基础设施的安全与稳定，一直是影响国家经济社会发展的重要因素。在过去的几十年里，由于传统基础设施管理系统的低效和资源的浪费，增加了人们对技术改进的需求，希望更加经济、有效地管理老化的基础设施。建筑信息模型（BIM）技术已被公认为建筑工程、项目业主和运营商进行管理工作的首选工具。目前，将BIM引入道路、桥梁、隧道等基础设施领域以及建筑行业的研究也越来越多。

BIM具有基础设施从规划设计到施工维护，全生命周期管理的优势。在规划阶段引入BIM，可以系统地加强项目管理和利益相关者之间的协作。与此同时，BIM也有助于在设计阶段的协作，并提高设计质量和减少错误等。在施工阶段，BIM可以通过减少时间和资源的浪费来提高生产效率和工作流程。另外，在规划和设计阶段存储的基础设施BIM数据，可以用于后期维护。通过BIM与先进技术的集成，如带数码相机的机器人和无人机（UAV）系统、3D激光扫描和光探测与测距（LiDAR）、3D模型构建算法和人工智能算法等可以有效地维护基础设施。

到2027年，全球BIM市场规模将扩大到150.6亿美元。美国、加拿大、德国、英国、中国、日本、印度、韩国、新加坡等许多国家都采用并开发了相关的BIM工具。在韩国，国土交通部（MOLIT）于2020年12月宣布，在建设行业的基础设施项目中全面引入BIM。《建筑行业BIM基本指南》和《2030年BIM激活路线图》中指出，通过与每一个利益相关方共享建筑行业的规划、设计、施工和维护阶段的信息，为基础设施的生命周期管理做好准备，以最大限度地提高生产率。此外，在《建筑行业BIM基本指南（2020年版）》中，还对BIM应用于建筑的程序、BIM定义的主要标准和通用数据环境作了要求。因此，建议使用国际标准格式，如工业基础类的IFC格式和可扩展标记语言XML来管理通用数据环境中的基础设施。因为基础设施管理项目涉及不同的利益相关者，使用不同的软件程序，如Autodesk BIM 360、Trimble Connect、Bentley等，通常难以实现数据交换。

因此，在本文中对基础设施管理的最新技术进行了系统的分析。提出了一种基于BIM平台的生命周期管理方法。通过使用基础设施BIM平台，可以与通用数据环境中的利益相关者在建筑管理方面进行合作。通过基于基础设施BIM平台的定期巡检数据库，进行时程分析、损伤增长预测、维修拆除决策等系统化管理，实现基础设施的全生命周期管理。

虽然基础设施在其生命周期中会历经许多阶段，但主要可以划分为三个阶段进行分析:规划设计、建设、管理。

在规划阶段，BIM可以帮助决策者在许多场景中有效、快速地确定最佳解决方案。BIM从大型项目开始应用，使得沟通变得简单，同时加强了不同利益相关者之间的协作。BIM也适用于在设计阶段减少设计错误、提高质量、检查质量和冲突等。Haussler和Borrmann提出了14种质量参数，建立了标准化的设计质量验证手段。Park等人提出了一个扩展的IFC模式，但对于钢箱梁桥仍无法完成，他们在设计阶段开发了一个基于IFC的钢桥信息模型。Borrmann等人开发了基于IFC的多尺度BIM盾构隧道模型，采用CityGML中的多尺度模型进行转换。Nath等人提出了基于BIM的预制车间图纸生成增强工作流。Girardet和Boton开发了一个参数文件，用于设计和生成任何类型的桥梁，以解决BIM模式在桥梁工程中的应用困难。

一个完善的BIM模型在规划和设计阶段的意义重大，不仅可以减少施工错误、缺失和冲突，而且可以在施工阶段提高施工质量和流程。Shin等人利用7个建筑项目验证了在铁路施工现场采用BIM的优势。Lee等人开发了桥梁BIM模型，将预制箱梁桥的设计与施工过程相结合。Liu等人则开发了4D GeoBIM，将BIM与地理信息系统（GIS）相结合，确保施工效率和安全。Koch等人提出了安全隧道建设的隧道信息建模框架。

当然，施工阶段的时间、成本、资源管理也很重要。Mawlana等人提出了4D BIM来顺序构建和重建高速公路，以防止潜在的时空冲突概率。Ding等人开发了一种多维建模技术，将工作分解结构（WBS）与轨道交通施工等其他施工结构集成在一起。

在建设之后，基础设施需要定期监测以保证其功能性和安全性。在美国，国家桥梁检验标准（BNIS）要求公路桥梁至少每两年检查一次。在韩国，基础设施从1995年开始，根据《设施安全控制和维护特别法》进行定期管理。基础设施的结构健康监测是生命周期管理的主要内容。Valdependas等人开发了用于端口维护的BIM。Lee等人开发了BIM-3D GIS系统框架，用于有效维护综合管廊。Sharafat等人为地下公用事业管理系统开发了BIM-GIS框架。Boddupalli等人提出了一个SHM-BIM数字平台，用于基础设施的自动化健康监测。Kaewunruen等人提出了6D BIM，用于桥梁全生命周期的时间计划管理、成本估算和碳足迹分析。

对大型基础设施，尤其是检测人员难以进入的地区进行检查时是困难和危险的。因此，在机器人和无人机上应用传感器，如数码相机、激光雷达等，做了许多试验。Kim等人开发了用于混凝土桥梁健康监测的无人机系统。Jiang和Zhang开发了一种爬墙无人机来检测混凝土桥的表面裂缝。Ribeiro等人提出了一种使用无人机用于高层通信塔的结构健康监测系统。Jang等人开发了一种用于混凝土桥墩裂缝评估的多数字摄像头环形攀爬机器人系统。

从机器人上的传感器收集的数据被用来建立3D模型。激光雷达被广泛用于在数字领域建立一个已建成的基础设施3D模型。摄影测量算法也可以使用数字图像来建立三维模型，而利用三维点云数据同样可以生成BIM模型。

为了尽早发现基础设施的损坏，目视检查技术在过去的几十年里被广泛接受。然而，目视检查是不安全、耗时和不可靠的。为了克服这些问题，图像处理方法被提出作为视觉检测的替代方法，但恶劣的基础设施环境干扰了图像处理模块的应用。

最近，人们提出了基于深度学习的损伤评估技术，可以根据可靠的损伤评估结果自动做出决策。基于卷积神经网络（CNN）的损伤分类技术已经被提出。Cha等人提出了CNN用于滑动窗口技术的裂缝检测。Kim和Cho利用AlexNet的迁移学习技术，开发出了“漏洞检测网络”。Jang等人提出了一种使用混合图像扫描系统的混凝土裂缝检测网络。Dorafshan等人验证了基于深度学习的混凝土裂缝检测方法，比图像处理方法具有更好的性能。Hoang等人也证实了基于深度学习的路面裂缝检测效果优于图像处理方法。此外，区域卷积神经网络（R-CNN）已被用于自动定位损伤。Cha等人开发了一种更快的R-CNN来分类和定位多种损伤，如裂缝、腐蚀和桥梁/建筑物的分层。Zhang等人则开发了一种基于Yolo的算法，用于对桥梁的多种损伤进行分类和实时定位。

语义分割网络已经被广泛用于对像素级的损伤区域进行分类。Feng等人开发了基于语义分割网络的大坝结构段裂缝CDDS网络。Li等人提出了一种将na?ve Bayes数据融合方法与FCN相结合的多损伤分割网络。Choi和Cha提出了用于实时裂缝检测的SDDnet。

深度学习技术通常被用于机器人系统的自动损伤检测软件。Kang和Cha开发了用于无人机（UAV）系统裂纹探测的CNN。Kim等人利用R-CNN开发了用于无人机系统的桥梁裂纹定位。Jiang和Zhang为爬壁机器人研制了一种实时的裂缝分割网络。Jang等人开发了一种用于攀爬机器人的裂缝分割网络。

在众多数据算法的基础上，将BIM和最先进的技术相结合，提出了基础设施BIM平台。

基础设施BIM平台主要由5个部分组成：规划和BIM模型设计；基于4D/5D BIM的施工管理与监控；扫描到BIM，使用无人机从已建成的基础设施上收集的数据；基于深度学习的自动损伤评估与制图；用于生命周期管理的基础设施的年度分级。

为了通用数据环境的构建，该平台是基于web架构的，涵盖了基础设施从规划到拆除的全生命周期。首先，基于2D设计模型、工作/组织/成本分解结构，建立4D/5D BIM模型；然后使用4D/5D BIM模型系统地进行施工，4D/5D BIM模型作为国际标准格式（IFC和XML）与利益相关者共享。建成之后，利用嵌入式机器人的传感器收集数据、扫描建立纹理映射BIM模型。使用经过训练的深度学习网络，自动检测收集到的数据中的损伤。通过将检测到的损伤映射到BIM模型，建立一个损伤映射BIM模型。基础设施定期分级，并由各国法律管理。因此，通过BIM模型定期更新，过时的BIM模型成为参考模型，然后对基础设施BIM平台的特殊部分再进行详细的说明。

一个基础设施BIM平台应该被开发成一个基于网络的平台，以兼容许多不同的利益相关者的使用习惯，如客户、BIM管理人员、施工管理人员和安全管理人员等。此外，一个不需要其他软件辅助的网络平台可以满足使用者进行随时随地访问。在通用数据环境中使用网络平台可以显著减少通信过程中的信息、成本损失和错误。

当基础设施项目开始建设时，项目所有参与者在基于网络的基础设施BIM平台上进行注册。项目的每一步和信息都会被更新并与大家分享。IFC和XML文件在规划方案确定之后上传，IFC检查器和查看器自动检查设计的模式完整性。如果上传的文件被接受，则在仪表板上显示施工进度、位置、日期、成本等信息。基础设施建设的进度和成本是基于工作分解结构和成本分解结构进行管理的，并已经嵌入在基础设施BIM平台的计算模块中。因此，在上传IFC和XML文件时，由计算模块自动计算数量、进度和成本。

在基础设施建设完成后，损害已经存在或即刻发生。因此，必须对基础设施进行检查，并在随后可以参考已建成的BIM模型。

以广泛采用各种机器人。例如，利用内置了多台数码相机的攀爬机器人扫描桥墩表，将采集到的数据更新到BIM模型中。同样，使用只有1台数码相机的无人机也可以扫描整个桥梁表面，将收集到的数据结合摄影测量算法，建立出一个3D模型。

通过深度学习网络在采集的数据中检测损伤，并训练该网络检测多种类型的损伤，如开裂、剥落、生锈、钢筋暴露等。然后利用输出图像中的分割区域，使用图像处理算法计算损伤的长度和宽度。保存定量分析结果，映射到BIM模型中。

建立数字孪生模型是基础设施生命周期管理的目标。然而，数字孪生模型仍仅适用于数据共享和可视化。利用基础设施BIM平台存储的历史时间数据，建立基于人工智能的损伤增长预测算法。然后，通过结合最先进的技术，可以在数字领域实现基础设施的生命周期管理。

在通用数据环境中，与利益相关方开展基于BIM平台的协作，可以有效地实现基础设施的生命周期管理。利益相关者可以利用基于web的BIM平台实时访问和交换必要信息，从而提高基础设施生命周期管理的效率。最近，先进的自动化技术已被广泛应用于基础设施管理领域。特别是通过无人机、攀爬机器人等，实现了数据采集的自动化。此外，机器学习或深度学习网络使相应的数据处理实现完全的自动化。然而，使用基于web的BIM平台，系统的生命周期管理仍然很困难。虽然在基础设施建模的数据管理的初始阶段有大量的试验，但实时或周期性的数据更新在技术上仍然具有挑战性。为了实现技术要求，需要继续开发实时更新的数据采集系统和时序数据处理系统。作为一个有前途的后续研究，笔者团队目前正在开发数字基础设施孪生建模和自动更新技术，将与现在的BIM平台集成到一起。