胡睿博, 陈 珂, 骆汉宾, 曾 恬
(华中科技大学 土木与水利工程学院,湖北 武汉 430074)
当前,全球城市人口膨胀、交通拥堵、环境污染,严重影响居民生活质量[1]。2009年,IBM公司首次提出“智慧城市”的概念,为解决城市发展问题提出新的思路和方法,各国智慧城市的建设拉开序幕。2013年我国开始推动智慧城市的试点工作,取得了诸多成效,但仍然存在一些问题,包括城市管理部门和参建单位之间信息沟通不流畅、城市多地重复拆建问题严重、缺乏统一的数字化建设标准和平台等[2]。因此,如何从信息化、数字化角度为智慧城市发展提供支撑成为当下的迫切需求。
城市信息模型(City Information Modeling,CIM)作为城市的数据基础,为新型智慧城市建设提供了新方法、新途径、新工具,并成为当下研究的热点。2019年国家发改委颁布的《产业结构调整指导目录》将CIM的开发与应用设为鼓励性产业。同年,北京、雄安、广州、南京、厦门被列为CIM平台建设试点城市。2020年7月,住建部等十三个部委联合发文《关于推动智能建造与建筑工业化协同发展的指导意见》明确要求,“探索建立表达和管理城市三维空间全要素的城市信息模型(CIM)基础平台”[3],着力解决城市多源信息实时融合的问题,推动CIM在新型智慧城市中的落地。
另一方面,关于CIM的研究也在不断涌现和深入。国内外学者一般从4个方面对CIM进行研究:概念梳理、元素构成、数据融合、应用场景。在概念梳理方面,汪深等[4]指出建筑是城市的微观组成部分,因此,建筑信息模型(Building Information Modeling,BIM)是CIM概念中不可或缺的一部分;Lu等[5]进一步提出CIM是微观建筑模型(如BIM)和宏观城市地理信息(如GIS(Geographic Information System))的结合体;随着物联网(Internet of Things,IoT)技术的发展,孙桦等[6]认为CIM是包括IoT在内的城市动态信息的有机综合体。在元素构成方面,Xu等[7]的描述较为全面,认为CIM由5种元素组成:城市附属设施(如公园、路灯)、单体建筑(如结构形式、材料类型)、交通(如道路长度、走向)、机电管道、水体(如湖泊、河流)。在数据融合方面,Wang等[8]总结了3种典型方式:BIM平台为主GIS为辅,GIS平台为主BIM为辅,以及创建第三方平台,集成GIS数据和BIM数据。在应用场景方面,Song等[9]认为CIM技术能够应用在建设项目的全生命周期,例如项目初期的时空规划[10],项目建设过程中材料供应链管理和可视化监控[11],项目运营中的能耗评估[12]。虽然已有文献对上述CIM的某些方面进行了综述,但主要侧重于CIM元素构成和数据融合技术[13,14],尚未对CIM概念演化及应用场景方面的研究进展进行全面检索和深入分析。
鉴于此,本文广泛搜集将CIM应用到城市规划、建设、运维全过程的代表性文献,对CIM概念发展历程和应用现状进行梳理,在此基础上,提出CIM的应用框架,总结CIM应用面临的挑战,为今后CIM的发展和应用提供参考。
本文采用的主要方法为文献分析法,具体流程如图1所示。首先,开展全面的文献检索,随后通过阅读每篇文献标题及摘要,剔除与本文研究目标无关的文献。筛选出目标文献后,进一步阅读正文内容,提取相关信息并进行分析。以下将重点介绍文献检索和文献剔除机制两方面。
图1 文献分析法流程
本文通过Scopus和Google Scholar数据库平台检索文献。Scopus被公认为全球范围内较权威的数据库之一,但仍有部分有参考价值的同行审议期刊未被收录,如“Journal of Information Technology in Construction”,这些遗漏的文献通过Google Scholar数据库进行补充。本文采用模糊检索词法,分别使用检索词“City Information Model*”和“BIM”AND“GIS”AND“integrat*”进行检索。因为“CIM”一词近些年才较多地被研究领域使用,较早的诸多文献虽未提及CIM,但实质上研究了城市或区域尺度的信息模型,且模型颗粒度达到了设施内部构件的级别,尤其是BIM和GIS的结合,所以采用以上两个检索词进行检索的文献不仅代表性更强,而且覆盖范围更广。此外,本文设置了检索条件,例如检索语言为“English”,文献类型为“Article”和“Conference Paper”,即同行评议的期刊论文和会议论文,这些文献通常比其他类型文献的质量更高。
本文文献检索于2020年8月14日进行,从Scopus和Google Scholar分别检索到符合限定条件的文献为268篇和439篇。通过剔除重复的、与CIM在城市规划、建设和运维中应用无关的、没有提供充足技术及应用细节的文献,最终筛选出129篇文献做进一步分析,这些文献的主要期刊来源如表1所示。
本文首先对筛选出的129篇文献按年份进行分类,如图2所示。二十年间发表文献的数量呈现一个明显的上升趋势。
图2 CIM文献统计数量(篇)及概念演化
从图2中可以看出,“CIM”一词最早是在2000年Billen[15]一文中出现,Billen认为CIM是城市尺度的三维GIS模型,由建筑物、植被、交通网、公共设施和通信网络构成。由于这种概念与近年来研究领域的认知有差距,没有细化到模型的设施内部构件,所以可被认为是CIM概念的萌芽期。在此后六年,由于相关技术发展缓慢,CIM极少被提及。随着BIM的发展,CIM在2007年重新回到视野。Isikdag等[16]首次提出将BIM模型导入到ArcGIS平台中,用以支持火灾应急响应,为CIM进一步发展提供了重要参考。截至今日,CIM平台仍以BIM和GIS的融合为核心构建。在IoT技术日益成熟的背景下,2015年,Isikdag[17]认为将该技术融入到CIM平台中,实现城市动态数据和静态数据的交互,能够覆盖更为全面的智慧城市应用场景。2020年,Lehner等[18]将CIM视作城市尺度的数字孪生体,期望CIM在大数据、人工智能等新技术的驱动下实现数字模型和物理实体之间的智能交互。
虽然上述文献对CIM的概念进行了有益的探索,但不难发现,当前国内外仍未对CIM定义达成共识。为进一步明确CIM的内涵和外延,在分析了CIM概念的演化后,参考美国BIM国家标准(NBIMS)和丁烈云院士[19]对BIM概念的表述,笔者尝试从“City”“Information”“Model/Modeling”三方面对CIM概念进行解读:(1)City代表CIM的覆盖范围。“城市”可以实体化为某个城市、某个园区、某个社区、街道等,但它对建模能力的要求应该是城市级别的,同时要求模型细度能精确到建筑内部的某个部件;(2)Information是CIM的核心,它为城市发展的各个阶段、各个参与方提供各种与城市管理相关的信息,包括几何信息、语义信息、物理信息等;(3)Model/Modeling不仅是CIM信息的创建和存储方式,也通过各种智能算法下的数据分析为城市全寿命周期管理提炼新知识。
2019年12月,慕尼黑工业大学联合西门子企业,以“建筑环境下的数字孪生体”为主题举办国际大会。该会议对CIM的应用场景决定了其模型细度及框架达成共识[20]。由于CIM覆盖的范围十分广泛,在不考虑CIM具体应用场景的情况下提出详尽的CIM框架几乎是不可能的。围绕城市全寿命周期的主要方面,本章对筛选出的129篇文献按城市规划、建设、运维三方面进行了CIM具体应用类型的统计和分析,如图3所示,不超过2篇文献的应用类型均归入“其它”。本章将重点阐述和分析在城市规划、建设、运维中排名前3位的应用类型。
图3 城市规划、建设、运维中CIM应用文献统计/篇
将CIM应用于城市规划的文献数量最少,总计28篇。因为在规划时期对信息模型细度的要求并不高,在大部分情况下仅需GIS数据(例如建筑外部轮廓)就足以满足规划需求。不过,仍有部分研究利用CIM模型的内部构件信息进行城市规划方面的优化。下面将分别从城市空间布局优化、规划许可程序自动化、公路线路规划与纠偏3个应用场景对CIM应用进行探析。
在城市空间布局优化方面,CIM基础数据有助于根据区域尺度的可持续发展目标,形成使城市总体能耗最小的空间布局方案。例如,Yamamura等[21]提出了基于CIM的能源规划系统,该系统包括GIS技术下的数据存储和数据分析模块,BIM辅助下的城市能源最优化系统设计模块,以及3D可视化呈现模块,以此来获取城市基础设施能源规划的最优空间布局方案。Mohamed等[22]考虑得更加细致,通过CIM模型获取建筑类型、建筑面积、建设起始和终止时间、预计居住人口等信息,并分析不同开发方案下的淡水消耗量、下水管道容量和电能需求量,以此优化城市空间布局方案。这有助于城市规划部门在城市发展或扩张的早期阶段做出更精准的决策。
建筑规划许可程序繁琐,规划专家审核规划方案是否符合规定,需要耗费大量时间和资源(人力、物力、财力)。采用CIM技术能够自动化审批过程。例如,Noardo等[23]将城市规划的规定信息(如建筑物的限高)接入到CIM平台中,根据CityGML标准将不同类型数据进行结构化处理。这样,在某个设计模型载入到该平台后,就能实现建设工程方案和城市规划的规定信息相匹配,并自动识别出违规数据(如建筑物高度超出该市限制高度),以此提高审批效率。在此基础上,Chognard等[24]进一步提出建筑许可“数字审批”的概念,认为该理念支持下的系统应该包括3个步骤:(1)将地籍数据、路网数据等GIS数据作为辅助数据接入到BIM模型中;(2)将该城市规划的规定数据输入到BIM模型中,对相关限制参数(如相邻建筑物之间的距离)进行筛选,更正与规定不符的参数;(3)将更新的BIM模型导出到该市GIS数据库中,实现城市规划数据的实时更新。
高速公路线路方案规划极易受到周围地理环境的影响,综合考虑道路和周围地理环境信息能够较大程度地减轻公路修建时地质灾害的影响。例如,Zhao等[25]在高速公路BIM模型的基础上融合GIS信息,综合分析不同规划方案下地质和地理状况,以此避免道路规划中的地质灾害和环境敏感区。同时,在CIM平台中植入优化算法进一步纠正高速公路的规划路径。类似地,Soilan等[26]通过激光扫描等技术获取公路覆盖区域的点云数据,并将该数据转换至IFC(Industry Foundation Class)标准中,实现该规划方案下道路内外部环境的虚拟化呈现,检测道路线路是否对齐,显示道路规划的异常区域。
将CIM应用于城市建设阶段的文献数量为30篇。本节将重点分析建筑供应链管理、施工场地规划、安全风险监控3个应用场景。
CIM支持下的建筑供应链管理能够实时跟踪建筑材料所处位置并对物料流向路径进行优化。例如,Irizarry等[27]从BIM设计模型中提取每种材料甚至每个构件的用量信息,利用路网信息从采购成本(如运输成本)的角度对潜在的供货商进行比选。在采购物料过程中,通过CIM的可视化功能对物流状况进行实时监控,并优化物料的运输路径。Deng等[28]进一步提出将4D BIM数据和用户输入数据(如报价单和项目变更条目)导出IFC数据格式,再通过数据格式转换接入至ArcGIS平台,使得CIM的分析功能更加全面,包括考虑了材料成本和质量的供应商选择、物流周转次数优化及集散中心的分布位置优化等。
施工场地规划是否合理关系到施工人员的工作效率以及工作环境的安全性。CIM指导下的施工场地规划在缩减项目进度及成本的同时能有效提高工作效率和环境安全性。例如,Li等[29]主要从技术角度,利用无人机、移动设备、数字相机、BIM模型和谷歌3D地图对施工现场环境进行3D重建,构建施工区域的“数字孪生”系统,并设想该系统在项目实施前期的规划过程中,可完成建设可行性分析、场地布局规划、进场交通规划等需要工地及附近建筑和社区空间信息的任务。Alsaggaf等[30]则利用CIM技术落实了前者提出的部分应用设想,Alsaggaf提出的CIM平台包括4个主要功能:(1)整合BIM和GIS工具的3D模型功能;(2)场内运输路线规划功能;(3)临时设施场内布局预演功能;(4)碰撞检测(如运输车之间的碰撞)功能,用于优化场内的空间布局和交通运输路径。
考虑多方位、多尺度、多时态的信息数据有助于管理复杂项目施工过程中的安全问题。例如,Lee等[31]开发的CIM平台融合了BIM数据、GIS数据和施工现场的传感器数据,结合灰色Verhuls优化算法,能够准确模拟和预测深基坑开挖过程中的位移风险。在更为复杂的水利水电工程建设过程中,Zhang等[32]在CIM可视化平台的基础上,开发了安全风险监控和分析系统,用于解决大坝建设过程中安全性和稳定性的问题。同时,指出该工程引入IoT技术将更有利于安全风险的管理。
城市的运行和维护需要不同尺度的时空数据(例如室内、室外信息,城市历史、现在及未来信息),而CIM能够很好地满足这些数据需求。因此,将CIM应用于城市运维的文献数量最多,为71篇。下文将重点介绍城市能耗模拟与优化、城市危险源应急模拟、古建筑维护3个应用场景。
在城市能耗模拟与优化方面,Bottaccioli等[33]提出了用于管理和模拟建筑物能源行为的CIM应用架构,该架构集成了BIM、IoT、GIS和气象服务等多源异构数据,用于建筑环境中能源消耗信息的实时显示,以及根据实时的天气条件数据进行建筑性能评估。类似地,Castro-Lacouture等[34]提供了整合来自GIS、BIM、施工进度、施工成本和施工审查信息的CIM系统,旨在设计一种以CIM为辅的城市社区住宅健康环境,并将该系统作为一种城市可持续运营的干预手段,优化城市系统能源性能并减少碳排放。
覆盖单体建筑和建筑群的CIM仿真系统能够有效提高危险源应急响应效率,对应急管理活动意义重大。例如,Xu等[7]以校园火灾应急为应用场景,在CIM技术支持下将整个应急管理活动分为4个阶段:预警阶段、决策阶段、执行阶段和灾后重建阶段。具体的,在决策阶段,利用GIS信息提供实时交通信息,计算最优救援路线;在执行阶段,利用BIM信息分析建筑内部空间分布状况,计算受灾人员的最佳逃生路线。相较于单一危险源分析,Lu等[5]提供了一个融合地震、风灾、火灾多危险源的CIM应用场景。该研究将GIS和BIM数据集成到SuperMap GIS 9D软件后,把相关数据接入到各类专业分析软件(如有限元分析软件)中进行危险源动态模拟,辅助城市管理者在多灾种同时出现时做出更有效的应急决策。
古建筑维护不仅涉及建筑本身的结构问题,而且与周围环境、历史文化传承等多元信息相关。Argenziano等[35]以庞培城遗迹为例,构建了该历史建筑群的CIM模型,用于模拟该建筑群不同朝向的电离辐射程度,旨在探索该遗迹的火成岩建筑材料和电离辐射及周围人居健康之间的因果关系,进而优化历史遗迹的维护方案。类似地,Tsilimantou等[36]以希腊古建筑为例,将GIS和BIM信息集成到统一的数字环境下,通过检索该环境中的空间拓扑关系、三维几何尺寸、建筑材料特征等信息,分析当前古建筑的健康状况,为翻修材料的选择和相关干预措施提供重要的决策信息。更有意义的是,承载了多元信息(例如翻修记录、历史文化)的古建筑CIM模型作为历史记忆中的一部分,能被更好地存储和传承[37]。
尽管已分析的文献中有部分涉及到CIM应用框架的探索,但均是基于特定场景下的框架分析。本章尝试在已分析文献的基础上总结出泛场景下CIM的应用框架,为未来CIM的应用和研究提供方向和思路。
如图4所示,本文提出的CIM应用框架包括4个层次:数据来源层、数据存储及检索层、数据分析层和应用层。数据来源层是数据获取的途径,BIM文件用来获取CIM的微观数据,如设施内部构件信息;GIS文件用来获取CIM的宏观数据,如城市路网信息;IoT技术用来获取城市元素的动态数据,如某个设施的温度变化;此外,对于临时变更的信息,如项目变更数据,需要用户及时输入到CIM平台。
图4 CIM应用框架
数据存储和检索层是CIM应用平台的核心,根据不同的应用场景需要调用城市中不同元素的数据。例如,火灾应急响应时,主要调用建筑内部空间信息、路网信息以及水体信息。该层级的技术难点是实现多源信息融合,而信息融合的关键是统一数据标准体系。
目前,已有文献更多地侧重于以IFC数据格式为主的BIM信息和以CityGML数据格式为主的GIS信息的交互研究。在IoT技术快速发展的背景下,如何进一步融合RFID(Radio Frequency Identification)、摄像头等动态传感器数据是未来研究的热点之一[38]。
数据分析层是在数据存储层中检索到不同类型的数据后,在数据格式标准化环境下,利用特定的算法和分析模型,解决某一应用场景下的具体问题,如资源调度最优化问题。该层级未来的发展方向是利用人工智能、深度学习等技术实现某一特定场景的数据智能分析[39]。
在应用层中,CIM要实现对城市规划、建设、运维应用场景的可视化呈现。由于技术、理念、制度等发展得不够完善,目前关于CIM的应用场景仍然是碎片化的[8]。如何利用CIM平台进行城市综合治理是未来CIM应用的发展方向。
值得注意的是,在城市全寿命周期的管理中,随着越来越多的参与者加入到CIM平台建设中,例如政府部门、科研机构、企业等,数据隐私性愈加受到关注。相应地,确保CIM模型中所有数据安全地存储、传递和应用则变得尤为重要。目前,采用了分布式网络的区块链技术是解决数据安全问题的最优方案之一[40]。虽然该技术能够提高数据的安全性并降低平台运行成本,但将其充分运用到CIM数据安全管理中来,仍有很长的路要走。
本文从Scopus和Google Scholar数据库中筛选出将CIM应用于城市全生命周期的129篇文献,进行系统性分析,旨在探究CIM在此领域的概念演化、应用现状和未来的应用框架。结果显示:(1)CIM概念向城市范围的数字孪生体演化;(2)CIM的应用研究主要集中在城市运维方面;(3)城市规划方面,典型的CIM应用场景包括城市空间布局优化、规划许可程序自动化、公路线路规划与纠偏;(4)城市建设方面,典型的应用场景包括建筑供应链管理、施工现场规划、安全风险监控;(5)城市运维方面,典型的应用场景包括城市能耗模拟与优化、城市危险源应急模拟、古建筑维护。最后,基于文献分析情况,本文提出了CIM应用框架,并指出CIM未来发展方向,包括融合IoT技术下的动态数据、人工智能下的智能分析、基于CIM的城市综合治理以及CIM数据安全保护。本文的研究可以为CIM在城市规划、建设、运维方面的理论和实践提供参考。