使用可视化技术和工作流将 Revit 数据转换为有用信息

建筑行业的BIM技术一直在稳步增长，达到了我们可以确定它将继续存在的地步。大多数BIM流程和工作流程都是清晰的，并且针对该技术的几何和可视化工具而建立，但不适用于数据管理。

我们都同意BIM软件提供的参数化和数据是关键，但目前尚不清楚哪种实践最适合获取数据并对其进行处理，以了解模式或得出结论，从而引导我们在每个项目上进行更好的设计。本文的主要目的是深入探讨更好的实践，将原始 Revit 数据转换为出色的可视化效果，从而为我们的施工项目提供更好的决策和工作流。

什么是数据可视化

数据可视化的主要目标是通过统计图形、绘图和信息图形清晰有效地传达信息。有效的可视化可帮助用户分析数据和证据。它使复杂数据更易于访问、理解和可用。用户可能有特定的分析任务，例如进行比较或理解因果关系，图形的设计原则遵循任务。表格通常用于用户查找特定度量的地方，而各种类型的图表用于显示一个或多个变量的数据模式或关系。

数据可视化既是一门艺术，也是一门科学。互联网活动产生的数据量增加，环境中传感器数量的增加被称为“大数据”。同样的概念可以应用于建筑行业，BIM技术增加了数据量，或者至少使其更易于访问。处理、分析和传达这些数据会带来分析挑战。这就是为什么数据可视化不仅是改善我们项目沟通的关键，而且是改善多个数据源的实际和清晰表示的关键。

为了有效地可视化数据，关键因素是获得正确的数据。这似乎是一项非常简单的任务，但除非您只处理少量数据（如电子表格中的几列和几行），否则您将需要强大而清晰的流程，使您能够从多个来源（Revit、AutoCAD、外部数据库、Internet 等）和多种格式获取大量信息，并能够获得所需的内容。经过几个步骤后，您可以创建可视化效果，然后开始得出结论。

Revit 数据的潜力

我们需要知道的第一件事是哪些数据是可视化的潜在候选者。很明显，我们可以将常见的Revit明细表或任何简单的电子表格转换为图形，但是在这里我们正在寻找需要从Revit中处理和提取的数据，以便能够获得有关模型/设计的新见解。数据的潜力是无限的，但我们将列举一些在过去几年中对我们公司非常有用的方法。

辅助设计

每个参与设计过程的建筑行业的专业人士都知道，大多数决策不是基于清晰的数据做出的，而是数据和设计师直觉的混合。想象一下，如果我们可以创建许多设计选项，并拥有一个仪表板，其中包含每个设计的成本、平方英尺、阳光和阴影对建筑物的影响等确切信息的比较，这将抛开所有歧义，使设计师和业主的生活变得更加轻松。

这也是像Project Dreamcatcher这样的新技术所带来的，它允许我们在更复杂的设计之间进行迭代。如果我们不能测量和比较不同的设计，我们怎么能开始设计具有有机形状的更复杂的建筑？

这就是为什么可视化和数据挖掘已成为我们当前设计和未来技术过程中的关键因素。这将使我们能够实时可视化设计的变化，以便我们可以看到我们对建筑物所做的每次更改的效果。

我相信，在未来，我们作为BIM经理的角色将不仅仅是提供完全协调的图纸，有时甚至是几个详细的时间表，而是以我们今天梦寐以求的方式提供模型数据的精确分析和设计审计。

协作数据库

该程序应该是每个公司都必须做的事情，因为它很强大。这个想法是将所有项目数据存储在同一数据库中。这听起来很简单，但您拥有的项目越多，您受益就越多。这个概念是，您可以存储从一个项目中获得的知识并将其应用于其他项目，以改善您的学习曲线。

实现这一目标的一个好方法是研究您的员工如何工作和建模。通过不断导出数据库，您可以获得良好的洞察力（例如，人们使用的建模顺序，每个任务花费的时间，每个阶段的警告数量）。然后将项目结束时的所有这些与实际时间进行比较，并获得有关延迟以及如何在未来避免延迟的结论。这也是衡量返工的好方法。

公司标准验证的质量控制

我们都知道跟上我们公司内部的BIM内部标准是多么困难，特别是如果你有数百个项目同时进行，在世界各地有不同类型的建筑和不同的地点。您始终可以选择拥有质量控制员，该控制员始终检查模型的质量。但是，有时质量控制员要么没有以非常深入的方式做到这一点，要么您最终会雇用大量质量控制员。

我们的方法是每周导出一次模型数据库，并对所有模型进行自动控制，以确保所有模型都遵循公司标准。同时对所有模型执行此操作可以节省大量时间。您可以每周记录公司的所有BIM进度。

BIM模型数据库与外部数据库的比较

对设计过程真正有用的是将Revit数据库与外部数据库进行比较，以查看设计与平均成本，使用或能源，施工规范等的比较情况。因此，您最终拥有一个工具，可让您了解您的设计是否符合构建规范，或者您是否花费了比市场平均水平更多的钱。

一开始这并不容易，因为没有一个数据库可以从 Internet 下载，其中包含您需要的所有信息，但是一旦您开始使用此工作流程，您最终会创建您的大信息来源。

机器学习

机器学习是计算机科学的一个领域，它使计算机能够在没有明确编程的情况下进行学习，因此通过多次迭代，您可以根据您之前从事的所有项目获得自动解决方案。换句话说，您提供给数据库的项目越多，您的工具就越精确。

提取Revit数据的最佳方法

数据可视化的第一步是提取数据。我们需要考虑使用哪些工具、格式、内容以及何时提取它。

导出方法

发电机

我们都知道Dynamo是用于多种用途的强大工具，从Revit中提取信息也不例外。Dynamo允许我们使用标准节点或Slingshot等软件包导出到不同的平台（Excel，Access，Microsoft SQL Server，MySQL或SQLite）。

Dynamo 的主要优点是它易于使用，除了平台的多样性之外，它还允许我们过滤信息并导出为许多不同的数据序列化格式，如 XML、Json、HTML 等。

Revit 数据库链接

这允许您维护 Revit 项目与 Microsoft Access、Microsoft Excel 或 ODBC 数据库之间的关系。可以使用 Revit DB 链接将 Revit 项目数据导出到数据库，对数据进行更改，然后将其导入回项目中。数据库在表视图中显示 Revit 项目信息，您可以在导入之前对其进行编辑。此表视图还允许您创建 Revit 共享参数，从而为相关表中的这些参数添加新字段。对数据库中的这些新字段所做的任何更改都会在将来导入时更新 Revit 共享参数。

建筑信息模拟链接

借助 Ideate BIMLink，Autodesk Revit 用户可以将信息从文件提取到 Microsoft Excel 中，并将大量精确、重要的 BIM 数据快速、轻松、准确地推送回 Revit 模型。数据管理任务和工作流程所花费的时间只是它们曾经花费的一小部分。累积优势意味着释放更多的时间。您可以前所未有地访问所需的 Revit 建模数据，从而增强工作流程。

自定义宏或加载项

另一个不错的选择是编写适合您的特定进程的自定义加载项或宏。

使用哪个数据库

胜过

我们大多数人每天都在使用Excel，它有时被认为是在单元格中插入信息并在它们之间创建关系的简单工具，但这只是一种简化论。Excel对于新用户来说易于理解和学习，但它功能强大，使我们能够存储大量信息，处理数据，创建算法，创建可视化等。这就是为什么对于所有不熟悉编程或从未使用过关系数据库的用户来说，这是一个很好的起点。

微软SQL Server

Microsoft SQL Server是一个关系数据库管理系统。作为数据库服务器，它是一种软件产品，其主要功能是根据其他软件应用程序的请求存储和检索数据 - 这些应用程序可以在同一台计算机上运行，也可以在网络（包括Internet）上的另一台计算机上运行。我会说，如果您的主要目标是数据处理，那么这个数据库比 Excel 更健壮和强大，所以如果你是一个更高级的用户，我会建议这是一个不错的选择。

其他数据库

还有更多的数据库选项，包括MySQL，SQLite或您正在使用的任何数据库。重要的是，您有一个工具可以获取所需的信息。

要导出的内容

第一个想法可能是仅导出所需的信息，但最佳做法是每次都导出整个 Revit 数据库，这样就不会丢失任何信息。这里的关键是获取尽可能多的信息，以便为每个项目制定更强大的流程。

何时导出

Revit 数据 何时导出 Revit 数据取决于您将如何使用导出的信息以及如何在公司中设置流程。有关快速的经验法则，请参阅下表：

如何将 Revit 数据转换为有用信息

流程挖掘分析让我们意识到我们使用 IT 系统来存储信息，但这些系统不会自动促进高效的流程。数据挖掘是在大型数据集中发现模式的计算过程，涉及机器学习、统计和数据库系统交叉的方法。这是应用智能方法来提取数据模式的基本过程。它是计算机科学的一个跨学科子领域。数据挖掘过程的总体目标是从数据集中提取信息，并将其转换为可理解的结构以供进一步使用。

因此，我们从KIWD金字塔（上图）中得到的是，存在一个数据层次结构。我们的主要目标是将 Revit 原始数据转换为智慧，以便我们可以预测事件、做出更好的决策并改进我们的流程。在层次结构的背后，我们必须遵循多个过程才能从下到上。请参阅下图，了解实现此目的所涉及的所有步骤：

开始挖掘的步骤

选择 — 我们首先选择要使用的正确数据。例如，假设我们有一个完整的Revit数据库，并且想要深入研究自然照明计算。我们要做的是获取与此相关的数据，并排除与我们正在研究的内容无关的MEP计算或结构计算之类的东西。

清理数据 —在此步骤中，我们确保我们使用的数据正确并删除不正确的数据。例如，使用槽算法，我们可以检测数据集中是否有任何需要丢弃的异常值，或者我们的集合中是否有任何需要包含的缺失值。

规范化数据 — 在这里，我们规范化所有数据，因为通常具有不同格式和比例的信息，文本，数字，二进制等数据。因此，我们需要采取一切平等的东西;或者，如果不可能，请对变量进行关联。

数据挖掘 —在此步骤中，我们找到了模式，本质上是对数据应用不同的钙化算法。一些例子是决策三，K最近邻，支持向量机，K均值等。我们这样做是因为我们有大量的信息集，而相对快速地获得模式的唯一方法是使用这些算法。

解读 —解释不是一个自动的过程，而是人们必须做的事情，看看信息。这就是为什么可视化在这里是关键：它使我们能够快速准确地理解数据挖掘过程的输出。

Valentin Noves 是 ENGworks 的 BIM 项目经理，他领导大中型国际项目的团队，并在几何合理化、程序化解决方案、互操作性计算工作流程开发和 MEP 分析方面提供支持。他继续推动专注于计算设计和BIM的技术界限，以改善当前工作方法的方式交付建筑物，从合理化几何复杂的建筑物到工作流程自动化。

想要更多？下载完整的课程讲义以继续阅读。