构件匹配方法、工程量计算方法、装置及电子设备与流程

本发明涉及建筑工程量计算技术领域，具体涉及构件匹配方法、工程量计算方法、装置及电子设备。

背景技术：

工程造价是建筑工程建设项目成本投入及成本管控的核心内容，造价的有效管理不仅关乎项目的成败，甚至直接关系到建筑企业的经营利益。与此同时，工程量计算是工程造价的基础，工程量计算的结果是工程造价的最关键内容，它对造价起着至关重要的作用。

当前工程量计算的方式可以分为如下两类：(1)根据施工图纸的传统手工算量；具体地，通过确定各分部和分项工程的计算顺序，按照图纸、计算规则和特定的计算顺序，利用计算器辅助计算，进而逐步汇总计算工程量。然而，受手工计算的限制，存在工作效率低，容易出现错漏，计量精细度较低等问题。(2)使用算量软件逐步建立模型或导入再修改三维bim模型进行算量；具体地，在算量软件中再次进行建模，或者导入三维bim模型之后对其进行修改等等。这种工程量计算方式中，需要再次进行建模，其中，随着建筑体量越来越大以及造型越来越复杂，重复建模工作量大、创建造型复杂的体量难度大等问题，从而导致工程量计算的效率较低。

技术实现要素：

有鉴于此，本发明实施例提供了一种构件匹配方法、工程量计算方法、装置及电子设备，以解决现有技术中工程量计算的效率较低的问题。

根据第一方面，本发明实施例提供了一种构件匹配方法，所述方法包括：

获取目标建筑模型；

对所述目标建筑模型进行解析，得到目标图元的待匹配构件属性；

将所述待匹配构件属性输入预设匹配模型中，确定与所述待匹配构件属性对应的目标构件属性，所述目标构件属性为直接用于所述目标建筑模型的工程量计算的属性信息。

本发明实施例提供的构件匹配方法，利用预设匹配模型对待匹配构件属性进行目标构件属性的匹配，该目标构件属性可以直接用于后续的工程量计算的属性信息。其中，利用预设匹配模型就可以将待匹配构件属性匹配为直接能够用于工程量计算的属性信息，从而就可以直接利用目标建筑模型进行后续工程量的计算，省去了建模这个相当繁琐和耗时的过程，提高了后续工程量计算的效率。

结合第一方面，在第一方面第一实施方式中，所述将所述待匹配构件属性输入预设匹配模型中，确定与所述待匹配构件属性对应的目标构件属性，包括：

对所述待匹配构件属性进行字段特征的提取；

基于提取出的字段特征进行文本预测，得到所述目标构件属性。

本发明实施例提供的构件匹配方法，通过对各个待匹配构件属性分别进行字段特征的提取以及文本预测，从而得到与待匹配构件属性对应的目标构件属性，即，利用深度学习所具有的高精度预测特性，保证所得到的目标构件属性的准确性，为后续高准确性的工程量计算提供了可靠保障。

结合第一方面第一实施方式，在第一方面第二实施方式中，所述待匹配构件属性包括构件材质属性，所述对所述待匹配构件属性进行字段特征的提取，包括：

判断所述待匹配构件属性是否存在至少两种所述构件材质属性；

当所述待匹配构件属性存在至少两种所述构件材质属性时，按照所述构件材质属性进行所述字段特征的提取。

本发明实施例提供的构件匹配方法，通过对待匹配构件属性的字段特征进行分层提取，即，按照不同构件材质属性进行字段特征的提取，得到目标图元中不同构件类型以及构件材质属性对应的字段特征，提高了目标图元对应的目标构件属性的准确性。

结合第一方面，或第一方面第一实施方式，或第一方面第二实施方式，在第一方面第三实施方式中，所述对所述目标建筑模型进行解析，得到目标图元的待匹配构件属性，包括：

对所述目标建筑模型进行解析，得到所述目标建筑模型中的楼层信息，所述楼层信息包括各楼层中图元的待匹配构件属性；

基于所述目标建筑模型中的楼层信息，确定所述目标图元的待匹配构件属性。

本发明实施例提供的构件匹配方法，按照楼层信息确定目标图元的待匹配构件属性，而避免了对所有楼层信息的匹配，提高了构件匹配的效率。

结合第一方面，在第一方面第四实施方式中，所述将所述待匹配构件属性输入预设匹配模型中，确定与所述待匹配构件属性对应的目标构件属性，包括：

将所述待匹配构件属性输入预设匹配模型中，得到预测构件属性；

获取对所述预设构件属性的修改信息，确定所述目标构件属性。

本发明实施例提供的构件匹配方法，在预设匹配模型输出预测构件属性之后，再获取用户对预测构件属性的修改信息，从而提高了所得到的目标构件属性的准确性。

结合第一方面，在第一方面第五实施方式中，所述将所述待匹配构件属性输入预设匹配模型中，确定与所述待匹配构件属性对应的目标构件属性，还包括：

获取所述目标建筑模型对应的目标地域；

基于所述目标地域确定对应的预设匹配模型。

本发明实施例提供的构件匹配方法，利用与目标地域对应的预设匹配模型进行目标构件属性的确定，能够避免由于不同地域的算量规则的不同带来的构件类型及构件材质类型的差异，提高了构件属性匹配的准确性。

结合第一方面，在第一方面第六实施方式中，所述预设匹配模型的训练步骤包括：

获取样本构件属性以及所述样本构件属性对应的直接用于工程量计算的匹配构件属性；

将所述样本构件属性输入预设匹配模型中，确定与所述样本构件属性对应的预测样本构件属性；

基于所述匹配构件属性以及所述预测样本构件属性，对所述预测匹配模型的参数进行更新，以确定所述预设匹配模型。

结合第一方面第六实施方式，在第一方面第七实施方式中，所述获取样本构件属性以及所述样本构件属性对应的直接用于工程量计算的匹配构件属性，包括：

获取至少一种地域的样本构件属性以及所述样本构件属性对应的直接用于工程量计算的匹配构件属性，以确定与所述地域对应的预设匹配模型。

本发明实施例提供的构件匹配方法，通过获取至少一种地域的样本构件属性以及对应的直接用于工程量计算的目标构件属性，后续就可以训练得到与地域对应的预测匹配模型。

根据第二方面，本发明实施例还提供了一种工程量计算方法，所述方法包括：

根据本发明第一方面，或第一方面任一项实施方式中所述的构件匹配方法，确定与所述目标建筑模型中目标图元的待匹配构件属性对应的目标构件属性；

基于所述目标构件属性，计算所述目标建筑模型的工程量。

本发明实施例提供的工程量计算方法，利用预设匹配模型对待匹配构件属性进行目标构件属性的匹配，该目标构件属性可以直接用于后续的工程量计算的属性信息。其中，利用预设匹配模型就可以将待匹配构件属性匹配为直接能够用于工程量计算的属性信息，从而就可以直接利用目标建筑模型进行后续工程量的计算，省去了建模这个相当繁琐和耗时的过程，提高了工程量计算的效率。

根据第三方面，本发明实施例还提供了一种构件匹配装置，所述装置包括：

获取模块，用于获取目标建筑模型；

解析模块，用于对所述目标建筑模型进行解析，得到目标图元的待匹配构件属性；

第一确定模块，用于将所述待匹配构件属性输入预设匹配模型中，确定与所述待匹配构件属性对应的目标构件属性，所述目标构件属性为直接用于所述目标建筑模型的工程量计算的属性信息。

本发明实施例提供的构件匹配装置，利用预设匹配模型对待匹配构件属性进行目标构件属性的匹配，该目标构件属性可以直接用于后续的工程量计算的属性信息。其中，利用预设匹配模型就可以将待匹配构件属性匹配为直接能够用于工程量计算的属性信息，从而就可以直接利用目标建筑模型进行后续工程量的计算，省去了建模这个相当繁琐和耗时的过程，提高了后续工程量计算的效率。

根据第四方面，本发明实施例还提供了一种工程量计算装置，所述装置包括：

第二确定模块，用于根据本发明第一方面，或第一方面任一实施方式中所述的构件匹配方法，确定与所述目标建筑模型中目标图元的待匹配构件属性对应的目标构件属性；

计算模块，用于基于所述目标构件属性，计算所述目标建筑模型的工程量。

本发明实施例提供的工程量计算装置，利用预设匹配模型就可以将待匹配构件属性匹配为直接能够用于工程量计算的属性信息，从而就可以直接利用目标建筑模型进行后续工程量的计算，省去了建模这个相当繁琐和耗时的过程，提高了工程量计算的效率。

根据第五方面，本发明实施例提供了一种电子设备，包括：存储器和处理器，所述存储器和所述处理器之间互相通信连接，所述存储器中存储有计算机指令，所述处理器通过执行所述计算机指令，从而执行第一方面或者第一方面的任意一种实施方式中所述的构件匹配方法，或执行第二方面中所述的工程量计算方法。

根据第六方面，本发明实施例提供了一种计算机可读存储介质，所述计算机可读存储介质存储计算机指令，所述计算机指令用于使所述计算机执行第一方面或者第一方面的任意一种实施方式中所述的构件匹配方法，或执行第二方面中所述的工程量计算方法。

附图说明

为了更清楚地说明本发明具体实施方式或现有技术中的技术方案，下面将对具体实施方式或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施方式，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1是根据本发明实施例的构件匹配方法的流程图；

图2是根据本发明实施例的构件匹配方法的流程图；

图3是根据本发明实施例的预设匹配模型的示意图；

图4是根据本发明实施例的楼层信息解析的界面示意图；

图5是根据本发明实施例的楼层信息对应的构件属性的界面示意图；

图6a是根据本发明实施例的预测构件属性的确认界面的示意图；

图6b是根据本发明实施例的楼层选择界面的示意图；

图7是根据本发明实施例的构件匹配方法的流程图；

图8是根据本发明实施例的工程量计算方法的流程图；

图9是根据本发明实施例的构件匹配装置的结构框图；

图10是根据本发明实施例的工程量计算装置的结构框图；

图11是本发明实施例提供的电子设备的硬件结构示意图。

具体实施方式

为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

需要说明的是，工程量的计算是利用算量软件实现的，而由于算量软件中对构件类型及构件材质属性的表述与建模软件中的表述不同，因此就会存在利用建模软件搭建的bim模型直接应用到算量软件中会存在不兼容的问题。为解决该问题，现有技术中常采用的是在算量软件中重新建模，或者将bim模型导入到算量软件中之后再次进行修改等等。然而，这些方式由于涉及到模型的重新搭建，导致工程量计算的效率较低。

基于此，本发明实施例提出了一种构件匹配方法，在将建筑模型导入至算量软件中之后，电子设备自动将建筑模型中的目标图元的待匹配构件属性进行匹配转换，以得到能够直接用于工程量计算的目标构件属性。例如，窗户在bim模型中的表述为a，而在算量软件中其能够直接用于工程量计算的表述为b，那么就需要将a匹配转换为b。其中，关于具体的构件匹配方法将在下文中进行详细描述。

根据本发明实施例，提供了一种构件匹配方法实施例，需要说明的是，在附图的流程图示出的步骤可以在诸如一组计算机可执行指令的计算机系统中执行，并且，虽然在流程图中示出了逻辑顺序，但是在某些情况下，可以以不同于此处的顺序执行所示出或描述的步骤。

在本实施例中提供了一种构件匹配方法，可用于上述的电子设备，如电脑、手机、平板电脑等，图1是根据本发明实施例的构件匹配方法的流程图，如图1所示，该流程包括如下步骤：

s11，获取目标建筑模型。

所述的目标建筑模型是要进行工程量计算的建筑模型，该目标建筑模型可以是事先存储在电子设备中的，也可以是在需要时实时导入到电子设备中的。其中，目标建筑模型可以是rvt或ifc等格式文件。例如，电子设备提供文件导入界面，在该界面用于向用户提供选择载入上传想要进行算量计算的目标建筑模型。

s12，对目标建筑模型进行解析，得到目标图元的待匹配构件属性。

电子设备在获取到目标建筑模型之后对其进行解析，可以通过对目标建筑模型进行关键字的识别的方法，确定目标建筑模型中的各个图元，再提取各个图元的构件属性就可得到各个图元的待匹配构件属性。

其中，电子设备可以是对某个图元的构件属性进行匹配转换，也可以是对某些图元的构件属性进行匹配转换等等，具体可以根据实际情况进行相应的设置。在本实施例中将需要对构件属性进行匹配转换的图元称之为目标图元。

具体地，电子设备对目标建筑模型进行解析，得到目标建筑模型中目标图元的待匹配构件属性。所述的待匹配构件属性可以是构件类型、构件材质属性或构件名称等等，所述的构件材质属性用于表示构件类型对应的材质。例如，目标图元1，对应的构件类型为a1、a2、a3以及a4，各个构件类型对应的构件材质属性为b1、b2、b3以及b4；目标图元2，对应的构件类型为a5以及a6，各个构件类型对应的构件材质属性为b5以及b6，等等。

可选地，为了保证构件匹配的效率，电子设备还可以对目标建筑模型的楼层信息进行解析，以对同一楼层进行目标图元的批量处理。进一步可选地，为保证后续工程量的计算，电子设备还可以解析得到各楼层的楼层高度以及楼层标高信息等等。

s13，将待匹配构件属性输入预设匹配模型中，确定与待匹配构件属性对应的目标构件属性。

其中，所述目标构件属性为直接用于目标建筑模型的工程量计算的属性信息。

电子设备在上述s12中得到目标图元的待匹配构件属性之后，可以直接将待匹配构件属性输入预设匹配模型中，确定与待匹配构件属性对应的目标构件属性。具体地，所述的预设匹配模型的输入为待匹配构件属性，输出为匹配出的目标构件属性。即，输入可以为目标图元的构件类型及构件材质属性，例如，名称，材质(墙、梁、板、柱、门窗)，输出为算量软件里对构件类型及构件材质属性的表述。该预设匹配模型的具体模型结构在此并不做任何限制，具体可以根据实际情况进行相应的设置。

所述的直接用于目标建筑模型的工程量计算的属性信息，可以理解为算量软件可以识别出的属性信息，而不需要再次进行转换的属性信息。利用所述的预设匹配模型通过智能匹配关联待匹配构件属性与目标构件属性，确定与待匹配构件属性对应的目标构件属性。

需要说明的是，输入至预设匹配模型中的可以是目标建筑模型中所有图元的待匹配构件属性，也可以是用户选定的某一个或某些图元的待匹配构件属性等等，在此对输入至预设匹配模型的数据并不做任何限制，具体可以根据需求进行相应的输入设置。

本实施例提供的构件匹配方法，利用预设匹配模型对待匹配构件属性进行目标构件属性的匹配，该目标构件属性是可以直接用于后续的工程量计算的属性信息。其中，利用预设匹配模型就可以将待匹配构件属性匹配为直接能够用于工程量计算的属性信息，从而就可以直接利用目标建筑模型进行后续工程量的计算，省去了建模这个相当繁琐和耗时的过程，提高了后续工程量计算的效率。

在本实施例中提供了一种构件匹配方法，可用于上述的电子设备，如电脑、手机、平板电脑等，图2是根据本发明实施例的构件匹配方法的流程图，如图2所示，该流程包括如下步骤：

s21，获取目标建筑模型。

详细请参见图1所示实施例的s11，在此不再赘述。

s22，对目标建筑模型进行解析，得到目标图元的待匹配构件属性。

其中，目标图元的待匹配构件属性可以是依次对目标建筑模型中的各个图元进行，也可以是针对不同的楼层进行。

例如，如图3所示，电子设备对目标建筑模型进行解析，得到目标建筑模型中各个楼层的楼层信息，再从各个楼层信息中得到目标图元的待匹配构件属性。图3仅仅作为楼层信息的一种示例，具体解析或展示哪些信息也是可以根据实际需求进行设置的。在本实施例中针对预设匹配模型的处理过程进行详细描述。

在本实施例的一些可选实施方式中，上述s22可以包括如下步骤：

(1)对目标建筑模型进行解析，得到目标建筑模型中的楼层信息。

其中，所述楼层信息包括各楼层中图元的待匹配构件属性。

电子设备可以对目标建筑模型进行关键字的识别的方法，确定目标建筑模型中的各个楼层，在确定出各个楼层之后，再提取各个楼层的楼层信息。其中，楼层信息可以包括该楼层中的各个图元以及图元的构件属性，还可以包括楼层的标高、高度等等。

(2)基于目标建筑模型中的楼层信息，确定目标图元的待匹配构件属性。

在得到目标建筑模型中的楼层信息之后，再针对目标图元进行构件属性的提取，确定目标图元的待匹配构件属性。

例如，电子设备可以提取各个楼层信息中的各个图元的图元信息，所述图元信息包括所述图元对应的构件类型及构件材质属性。

其余详细步骤请参见图1所示实施例的s12，在此不再赘述。

s23，将待匹配构件属性输入预设匹配模型中，确定与待匹配构件属性对应的目标构件属性。

其中，所述目标构件属性为直接用于目标建筑模型的工程量计算的信息。

不论输入至预设匹配模型中的数据是所有楼层的楼层信息，或者某一个楼层信息，或者某一个图元的构件属性，对于预设匹配模型而言，其在内部处理时均是针对各个楼层信息中的各个图元的待匹配构件属性进行处理。

例如，输入至预设匹配模型中的为某一个楼层的楼层信息，该楼层信息中包括4个图元的待匹配构件属性，那么预设匹配模型就会依次对各个待匹配构件属性进行匹配转换。即，在将楼层信息输入至预设匹配模型中，预设匹配模型将依次提取楼层信息中各个图元的待匹配构件属性，得到各个图元的待匹配构件属性对应的目标构件属性。

具体地，上述s23包括如下步骤：

s231，对待匹配构件属性进行字段特征的提取。

电子设备提取出目标图元的待匹配构件属性之后，对待匹配构件属性进行字段特征的提取。例如，在本实施例中所采用的预设匹配模型的结构如图4所示。该模型通过字段匹配技术，用于同语言或跨语言智能识别和关联用户上传模型的属性信息，从而可以实现精确智能匹配bim模型中的构件属性。

该模型通过字段匹配的方法生成预测文本，主要可以分为特征提取映射和文本匹配两个阶段，不同语言的语法结构和表述规律虽有不同，但其语义空间往往存在相似性，因此可以利用各文本语义的高维特征空间实现非线性映射关系。

例如，本实施例中的预设匹配模型是基于esim算法建立的，该算法匹配具有高精度和全局腿短的有点，将相关字段分解为词向量的格式进行特征学习，更利于算法的快速自学习。如图4所示，待匹配构件属性为构件类型及构件材质属性，例如，输入包括建筑模型的构件类型，墙、梁、板、柱、门窗、基础等构件类型字段；以及，现浇混凝土、预制混凝土、砌体、砖块、石块和玻璃等构件材质属性字段。

在提取出各个待匹配构件属性的字段特征之后，对其进行特征编码。例如，采用ltsm特征提取编码，即，调用双层时间序列神经网络对所输入词向量进行学习和特征编码，并依据时间序列记录特征隐藏值。

在本实施例的一些可选实施方式中，若目标图元为融合图元，则就需要对其进行分层提取。针对rvt模型构件，如一个墙体图元的设置可以在构造中添加多层材质的不同构件，进而需要对不同构件安装材质进行智能分层提取。例如，如图5所示，对于floor.a-楼板面层-30而言，其为三层材质的组合，那么就需要针对各层材质属性分别进行字段特征的提取。

具体地，上述s232还可以包括如下步骤：

(1)判断待匹配构件属性是否存在至少两种构件材质属性。

例如，如图5所示，电子设备可以针对目标图元的构件材质属性的字段进行判断。当目标图元存在至少两种构件材质属性时，执行步骤(2)；否则，直接对该目标图元的待匹配构件属性进行字段特征的提取。

(2)按照对构件材质属性进行字段特征的提取。

电子设备对于该目标图元的各个构件材质属性分别进行字段特征的提取，以及后续的匹配转换。

通过对待匹配构件属性的字段特征进行分层提取，即，按照不同构件材质属性进行字段特征的提取，得到目标图元中不同构件类型以及构件材质属性对应的字段特征，提高了目标图元对应的目标构件属性的准确性。

s232，基于提取出的字段特征进行文本预测，得到目标构件属性。

请结合图4，在上述s231中对待匹配构件属性进行字段特征的提取之后，进入局部推理的步骤，在该步骤中主要采用注意机模型，其主要是将编码好的特征值做差异性计算分析。主要是借助于构建注意机模型来模仿人类注意力，从大量信息中筛选出高价值信息，主要用于辅助接收和筛选出lstm所输出的特征向量，并进一步计算两个短文的相似度矩阵和差异。

进一步地，在经过局部推理之后，在对其进行全局推理，即综合全局信息以将各特征进行推理合成。通过lstm提取上下文的连接语义信息，将输入特征中所有子区域进行五重叠组合，即采取最大池化和平均池化操作将各段特征拼接，形成完整的语义关联。

最后在全局推理的基础上进行文本推测预测，得到与目标图元的待匹配构件属性对应的目标构件属性。具体地，将所获得池化后的语义特征传输至全连接层并被分类函数softmax接收，同时调用激活函数sigmoid实现多维空间中的非线性映射和分类，将最终预测值以匹配字段的形式展示。

其中，图5示出了匹配前后的构件类型及构件材质属性的对应表述。其中，图5左侧框内的第一列表示楼层，第三列表示楼层信息中的构件材质属性；图5右侧框内的第一列表示楼层的厚度，第二列表示匹配后的构件类型，第三列表示匹配后的构件材质属性。

电子设备依次针对各个目标图元进行上述s231-s232的重复处理之后，就可以确定所有目标图元的待匹配构件属性对应的目标构件属性。

本实施例提供的构件匹配方法，通过对各个待匹配构件属性分别进行字段特征的提取以及文本预测，从而得到与待匹配构件属性对应的目标构件属性，即，利用深度学习所具有的高精度预测特性，保证所得到的目标构件属性的准确性，为后续高准确性的工程量计算提供了可靠保障。

在本实施例中提供了一种构件匹配方法，可用于上述的电子设备，如电脑、手机、平板电脑等，图7是根据本发明实施例的构件匹配方法的流程图，如图7所示，该流程包括如下步骤：

s31，获取目标建筑模型。

详细请参见图2所示实施例的s21，在此不再赘述。

s32，对目标建筑模型进行解析，得到目标图元的待匹配构件属性。

详细请参见图2所示实施例的s22，在此不再赘述。

s33，将待匹配构件属性输入预设匹配模型中，确定与待匹配构件属性对应的目标构件属性。

其中，所述目标构件属性为直接用于目标建筑模型的工程量计算的信息。

具体地，上述s33包括如下步骤：

s331，将待匹配构件属性输入预设匹配模型中，得到预测构件属性。

例如，电子设备可以依据各个楼层的图元进行构件属性的匹配转换，即电子设备在确定出目标楼层信息输入预设匹配模型中，该预设匹配模型的输出为与目标楼层信息中各个图元对应的目标构件属性。

在本实施例的一些可选实施方式中，目标楼层的确定方式可以包括如下步骤：

(1)提供楼层选择界面。

电子设备在上述s32中对目标建筑模型进行解析，得到目标建筑模型中各个楼层的楼层信息之后，可以提供如图6b所示的楼层选择界面，以供用户选择相应的楼层进行后续的处理。

(2)响应于对楼层选择界面的选择操作，以确定输入预设匹配模型中的目标楼层信息。

用户在图6b所示的界面进行选择操作，相应地，电子设备就会响应于用户的选择操作，从而确定输入至预设匹配模型中的目标楼层信息。其中，用户可以根据实际需求选择其中的一个楼层、两个楼层或多个楼层等等。其中，关于预设匹配模型的具体处理方式请参见图2所示实施例的s23中的相应描述，在此不再赘述。

在本实施例的一种可选实施方式中，还可以根据目标建筑模型对应的目标地域确定相应的预设匹配模型。即，可以包括如下步骤：

(1)获取目标建筑模型对应的目标地域。

其中，电子设备可以对目标建筑模型中的与地域相关的关键字进行识别，确定该目标建筑模型对应的目标地域。

(2)基于目标地域确定对应的预设匹配模型。

其中，在电子设备中可以存储有与各个地域对应的预设匹配模型。在确定出目标地域之后，提取出与目标地域对应的预设匹配模型，并将目标楼层信息输入与目标地域对应的预设匹配模型中。

利用与目标地域对应的预设匹配模型进行目标构件属性的确定，能够避免由于不同地域的算量规则的不同带来的构件类型及构件材质类型的差异，提高了构件匹配的准确性。

s332，获取对预测构件属性的修改信息，确定目标构件属性。

其中，对预测构件属性的修改信息可以是用户对预设匹配模型输出的预测构件属性的修改所得到的。对于预测构件属性的修改，电子设备可以提供预测构件属性的确认界面，用户就可以通过交互的方式在该界面上对预测构件属性进行适应性修改。对匹配错误的情况，对目标构件属性进行修改；对匹配正确的情况，对目标构件属性进行确认。

在本实施例的一些可选实施方式中，上述s332可以包括如下步骤：

(1)提供预测构件属性的确认界面。

电子设备利用预设匹配模型进行构件属性的预测之后，可以提供如图6a所示的预测构件属性的确认界面，以供用户对预测构件属性进行确定。在该确认界面上显示有目标建筑模型中目标图元的构件类型及构件材质属性，以及进行匹配转换后的构件类型及构件材质属性。

(2)响应于对预测构件属性确认界面的修改操作，以确定目标构件属性。

用户可以对确认界面上的预测构件属性进行修改操作，相应地，电子设备就会响应于用户对预测构件属性确认界面的修改操作，从而确定出与待匹配构件属性对应的目标构件属性。

本实施例提供的构件匹配方法，按照楼层信息确定目标图元的待匹配构件属性，而避免了对所有楼层信息的匹配，提高了构件匹配的效率；在预设匹配模型输出预测构件属性之后，再获取用户对预测构件属性的修改信息，从而提高了所得到的目标构件属性的准确性。

作为本实施例的一种可选实施方式，所述的预设匹配模型的训练步骤包括：

(1)获取样本构件属性以及样本构件属性对应的直接用于工程量计算的匹配构件属性。

所述的样本构件属性为建筑软件中对建筑模型的图元的构件属性的表述，匹配构件属性为算量软件中对应的构件属性的表述。

可选地，获取至少一种地域的样本构件属性以及样本构件属性对应的直接用于工程量计算的匹配构件属性，以确定与地域对应的预设匹配模型。

(2)将样本构件属性输入预设匹配模型中，确定与样本构件属性对应的预测样本构件属性。

电子设备在对预设匹配模型进行参数初始化之后，将样本构件属性输入预设匹配模型中，该预设匹配模型即可输出与样本构件属性对应的预测样本构件属性。

(3)基于匹配构件属性以及预测样本构件属性，对预测匹配模型的参数进行更新，以确定预设匹配模型。

电子设备可以利用预测样本构件属性与对应的匹配构件属性进行损失函数的计算，从而对预测匹配模型的参数进行更新，确定出预设匹配模型。

通过获取至少一种地域的样本构件属性以及对应的直接用于工程量计算的匹配构件属性，后续就可以训练得到与地域对应的预测匹配模型。

根据本发明实施例，提供了一种工程量计算方法实施例，需要说明的是，在附图的流程图示出的步骤可以在诸如一组计算机可执行指令的计算机系统中执行，并且，虽然在流程图中示出了逻辑顺序，但是在某些情况下，可以以不同于此处的顺序执行所示出或描述的步骤。

在本实施例中提供了一种工程量计算方法，可用于上述的电子设备，如电脑、手机、平板电脑等，图8是根据本发明实施例的工程量计算方法的流程图，如图8所示，该流程包括如下步骤：

s41，根据上述任一项实施例中所述的构件匹配方法，确定与目标建筑模型中目标图元的待匹配构件属性对应的目标构件属性。

具体请参见上述图1、图2以及图7所示实施例的相关描述，在此不再赘述。

s42，基于目标构件属性，计算目标建筑模型的工程量。

电子设备在得到待匹配构件属性对应的目标构件属性之后，就可以直接利用这些目标构件属性计算目标建筑模型的工程量。例如，可以在电子设备中内置有相关的计算规则(提供所有土建/装饰装修构件的可选项，可根据用户实际需求更改确定各构件计算内容，超高、分段，曲面角度以及模板面积计算原则等默认值)及计算公式(其中，多个计算方式和/或扣减规则是针对不同地区预先设置的通用计算方法和/或扣减规则进行默认设置，也可以根据用户实际需求进行调整)，通过直接将相应的目标构件属性代入计算公式中，就可以得到目标建筑模型的工程量。

具体地，可以采用如下方式计算目标建筑模型的工程量：

在利用进行工程量计算之前，可以先进行计算设置，选择需要提取的工程量，并对其计算方法进行设置，涉及的工程量包括各构件的体积、模板面积(底面，侧面)以及超高等，保证工程量计算能够满足算量的需求。

然后进行计算规则设置，计算规则主要是指构件与相关构件(包括梁、墙等)的扣减规则。规则库中提供了多种的扣减规则，如果默认的规则选项与用户的要求不同，可以根据自己的要求，选择不同的扣减规则选项，从而保证了工程量计算的灵活性，准确性。

其中，还可以提供一键智能算量便捷操作，用户只需点击汇总计算，即可以得到模型工程量的结果。用户如果觉得计算的工程量有问题，也可以重新检查计算设置，调整三维模型各细化参数设置来修正结果，更改过这些设置后，也能够再次快速计算出正确的工程量。

进一步地，还提供多维参数(面积、模板面积、长度、周长等)的智能工程量报表展示，用户可以按照楼层，构件进行分类查看工程量，自动组合出具工程量表报。还可以添加自定义设置分类条件，供用户多场景组合提量。

该计算方法可以实现对工程量进行可视化、动态化的管理。并且可直接应用于实际工程的招投标阶段的工程量计算。同时，给出的内置计算规则对应于所述用户地区在国际通用标准测量方法库中对应的所述计算方法以及扣减规则。具体为用户所在地区的国际通用标准测量方法(standardmethodofmeasurement，简称为smm)库，并将该smm库中坡道工程量的计算方法以及扣减规则显示给用户，供用户选择。内置规则根据相关测量标准进行默认值设置，如果用户发现默认的计算标准与自己需要的计算标准不符合，也支持多种计算原则供用户选择，用户可以自行选择修改修改默认计算方法。

本实施例提供的工程量计算方法，利用预设匹配模型对待匹配构件属性进行目标构件属性的匹配，该目标构件属性可以直接用于后续的工程量计算的属性信息。其中，利用预设匹配模型就可以将待匹配构件属性匹配为直接能够用于工程量计算的属性信息，从而就可以直接利用目标建筑模型进行后续工程量的计算，省去了建模这个相当繁琐和耗时的过程，提高了工程量计算的效率。

在本实施例中还提供了一种构件匹配装置，或工程量计算装置，该装置用于实现上述实施例及优选实施方式，已经进行过说明的不再赘述。如以下所使用的，术语“模块”可以实现预定功能的软件和/或硬件的组合。尽管以下实施例所描述的装置较佳地以软件来实现，但是硬件，或者软件和硬件的组合的实现也是可能并被构想的。

本实施例提供一种构件匹配装置，如图8所示，包括：

获取模块51，用于获取目标建筑模型；

解析模块52，用于对所述目标建筑模型进行解析，得到目标图元的待匹配构件属性；

第一确定模块53，用于将所述待匹配构件属性输入预设匹配模型中，确定与所述待匹配构件属性对应的目标构件属性，所述目标构件属性为直接用于所述目标建筑模型的工程量计算的属性信息。

本实施例提供的构件匹配装置，利用预设匹配模型对待匹配构件属性进行目标构件属性的匹配，该目标构件属性可以直接用于后续的工程量计算的属性信息。其中，利用预设匹配模型就可以将待匹配构件属性匹配为直接能够用于工程量计算的属性信息，从而就可以直接利用目标建筑模型进行后续工程量的计算，省去了建模这个相当繁琐和耗时的过程，提高了后续工程量计算的效率。

本实施例还提供了一种工程量计算装置，如图9所示，包括：

第二确定模块61，用于根据本发明第一方面，或第一方面任一项实施方式中所述的构件匹配方法，确定与所述目标建筑模型中目标图元的待匹配构件属性对应的目标构件属性；

计算模块62，用于基于所述目标构件属性，计算所述目标建筑模型的工程量。

本实施例提供的工程量计算装置，利用预设匹配模型就可以将待匹配构件属性匹配为直接能够用于工程量计算的属性信息，从而就可以直接利用目标建筑模型进行后续工程量的计算，省去了建模这个相当繁琐和耗时的过程，提高了工程量计算的效率。

本实施例中的构件匹配装置，或工程量计算装置是以功能单元的形式来呈现，这里的单元是指asic电路，执行一个或多个软件或固定程序的处理器和存储器，和/或其他可以提供上述功能的器件。

上述各个模块的更进一步的功能描述与上述对应实施例相同，在此不再赘述。

本发明实施例还提供一种电子设备，具有上述图9所示的构件匹配装置，或图10所述的工程量计算装置。

请参阅图11，图11是本发明可选实施例提供的一种终端的结构示意图，如图11所示，该终端可以包括：至少一个处理器71，例如cpu(centralprocessingunit，中央处理器)，至少一个通信接口73，存储器74，至少一个通信总线72。其中，通信总线72用于实现这些组件之间的连接通信。其中，通信接口73可以包括显示屏(display)、键盘(keyboard)，可选通信接口73还可以包括标准的有线接口、无线接口。存储器74可以是高速ram存储器(randomaccessmemory，易挥发性随机存取存储器)，也可以是非不稳定的存储器(non-volatilememory)，例如至少一个磁盘存储器。存储器74可选的还可以是至少一个位于远离前述处理器71的存储装置。其中处理器71可以结合图9或10所描述的装置，存储器74中存储应用程序，且处理器71调用存储器74中存储的程序代码，以用于执行上述任一方法步骤。

其中，通信总线72可以是外设部件互连标准(peripheralcomponentinterconnect，简称pci)总线或扩展工业标准结构(extendedindustrystandardarchitecture，简称eisa)总线等。通信总线72可以分为地址总线、数据总线、控制总线等。为便于表示，图11中仅用一条粗线表示，但并不表示仅有一根总线或一种类型的总线。

其中，存储器74可以包括易失性存储器(英文：volatilememory)，例如随机存取存储器(英文：random-accessmemory，缩写：ram)；存储器也可以包括非易失性存储器(英文：non-volatilememory)，例如快闪存储器(英文：flashmemory)，硬盘(英文：harddiskdrive，缩写：hdd)或固态硬盘(英文：solid-statedrive，缩写：ssd)；存储器74还可以包括上述种类的存储器的组合。

其中，处理器71可以是中央处理器(英文：centralprocessingunit，缩写：cpu)，网络处理器(英文：networkprocessor，缩写：np)或者cpu和np的组合。

其中，处理器71还可以进一步包括硬件芯片。上述硬件芯片可以是专用集成电路(英文：application-specificintegratedcircuit，缩写：asic)，可编程逻辑器件(英文：programmablelogicdevice，缩写：pld)或其组合。上述pld可以是复杂可编程逻辑器件(英文：complexprogrammablelogicdevice，缩写：cpld)，现场可编程逻辑门阵列(英文：field-programmablegatearray，缩写：fpga)，通用阵列逻辑(英文：genericarraylogic,缩写：gal)或其任意组合。

可选地，存储器74还用于存储程序指令。处理器71可以调用程序指令，实现如本申请图1、2以及7实施例中所述的构件匹配方法，或图8实施例中所示的工程量计算方法。

本发明实施例还提供了一种非暂态计算机存储介质，所述计算机存储介质存储有计算机可执行指令，该计算机可执行指令可执行上述任意方法实施例中的构件匹配方法，或工程量计算方法。其中，所述存储介质可为磁碟、光盘、只读存储记忆体(read-onlymemory，rom)、随机存储记忆体(randomaccessmemory，ram)、快闪存储器(flashmemory)、硬盘(harddiskdrive，缩写：hdd)或固态硬盘(solid-statedrive，ssd)等；所述存储介质还可以包括上述种类的存储器的组合。

虽然结合附图描述了本发明的实施例，但是本领域技术人员可以在不脱离本发明的精神和范围的情况下做出各种修改和变型，这样的修改和变型均落入由所附权利要求所限定的范围之内。