如今我国BIM行业发展迅速，与人工智能结合应用已成为热门趋势。针对建筑巡检时仪器携带不便，且人工误差难以避免等问题，设计了基于BIM与机器学习的建筑智能巡检眼镜，实现了巡检设备的便携化与自动化。首先基于机器学习对建筑构件图片进行训练，实现构件识别功能；其次通过Dynamo可视化编程快速提取建筑构件信息；最后以树莓派为硬件载体设计建筑智能巡检眼镜，可准确识别建筑构件类型。本文方法可以大幅提升巡检效率，实现BIM技术与人工智能等领域的进一步融合。

数字孪生技术可建立现实对象与数字模型的精确对应关系, 进而开展基于真实数据的仿真, 以指导现实对象改进。以北京科技大学土木楼为例, 开展了基于数字孪生架构的建筑火灾安全评估与改造的研究。首先, 利用建筑信息建模(BIM)、物联网（IoT）和云技术(cloud technology), 并集成了风速、人数等实时感知数据, 建立了土木楼的数字孪生模型; 其次, 利用数字孪生模型, 开展基于实测数据的火灾蔓延与人员疏散模拟, 并与基于传统估计数据的模拟结果进行了比较; 最后, 根据模拟结果, 提出了建筑火灾安全的改进方案, 并评测了改进方案的效果, 为建筑消防安全改造提供了准确依据。结果表明: 数字孪生架构下的火灾安全评估结果更接近实际, 可以指导建筑火灾安全改造。