Document
拖动滑块完成拼图
个人中心

预订订单
商城订单
发布专利 发布成果 人才入驻 发布商标 发布需求

请提出您的宝贵建议,有机会获取IP积分或其他奖励

投诉建议

在线咨询

联系我们

龙图腾公众号
专利交易 商标交易 积分商城 国际服务 IP管家助手 科技果 科技人才 会员权益 需求市场 关于龙图腾 更多
 /  免费注册
到顶部 到底部
清空 搜索
当前位置 : 首页 > 专利喜报 > 中国交通信息科技集团有限公司杭州分公司蒋海峰获国家专利权

中国交通信息科技集团有限公司杭州分公司蒋海峰获国家专利权

买专利卖专利找龙图腾,真高效! 查专利查商标用IPTOP,全免费!专利年费监控用IP管家,真方便!

龙图腾网获悉中国交通信息科技集团有限公司杭州分公司申请的专利一种BIM模型全生命周期拆分与跨模型同步方法及系统获国家发明授权专利权,本发明授权专利权由国家知识产权局授予,授权公告号为:CN121387976B

龙图腾网通过国家知识产权局官网在2026-04-07发布的发明授权授权公告中获悉:该发明授权的专利申请号/专利号为:202511941655.3,技术领域涉及:G06F16/2455;该发明授权一种BIM模型全生命周期拆分与跨模型同步方法及系统是由蒋海峰;王厚霖;潘虹;吴敏;赵文祥;王雷;王书辉;温戈平;欧莹设计研发完成,并于2025-12-22向国家知识产权局提交的专利申请。

一种BIM模型全生命周期拆分与跨模型同步方法及系统在说明书摘要公布了:本公开提出了一种BIM模型全生命周期拆分与跨模型同步方法及系统。该方法包括:基于全生命周期编码规则对BIM模型构件进行编码,将各工程阶段私有属性与该工程阶段的构件编码进行绑定,存储至构件扩展属性中,生成包含多阶段属性信息的BIM主模型;基于规则引擎设置BIM模型拆分规则;解析BIM模型中每个构件的编码,将编码按层级与拆分规则中的筛选条件比对,将匹配成功的编码对应的构件数据打包,保存成为子模型;建立模型之间的关联映射;当源模型发生修改时,同步引擎根据源模型和与其相关联的目标模型之间的关联映射,执行目标模型的同步更新,从而提升跨阶段多参与方协同效率,为建筑行业数字化转型提供坚实技术支撑。

本发明授权一种BIM模型全生命周期拆分与跨模型同步方法及系统在权利要求书中公布了:1.一种BIM模型全生命周期拆分与跨模型同步方法,其特征在于,包括如下步骤: S1:基于全生命周期编码规则对BIM模型构件进行编码,将各工程阶段私有属性与该工程阶段的构件编码进行绑定,存储至构件扩展属性中,生成包含多阶段属性信息的BIM主模型; 编码结构由工程阶段、功能分类、空间维度、构件类型及构件序号组成; S2:基于规则引擎设置BIM模型拆分规则,拆分规则中的筛选条件至少包含以下维度中的一项或多项组合:工程阶段、功能分类、空间位置、构件类型及构件序号; S3:解析BIM模型中每个构件的编码,将编码按层级与拆分规则中的筛选条件比对,将匹配成功的编码对应的构件数据打包,保存成为子模型; S4:通过“元数据驱动+图数据库”联合,建立子模型与主模型、子模型与子模型之间的关联映射; S5:当源模型发生修改时,自动触发同步操作指令并传至同步引擎,同步引擎根据源模型和与其相关联的目标模型之间的关联映射,执行目标模型的同步更新; 其中,所述源模型为主模型或子模型,所述目标模型为主模型或子模型;当子模型发生修改时,不需要经由主模型中转,可通过子模型直接交互同步的方式,实现子模型与子模型之间的同步更新; 所述步骤S1包括如下步骤: S101:读取BIM模型数据,包括构件树层级、构件功能、构件类型、空间位置及其它挂接属性; S102:基于全生命周期编码规则与BIM模型数据,自动生成构件编码,编码结构由工程阶段、功能分类、空间位置、构件类型及构件序号组成; S103:将各工程阶段私有属性与该工程阶段的构件编码进行绑定,存储至构件的扩展属性中,同时关联构件公有属性,最终生成包含多阶段属性信息的BIM主模型; 所述步骤S3具体包括: 解析BIM模型中每个构件的编码,将编码按层级与拆分规则中的筛选条件比对,标记所有匹配成功的构件编码,自动调取其对应阶段的私有属性,并关联构件基础公有属性,形成完整的构件数据,最后将筛选出的构件数据打包,生成独立的子模型; 所述步骤S4中,主模型与子模型之间的关联关系为层级从属,子模型与子模型之间的关联关系包括单向依赖关系和双向非层级关系。

如需购买、转让、实施、许可或投资类似专利技术,可联系本专利的申请人或专利权人中国交通信息科技集团有限公司杭州分公司,其通讯地址为:311121 浙江省杭州市余杭区仓前街道良睦路1166号鼎创财富中心2幢5层5020室;或者联系龙图腾网官方客服,联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。