如何用python编程bim

⑴ Python 与深度学习有哪些与建筑设计相接轨的可能性

关注这个问题快一周了，到目前来说还是没发现什么太大的惊喜。我感觉建筑设计界还是要学习一个，不要看到深度学习很火，就弄个大新闻，把这玩意往建筑设计上搬呀。

其实深度学习这事儿到底怎么就能和建筑设计挂钩上？如果单单指“深度学习”，那我的理解是套用了许多层的人工神经网络，这种技术能在建筑设计中扮演什么角色？我目前还真没发现直接用深度学习这种技术来辅助建筑设计的例子。但是如果把题主提问的概念放宽松一点，变成“如何使用机器学习等算法来帮助建筑设计”，那我想还是有比较好的例子的。

机器学习技术是用来让程序的运行性能随着输入量和时间的积累慢慢提高的一种技术。例如你写了一个程序来预测一栋别墅的房价，这个程序的作用是能根据输入数据的[城市，街道，区位，面积，户型，..]等参数预测房价，为了提高程序预测的准确度，你需要先给程序喂一些已经有了估价结果的数据，程序学习一定的数据以后就能自己预测房价了。那么，这种程序工作的方式和我们做建筑设计的工作流程有什么联系呢？ 我们做设计时，同样也是先调研和参考大量同类建筑的案例，积累到一定量以后，才能自己动手开始做设计。了解了这一点，便可以设想一种利用机器学习来辅助建筑设计的思路：先让程序学习以前的建筑设计方案，然后程序就能自己去做设计了！

这篇2010年的论文 Computer-generated residential building layouts 可以说就是以上思路的典范。作者自称“使用数据驱动的方式设计了能自动创建视觉效果非常好的建筑布局的工具”，但我觉得论文的质量是远远超过了这样谦逊的描述，因为论文实现的思路极大程度借鉴了现实中建筑师开展设计工作的流程，而且用了贝叶斯网络这个非常漂亮的数学模型描述了一个建筑program在空间中的分布，而贝叶斯网络的训练数据全部来自真实的建筑师的设计方案。个人认为用机器学习的思路去处理建筑布局问题相比于过去十年来Shape Grammar的那种Proceral Modeling的思路来得更为正确。

论文是怎么展开的呢？首先，作者总结了前人工作，说明了以前基于穷举的算法都行不通，要在3D空间中去穷举这么复杂的空间分配问题就和猴子随意敲键盘得到一部莎士比亚作品的难度差不多。接着作者又批判了上个世纪90年代Muller搞的Shape Grammar那一套也不行，因为Shape Grammar就是图形语法，我们知道，编程语言是是基于有限规则的语法集生成的，而建筑设计中这样的规则条款很难形式化描述，而且会倾向于让语法数量变得无穷多。顺带一提，几十年前计算机科学家在攻克语音识别和机器翻译难题的时候，也是认为自然语言是完全基于有限的规则生成的，但后来才发现行不通，直到后来改成基于统计的方法进行研究后，才有了突破性进展。 那么shape grammar不适合建筑设计的另外一点在于，建筑设计不是玩弄图形变换的游戏，每一个建筑空间都有基于功能，心理和效用等因素的考虑。之前也有过用shape grammar分析赖特壁炉式住宅的语法规则的论文，但是应用范围实在太窄。所以这条路是走不通的。

论文作者认为，做方案，一定要基于人的舒适和心理需求，习惯和社会关系等因素，将他们综合考量后才会有比较合理的结果。例如，房间的形状最好是凸包而不要做成凹的，因为在采光上，家具摆放和视线上方正规整的形体都更优；建筑各个功能要形成开放性 - 私密性的梯度，因为这正反映了建筑被使用的方式。 为了研究更好的方法，作者去找到了一家建筑事务所的建筑师们向他们咨询职业建筑师的工作方式，得到了一个特别有用的结论：建筑师在初期和客户咨询后，在画平面的详图之前，一般都会用泡泡图来思考问题，而泡泡图则反映了一个建筑方案高度浓缩的信息，包括私密性，房间邻接关系，采光，业主喜好和文化习俗。

作者最后提到，准备把这个东西运用到更多的建筑类型上，例如办公楼等。如果这玩意儿成熟，再也不用担心建筑师不失业了，偶也！

最后我再说说对这玩意的评价吧。最近几十年知识工作的自动化简直如火如荼地吹遍天南地北的各个行业，许多人都担心低端的劳动职位会不会被取代，例如驾驶汽车，快递，写新闻稿，翻译，速记等等等，这种担心真的不是毫无理由啊！当优雅简洁的数学模型遇到计算机这个可以暴力计算的机器，结合起来就创造了一类又一类可成规模复制的智能机器，想想还是让人后怕的。不过也不用太担心就是，建筑设计行业人所占的因素还是很大的，很多时候甲方找人做设计，都是看重设计师本身，出了专业能力外，沟通，人格魅力，背景，执照等的背书也是很重要的，不过未来这种建筑界持续了很久的行业模式会不会被颠覆就不得而知了。另外，程序也需要吃许多训练数据才能提高自己的设计修养，在目前来看建筑设计的各位同行都把自己搜集的方案当成宝一样藏着，数据量的大而全也很难保证，不知道以后BIM的普及会不会让这方面得到改善。

⑵ BIM行业发展趋势及未来前景

【导读】近两年，随着国家对建筑行业的大力支持，促进了建筑行业的发展，
使得走向数据化，现代化，BIM技术也随之使用的越来越多，逐渐走向人们的视线，今天就来聊聊BIM行业发展趋势及未来前景，希望对大家有所帮助，可以客观评析BIM技术。

BIM的发展才刚刚开始，很多公司和个人都还在试探阶段，试探以后发现这东西确实比传统2DCAD麻烦，不愿意花更大的投入，对于准备进入BIM行业的同学来说，设计公司进不去，大量的学生也许因为找不到合适的工作而退出这个行业，而那些专门招学生翻模的BIM公司还在到处招人，因为学生是廉价的，所以不把人当人搞，当什么?

当翻模的机器，所以啊，学生就会怀疑人生，BIM真的能赚钱吗?自己以后的方向是什么?但明显能感觉出走越来越多的企业在需求BIM方向的人才，可也有很多拿着培训和利用廉价的翻模人员在赚着BIM钱的人，作为一个在试探阶段的人也非常期待BIM能有更好的发展。

个人观点，BIM的能走多远，最后拼的是“翻模”，再漂亮的应用，终会死在一个烂模型上。翻模不可怕，怕的是没审查，没监督，没质量保证体系。每种建模的方法和工具也不同，往往一个项目四五个软件一起上，从BIM工具软件模型，再整合一起，工作量巨大，然后手动输入信息，做出信息模型。目前BIM执行的方法不对，但是没办法，设计和BIM完全脱节，并没有增加提高设计效率，所以各自为战，都没有实质性提高，作为设计单位应该借此东风提高设计效率，让信息从头就数字化。

个人学习不仅要看得懂传统2D
CAD图纸，甚至还具备工程专业咨询业务，还要用得了BIM软件，快速建模，还不能不多会点程序开发，C#还是vb还是python都要一个工程人员去自我信息化，更不提智慧工地，智慧城市了。所以BIM的行业才刚开始，后面应该会像一个独立的行业细分出很多职业，但是苦了我们第一批吃螃蟹的人了，很辛苦～学习BIM带给工程师的，不仅仅是掌握了BIM技能，而像是打开了一扇门，让工程师门与相关厉害关系人看到了营建产业未来具有的更多可能性，也看到技师园地了自己未来更多的可能性以及现在该为这些可能性储备哪些东西，结合到个人职业规划再也不只是画图、搬砖、喝酒老三样。

BIM是建筑信息化在现阶段的具体形式。BIM会逐渐从台前走到幕后，客户不需要知道信息怎么来的，关心的是信息获取的准确性和方便性。BIM本身不是信息的创造者，BIM做的是资讯的整理再利用。「信息化不仅需要建立数据的关系，更需要建立这些数据背后的人之间的关系。虽然很难，但是必须正视管理体系创新与业态升级。」技术只是工具，大家争的，是这个工具能不能让这几个岗位的人更赚钱。营建产业信息化，会造出新的公司、新的人才需求。这样的未来，已经在发生。

本文内容是BIM行业发展趋势及未来前景，供大家参考学习!总之，任何一个行业的就业前景跟市场需求和国家大环境有着密切的关系，建筑行业就业前景从大环境来说是好的,未来可期噢!

⑶ BIM案例：BIM技术在桥梁工程中怎么应用

bim技术在桥梁工程中的运用正在逐步展开，大多数是针对施工服务的。主要作用如下：
1、深化、优化设计
在大型桥梁工程的施工过程中，会有许多临时设备，如在悬臂施工的挂篮，如斜拉扣挂施工的拱桥等，这些设备构件会与主体结构在空间位置上冲突，也会互相冲突，自我冲突，这个在设计时很难差别，当建立bim模型之后，可以从容进行碰撞检查，对设计进行优化，达到深化设计的目的。
2、减少材料浪费，节省开支
bim模型可以建立构件的3D模型、钢筋模型，这些模型能准确反映构件的尺寸、数量，避免了经验估计下料造成的材料浪费，达到节省开支的目的。
3、指导施工
bim动态模型可以模拟施工过程，使施工工法得意清晰表达，帮助工程从业人员了解施工步骤，提高施工质量。
4、全寿命信息管理
大型桥梁工程在设计、施工、运营维护上会有大量数据，而数据不能得到统一的组织管理，bim的信息功能能将这些数据统筹衔接。
bim在桥梁工程中运用前景广阔，但是也面临诸多困境：
1、建模困难
桥梁被称为结构之王，因为桥梁工程的结构复杂，施工复杂，各具特点，使得桥梁工程的bim建模工作异常艰辛，缺少可用的合适的插件、工具。
2、推广动力不足
桥梁工程不像建筑工程那样存在众多管线，结构简单，对于碰撞检测的需求很低，因此在设计阶段推广bim动力不足，而只在施工阶段开展bim运用则又导致不能发挥bim技术的最高效益，bim的推广依赖EPC+BIM模式的开展。

⑷ 用什么工具可以实现数据可视化的效果呢

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

Python&Tableau：商业数据分析与可视化。Tableau的程序很容易上手，各公司可以用它将大量数据拖放到数字“画布”上，转眼间就能创建好各种图表。这一软件的理念是，界面上的数据越容易操控，公司对自己在所在业务领域里的所作所为到底是正确还是错误，就能了解得越透彻。

快速分析：在数分钟内完成数据连接和可视化。Tableau 比现有的其他解决方案快 10 到 100 倍。大数据，任何数据：无论是电子表格、数据库还是 Hadoop 和云服务，任何数据都可以轻松探索。

课程目录：

前置课程-Python在咨询、金融、四大等领域的应用以及效率提升

Python基础知识

Python入门：基于Anaconda与基于Excel的Python安装和界面

简单的数学计算

Python数据分析-时间序列2-数据操作与绘图

Python数据分析-时间序列3-时间序列分解

......