建筑系统关系拓扑无向图有向化方法和系统

技术领域

本发明涉及建筑信息化技术领域，具体涉及一种建筑系统关系拓扑无向图有向化方法和系统。

背景技术

在建筑信息化模型中，我们可以提取到设备及管件等之间的连接关系数据，但这些连接关系并没有很好的为人们所认知。人们的认知包括设备连接的方向性(在管道中的水、风的流向)，设备在系统中的连接方式(如：并联、串联、母联)，设备的功能性划分(冷冻水循环、冷却水循环、风循环、水循环)等。建筑的系统连接有效信息化可以进而用来进行三维转二维的系统图自动排布、连接关系的正误诊断等。

发明内容

为了能够使建筑系统连接有效信息化，进而可以用来进行三维转二维的系统图自动排布和连接关系正误诊断，本发明实施例提供一种建筑系统关系拓扑无向图有向化方法和系统。其具体技术方案如下：

为实现上述目的，本发明实施例提供一种建筑系统关系拓扑无向图有向化方法，包括步骤：

获取Revit建筑模型的拓扑关系中的节点信息；

对所述节点信息进行自动修正过滤后，对所述节点信息进行数据处理，得到所述节点信息的邻接矩阵和特征矩阵；

将所述邻接矩阵和所述特征矩阵作为输入值，输入至预先训练的特征提取模型进行计算，得到包括判断节点方向的重力参数的拓扑特征向量；其中，所述特征提取模型在训练过程中，所述节点信息的特征矩阵被赋予重力参数信息；

根据所述拓扑特征向量中每个节点的重力参数的大小得到节点间的指向关系，完成无向图有向化。

进一步的，所述特征提取模型可通过如下步骤训练得到：

构建建筑机电系统设备的拓扑关系知识库；

生成所述拓扑关系的节点信息；

对所述节点信息进行数据处理，得到所述节点信息对应的邻接矩阵和特征矩阵；

基于变分自编码器的编码/解码框架，将所述邻接矩阵和特征矩阵输入至图卷积神经网络进行编码，生成包括有重力参数信息的潜向量，将所述潜向量输入解码器，得到解码后的邻接矩阵；

将所述解码后的邻接矩阵输入至有向拓扑损失函数进行计算，当计算结果小于预设的阈值时，输出所述图卷积神经网络的参数，得到特征提取模型。

进一步的，在所述生成所述拓扑关系的节点信息之前，所述构建建筑机电系统设备的拓扑关系知识库之后，还包括将数据库中积累的多个项目Revit模型拓扑数据与生成的拓扑关系进行比较，对生成的拓扑关系进行对比修正。

进一步的，所述有向拓扑损失函数包括拓扑损失函数和方向损失函数，拓扑损失函数是对比原邻接矩阵和解码后邻接矩阵计算加权交叉熵得到，方向损失函数为：

式中，F表示节点数，Z表示潜向量，X是特征矩阵，第i个节点连接指向第j个节点，Y

进一步的，所述节点信息包括目标节点id、节点属性、与所述目标节点连接的其他节点id和节点数量；与所述目标节点连接的其他节点id包括：指向目标节点的其他节点id和目标节点指向的其他节点id。

本发明实施例的第二方面还提供一种建筑系统关系拓扑无向图有向化系统，包括：

获取模块，用于获取Revit建筑模型的拓扑关系中的节点信息；

处理模块，用于对所述节点信息进行自动修正过滤后，对所述节点信息进行数据处理，得到所述节点信息的邻接矩阵和特征矩阵；

计算模块，用于将所述邻接矩阵和所述特征矩阵作为输入值，输入至预先训练的特征提取模型进行计算，得到包括节点重力参数的拓扑特征向量；

无向图有向化模块，用于根据所述拓扑特征向量中每个节点的重力参数的大小得到节点间的指向关系，完成无向图有向化。

本发明实施例的第三方面还提供一种计算机可读存储介质，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器执行时，使得所述处理器处理上述所述的建筑系统关系拓扑无向图有向化方法的步骤。

本发明的第四方面提供一种电子设备，该电子设备包括：

处理器；以及，

被安排成存储计算机可执行指令的存储器，所述可执行指令在被执行时使所述处理器执行上述所述建筑系统关系拓扑无向图有向化的方法。

本发明实施例提供的建筑系统关系拓扑无向图有向化方法，包括：获取Revit建筑模型的拓扑关系中的节点信息；对所述节点信息进行自动修正过滤后，对所述节点信息进行数据处理，得到所述节点信息的邻接矩阵和特征矩阵；将所述邻接矩阵和所述特征矩阵作为输入值，输入至预先训练的特征提取模型进行计算，得到包括节点重力参数的拓扑特征向量；根据所述拓扑特征向量中每个节点的重力参数的大小得到节点间的指向关系，完成无向图有向化。本发明将缺乏信息的数据转化成具有信息输出的有向关系连接，可以明确给出水管或风管中的水或风的流通方向；还可以检查出revit模型中的一些建模问题，还可以推广到其它的拓扑数据信息化中，比如三维模型转二维系统图及其展示。

附图说明

图1为本发明实施例1提供的一种建筑系统关系拓扑无向图有向化方法的流程图；

图2为本发明实施例1提供的一种建筑系统关系拓扑无向图有向化系统的结构框图；

图3为本发明实施例1提供的一种建筑系统关系拓扑无向图有向化方法的基本连接图的实例；

图4为图3中一次回风阀和二次回风阀的连接示意图。

具体实施方式

为了使得本发明技术方案能够清楚、详尽的展现出来，以下结合附图对本发明进行说明，但不用来限制本发明的范围。

参见图1为本发明实施例1提供的一种建筑系统关系拓扑无向图有向化方法的流程图，包括步骤：

S1获取Revit建筑模型基础图的拓扑关系中的节点信息。

上述节点包括目标节点和其他节点；上述节点信息包括目标节点id、节点属性、与所述目标节点连接的其他节点id和节点数量；与所述目标节点连接的其他节点id包括：指向目标节点的其他节点id和目标节点指向的其他节点id；在本发明的可选实施方式中，上述节点信息以多维数组的形式表示，举例如下：

[

[0,10,1,[7],[1,3,]],

[1,5,2,[0,2],[0,2]],

[2,10,4,[1,4],[5,7]],

[3,2,2,[0],[4]],

[4,3,2,[3],[2]],

[5,3,2,[2],[6]],

[6,18,1,[5],[]],

[7,9,2,[2],[0]],

]

上述多维数组的行数表示该拓扑关系中有多少个节点，每一行中各元素表示的含义如下：

第0位表示id位；第1位表示设备类型；第2位表示有几个连接点；第3位表示指向的节点id；第4位表示指向此节点的节点id。

上述节点信息存储在计算机的对应文件中，包括连接关系文件、设备文件、水道文件、管道文件、连接对象几个文件。其中，连接关系包括每个点的的id，该点连接点的id，该点所属对象的id，对象的类型(设备、水道、管道、对象)等信息。根据所属对象的id可以在对应类型文件中可以找到该对象的属性信息，包括：位置、轮廓、所属模型、类型编码等。

S2对所述节点信息进行自动修正过滤后，对所述节点信息进行数据处理，得到所述节点信息的邻接矩阵和特征矩阵。

由于在本发明中，将无向图变为有向图，其大部分只涉及设备之间的连接关系，而不需体现管道，而在Revit建筑模型中，其一般是根据不同楼层分别建模，因此，需要简化拓扑图，只保留设备和阀门，将所有水管、风管、连接件连接的设备或阀门直接连接，并删除其间的水管、风管、连接件。

对于Revit建筑模型中的无拓扑连接的单独设备或者阀门进行删除。

在本发明实施例的可选实施方式中还包括，检查管道端口截面是否平行，端口距离是否在10mm以内，修改拓扑数据将管道连接上。

上述邻接矩阵是表示节点之间相邻关系的矩阵，上述特征矩阵是由设备的属性组成，其中，设备的属性包括：设备类型、设备位置、设备轮廓、及类型编码等。邻接矩阵其是由节点信息经过数据处理得到。

S3将所述邻接矩阵和所述特征矩阵作为输入值，输入至预先训练的特征提取模型进行计算，得到包括节点重力参数的拓扑特征向量。

上述特征提取模型可通过如下步骤训练得到：

S31构建建筑机电系统设备的拓扑关系知识库，其中，每种拓扑关系可表示成基本连接图和可扩展规则；

根据所述可扩展规则生成大量拓扑关系数据；基于可扩展规则，列出可扩展的对象，该可扩展对象可以是节点或一组节点，可扩展的节点列表表示如下：[[7],[5,6]]，7号节点可以单独拓展添加到图中，5，6作为一个组可以扩展添加到图中。其它的约束条件如某类节点要小于另一类节点，在不同类型的拓扑关系对应的生成拓扑程序中实现筛选。

上述基本连接图和可扩展规则举例如下：

参见图3，假如为用户侧的空调风系统(空调机组)的拓扑关系图，图中，其基本连接图的节点包括新风口、空调机组、送风口、回风口、排风口；其中，所述回风口节点、新风口节点分别指向空调机组节点，空调机组节点分别指向送风口节点和排风口节点。

为了扩展拓扑关系，可设置扩展规则，用以扩展专家库，所述规则比如：A)(1)(2)可并联，(1)数量小于(2)数量；B)(3)回风口有或者没有一、二次回风阀，该规则可参见图4；C)有或者没有(1)、(3)组合；D)(4)组合关系不可并联等等。

S32生成所述拓扑关系的节点信息。

根据所述基本连接图生成基础图结构的多维数组，所述多维数组用以表述节点信息。该节点信息包括目标节点id、节点属性、与所述目标节点连接的其他节点id和节点数量；与所述目标节点连接的其他节点id包括：指向目标节点的其他节点id和目标节点指向的其他节点id；在本发明的可选实施方式中，上述节点信息以多维数组的形式表示。该数组与模型学习过程中的多维数组相同。

S33对所述节点信息进行数据处理，得到所述节点信息对应的邻接矩阵和特征矩阵；所述邻接矩阵和特征矩阵与模型学习过程中的相同。

S34将所述邻接矩阵和特征矩阵输入至在变分自编码器的编码/解码框架下训练优化的图卷积神经网络模型进行编码，生成包括有重力参数信息的潜向量，再将得到的所述潜向量输入至解码器进行解码，得到解码后的邻接矩阵。

上述特征向量为包括一维重力参数信息的向量。上述变分自编码器的编码/解码框架中的编码器采用图卷积神经网络作为编码器进行编码上述编码器和解码器的计算过程均属于本领域的现有算法，其具体计算过程不再赘述。

S35将解码后的邻接矩阵输入至有向拓扑损失函数进行计算，拓扑特征向量当计算结果小于预设的阈值时，输出所述图卷积神经网络的参数，得到特征提取模型。

上述拓扑特征向量是包括有节点的重力参数特征参数的多维特征向量，节点之间的指向可以通过比较拓扑拓扑特征向量中的重力参数的大小来判断；上述有向拓扑损失函数包括方向损失函数和拓扑损失函数。

在本发明实施例的可选实施方式中，在所述生成所述拓扑关系的节点信息之前，所述构建建筑机电系统设备的拓扑关系知识库之后，还包括将数据库中积累的多个项目Revit模型拓扑数据与生成的拓扑关系进行比较，对生成的拓扑关系进行对比修正。

优选的，在本发明实施例中，主要针对实际拓扑中一些经常出现缺失的情况进行相应的修正。

本发明实施例提供的建筑系统关系拓扑无向图有向化方法，包括：获取Revit建筑模型的拓扑关系中的节点信息；对所述节点信息进行自动修正过滤后，对所述节点信息进行数据处理，得到所述节点信息的邻接矩阵和特征矩阵；将所述邻接矩阵和所述特征矩阵作为输入值，输入至预先训练的特征提取模型进行计算，得到包括节点重力参数的拓扑特征向量；根据所述拓扑特征向量中每个节点的重力参数的大小得到节点间的指向关系，完成无向图有向化。本发明将缺乏信息的数据转化成具有信息输出的有向关系连接，可以明确给出水管或风管中的水或风的流通方向；还可以检查出revit模型中的一些建模问题，还可以推广到其它的拓扑数据信息化中，比如三维模型转二维系统图及其展示。

本发明实施例的第二方面还提供一种建筑系统关系拓扑无向图有向化系统，图2为本发明实施例1提供的一种建筑系统关系拓扑无向图有向化系统的结构框图，包括：

获取模块，用于获取Revit建筑模型的拓扑关系中的节点信息；

处理模块，用于对所述节点信息进行自动修正过滤后，对所述节点信息进行数据处理，得到所述节点信息的邻接矩阵和特征矩阵；

计算模块，用于将所述邻接矩阵和所述特征矩阵作为输入值，输入至预先训练的特征提取模型进行计算，得到包括节点重力参数的拓扑特征向量；

无向图有向化，用于根据所述拓扑特征向量中每个节点的重力参数的大小得到节点间的指向关系，完成无向图有向化。

本发明实施例的第三方面还提供一种计算机可读存储介质，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器执行时，使得所述处理器处理上述所述的建筑系统关系拓扑无向图有向化方法的步骤。

本发明的第四方面提供一种电子设备，该电子设备包括：

处理器；以及，

被安排成存储计算机可执行指令的存储器，所述可执行指令在被执行时使所述处理器执行上述所述建筑系统关系拓扑无向图有向化的方法。

虽然，上文中已经用一般性说明及具体实施例对本发明作了详尽的描述，但在本发明基础上，可以对之作一些修改或改进，这对本领域技术人员而言是显而易见的。因此，在不偏离本发明精神的基础上所做的这些修改或改进，均属于本发明要求保护的范围。