[发明专利]一种大学校园的规划布局分级生成方法

权利要求书

1.一种大学校园的规划布局分级生成方法，其特征在于，包括以下步骤：

S1、搜集大学校园的规划设计平面布局案例作为原始数据集；

S2、基于统一的标准原则，对原始数据集进行标注并扩充数据；

S3、基于机器学习算法训练标注的数据集，得到机器学习模型，并对机器学习模型进行测试；

S4、大学校园规划布局分级生成：先划分校园内部功能，根据用地条件生成校园内部功能分区，再根据校园内部功能分区生成建筑功能布局，最终实现大学校园的规划设计布局方案的自动生成。

2.根据权利要求1所述的一种大学校园的规划布局分级生成方法，其特征在于，步骤S1中，收集具有相同特征的大学校园的规划设计平面布局案例，通过建筑师运用相关的建筑知识，对校园规划设计平面的类型进行筛选。

3.根据权利要求1所述的一种大学校园的规划布局分级生成方法，其特征在于，标注内容包括预设图纸大小、比例和各功能建筑单体标准原型的图像，根据预设的图纸大小和比例，对原始数据集的图像调整成统一的大小。

4.根据权利要求1所述的一种大学校园的规划布局分级生成方法，其特征在于，步骤S2中，采用数据增强的方式扩充数据，通过将图像进行水平翻转及垂直翻转方式增加数据量，并将数据分为训练图像集和测试图像集。

5.根据权利要求1所述的一种大学校园的规划布局分级生成方法，其特征在于，训练标注的数据集包括：

预设机器学习模型和机器学习模型参数，调整机器学习模型参数，对训练图像集和测试图像集进行训练和验证，得到设置参数；

机器学习模型为pix2pix生成对抗网络模型或者pix2pix HD模型。

6.根据权利要求5所述的一种大学校园的规划布局分级生成方法，其特征在于，所述pix2pix生成对抗网络模型用于处理成对的图像翻译问题，即图像和图像之间的映射。

7.根据权利要求5所述的一种大学校园的规划布局分级生成方法，其特征在于，pix2pix HD模型在pix2pix模型生成对抗网络模型上进行优化，生成图像和图片的语义编辑。

8.根据权利要求5所述的一种大学校园的规划布局分级生成方法，其特征在于，pix2pix生成对抗网络模型或pix2pixHD模型的分级训练步骤如下：

将周围场地道路、周边街区功能和大学内部的功能分区和道路网作为成对数据输入pix2pix生成对抗网络模型或pix2pixHD模型中进行学习，得到第一模型；

再将大学内部的功能分区和道路网和真实大学校园布局平面图作为成对数据输入pix2pix生成对抗网络模型或pix2pixHD模型中进行学习，得到第二模型；

模型测试：对训练好的模型将测试图像集分别输入第一模型和第二模型中，进行图像生成；

将周围场地道路和周边街区功能输入第一模型，生成大学内部的功能分区和道路网；

将生成的大学内部的功能分区和道路网输入第二模型，生成最终的大学校园布局平面图，从而得到以环路环绕景观形成中心区为主要特征的大学校园布局结果，不断调整机器学习模型参数，直到得到合理的生成结果。

9.根据权利要求1所述的一种大学校园的规划布局分级生成方法，其特征在于，所述用地条件包括城市主干道、水体、山体、场地周围街区。

10.根据权利要求1～9任一项所述的一种大学校园的规划布局分级生成方法，其特征在于，最终生成大学校园的规划布局方案导出为预设类型的文件，所述预设类型包括位图、矢量图。