。此外，生成式设计纳入了实时反馈，允许根据用户输入持续改进和完善，使其成为一个动态的迭代过程（Kensek，2022年）。

BIM中的AI驱动生成式设计不仅加速了设计过程，还有助于可持续建筑实践。通过分析诸如日照、风向和当地气候条件等环境因素，AI算法可以建议能提高能源效率并减少建筑物碳足迹的设计变更。例如，通过模拟，人工智能可以推荐窗户布局，以最大化自然采光同时最小化热量损失，从而降低建筑的能耗（程和马，2020年）。通过这种方式，由人工智能驱动的设计工具支持建筑师设计出既美观又环保的建筑。

4.2. 施工流程的自动化

人工智能对建筑信息模型（BIM）的一个重要影响是自动化各种传统上需要大量人力干预的施工流程。人工智能算法通过自动化诸如碰撞检测之类的任务来简化这些流程，在建造开始之前识别建筑组件（例如管道和电气导管）之间潜在的冲突。这种自动化减少了人为错误，并大幅降低了现场纠正设计问题所花费的时间和成本（周等人，2021年）。人工智能的自动化能力还扩展到项目调度方面，机器学习模型分析历史项目数据以预测最佳时间表，识别关键路径活动，并高效分配资源，从而减少项目延误并提高生产力（施罗兹汉等人，2020年）。

此外，通过人工智能实现的BIM自动化还包括对施工活动的实时监控。例如，计算机视觉可用于通过分析现场图像和视频来跟踪施工进度。这种实时监控……

数据被整合进建筑信息模型（BIM）中，提供实时的施工状态更新，帮助项目经理做出及时的决策和调整（朴等人，2022年）。这种自动化水平正在彻底改变建筑行业，使项目执行更加高效，整体成果更好。

4.3. 实时数据分析与可视化

人工智能（AI）与BIM的整合增强了实时数据分析和可视化的能力，为利益相关者提供关于项目表现的即时洞察。传统的BIM工具在处理并解释大量实时数据的能力上有限。然而，AI算法能够处理大型数据集，提取有意义的模式，并通过可视化仪表板呈现这些发现，改善决策过程（王等人，2020年）。例如，BIM中的实时数据分析允许持续监控施工进度，帮助项目经理识别潜在延误并及时解决问题。

AI还促进预测性分析，机器学习模型使用实时数据来预测未来项目结果。例如，由AI驱动的分析可以在材料短缺或设备故障发生之前进行预测，允许采取主动措施来缓解这些问题（刘等人，2021年）。通过互动BIM模型可视化这些洞察，使利益相关者能够探索各种项目情景并做出明智决策，提高整体项目效率。

4.4. 预防性维护与生命周期管理

人工智能在建筑信息模型（BIM）中的预测性维护和生命周期管理中扮演着关键角色，这有助于延长建筑资产的使用寿命并降低维护成本。预测性维护利用机器学习算法分析来自嵌入在建筑系统中的传感器数据，例如暖通空调（HVAC）单元或电梯。通过监控诸如温度、振动和能耗等性能指标，人工智能模型能够检测异常并在设备故障发生之前预测潜在的设备故障（奥多诺万等人，2021年）。这种主动的方法使设施管理人员能够高效地安排维护活动，防止昂贵的故障并最小化停机时间。

除了预测性维护外，人工智能通过提供对长期资产性能的洞察来增强生命周期管理。通过将BIM与AI驱动的分析相结合，设施管理人员可以监控建筑组件在其整个生命周期内的健康状况，优化维护计划，并根据数据做出关于修理或更换的决策。这种全面性的资产管理方法不仅提高了建筑性能，还降低了运营成本并增强了建设项目的可持续性（王与王，2022年）。

4.5. 安全与风险管理

安全是建筑中最为关切的问题，而增强人工智能的BIM提供了创新的解决方案以改善安全管理。AI算法能够分析历史安全数据并识别出表明施工现场潜在危险的模式。例如，机器学习模型可以根据以往的事故预测可能发生事故的地点，帮助项目经理实施预防措施（张和李，2021年）。此外，与建筑信息模型（BIM）集成的计算机视觉技术可以持续监控施工现场的不安全状况，如工人未佩戴防护装备或将设备放置在危险位置。这种实时分析有助于及时解决安全问题，从而降低事故风险。

另外，人工智能可以通过分析与天气状况、项目进度和现场物流相关的数据来支持风险管理。预测模型可以预测潜在风险，如因恶劣天气或供应链中断导致的延误，使项目团队能够制定应急计划。通过将这些预测见解与BIM集成，项目经理可以可视化这些风险对项目时间表的影响，并做出明智的决策以减轻这些风险（陈等人，2022年）。因此，人工智能在增强BIM内的安全和风险管理中的作用对于确保安全和成功的建设项目至关重要。

5. 人工智能增强BIM实施的挑战

5.1. 技术挑战

人工智能（AI）与建筑信息模型（BIM）整合的一个重大障碍是数据质量和标准化的议题。BIM严重依赖准确、结构良好的数据来创建物理建筑的数字表示。然而，在建设项目中使用的数据集通常来自不同的来源，具有不同的格式、详细程度和计量单位。这种不一致性导致显著的互操作性问题，人工智能系统可能难以有效处理和分析数据（Ghaffarianhoseini等人，2017年）。建筑信息模型软件和人工智能工具之间缺乏标准化协议加剧了这些挑战，使得无缝集成人工智能算法变得困难。例如，Autodesk Revit、ArchiCAD和Bentley Systems之间的数据模式和格式的差异，在将数据合并成一个统一的建筑信息模型时形成障碍（Eastman等人，2018年）。

此外，人工智能算法的可扩展性提出了另一个技术挑战。随着建筑信息模型项目的大小和复杂性增加，需要由人工智能算法处理的数据量呈指数级增长。这种情况需要强大的计算基础设施，能够实时处理大型数据集和复杂的机器学习模型（Cheng等人，2021年）。然而，许多建筑公司缺乏必要的技术基础设施，如高性能服务器和云计算资源，来支持如此大规模的数据分析，使得有效实施由人工智能驱动的解决方案变得困难。

5.2. 伦理和监管问题

人工智能融入建筑信息模型还引发了几项伦理和监管问题，特别是关于数据隐私和安全的问题。建筑信息模型（BIM）系统存储着大量敏感信息，包括建筑设计、财务细节，有时还涉及与项目利益相关者相关的个人数据。使用人工智能算法，尤其是涉及机器学习和数据分析的算法，需要访问这些数据，从而增加了数据泄露和未经授权的访问风险（Karan & Irizarry，2015年）。随着基于云的BIM平台的日益普及，数据在线存储和处理，使其更容易受到网络攻击（Fan等人，2021年），这些担忧加剧。

此外，人工智能算法中的偏见问题还涉及到伦理层面。人工智能模型是基于历史数据进行训练的，这些数据可能带有过去项目的固有偏见。例如，如果过去的数据主要展示特定建筑风格或地区的建筑设计，那么人工智能可能会偏好这些选项，而不是更多样化的选择，从而限制了创新并强化了现有的设计规范（Panchal & Kumar，2020年）。像欧盟的通用数据保护条例（GDPR）这样的监管框架对数据的使用和处理提出了严格的规定，要求建筑公司在实施AI-BIM系统时确保合规。然而，尤其是在那些在多个司法管辖区运营、拥有不同数据保护法律的公司，应对这些法规可能会面临挑战（Zhao等人，2019年）。

5.3. 财务和物流挑战

将人工智能与BIM整合所需的财务投资是另一个主要障碍。实施增强人工智能的建筑信息模型（BIM）系统涉及大量成本，包括购买或许可高级软件、投资于强大的硬件基础设施以及培训人员有效使用这些新技术（李与泰，2018年）。许多中小型建筑公司可能会发现这些成本过高，从而限制了人工智能驱动的BIM解决方案的广泛采用。此外，人工智能BIM系统的投资回报率（ROI）可能不会立即显现，因为诸如提高项目效率和减少错误等好处往往是在长期而非短期内显现。

物流挑战也在阻碍人工智能与BIM的整合中扮演重要角色。建筑行业的特点是工作流程分散，各个利益相关者之间（包括建筑师、工程师、承包商和客户）进行合作。这些方通常使用不同的软件工具和平台，使得实现无缝数据交换和整合变得困难（贝塞里克-格贝尔与赖斯，2010年）。例如，虽然工程团队可能会使用Tekla Structures来进行钢结构细节设计，但建筑团队可能会依赖Revit进行设计建模，当试图整合需要统一数据集的人工智能工具时，就会遇到兼容性问题（戴夫等人，2018年）。

此外，缺乏熟练人员是一个重大的物流障碍。将人工智能整合到BIM中需要两个领域的专业知识——既精通人工智能技术又对BIM流程有深入了解的专业人士。然而，当前劳动力中存在明显的技能缺口，许多建筑专业人士缺乏在人工智能和数据科学方面的必要培训（史等人，2020年）。这一技能缺口可能会减缓实施过程，并增加对外部顾问的依赖，进一步推高成本。

6. 结论

人工智能（AI）具有巨大的潜力，可以革新建筑信息建模（BIM），并转变建筑、工程和施工（AEC）行业。AI融入BIM增强了设计流程，改进了数据管理，并实现了预测性分析，从而解决了与传统BIM实践相关的许多限制。通过利用机器学习、计算机视觉和自然语言处理等AI能力，AEC公司可以优化设计、简化工作流程，并做出数据驱动的决策，从而改善项目成果。AI增强的BIM支持实时更新和分析，使利益相关者能够主动管理风险、预见维护需求，并优化建筑的生命周期。

尽管具有潜力，AI增强BIM的广泛采用面临几项挑战。数据质量、标准化和互操作性等技术问题阻碍了无缝集成。此外，与隐私和数据安全相关的伦理和监管问题，以及财务限制，构成了重大障碍。然而，随着人工智能的不断进步和在建筑行业数字化转型日益受到重视，建筑、工程和施工（AEC）行业已具备良好条件来采用AI-BIM解决方案。通过战略投资、行业合作以及制定标准化实践来解决这些挑战，对于充分挖掘BIM中人工智能的潜力至关重要，这将带来更高效、可持续和具有韧性的建筑实践。

建议

为了有效利用人工智能在提升BIM中的变革潜力，建议AEC利益相关者采取以下措施：

标准化和数据质量改进：AEC公司应优先建立标准化数据协议并提高数据质量。这将增强不同BIM工具和人工智能系统之间的互操作性，促进更有效的数据分析和集成。行业层面的协作努力，如制定统一标准，可以帮助克服这些障碍。

采用先进的AI驱动BIM工具：投资于最先进的AI增强BIM软件对优化设计、改善项目协调和提供实时洞察至关重要。通过整合机器学习算法和预测分析，AEC公司可以自动化诸如冲突检测、排程和设计优化等任务，从而缩短项目时间表并节省成本。

提升劳动力素质：需要全面的培训计划来弥补AI和BIM技能上的差距。建筑公司应专注于提升员工的人工智能、数据科学和高级建筑信息模型（BIM）软件技能，以充分利用人工智能增强型BIM工具的能力，并推动项目执行的创新。

伦理指南与合规措施：建立伦理指南和强有力的合规措施对于确保在BIM中负责任地使用人工智能至关重要。建筑、工程和施工（AEC）公司必须实施数据保护协议，解决算法偏见，并遵守监管标准，以保护隐私并确保伦理的人工智能应用。

增量实施的试点项目：通过试点项目采用人工智能增强型BIM解决方案，使公司能够在全面推广前评估这些工具的有效性。试点项目提供宝贵的见解，能够针对特定项目需求进行定制，并帮助识别潜在挑战，促进更顺畅的整合和应用。

促进行业合作：AEC公司、技术提供商和监管机构之间的合作对于加速BIM中人工智能的采用至关重要。通过共同努力，利益相关者可以制定最佳实践，分享专业知识，并推动持续创新，从而提高建设项目的整体效率和可持续性。

这些战略建议可以指导AEC利益相关者应对AI-BIM整合的挑战，解锁高级数据驱动洞察的优势，并实现更高效、更有韧性和更可持续的建筑行业。

遵守伦理标准

披露利益冲突

没有利益冲突。

参考文献

[1]阿扎尔，S.（2011）。建筑信息模型（BIM）：AEC行业的趋势、效益、风险与挑战。《工程领导与管理》，11（3），241-252页。

[2]阿扎尔，S.，海因，M.，& 斯科托，B.（2015）。建筑信息模型（BIM）：效益、风险与挑战。美国土木工程师学会，11（3），241-257页。

[3]阿扎尔，S.，哈利凡，M.，& 马克苏德，T.（2012）。建筑信息模型（BIM）：现在与未来。《澳大利亚建筑经济与建筑杂志》，12（4），15-28页。

[4]博克，T.，& 利纳特，T.（2015）。面向机器人的设计：用于在建筑中部署自动化和机器人的设计与管理工具。剑桥大学出版社。

[5]巴尔瓦特，R.，查布拉，J.，& 夏尔马，K.（2020）。BIM中的AI驱动自动化：机器学习在设计验证中的影响评估。《建筑工程技术与管理杂志》，146（2），04020004。

[6]钟华英，李成业，& 王鑫。（2014）。建筑信息模型（BIM）在可持续性方面采用的混合评述。《清洁生产杂志》，142卷，第4114-4126页。

[7]艾迪，R.，布朗，M.，奥戴因卡，H.，麦基翁，C.，& 麦克尼夫，S.（2013）。英国建设项目全生命周期中BIM的实施：一项分析。《建筑自动化》，第36卷，第145-151页。

[8]伊斯特曼，C.，泰奇霍尔茨，P.，萨克斯，R.，& 利斯顿，K.（2011）。《BIM手册：面向业主、设计师、工程师、承包商和设施经理的建筑信息建模指南》（第二版）。约翰·威利与儿子出版社。

[9]伊斯特曼，C.，泰奇霍尔茨，P.，萨克斯，R.，& 利斯顿，K.（2018）。BIM手册：业主、设计师、工程师、承包商和设施经理的建筑信息建模指南（第三版）。约翰·威利与儿子出版社。

[10] 甘X., 左J., 叶K., 斯基特莫尔M., & 熊B.（2019）。为什么可持续建筑？为什么不呢？从业主的角度看。国际住房，47, 61-68。

[11] 加法里安霍西尼A., 图基J., 加法里安霍西尼A., & 内史密斯N.（2017）。建筑信息模型（BIM）的采纳：新西兰建筑行业案例研究。建筑工程与管理杂志，143(5)。

[12] 戈拉奇A., 扎维奇A., & 扎克里S.（2019）。建筑信息建模中的人工智能。信息技术在建筑领域的应用杂志，24, 447-460。

[13] 格利奥A., & 贾德米-冈卡维斯R.（2010）。关于BIM与协作工作环境的互操作性的价值主张。建筑自动化，19(5), 522-530。https://doi.org/10.1016/j.autcon.2010.02.002

[14] 侯赛尼M.R., 阿扎里R., 提文代尔L., & 爱德华兹D.（2016）。BIM对AEC利益相关者合作与协调的影响。工程与工程管理杂志，40, 1-12。

[15] 克罗斯罗沙希F., & 阿拉伊奇Y.（2012）。在英国建筑行业实施BIM的路线图。工程、建设与建筑管理，19(6), 610-635。

[16] 金J., 车H., & 孙H.（2018）。使用一种新颖的基于视觉的安全监测系统进行施工现场安全管理。土木工程计算杂志，32(4), 04018038。

[17] 李H., 戴J., & 张C.（2019）。建筑中的调度优化：整合机器学习和建筑信息建模。《工程、建设与建筑管理》，26(3)，395-409。

[18] 麦格劳，A.（2020）。人工智能在建筑行业的崛起。《建筑潜水》。

[19] 纳德卡里，S.，普劳，S.，与萨马达尔，S.（2021）。人工智能对大型建设项目资源管理的影响。《建筑自动化》，127，103684。

[20] 潘，Y.，与张，L.（2021）。建筑管理中的AI应用：综述。《建筑自动化》，128，103787。

[21] 萨克斯，R.，布里拉基斯，I.，皮卡斯，E.，与谢，H.S.（2020）。AI辅助的建筑：自动化、互联与协同过程。《建筑工程与管理学刊》，146(11)，04020115。

[22] 萨克斯，R.，伊斯曼，C.，李，G.，与泰奇尔茨，P.（2018）。BIM手册：面向业主、设计师、工程师、承包商和设施经理的建筑信息建模指南（第三版）。约翰威利与儿子出版社。

[23] 孙，J.，洪，T.，与库，C.（2022）。AI支持的建设项目成本估算。《土木工程与管理学刊》，28(2)，157-171。

[24] 苏卡尔，B.（2009）。建筑信息建模框架：为行业利益相关者提供研究与交付的基础。《建筑自动化》，18(3)，357-375。

[25] 王，W.，与金，J.（2022）。通过整合人工智能提升BIM在智能建筑设计与管理中的应用。《建筑自动化》，136，104168。

[26] 元，J.，李，G.，多西克，C.，与梅西纳，J.（2013）。组织内成功采用建筑信息建模应聚焦的方面。《建筑工程与管理学刊》，139卷（11期），04013014。

[27] 吴伟、伊萨·R.R.A.（2017）。基于建筑信息模型的建筑可持续性分析与全生命周期评估。《建筑自动化》，74卷，第77-86页。

[28] 张杰、黄宇、高鹏（2019）。建筑信息模型中的人工智能：框架与研究议程。《建筑自动化》，106卷，

[29] 张杰、王宇、杨晓（2021）。基于建筑信息模型和人工智能技术的建筑工程安全管理。《可持续城市与社会》，64卷，第102510页。

[30] 邹志、李辉、黄涛（2017）。人工智能与建筑信息模型在资产维护中的应用。《工程管理杂志》，33卷（4期），04017012。