施工进度管理是减少项目延期风险的重要手段[1-2]。传统的进度管理方法依赖人工在施工现场进行检查和手动记录，这一过程滞后性高、更新频率慢且易出错[3-4]。随着信息科学的发展，建筑信息模型(building information modeling, BIM)为施工进度管理提供了新的方法[5-7]。通过更新施工BIM模型，并与预定的施工计划进行比较，管理者可以直观地监控当前的施工进度[8]。目前，许多学者已经探索了多种BIM模型更新方法，包括基于物联网[9]、点云[10-15]和图像处理[16-22]的方法。然而，这些方法在实际应用过程中各有不足。基于物联网的方法需要在构件中引入标签，并要求施工人员频繁操作；基于点云的方法虽然具有较高的精度，但点云采集设备成本高昂、操作复杂，且点云处理耗时较长[18, 23-25]；基于图像处理的方法则容易受到遮挡、光线变化和天气等因素的影响[8, 26]。因此，如何确保BIM模型能够实时准确地反映施工进度仍然是一个挑战[27-28]。
施工人员掌握着最新的施工进度信息，是不可忽视的信息源。但由于BIM技术的使用门槛较高，施工人员难以将施工进度信息传递至模型。大语言模型(large language models，LLMs)为解决这一问题提供了可能。LLMs通过在大量文本数据上进行预训练，已具有理解用户复杂意图和执行特定任务等能力。施工人员只需通过自然语言描述，LLMs即可将其转换成结构化的更新指令，从而更新建筑三维模型。然而，由于LLMs在预训练阶段涵盖的BIM与施工进度相关数据较少，因此在使用时仍可能出现对BIM数据不熟悉和容易产生幻觉等问题[29]。提示词微调在指导LLMs模型生成期望结果和处理陌生任务方面表现出显著效果，是当前大语言模型微调的有效方法[30-31]，但在建筑施工领域的提示词设计研究还较少。因此，如何设计提示词使大语言模型能够根据施工人员的输入生成准确的更新指令，是一个亟待解决的问题。
为了解决上述问题，本研究提出了一种基于BIM和大语言模型的施工进度更新方法。该方法旨在帮助施工人员通过自然语言直接与大语言模型互动来实时上报施工进度信息。大语言模型将输入的自然语言信息转化为检索指令，在构建的数据库中提取相关构件信息，判断进度情况，并生成相应的模型更新指令。随后，将这些更新指令用于在Blender中对BIM模型进行施工进度的动态更新。最后，本研究通过一个具体案例的应用，验证了所提出的方法在实际进度管理中的有效性与应用潜力。
1 研究方法
本研究提出的基于BIM和大语言模型的施工进度更新方法的基本框架如图 1所示。BIM环境下的建筑构件检索数据库建立是关键之一。通过解析工业基础类(industry foundation classes，IFC)格式的BIM模型数据和“.xml”格式的施工计划，提取构件参数、所属施工段和施工计划等信息，构建一个能够通过模糊信息指定目标构件的检索数据库。另一关键是基于大语言模型的进度更新方法。本研究通过提示词微调大语言模型，使其能够更准确地根据自然语言进度信息找到对应构件，判断进度情况，生成BIM模型更新指令，并搭建了一个BIM模型的Blender平台，实现施工进度的可视化更新。
2 构件检索数据库建立方法
在BIM数据中检索构件时，通常需要精确的信息，如构件的ID和坐标等。然而，在实际工作中，施工人员通常只能提供模糊的构件描述，如构件类型、所在楼层和施工段等。为了使施工人员能够通过模糊描述在BIM数据中检索构件，有必要构建一个构件检索数据库。首先，需要解析IFC数据获取BIM模型中构件的GlobalId、类型、楼层和坐标基本信息；其次，通过锚点和解析“.xml”文件获取施工计划中的施工段和施工时间信息，为每个构件匹配相应的施工段和施工时间；最后，将解析获得的数据构建成构件检索数据库，就可以通过构件类型、楼层、施工段等模糊描述来准确检索相应的构件GlobalId和施工时间。
2.1 IFC数据解析
本研究基于Python对BIM模型的IFC数据进行解析，提取IFC中构件的GlobalId、名称、类型、楼层和坐标信息，重点研究建筑中最常见且典型的构件，如墙、梁、板、柱、门和窗。本文以墙构件(IfcWall)的SweptSolid存储形式为例，介绍解析过程。墙构件的索引格式如图 2所示。
在IfcWall的一级索引中，包括了GlobalId、OwnerHistory、Name、Description、ObjectType、ObjectPlacement、Representation、Tag和Predefined-Type。构件的GlobalId和Name信息可以通过一级索引获得，而构件的位置信息则存储在ObjectPlacement实体中，需要通过多步索引进行提取。首先，解析ObjectPlacement下的IFCLocal-Placement实体。该实体连接了BIM模型中的不同坐标系，由PlacementRelTo和RelativePlacement两个实体组成。PlacementRelTo实体用于表示当前层级坐标系所连接的上一级坐标系，即通过PlacementRelTo实体可以索引到上一级坐标系的IFCLocalPlacement实体。因此，利用IFCLocal-Placement—PlacementRelTo—IFCLocalPlac ement的索引路径，可以获取与该构件所有相关的坐标系。RelativePlacement实体则描述了当前层级坐标系与上一级坐标系之间的关系。通过解析Relative-Placement下的IfcAxis2Placement3D实体，可以索引到Location、Axis和RefDirection 3个实体。Location表示当前坐标系原点在上一级坐标系中的坐标，Axis和RefDirection分别表示当前坐标系的z和x轴相对于上一级坐标系的方向，而y轴方向则通过Axis与RefDirection的叉乘计算得到。当前层级坐标系相对于上一级坐标系的关系矩阵为
其中：X为RefDirection指定的向量，Z为Axis指定的向量。
其次，由于式(1)矩阵表示的是当前层级坐标系相对于上一级坐标系的关系，无法直接与当前坐标系的坐标值进行相乘。因此，需要求逆矩阵B = A-1来表示上一级坐标系相对于当前坐标系的关系。最后，通过将IfcWall的ObjectPlacement实体下包含的O1, O2, …, On等n个坐标系按照上述方法逐步解析，并将得到的关系矩阵依次与构件坐标系下的构件坐标相乘，即可得到构件在系统坐标系下的坐标，
其中：(xn, yn, zn)为构件在系统坐标系(最上级坐标系)下的坐标，(x1, y1, z1)为构件在构件坐标系(最下级坐标系)下的坐标，BOi-1Oi表示第i-1个坐标系与第i个坐标系的关系矩阵，2≤i≤n。
2.2 构件施工段和施工时间确定
以正北为x轴正方向、正东为y轴正方向为例，本研究通过锚定x轴和y轴确定x方向和y方向的比例尺，并通过划定图像中的施工段区域，自动换算出不同施工段的实际坐标。
利用施工段坐标与构件坐标，判断构件所在的施工段区域，如图 3所示。首先，在上传的图像中任意锚定两根x方向轴线和两根y方向轴线，它们在图像中的坐标分别记为xt1、xt2、yt1和yt2。其次，将从IFC数据中解析得到的这4根轴线的实际坐标，分别记为xs1、xs2、ys1和ys2。然后，在图像中通过锚点划定不同的施工段区域，利用x坐标转换公式(式(3))和y坐标转换公式(式(4))可以将锚点在图像中的坐标xt和yt转换为该点实际坐标xs和ys，从而获得不同施工段区域锚点的实际坐标。在确定各层的施工段区域后，根据构件的实际坐标与施工段区域的实际坐标，构建施工段到具体构件的映射，即得到每个构件所在的施工段。
构件的施工时间需要通过解析施工进度计划来确定。以Project软件为例，该软件生成的“.xml”格式进度计划包含多层子元素，解析时主要关注“Task”层。该层包含多个子元素，如ID、Name、OutlineLevel、Start和Finish。ID表示任务的唯一编码，Name为任务的名称，OutlineLevel表示任务的级别，Start和Finish分别为任务的开始时间和结束时间。首先，根据OutlineLevel区分不同等级的施工任务，包括整体工程、分部分项工程、不同楼层、不同施工段等。其次，利用“.xml”文件中下级任务与上级任务连续排列的性质，将下级任务归类到上级任务中，解析出不同楼层、不同施工段以及不同施工工艺的施工时间，具体如图 4所示。然后，将这些施工工艺归类到对应的构件。例如，首层A1施工段墙体的施工工艺包括钢筋绑扎、模板支设、混凝土浇筑等。最后，将构件的不同施工工艺的计划时间添加到数据库中。
2.3 数据库建立
通过2.1和2.2节所述方法，本研究从IFC文件和施工计划中解析得到墙、梁、板、柱、门、窗这6种构件的GlobalId、名称、类型、楼层、坐标、施工段和施工时间，并存储到数据库中。数据库中各属性名称及其对应的属性值如表 1所示。
表 1 数据库属性名称与对应的属性值 |
| 属性 | 属性值 |
| GlobalId | 由大小写字母、数字和“_”组成的22位字符串 |
| 名称 | 构件名称 |
| 类型 | 墙、梁……轴线等 |
| 楼层 | ……首层……屋顶层 |
| 坐标 | (x, y, z)或x或y |
| 施工段 | 施工段编号 |
| [施工工艺名称]_开始时间 | 年-月-日 |
| [施工工艺名称]_结束时间 | 年-月-日 |
3 基于大语言模型的进度更新方法
为了实现建筑三维模型随着施工进度不断地更新，本研究建立了一种基于大语言模型的施工进度更新方法，并搭建一个BIM模型可视化平台。
3.1 提示词设计
本研究设计了适用于施工进度模型更新的提示词模板，以帮助大语言模型更好地进行施工进度判断，并将自然语言形式的进度信息转换为BIM模型更新指令。该提示词模板分为3个模块：任务说明、相关信息和示例。图 5展示了一个提示词模板。
任务说明模块旨在明确用户输入的意图，并据此生成相应的输出。该模块需要清晰地定义大语言模型的具体任务以及主要执行步骤。大语言模型的主要任务包括：根据输入的模糊描述，在数据库中找到对应的目标构件，并在此基础上进行施工进度判断，再生成格式化的模型更新指令以及施工进度情况。为确保任务的顺利执行，提示词中应详细列出需要检索的信息、进度判断的标准以及所需输出的内容格式等。
相关信息模块向大语言模型介绍数据库的主要内容及信息存储形式，为大语言模型读取信息、理解数据库和设定筛选条件提供支持。由于不同施工项目的数据库内容和形式各异，因此需要针对不同数据库设置相应的说明。在图 5中，相关信息模块主要说明了构件数据库所存储的属性和对应的属性值格式，以及不同构件所对应的施工工艺。例如，“类型”列介绍了数据库中包含的构件类型，包括“墙”“梁”“板”和“柱”等。通过相关信息说明，能帮助大语言模型更准确地处理输入信息并完成任务。例如，当输入“楼板”来指定板构件时，如果大语言模型直接使用“楼板”进行检索，会因与数据库内的格式不一致而无法检索到构件。但通过预先说明，大语言模型在检索前会将“楼板”转换为“板”，从而提高检索的准确性和效率。
示例模块为大语言模型提供了不同的示例，以增加其输出的稳定性并减少出现幻觉的概率。示例包括多种问答场景，以尽可能涵盖更广泛的使用情况，帮助大语言模型更好地理解任务并生成准确的输出。图 5仅展示了一个示例。
3.2 三维模型更新
经过提示词微调的大语言模型，可以将输入的施工时间与数据库中的计划时间进行对比，并根据判断结果生成模型更新指令，最终以字典形式输出，字典格式为{‘提前’: [‘GlobalId’], ‘如期’: [‘GlobalId’], ‘落后’: [‘GlobalId’]}。判断结果分为3类：“提前”(实际施工日期早于计划日期)、“如期”(实际施工日期与计划日期一致)和“落后”(实际施工日期晚于计划日期)。[‘GlobalId’]为对应构件GlobalId组成的列表。
本研究利用Blender搭建了BIM模型可视化界面，用于接收信息并可视化显示三维模型的更新。可视化界面主要包含“开始施工”“进度上报”和“更新模型”3个模块，如图 6所示。“开始施工”模块在施工项目初期通过Blender BIM导入IFC数据，并将所有建筑构件隐藏，以表示“未建造”状态。“进度上报”模块可以接收施工人员上传的施工进度信息，并传递给大语言模型。“更新模型”模块则用于接收大语言语言模型生成的更新指令，并执行相应操作。首先，根据构件的施工完成情况将显示颜色分为3种类型：绿色表示“提前”，灰色表示“如期”，红色表示“落后”。然后，通过读取3类构件的GlobalId，利用GlobalId检索相应构件，并以对应颜色进行显示。三维模型更新可视化界面示例如图 7所示。
4 案例分析
4.1 模型与数据库建立
4.2 测试使用的输入数据集
为了验证本研究方法的有效性，构建了一个用于测试的自然语言进度汇报输入数据集，示例如 表 2所示。构建数据集时遵循以下规则：
表 2 输入数据集示例 |
| 序号 | 输入 |
| 1 | 已完成四楼墙体的模板支设部分的施工 |
| 2 | 首层B2区域柱子的模板支设部分的施工今天已完成 |
| 3 | 今天是2024年8月10号，完成了第一层B1墙和柱子的混凝土浇筑 |
| 4 | 我们已经把第二层A3门的施工完成，并开始了第三层B2梁的钢筋安装部分的施工 |
| 5 | 7月25日，xxx施工队今天完成了首层B3施工段楼板的混凝土浇筑和A5区域楼板的钢筋绑扎 |
1) 用户输入语法和句式具有多样性。数据集包含不同的语法结构和表达方式的语句，涵盖不同语言习惯和用词选择。
2) 足够的数据量以保证全面性。构件种类和位置组合应尽可能涵盖多种不同情况，并确保数据在数据集中均衡分布，避免偏向特定情况。
3) 数据集应包括不同复杂度的输入。本研究的数据集包括3种不同复杂度的信息，分别为单条进度信息(单条已开始或已结束的进度信息)、多条单种进度信息(多条已开始或已结束的同种进度信息)和多条2种进度信息(包含已开始和已结束的多条进度信息)，以测试模型的泛化能力。
4.3 结果分析
本研究主要测试了本文方法的准确性和一致性。准确性反映了模型是否能够输出准确的信息。由于大语言模型的输出形式不固定，因此仅根据关键点对模型生成的内容进行判断，主要包括以下几个方面：1) 是否能够根据用户输入准确找到相应构件的施工计划；2) 是否能够准确判断施工进度为提前、如期还是落后；3) 是否能区分已开始和已完成的构件；4) 是否能按照要求格式生成正确输出。如果大语言模型的输出满足以上4点，则判断为正确，否则为错误。最终统计200条输入下本研究方法与仅任务描述方法的准确率。
一致性方面，由于大语言模型的输出多样性，对于相同的输入，大语言模型可能生成不同的回答。因此，需要评估大语言模型面对相同问题时能否产生一致且准确的回答。在本研究中，一致性测试的方法是对10条输入分别进行10次非连续提问，即提问后清除历史记忆再提出相同问题，并按照准确性的判断标准评估回复的准确性。最终统计10×10次提问下本研究方法与仅任务描述方法的准确率，即为一致性。
5 结论
本研究结合BIM和大语言模型技术提出了一种施工进度更新方法。首先，通过解析IFC格式的BIM模型数据和“.xml”格式的施工计划，提取了建筑构件的ID、位置与计划施工时间等信息，并建立了构件检索数据库，实现对目标构件的模糊描述检索。另外，本研究还通过提示词微调ChatGPT模型，使其能够根据用户输入内容从数据库中检索相应构件，比较实际与计划施工日期，并指导Blender模型进行进度更新。案例研究结果表明，在不引入额外设备且不显著增加运算量和成本的情况下，本研究有效提高了大语言模型在生成进度模型更新指令方面的准确性和一致性。本研究提出的进度更新方法允许施工人员以自然语言的形式描述施工进度，并根据此描述准确地更新建筑三维模型，实现了施工现场进度信息可视化更新的目标。
然而，本研究还存在一些局限性。由于采用了通过提示词微调通用大语言模型的方法，模型在一致性方面尚有不足。未来可以通过训练本地模型来提高模型的准确率和一致性。此外，本研究开发的可视化界面无法展示不同施工工艺阶段的构件进度状态，只能将同一构件在不同阶段的施工进度显示在同一画面上。未来的研究可以在此基础上进行扩展，进一步细化施工进度的可视化程度。
