BIM-IoT技术在轨道交通工程智能化施工中的应用研究

吴瑜灵，王远利

（广东建科创新技术研究院有限公司 广州 510500）

0 引言

随着科技的迅猛发展和工程领域的不断创新，建筑信息模型和物联网技术成为当今建筑行业数字化、智能化发展的关键技术。融合BIM 与IoT 的智能建造在提升建筑工程质量、效率和可持续性方面发挥巨大作用。

传统建筑设计与施工过程通常存在信息孤岛和数据断层的问题［1］，导致沟通不畅、资源浪费和工期延误等诸多问题［2］。通过集成建筑项目多方面信息，BIM 技术实现了信息共享、模拟分析、碰撞检测等功能，为设计、施工、运维等各个环节提供了全面的数据支持［3］，为以上问题提供了新的解决方案。但是仅用BIM技术还无法实现真正意义上的智能化［4］。

将IoT 与BIM 融合应用，工程项目可以对各种设备和系统进行实时监测、控制和优化，实现建筑施工和运营的智能化［5］。本文重点探讨融合BIM 与IoT 的智能化施工应用，在工程项目中的优势和挑战，为建筑行业数字化转型升级提供新的思路。

1 工程概况

某轨道交通车辆段工程红线用地面积约32公顷，车辆段内主要建筑有运用库、联合检修库、综合楼、物资总库、污水处理站、混合变电所等14个建筑单体，如图1 所示，总建筑面积约23 万m2，竣工日期为2021 年12月30日。本工程存在以下重难点：

图1 车辆段BIM模型总览Fig.1 Overview of the BIM Model of the Vehicle Section

⑴工期紧

工程工期紧张，需在雨季进行施工且所在地区雨季时间较长，降雨量丰富，对施工作业产生了显著影响。

⑵管线系统复杂

工程涉及复杂的管线布局，涉及多个系统，并存在多个专业接口关系，导致整体结构的复杂性显著增加。为了满足严格的抗震要求，如库区和联合检修库等采用了综合支吊架，对设备的安装高度进行严格控制，因此管线系统非常复杂。

⑶工序复杂

工程涉及一系列繁杂的施工工序，包括大跨度盖板结构的施工、综合楼深基坑的开挖支护、库内整体道床的建设以及大型工艺设备的安装。同时还存在一些风险难度极高的施工过程，如大面积高支模架体的搭建、主体结构大面积混凝土的浇筑等，工序的复杂性使得风险控制变得十分困难。

⑷安全质量控制难度大

工程规模庞大，涉及多个单体建筑。现场同时进行大规模、多单位、多专业、多工种的交叉施工作业，导致施工质量难以掌控。此外，需要频繁调度人员、物资和机械设备，施工生产动态管控难度很大。

2 基于BIM-IoT的施工应用

2.1 临建工程规划

根据项目特征，建立BIM 场地平面布置模型。模型结合无人机航拍数据与勘察图纸，能够合理规划项目场地平面布置。在施工过程中，BIM-IoT 技术的融合使得不同参与方可以实时共享临建工程的信息和数据，根据实际情况调整场地部署，避免各工作面之间冲突，确保材料运输的顺畅。

2.1.1 创建场布模型

由于施工场地的狭长特点，为了有效地提高施工效率，对工程部的选址以及车辆的进出线路进行科学且合理地规划。首先建立相应的场布模型（见图2）。

图2 场地布置BIM模型Fig.2 BIM Model of the Site Layout

2.1.2 塔吊布置

车辆段工程作业面相对集中，建设规模较大，场内各类材料的运输量巨大，因此主要依赖塔式起重机进行材料转运。在施工现场，塔吊密度较高，各个塔吊之间存在交叉作业，使得施工现场的安全风险大幅增加。故运用BIM 技术对塔吊的运行情况进行模拟分析，确保塔吊的合理布置，提高作业的安全性水平，如图3所示。

图3 塔吊布置BIM模型Fig.3 BIM Model of Tower Crane Arrangement

2.2 智能物料跟踪

车辆段工程建设过程中，需要大量建筑材料，同时涉及大量施工设备和机械。通过对设备和材料进行实时监测，获取材料运输、使用情况和设备的位置、使用状态和维护需求，随时了解物料的运抵情况，施工进度和工地资源的分配情况（见图4）。通过物联网传感器实时监测库存，更精准地预测物料需求，避免物料短缺和过剩，优化物料采购和使用。

图4 RFID预制构件管理Fig.4 RFID Prefabricated Components Management

2.3 智能安全监控

车辆段工程建设中往往伴随多种安全风险，如大型施工设备操作不当风险、物料搬运风险和环境或人为因素引起的其他风险。本工程基于IoT技术将传感器、摄像头和其他设备连接到互联网，实现对工地安全情况的远程监控和数据收集，其中包括部署于工地关键位置的视频监控系统、区域入侵监测、材料堆放监测和塔机设备监控，如图5所示。

图5 塔机监测Fig.5 Tower Crane Monitoring

2.4 智能质量管控

通过在工程现场部署智能监控、物联网传感器等，实时监测和测量包括混凝土强度（见图6）、钢轨精度、道床平整度、构件吊装等各种施工过程的质量指标，实现建筑材料和构件自动化检测。对于施工过程中产生的质量数据，通过IoT 技术在智慧工地平台上进行集中存储和分析，提供更全面的质量信息，辅助项目决策和制定改进措施。

图6 智能质量管控Fig.6 Intelligent Quality Control

2.5 绿色施工监测

车辆段工程建设工程中，通过传感器监测包括电力、燃气和水资源的能源消耗情况（见图7），以及实时监测包括车辆尾气、机械设备排放等碳排放量，进而识别能源浪费和评估工程碳足迹，实现节能减排。通过在施工现场部署物联网传感器，实时监测噪音和振动水平，减少施工噪音和振动对周围环境的影响。

图7 环境监测Fig.7 Environmental Monitoring

3 BIM-IoT与智慧工地平台的结合应用

3.1 平台系统架构

IoT 技术通过传感器、监测设备等采集施工现场数据，及时传输至智慧工地平台。平台根据工程实际需要，对现场数据进行分析、统计，为施工管理提供决策支持。数据与BIM 进行关联，可通过直观模型进行动态展示，便于工程管理快速获取工程进展情况。智慧工地平台架构按数据流向，分为感知层、数据层、应用层和用户层，如图8 所示。各层提供的主要功能如表1所示。

表1 平台主要功能Tab.1 Main Functions of the Platform

图8 智慧工地平台架构Fig.8 Intelligent Site Platform Architecture

3.2 智能数据管理

平台采用网站和移动应用终端如图9 所示，有效集中了现场管理数据，实现实时项目管理，便捷地存储和查询历史数据。平台还为运维流程提供了最新、准确的数据。

图9 智慧工地平台大屏Fig.9 Large Screen of Intelligent Site Platform

3.2.1 智能数据采集

通过在施工现场和工程设备上部署传感器，收集如温度、湿度、压力、振动、位置等各种数据，数据传输到智慧工地平台后进行数据去噪、数据整合、数据分析，以确保数据的准确性和完整性。

从原始数据中消除或减少由传感器误差、设备故障、环境干扰等原因引起的数据异常后，将来自多个传感器、设备、系统或平台，或者包含不同的单位和度量标准的数据集中到同一数据库里。

3.2.2 智能数据关联

建立数据间联系是更全面、准确和综合的数据分析和应用的前提。基于智慧工地平台，将施工进度数据与设备数据关联，了解特定设备在工程不同阶段的使用情况，以及设备使用与施工进度之间的关系；在质量把控方面，将混凝土强度数据与温度传感器数据关联，分析温度对混凝土强度的影响，进一步优化了大体积混凝土施工工艺，如图10所示。

图10 大体积混凝土监测Fig.10 Mass Concrete Monitoring

3.2.3 智能数据分析利用

车辆段工程数据采集涉及视频监控、人员管理、物资管理和自动化监测等模块（见图11），以及大量设备运行、能耗消耗、工程质量等方面数据，有效的数据分析利用是优化施工过程、提高工程质量和效率的重要环节。

图11 现场数据采集应用Fig.11 Field Data Acquisition Applicatio

本工程智慧工地平台基于监测数据库，进行深入分析和洞察。通过识别工程进度的瓶颈和影响因素，制定了更合理的施工计划和资源调度；通过分析电力和燃气消耗数据，能源消耗的高峰期和低谷期，合理调整能源使用策略。

3.3 智能资源管理

3.3.1 资源预测

通过BIM 和IoT 传感器实时数据，利用人工智能算法，准确地预测施工过程中所需的资源情况，包括人力、物资和设备等，从而优化项目计划、资源调配和成本控制，从而提高施工的效率和质量［8］。

基于历史数据和实时数据，利用算法和数据分析，对BIM 和IoT 数据进行集成和处理，开展资源预测分析，识别施工过程中资源利用的模式和规律，并对未来的资源需求和资源利用率进行预测［9］。车辆段运用库钢结构生产施工全过程的资源利用率预测曲线如图12所示，根据曲线可得出依据当前资源的调配计划，各资源利用率可维持在80%以上，实现资源的高效利用。

图12 钢结构生产施工过程模拟资源动态曲线Fig.12 Resource Dynamic Curve for Simulation of Steel Structure Production and Construction Process

3.3.2 资源计划

BIM 模型作为全面且详细的数字化建筑表示，包含了项目的几何信息、构件属性、材料特性、时间安排等多维数据［10］。将传感器部署于施工现场和设备上，实时采集与监测施工过程中包括人员的到场时间、物资消耗情况、基坑沉降情况（见图13）等各项数据，使得施工过程的数据与建模信息得以相互补充和验证。

图13 基坑沉降勘探点埋设Fig.13 Burial of Pit Settlement Exploration Points

3.3.3 资源偏差分析

利用BIM 和IoT 技术可以帮助识别和分析材料供应偏差，即实际供应与计划供应之间的差异（见图14）和实际材料使用与预期使用之间的差异（见图15），以确保材料供应的准确性和高效性，避免延误施工进度和增加成本。

图14 智慧工地材料进场数据分析Fig.14 Analysis of Material Input Data for Intelligent Site

图15 智慧工地材料供应偏差分析Fig.15 Material Supply Deviation Analysis for Smart Sites

4 结论

本文对BIM-IoT 技术在轨道交通地铁车辆段施工过程中的应用进行研究，可为规模庞大、复杂型的同类建设项目应用提供经验借鉴。研究得出以下结论：

⑴智能物料跟踪、智能安全监控、智能质量管控和绿色施工监测等BIM-IoT 智能化技术应用在车辆段工程建设中，通过现场工程数据的实时采集，快速准确掌握工程真实情况，做出精益的项目管控，提高工程建设效率。

⑵基于BIM 和IoT 技术的智能数据管理主要包括智能数据采集、智能数据关联和智能数据分析利用，形成前端数据获取到利用的完整数据链。利用自动化、智能化的数据处理，可进一步挖掘工程建造过程的数据价值，提升项目建设的精准决策和管理。

⑶BIM 和IoT 技术的融合应用，通过实时数据采集和智能算法，可以准确识别、分析包括人力、物资和设备等资源偏差，作出针对性的应对措施，提升工程建设的绿色低碳水平。