建筑信息模型（BIM，Building Information Model）已成为工业互联网在智慧建筑方向的研究热点，特别是BIM软件之间的数据交换技术和Web渲染技术备受相关研究人员的关注。BuildingSMART^[1]提出并成为BIM数据交换国际标准的工业基础类（IFC，Industry Foundation Classes）标准 ^[2]，进一步加快了BIM应用的研究与成果落地。Web端BIM大场景应用是未来发展趋势，IFC标准在实际应用中存在以下问题：IFC模型文件数据并非直接可渲染数据，为满足渲染要求，其数据需要经过转换处理；BIM场景数据体量较大时，受制于网络带宽、浏览器性能、网页渲染技术等多方面因素，Web端BIM应用的用户体验不佳。

为解决上述问题，近年来的研究主要集中在IFC模型文件数据解析与转换优化、BIM可视化应用等方面。在IFC模型文件转换方面，刘强等人^[3]提出一种基于键值缓存的IFC模型文件Web应用技术，将IFC模型文件解析成JSON格式，为数据在网络传输提供基础；徐照等人^[4]提出一种基于WebGL的渲染方法，开发了IFC-OBJ转换工具，但未考虑OBJ模型文件不可分割、过大时加载时间过长，甚至无法完成加载等问题。BIM可视化应用方面，Hong-Lei Lu等人^[5]在Scully T等人^[6-7]提出的大模型分割策略基础上考虑语义划分，提出了基于语义对IFC大模型划分，实现构件语义划分并对模型进行分割后，利用空间索引完成场景加载，其划分策略依赖语义数据集，数据集收集和语义划分模型训练实现较为复杂，且需要为特定场景定制算法模型；李柯等人^[8]提出云边页协同的Web端BIM多粒度在线可视化框架，定义构件兴趣度，在复杂遮挡场景中，效果不佳；刘小军等人^[9]提出一种面向手机网页的大规模Web端BIM场景实时漫游算法，该算法从构件实例冗余、构件及空间混合索引、多粒度数据动态装/卸载策略3个方面对场景进行管理和加载，其空间划分剔除算法，仅适合遮挡关系较强的构件，需要提前设定遮挡物，设定遮挡物工作量较大，且通用性受限；BIMServer^[10]为开源的IFC模型文件处理、Web端BIM场景加载工具集，作为BuildingSMART推荐的工具集，将IFC模型文件层次关系、几何特性、材质、属性等数据分开加载，在一定程度上解决了BIM大场景应用问题，但未考虑构件加载优先级。基于上述研究，本文提出基于IFC标准的面向需求的动态加载（IFC based Demand-Oriented Dynamic Loading，DODL）方法。对IFC数据进行解析转换，将层次关系、几何特性、材质、属性等数据拆分存储，在原数据基础上，拓展辅助场景加载的字段；为优化Web端BIM大场景加载，提出基于GPU加速实现构件需求计算方法，计算需要加载的构件集合，并利用几何相关性设计构件加载优先级，计算构件加载顺序；通过网络服务，完成BIM大场景加载。

1   铁路BIM应用流程

根据铁路BIM应用实际情况，BIM应用流程可分为3部分，如图1所示。

图  1  铁路BIM应用流程

下载: 全尺寸图片 幻灯片

1.1   数据源

建模人员使用CATIA等设计软件完成三维模型后，导出IFC格式模型数据，为数据共享和应用奠定基础。

1.2   数据处理

读取IFC模型文件，解析层次关系、几何特性、材质、属性等数据，重点处理无法直接渲染的拓扑几何，并将结构化JSON格式数据存储在数据库中，为后续场景加载提供支撑。IFC模型文件无法直接用于计算机图形渲染，需要对其进行解析和处理，此过程耗时且对硬件资源要求较高，为减少数据处理时间，可利用云服务器资源完成此过程。

1.3   数据应用

搭建Web应用，Web端通过网络服务，加载BIM场景，结合铁路业务开展应用。

2   IFC模型文件处理

2.1   处理过程

IFC模型文件处理即是对IFC模型文件解析、转换、拆分、存储的过程，该过程主要分为2部分：

（1）使用python脚本，制定特定类型正则表达式，过滤IFC.exp文件中的基本类型、枚举类型、select类型、实体类型，并根据类型定义与继承关系，生成可用于编译的CPP文件，为IFC模型文件读取与解析奠定基础；

（2）读取IFC模型文件，根据CPP文件，在运行时动态生成IFC实例对象，通过查询IFC实例对象，将层次关系、几何特性、材质、属性等数据进行拆分与转换，并将结果存储到数据库。

2.2   拆分过程

IFC实例对象拆分过程如下：

（1）为构建模型层次关系，以IfcProject实例对象为入口，筛选IfcProduct类型实例对象，区分出空间结构元素和非空间结构元素（构件节点），将空间结构元素构造为组节点对象，处理节点属性和局部矩阵等信息，递归处理空间结构元素包含的节点和关联的节点，直至非空间结构元素的节点；

（2）对非空间结构元素处理，判断其包含的Items属性的实例类型，分别处理几何、拓扑、映射、材质类型数据，几何和拓扑类型数据需要借助几何算法库Open CASCADE^[11]实现几何、拓扑生成与网格剖分，进而构造叶子节点存储几何数据，并建立几何与叶子节点间的关联关系。

拆分后数据结构如图2所示。

图  2  拆分后数据结构

下载: 全尺寸图片 幻灯片

图2中字段含义如表1所示。

表  1  字段含义说明

字段名	含义
bits	数据长度
box	包围盒
edge_count	边个数
face_count	面个数
geom_uuid	几何标识
localMatrix	局部矩阵
mate	材质标识集
name	名字
p_uuid	父节点标识
type	类型
uuid	节点标识
version	版本
visible	可见性
childrens	子节点集
texture	纹理贴图
transparency	透明度
color	颜色
diffuse	漫反射光
index	顶点索引
normal	顶点法向
position	顶点坐标
uv	顶点二维坐标
tag	边/面标签

下载: 导出CSV 

| 显示表格

3   DODL方法

在网络资源有限的情况下，BIM大场景无法通过一次网络请求完成整个场景加载时，有必要考虑构件的加载优先级。用户通过计算机外设与模型进行交互，定位到特定视角查看模型，用户视角范围内的模型构件即用户需求的构件，应具有较高加载优先级，需要优先完成加载。

3.1   基于GPU加速的构件需求计算

初始加载过程如下。

（1）根据模型标识，请求模型层次关系数据；从网络加载层次关系；根据层次关系中叶子节点的box字段，构建可用于渲染的辅助box网格。

（2）根据模型包围盒初始化视角，获取相机视锥参数，进而对场景进行视锥剔除，得到视锥内可见性构件集合。

（3）综合考虑效率与剔除精确性，采用WebGL 2.0接口，基于GPU对视锥剔除后集合box网格进行渲染查询，计算视锥体内box网格是否被遮挡。

（4）过滤出未遮挡构件集合，即需要加载的构件集合，根据构件几何唯一标识与优先级，完成加载。初始加载过程如图3所示。用户交互改变视角时，与初始加载不同，不需要网络请求模型、解析层次关系和构造可渲染box网格，只需要从视角剔除开始，加载未加载的构件数据。

图  3  基于GPU加速的构件需求计算流程

下载: 全尺寸图片 幻灯片

3.2   基于几何相关性的构件加载优先级

构件自身的几何数据量比其他数据量大，因此，几何特性是影响构件加载优先级主要因素之一，例如，包围盒box的大小、复杂度等，其中，复杂度是指构件几何网格数据存储所占用的空间情况。本文层次关系定义中，bits字段可用于描述复杂度，单位为字节（byte）。因几何特性是影响加载优先级的主要因素，在设计构件加载优先级时，需重点关注几何特性。

几何相关性（CG，Correlation of Geometry）是构件包围盒体积与其复杂度的比值，表示为

公式（1）中，$ CG\left({c}_{i}\right) $ 为构件 $ {c}_{i} $ 的几何相关性；$ \text{bits}\left({c}_{i}\right) $ 为构件 $ {c}_{i} $ 的复杂度；$ \text{volume}\left({c}_{i}\right) $ 为构件 $ {c}_{i} $ 的包围盒box的体积；$ CG\left({c}_{i}\right) $ 的物理意义为单位字节传输空间体积大小。$ \text{bits}\left({c}_{i}\right) $ 越小、$ \text{volume}\left({c}_{i}\right) $ 越大，则 $ CG\left({c}_{i}\right) $ 越大，加载到的数据对最后渲染到屏幕的影响越大，对用户的视觉影响越大，因此，加载优先级越高；反之，加载优先级越低。

具体计算方法如下：借助几何算法库Open CASCADE，以不被遮挡的构件集合作为输入，遍历所有构件，利用式（1）计算几何相关性，并根据计算结果对构件集合由大到小排序，得到有序的加载构件集合。基于几何相关性的构件加载优先级计算步骤如下。

步骤 1：输入无序构建集合 C={c_i, i=0, 1,…, M}。

步骤 2：若集合 C 中有元素 c_i，则取出；若无，则结束。

步骤 3：查看 c_i 剔除标识，若是，执行步骤 4；若不是，则跳转到步骤 5。

步骤 4：计算 c_i 的几何相关性。

步骤 5：得出 c'_i，插入、排序到集合 C' 。

步骤 6：重复Step 2，最终得到有序构建集合C' ={c'_j , j=0, 1,…, N}。

4   实验与分析

4.1   实验环境

为验证本文提出的DODL方法的可用性和有效性，设定BIM场景加载过程中评价指标，搭建实验环境。选取公开数据集Open IFC Model Repositor^[12]中IFC模型文件作为实验样本，借助几何算法库Open CASCADE，进行仿真实验，并与使用BIMServer开源服务器平台加载的方法进行比较。使用3个不同的IFC模型文件，选取初始加载构件个数、内存占用和初始加载时间作为性能评价指标。实验使用的IFC模型文件信息如表2所示，图4（a）～图4（c）分别为3个IFC模型文件默认视角下的渲染效果。

表  2  IFC模型文件信息

模型名	子图序号	内存/KB	构件数/个	实体数/个
arboleda.ifc	a	151 166	5 786	17 072
20210219Architecture.ifc	b	110 672	7 637	34 852
industrial Park plant.ifc	c	242 601	27 958	87 144

下载: 导出CSV 

| 显示表格

图  4  实验用IFC模型文件默认视角下的渲染效果

下载: 全尺寸图片 幻灯片

实验软/硬件环境配置：Intel（R） Core（TM） i7-11800H 处理器，16.0 GB内存，NVIDIA RTX3060显卡，64 bit Windows 11专业版21H2系统，Chrome版本为106.0.5249.103，对比组BIMServer 的版本为1.5.182。

4.2   初始加载构件数

初始加载构件数，即初始视角情景下，需要加载构件的个数，单位为个。3个IFC模型文件在DODL方法下初始加载构件数分别为1 252、2 178、4 547，相比BIMServer加载方法下的初始加载构件数5 786、7 637、27 958，分别减少了78%、71%、83%，如图5所示。实验结果表明，DODL方法可有效减少初始加载构件数。

图  5  初始加载构件个数比较

下载: 全尺寸图片 幻灯片

4.3   占用内存

占用内存，即初始视角情景下，初始加载完成后，浏览器占用的内存，单位为MB。3个IFC模型文件在DODL方法下占用内存分别为125、156、346，相比BIMServer加载方法下占用的内存218、287、580，分别减少了42%、45%、40%，如图6所示。实验结果表明，DODL方法可有效减少初始加载时占用的内存。

图  6  占用内存比较

下载: 全尺寸图片 幻灯片

4.4   初始化加载时间

初始化加载时间，即初始视角情景下，从网络请求开始至可见的构件加载完成时止，所用时间长短，单位为ms。3个IFC模型文件在DODL方法下初始化加载时间分别为2 641、4 631、8 867，相比BIMServer加载方法下的初始化加载时间13105、77 656、41 853，分别缩短了79%、94%、78%，如图7所示。实验结果表明，DODL方法可有效缩短初始化加载时间，减少用户因场景加载而等待的时间，提高了用户体验。

图  7  初始加载时间比较

下载: 全尺寸图片 幻灯片

5   结束语

本文研究IFC模型文件处理、面向需求的动态加载方法，提出基于IFC的面向需求的动态加载方法，在IFC数据拆分存储基础上，通过对视锥内构件进行过滤、排序，实现基于IFC标准的面向需求的动态加载。通过实验，证明了所提方法的可行性和可用性，可改善用户体验，也可推广至其他非IFC格式的模型文件加载铁路BIM的应用场景。

在Web端加载BIM场景过程中，仍存在需要进一步解决的问题，例如：IFC模型文件处理过程耗时较长；模型场景加载的过程中，初始加载时受初始视角影响，不同初始视角下，加载构件数、初始加载时间、占用内存等均有不同。因此，今后将进一步研究缩短文件处理时间及最优化选取视角的方法。