基于BIM与标记属性图的语义属性增强循环性评估方法研究

《Journal of Building Engineering》：Semantic property enrichment for circularity assessments using BIM and labeled property graphs

本研究针对建筑信息模型(BIM)在早期设计阶段循环性评估中语义信息不足的问题，开发了一种结合语义文本相似度(STS)和标记属性图(LPG)的自动化流程。通过微调大语言模型(LLM)匹配IFC元素与原型元素，成功将拆解知识编码至连接类型、可访问性和装配逻辑中。案例研究显示，建筑循环性指标(BCI)计算结果与人工基准误差小于1.5%，验证了该方法在支持循环设计决策方面的有效性。

　　

随着全球建筑行业对资源效率和气候中和建设的迫切需求，循环经济已成为政策与研究议程的核心议题。在建筑环境中实现循环性的关键，在于设计可拆解的建筑，使构件在寿命结束时能够无损回收和再利用。然而，当前在早期设计阶段进行拆解潜力评估的实用方法仍不成熟且应用有限。早期设计决策对建筑的环境和循环性能影响最大，但此时几何和语义信息有限，难以进行详细的拆解评估，往往依赖通用假设或大量人工输入，限制了评估的适用性和鲁棒性。

为解决这一挑战，苏黎世联邦理工学院的Kasimir Forth和Catherine De Wolf在《Journal of Building Engineering》上发表研究，提出了一种结合建筑信息模型(BIM)和标记属性图(LPG)的语义属性增强方法，用于自动化计算拆解潜力和建筑循环性指标(BCI)。该方法通过微调的大语言模型(LLM)进行语义文本相似度(STS)匹配，将IFC元素与原型元素对齐，并利用LPG融合IFC模型与原型拆解知识，自动推断连接类型、拆解因子和BCI。

研究采用了设计科学研究方法，通过三个建筑模型案例研究验证了方法的有效性。关键技术包括：基于STS的元素匹配算法，使用微调LLM计算IFC材料与原型数据库的余弦相似度；LPG图结构构建，将IFC模型和原型数据转换为统一的循环性图；基于Neo4j的图数据库实现属性融合与查询；以及连接类型分类系统的标准化对齐，确保不同数据源的互操作性。

4.3. Element matching results

通过对比微调LLM(IfcMaterial2MP)与预训练LLM(text-embedding-3-small)的匹配性能发现，元素级匹配准确率最高为66.7%，材料级匹配达60%，但组件级匹配精度较低。匹配排名比率分析显示，预训练LLM在案例1和3中表现更优，而微调LLM在案例2中略胜一筹。结果表明完全自动化匹配尚不可行，需结合人工验证。

4.4. Circularity graph validation

通过定义四个能力问题(CQ)验证循环性图的完整性，CYPHER查询成功检索到层复合体、组件和元素级的所有必要属性(如连接类型、几何边缘)和性能值(如产品拆解因子DF_p、连接拆解因子DF_c)，证实图结构能支持多粒度循环性指标计算。

4.5. Circularity assessment results

拆解潜力(DP_e)计算偏差分析显示，窗、门等非结构元素偏差最小(±0.02)，而屋顶、外墙等大型承重元素偏差最大(最高0.025)。BCI计算结果与人工基准对比显示，所有案例的偏差均低于3.5%，其中微调LLM的平均偏差(1.5%)显著优于预训练LLM(2.9%)，证明领域特定微调的必要性。

4.6. IFC-circularity graph viewer

开发了集成IFC.js和Neo4j的交互式前端，支持三维BIM模型与循环性图的双向导航。用户可通过选择IFC元素自动筛选相关子图，实时查看连接类型、装配序列等语义属性，为设计优化提供直观支持。

研究结论表明，该方法通过语义增强和图推理实现了早期设计阶段循环性评估的自动化，BCI计算误差小于1.5%验证了其可靠性。尽管元素匹配精度有限需人工校验，但整体框架显著降低了建模工作量，为建筑师评估可拆解设计原则提供了新工具。未来工作将扩展至机电管道(MEP)领域，并集成几何邻近度分析以提升连接推理能力。该研究为结合AI与图推理系统的循环建筑设计奠定了重要基础。