[发明专利]一种城市建筑物窗墙比自动识别方法

说明书

本发明公开了一种城市建筑物窗墙比自动识别方法。通过拍摄满足一定要求的样本图片，并进行像素级标注，生成XML文件导入改进的Unet架构中。运用缩放与扫窗的方式对图片中的外墙与窗户分别进行识别训练。训练完成后，选取一定数量的样本进行预测与图片修补，当满足80%以上的预测样本识别误差小于10%时，认为模型训练效果较好。此时，依据已设定的参数建立模型预测库，并推广到城市海量建筑的窗墙比识别应用中。对于城市大范围的图片获取，可依赖拍摄或免费地图网站。最终，将需预测的图片输入模型预测库，预测得到每幢建筑的窗墙比值。本发明提供的城市建筑物窗墙比自动识别方法可服务于城市能耗模拟，将有效提高城市能耗模型的建立速度及精度。

技术领域

本发明属于节能技术领域，涉及城市能耗模拟的模型构建，具体为一种城市建筑物 窗墙比自动识别方法。

背景技术

在新时代下，实现节能减排这一目标，不仅需要分析当下的能源消耗，还应对城市未来的能耗需求有一个较为清晰、准确的预测，以提前制定出合理、有效的能源政策。 这一迫切的需求，催生出了“城市能耗模拟”这一方法。

城市能耗模拟，是一种“自下而上”，基于物理模型的模拟方法。通过建立城市的三维模型，并为其赋予包括围护结构热工参数，设备系统参数，人员活动表，设备运行 表，天气信息等在内的诸多信息，以运行耗模拟软件进行城市能耗模拟。德国学者Nouvel(2017)指出，城市能耗模拟的准确性与其输入参数的准确性有着十分密切的关系。而 在这些输入参数中，城市三维模型的建立既是模拟的基础，也是模拟的关键。一个准确 的城市三维模型的建立，可以大大提高城市能耗模拟的精度。美国学者Cerezo Davila (2016)指出，在城市三维模型的建立中，窗墙比信息往往与实际值有很大偏差。窗墙 比是指，某一朝向的外窗(包括透明幕墙)总面积，与同朝向墙面总面积(包括窗面积 在内)的比值。这一参数，通常决定建筑物的采光与隔热效果，对建筑的能耗有着重要 影响。而在实际操作中，由于该指标不易直接得到，研究者们为了简化建模，通常以 0.1-0.8之间的随机值，作为建筑物的窗墙比值。这一简化，无疑造成了输入参数的不精 确，进而影响整个城市能耗模拟的精度。

近年来，鲜有对建筑物窗墙比信息获取的研究。一种较为先进的方法是通过无人机 的倾斜摄影，来获取建筑物窗墙比信息。但是这种技术手段实施费用昂贵，并且在城市中飞行无人机，需要受到诸多管制，很难大范围拍摄。因此，该方法对于城市尺度海量 建筑的窗墙比信息获取是较为困难的。随着计算机深度学习的不断发展，图像识别技术 也变得愈发成熟。图像识别技术目前被广泛地用于自动驾驶，室内导航，街景分析等。 西班牙学者Garcia-Garcia(2017)在论文中指出，计算机通过诸如卷积神经网络的算法， 从大量的训练样本中学习，实现不同物体间的语义分割，以完成图像识别。虽然训练样 本的收集与整理需要花费一定量的时间与人力，但考虑到这是一个一劳永逸的工作，建 立一个有效的训练数据库是十分必要的。

发明内容

本发明要解决的问题是：现有的获取建筑物窗墙比的方法准确度不高，或者实施成 本过于昂贵，无法推广到城市海量建筑的建模中，需要一种更为低廉、快速、准确、普 适的城市建筑物窗墙比信息获取方法，为城市能耗模拟研究提供技术支持。

为解决上述技术问题，本发明公开了一种城市建筑物窗墙比自动识别方法，对于城 市海量建筑的窗墙比信息获取，也需要建立一个包含一定数量建筑立面的训练库，以指导计算机自动识别出其他剩余建筑的窗墙比。事实上，训练样本的数量远少于需要识别 的建筑数。通过这种方法，既可以大大提高工作效率，而且相对于常规的“随机值法” 而言，也能提高城市三维建模的精度，进而提高城市能耗模拟的准确性。

为达到上述目的，本发明公开了一种城市建筑物窗墙比自动识别方法，包括以下步 骤：

步骤一：样本建筑立面拍摄，获得样本图片；

样本建筑立面拍摄是建立训练库的初始步骤。对于样本的选择，具有以下要求：