如何用python編程bim

⑴ Python 與深度學習有哪些與建築設計相接軌的可能性

關注這個問題快一周了，到目前來說還是沒發現什麼太大的驚喜。我感覺建築設計界還是要學習一個，不要看到深度學習很火，就弄個大新聞，把這玩意往建築設計上搬呀。

其實深度學習這事兒到底怎麼就能和建築設計掛鉤上？如果單單指「深度學習」，那我的理解是套用了許多層的人工神經網路，這種技術能在建築設計中扮演什麼角色？我目前還真沒發現直接用深度學習這種技術來輔助建築設計的例子。但是如果把題主提問的概念放寬松一點，變成「如何使用機器學習等演算法來幫助建築設計」，那我想還是有比較好的例子的。

機器學習技術是用來讓程序的運行性能隨著輸入量和時間的積累慢慢提高的一種技術。例如你寫了一個程序來預測一棟別墅的房價，這個程序的作用是能根據輸入數據的[城市，街道，區位，面積，戶型，..]等參數預測房價，為了提高程序預測的准確度，你需要先給程序喂一些已經有了估價結果的數據，程序學習一定的數據以後就能自己預測房價了。那麼，這種程序工作的方式和我們做建築設計的工作流程有什麼聯系呢？ 我們做設計時，同樣也是先調研和參考大量同類建築的案例，積累到一定量以後，才能自己動手開始做設計。了解了這一點，便可以設想一種利用機器學習來輔助建築設計的思路：先讓程序學習以前的建築設計方案，然後程序就能自己去做設計了！

這篇2010年的論文 Computer-generated residential building layouts 可以說就是以上思路的典範。作者自稱「使用數據驅動的方式設計了能自動創建視覺效果非常好的建築布局的工具」，但我覺得論文的質量是遠遠超過了這樣謙遜的描述，因為論文實現的思路極大程度借鑒了現實中建築師開展設計工作的流程，而且用了貝葉斯網路這個非常漂亮的數學模型描述了一個建築program在空間中的分布，而貝葉斯網路的訓練數據全部來自真實的建築師的設計方案。個人認為用機器學習的思路去處理建築布局問題相比於過去十年來Shape Grammar的那種Proceral Modeling的思路來得更為正確。

論文是怎麼展開的呢？首先，作者總結了前人工作，說明了以前基於窮舉的演算法都行不通，要在3D空間中去窮舉這么復雜的空間分配問題就和猴子隨意敲鍵盤得到一部莎士比亞作品的難度差不多。接著作者又批判了上個世紀90年代Muller搞的Shape Grammar那一套也不行，因為Shape Grammar就是圖形語法，我們知道，編程語言是是基於有限規則的語法集生成的，而建築設計中這樣的規則條款很難形式化描述，而且會傾向於讓語法數量變得無窮多。順帶一提，幾十年前計算機科學家在攻克語音識別和機器翻譯難題的時候，也是認為自然語言是完全基於有限的規則生成的，但後來才發現行不通，直到後來改成基於統計的方法進行研究後，才有了突破性進展。 那麼shape grammar不適合建築設計的另外一點在於，建築設計不是玩弄圖形變換的游戲，每一個建築空間都有基於功能，心理和效用等因素的考慮。之前也有過用shape grammar分析賴特壁爐式住宅的語法規則的論文，但是應用范圍實在太窄。所以這條路是走不通的。

論文作者認為，做方案，一定要基於人的舒適和心理需求，習慣和社會關系等因素，將他們綜合考量後才會有比較合理的結果。例如，房間的形狀最好是凸包而不要做成凹的，因為在採光上，傢具擺放和視線上方正規整的形體都更優；建築各個功能要形成開放性 - 私密性的梯度，因為這正反映了建築被使用的方式。 為了研究更好的方法，作者去找到了一家建築事務所的建築師們向他們咨詢職業建築師的工作方式，得到了一個特別有用的結論：建築師在初期和客戶咨詢後，在畫平面的詳圖之前，一般都會用泡泡圖來思考問題，而泡泡圖則反映了一個建築方案高度濃縮的信息，包括私密性，房間鄰接關系，採光，業主喜好和文化習俗。

作者最後提到，准備把這個東西運用到更多的建築類型上，例如辦公樓等。如果這玩意兒成熟，再也不用擔心建築師不失業了，偶也！

最後我再說說對這玩意的評價吧。最近幾十年知識工作的自動化簡直如火如荼地吹遍天南地北的各個行業，許多人都擔心低端的勞動職位會不會被取代，例如駕駛汽車，快遞，寫新聞稿，翻譯，速記等等等，這種擔心真的不是毫無理由啊！當優雅簡潔的數學模型遇到計算機這個可以暴力計算的機器，結合起來就創造了一類又一類可成規模復制的智能機器，想想還是讓人後怕的。不過也不用太擔心就是，建築設計行業人所佔的因素還是很大的，很多時候甲方找人做設計，都是看重設計師本身，出了專業能力外，溝通，人格魅力，背景，執照等的背書也是很重要的，不過未來這種建築界持續了很久的行業模式會不會被顛覆就不得而知了。另外，程序也需要吃許多訓練數據才能提高自己的設計修養，在目前來看建築設計的各位同行都把自己搜集的方案當成寶一樣藏著，數據量的大而全也很難保證，不知道以後BIM的普及會不會讓這方面得到改善。

⑵ BIM行業發展趨勢及未來前景

【導讀】近兩年，隨著國家對建築行業的大力支持，促進了建築行業的發展，
使得走向數據化，現代化，BIM技術也隨之使用的越來越多，逐漸走向人們的視線，今天就來聊聊BIM行業發展趨勢及未來前景，希望對大家有所幫助，可以客觀評析BIM技術。

BIM的發展才剛剛開始，很多公司和個人都還在試探階段，試探以後發現這東西確實比傳統2DCAD麻煩，不願意花更大的投入，對於准備進入BIM行業的同學來說，設計公司進不去，大量的學生也許因為找不到合適的工作而退出這個行業，而那些專門招學生翻模的BIM公司還在到處招人，因為學生是廉價的，所以不把人當人搞，當什麼?

當翻模的機器，所以啊，學生就會懷疑人生，BIM真的能賺錢嗎?自己以後的方向是什麼?但明顯能感覺出走越來越多的企業在需求BIM方向的人才，可也有很多拿著培訓和利用廉價的翻模人員在賺著BIM錢的人，作為一個在試探階段的人也非常期待BIM能有更好的發展。

個人觀點，BIM的能走多遠，最後拼的是「翻模」，再漂亮的應用，終會死在一個爛模型上。翻模不可怕，怕的是沒審查，沒監督，沒質量保證體系。每種建模的方法和工具也不同，往往一個項目四五個軟體一起上，從BIM工具軟體模型，再整合一起，工作量巨大，然後手動輸入信息，做出信息模型。目前BIM執行的方法不對，但是沒辦法，設計和BIM完全脫節，並沒有增加提高設計效率，所以各自為戰，都沒有實質性提高，作為設計單位應該藉此東風提高設計效率，讓信息從頭就數字化。

個人學習不僅要看得懂傳統2D
CAD圖紙，甚至還具備工程專業咨詢業務，還要用得了BIM軟體，快速建模，還不能不多會點程序開發，C#還是vb還是python都要一個工程人員去自我信息化，更不提智慧工地，智慧城市了。所以BIM的行業才剛開始，後面應該會像一個獨立的行業細分出很多職業，但是苦了我們第一批吃螃蟹的人了，很辛苦～學習BIM帶給工程師的，不僅僅是掌握了BIM技能，而像是打開了一扇門，讓工程師門與相關厲害關系人看到了營建產業未來具有的更多可能性，也看到技師園地了自己未來更多的可能性以及現在該為這些可能性儲備哪些東西，結合到個人職業規劃再也不只是畫圖、搬磚、喝酒老三樣。

BIM是建築信息化在現階段的具體形式。BIM會逐漸從台前走到幕後，客戶不需要知道信息怎麼來的，關心的是信息獲取的准確性和方便性。BIM本身不是信息的創造者，BIM做的是資訊的整理再利用。「信息化不僅需要建立數據的關系，更需要建立這些數據背後的人之間的關系。雖然很難，但是必須正視管理體系創新與業態升級。」技術只是工具，大家爭的，是這個工具能不能讓這幾個崗位的人更賺錢。營建產業信息化，會造出新的公司、新的人才需求。這樣的未來，已經在發生。

本文內容是BIM行業發展趨勢及未來前景，供大家參考學習!總之，任何一個行業的就業前景跟市場需求和國家大環境有著密切的關系，建築行業就業前景從大環境來說是好的,未來可期噢!

⑶ BIM案例：BIM技術在橋梁工程中怎麼應用

bim技術在橋梁工程中的運用正在逐步展開，大多數是針對施工服務的。主要作用如下：
1、深化、優化設計
在大型橋梁工程的施工過程中，會有許多臨時設備，如在懸臂施工的掛籃，如斜拉扣掛施工的拱橋等，這些設備構件會與主體結構在空間位置上沖突，也會互相沖突，自我沖突，這個在設計時很難差別，當建立bim模型之後，可以從容進行碰撞檢查，對設計進行優化，達到深化設計的目的。
2、減少材料浪費，節省開支
bim模型可以建立構件的3D模型、鋼筋模型，這些模型能准確反映構件的尺寸、數量，避免了經驗估計下料造成的材料浪費，達到節省開支的目的。
3、指導施工
bim動態模型可以模擬施工過程，使施工工法得意清晰表達，幫助工程從業人員了解施工步驟，提高施工質量。
4、全壽命信息管理
大型橋梁工程在設計、施工、運營維護上會有大量數據，而數據不能得到統一的組織管理，bim的信息功能能將這些數據統籌銜接。
bim在橋梁工程中運用前景廣闊，但是也面臨諸多困境：
1、建模困難
橋梁被稱為結構之王，因為橋梁工程的結構復雜，施工復雜，各具特點，使得橋梁工程的bim建模工作異常艱辛，缺少可用的合適的插件、工具。
2、推廣動力不足
橋梁工程不像建築工程那樣存在眾多管線，結構簡單，對於碰撞檢測的需求很低，因此在設計階段推廣bim動力不足，而只在施工階段開展bim運用則又導致不能發揮bim技術的最高效益，bim的推廣依賴EPC+BIM模式的開展。

⑷ 用什麼工具可以實現數據可視化的效果呢

鏈接：http://pan..com/s/1BWBtFMYeQazJWUYSmHi5fw

Python&Tableau：商業數據分析與可視化。Tableau的程序很容易上手，各公司可以用它將大量數據拖放到數字「畫布」上，轉眼間就能創建好各種圖表。這一軟體的理念是，界面上的數據越容易操控，公司對自己在所在業務領域里的所作所為到底是正確還是錯誤，就能了解得越透徹。

快速分析：在數分鍾內完成數據連接和可視化。Tableau 比現有的其他解決方案快 10 到 100 倍。大數據，任何數據：無論是電子表格、資料庫還是 Hadoop 和雲服務，任何數據都可以輕松探索。

課程目錄：

前置課程-Python在咨詢、金融、四大等領域的應用以及效率提升

Python基礎知識

Python入門：基於Anaconda與基於Excel的Python安裝和界面

簡單的數學計算

Python數據分析-時間序列2-數據操作與繪圖

Python數據分析-時間序列3-時間序列分解

......