[发明专利]一种城市海量建筑分类方法

说明书

本发明公开了一种城市海量建筑分类方法。使用公开数据源获得建筑基底平面图与POI，并将两者在Arcmap中进行空间连接。选取一定数量的训练样本，使用逻辑斯蒂克回归模型，建立与目标分类数量一致的分类器，通过python语言编程，迭代获取参数权重。接着，选取一定数量的验证样本，将参数权重代入各分类器中求出数值，选取数值最大的分类器所对应的类型作为该建筑的预测类型。将预测类型与实际类型作比较，当预测准确率≥90%时，可通过精度验证。最后，在Arcmap中利用“字段计算器”功能，编程自动赋值，确定城市建筑类型。本发明提供的城市海量建筑分类方法可服务于城市能耗模拟领域，尤其适用于“建筑原型法”。

技术领域

本发明涉及城市能耗模拟领域，特别是涉及一种城市海量建筑分类方法。

背景技术

为了应对目前面临的能源短缺与环境恶化问题，多国政府陆续建立了节能减排目标这一宏观目标。美国计划在2025年前减少26-28％的温室气体排放，欧盟计划在2030年前减少40％的温室气体排放。我国也在《国家应对气候变化规划(2014-2020年)》中指出，截至2020 年实现单位国内单位生产总值二氧化碳排量比2005年下降40-45％。为了达到这些目标，城市官员们迫切需要一种合适的方法来模拟城市实际所需能耗，以此为依据制定出合理的能源生产与使用计划，从而达到节能减排的目的。

近年来，新兴了一种“自下而上”的城市能耗模拟方法——城市能耗模型法。城市能耗模型的建立首先需要建立城市三维建筑模型，接着对其赋予包括围护结构热工参数，人员活动表，设备运行表，天气信息等在内的信息，最后将整个模型导入能耗模拟软件中进行城市能耗模拟。城市能耗模拟不同于建筑能耗模拟，其最明显的特征在于城市建筑体量巨大，若按照每一幢建筑的实际参数逐一赋值建模，是不切实际的。为了解决这一技术难点，国际上一种新型的方法为“建筑原型法”。由于同一类型的建筑，如商场、医院、超市等，其建筑设计规范相近，人员活动及设备运行规律类似，合并为一类建筑处理时，可以大大降低建模的工作量，节约运算时间并减少模拟成本。

在运用“建筑原型法”时，来自瑞典的E.Mata等人(2014)将城市建筑分为住宅与非住宅两个大类，接着将住宅建筑细分为单身公寓和家庭公寓两大类，又将非住宅建筑细分为办公建筑，商业建筑，医疗建筑，教育建筑与文体休闲建筑。中国台湾的学者F.Lin(2017)通过研究台湾的住宅类型，将住宅分为联排别墅，多层住宅，以及高层住宅。美国的研究者W.Li等人(2018) 又对非住宅建筑进行了细分，将办公建筑分为大型办公、中型办公与小型办公，将商业建筑分为餐厅、超市、商场，将学校分为小学和中学。事实上，对于整个城市能耗模拟而言，海量建筑的分类越精细，意味着可以建立更多类型的“建筑原型”，这对于提升模拟精度是十分有利的。

但是，在使用“建筑原型法”时，研究人员通常会面临如下问题：

1)能否依据公开数据进行建模与分类；

2)如何快速的对城市海量建筑进行分类，并保证较高的精确度；

城市能耗模拟不同于建筑能耗模拟的另一特征在于，城市建筑模型的完整建立无法通过一张张建筑施工图纸逐一建模完成。其原因既在于耗时过长，也在于无法获得城市中每一幢建筑的施工图纸。近年来，随着一些研究机构的城市数据开放，以及大型商业地图公司的测绘数据开放，这一问题正在被不断解决。本发明正是基于开放数据这一基础开展的。另外，在对城市海量建筑分类时，大多数研究是基于已有数据库中的数据，如美国劳伦斯伯克利国家实验室研发的CityBES平台。一个建筑的类型被确定后，储存进数据库，随着建筑数量的不断增加，整个城市的建筑分类也就自然而然的生成。这种方法的优势在于其不仅将城市海量建筑进行分类，同时也储存了大量的建筑信息。但是，该方法实施周期较长，并且当研究者需要研究一个没有相关数据库的城市能耗时，就无法借鉴此方法。因此，本发明以公开数据为基础与工具，开发一种更为快速的城市海量建筑分类方法，使其具有更好的普适性。

发明内容