摘要
对现有建筑进行翻新和节能改造，尤其是那些建于1945年之前、具有复杂建筑结构的建筑，往往需要大量的建筑信息，而这些信息往往难以获取、不完整或不够精确。由于这类建筑在当前建筑总量中占比很大（高达所有建筑的25%），解决这一问题至关重要，因为它们是翻新和能源改造项目的理想对象。本文介绍了通过NERF2BIM研究项目开发的一种概念性流程，该流程依托人工智能技术，旨在为现有建筑创建准确的建筑信息模型，通过在现有方法的基础上加入基于知识的半自动详细设计功能来进一步完善这一流程。所提出的流程将考虑不确定性的空间数据采集、语义解读与重建以及基于知识的推理整合到以BIM为导向的工作流程中。文章概述了该流程各环节的当前进展，并指出了存在的不足。这一概念性流程旨在通过运用人工智能和基于知识的解决方案来解决这些问题。其主要贡献包括：（1）一种应对更可持续的数据采集方法存在的不精确性的概念性方法；（2）一种具备上下文感知能力的BIM重建流程，能够生成多种类型的数据输出；（3）对建筑和施工相关知识的系统化整理，以及将其应用于重建后的BIM模型的详细设计中。通过将考虑不确定性的数据采集、具备上下文感知能力的重建方法以及行业专业知识整合到现有的重建流程中，该流程弥补了现有建筑数据方面的不足，从而实现更高效、更具知识驱动性的翻新过程。
