基于搜索大数据的BIM技术发展现状与趋势分析
0 引言
建筑信息模型(building information modeling,BIM)是以三维数字技术为基础,集成建筑项目各种相关信息的产品信息模型,是对工程项目设施实体与功能特性的数字化表达[1]。自2003年Autodesk公司提出BIM概念以来,国内外相继掀起BIM技术研究与应用热潮,甚至将其称为建筑业第二次信息革命。对BIM技术的研究包括标准政策[1,2]、应用模式[3]、应用障碍[4]、信息化建模[5]、数据交换共享[6]、施工仿真优化[7]、数据分析挖掘[8]、平台软件研发[9]等。BIM技术的应用覆盖策划[10]、设计、施工[11,12,13,14,15]、运营维护等全生命周期各阶段[16]。各大院校相继开设有关课程,甚至设置与BIM相关的学位。与此同时,区域性、全国性的BIM大赛、BIM培训与BIM等级考试日益受到关注。有关数据显示,中国图学学会组织的BIM等级考试每年有8万多人报名参加,相当多的企业在招标文件、员工奖励政策中针对BIM等级考试证书进行专门规定。
可见经历十几年的研究、发展与推广应用,BIM技术已成为建筑业信息化的中坚力量。针对BIM技术发展应用现状、我国各地推广应用水平、未来发展趋势和重点方向等问题,本文首次将基于搜索大数据的研究手段引入建筑行业,利用百度提供的搜索指数进行研究,并通过分析有关政策、用户特征与需求,为BIM技术的推广应用提供实证数据支撑与建议。
1 研究数据与方法
1.1 数据来源
基于海量网民搜索行为大数据的支持,百度搜索引擎提供名为“百度指数”的数据分享平台,该平台提供趋势研究、人群画像、需求图谱模块。其中,趋势研究用于分析、统计各搜索关键词的搜索频次,并对其进行加权求和;人群画像通过人工智能对用户年龄、性别与兴趣爱好等进行统计分析,可反映用户的社会属性;需求图谱反映以某一关键词为核心时,该词及其关联词的搜索情况。
在百度指数的基础上,以“BIM”为关键词,收集、统计除香港、澳门、台湾以外省、市、自治区用户“BIM”每日搜索数据,通常称其为网络关注度[17]数据。
1.2 研究方法
1)时间分布特征
研究搜索数据时间分布特征时,可采用年度分布特征、月度分布特征等指标[17],各指标主要由每日百度指数求和得到。考虑研究目标的差异性,主要采用季度分布特征进行研究。与此同时,为分析BIM搜索数据的时间趋势,本研究将每日百度指数进行逐周求和汇总,并认为数据=长期趋势+周期趋势+随机成分,利用python统计分析工具包中的加法模型提取周度数据长期趋势特征。
2)空间分布特征
空间分布特征分析主要依托百度指数提供的地区筛选功能,利用该功能可查询省、自治区、直辖市的BIM搜索数据,从而分析不同区域的数据特征。同时,百度指数还提供基于地图的区域搜索数据可视化功能,可直观展示搜索数据的空间分布。
3)人群画像分析
人群画像分析主要利用百度指数内部计算方法,百度指数直接为使用者提供关注特定关键词用户的年龄分布、性别分布与兴趣爱好等信息,同时提供目标群体指数(target group index,TGI),用于反映目标群体在特定研究范围内(如地理区域、人口统计领域、媒体受众、产品消费者)的强势或弱势。
2 BIM搜索数据时空特征分析
2.1 时间特征及政策推动
鉴于百度指数始于2006年6月1日,自2011年1月1日起,有关数据可分省、市、自治区进行查询和分析,本研究首先利用百度指数提取2006年6月1日至2020年2月24日BIM搜索数据,如图1所示。由图1可知:(1)BIM搜索最早出现于2008年3月29日,较大比例的搜索量始于2008年12月29日;(2)自2011年开始,BIM搜索数据出现较典型的周期性,每年春节前大幅降落,春节后快速回升;(3)BIM搜索数据整体呈上升趋势,2011—2018年搜索量增加近3倍。
图1 BIM搜索指数
利用python统计分析工具包提取各地区2011—2019年BIM搜索长期趋势,上海、广东、辽宁、河南、甘肃、西藏、河北、海南地区BIM搜索长期趋势如图2所示。由图2可知,各地区BIM搜索数据均呈上升趋势,说明各地区从业用户均关注BIM技术的发展和应用。同时,大部分地区BIM搜索数据于2013—2018年经历快速上升过程。由我国2013年12月—2017年12月主管部门及各地政府发布的BIM政策可知,相关政策对我国BIM技术的发展起到显著推动作用。北京、上海、深圳等一线城市引领BIM技术发展大趋势,在试点推广、标准编制、示范应用等方面起表率作用[1]。但自2019年开始,各地区BIM搜索数据上升速度放缓,北京、上海、重庆、河南、福建等地搜索量甚至出现小幅下降,表明经历高速发展后,从业用户对BIM技术的了解日益加深,对搜索引擎的依赖度有所降低,且对BIM技术的认知趋于理性。
为进一步分析政策对BIM搜索数据的推动及刺激作用,通过前述方法对每日搜索数据进行处理,得到典型地区季度分布特征数据,如图3所示。由图3可知,各地区季度分布特征数据具有典型的年度周期特征,即第1季度较低,第2,3季度保持高水平,第4季度大幅下降。2011,2013—2016年及2017年第2,3季度之间,大部分地区季度分布特征数据呈快速上升趋势。BIM政策发布过程如表1所示,由表1可知,在上述搜索数据快速上升期均发布了BIM政策,表明政策具有重要推动作用。早期政策的推动与刺激作用更显著,如2013年8月29日,住房和城乡建设部发布“关于征求《关于推进BIM技术在建筑领域应用的指导意见(征求意见稿)》意见的函”,直接推动当年各地区BIM搜索数据大幅上升。后期由于各地区BIM技术发展水平及需求不同,进入更精细的政策引导与调控阶段,全国性的政策推动作用有所下降。如前文所述,进入2019年,大部分地区BIM搜索数据增速放缓。
图2 我国典型地区BIM搜索指数趋势
图3 BIM搜索指数季度分布特征数据
2.2 空间差异与特征
利用百度指数提供的区域搜索指数查询功能,统计2011年1月1日至2019年12月31日BIM搜索数据。由搜索结果可知,BIM搜索量高的省份多分布于沿海发达地区,搜索量排名靠前的地区中四川、河南、湖北及河北虽为非沿海地区(见图4),但经济均较发达。直辖市、省会城市等一线城市BIM搜索量靠前,说明经济欠发达地区在BIM技术推广及应用方面仍有较大空间。
图4 各省市BIM搜索量排名
3 BIM用户特征及需求分析
3.1 用户特征
利用人群画像功能进行分析,结果如图5所示。由图5a可知,关注BIM的用户以年轻人为主,20~29岁从业用户接近总数的60%,TGI指数也反映年轻人占主导地位。这意味着未来10年将有大批掌握BIM知识的用户走上领导岗位,将影响BIM技术的落实和发展。一定数量的30~39岁用户关注BIM技术,而40岁以上用户对BIM技术的关注度较低,鉴于40岁以上用户多处于领导地位,可能限于时间、精力等因素缺乏关注,未来可考虑面向企业管理决策层进一步普及BIM有关知识。
图5 BIM关注者年龄与性别分布
由图5b可知,BIM关注者中男性占主导地位,占比>70%,这与整个建筑行业从业者以男性为主一致。将该数据与行业性别分布进行对比,可促进BIM技术从业者的性别均衡。
表1 各时间点BIM政策发布情况
表1 各时间点BIM政策发布情况
3.2 需求图谱
需求图谱功能可生成近一年每周以特定关键词为核心的其他词信息,包括搜索指数、增长趋势及其与核心关键词的相关性等。基于该功能分别提取2019年8月19日至25日和2020年2月17日至23日的需求图谱,由需求图谱可知,除无关关键词外,BIM有关关键词中的BIM考试、Revit,BIM软件、CIM等词与BIM关联最密切,且Revit,BIM考试、CIM等词呈上升趋势。与BIM相关性居中的广联达、GIS、工程预决算等词也呈上升趋势,其中广联达与BIM的相关性进一步提高,且持续呈上升趋势。
结合BIM需求图谱分析结果,未来BIM政策可从BIM人才培养、专业认证、自主软件研发及城市信息模型等方面精准发力,推动BIM技术向更深、更广的方向发展。
4 结语
利用百度搜索引擎大数据形成的百度指数,研究我国BIM搜索数据变化及趋势。研究结果表明,用户对BIM的关注度于2014—2018年快速提升,且具有明显地域差异,其中BIM政策起到显著推动作用;一线城市及沿海发达地区BIM技术的发展仍处于全国领先地位;BIM技术关注者以年轻人和男性为主,其迫切需求为获取BIM证书,并掌握软件应用。因此,未来我国BIM政策可考虑在推动各地区BIM均衡发展、自主软件研发及人才教育培养等方面精准发力、持续调控。
本研究有效避免问卷调查等传统方法存在的样本数量小、主观性强、覆盖面小、抽样不均匀等问题,为从大样本甚至全样本角度研究BIM技术的应用现状提供新方法、新思路。
[2] 郑国勤,邱奎宁.BIM国内外标准综述[J].土木建筑工程信息技术,2012,4(1):32-34,51.
[3] 李恒,郭红领,黄霆,等.BIM在建设项目中应用模式研究[J].工程管理学报,2010,24(5):525-529.
[4] 何清华,钱丽丽,段运峰,等.BIM在国内外应用的现状及障碍研究[J].工程管理学报,2012,26(1):12-16.
[5] 林佳瑞,张建平.基于IFC的绿色性能分析数据转换与共享[J].清华大学学报(自然科学版),2016,56(9):997-1002.
[6] ZHANG J P,LIU Q,HU Z Z,et al. A multi-server informationsharing environment for cross-party collaboration on a private cloud[J]. Automation in construction,2017,81:180-195.
[7] 林佳瑞,张建平.基于BIM的施工资源配置仿真模型自动生成及应用[J].施工技术,2016,45(18):1-6.
[8] ZHOU Y W,HU Z Z,LIN J R,et al. A review on 3D spatial data analytics for building information models[J]. Archives of computational methods in engineering,2019(2):1-15.
[9] 林佳瑞,杨铭,周一,等.企业BIM平台架构研究与设计[C]//第二届全国BIM学术会议,2016.
[10] 林佳瑞,张建平,何田丰,等.基于BIM的住宅项目策划系统研究与开发[J].土木建筑工程信息技术,2013,5(1):22-26.
[11] 张晓洋,林佳瑞,方继,等.BIM技术在石济黄河桥施工安全管理中的应用[J].铁路技术创新,2015(6):74-76.
[12] 张建平,李丁,林佳瑞,等.BIM在工程施工中的应用[J].施工技术,2012,41(16):10-17.
[13] 范安全,王玉伟,朱若愚,等.BIM技术在浪滩坡特大桥施工中的应用[J].施工技术,2020,49(2):115-118.
[14] 汪淼,邓海峰,李丁,等.基于BIM技术的特长隧道工程质量管理研究[J].施工技术,2019,48(18):78-81.
[15] 雷素素,李建华,段先军,等.北京大兴国际机场超大平面航站楼绿色智慧建造[J].施工技术,2019,48(20):120-124.
[16] 过俊.BIM在国内建筑全生命周期的典型应用[J].建筑技艺,2011(S1):95-99.
[17] 张茜.特色小镇网络关注度时空特征与影响因素———基于31个省市区百度指数的实证研究[J].广西经济管理干部学院学报,2019,31(4):78-84.