首页--交通运输论文--铁路运输论文--特种铁路论文--地下铁路论文

基于BIM技术的地铁集成化风险管理模型研究

致谢第5-6页
摘要第6-7页
Abstract第7页
第1章 绪论第11-18页
    1.1 选题背景及研究意义第11-12页
        1.1.1 研究背景第11-12页
        1.1.2 研究目的和意义第12页
    1.2 研究现状与文献综述第12-15页
        1.2.1 项目风险管理发展概况第12-13页
        1.2.2 风险集成化管理研究第13-14页
        1.2.3 建筑信息模型( BIM)技术研究现状分析第14-15页
    1.3 研究内容和技术路线第15-17页
        1.3.1 研究内容第15-16页
        1.3.2 技术路线第16-17页
    1.4 论文创新点第17-18页
第2章 相关理论概述及问题分析第18-30页
    2.1 地铁建设工程风险内涵定义第18-21页
        2.1.1 对风险理解的不同观点第18-19页
        2.1.2 地铁工程项目风险特点第19-20页
        2.1.3 风险内涵模型化第20-21页
    2.2 集成化风险管理理论基础第21-25页
        2.2.1 理论一:传统风险管理理论第21-23页
        2.2.2 理论二:工程建设项目全生命周期理论第23-24页
        2.2.3 理论三:工程项目组织理论第24-25页
    2.3 BIM技术应用理论第25-28页
        2.3.1 BIM的核心理念和特点第25-27页
        2.3.2 BIM平台搭建第27-28页
    2.4 地铁建设风险管理现存问题分析第28-30页
        2.4.1 传统地铁建设风险管理现存问题第28-29页
        2.4.2 BIM应用于地铁建设工程风险管理优势第29-30页
第3章 基于BIM技术的地铁集成化风险管理体系构建第30-42页
    3.1 BIM技术在各阶段作用分析第30-35页
        3.1.1 投资规划阶段第30-32页
        3.1.2 设计阶段第32-34页
        3.1.3 施工阶段第34-35页
    3.2 基于BIM技术的地铁集成化风险管理体系构建第35-40页
        3.2.1 集成化风险管理既有成果第35-37页
        3.2.2 基于BIM技术的地铁集成化风险管理模型(BIRM)第37-40页
    3.3 BIRM模型体系应用第40-42页
第4章 BIRM模型下的风险管理系统分析第42-65页
    4.1 BIRM模型下的风险管理组织结构第42-47页
        4.1.1 国内地铁地铁公司组织架构第42-44页
        4.1.2 风险管理组织模型第44-45页
        4.1.3 组织评估指标体系第45-47页
    4.2 BIRM模型下的风险识别模型第47-57页
        4.2.1 风险辨识的方法第47-49页
        4.2.2 BIRM模型下的风险识别流程第49-51页
        4.2.3 地铁建设工程各阶段风险识别第51-57页
    4.3 BRIM模型下风险评估模型第57-61页
        4.3.1 风险评估的主要目的第57页
        4.3.2 现行风险评估技术第57-59页
        4.3.3 风险评估模型研究第59-61页
    4.4 BIRM模型下的风险应对第61-65页
        4.4.1 风险应对计划第61页
        4.4.2 BIM技术规避风险第61-65页
第5章 深圳地铁X号线案例分析第65-75页
    5.1 项目概况第65-67页
        5.1.1 工程概况第65-66页
        5.1.2 工期要求第66-67页
    5.2 项目风险识别第67-69页
    5.3 项目风险应对措施第69-71页
    5.4 基于BIM技术风险管理应用举例第71-75页
        5.4.1 方案比选应用第71-73页
        5.4.2 施工设计阶段风险管理应用第73-75页
第6章 结论与展望第75-76页
    6.1 结论第75页
    6.2 展望第75-76页
参考文献第76-79页
附录A 冲突检测矩阵表第79-80页
附录B LOD深度说明表第80-81页
作者简历第81-82页
学位论文数据集第82-83页

论文共83页,点击 下载论文
上一篇:基于宜居城市理论的自行车道系统研究
下一篇:基于贝叶斯神经网络的红外空空导弹抗干扰性能评估