[发明专利]一种大学校园的规划布局分级生成方法

说明书

本发明涉及一种大学校园规划布局的分级生成方法，基于pix2pix生成对抗网络模型，在案例选择、加工标注等方面提出一系列的非常规工作方法，并且创新提出分级学习的方法，包括以下步骤：搜集和筛选相同的空间特征的大学校园规划平面布局案例；统一标准标注案例；机器学习算法进行训练；大学校园规划布局分级生成。本发明将大学校园规划设计融入计算机算法，构建基于机器学习算法的学习框架，重点针对大学校园的内在规侓及其与城市的关系，提出一系列特定的案例筛选规则、重绘规则以及标注规则，通过特定的标注方法提高机器学习算法对于大学校园规划设计布局方案的学习效果，辅助规划设计师进行设计，提高设计效率。

技术领域

本发明属于规划设计生成的技术领域，尤其涉及一种大学校园的规划布局分级生成方法。

背景技术

人工智能算法技术的出现给建筑设计等传统行业带来了新的突破，在建筑设计实践方面，人为地对户型样本进行筛选和标注工作，实现了机器对于建筑公寓平面布局的有效学习，表现了深度学习技术在建筑平面布局生成方面的强大潜力。但是目前机器学习技术对于较大尺度的规划平面布局的学习尚未成熟，且尚无对于大尺度规划平面布局的统一有效的案例筛选规则和标注规则。

在规划设计领域，目前仍处于依赖人力去进行方案设计的阶段，会耗费大量的时间成本和人力物力，而生成方案的质量良莠不齐，在极大程度上取决于设计师的水平和经验，在方案设计前期无法快速预估后期方案生成的效果。同时，校园规划案例获取途径有限，很难形成巨大的样本库且通常由于设计师设计风格的不同而表现出多样化的特征，如果将案例不加分类筛选和标注处理，全部输入给计算机，则会出现生成结果不理想的问题(林文强.基于深度学习的小学校园设计布局自动生成研究[D].华南理工大学,2020.)。

发明内容

结合以上问题，本发明提出一种基于人工智能pix2pix生成对抗网络模型，针对特定空间特征的一种大学校园的规划布局分级生成方法。这种方法的核心在于：在校园设计规划经验的基础上提出一套完整的案例选择、案例标注和分级学习的工作流程，这套流程是基于本次生成的目标具体提出的，与常规人工智能学习完全不同。为了在方案设计前期辅助设计师进行设计，快速生成设计方案，节约反复修改的时间成本，本发明用已有pix2pix生成对抗网络模型，在校园设计规划经验的基础上提出一套完整的案例选择、案例标注和分级学习的工作流程，这套流程是基于本次生成的目标具体提出的，与常规人工智能学习完全不同，最终实现对于具有特定空间特性的大学校园的规划设计布局方案的生成。

本发明至少通过如下技术方案之一实现。

一种大学校园的规划布局分级生成方法，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。

优选地，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。

优选地，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。

优选地，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。

优选地，训练标注的数据集包括：