本项目以面向BIM的建筑大数据智能融合为目标，从面向BIM的大数据并行计算框架、面向建筑全过程数据融合和面向BIM的建筑大数据智能融合存储等方面开展了创新突破，研制了城市信息模型的融合方法和系统。主要创新成果如下： （1）目前关联实体识别研究还主要集中于单模同质环境，需要先验关联实体的技术难点。项目专利“ZL202010806775.3 一种基于跨网络表示学习的多模异质关联实体识别方法”通过两个多模异质信息网络，利用随机游走路径及迭代的方法得出转移概率，经过数学运算，结合多模异质、属性、环境一致性判断关联实体，形成一套多模异质信息网络形式化描述方法和基于跨网络表示学习的多模异质关联实体识别模型和方法。 （2）为克服BIM三角剖分需要大量内存且对算力要求高的问题。基于IFC规范，通过专利“ZL202010104642 .1 建筑信息模型产品的几何数据分割方法”根据IFC文件中各BIM产品的几何数据的IFC实例之间的关系，构建每个所述BIM产品的异构几何关系模型，计算出每个IFC实例包含的几何数据的大小，结合IFC实例的可分割状态进行标记、分割使其达到预设总阈值实现了对原始BIM数据进的分割，基于分割结果使用并行方式可以加速三角剖分和渲染过程。本项目专利“CN201910277093.5 基于并行计算框架的建筑信息模型三角剖分方法及装置”利用有限的内存对大型的BIM模型进行三角剖分，将目标BIM模型的IFC文件划分为多个IFC子文件分配给多个IFC三角剖分单元，通过并行计算框架件述IFC三角剖分单元的IFC子文件进行三角剖分，降低了内存使用和时间消耗,突破BIM密集型计算的算力瓶颈。通过专利“ZL202010104864.3 建筑大数据缓存方法及装置”将深度强化学习和移动边缘缓存进行结合，基于移动边缘网络的MEC架构，对建筑大数据在MEC服务器中的内容项进行合作缓存，优化建筑大数据的缓存性能。 （3）为克服建筑全过程中数据多源异质融合效率低、准确率不高的问题，项目专利“ZL201911360578.7 一种BIM模型和GIS模型配准方法”提取BIM模型和GIS模型的特征点形成特征点集合，进行粗匹配得到相应点对，通过精准匹配建立一一对应的点对关系，结合空间配准求取配准姿态参数，实现自动精准匹配，提高自动化程度。通过专利“CN202210055032.6三维模型和地理信息系统的融合方法及装置 ”通过将3D模型的俯视图截图和3D模型所在区域的卫星影像图作为图像匹配模型的输入,得到相应的匹配点对，计算3D模型所在区域的卫星影像图上的映射区域以及其中心经纬度，最终将3D模型按照中心经纬度映射到GIS中对应区域，基于中心经纬度将3D模型和GIS数据进行融合，实现面向BIM的建筑全过程空间数据融合。