数字孪生核心技术揭秘（五）：BIM究竟是解药还是毒药？

一、关于BIM的那些幻想

1.1 BIM是“数字孪生城市”最后一块拼图？

近几年，CIM概念越来越流行，已经成为数字孪生城市的主流数据模型。CIM原始概念指的是“城市信息模型”；2015年同济大学吴志强院士基于CIM概念提出“城市智慧模型”：BIM是单体，CIM是群体，BIM是智慧城市的细胞；要解决智慧城市的问题，需要海量BIM细胞再加上iot神经网络连接组成的CIM。

BIM在CIM模型中占据了关键位置；BIM包含的是城市建筑物的空间信息，GIS提供建筑物之外的空间信息，两者互相融合建立了一个包含城市海量信息的数据模型，加上物联网iot数据，实现了城市空间全域、实时数据的覆盖。

基于"CIM = GIS + BIM + IOT"的概念模型，为数字孪生应用场景提供了巨大想象空间；未来以BIM为室内定位提供精确空间支撑数据，GIS提供精准的地理位置、建筑物周边环境总体展现和空间地理信息分析；通过和IOT实时数据进行融合，将基于BIM的数字孪生的应用范畴从单一化建筑物到建筑群及其道路、隧道、铁路、港口、水电等工程领域都可以实现覆盖。

包含了BIM的CIM模型极大丰富了“数字孪生城市”数据理论依据，起码说清楚了建设智慧城市需要的数据底线；同时也将传统的gis数据战场扩展到了室内空间和物联网实时数据应用。

但是，BIM绝不是“数字孪生城市”空间数据的最后一块拼图：

从城市空间划分来看，GIS + BIM还不能囊括全部城市空间，比如交通领域需要高精道路数据就没包含，需要OpenDrive等精细到厘米级、包含完整路侧设备的数据进行补充；
从建筑数据采集精度和效率来看，倾斜摄影、激光点云比手工建模的BIM更精确、更有效率优势，这几类数据源会长期互补共存；

因此，有了BIM之后，也不能完全解决GIS之外的空间数据问题，“数字孪生城市”的数据模型还处在不断发展完善中，需要不断吸收最新空间技术进展。

1.2 数字孪生有了BIM，可以结合人工智能去赋能建筑行业？

这也是关于BIM的一个常见幻想，“BIM源自建筑、用于建筑”的想法能理解，但是通常不可行。

首先，BIM在国内建筑领域也是“叫好不叫座”很多年了，BIM在我国建筑领域铺不开的核心原因是我国的建筑行业建设周期特别短，根本走不完BIM的几个阶段。BIM当前在建筑中的主流用途是可视化（让标书更美观）和碰撞检测（的确有实用价值）。

（待补充图片）

其次， BIM在建筑专业领域已经形成完善的闭环，不需要被拯救，凡是能想到场景的几乎都有人做过尝试。从项目规划、概念设计、深化设计、结构分析、工厂预制、，到施工、物流管理、运营维护、修复重建，到最后的拆除，BIM已经对建筑生命周期每个环节都进行了探索。

BIM在建筑领域的应用复杂度通常超出外行人员的想象，通常是一堆BIM软件进行联合应用：

比如施工仿真模拟，有Navisworks：

（待补充图片）

比如BIM可视化领域，有Fuzor：

（待补充图片）

单纯从数字孪生城市行业看，如果把BIM看做建筑行业技术外溢，提升数字孪生行业的空间数据可用性，那的确是想象空间巨大；如果反过来要去建筑行业外行指导内行，短期看是得不偿失的。

1.3 未来BIM将全方位碾压、替代传统三维模型？

有种观点认为BIM是全面碾压传统手工三维模型的；有了BIM模型就坚决不用传统三维模型。

实际很多情况下，BIM模型可能不如传统三维模型适用。首先，BIM模型的生产成本非常高，可能是传统手工模型的10倍以上；其次，BIM模型的使用成本很高，工程化链路非常复杂；最后，很多场景其实也用不到BIM模型的优势，传统手工模型反而视觉效果更好，更满足场景需求。

过去、现在、未来，在数字孪生领域BIM模型和传统三维模型都将长期共存；关键是在合适的场景选择合适的方案。

二、BIM模型的核心优势

BIM指的是建筑信息模型，简单地说，BIM便是围绕从建筑的设计、施工、运作直到终结的建筑全生命周期，将各类信息一直整合于一个三维模型信息数据库中。

和传统三维模型相比，BIM核心优势来自于更丰富的数据结构：

和三维建模软件相比，BIM模型多了构件属性数据、空间关系数据；
BIM数据模型设计更加规范，更易于存储、交换；

BIM模型的构件属性、空间关系是数字孪生场景进行空间数据融合、业务数据融合的关键索引。

三、数字孪生场景应用BIM数据的挑战

3.1 数据质量问题：人工作业难以避免的难题

BIM模型的优势是数据丰富，除了三维几何数据之外，有详细的构件属性数据和空间关系。但是BIM模型的数据挂载能力，并非全自动生成，需要各个阶段人工输入，这就面临数据溢出和缺失2个问题：

数据溢出：上游的数据下游用不上，设计阶段家具供应商信息在施工阶段用不上；
数据缺失：下游的数据上游不提供，能耗分析的需要墙体材质和暖通系统数据，上游建筑机电建模没此类需求，没有输入此类数据；

数字孪生城市的业务场景，应用的BIM模型往往是竣工阶段之后的模型，面临的数据质量问题主要是：

字段缺失、错误：人工作业难以避免，尤其复杂的BIM模型往往分多专业、拆分多个视图进行建模，规范不一致导致数据错误；
数据缺失：BIM建模的原则是只对当前阶需要的数据负责，每个阶段的数据完整性无法通过当前阶段保证；

不同于传统三维模型，BIM模型由于更加专业，修复数据的成本远高于修复传统三维模型。

3.2 数据标准化困难：来源众多、规格不统一，治理成本高

BIM是指一类数据，包含的种类非常多；数据应用软件有几十种，周边相关的几百种，下图可以看到BIM软件行业的复杂度：

图片来源：国际BIM软件用户组

单从BIM建模软件看，来源也非常复杂，常见的有Revit、CATIA、Bentley等等，不同软件之间数据无法兼容，想同软件的不同版本也常常有兼容问题。如果一个项目的BIM数据来源种类众多，那除非是专业BIM软件厂商，解析、处理BIM的成本非常高。

当前也出现了一些BIM数据交换方案，主流BIM交换数据格式有gbxml、IFC等等，但是在几何数据之外的数据交换上，还存在很大问题，不能完美地实现各种BIM软件之间交换数据。

3.3 应用BIM数据工程化链路长：轻量化、格式转换缺一不可

在数字孪生领域，BIM建模软件通常不会作为最后应用的载体，因此就需要把原始BIM模型转换为数字孪生应用能消费的数据形态，如GIS引擎或游戏引擎能消费的三维数据格式。

以基于Web的BIM应用为例，从原始BIM模型开始需要算法处理、数据入库、数据服务发布、前端引擎渲染等环节，配套还需要数据质量检查、数据入库的工具链等等，链路非常长；与传统三维模型可以直接导入最终渲染引擎相比，复杂度和成本高了几个数量级。

3.4 BIM与GIS/IOT等空间数据融合缺乏低成本/快速方案

从理论上来说，GIS数据囊括了宏观空间数据、BIM数据包含了精确的建筑室内数据，两者结合可以创造一个完整的空间数据；但是从微观实操上来看，BIM与GIS数据融合、IOT数据挂载目前还缺乏低成本/快速方案。

以BIM与GIS数据融合为例，目前行业实操还是手工为主，且存在很多精度问题，核心原因如下：

GIS数据是基于经纬度的空间数据，且存在很多种不同的投影方式；
BIM数据通常基于三维空间笛卡尔坐标系；
大空间尺度的BIM数据在不同地理投影下会存在不同程度的畸变；
BIM模型的空间位置校准比较复杂，人工操作又容易发生精度问题，对于物联网IOT设备来说，可能就会出现室内的设备偏移到室外这种严重情况；

理论上，BIM建模的时候也可以指定空间参考位置，但是实际上绝大多数BIM模型不会这么做，因为BIM的建模者没有地理空间校准的需求；这也是一个典型的BIM“数据缺失”问题。

四、BIM在数字孪生跨界应用的发展趋势

4.1 严格定义BIM的应用场景

由于BIM是一种使用成本很高的空间数据，需要明确应用场景是否真的需要BIM；

BIM的优势是有详尽的构件属性数据和空间关系，可以为物联网设备数据和业务数据进行空间映射提供挂载点；如果应用场景是在建筑内部并且需要挂载大量数据，BIM可以提供很好的帮助；
BIM模型格式复杂、体积巨大，有超过10G的单体模型；如果是仅仅把BIM模型当传统三维模型，用于展示建筑外观，那使用成本可能比重新建模还高；
BIM是GIS数据的很好补充，在CIM场景下的确能发挥很大作用；在建筑领域本身，BIM已经是一个相对完善的细分行业，外行突击创新的成功可能性不大；

4.2 多种轻量化方案并行

由于BIM模型通常体积巨大，应用需要进行轻量化处理。目前主流的轻量化方案有切片和抽稀两大类：

由于优势不同且无法相互覆盖，多种轻量化方案将长期并行；切片轻量化方案可以通过流式加载解决超大模型加载需求，抽稀方案可以完整支持BIM的数据挂载与交互能力，两者互相补充可以支持整体、局部BIM场景的完整应用。

4.3 统一的数据模型

对于BIM在建筑领域的应用来说，IFC这样的数据交换格式虽然不完美，但也勉强能应急。但是对于数字孪生领域的应用，BIM模型既要作为城市规划、建设过程中的多方合作的空间数据基础，又要满足后期城市运营过程中GIS、IOT、社会经济数据融合需求，因此出现了BIM统一数据模型的设计探索，既要满足建筑领域对BIM模型的专业需求，也要满足城市运营阶段的数据需求。