1.一种基于BIM的多式联运的动态优化方法，其特征在于，包括：获取货运机械设备的设备信息，通过BIM对货运机械设备建模，生成货运机械设备模型，其中，货运机械设备模型的模型精度为部件级，并设置货运机械设备模型的材料属性、物理特征及约束条件；其中，货运机械设备模型的物理特征包括：货运机械设备的速度、加速度、布点位置和工作范围，货运机械设备模型的约束条件包括：货运机械设备的极限运动里程和最大旋转角；货运园区模型的物理特征包括：生产房屋的面积、标高和位置，货运园区模型的约束条件包括场地红线和建筑限高；获取货运园区的园区信息，通过BIM对货运园区建模，生成货运园区模型，其中，设置货运园区模型的材料属性、物理特征及约束条件；根据货运机械设备模型和货运园区模型，进行到达集装箱与发送集装箱全流程的BIM仿真，生成多式联运的运输所需要的时间T，并根据货运机械设备模型的材料属性，获取货运机械设备的疲劳极限次数，根据疲劳极限次数计算货运机械设备所需的维修保养时间，其中时间T包括卸货时间、装货时间和运输时间；根据货运机械设备建模和货运园区模型，结合蚁群算法，计算货运园区内的最佳运输路线，其中，设置新的启发函数，调整蚁群算法，其中，设置新的启发函数包括：道路通行指数 和道路的通行难易系数 ，并计算集装箱运输路径的当量长度 ，根据当量长度 ，设置新的启发函数 ；根据当量长度 ，设置新的启发函数包括：计算道路通行指数 ， ，t为蚂蚁从节点i运动到节点j的时间， 为从节点i到节点j道路能见度影响系数， 为从节点i到j同行的运送集装箱的卡车之间的影响系数；通行难易系数 ， ， 为在货运园区内运送集装箱的卡车的当前速度， 为货运园区内通畅时运送集装箱的卡车的速度；当量长度 ， ， 是货运园区内通道的几何长度；启发函数 ， ，当量长度 越小，蚁群算法的启发程度就越高，从而选择最佳运输路线。
2.如权利要求1所述的一种基于BIM的多式联运的动态优化方法，其特征在于，计算货运机械设备所需的维修保养时间包括： ，其中： 为货运机械设备的运行时间，N为货运机械设备在材料属性下的疲劳极限次数， 为安全系数。
3.如权利要求1所述一种基于BIM的多式联运的动态优化方法，其特征在于，设置新的启发函数包括： ，其中， 为启发函数， 为权重系数， 为当前节点到目标节点的距离，道路通行指数 的取值范围为[0,1]，道路的通行难易系数 的取值范围为[0,1]。
4.一种基于BIM的多式联运的动态优化系统，其特征在于，包括：获取设备信息模块，用于获取货运机械设备的设备信息，通过BIM对货运机械设备建模，生成货运机械设备模型，其中，货运机械设备模型的模型精度为部件级，并设置货运机械设备模型的材料属性、物理特征及约束条件；其中，货运机械设备模型的物理特征包括：货运机械设备的速度、加速度、布点位置和工作范围，货运机械设备模型的约束条件包括：货运机械设备的极限运动里程和最大旋转角；货运园区模型的物理特征包括：生产房屋的面积、标高和位置，货运园区模型的约束条件包括场地红线和建筑限高；获取园区信息模块，用于获取货运园区的园区信息，通过BIM对货运园区建模，生成货运园区模型，其中，设置货运园区模型的材料属性、物理特征及约束条件；仿真模块，用于根据货运机械设备模型和货运园区模型，进行到达集装箱与发送集装箱全流程的BIM仿真，生成多式联运的运输所需要的时间T，并根据货运机械设备模型的材料属性，获取货运机械设备的疲劳极限次数，根据疲劳极限次数计算货运机械设备所需的维修保养时间，其中时间T包括卸货时间、装货时间和运输时间；计算最佳运输路线模块，用于根据货运机械设备建模和货运园区模型，结合蚁群算法，计算货运园区内的最佳运输路线，其中，设置新的启发函数，调整蚁群算法，其中，设置新的启发函数包括：道路通行指数 和道路的通行难易系数 ，并计算集装箱运输路径的当量长度 ，根据当量长度 ，设置新的启发函数 ；根据当量长度，设置新的启发函数包括：计算道路通行指数 ， ，t为蚂蚁从节点i运动到节点j的时间， 为从节点i到节点j道路能见度影响系数， 为从节点i到j同行的运送集装箱的卡车之间的影响系数；通行难易系数 ， ， 为在货运园区内运送集装箱的卡车的当前速度， 为货运园区内通畅时运送集装箱的卡车的速度；当量长度 ， ， 是货运园区内通道的几何长度；启发函数 ， ，当量长度 越小，蚁群算法的启发程度就越高，从而选择最佳运输路线。
5.如权利要求4所述的一种基于BIM的多式联运的动态优化系统，其特征在于，计算货运机械设备所需的维修保养时间包括： ，其中： 为货运机械设备的运行时间，N为货运机械设备在材料属性下的疲劳极限次数， 为安全系数。
