Применение технологий искусственного интеллекта для разработки проектов по реконструкции зданий

Введение. Рассматриваются разные варианты автоматизации подготовки проектов реконструкции зданий. Когда речь идет о таких проектах, приходится сталкиваться с огромным спектром задач: например, анализ технического состояния здания и различные требования по нормам, технические ограничения в их числе. В связи с этим реконструкция — процесс сложный и, можно сказать, трудоемкий, который требует много сил и времени. В век активно развивающейся автоматизации и цифровизации особенно важно делать проектирование быстрее и эффективнее, чтобы экономить время специалистов. В таких условиях цифровые технологии становятся практически незаменимы, потому что помогают улучшить качество документации и уменьшить число ошибок. Актуальность этой темы объясняется тем, что цифровизация строительной отрасли развивается очень быстро, а практическая польза заключается в том, что проектные решения становятся надежней, а также эффективней.

Материалы и методы. Предлагается подход, в котором используются и информационное моделирование зданий (BIM), и алгоритмы для анализа проектных данных. Такая методика соединяет цифровое моделирование и автоматическую обработку информации, что помогает автоматизировать некоторые рутинные задачи и облегчить труд проектировщиков.

Результаты. С помощью предложенной методики можно создать подробные цифровые модели, которые применяются как основа для проектных решений. При этом всегда учитываются сведения инженерных изысканий и необходимые нормативы, поэтому документация соответствует всем требованиям. Разработана концепция автоматизированной системы, совмещающая обработку информации, выявление некоторых проблем и подготовку всей документации. Система анализирует исходную информацию и предлагает разные, иногда очень разные варианты организации реконструкции с учетом технических и экономических факторов.

Выводы. Внедрение этого подхода позволяет существенно ускорить подготовку проектов, сделать расчеты точнее и снизить количество ошибок. Такие решения помогают использовать ресурсы рациональнее и дают возможность продвигать цифровизацию в реконструкции зданий еще дальше.

1. Петров К.С., Швец Ю.С., Корнилов Б.Д., Шелкоплясов А.О. Применение BIM-технологий при проектировании и реконструкции зданий и сооружений // Инженерный вестник Дона. 2018. № 4 (51). С. 173. EDN SWKDZX.

2. Король Е.А., Дрепалов И.Ф. Реконструкция зданий с использованием BIM-технологий // Системные технологии. 2021. № 4 (41). С. 47–51. DOI: 10.55287/22275398_2021_4_47. EDN CSOOOU.

3. Мищенко А.С. Использование технологии нейронных сетей в строительной деятельности // Вестник Полоцкого государственного университета. Серия D. Экономические и юридические науки. 2024. № 2 (67). С. 21–25. DOI: 10.52928/2070-1632-2024-67-2-21-25. EDN ZLJQOY.

4. Селютина Л.Г. Современные информационные технологии с позиции эксплуатации объекта капитального строительства: от информационной модели к FM // Научный результат. Технологии бизнеса и сервиса. 2018. Т. 4. № 1. С. 15-23. DOI: 10.18413/2408-9346-2018-4-1-15-23. EDN LZGFTN.

5. Хапин А.В., Махиев Б.Е., Ударцева А.Н. Использование BIM-модели производственного здания при реконструкции // BIM-моделирование в задачах строительства и архитектуры : мат. VI Междунар. науч.-практ. конф. 2023. С. 13-19. DOI: 10.23968/BIMAC.2023.002. EDN MLESNU.

6. Раховецкий Г.А., Коркишко А.Н. Информационная модель проекта – как основа оптимизации стоимости на всех стадиях реализации проектов обустройства, на примере компании «Газпром нефть» // Инженерный вестник Дона. 2017. № 1 (44). С. 56. EDN ZBBNGN.

7. Pan Y., Zhang L. Roles of artificial intelligence in construction engineering and management: a critical review and future trends // Automation in Construction. 2021. Vol. 122. P. 103517. DOI: 10.1016/j.autcon.2020.103517. EDN TXFZKN.

8. Tang P., Akinci B., Huber D. Efficient and Effective Quality Assessment of As-Is Building Information Models and 3D Laser-Scanned Data // Computing in Civil Engineering (2011). 2011. Pp. 486–493. DOI: 10.1061/41182(416)60

9. Hidayat A.R.T., Prasetya Y.E., Dinanti D. Village Development Index and ICT Infrastructure in Tourism Region // Journal of Indonesian Tourism and Development Studies. 2019; 7(3):166-174. DOI: 10.21776/ub.jitode.2019.007.03.05

10. Zhou Y., She J., Huang Y., Li L., Zhang L., Zhang J. A Design for Safety (DFS) Semantic Framework Development Based on Natural Language Processing (NLP) for Automated Compliance Checking Using BIM: The Case of China // Buildings. 2022. Vol. 12. Issue 6. P. 780. DOI: 10.3390/buildings12060780

11. Ding Z., Liu S., Liao L., Zhang L. A digital construction framework integrating building information modeling and reverse engineering technologies for renovation projects // Automation in Construction. 2019. Vol. 102. Pp. 45–58. DOI: 10.1016/j.autcon.2019.02.012

12. Martinez J.G., Albeaino G., Gheisari M., Volkmann W., Alarcón L.F. UAS Point Cloud Accuracy Assessment Using Structure from Motion–Based Photo-grammetry and PPK Georeferencing Technique for Building Surveying Applications // Journal of Computing in Civil Engineering. 2016. Vol. 35. Issue 1. DOI: 10.1061/(ASCE)CP.1943-5487.0000936

13. Oliveira B.A.S., Neto A.P.D.F., Fernandino R.M.A., Carvalho R.F., Fernandes A.L., Guimaraes F.G. Automated Monitoring of Construction Sites of Electric Power Substations Using Deep Learning // IEEE Access. 2021; 9:19195-19207. DOI: 10.1109/ACCESS.2021.3054468

14. Skrzypczak I., Oleniacz G., Leśniak A., Zima K., Mrówczyńska M., Kazak J.K. Scan-to-BIM Method in Construction: Assessment of the 3D Buildings Model Accuracy in Terms Inventory Measurements // Building Research & Information. 2022. Vol. 50. Issue 8. Pp. 859–880. DOI: 10.1080/09613218.2021.2011703

15. Boje C., Guerriero A., Kubicki S., Rezgui Y. Towards a semantic Construction Digital Twin: Directions for future research // Automation in Construction. 2020; 114:103179. DOI: 10.1016/j.autcon.2020.103179