一种基于建筑信息模型的施工进度资源自动优化方法与流程

本发明涉及一种资源优化方法，特别是关于一种基于建筑信息模型的施工进度资源自动优化方法。

背景技术：

资源约束项目调度问题(resource-constrainedprojectschedulingproblem，rcpsp)是施工进度资源优化的重要数学模型。rcpsp是np问题，研究者们使用众多的启发式算法以解决这些问题，包括基于优先级规则的启发式算法如精简分支定界法、局部搜索技术等，以及元启发式算法，例如遗传算法、粒子群算法以及禁忌搜索。对于建筑项目，有很多研究通过建立更复杂的问题模型以满足实际需求，如考虑多项目、不断变化的资源约束、同时考虑资源约束与时间资源均衡(time-costtrade-off，tct)问题。一般而言，这些问题都可以统一为rcpsp的形式。尽管rcpsp的数学模型可以描述实际工程需求并且在合理的时间内完成求解，但现有相关研究很少考虑数据的获取难度，并且所需数据的复杂程度高，因此rcpsp求解技术在实际应用中仍面临效率低下、实际应用困难等问题。

1)资源受限的施工项目优化调度问题

最基本的rcpsp中定义了一系列互为前后关系的工序，每个工序在进行时占用若干可重用资源，而这些资源的可用性在整个项目期受到常数上限的约束。在此基础上，可以衍生出各类更加完备的rcpsp模型。对近期的24个研究进行分析可以发现，工序时长、前后置关系以及资源可用量是基本rcpsp模型求解的必需信息，而也有较多研究考虑多模式以及成本等约束。但仅有1项研究考虑了不同资源的可重用类型。进一步统计分析可知，进度资源优化问题涉及工序时长、多模式、前后置关系、发包时间与里程碑、资源可用量、资源可重用类型、成本等7类信息，但上述24个研究中，往往只考虑5种或以下数量的因素，并未见到同时考虑这7类信息的rcpsp模型。此外，有关研究多将工序时长设置为固定的值，或者通过多模式表示资源用量或工序成本对时长的影响。但并不考虑资源的单价和前后置任务的时间间隔，对成本的考虑也比较简单。因此，现有优化模型难以反映真实施工过程的资源优化场景。

2)基于bim(建筑信息模型，buildinginformationmodeling)的施工进度资源优化方法

当前，已有大量研究探索利用bim生成进度优化问题的模型。包括利用bim模型据导出进度计划、结合bim模型和离散事件仿真、集成bim与粒子群优化方法等等，有关研究也试图考虑空间约束等条件。也有研究通过设置一系列简单规则来自动生成进度和资源计划，并进行优化。不过，有关研究和方法均假设bim模型中已包含完整的进度、资源与成本数据，且相应数据之间的关联关系也已具备。然而，这个假设并不正确，当前进度、资源、成本等数据的集成和关联仍然高度依赖手工，存在自动化水平低、耗时长等问题。同时，有关研究并未将标准施工工艺等积累的工程知识纳入到资源优化过程，难以利用既有工程经验、知识。最后，有关研究往往需将bim模型的数据进行人工抽取和转换之后，构建进度资源优化模型，并进行资源优化问题求解，最终再根据优化结果人工调整bim模型，整个过程需要投入大量人力，效率低下且容易产生错漏。

综上，现有技术存在以下问题：

1)rcpsp模型不够完备，并未完全考虑施工资源优化的7类信息。

2)数据集成、关联过程高度依赖手工，效率低、易出错。

3)不能充分利用标准工艺等既有工程知识或经验。

4)进度资源优化模型构建过程需手工介入，繁琐易出错，浪费大量时间。

技术实现要素：

针对上述问题，本发明的目的是提供一种基于建筑信息模型的施工进度资源自动优化方法，其能大幅提升数据整合、施工优化的效率，将施工方案优化的时间缩短，从几天降低到几小时。

为实现上述目的，本发明采取以下技术方案：一种基于建筑信息模型的施工进度资源自动优化方法，其包括以下步骤：1)准备具备建筑元素类别以及主资源类别的建筑信息模型，并在工作包模板数据库中录入或导入需要的工作包模板，利用工作包模板生成工作包，每个工作包与建筑构件之间是多对多关联；2)以建筑构件类型以及材料类型为基础进行数据集成；3)以数据集成形成的信息模型为基础，利用rcpsp的约束条件和目标函数，自动生成进度资源优化模型，并自动求解，完成施工进度资源的优化。

进一步，所述步骤2)中，数据集成方法为：2.1)基于建筑构件类型的分类编码，遍历各工作包模板建立编码树；2.2)将工作包与建筑构件自动关联；2.3)生成基于规则的工作包逻辑：在工作包与建筑构件完成关联后，基于规则生成顺序逻辑，该规则的定义基于工作包的属性实现，工作包属性包括空间位置、构件类型和工程专业；规则的基本形式是具备某个属性或属性组合的工作包的施工应先于或晚于具备另一个属性或属性组合的工作包；在预定义这些规则后，通过工作包的属性查询到相关的工作包，进而按照预定义的规则自动生成工作包的逻辑顺序。

进一步，所述步骤2.1)中，对于每个工作包模板中建筑构件类型编码的每个层级，若该层级并不被编码树包含，则将该节点添加至编码树，将整个编码对应的编码树节点与工作包模板进行关联；具体过程为：a)遍历所有的工作包模板得到模板t，设模板t的编码为c；b)设建筑构件的树根节点为curnode；c)遍历c的每一层，得到层代码n；d)判断树根节点curnode的子节点中是否包含层代码n，若包含，则进入步骤e)；若不包含，则为树根节点curnode创建子节点n，进入步骤e)；e)为树根节点curnode赋值为子节点中的n；f)判断n是否存在下一层，若存在，则返回步骤c)，否则将模板t与树根节点curnode关联，进入步骤g)；g)重复上述步骤直至不存在下一模板，完成编码树建立。

进一步，所述步骤2.2)中，工作包与建筑构件自动关联包括4个步骤：建筑构件与工作包模板第一次匹配、建筑构件与工作包模板第二次匹配、工作包实例化与工作包重组；第一次匹配为各建筑构件从根节点逐级匹配并与匹配到的所有节点中所关联的工作包模板建立关联；遍历第一次匹配的结果，通过剔除不满足材料编码匹配原则的关联，完成第二次匹配过程；工作包实例化过程是工作包模板按其对应的建筑构件所处的施工空间被划分的过程；划分后的每组建筑构件即对应一个工作包；工作包重组是通过遍历所有建筑构件，依次判断其属性是否符合其关联工作包的各个定额的使用条件；然后得到各建筑构件具体所对应的定额组合，当某个定额组合与建筑构件完全匹配时，就生成一个新的工作包。

进一步，所述工作包实例化过程为：(1)遍历所有工作包模板得到工作包模板t；(2)遍历与工作包模板t关联的所有建筑构件，得到建筑构件b；(3)获取建筑构件b的施工区域a，判断该施工区域a是否有对应的工作包，有，则设施工区域a对应的工作包为w，并进入步骤(4)；没有则为施工区域a创建工作包模板t的工作包w，进入步骤(4)；(4)将建筑构件b与工作包w关联，并判断是否有下一个建筑构件，有则返回步骤(2)，反之进入步骤(5)；(5)判断是否有下一个工作包模板，有则返回步骤(1)，反之结束。

进一步，所述工作包重组过程为：(1)遍历所有工作包得到工作包w；(2)遍历所有与工作包w相关的建筑构件，得到建筑构件b；(3)遍历定额，得到与建筑构件b符合的定额组合q，并判断定额组合集合s中是否包括定额组合q；包括则将定额组合q与建构组件b关联，反之，将定额组合q加入定额组合集合s中，然后将定额组合q与建构组件b关联；(4)判断是否有下一个建筑构件，有则返回步骤(2)，反之，则为定额组合集合s中的每一个定额组合q建立一个工作包，并将该工作包与定额组合q相关的所有建筑构件关联。

进一步，所述步骤2.3)中，工作包逻辑生成具体包括以下步骤：(1)建立一个工作包属性集合φ；(2)遍历所有工作包得到工作包w；(3)遍历所有工作包w的所有属性，得到属性t，判断属性t是否属于属性集合φ，属于则进入步骤(4)，反之，在属性集合φ中添加属性t，进入步骤(4)；(4)生成属性t与工作包w之间的关联，并判断是否仍有工作包w，若有则返回步骤(2)，反之则进入步骤(5)；(5)遍历所有的规则得到规则r，从规则r中的相关属性，通过查询属性集合φ与工作包集合的关联，得到前序工作包集合s1与后续工作包集合s2；(6)建立前序工作包集合s1与后续工作包集合s2之间的顺序关系：为s2中的所有工作包的前置任务集合中添加s1中的所有工作报告。

进一步，所述步骤3)中，约束条件包括工序间关系约束、里程碑约束、资源可用性约束、工序内部约束和资源模式约束。

进一步，所述五种约束分别为：工序间关系约束：对于工序i，用ti代表工序i的开始时间ssi或结束时间sfi，各工序的关键时间属性之差有下限与上限，则此关系为：

minlag≤tj-ti≤maxlag

其中，ti代表前序工序i的ssi或sfi，tj代表后续工序j的ssj或sfj，minlag代表最短间隔，maxlag代表最长间隔；

里程碑约束：单一工序完成时间约束；单一工序完成时间约束主要针对工序i的计划完成时间sfi，其必须早于预先设定的里程碑mi，表示为：

sfi≤mi；

资源可用性约束：在任意时间点t，资源k的总需求rdkt应小于总供给rskt：

rdkt≤rskt

对于可重用资源，总需求应等于之前所有时刻正在进行的工序的需求总和的最大值：

其中，dik表示工序i对于资源k的需求量，dat＝{i|ssi≤t≤sfi}，表示t时刻正在进行的工序集合；

而对于不可重用资源，其总需求应为各个已经开始的工序的需求总和：

其中asat＝{i|t≥ssi}，表示t时刻已经开始的工序集合；

工序内部约束：工序i所需的人工资源k的资源量qrik与工序时长sdi成反比：

qrik＝diksdi

其中，qrik的单位是人乘以时间，即1个人需要花费qrik天，或者qrik个人需要花费1天来完成工序i；

资源模式约束：引入一个标志资源是否选中的指标变量miiu，diku代表工序i的第u组资源中资源k的需求量；该变量等于0或者1，并且满足下式：

miiu用于dik的计算，确保所有的资源的需求量都属于某一组：

进一步，所述步骤3)中，rcpsp模型将总工期与总成本作为目标函数，具体计算方式如下：

(1)总工期

总工期td采用以下方程计算：

td＝max(sfi)-ss

其中，ss是开工时间；

(2)总成本

包括直接成本和间接成本，直接成本dc是资源量与价格乘积的综合，即：

其中，pk为资源k的价格；

间接成本ic包括贷款利息、场地租赁、设计费用、变更费用和监理费用；仅考虑与工期有关的间接费，并认为其与工期线性相关：

ic＝td·dc

其中，dc是每天间接费消耗。

本发明由于采取以上技术方案，其具有以下优点：1、本发明支持集成所有施工进度资源优化相关信息，可支持多种进度资源优化模型的数据需求，可利用bim以及少量数据源自动生成基于约束规划的进度资源优化模型并自动对模型进行求解得到优化的施工方案，可大幅提升数据整合、施工优化的效率。2、本发明建立了可以同时考虑工序时长、多模式、前后置关系、发包时间与里程碑、资源可用量、资源可重用类型、成本的多模式rcpsp模型，针对工程施工弥补了现有rcpsp的完备性问题。3、本发明引入bim以及基于工作包数据库的知识数据，并提供自动化信息集成方法,弥补工程施工rcpsp求解技术数据获取环节缺失的问题，并解决了现有知识技术无法用于实际工程进度资源优化的问题，因此提高了应用效率。4、提出了基于bim建立进度资源优化模型的自动构建与求解方法，通过使用来自于现行规范的数据源避免了对数据格式的过高要求，可自动生成具备良好通用性的rcpsp模型，并自动进行优化模型求解，解决了现有技术自动化水平低的问题，可大幅节约优化模型构建与求解时间，减少人工投入。

附图说明

图1是本发明的整体流程示意图；

图2是工作包模板数据库结构图；

图3是编码树生成方法流程图；

图4是工作包与构件关联流程图；

图5是以施工区域为划分依据的工作包实例化示意图；

图6是以定额为依据的工作包重组示例；

图7a是规则、属性与工作包的关联示意图；

图7b是基于规则的工作包顺序逻辑生成方法流程图；

图8是工序的资源模式以及选择索引；

图9是cp模型生成与求解方法流程图；

图10是对应于7层的工作包以及顺序逻辑；

图11是算例3中的资源约束示意图；

图12是进度优化结果之总工期与总成本；

图13是进度优化结果中7层的工序时长；

图14是算例1与算例2的结果中对资源2的需求；

图15是算例1与算例3的结果中对资源38的需求；

图16a是采用本发明提供的方法在工程中半自动建立rcpsp并进行进度优化；

图16b是现有一般的rcpsp应用流程。

具体实施方式

下面结合附图和实施例对本发明进行详细的描述。

如图1所示，本发明提供一种基于建筑信息模型的施工进度资源自动优化方法，该方法以工作包为基础，为数据集成提供整体架构，并为后续施工进度资源优化提供支持。

如图2所示，建筑信息模型由5类核心实体构成，5类核心实体为建筑构件、工作包、定额、定额项以及资源。其中，建筑构件来自bim，其他4类实体来自工作包模板数据库。对每个建筑构件，都需包含基本数据、元素类型和主要材料属性；相应的，基本数据应包括建筑构件的体积、面积、长度和重量；元素类型和主要材料用于搜索相关的工作包模板，可以使用统一的分类编码标准表示。工作包模板数据库则存储了一系列工作包模板，每个工作包模板都包括以下数据：建筑元素类别、若干定额、各定额的基本单位、使用条件、定额项、各定额项的资源与定额量。定额量的数据可来自于国家以及地方的定额标准。其中，定额指工程量定额，是国家或地方通过调查统计得到的施工过程中各项工作对各项施工资源的消耗量；定额项指的是一项施工工作中某一资源的需求情况。

如图1和图2所示，本发明包括以下步骤：

1)数据准备：准备具备建筑元素类别以及主资源类别的建筑信息模型，并在工作包模板数据库中录入或导入需要的工作包模板，然后，利用工作包模板生成工作包，每个工作包与建筑构件之间是多对多关联。

一个工作包中包括多个定额，每个定额中包括多个定额项，每个定额项对应一个资源。

2)数据集成：以建筑构件类型以及材料类型为基础进行数据集成；

数据集成的基础是两个统一的分类编码体系，分别表示建筑构件类型以及材料类型。建筑构件类型可使用omniclass的表21或uniclass的表ef，材料类型可使用omniclass的表23或者uniclass的表pr。在数据集成前，默认bim数据库中的建筑构件上附有其构件类型以及关键材料对应的编码。默认工作包模板数据库中的工作包模板均拥有对应建筑构件类别的编码，并且资源列表中材料资源的类型均拥有对应的材料编码。

数据集成方法为：

2.1)基于建筑构件类型的分类编码，遍历各工作包模板建立编码树；

如图3所示，对于每个工作包模板中建筑构件类型编码的每个层级，若该层级并不被编码树包含，则将该节点添加至编码树。将整个编码对应的编码树节点与工作包模板进行关联。具体过程为：

a)遍历所有的工作包模板得到模板t，设模板t的编码为c；

b)设建筑构件的树根节点为curnode；

c)遍历c的每一层，得到层代码n；

d)判断树根节点curnode的子节点中是否包含层代码n，若包含，则进入步骤e)；若不包含，则为树根节点curnode创建子节点n，进入步骤e)；

e)为树根节点curnode赋值为子节点中的n；

f)判断n是否存在下一层，若存在，则返回步骤c)，否则将模板t与树根节点curnode关联，进入步骤g)。

g)重复上述步骤直至不存在下一模板，完成编码树建立。

2.2)将工作包与建筑构件自动关联；

如图4所示，工作包与建筑构件自动关联包括以下4个步骤：建筑构件与工作包模板第一次匹配、建筑构件与工作包模板第二次匹配、工作包实例化与工作包重组。

其中，第一次匹配为各建筑构件从根节点逐级匹配并与匹配到的所有节点中所关联的工作包模板建立关联。遍历第一次匹配的结果，通过剔除不满足材料编码匹配原则的关联，即可以完成第二次匹配过程。

两次匹配完成后，已经为工作包模板与建筑构件建立了对应关系，这个关系意味着这个建筑构件可以采用该工作包模板进行施工。通常情况下，结果是多对多的，不同的建筑构件会采用相同的工作包模板进行施工，而一个建筑构件也可能会有多个工作包模板供选择。

工作包实例化过程是工作包模板按其对应的建筑构件所处的施工空间被划分的过程。划分后的每组建筑构件即对应一个工作包，如图5所示，具体过程为：

(1)遍历所有工作包模板得到工作包模板t；

(2)遍历与工作包模板t关联的所有建筑构件，得到建筑构件b；

(3)获取建筑构件b的施工区域a，判断该施工区域a是否有对应的工作包，有，则设施工区域a对应的工作包为w，并进入步骤(4)；没有则为施工区域a创建工作包模板t的工作包w，进入步骤(4)；

(4)将建筑构件b与工作包w关联，并判断是否有下一个建筑构件，有则返回步骤(2)，反之进入步骤(5)；

(5)判断是否有下一个工作包模板，有则返回步骤(1)，反之结束。

工作包重组是通过遍历所有建筑构件，依次判断其属性是否符合其关联工作包的各个定额的使用条件；然后可以得到各建筑构件具体所对应的定额组合。对于一个包含了n个定额的工作包，其定额组合有2ⁿ-1中可能，当某个定额组合与建筑构件完全匹配时，就生成一个新的工作包。如图6所示，具体过程为：

(1)遍历所有工作包得到工作包w；

(2)遍历所有与工作包w相关的建筑构件，得到建筑构件b；

(3)遍历定额，得到与建筑构件b符合的定额组合q，并判断定额组合集合s中是否包括定额组合q；包括则将定额组合q与建构组件b关联，反之，将定额组合q加入定额组合集合s中，然后将定额组合q与建构组件b关联；

(4)判断是否有下一个建筑构件，有则返回步骤(2)，反之，则为定额组合集合s中的每一个定额组合q建立一个工作包，并将该工作包与定额组合q相关的所有建筑构件关联。

2.3)生成基于规则的工作包逻辑；

在工作包与建筑构件完成关联后，基于规则生成顺序逻辑。该规则的定义主要基于工作包的属性实现，涉及的工作包属性包括空间位置、构件类型和工程专业等信息。规则的基本形式是具备某个属性(或属性组合)的工作包的施工应先于或晚于具备另一个属性(或属性组合)的工作包(如图7a所示)。在预定义这些规则后，通过工作包的属性可查询到相关的工作包，进而按照预定义的规则自动生成工作包的逻辑顺序。

如图7b所示，工作包逻辑生成具体包括以下步骤：

(1)建立一个工作包属性集合φ；

(2)遍历所有工作包得到工作包w；

(3)遍历所有工作包w的所有属性，得到属性t，判断属性t是否属于属性集合φ，属于则进入步骤(4)，反之，在属性集合φ中添加属性t，进入步骤(4)；

(4)生成属性t与工作包w之间的关联，并判断是否仍有工作包w，若有则返回步骤(2)，反之则进入步骤(5)；

(5)遍历所有的规则得到规则r，从规则r中的相关属性，通过查询属性集合φ与工作包集合的关联，得到前序工作包集合s1与后续工作包集合s2；

(6)建立前序工作包集合s1与后续工作包集合s2之间的顺序关系：即为s2中的所有工作包的前置任务集合中添加s1中的所有工作报告。

3)以数据集成形成的信息模型为基础，利用rcpsp的约束条件和目标函数，自动生成进度资源优化模型，并自动求解，完成施工进度资源的优化；

约束条件包括以下五种约束：工序间关系约束、里程碑约束、资源可用性约束、工序内部约束和资源模式约束。在这些约束中，前三个为cp求解rcpsp中一般均会使用的约束，而后两个定义了一种新的多模式rcpsp。传统的问题模型中，一个模式对应了一个工序时长以及成本，而本发明中问题模型内各模式的时长与成本均由rik及qi计算而得，即可以与工程实际的定额和各工序的工程量直接挂钩。其中，rik表示工序i中资源k的量比，表示单位基本量需要消耗的资源k的量。qi表示工序i最终成果的基本量，如体积、面积、重量等。

五种约束分别具体为：

3.1)工序间关系约束：对于工序i，用ti代表工序i的开始时间ssi或结束时间sfi，那么工序间关系的主要体现是各工序的关键时间属性之差。这个差值可以有下限与上限，则此关系可以表示为：

minlag≤tj-ti≤maxlag(1)

其中，ti代表前序工序i的ssi或sfi，tj代表后续工序j的ssj或sfj，minlag代表最短间隔，maxlag代表最长间隔。在本实施例中，生成的工序间关系基本不包括maxlag，并且大部分情况minlag＝0。

3.2)里程碑约束：单一工序完成时间约束

在进度管理中，对关键工序设置deadline控制进度的一般且有效的方法。单一工序完成时间约束主要针对工序i的计划完成时间sfi，其必须早于预先设定的里程碑mi，所以表示为：

sfi≤mi(2)

3.3)资源可用性约束

在任意时间点t，资源k的总需求rdkt应小于总供给rskt，即：

rdkt≤rskt(3)

总需求的计算方式与资源是否可重用有关。对于人工、机械等可重用资源，总需求应等于之前所有时刻正在进行的工序的需求总和的最大值：

其中，dik表示工序i对于资源k的需求量，是一个不随进度优化过程变化的量，这是大部分rcpsp的设定。dat＝{i|ssi≤t≤sfi}，表示t时刻正在进行的工序集合。

而对于不可重用资源，如大部分材料，其总需求应为各个已经开始的工序的需求总和：

其中asat＝{i|t≥ssi}，表示t时刻已经开始的工序集合。在本实施例中，假设dik是一个不随进度优化过程变化的量。

3.4)工序内部约束

工序i所需的人工资源k的资源量qrik与工序时长sdi成反比，即

qrik＝diksdi(6)

其中，qrik的单位是人乘以时间，即1个人需要花费qrik天，或者qrik个人需要花费1天来完成工序i。各工序的持续时间与所分配人工资源的量dik有较为明确的相关性。式(6)只是一个典型的时长函数，它也可以是其他的形式。

3.5)资源模式约束

在本实施例中，每个工序的资源成本与资源的选择有关。在进度优化过程中，需要在一个工作包所拥有的各组资源中进行单选。不同的选择影响了成本与持续时间，因而会直接影响进度安排的结果。为此，需要引入一个标志资源是否选中的指标变量miiu，如图8所示，其中diku代表工序i的第u组资源中资源k的需求量。该变量等于0或者1，并且满足下式：

miiu用于dik的计算，从而确保所有的资源的需求量都属于某一组：

在本实施例中，rcpsp模型简单考虑将总工期与总成本作为目标函数(具体实施过程可采用不同目标函数，本发明的整体方法不需变化)，具体计算方式如下：

(1)总工期

总工期td采用以下方程计算：

td＝max(sfi)-ss(9)

其中，ss是开工时间。

(2)总成本

包括直接成本和间接成本。直接成本dc是资源量与价格乘积的综合，即：

其中，pk为资源k的价格。

间接成本ic包括贷款利息、场地租赁、设计费用、变更费用、监理费用等。由于这部分费用非常复杂，并且与进度排布的相关度较小，因而在进度优化时，一般仅考虑与工期有关的间接费，并认为其与工期线性相关：

ic＝td·dc(11)

其中，dc是每天间接费消耗。

基于上述定义，如图9所示，cp求解模型的方法为：

(1)创建cp对象。

(2)将所有创建的变量与目标函数的计算表达式均放入cp对象中。

(3)先确定求解参数(如求解时限，设置cp对象求解时的配置)。

(4)从数据模型中获取数据，生成资源优化模型输入所需的关键数据类以及其他相关数据类的一系列对象，这些数据类和对象与前述创建的cp对象所包含的变量与目标函数的计算表达式参数相对应。

(5)利用公式(1)至公式(11)将约束变量、目标函数及生成的数据对象链接和关联到一起，构建各变量和参数的相关关系，最终调用cp对象的solve()方法实现模型的自动求解。

实施例：

1)数据准备

使用数据准备方法，创建了相关的工作包模板。考虑到施工资源的区别，将现浇混凝土施工作业分解为了模板工程、钢筋工程以及混凝土工程三个工作包模板。同时，也为预制混凝土墙与预制混凝土板分别建立了一个工作包模板。所以，供试验验证的工作包模板共计8个。每个工作包模板是由四个部分组成的，分别是基本信息、分类、工艺流程以及资源。其中，与信息集成过程相关的是分类与资源部分。目前分类中仅有一个建筑元素编码，用于核心模型集成过程中的第一次匹配。资源部分包括若干定额，每个定额包括若干定额项。每个定额项对应资源数据库中的一个资源。将一个定额中的能反应工序特征的资源指定为主材，可利用它们的编码完成第二次匹配过程。这些定额和资源的数据均采集自装配式建筑工程消耗量定额(ty01-01(01)-2016)。

2)数据集成

为了建立工作包之间的顺序逻辑，建立了如表所示的6种施工顺序规则。其中，第1与第2种规则定义了空间顺序，其余定义了工艺间顺序。这些规则均受限于施工区域(楼层)，因此每层均定义一个规则。第1种共定义了22个规则，剩余5种分别定义了23个规则，总计定义了137个规则。

表1施工顺序规则

通过两步匹配过程，bim中的建筑元素以及工作包模板之间建立了关联。将整个过程中可能与工作包模板建立关联的建筑元素的数量按元素类型划分，列于表2。理论上，第一次匹配过程可以按类别完成构件的筛选，因此在第一次筛选后，除了与工序模板库中相关的墙与板，其他构件并未产生关联。而第二次匹配过程中，通过材料类型将不符合工序模板中施工材料的一些墙体剔除在了模型之外。值得注意的是，第一次中部分板和墙并未与工序模板发生关联，这是因为在编码过程中并没有为这些构件添加工序类型。此外，表3统计了两步匹配过程中与各工序模板关联的构件数量。在完成了第一次之后，与相同构件类型关联的工序模板所关联的构件数量是一致的，并等于表2中对应构件类型数量的总和。该结果与理论相符，验证了第一次匹配算法的正确性。而第二次匹配完成后，相对于上一步的结果，根据材料性质对构件进行了进一步划分。4600个相关的墙构件中，分为了1831个预制混凝土墙、1946个现浇混凝土墙以及382个其他类型墙体(如砌体墙)。混凝土现浇工艺相关的三个工作包模板虽然并未绑定，但由于在每个相关的建筑元素中均添加了相同的类型编码以及与各工作包模板对应的材料编码，它们均能够分别与模板工程、钢筋工程与混凝土工程发生关联，且并无缺失。

表2建模过程中的各类建筑元素数量

表3工作包模板关联的建筑元素数量

在完成建筑元素与工作包模板之间的关联后，首先需要依据施工区域完成工作包实例化与重组。我们选择将该建筑的每一层作为一个施工区域，因此如果该层存在相关的建筑元素，各工作包模板在该层会生成一个工作包。在这一步结束后，我们共得到167个工作包(-1至22层，与表3相符，每层7个，加顶层6个)。此后，通过判断各构件能够符合条件的定额，完成了重分组过程，每层的预制剪力墙工作包被继续分解成了两个，其中一个对应的是该工作包中第0个定额，另一个对应的是第2、4个定额。-1至21层的预制剪力墙工作包被分解了，每层多1个工作包，因此多了22个工作包，所以本次验证最终得到了189个工作包。

针对这些工作包，基于表1中6类规则生成的工作包间前后关系如图10所示。其中虽存在冗余关系，但并无冲突。如此工作包相互关系以及与工作包相关的其他信息可以直接转化为基于ifc的核心模型。

3)进度优化

设计了4个不同的进度优化算例，它们之间的资源约束或目标函数存在区别，如表4所示。算例1是对照组。算例2在资源2上的约束小于算例1，算例3整洁了随时间变化的资源约束，而算例4选择以总成本最小为优化目标。

表4不同算例的进度优化设置

进度优化结果如图12所示，与理论相符。算例2与算例3由于比算例1有更严格的资源约束，所以总工期与总成本更高。而相对算例1，由于算例4以优化总成本为目标，因此其总成本更低，但总工期更长。

进度优化结果中，工序时长的比较结果如图13所示。与算例1相比，算例2改变了资源2的约束。资源2是模板技工，同时被工序27和工序31使用。结果表明，工序27和工序31的时长在资源2的约束从30减少到20之后增加了，而其他工序的时长并没有发生变化。此外，与算例1相比，算例3中对资源38设置了随时间变化的约束，而该资源是工序24所需的预制混凝土外墙板，因此工序24的时长也发生了变化。在算例4中，由于优化目标的变化，多个工序的持续时间受影响。

算例1与算例2对资源2的需求情况如图14所示。可重用资源的供应降低不仅造成了每日用量的减少，同时也延长了总工期。这与实际工程中人工与机械设备受到约束时的情况相同。

算例1与算例3对资源38的需求情况对比如图15所示。当资源38受到了限制后，资源使用情况下降，并且总工期增长。当一种材料分批在不同的时间段入场时，就可能产生此种情况。

4)实用效率估计

上述应用流程在工程项目中，应按图16a所示进行。整个流程包括9个任务，其中有4个需要人工处理，另外5个任务由计算机自动完成。由于存在人工完成的任务，并且工程的实际情况会影响流程所需时间，因此需要制定一些假设来估算应用流程的所需时间。这些假设包括：

使用上述数据作为数据基础。

应用流程进行10次，计算平均每次时长。

先估计每条数据的耗时，再汇总为人工任务耗时。

自动完成的任务不计耗时。

进行5次进度优化。

表5计算了图16a中应用流程的平均耗时。其中，任务1中需建立8个工作包模板。每个工作包模板的创建过程中，添加基本信息最多需5分钟，则共需40分钟。之后需要添加定额，时间主要消耗在资源的添加以及定额值的填写上。假设完成一个资源平均需要15秒，则一共204个资源需要消耗51分钟。再计各定额的基本单位以及适用条件设置需要2分钟，则一共19个定额共需38分钟的时间。则任务1花费的时间总计129分钟。

任务2可考虑为2个步骤的循环，首先对构件按类别进行过滤，再对过滤结果中的所有构件添加对应的编码。验证过程中进行了26次过滤，假设每次耗费1分钟，则任务2总计26分钟。

任务5中共包括6类规则，假设每类规则需要花费5分钟时间，则总计30分钟。

任务7所需时间可忽略不计，保守设置为5分钟。

综上，考虑任务1以及任务5在100次相似项目中只需完成1次，则平均完成1次应用流程所需时间估计为(129+30)÷10+26+5*5≈67分钟

表5实际项目中应用本专利方法的耗时估计

对照组使用一般的基于rcpsp的问题建模与进度优化流程，如图16b所示。整个流程的耗时估计中，所有的计算均考虑由计算机自动完成，仅考虑数据录入的时间，因而得到的总耗时相比真实应用场景是偏小的。

任务1是建立以工序为叶节点的wbs，并建立前后置关系。这个任务中，可以先建立一层的wbs，之后通过复制建立完整的wbs以及前后置关系。由于本研究中的wbs与前后置关系较为简单，因此考虑大约会花费5分钟。

任务2是通过人工筛选，确定每个工序相关构件的总工程量。该任务中，每个工序均需要处理一遍，一次处理大约耗费2分钟，189个工序共耗费398分钟时间。

任务3是为每个工序添加模式。每个工序中的每个定额中的每个模式包括一个唯一的时长，再结合定额、总工程量以及资源单价可以得到对应的成本。假设一个定额项的数据录入花费5s，则84个定额项，共需7分钟。由于仅考虑数据录入的时间，那么完成一个模式的计算消耗约10s。一个定额需要设置4个模式以尽可能保证结果的精确性，那么每层一共9个定额需要消耗10*4*9＝360s＝6分钟。则任务3消耗约13分钟。

任务4与图15中的任务7相同，假设消耗5分钟时间。综上，对照组的问题建模与进度优化流程平均完成一次的时间估计为5+398+7+6+5*5＝441分钟。

表6rcpsp一般应用流程的耗时估计

通过对比可知，本发明提出的应用流程所消耗时间通过保守估计，低于一般的基于rcpsp的问题建模与进度优化流程所需消耗时间的1/7。另外值得注意的是，后者所建立的模型不如前者复杂，比如一个工序仅有一组资源需求。

上述各实施例仅用于说明本发明，各个步骤都是可以有所变化的，在本发明技术方案的基础上，凡根据本发明原理对个别步骤进行的改进和等同变换，均不应排除在本发明的保护范围之外。