[发明专利]一种建筑群方案生成性能评价方法

权利要求书

1.一种建筑群方案生成性能评价方法，其特征在于，包括如下步骤：

S1：建筑群样本方案聚类数据、建筑群方案生成样本数据、建筑群方案性能样本数据筛选与处理；

S1.1：样本数据筛选；

S1.2：样本数据处理；

S2：建筑群方案样本数据聚类；

S3：构建建筑群方案生成模型；

S3.1：建筑群方案生成模型建构；所述建筑群方案生成模型建构方法为：

采用基于cGAN的Pix2Pix进行建筑群方案生成模型建构，模型建构过程中生成器采用U-net架构，并合理设置其编码器与解码器卷积层层数、每层网络的神经元个数、下采样的卷积核与上采样的反卷积核的大小及步长；在编码器建构中，每层卷积层后都连接LeakyReLu激活函数层；在解码器建构中，每层反卷积层后都连接有非线性运算单元；在生成器的编码器与解码器建构中，每层卷积层与反卷积层后均连接有批量归一化层，生成器网络的随机噪声以dropout层形式输入；

采用PatchGAN建构判别器，包括卷积层、激活函数层与批量归一化层三部分，并合理设置卷积神经网络结构、每层卷积网络神经元个数、激活函数；所建构判别器的输入数据为生成器生成的图像与生成器的输入图像，最后输出为取值为0-1的真假预测图，真假预测图上的每个数值对应判别器输入图像的相应位置上的图像分块的真假程度，取值越接近1则说明判别器认为该图像分块的生成效果接近真实布局图像；

S3.2：建筑群方案生成模型训练；

S4：构建建筑群方案性能预测模型；

S4.1：建筑群方案性能预测模型建构；所述建筑群方案性能预测模型建构方法为：

将步骤S1.2.3处理后的建筑群方案性能样本数据15％分为测试集，其余为训练集，采用CNN结构展开模型构建，CNN输入层数据为处理后的建筑群方案图片，输出层数据为由Rhino-Grasshopper计算所得该建筑群方案所对应的太阳能潜力、能耗；

S4.2：建筑群方案性能预测模型训练与验证；

S5：建筑群方案生成及性能评价；

S5.1：数据处理与建筑群方案生成；

S5.2：建筑群方案性能评价。

2.根据权利要求1所述的建筑群方案生成性能评价方法，其特征在于，所述步骤S1.1中样本数据筛选依据为：所选取样本数据来源集中在具有相似的气候区、纬度、地形条件下的既有某类型建筑群方案布局案例。

3.根据权利要求2所述的建筑群方案生成性能评价方法，其特征在于，所述步骤S1.2中样本数据处理具体方法为：

S1.2.1：建筑群样本方案聚类数据处理：通过图像处理工具，提取各建筑方案场地形状并填充为黑色，场地内不同高度、功能的建筑以不同RGB色块表示，黑色场地形状与RGB色块表示的建筑群叠加后，按照相同比例导出并置于240mm*240mm的白色背景图像上，记录图中每格像素的RGB值并进行归一化处理；将所有图的归一化后RGB值二维矩阵按行展开成一个一维行向量，每张图像对应一个行向量，所有的行向量构成方案样本的聚类数据集；

S1.2.2：建筑群方案生成样本数据处理：通过图像处理工具，首先提取各建筑方案场地形状并填充为黑色作为建筑群方案生成模型输入样本数据之一；其次将样本场地形状填充为白色，场地内不同高度、功能的建筑以不同RGB色块表示，白色场地形状与RGB色块表示的建筑群叠加；最后设定统一比例，将各建筑群方案样本图像按照相同比例导出，并应用图像处理工具进行批量化处理为cGAN网络模型可识别的图像格式，作为建筑群方案生成模型输入样本数据之二；

S1.2.3：建筑群方案性能样本数据处理：首先通过图像处理工具，将样本场地形状填充为白色，场地内不同高度、功能的建筑以不同RGB色块表示，白色场地形状与RGB色块表示的建筑群叠加后，按照上述步骤S1.2.2所设定的统一比例进行同比例导出和批量化处理作为建筑群方案性能预测模型的输入样本数据；其次将各样本方案建模为Rhino-Grasshopper3D模型，定义建筑群中各建筑的运行信息数据，通过Ladybug+Honeybee插件分别计算各样本方案下的太阳能潜力值、建筑能耗值，两种性能值作为建筑群方案性能预测模型的输出样本数据。