智能审图：自动化合规审查的研究与应用全景展望

本文由清华大学土木工程系的林佳瑞、周育丞、郑哲和陆新征共同撰写，发表于《工程力学》（Engineering Mechanics）期刊2023年7月刊（第40卷第7期）。论文题为“自动审图及智能审图研究与应用综述”，旨在对智能审图（Intelligent Design Review）领域的研究进展与应用实践进行全面梳理、建立理论框架，并系统性地总结其发展路径，以期为该领域的后续研究与工程应用提供清晰的指引。

主题与核心观点 该文围绕“如何利用自动化与人工智能技术变革传统高度依赖人工、低效且易错的设计审查（审图）环节”这一核心议题展开。文章指出，智能审图的核心目标在于解决“设计方案（图）的可计算性”与“规范知识的可计算性”两大关键问题，并在此基础上构建了相应的理论研究框架。论文进一步将当前的应用实践归纳为“数字化、感知智能、认知智能”三个递进维度，系统分析了国内外发展现状，并指出了未来面临的主要挑战与发展方向。

主要观点一：智能审图的研究框架——围绕“两个可计算性”展开 文章提出，当前智能审图的研究主要围绕两大支柱展开，二者共同构成了研究的核心框架。其一是“图（或设计）的可计算性”，即让计算机能够自动识别和理解设计信息。这主要包括三个研究方向：首先是“自动识图”，即利用深度学习等技术从CAD图纸或图像中识别建筑构件；其次是“BIM逆向建模”，基于识图结果或点云/图像数据重建富含语义信息的BIM模型；最后是“语义模型表达与扩展”，针对BIM模型在表达复杂空间关系（如可视性、可达性）或性能化设计数据方面的不足，对模型结构进行信息增强和语义扩充，以满足更高级别审查的需求。其二是“规范（或知识）的可计算性”，即让计算机能够理解和推理工程规范条文。这涉及三个层面：首先是“知识与规则的形式化表达”，研究如何利用本体（Ontology）、语义网、领域特定语言（Domain Specific Language, DSL）等技术将领域知识和审查规则转化为计算机可处理的结构化格式；其次是“规则解译”，即将自然语言书写的规范条文转化为形式化规则，方法包括需要人工参与的“规范条文浅层结构化”（如RASE方法）以及追求完全自动化的“基于语法分析与模式匹配的自动解译”（依赖自然语言处理NLP技术）；最后是“领域知识图谱构建”，探讨如何通过命名实体识别（Named Entity Recognition, NER）和关系抽取（Relationship Extraction, RE）等技术，自动从海量工程文档中学习和构建结构化的领域知识体系。文章强调，未来的重要方向之一是促进“图的可计算性”与“知识的可计算性”的融合，通过语义对齐等技术，确保设计模型与规范知识库“说同一套语言”，从而实现高效、精准的自动审查。

主要观点二：智能审图应用实践的三个维度与发展路径 基于对数字化与智能化水平的分析，文章将智能审图的应用实践划分为三个清晰的维度：数字化、感知智能和认知智能。第一维度“数字化”是基础，指审图流程及业务的数字化，例如采用电子文档交付、线上审图系统，其载体可以是传统CAD图纸或更先进的BIM模型。第二维度“感知智能”是技术支撑，主要指CAD识图、逆向翻模等技术，使计算机具备“看懂”图纸并提取语义信息的能力。第三维度“认知智能”是高级目标，涉及知识推理与规则计算，是实现自动化合规性审查（Automated Compliance Checking, ACC）的核心。文章指出，这三个维度呈递进关系，共同构成智能审图的发展路径：必须先夯实数字化的基础，进而发展感知智能以处理存量图纸和新建工程的设计信息，最终迈向认知智能，实现复杂规范的自动推理与审查。

主要观点三：国内外应用现状：政策推动与软件百花齐放 文章系统综述了国内外智能审图的应用进展。在国内政策方面，自2016年起，国家及地方层面陆续出台政策推动建筑业信息化和工程审批制度改革，为数字化审图奠定了基础。近年来，北京、深圳、湖南等地更先行先试，开展了AI审图或BIM审查试点工作，推动应用向感知智能和认知智能维度探索。国内软件应用呈现百花齐放态势，例如广联达的BIM审图软件侧重于基于BIM模型的空间几何关系审查；PKPM BIM审查系统内置了大量规范条文规则库，支持多专业智能审查；万翼科技的AI审图系统则直接从CAD二维图纸入手，利用AI技术识别并审查规范强条；中设数字则探索了基于领域特定语言的规则推理架构。在国外应用方面，起步较早，代表性软件如芬兰的Solibri Model Checker (SMC)，它提供了参数化的规则集供用户进行模型审查；英国的Digital Compliance (D-Com)系统则采用RASE方法进行规则解译与自动化审查。总体而言，国内外应用均表明，当前实践仍以数字化和部分感知智能为主，认知智能尚处于探索阶段，且审查规则多以人工编码内置为主，在用户自定义、复杂规则处理及算法可靠性方面仍有很大提升空间。

主要观点四：未来挑战与发展方向 在全面综述的基础上，文章指出了智能审图领域未来面临的四大核心挑战与发展方向。第一，复杂设计信息建模的挑战：需要加强BIM等语义模型在表达复杂空间关系（如路径、封闭性）和性能化仿真数据方面的能力，以支持性能化设计审查。第二，复杂领域知识表达的挑战：尚未形成统一、开放、灵活的知识与规则形式化表达模型，难以有效应对工程知识的复杂性和动态性。第三，模型融合的挑战：设计数据模型（如图/BIM）与规范知识模型之间缺乏统一的底层共性模型支撑，导致语义对齐困难，影响审查的准确性和效率。第四，算法可靠性的挑战：无论是智能识图、逆向建模，还是知识规则的自动提取，都面临算法准确性、鲁棒性、透明性和可解释性的巨大考验。实现审查过程可追溯、结果可验证是工程应用落地必须解决的关键难题。

论文的价值与意义 本综述论文具有重要的学术价值与实践指导意义。在学术上，它首次系统性地为快速发展的智能审图领域建立了一个清晰的理论研究框架，明确了“两个可计算性”的核心研究脉络，并对关键技术进行了归类与评述，为后续研究者指明了方向。在实践上，文章通过梳理“三个维度”的发展路径和对比分析国内外政策与软件应用，为政府制定产业政策、企业研发产品、设计院和审图机构采纳新技术提供了宝贵的全景式参考。文章最终强调，智能审图方兴未艾，虽已取得显著进展，但通往成熟、可靠、大规模工程应用的道路仍充满挑战，需要学术界与工业界在筑牢数字化根基的同时，携手在感知智能与认知智能的关键技术上持续突破。