CN110135043A - 一种城市街廓空间形态分类方法及系统 - Google Patents
一种城市街廓空间形态分类方法及系统 Download PDFInfo
- Publication number
- CN110135043A CN110135043A CN201910379538.0A CN201910379538A CN110135043A CN 110135043 A CN110135043 A CN 110135043A CN 201910379538 A CN201910379538 A CN 201910379538A CN 110135043 A CN110135043 A CN 110135043A
- Authority
- CN
- China
- Prior art keywords
- space
- measurement point
- opening
- exterior feature
- length
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 34
- 238000005259 measurement Methods 0.000 claims abstract description 82
- 230000005484 gravity Effects 0.000 claims abstract description 12
- 241000254032 Acrididae Species 0.000 claims description 6
- 230000032823 cell division Effects 0.000 claims description 3
- 238000013461 design Methods 0.000 abstract description 3
- 230000009467 reduction Effects 0.000 abstract description 3
- 238000011960 computer-aided design Methods 0.000 abstract description 2
- 238000010586 diagram Methods 0.000 description 13
- 238000013139 quantization Methods 0.000 description 13
- 238000005516 engineering process Methods 0.000 description 8
- 238000004590 computer program Methods 0.000 description 7
- 238000009826 distribution Methods 0.000 description 5
- 238000012545 processing Methods 0.000 description 5
- 230000015572 biosynthetic process Effects 0.000 description 4
- 230000019771 cognition Effects 0.000 description 4
- 230000002427 irreversible effect Effects 0.000 description 4
- 230000000877 morphologic effect Effects 0.000 description 4
- 230000008569 process Effects 0.000 description 4
- 238000004458 analytical method Methods 0.000 description 3
- 230000008901 benefit Effects 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 230000002441 reversible effect Effects 0.000 description 3
- 208000025174 PANDAS Diseases 0.000 description 2
- 208000021155 Paediatric autoimmune neuropsychiatric disorders associated with streptococcal infection Diseases 0.000 description 2
- 240000004718 Panda Species 0.000 description 2
- 235000016496 Panda oleosa Nutrition 0.000 description 2
- 238000004422 calculation algorithm Methods 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 238000007405 data analysis Methods 0.000 description 2
- 238000000354 decomposition reaction Methods 0.000 description 2
- 238000002347 injection Methods 0.000 description 2
- 239000007924 injection Substances 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000005855 radiation Effects 0.000 description 2
- 239000000243 solution Substances 0.000 description 2
- 238000003860 storage Methods 0.000 description 2
- 238000012800 visualization Methods 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000011002 quantification Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/10—Geometric CAD
- G06F30/13—Architectural design, e.g. computer-aided architectural design [CAAD] related to design of buildings, bridges, landscapes, production plants or roads
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A30/00—Adapting or protecting infrastructure or their operation
- Y02A30/60—Planning or developing urban green infrastructure
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Geometry (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Computer Hardware Design (AREA)
- Evolutionary Computation (AREA)
- General Engineering & Computer Science (AREA)
- Structural Engineering (AREA)
- Computational Mathematics (AREA)
- Civil Engineering (AREA)
- Mathematical Analysis (AREA)
- Mathematical Optimization (AREA)
- Pure & Applied Mathematics (AREA)
- Architecture (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Image Analysis (AREA)
Abstract
本发明公开了一种城市街廓空间形态分类方法及系统,该方法包括:获取给定范围内的城市建筑平面图,将平面图中的空间进行划分,得到若干空间单元;在所述空间单元的重心设测量点,获得测量点周围空间的距离数据;根据测量点周围空间的距离数据计算每个空间单元对应的城市空间形态特征指标,进而形成城市空间形态特征指标汇总表;根据所述城市空间形态特征指标汇总表形成城市街廓空间平面形态分类图。本发明不仅对已有空间进行量化与定义,更重要的是基于量化指标还原空间平面形态类别、预测空间类型属性以及整体空间特征更加准确,且计算成本更低,从而辅助设计人员在设计初期通过量化指标,对设计对象的空间属性更加了解,进一步提出预判措施。
Description
技术领域
本发明涉及空间形态量化技术领域,具体涉及一种城市街廓空间形态分类方法及系统。
背景技术
随着城市形态逐渐成熟,城市形态量化研究早已成为建筑学的重要组成部分,传统的量化城市肌理的指标,虽然可以给根据给定的空间形态计算出相应的指标数据,但是再依据这些数据却无法达到还原原始空间形态的目的,也就是该技术路径不可逆,基于量化城市肌理指标的城市形态分类方法,与“传统的量化城市肌理的指标”存在同样的问题:通过指标无法还原空间,技术路径不可逆,空间句法研究城市形态各个组成部分的系统关系,提出的基于拓扑计算的形态指标,与前两类方法问题相同:通过指标无法还原空间,技术路径不可逆。
视域分析法将空间划分为细小的栅格,计算每个栅格点的视域面积、周长、最大距离、紧凑度等指标。量化结果是通过单个栅格点的视域来实现的,缺少对空间形态的整体描述,导致无法实现真正意义上的空间分类目标。另一方面,计算结果与栅格精度直接关联,高精度的栅格需要更高的计算成本。
基于上述原因,导致已有技术存在一个共性缺点:无法真正意义上通过量化达到空间形态分类的目的。
发明内容
发明目的:为了克服现有技术的不足,本发明提供一种城市街廓空间形态分类方法,该方法可以解决无法准确反应量化整体空间特征、计算成本高以及空间形态分类技术路径不可逆的问题。本发明还提供一种城市街廓空间形态分类系统。
技术方案:本发明所述的城市街廓空间形态分类方法,包括:
(1)获取给定范围内的城市建筑平面图,将平面图中的空间进行划分,得到若干空间单元;
(2)在所述空间单元的重心设测量点,获得测量点周围空间的距离数据;
(3)根据所述测量点周围空间的距离数据计算每个空间单元对应的城市空间形态特征指标,进而形成城市空间形态特征指标汇总表;
(4)根据所述城市空间形态特征指标汇总表形成城市街廓空间平面形态分类图。
进一步地,包括:
所述步骤(1)中,平面图中的空间进行划分的方法是将所述城市建筑平面图中的相邻建筑的阳角相连。
进一步地,包括:
获得测量点周围空间的距离数据包括:
将测量点、空间单元、从所述测量点向四周水平发出射线的数量和最大长度以及建筑轮廓对应的多边形边界,输入到基于Rhino软件的Grasshopper插件编写的IVist电池,得到每条射线与多边形边界形成的交点,进而计算对应线段的长度,即空间距离数据。
进一步地,包括:
城市空间形态特征指标包括开敞度,面积和形状率,所述开敞度Openness表示为:
其中,No为测量点周围空间的开口数量,Ao为测量点周围空间的开口角度和,n为从所述测量点向四周水平发出射线的数量;
所述面积Area表示为:
其中,ri是某个测量点到空间单元边界的第i个射线的长度,1≤i≤n;
所述形状率Shape表示为:
其中,rave是n个对应线段长度的平均值,rmax是n个对应线段长度的最大值。
进一步地,包括:
所述测量点周围空间的开口数量No和开口角度和的计算为:
寻找突变点:设相邻射出线段长度之差的绝对值表示为Δri=|ri+1-ri|,pi是由测量点向外射出的第i条射线的端点,当Δri>10时对应的pi是突变点;
计算线段长度平均值:将连续的两个突变点设定为一个区间Qm,记为[m,m+1),计算每个区间内的所有线段长度的平均值Am,m+1,m≥1;
计算开口数量和开口角度和:区间Qm+1和Qm对应的平均值Am+1,m+2、Am,m+1,若Am+1,m+2>Am,m+1,则Qm+1记为开口,否则Qm+1不是开口;
若Qm+1为开口,且Am+2,m+3>Am+1,m+2,则Qm+2与Qm+1为同一开口,否则,Qm+2不是开口;
若Qm+1不是开口,且Am+2,m+3>Am+1,m+2,则Qm+2为开口,否则,Qm+2不是开口;以此类推,统计每个测量点周围空间的开口数量和开口角度和。
本发明还提供一种城市街廓空间形态分类系统,包括:
空间单元划分模块,用于获取给定范围内的城市建筑平面图,将平面图中的空间进行划分,得到若干空间单元;
空间距离计算模块,用于在所述空间单元的重心设测量点,获得测量点周围空间的距离数据;
指标生成模块,用于根据所述测量点周围空间的距离数据计算每个空间单元对应的城市空间形态特征指标,进而形成城市空间形态特征指标汇总表;
分类图构建模块,用于根据所述城市空间形态特征指标汇总表形成城市街廓空间平面形态分类图。
进一步地,包括:
所述空间距离计算模块中,将所述城市建筑平面图中的相邻建筑的阳角相连。
进一步地,包括:
所述空间距离计算模块中,获得测量点周围空间的距离数据包括:
将测量点、空间单元、从所述测量点向四周水平发出射线的数量和最大长度以及建筑轮廓对应的多边形边界,输入到基于Rhino软件的Grasshopper插件编写的IVist电池,得到每条射线与多边形边界形成的交点,进而计算对应线段的长度,即空间距离数据。
进一步地,包括:
所述指标生成模块中,城市空间形态特征指标包括开敞度,面积和形状率,所述开敞度Openness表示为:
其中,No为测量点周围空间的开口数量,Ao为测量点周围空间的开口角度和,n为从所述测量点向四周水平发出射线的数量;
所述面积Area表示为:
其中,ri是某个测量点到空间单元边界的第i个射线的长度,1≤i≤n;
所述形状率Shape表示为:
其中,rave是n个对应线段长度的平均值,rmax是n个对应线段长度的最大值。
进一步地,包括:
所述测量点周围空间的开口数量No和开口角度和的计算为:
寻找突变点:设相邻射出线段长度之差的绝对值表示为Δri=|ri+1-ri|,pi是由测量点向外射出的第i条射线的端点,当Δri>10时对应的pi是突变点;
计算线段长度平均值:将连续的两个突变点设定为一个区间Qm,记为[m,m+1),计算每个区间内的所有线段长度的平均值Am,m+1,m≥1;
计算开口数量和开口角度和:区间Qm+1和Qm对应的平均值Am+1,m+2、Am,m+1,若Am+1,m+2>Am,m+1,则Qm+1记为开口,否则Qm+1不是开口;
若Qm+1为开口,且Am+2,m+3>Am+1,m+2,则Qm+2与Qm+1为同一开口,否则,Qm+2不是开口;
若Qm+1不是开口,且Am+2,m+3>Am+1,m+2,则Qm+2为开口,否则,Qm+2不是开口;以此类推,统计每个测量点周围空间的开口数量和开口角度和。
有益效果:本发明与现有技术相比,其显著优点是:1、本发明通过对量化结果的限定与分类,达到指标可还原空间平面形态类别的目的。解决了传统空间形态指标无法还原空间形态的问题,实现了量化路径可逆;2、本发明所述的量化城市街廓空间平面形态,不仅是为了对已有空间进行量化与定义,更重要的是基于量化指标还原空间平面形态类别、预测空间类型属性以及整体空间特征更加准确,且计算成本更低,从而辅助设计人员在设计初期通过量化指标,对设计对象的空间属性更加了解,进一步提出预判措施。
附图说明
图1为本发明实施例所述的方法流程图;
图2为本发明实施例所述的测量点周围空间的距离数据的装置结构示意图;
图3为本发明实施例所述的分类系统结构示意图;
图4为本发明实施例所述的空间划分与布点的示意图,图4a为空间划分的示意图,图4b为空间测量点的分布示意图;
图5为本发明实施例所述的城市空间平面形态特征指标汇总表;
图6为本发明实施例所述的城市街廓空间平面形态分类图;
图7为本发明实施例所述的5类城市街廓空间的平面分布图。
具体实施方式
为了使本发明的目的、技术方案和优点更加清楚,下面将结合附图及具体实施例对本发明进行详细描述。
本发明提供一种城市街廓空间形态分类方法,参阅图1所示,为本发明实施例中的分类方法流程图,包括:
S100获取给定范围内的城市建筑平面图,将平面图中的空间进行划分,得到若干空间单元。
本步骤中,可以通过政府部门或者其他数据提供平台获得城市建筑平面图,平面图中有城市建筑物轮廓线,数据格式可以是dwg格式或3dm格式等可操作的格式,本发明实施例中并不进行限制。其他数据提供平台优选的可为百度地图、谷歌地图或高德地图,本发明实施例中并不进行限制,城市街廓中多种类型的建筑群体形成了复杂的街廓空间。
街廓空间的复杂性不仅增加了空间的量化难度,同时使空间分类难以实现,需要对复杂的街廓空间进行分解。本技术涉及的是一种针对城市街廓空间平面形态的量化及分类技术,可通过对街廓平面空间进行划分实现空间分解。平面空间划分原则应体现可操作、最经济、符合空间认知原理。
依据佐治亚理工学院派普内斯教授(John Peponis)提出的观点:空间信息的不连续是由空间边界的不连续造成的,如墙角、墙的转折点、自由墙体的尽端。本技术的平面空间划分方法是将相邻建筑的阳角相连,以保证对同一街廓平面空间划分形成的空间数量最少,以符合可操作、最经济及符合空间认知原理的原则,且该种空间划分的方法计算成本更低。
S110在每个空间单元的重心设测量点,获得测量点周围空间的距离数据。
本步骤中,每个空间单元为由建筑实体边线和划分线围合而成的空间多边形,基于 Rhino软件的分析工具,即面积重心,获得每个多边形的面积重心,即为测量点。如图 2所示,基于Rhino软件的Grasshopper插件编写的电池装置,从测量点向四周水平发出射线,本实施例所述的优选方案中,考虑到经济性和描述城市空间的要求,限定射线数量为360条;射线最大长度为300米。
通过运行“IVist”电池捕获由基点发出射线与多边形边界形成的交点,并计算随之形成的360个线段的长度,即周围空间的距离数据。
该部分运行过程为如下:
输入1:测量点和空间单元,输出每个测量点的空间距离数据,将数据复制到记事本中,保存为txt格式的文档1。
输入2:测量点和建筑轮廓所形成的多边形,输出每个测量点的空间距离数据,将数据复制到记事本中,保存为txt格式的文档2。
S120针对每个空间单元,按照设定的城市空间形态特征指标自动计算,生成城市空间形态特征指标汇总表。
本步骤中,基于Python编程语言的数据分析工具pandas和numpy编写的形态特征量化脚本,以及S110得到每个测量点的空间距离数据,计算空间形态特征指标。具体操作为:分别输入txt格式的空间距离数据文档1、文档2,输出城市空间形态特征指标表A和B。选择A表中的面积和形状率数值和B表中的开敞度数值,合并成城市空间形态特征指标汇总表,本发明实施例中的表格格式为xls格式、txt等,本发明实施例在程序的开发中并不进行限制。
空间形态特征指标是开敞度(Openness),面积(Area)和形状率(Shape)。其中,开敞度量化了空间的开敞程度,面积量化了空间的大小,形状率量化了空间的狭长程度。分别对应公式1、2和3,表示为:
其中,ri是每个测量点到空间单元边界的第i个射出线段的长度,1≤i≤360。rave是 360个线段长度数据的平均值,rmax是360个线段长度数据的最大值。No是开口数量, Ao是开口角度和。
开口数量No和开口角度Ao的数据需要计算机编程实现,算法如下:空间开口与ri的变化有关。设定Δri是相邻射出线段长度之差的绝对值,即Δri=|ri+1-ri|。假定pi是由测量点在水平方向沿360°向外射出的第i条射线的端点。则当射线触碰的是建筑实体边线时,定义pi为该条射线与建筑实体边线的交点。当射线未触碰到建筑实体边线时,定义pi为该条射线中距离测量点300m处端点。
设定,Δri>10时的pi是突变点。求出所有的突变点,然后将连续的两个突变点设定为一个区间Q,写作[n,n+1),计算每个区间内的所有线段长度的平均值An,n+1,具体计算时包含区间开始的线段长度,不包含区间结束的线段长度。
第一个区间Q1是[1,2),第二个区间Q2是[2,3),如果A2,3>A1,2,那么Q2 是开口;如果A2,3≤A1,2,那么Q2不是开口。在此基础上继续判断:(1)如果Q2是开口。如果A3,4>A2,3,那么Q3和Q2是同一个开口;如果A3,4≤A2,3,那么Q3不是开口。(2)如果Q2不是开口。如果A3,4>A2,3,那么Q3是开口;如果A3,4≤A2,3,那么Q3不是开口。以此类推,可以计算出每个测量点周围空间的开口数量和开口角度和。
具体的,包括:将连续的两个突变点设定为一个区间Qm,记为[m,m+1),计算每个区间内的所有线段长度的平均值Am,m+1,m≥1;
计算开口数量和开口角度和:区间Qm+1和Qm对应的平均值Am+1,m+2、Am,m+1,若Am+1,m+2>Am,m+1,则Qm+1记为开口,否则Qm+1不是开口;
若Qm+1为开口,且Am+2,m+3>Am+1,m+2,则Qm+2与Qm+1为同一开口,否则,Qm+2不是开口;
若Qm+1不是开口,且Am+2,m+3>Am+1,m+2,则Qm+2为开口,否则,Qm+2不是开口;以此类推,统计每个测量点周围空间的开口数量和开口角度和。
S130基于城市空间平面形态特征指标汇总表,生成城市街廓空间平面形态分类图。
本步骤中,基于Matlab软件编写的脚本,输入xls格式的城市空间形态特征指标汇总表,输出城市街廓空间平面形态分类图。具体的,将xls格式的城市空间形态特征指标汇总表输入Matlab软件;运用Matlab软件自带的scattrer3程序将城市空间形态特征指标汇总表中的无量纲数值转化为可视化三维散点图。通过三维散点图中散点分布特征可直接判断散点对应空间单元所属的形态类别,故称输出的三位散点图为城市街廓空间平面形态分类图。
基于该图可以对城市街廓空间平面形态进行分类。在城市空间中,形状率在0.6到0.8之间的是类广场空间,形状率在0.35到0.6之间是类街道空间,形状率小于0.35是类巷道空间。
通过上述量化结果可以还原一类空间类型,初步实现路径可逆,根据开敞度和面积的数值大小,可以进一步区分出大小不同的、开敞或封闭的广场、街道或巷道空间。
参阅图3所示,为本发明实施例中城市街廓空间平面形态分类系统的结构示意图,该系统包括:
空间单元划分模块,用于获取给定范围内的城市建筑平面图,将平面图中的空间进行划分,得到若干空间单元。
本模块中,可以通过政府部门或者其他数据提供平台获得城市建筑平面图,平面图中有城市建筑物轮廓线,数据格式可以是dwg格式或3dm格式等可操作的格式,本发明实施例中并不进行限制。其他数据提供平台优选的可为百度地图、谷歌地图或高德地图,本发明实施例中并不进行限制,城市街廓中多种类型的建筑群体形成了复杂的街廓空间。
街廓空间的复杂性不仅增加了空间的量化难度,同时使空间分类难以实现,需要对复杂的街廓空间进行分解。本技术涉及的是一种针对城市街廓空间平面形态的量化及分类技术,可通过对街廓平面空间进行划分实现空间分解。平面空间划分原则应体现可操作、最经济、符合空间认知原理。
依据佐治亚理工学院派普内斯教授(John Peponis)提出的观点:空间信息的不连续是由空间边界的不连续造成的,如墙角、墙的转折点、自由墙体的尽端。本技术的平面空间划分方法是将相邻建筑的阳角相连,以保证对同一街廓平面空间划分形成的空间数量最少,以符合可操作、最经济及符合空间认知原理的原则。
空间距离计算模块,用于在每个空间单元的重心设测量点,获得测量点周围空间的距离数据;
本模块中,每个空间单元为由建筑实体边线和划分线围合而成的空间多边形,基于 Rhino软件的分析工具——面积重心,获得每个多边形的重心,即为测量点。如图2所示,基于Rhino软件的Grasshopper插件编写的电池,从测量点向四周水平发出射线,本实施例所述的优选方案中,考虑到经济性和描述城市空间的要求,限定射线数量为360 条;射线最大长度为300米。
通过运行“IVist”电池捕获由基点发出射线与多边形边界形成的交点,并计算随之形成的360个线段的长度,即周围空间的距离数据。
该部分运行过程为如下:
输入1:测量点和空间单元,输出每个测量点的空间距离数据,将数据复制到记事本中,保存为txt格式的文档1。
输入2:测量点和建筑轮廓所形成的多边形,输出每个测量点的空间距离数据,将数据复制到记事本中,保存为txt格式的文档2。
指标生成模块,用于针对每个空间单元,按照设定的城市空间形态特征指标自动计算,生成城市空间形态特征指标汇总表。
本步骤中,基于Python编程语言的数据分析工具pandas和numpy编写的形态特征量化脚本,以及S110得到每个测量点的空间距离数据,计算空间形态特征指标。具体操作为:分别输入txt格式的空间距离数据文档1、文档2,输出城市空间形态特征指标表A和B。选择A表中的面积和形状率数值和B表中的开敞度数值,合并成城市空间形态特征指标汇总表,本发明实施例中的表格格式为xls格式、txt等,本发明实施例在程序的开发中并不进行限制。
空间形态特征指标是开敞度(Openness),面积(Area)和形状率(Shape)。其中,开敞度量化了空间的开敞程度,面积量化了空间的大小,形状率量化了空间的狭长程度。分别对应公式1、2和3,表示为:
其中,ri是每个测量点到空间单元边界的第i个射出线段的长度,1≤i≤360。rave是 360个线段长度数据的平均值,rmax是360个线段长度数据的最大值。No是开口数量, Ao是开口角度和。
开口数量No和开口角度Ao的数据需要计算机编程实现,算法如下:空间开口与ri的变化有关。设定Δri是相邻射出线段长度之差的绝对值,即Δri=|ri+1-ri|。假定pi是由测量点在水平方向沿360°向外射出的第i条射线的端点。则当射线触碰的是建筑实体边线时,定义pi为该条射线与建筑实体边线的交点。当射线未触碰到建筑实体边线时,定义pi为该条射线中距离测量点300m处端点。
设定,Δri>10时的pi是突变点。求出所有的突变点,然后将连续的两个突变点设定为一个区间Q,写作[n,n+1),计算每个区间内的所有线段长度的平均值An,n+1,具体计算时包含区间开始的线段长度,不包含区间结束的线段长度。
第一个区间Q1是[1,2),第二个区间Q2是[2,3),如果A2,3>A1,2,那么Q2 是开口;如果A2,3≤A1,2,那么Q2不是开口。在此基础上继续判断:(1)如果Q2是开口。如果A3,4>A2,3,那么Q3和Q2是同一个开口;如果A3,4≤A2,3,那么Q3不是开口。(2)如果Q2不是开口。如果A3,4>A2,3,那么Q3是开口;如果A3,4≤A2,3,那么Q3不是开口。以此类推,可以计算出每个测量点周围空间的开口数量和开口角度和
分类图构建模块,用于基于城市空间平面形态特征指标汇总表,生成城市街廓空间平面形态分类图。
本步骤中,基于Matlab软件编写的脚本,输入xls格式的城市空间形态特征指标汇总表,输出城市街廓空间平面形态分类图。具体的,将xls格式的城市空间形态特征指标汇总表输入Matlab软件;运用Matlab软件自带的scattrer3程序将城市空间形态特征指标汇总表中的无量纲数值转化为可视化三维散点图。通过三维散点图中散点分布特征可直接判断散点对应空间单元所属的形态类别,故称输出的三位散点图为城市街廓空间平面形态分类图。
基于该图可以对城市街廓空间平面形态进行分类。在城市空间中,形状率在0.6到0.8之间的是类广场空间,形状率在0.35到0.6之间是类街道空间,形状率小于0.35是类巷道空间。通过上述量化结果可以还原一类空间类型,初步实现路径可逆,根据开敞度和面积的数值大小,可以进一步区分出大小不同的、开敞或封闭的广场、街道或巷道空间。
为了体现本发明的有效性,做了仿真实验,具体如下:
以某城市中心街区为例,该街区不仅有着丰富多样可供市民集聚的城市公共空间,而且也集聚着高密度建筑群。所以选择该街区的两个街廓(图4a所示A、B街廓)作为案例,试验城市街廓空间平面形态量化及分类技术。
按照步骤100、110对空间进行划分和布点,并进行标记,如图4a和图4b所示,两张图中虚线为空间划分线,图4a中的标记(A0-A35,B0-B16)代表划分出的不同空间单元,图4b中的点为空间测量点,位于空间单元重心。
按照步骤120计算测量数据,获得城市空间平面形态特征指标汇总表,如图5所示;按照步骤130获得城市街廓空间平面形态分类图,可以将该街区的街廓空间大体分为5 类,如图6所示,分别是:(1)1号圈内的面积、开敞度和形状率都大的广场空间;(2) 2号圈内的的面积较大、开敞度和形状率较小的封闭街道空间;(3)3号圈内的面积、开敞度和形状率都较小的封闭巷道空间;(4)4号圈内的的面积和开敞度较大、形状率较小的开敞街道空间;(5)5号圈内的面积较小、开敞度和形状率较大的小广场。作为验证,图7为上述5类城市街廓空间在平面上的分布。
本领域内的技术人员应明白,本申请的实施例可提供为方法、系统、或计算机程序产品。因此,本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且,本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本申请是参照根据本申请实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
最后应当说明的是:以上实施例仅用以说明本发明的技术方案而非对其限制,尽管参照上述实施例对本发明进行了详细的说明,所属领域的普通技术人员应当理解:依然可以对本发明的具体实施方式进行修改或者等同替换,而未脱离本发明精神和范围的任何修改或者等同替换,其均应涵盖在本发明的权利要求保护范围之内。
Claims (10)
1.一种城市街廓空间形态分类方法,其特征在于,包括:
(1)获取给定范围内的城市建筑平面图,将平面图中的空间进行划分,得到若干空间单元;
(2)在所述空间单元的重心设测量点,获得测量点周围空间的距离数据;
(3)根据所述测量点周围空间的距离数据计算每个空间单元对应的城市空间形态特征指标,进而形成城市空间形态特征指标汇总表;
(4)根据所述城市空间形态特征指标汇总表形成城市街廓空间平面形态分类图。
2.根据权利要求1所述的城市街廓空间形态分类方法,其特征在于,所述步骤(1)中,平面图中的空间进行划分的方法是将所述城市建筑平面图中的相邻建筑的阳角相连。
3.根据权利要求1所述的城市街廓空间形态分类方法,其特征在于,所述步骤(2)中,获得测量点周围空间的距离数据包括:
将测量点、空间单元、从所述测量点向四周水平发出射线的数量和最大长度以及建筑轮廓对应的多边形边界,输入到基于Rhino软件的Grasshopper插件编写的IVist电池,得到每条射线与多边形边界形成的交点,进而计算对应线段的长度,即空间距离数据。
4.根据权利要求1所述的城市街廓空间形态分类方法,其特征在于,所述步骤(3)中,城市空间形态特征指标包括开敞度,面积和形状率,所述开敞度Qpenness表示为:
其中,No为测量点周围空间的开口数量,Ao为测量点周围空间的开口角度和,n为从所述测量点向四周水平发出射线的数量;
所述面积Area表示为:
其中,ri是某个测量点到空间单元边界的第i个射线的长度,1≤i≤n;
所述形状率Shape表示为:
其中,rave是n个对应线段长度的平均值,rmax是n个对应线段长度的最大值。
5.根据权利要求4所述的城市街廓空间形态分类方法,其特征在于,所述测量点周围空间的开口数量No和开口角度和的计算为:
寻找突变点:设相邻射出线段长度之差的绝对值表示为Δri=|ri+1-ri|,pi是由测量点向外射出的第i条射线的端点,当Δri>10时对应的pi是突变点;
计算线段长度平均值:将连续的两个突变点设定为一个区间Qm,记为[m,m+1),计算每个区间内的所有线段长度的平均值Am,m+1,m≥1;
计算开口数量和开口角度和:区间Qm+1和Qm对应的平均值Am+1,m+2、Am,m+1,若Am+1,m+2>Am,m+1,则Qm+1记为开口,否则Qm+1不是开口;
若Qm+1为开口,且Am+2,m+3>Am+1,m+2,则Qm+2与Qm+1为同一开口,否则,Qm+2不是开口;
若Qm+1不是开口,且Am+2,m+3>Am+1,m+2,则Qm+2为开口,否则,Qm+2不是开口;以此类推,统计每个测量点周围空间的开口数量和开口角度和。
6.一种根据权利要求1-5任一项所述的城市街廓空间形态分类方法实现的系统,其特征在于,包括:
空间单元划分模块,用于获取给定范围内的城市建筑平面图,将平面图中的空间进行划分,得到若干空间单元;
空间距离计算模块,用于在所述空间单元的重心设测量点,获得测量点周围空间的距离数据;
指标生成模块,用于根据所述测量点周围空间的距离数据计算每个空间单元对应的城市空间形态特征指标,进而形成城市空间形态特征指标汇总表;
分类图构建模块,用于根据所述城市空间形态特征指标汇总表形成城市街廓空间平面形态分类图。
7.根据权利要求6所述的城市街廓空间形态分类系统,其特征在于,所述空间距离计算模块中,将所述城市建筑平面图中的相邻建筑的阳角相连。
8.根据权利要求6所述的城市街廓空间形态分类系统,其特征在于,所述空间距离计算模块中,获得测量点周围空间的距离数据包括:
将测量点、空间单元、从所述测量点向四周水平发出射线的数量和最大长度以及建筑轮廓对应的多边形边界,输入到基于Rhino软件的Grasshopper插件编写的IVist电池,得到每条射线与多边形边界形成的交点,进而计算对应线段的长度,即空间距离数据。
9.根据权利要求8所述的城市街廓空间形态分类系统,其特征在于,所述指标生成模块中,城市空间形态特征指标包括开敞度,面积和形状率,所述开敞度Openness表示为:
其中,No为测量点周围空间的开口数量,Ao为测量点周围空间的开口角度和,n为从所述测量点向四周水平发出射线的数量;
所述面积Area表示为:
其中,ri是某个测量点到空间单元边界的第i个射线的长度,1≤i≤n;
所述形状率Shape表示为:
其中,rave是n个对应线段长度的平均值,rmax是n个对应线段长度的最大值。
10.根据权利要求9所述的城市街廓空间形态分类系统,其特征在于,所述测量点周围空间的开口数量No和开口角度和的计算为:
寻找突变点:设相邻射出线段长度之差的绝对值表示为Δri=|ri+1-ri|,pi是由测量点向外射出的第i条射线的端点,当Δri>10时对应的pi是突变点;
计算线段长度平均值:将连续的两个突变点设定为一个区间Qm,记为[m,m+1),计算每个区间内的所有线段长度的平均值Am,m+1,m≥1;
计算开口数量和开口角度和:区间Qm+1和Qm对应的平均值Am+1,m+2、Am,m+1,若Am+1,m+2>Am,m+1,则Qm+1记为开口,否则Qm+1不是开口;
若Qm+1为开口,且Am+2,m+3>Am+1,m+2,则Qm+2与Qm+1为同一开口,否则,Qm+2不是开口;
若Qm+1不是开口,且Am+2,m+3>Am+1,m+2,则Qm+2为开口,否则,Qm+2不是开口;以此类推,统计每个测量点周围空间的开口数量和开口角度和。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910379538.0A CN110135043B (zh) | 2019-05-08 | 2019-05-08 | 一种城市街廓空间形态分类方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910379538.0A CN110135043B (zh) | 2019-05-08 | 2019-05-08 | 一种城市街廓空间形态分类方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110135043A true CN110135043A (zh) | 2019-08-16 |
CN110135043B CN110135043B (zh) | 2023-04-18 |
Family
ID=67576628
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910379538.0A Active CN110135043B (zh) | 2019-05-08 | 2019-05-08 | 一种城市街廓空间形态分类方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110135043B (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110580507A (zh) * | 2019-09-02 | 2019-12-17 | 同济大学 | 一种城市肌理分类识别方法 |
CN111242493A (zh) * | 2020-01-17 | 2020-06-05 | 广州市城市规划勘测设计研究院 | 一种街道品质评价方法、装置、系统及存储介质 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109492796A (zh) * | 2018-10-12 | 2019-03-19 | 东南大学 | 一种城市空间形态自动分区方法与系统 |
US20190087515A1 (en) * | 2016-03-31 | 2019-03-21 | Southeast University | Method for optimal control of open space surrounding building form based on sky view evaluation |
CN109583698A (zh) * | 2018-10-29 | 2019-04-05 | 北京工业大学 | 一种基于模糊数学理论的城市街区空间形态综合评估方法 |
-
2019
- 2019-05-08 CN CN201910379538.0A patent/CN110135043B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20190087515A1 (en) * | 2016-03-31 | 2019-03-21 | Southeast University | Method for optimal control of open space surrounding building form based on sky view evaluation |
CN109492796A (zh) * | 2018-10-12 | 2019-03-19 | 东南大学 | 一种城市空间形态自动分区方法与系统 |
CN109583698A (zh) * | 2018-10-29 | 2019-04-05 | 北京工业大学 | 一种基于模糊数学理论的城市街区空间形态综合评估方法 |
Non-Patent Citations (2)
Title |
---|
于丹: "商业建筑的中庭设计研究――以扬州泰达Y-MSD现代产业服务区项目(一期)为例", 《中外建筑》 * |
唐振玺: "基于大数据的城市空间形态量化指标体系研究", 《美与时代(城市版)》 * |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110580507A (zh) * | 2019-09-02 | 2019-12-17 | 同济大学 | 一种城市肌理分类识别方法 |
CN110580507B (zh) * | 2019-09-02 | 2023-04-07 | 同济大学 | 一种城市肌理分类识别方法 |
CN111242493A (zh) * | 2020-01-17 | 2020-06-05 | 广州市城市规划勘测设计研究院 | 一种街道品质评价方法、装置、系统及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN110135043B (zh) | 2023-04-18 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
KR102125959B1 (ko) | 포인트 클라우드 데이터 사이의 매칭 관계를 확정하는 방법 및 장치 | |
Courtat et al. | Mathematics and morphogenesis of cities: A geometrical approach | |
CN112035584B (zh) | 空间规划情景模拟方法及系统 | |
CN107067781B (zh) | 一种用于先进驾驶辅助系统应用的gis道路黑点地图生成方法 | |
CN108376183B (zh) | 一种基于最大熵原理的城市ca模型构建方法 | |
Kaya et al. | Urban DNA: Morphogenetic analysis of urban pattern | |
Raimbault et al. | A hybrid network/grid model of urban morphogenesis and optimization | |
CN110020650A (zh) | 一种针对倾斜车牌的深度学习识别模型的构建方法、识别方法及装置 | |
CN110135043A (zh) | 一种城市街廓空间形态分类方法及系统 | |
CN103778191A (zh) | 一种顾及空间邻近关系的矢量等高线数据划分方法 | |
CN118036165B (zh) | 高层建筑裙房形态自动生成方法、装置及存储介质 | |
CN112069635A (zh) | 一种换电柜的部署方法、装置、介质及电子设备 | |
CN106815320B (zh) | 基于拓展三维直方图的调研大数据可视化建模方法及系统 | |
CN111325414A (zh) | 一种基于数据驱动的平行交通预测方法 | |
Lei | The GIS-based research on criminal cases hotspots identifying | |
CN116030629A (zh) | 基于轨迹大数据的交通拥堵溯源方法、存储介质及服务器 | |
Mekni | Hierarchical path planning for situated agents in informed virtual geographic environments | |
Deng et al. | Multiple geographical feature label placement based on multiple candidate positions in two degrees of freedom space | |
Ng et al. | A Hybrid intelligent traffic light system for solving traffic congestion in Hong Kong | |
Fan et al. | Analysis and Reconstruction Method of Spatial Characteristics of Traditional Chinese Villages Based on Parameterization | |
CN108345688A (zh) | 一种城市设计的数字化转译及应用方法 | |
Xu et al. | An improved algorithm for clustering uncertain traffic data streams based on Hadoop platform | |
JP2021081871A (ja) | 都市構造設計装置及び都市構造設計プログラム | |
Zhou et al. | A distributed storage strategy for trajectory data based on nosql database | |
CN117951239B (zh) | 街道空间破碎度确定方法及装置、电子设备 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |