[發明專利]基于深度學習三維重建的城市高密度區室外熱舒適評價方法

有效

• 申請號: 202011506360.0
• 申請日: 2020-12-18
• 公開（公告）號: CN112508441B
• 公開（公告）日: 2022-04-29
• 發明（設計）人: 殷青;王春興;張舒雅
• 申請（專利權）人: 哈爾濱工業大學
• 主分類號: G06Q10/06
• 分類號: G06Q10/06;G06Q50/26;G06T17/10;G06N3/04
• 代理公司: 哈爾濱市陽光惠遠知識產權代理有限公司 23211
• 代理人: 孫莉莉

本發明公開了一種基于深度學習三維重建的城市高密度區室外熱舒適評價方法，包括：獲取城市高密度區遙感圖像數據；在Python集成平臺下對城市高密度區遙感圖像數據進行預處理，得到遙感圖像數據集；建立基于CNN?LSTM的神經網絡模型，采用隨機梯度下降法對該模型進行訓練；將遙感圖像數據集輸入至訓練好的神經網絡模型中，獲得城市高密度區三維重建模型；對城市高密度區三維信息模型進行計算機模擬，生成城市高密度區環境信息模型；借助ENVI?met對城市高密度區環境信息模型進行模擬分析，根據數據模擬分析結果進行室外熱舒適評價。該方法解決了城市高密度區室外熱舒適評價中建筑環境信息建模精度與效率瓶頸問題。

技術領域

本發明涉及深度學習技術領域，特別涉及一種基于深度學習三維重建的城市高密度區室外熱舒適評價方法。

背景技術

隨著城市化進程加快，城市高密度區熱島效應加劇。高效、準確的城市高密度區室外熱舒適評價對于指導城市規劃與城市設計具有重要作用。既有城市高密度區熱舒適評價方法需基于城市建筑報批數據、實地測量數據來建立室外熱舒適評價模型，存在建模效率低、建筑周邊環境信息易丟失、既有建筑改擴建情況更新不及時等問題，影響了城市高密度區熱舒適評價精度和效率的提升，制約了其在城市高密度區規劃與設計過程中的應用。一次亟待一種城市高密度區室外熱舒適的評價方法。

發明內容

本發明旨在至少在一定程度上解決相關技術中的技術問題之一。

為此，本發明的目的在于提出一種基于深度學習三維重建的城市高密度區室外熱舒適評價方法，該方法實現了城市環境信息模型獲取的精確性，保證了前期環境信息模型的建立與后期的室外熱舒適性評價的快速、實時的銜接，對于獲得城市尺度的室外環境指標具有重要的指導意義。

為達到上述目的，本發明實施例提出了基于深度學習三維重建的城市高密度區室外熱舒適評價方法，包括以下步驟：步驟S1，獲取城市高密度區遙感圖像數據；步驟S2，在Python集成平臺Anaconda下對所述城市高密度區遙感圖像數據進行預處理，得到遙感圖像數據集；步驟S3，建立基于CNN-LSTM的神經網絡模型，采用隨機梯度下降法對所述神經網絡模型進行訓練；步驟S4，將所述遙感圖像數據集輸入至訓練好的神經網絡模型中，獲得城市高密度區三維重建模型；步驟S5，對所述城市高密度區三維信息模型進行計算機模擬，賦予城市高密度區環境物理信息，生成城市高密度區環境信息模型；步驟S6，借助 ENVI-met對所述城市高密度區環境信息模型進行模擬分析，根據數據模擬分析結果進行室外熱舒適評價。

本發明實施例的基于深度學習三維重建的城市高密度區室外熱舒適評價方法，通過無人機多傾角低空攝影獲得城市高密度區建筑與環境的幾何信息，利用深度學習三維重建技術對獲得的城市高密度區建筑與環境的幾何信息進行三維重建，獲得城市高密度區的三維信息模型，賦予城市高密度區三維信息模型環境氣象、環境材質參數，獲得城市高密度區室外熱舒適性環境信息模型，使其與后期的室外熱舒適分析精準的銜接，對城市層面的設計產生指導意義。

另外，根據本發明上述實施例的基于深度學習三維重建的城市高密度區室外熱舒適評價方法還可以具有以下附加的技術特征：

進一步地，在本發明的一個實施例中，通過無人機以不同傾角對城市高密度區域拍攝N張、像素為 4000*3000的照片，組成所述城市高密度區遙感圖像數據，其中，N為正整數。

進一步地，在本發明的一個實施例中，所述步驟S2進一步包括：在Python集成運行環境Anaconda 下，并采用tensorflow深度學習框架，對所述城市高密度區遙感圖像數據依次進行序列編碼；利用PIL庫的Image模塊對所述城市高密度區遙感圖像數據進行整理與特征縮放，并使用PCA算法進行降維處理，生成所述遙感圖像數據集。