BIM的相关理念和技术被引入中国以来得到了快速的发展，在众多的大型项目工程中发挥关键优势。BIM技术具有深化设计、管线综合和管线碰撞检测、施工进度模拟控制等功能，但常规的BIM模型拥有大量的数据，对硬件要求过高，使BIM在推广过程有些阻碍。本文以具体工程为例，运用轻量化技术，通过BIMBox平台输出的成果指导机电工程的施工。结果证明，轻量化技术能够很好地降低硬件要求，有效地提高工作效率与施工的精细化管理。

建筑业的施工安全长久以来都是社会热点问题，然而消除施工安全隐患却始终是难点。随着无人机和人工智能技术的发展，将图像采集与识别技术应用到建筑施工安全防治领域是当前的研究热点之一。高空坠落事故是施工安全事故占比最大的事故类型，临边防护的缺失是导致高空坠落事故频发的主要原因之一。本文利用深度学习框架搭建了5种主流卷积神经网络模型，对无人机采集的3 600张施工现场图像数据集进行训练与测试。实验结果表明，5种模型识别安全检测中临边护栏的准确率皆已达到90%以上，经对比分析得出MobileNet模型对临边护栏识别效果最佳。研究结果验证了图像识别的CNN算法与无人机技术应用于快速识别施工现场安全隐患的有效性和可行性，有助于消除施工现场不安全隐患，提升建筑业的安全管理水平。

为提高建筑工人的个人危险感知能力、研究个体差异性会导致认知方式的差异，从而保障工人人身安全、预防现场事故发生、实现“因人而异”的安全管理。本文以建筑工人的人格特质为基础，采用眼动实验研究不同人格特质的建筑工人危险感知差异化能力，通过AOI兴趣区的注视点个数、首次注视时间、平均注视时间、总注视时间、眼动注视轨迹、眼动注视热点图统计分析建筑工人观看不同场景的危险感知情况。研究表明，神经质和外倾性明显的工人危险感知的注意力不够集中，感知危险的稳定性较低，宜人性明显的工人对危险的感知倾向于人的不安全状态，开放性明显的工人危险感知倾向于刺激性的事物，而严谨性明显的工人对危险的判断最为谨慎和深入，危险感知能力较强，感知危险的稳定性更好。研究为建筑工地工人筛选与管理提供基础，进一步降低建筑现场不安全事故的发生。

随着时代的发展，传统的施工技术已经不能完全解决现阶段施工技术多样、建筑材料不断更新、施工信息量庞大的施工过程中遇到的问题了，建筑业亟需一项能够解决以上问题的新技术，BIM应运而生。安全事故应急救援预案作为降低事故发生概率的重要手段，也需要进一步的研究，本文将在应急预案工作中使用BIM技术，以此提高工作效率。

建筑区域性规划是对城市空间使用的设计与规制，对城市环境及其内部活动之区位的物理形态、经济功能及社会影响具有重大意义。为解决建筑区域规划普遍存在的设计师主观依赖性和效率不高的问题，本文基于BIM技术和Dynamo衍生式设计的原理，提出建筑布局规划方案设计的智能优选方法，在确定并量化设计规划方案的各类约束条件的基础上，通过多目标遗传算法，实现了多约束条件下的区域建筑布局规划方案参数化智能优选，大大提高了BIM在早期规划阶段的设计能力和工作效率，为我国建设行业更深入地挖掘BIM应用价值提供了参考和借鉴。