[发明专利]一种基于多模态时空数据的大学校园户外公共空间优化方法

权利要求书

1.一种基于多模态时空数据的大学校园户外公共空间优化方法，其特征在于，包括以下步骤：

S1、收集形态与活力的多模态时空数据，建立形态与活力信息数据库；

S2、通过数据库根据形态和活力各自的关键性指标体系和数据对于大学校园户外公共空间进行量化研究与分析；

S3、通过校园户外公共空间中以人本尺度的感知数据实测和分析；

S4、构建大学校园户外公共空间的空间形态—人体感知—空间活力之间的动态模型，获取空间形态与空间活力之间的关联机制；

S5、从规划布局上优化整体户外公共空间系统，在校园空间中加入基础设施。

2.根据权利要求1所述的一种基于多模态时空数据的大学校园户外公共空间优化方法，其特征在于，所述S1具体为：

S1.1、对户外公共空间案例空间形态的基础资料和数据进行数据提取、实测与整理；

S1.2、对数据进行不间断的记录，并对记录的数据进行提取与处理后绘制活力地图；

S1.3、对户外空间的空间形态和活力的数据和图示信息进行梳理，运用SPASS软件对于调研和实测数据进行系统处理和分析，利用GIS构建大学校园户外公共空间形态与活力信息的数据库。

3.根据权利要求2所述的一种基于多模态时空数据的大学校园户外公共空间优化方法，其特征在于，所述记录的数据为采用视频定位技术辅助的空间注记法获取空间形态定位数据。

4.根据权利要求1所述的一种基于多模态时空数据的大学校园户外公共空间优化方法，其特征在于，所述S3中实测包括物理环境数据和人体感知数据，分析是结合物理感知、空间感知、感知影响因素调研结果进行动态模型构建。

5.根据权利要求1所述的一种基于多模态时空数据的大学校园户外公共空间优化方法，其特征在于，所述S4具体包括：

S4.1、运用随机森林数据挖掘数据匹配，XG Boost机器学习算法建模，揭示空间形态和活力各自的关键性指标体系和核心影响因素及其相互关系，建立动态模型；

S4.2、运用主成成分分析法降维FP-Growth算法关联性分析，获取其间的影响机制，利用XG Boost机器学习算法建模定量分析，获取其间的反馈机制，对影响机制和反馈机制进行整合分析，建立关联机制。

6.根据权利要求1所述的一种基于多模态时空数据的大学校园户外公共空间优化方法，其特征在于，所述S5具体包括：

S5.1、从规划布局上优化整体户外公共空间系统，从总体布局层面和特殊形态层面优化提升相对应的指标，实现户外空间形态的优化；

S5.2、借助于ENVI-MET、ECOTECT或CFD数值模拟软件作为技术支撑，对于优化方案的户外空间物理环境参数进行量化模拟分析，实现优化方案的动态反馈和调整完善；

S5.3、结合校园整体户外空间系统分析，在校园空间中加入基础设施。