[发明专利]一种基于机器学习的城市形态认知方法

权利要求书

1.一种基于机器学习的城市形态认知方法，其特征在于：包括输入范围分析模块、地块衍生模块、地块生成模块和合理性分析模块，其特征包括以下步骤：

S1：通过输入范围分析模块对用户输入的地块范围进行分析，目的是寻找地块的分布特征，用于匹配已建成数据库；基于地形特征，在空间数据库种搜索相似的范围地块，用于后面的地块衍生模块；

S2：通过地块衍生模块将地理走向、周围关联性、用户输入的面积和高度要求、成功案例四个方面的所有特征值当作约束参数输出给地块生成模块；

S3：通过地块生成模块对抗神经网络、训练；

S4：通过合理性分析模块对数据进行矫正，生成最终地块。

2.根据权利要求1所述的一种基于机器学习的城市形态认知方法，其特征在于：所述输入范围分析模块的分析方法包括以下步骤：

S11：用户输入风格、高度、用地属性和范围；

S12：进行范围肌理分析；

S13：进行范围特征要素分析；

S14：数据匹配成熟案例。

3.根据权利要求1所述的一种基于机器学习的城市形态认知方法，其特征在于：所述地块衍生模块的处理包括以下步骤：

S21：输入地块；

S22：进行地理走向特征分析；

S23：周围关联性分析；

S24：单体连续性计算；

S25：用户输入数据；

S26：已有案例权重。

4.根据权利要求1所述的一种基于机器学习的城市形态认知方法，其特征在于：所述地块生成模块的处理包括以下步骤：

S31：通过肌理生成器对输入的目标条件参数进行处理，输出位置和朝向；

S32：通过单体生产器生成单体结构；

S33：根据输出的位置和朝向以及生成的单体结构，生成地块模型；

S34：通过BP神经网络测试风格是否通过风格验证；

S35：如果通过验证，则进入合理性分析模块；如果没有通过验证，则重新进入步骤S31。

5.根据权利要求1所述的一种基于机器学习的城市形态认知方法，其特征在于：所述合理性分析模块的分析包括以下步骤：

S41：输入地块生成模块生成的地块数据；

S42：进行单体朝向合理性矫正；

S43：空间结构规则处理；

S44：规定类参数矫正；

S45：输出最终地块。

6.根据权利要求2所述的一种基于机器学习的城市形态认知方法，其特征在于：所述输入范围分析模块包括Candy边缘检测、Svm支持向量机用于对地块形状进行分类。

7.根据权利要求4所述的一种基于机器学习的城市形态认知方法，其特征在于：所述地块生成模块包括风格检测器、肌理生成器、单体生成器，风格检测器对于某种风格的识别；肌理生成器产生属于某类风格的布局；单体生成器生成某个风格的特征单体。