建筑工程施工进度智能编排系统 (SCS-BIM)

原创已于 2025-07-15 12:08:35 修改 · 896 阅读

20 ·

CC 4.0 BY-SA版权

文章标签：

#flask #语言模型

于 2025-06-03 17:38:01 首次发布

基于大语言模型的建筑工程施工进度智能编排 (SCS-BIM)

源码可见于：https://github.com/Asionm/SCS-BIM

项目简介

本项目是一个面向建筑工程的施工进度智能编制平台，用户只需上传一份标准 IFC 建筑信息模型文件，系统将自动完成以下任务：

解析模型中的构件类型、楼层信息和物理量数据；
调用语言模型自动生成构件分类、施工阶段和楼层映射；
基于定额库匹配构件对应的工日信息；
自动生成合理的施工顺序和任务依赖；
根据工日和人员配置估算施工周期；
输出甘特图并支持 CSV 进度计划导出。

平台结合 IFC 模型解析、语言模型推理、定额工日估算和甘特图可视化，面向设计单位、施工单位和 BIM 工程师，帮助高效编制建筑施工进度计划。

示例展示

在这里插入图片描述

技术流程

本项目主要基于 Python + Flask 构建后端，结合 IfcOpenShell 实现对 IFC 模型的构件与工程量解析，利用 OpenAI 或本地 Ollama 大语言模型完成构件分类、定额匹配与施工顺序推理，并通过 dhtmlxGantt 实现前端施工进度可视化，整体技术栈融合了 BIM 数据处理、智能语义推理与交互式工程展示。下图展示了平台自动施工进度编制的整体技术流程：

在这里插入图片描述
流程说明：

IFC文件上传：用户上传标准的 IFC 建筑模型；
信息提取：系统解析 IFC，提取楼层、构件、单位、类别等基础数据；
AI参与（LLM）：通过语言模型智能生成构件分类、阶段信息及施工逻辑；
构件尺寸分析：自动获取体积、面积等工程量；
定额匹配与工日补充：通过定额库补充每类构件所需工日；
施工顺序形成：生成任务依赖、施工流水顺序等；
进度计划安排：最终生成符合逻辑的甘特图施工进度表。

安装与运行指南

1. 克隆项目

git clone https://github.com/Asionm/SCS-BIM
cd SCS-BIM

2. 安装依赖

建议使用 Python 3.10+ 与虚拟环境：

python -m venv venv
source venv/bin/activate  # Windows 使用 venv\Scripts\activate
pip install -r requirements.txt

3. 启动后端服务

确保本地 Ollama 或 OpenAI 接口可用，并配置好 config.py 中的 API 相关信息：

python app.py

默认服务地址为：http://localhost:5000

4. 启动前端页面

打开源码中的index.html访问，上传 .ifc 文件，平台将自动处理并展示施工甘特图计划。

项目结构

以下是根据你项目的文件结构撰写的 README.md 中的 项目结构（Project Structure） 部分：

项目结构 | Project Structure

SCS-BIM/
│
├── app.py                 # Flask 主程序，处理上传、进度推送和任务调度
├── config.py              # LLM 接口配置，支持 OpenAI 与 Ollama 切换
├── export_sequence.py     # 生成任务列表与施工甘特图数据
├── generate_bill.py       # 从 IFC 提取构件工程量并生成清单
├── index.html             # 前端页面（上传 + 甘特图展示）
├── LLM.py                 # 调用大语言模型，生成施工结构与匹配定额项
├── pre_process.py         # IFC 文件预处理，提取项目信息与构件类别
├── quota_match.py         # 根据定额库计算工日与施工周期
├── requirements.txt       # Python 依赖列表
├── test.py                # 示例/测试脚本入口（可选）
├── README.md              # 项目说明文档
└── static/
    └── ...                # 上传文件与模板配置文件存放目录

配置说明

本项目支持使用 OpenAI 或本地部署的 Ollama 作为语言模型调用源，相关设置集中在 config.py 中的 LangChainConfig 类中。

1. 模型提供方选择

在 config.py 中可以通过 provider 参数切换：

LangChainConfig(provider="openai")     # 使用 OpenAI（默认使用环境变量中的 API Key）
LangChainConfig(provider="ollama")     # 使用本地部署的 Ollama 模型

2. OpenAI 配置项

如使用 OpenAI，请确保设置以下内容：

LangChainConfig(
    provider="openai",
    api_key="your-openai-key",                 # 或设置环境变量 OPENAI_API_KEY
    model_name="gpt-4o",                       # 可替换为 gpt-4o, gpt-3.5-turbo 等
    openai_base_url="https://api.openai.com"   # 如使用第三方兼容接口，请替换此地址
)

3. Ollama 配置项

如使用 Ollama 本地模型（推荐部署 mistral, llama3 等）：

LangChainConfig(
    provider="ollama",
    ollama_model="mistral",                     # 模型名称
    ollama_host="http://localhost:11434"        # Ollama 默认服务地址
)

确保本地 Ollama 服务已运行并已加载相应模型。