[发明专利]一种基于机器学习的城市形态认知方法

说明书

本发明公开了一种基于机器学习的城市形态认知方法，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。本发明，通过模型不断自我学习和进化，最终结果准确的城市形态。

技术领域

本发明涉及城市形态认知技术领域，具体是一种基于机器学习的城市形态认知方法。

背景技术

数字地球和数字城市已经成为地理信息领域的重要研究方向。自动生成精确的城市三维模型技术对机器人导航、计算机测绘、虚拟现实以及很多可视化场景具有重要的意义，在城市道路规划、道路损坏程度评估、数字旅程等应用上都有很大的实践价值。但对城市空间的外观和行为建模是一项巨大的挑战。因为城市空间是由一系列复杂的建筑结构、街区和街道相互连接组成，属于大范围的密集区域。而随着近年来对于3D城市地图模型的需求急剧增加，这些需求特别来自3D GPS导航系统和谷歌地球、诺基亚地图等在线服务。但目前的3D重建地图方案仍然缺乏自动化方案，主要依靠人机协同采集，存在数据采集效率低、地图更新迭代慢、3D地图精度低、采集成本高等问题，自动化高精度建模的需求涵需解决。。

发明内容

本发明的目的在于提供一种基于机器学习的城市形态认知方法，以解决现有技术中的问题。

为实现上述目的，本发明提供如下技术方案：一种基于机器学习的城市形态认知方法，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。

优选的，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。

优选的，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。

优选的，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；