CN111368468B - 基于数理方法及编程算法求取集中型村落二维边界的方法 - Google Patents

Abstract

本发明公开了一种基于数理方法及编程算法求取集中型村落二维边界的方法。根据电子地图数据截图进行实地踏勘，利用AutoCAD绘制村落建筑图形；根据最小生成树聚类算法分析是否为集中型村落，保留集中型村落作为求取对象；根据Delaunay三角形网络计算村落建筑之间的平均距离；利用3‑sigma法则排除离形建筑；求取剩余建筑轮廓集合的最小生成树路径；基于最小生成树路径利用凸包原理求取村落二维边界；利用缺口填补阈值的方式获取村落二维边界。本发明实现了基于村落建筑群轮廓求取村落二维边界，为更加纯粹的研究建筑要素形成的村落边界，弱化其他要素的影响，利用最小生成树的聚类算法筛选出集中型村落，排除离形建筑，实现以纯几何视角进行村落二维边界求取。

Description

基于数理方法及编程算法求取集中型村落二维边界的方法

技术领域

本发明涉及一种基于数理方法及编程算法求取集中型村落二维边界的方法，尤其涉及一种基于德洛内三角网原理、最小生成树算法、凸包原理并结合相应计算机算法求取基于村落建筑群轮廓所形成的二维边界的方法，属于建筑学村落保护与更新研究领域。

背景技术

在当今由增量扩张向存量优化转变的时代背景下，传统村落的更新保护问题变得日益重要。在乡村发展、提升与转型的同时，逐渐出现同质化现象，人口流失、设施落后、空间秩序杂乱等问题依旧明显。很多村落改造忽视当地的文化传统、空间特色，甚至进行大拆大建，使得传统村落失去特色风貌。在此研究过程中，对村落的空间属性进行探析是极为重要的内容之一，但相关数据的获取存在难度。因此，以物质边界为研究视角，探究村落形态的可视化特征，通过实地调研获取村落原始数据，结合数理方法及计算机编程算法，求取村落建设二维边界，可为村落建设提供参考依据，使得村落研究由定性向定量的转化，促进村落肌理的保护与延续，推动村落的更新改造具有更强的在地性。

蒲欣成从图底关系出发，将村落解析为边界、空间、建筑三类属性来分析其平面形态。张杰以古村落为例，对选址、轴线、尺度与视域角度四要素进行量化分析。温天蓉提取道路、地块、建筑等属性对村落形态进行解析，并利用参数化方法提出各自不同的参数集。尚兵兵从地形地貌景观、水体景观、自然植被与森林景观、村落景观、农业种植景观六个层面出发构建属性集合，设计判断矩阵确定各属性权重，并建立量化评价体系。叶坤以凤凰古城为例，以空间句法的基本方法对其街巷系统、平面和单体立面三个层面进行研究。曹萍围绕农村居民点如何合理扩张，在地理学、社会学、景观学等相关理论的支撑下，结合GIS技术，以柘溪镇为例，探讨了不同因素对乡村居民点用地分布的影响与特征呈现。王真结合SOM神经网络，提出建筑物的聚类方法。

总体来说，对村落形态的量化研究，其广度逐渐拓展，深度不断加深，多学科交叉应用促进了多元发展，可逐步提升村落研究的效率与严谨性；一些新兴的量化方法尚未发展成熟，需要在实践与研究中逐渐验证其科学性、实用性。以纯几何视角，对村落二维边界形态的研究还可进一步深化。

发明内容

本发明的目的在于以纯几何视角研究集中型村落的二维边界形态，对现有村落空间形态研究加以补充，提供一种以建设边界为主要研究对象，引入数理方法、计算机编程算法，结合传统的研究方法，实现对集中型村落二维边界形态的量化分析。

本发明为解决上述技术问题采用以下技术方案：

基于数理方法及编程算法求取集中型村落二维边界的方法，所述集中型村落的判断方法包括：选取目标村落，以多段连续线绘制村落建筑图形的边界，得到一个多边形边界集；以村落建筑之间的欧式距离作为村落建筑聚类的约束度量，采用最小树划分作为聚类方法，多边形边界集中的多边形边界进行聚类，若聚类后所得的子类个数N＝1则该目标村落为集中型村落，否则判断该目标村落为组团式村落。

所述集中型村落二维边界的求取方法为：

步骤A，计算村落建筑之间的距离的平均值μ与标准差σ；

步骤B，设定村落建筑的影响距离并排除离形建筑，得到一个新的多边形边界集合；

步骤C，求取新的多边形边界集的最小生成树路径，确定目标建筑群；

步骤D，利用凸包原理求取村落二维边界。

作为本发明的进一步技术方案，所述以多段连续线绘制村落建筑图形的边界包括步骤：

以村落的历史CAD及高清影像图为基础，利用Autocad制图软件绘制村落建筑图形，利用AutoCAD软件中Polyline多段连续线绘制村落建筑的边界，得到一个多边形边界集，并储存为DXF文件格式，作为村落建筑群数据。

作为本发明的进一步技术方案，所述步骤A包括步骤：

将每一个村落建筑抽象为其对应多边形边界的形心，生成Delaunay三角形网络，以此为基础获得每两个村落建筑之间的距离为对应多边形边界形心的直线距离，从而计算村落建筑之间的距离的平均值μ与标准差σ。

作为本发明的进一步技术方案，所述步骤B包括步骤：

利用3-sigma法则，以μ+3σ作为村落建筑的影响距离，排除村落建筑之间的距离超过影响距离的离形建筑，得到一个新的多边形边界集，并重置Delaunay三角形网络。

作为本发明的进一步技术方案，所述步骤C包括步骤：

采用最小生成树算法，以步骤B中获得的新的多边形边界集为输入源，输出代表该村落多边形边界集的最小生成树路径，最小生成树路径线段连接的多边形边界代表的村落建筑构成目标建筑群。

作为本发明的进一步技术方案，所述步骤D包括步骤：

以步骤C中最小生成树路径为基础，将目标建筑群中的村落建筑对应的多边形边界向外偏移M米，对偏移后的多边形边界利用凸包原理，按最小生成树路径的顺序两两求凸包；然后求这些凸包图形的并集，得到一个闭合边界；，再后将闭合边界向内偏移M米即得到该集中型村落的二维边界；其中，M为某一村落建筑对其周围村落建筑产生影响的辐射距离。

作为本发明的进一步技术方案，M＝7。

本发明采用以上技术方案与现有技术相比，具有以下技术效果：选取集中型村落作为主要研究目标群，缩小了目标范围；采用最小生成树方法，更加精确的描述了村落中关系紧密的建筑对象，进而进行凸包的求取，使得计算结果更为准确有效，为村落的更新改造提供更为宏观的研究视角，呼吁村落改造过程中加强对于文脉、肌理等历史、人文积淀的重视。

附图说明

图1是本发明实施例的流程示意图。

具体实施方式

为使本发明的目的、技术方案更加清楚，下面对本发明中的技术方案进行清晰、完整的描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于发明保护的范围。

本发明主要围绕以纯几何视角，基于德洛内三角网原理、最小生成树算法、凸包原理数理方法，以及计算机编程算法，提出一种求取集中型村落建设边界二维形态的方法。

一种基于数理方法、计算机编程算法求取村落二维边界的方法，包括以下步骤：

步骤1：选取目标村落，进行文献资料查询、进行电子地图数据截取、并实地调研踏勘。以村落原始CAD及高清影像图为基础，利用Autocad制图软件重新绘制村落建筑图形，剔除村落内的非建筑要素，如道路、水塘、山体以及农田等环境要素，利用AutoCAD软件中Polyline多段连续线绘制村落建筑的边界，得到一个多边形边界集，并储存为DXF文件格式，作为村落建筑群数据。

步骤2：利用聚类算法，筛选出集中型村落。以村落建筑之间的欧式距离作为村落建筑聚类的约束度量，采用最小树划分作为聚类方法。将步骤1中DXF文件格式的多边形边界集作为输入值，结合最小生成树算法，输出值为聚类后所得的子类个数N。当N＝1时，可判断该村落为集中型村落，保留为下一步边界求取的对象；当N>1时,则判断该村落为组团式村落，则排除该样本。

步骤3：计算村落建筑之间的距离的平均值μ与标准差σ。将每一个村落建筑抽象为其对应多边形边界的形心，生成Delaunay三角形网络，以此为基础获得每两个村落建筑之间的距离为对应多边形边界形心的直线距离，从而计算村落建筑之间的距离的平均值与标准差。

步骤4：设定村落建筑的影响距离并排除离形建筑，得到一个新的多边形边界集合。利用3-sigma法则，以(μ+3σ)作为村落建筑的影响距离。村落建筑之间的距离超过影响距离的离形建筑，得到一个新的多边形边界集，并重置Delaunay三角形网络。

步骤5：求取多边形边界集的最小生成树路径。以步骤4中获得的新的多边形边界集为输入源，输出代表该村落多边形边界集的最小生成树路径，最小生成树路径线段连接的多边形边界，相互之间影响最大，最小生成树路径连接的多个多边形边界所代表的的村落建筑构成目标建筑群。

步骤6：利用凸包原理求取村落二维边界。以步骤5中最小生成树路径为基础，将步骤5中代表目标建筑群中村落建筑的多边形边界向外偏移M米，对偏移后的多边形边界利用凸包原理，按最小生成树路径的顺序两两求凸包，然后求这些凸包图形的并集，得到一个闭合边界，再后将闭合边界向内偏移M米即得到该集中型村落的二维边界；其中，M为某一村落建筑对其周围村落建筑产生影响的辐射距离，本发明中取M＝7。

Claims (5)

1.一种基于数理方法及编程算法求取集中型村落二维边界的方法，其特征在于，所述集中型村落的判断方法包括：选取目标村落，以多段连续线绘制村落建筑图形的边界，得到一个多边形边界集；以村落建筑之间的欧式距离作为村落建筑聚类的约束度量，采用最小树划分作为聚类方法，对多边形边界集中的多边形边界进行聚类，若聚类后所得的子类个数N＝1则该目标村落为集中型村落，否则判断该目标村落为组团式村落；

所述集中型村落二维边界的求取方法为：

步骤A，计算村落建筑之间的距离的平均值μ与标准差σ；

步骤B，设定村落建筑的影响距离并排除离形建筑，得到一个新的多边形边界集合；

步骤C，求取新的多边形边界集的最小生成树路径，确定目标建筑群；

步骤D，利用凸包原理求取村落二维边界；

所述步骤C包括步骤：

采用最小生成树算法，以步骤B中获得的新的多边形边界集为输入源，输出代表该村落多边形边界集的最小生成树路径，最小生成树路径线段连接的多边形边界代表的村落建筑构成目标建筑群；

所述步骤D包括步骤：

以步骤C中最小生成树路径为基础，将目标建筑群中的村落建筑对应的多边形边界向外偏移M米，对偏移后的多边形边界利用凸包原理，按最小生成树路径的顺序两两求凸包；然后求这些凸包图形的并集，得到一个闭合边界；再后将闭合边界向内偏移M米即得到该集中型村落的二维边界；其中，M为某一村落建筑对其周围村落建筑产生影响的辐射距离。

2.根据权利要求1所述的一种基于数理方法及编程算法求取集中型村落二维边界的方法，其特征在于，所述以多段连续线绘制村落建筑图形的边界包括步骤：

以村落的历史CAD及高清影像图为基础，利用Autocad制图软件绘制村落建筑图形，利用AutoCAD软件中Polyline多段连续线绘制村落建筑的边界，得到一个多边形边界集，并储存为DXF文件格式，作为村落建筑群数据。

3.根据权利要求1所述的一种基于数理方法及编程算法求取集中型村落二维边界的方法，其特征在于，所述步骤A包括步骤：

将每一个村落建筑抽象为其对应多边形边界的形心，生成Delaunay三角形网络，以此为基础获得每两个村落建筑之间的距离为对应多边形边界形心的直线距离，从而计算村落建筑之间的距离的平均值与标准差。

4.根据权利要求1所述的一种基于数理方法及编程算法求取集中型村落二维边界的方法，其特征在于，所述步骤B包括步骤：

利用3-sigma法则，以μ+3σ作为村落建筑的影响距离，排除村落建筑之间的距离超过影响距离的离形建筑，得到一个新的多边形边界集，并重置Delaunay三角形网络。

5.根据权利要求1所述的一种基于数理方法及编程算法求取集中型村落二维边界的方法，其特征在于，M＝7。