[發明專利]一種整合空間信息的建筑室內光環境設計評價方法及裝置

在審

• 申請號: 202010072355.7
• 申請日: 2020-01-21
• 公開（公告）號: CN111259481A
• 公開（公告）日: 2020-06-09
• 發明（設計）人: 孫澄;韓昀松;沈林海;王加彪;齊軒寧
• 申請（專利權）人: 哈爾濱工業大學
• 主分類號: G06F30/13
• 分類號: G06F30/13;G06F30/10
• 代理公司: 北京格允知識產權代理有限公司 11609
• 代理人: 周嬌嬌

本發明涉及一種整合空間信息的建筑室內光環境設計評價方法、裝置，該方法包括：構建參數化幾何原型，實測局地光氣候數據，采用拉丁超立方采樣法對模型參數空間進行采樣，獲得設計參量數據組，導入模擬分析模型獲得光環境性能數據；特征工程提取空間信息，將采樣點空間坐標與設計參量整合作為輸入參量；訓練MLR、XGBT和MLP，并以集成學習模式進行整合，得到預測模型；獲取待評價的設計模型，得到符合輸入要求的輸入參量，輸入預測模型，得到光環境預測結果；將預測結果輸出并進行比較，得到評價結果。本發明可解決既有建筑室內光環境設計評價效率低、耗時長、泛化能力弱的缺陷，為方案階段的建筑室內光環境設計提供決策支持。

技術領域

本發明涉及建筑設計技術領域，尤其涉及一種整合空間信息的建筑室內光環境設計評價方法、裝置及計算機可讀存儲介質。

背景技術

建筑室內光環境對建筑節能效果及使用者舒適度具有顯著影響。建筑室內光環境設計評價，即針對初步設計后的建筑結構，預測其成品建筑室內全年工作平面照度，也包括UDI、DA等基于照度衍生的室內光環境指標，并基于各項光環境指標，評價該建筑設計結構所能提供的室內光環境。在建筑設計階段進行建筑室內光環境設計評價，是建筑形態空間與材料構造設計決策制定的基礎，對于提高最終成品建筑室內光環境品質和能效水平具有重要意義。同時，建筑室內光環境指標預測精度與效率，也直接影響著建筑設計決策制定精度和效率。

目前，現有的建筑室內光環境設計評價方法對于光環境進行預測時，大致可分為基于軟件模擬進行預測和基于機器學習法進行預測兩大類。

基于軟件模擬進行預測多應用Radiance、Daysim等模擬軟件工具來預測建筑室內光環境，采用光線追蹤法求解建筑室內照度等各項光環境指標，需建立建筑設計方案相應的幾何結構模型，輸入材料構造參數，建模工作量大，建模過程復雜，且計算過程需逐項求解光線多次反射對照度的影響，計算效率低、耗時長，不適用于建筑設計方案階段，也難以有效支撐建筑設計決策制定。

基于機器學習法進行預測則以建筑實測數據或模擬數據來訓練人工神經網絡(ANNs)、支持向量機(SVM)和隨機森林(RF)等，實現預測建筑室內光環境，獲得各項光環境指標。相比基于軟件模擬，其預測指標的耗時短、效率高。但既有基于機器學習法的預測方案仍存在泛化能力弱，對不同光環境預測問題需要分別建模的缺陷，只能應用于特定布局、固定朝向的房間光環境預測，對于不同的建筑布局，例如房間尺寸，窗戶位置或朝向略有不同，無法適用。

發明內容

(一)要解決的技術問題

本發明要解決的技術問題是解決現有建筑室內光環境設計評價方法處理效率低、耗時長，且泛化能力弱的問題。

(二)技術方案

為了解決上述技術問題，本發明提供了一種整合空間信息的建筑室內光環境設計評價方法，該方法包括如下步驟：

S1、構建具備多項設計參量的建筑空間參數化幾何原型，將所述參數化幾何原型導入光環境模擬軟件，建立參數化光環境模擬分析模型；

S2、實測局地光氣候數據，作為邊界條件導入所述參數化光環境模擬分析模型；

S3、采用拉丁超立方采樣法，對所述參數化光環境模擬分析模型對應的模型參數空間進行采樣，獲得設計參量數據組，并將其導入所述參數化光環境模擬分析模型執行光環境模擬計算，獲得相應的室內光環境性能數據；

S4、對設計參量數據進行歸一化，并應用特征工程提取空間信息，將每個采樣點的空間坐標與相對應的設計參量整合作為輸入參量；

S5、以輸入參量作為輸入，相應室內光環境性能數據作為輸出，訓練多元線性回歸模型、梯度提升決策樹模型和多層感知器神經網絡模型，并以集成學習模式進行整合，得到建筑室內光環境預測模型；