CN114169063A - 一种建筑平面布局方法、装置及电子设备 - Google Patents
一种建筑平面布局方法、装置及电子设备 Download PDFInfo
- Publication number
- CN114169063A CN114169063A CN202111612031.9A CN202111612031A CN114169063A CN 114169063 A CN114169063 A CN 114169063A CN 202111612031 A CN202111612031 A CN 202111612031A CN 114169063 A CN114169063 A CN 114169063A
- Authority
- CN
- China
- Prior art keywords
- building
- constraint
- constraint condition
- components
- determining
- 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.)
- Pending
Links
Images
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
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
- G06F18/214—Generating training patterns; Bootstrap methods, e.g. bagging or boosting
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
- G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
-
- 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
- G06F30/27—Design optimisation, verification or simulation using machine learning, e.g. artificial intelligence, neural networks, support vector machines [SVM] or training a model
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2111/00—Details relating to CAD techniques
- G06F2111/04—Constraint-based CAD
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Evolutionary Computation (AREA)
- General Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Geometry (AREA)
- General Engineering & Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Computer Hardware Design (AREA)
- Artificial Intelligence (AREA)
- Bioinformatics & Computational Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Evolutionary Biology (AREA)
- Life Sciences & Earth Sciences (AREA)
- Structural Engineering (AREA)
- Civil Engineering (AREA)
- Architecture (AREA)
- Computational Mathematics (AREA)
- Mathematical Analysis (AREA)
- Mathematical Optimization (AREA)
- Pure & Applied Mathematics (AREA)
- Medical Informatics (AREA)
- Software Systems (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明提供一种建筑平面布局方法、装置及电子设备,涉及建筑平面布局技术领域,通过求解约束条件,获得满足约束条件的建筑组件的摆放位置,自动生成建筑平面图纸,以提高设计人员工作效率,规范图纸设计。该方法包括:将建筑的标准化图纸转化为计算机语言,建筑包括若干个建筑组件;获取建筑组件的约束条件;基于约束条件确定建筑组件的摆放位置,获得满足约束条件的建筑组件的摆放位置;对满足约束条件的建筑组件的摆放位置进行分类。所述建筑平面布局装置应用于建筑平面布局方法。所述建筑平面布局方法应用于电子设备中。
Description
技术领域
本发明涉及建筑平面布局技术领域,更具体的说,涉及一种建筑平面布局方法、装置、电子设备及计算机可读存储介质。
背景技术
适老化标准卫生间影响养老建筑整体平面布局的实用性,目前主流的布局方案仍然是设计师使用CAD人工绘制方案图,根据建筑平面的卫生间的空间大小,利用CAD进行平面功能与适老化需求的排布,最终达到合理化的卫生间布局。
但是人工绘制CAD平面布局,根据老年人生理特征而定的适老化尺寸标准进行方案排布,不仅耗费时间与精力,也可能会出现考虑不周的情况。主要有以下缺点:1)我国设计养老建筑的专业人士较少,非专业人士设计养老建筑时只能通过查阅相关规范以及参考各类案例来进行设计,这一过程无疑降低了设计人员的工作效率。2)养老建筑设计人员个体间的经验水平差异较大,容易因个体经验或者人为差错导致图纸误差。
发明内容
为解决上述技术问题,本发明提供一种建筑平面布局方法、装置、电子设备及计算机可读存储介质,以提高设计人员工作效率,规范图纸设计。
本发明提供一种建筑平面布局方法,该方法包括:
步骤1:将建筑的标准化图纸转化为计算机语言,所述建筑包括若干个建筑组件;
步骤2:获取所述建筑组件的约束条件;
步骤3:基于所述约束条件确定所述建筑组件的摆放位置,获得满足所述约束条件的所述建筑组件的摆放位置;
步骤4:对满足所述约束条件的所述建筑组件的摆放位置进行分类。
优选地,所述步骤2包括:
利用Python语言将所述建筑组件及所述建筑组件之间的关联和限制转化为所述约束条件。
优选地,所述约束条件包括:
第一约束条件,用于确定所述建筑组件与原有建筑之间预设位置关系的约束条件;
第二约束条件,用于确定所述建筑组件的宽度、高度的约束条件;
第三约束条件,用于确定所述建筑组件之间距离的约束条件;
第四约束条件,用于确定所述建筑组件位置与原有建筑之间包含关系的约束条件。
优选地,所述步骤3包括:
步骤3.1:构建人机交互平台;
步骤3.2:在所述人机交互平台输入建筑组件信息;
步骤3.3:基于所述约束条件和所述建筑组件信息确定所述建筑组件的摆放位置,获得满足所述约束条件的所述建筑组件的摆放位置;
进一步地,所述步骤3.3包括:
步骤3.3.1:基于所述第一约束条件,遍历所述建筑组件在所述建筑内所有可能的摆放位置;
步骤3.3.2:基于所述第三约束条件,利用循环求解的方法获得满足所述约束条件的所述建筑组件的摆放位置。
优选地,所述步骤4包括:
步骤4.1:对满足所述约束条件的所述建筑组件的摆放位置进行分类,获得分类结果训练样本;
步骤4.2:利用深度学习方法对所述分类结果训练样本进行训练,形成分类模型;
步骤4.3:利用所述分类模型对待分类的满足所述约束条件的所述建筑组件的摆放位置进行分类,获得分类结果,所述分类结果包括:优秀、良好和较差。
与现有技术相比,本发明提供的一种建筑平面布局方法具有如下有益效果:首先将建筑的标准化图纸转化为计算机语言,建筑包括若干个建筑组件,获取建筑组件的约束条件。然后根据约束条件确定建筑组件的摆放位置,获得满足约束条件的建筑组件的摆放位置,对满足约束条件的建筑组件的摆放位置进行分类。通过求解约束条件,获得满足约束条件的建筑组件的摆放位置,自动生成建筑平面图纸,并对生成的建筑平面图纸进行优劣分类,提升了设计师的工作效率,可生成符合规范的建筑平面图纸。
本发明还提供一种建筑平面布局装置,该装置包括:
图纸转换模块,用于将建筑的标准化图纸转化为计算机语言,所述建筑包括若干个建筑组件;
约束条件模块,用于利用Python语言将所述建筑组件及所述建筑组件之间的关联和限制转化为所述约束条件;
摆放位置模块,用于基于所述约束条件确定所述建筑组件的摆放位置,获得满足所述约束条件的所述建筑组件的摆放位置;
分类模块,用于对满足所述约束条件的所述建筑组件的摆放位置进行分类。
优选地,所述约束条件包括:
第一约束条件,用于确定所述建筑组件与原有建筑之间位置关系的约束条件;
第二约束条件,用于确定所述建筑组件的宽度、高度的约束条件;
第三约束条件,用于确定所述建筑组件之间距离的约束条件;
第四约束条件,用于确定所述建筑组件与原有建筑之间位置包含关系的约束条件。
与现有技术相比,本发明提供的一种建筑平面布局装置的有益效果与上述技术方案所述一种建筑平面布局方法的有益效果相同,在此不做赘述。
本发明还提供一种电子设备,包括总线、收发器(显示单元/输出单元、输入单元)、存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序,所述收发器、所述存储器和所述处理器通过所述总线相连,所述计算机程序被所述处理器执行时实现上述任一项所述的一种建筑平面布局方法中的步骤。
与现有技术相比,本发明提供的电子设备的有益效果与上述技术方案所述一种建筑平面布局方法的有益效果相同,在此不做赘述。
为使本发明的上述目的、特征和优点能更明显易懂,下文特举较佳实施例,并配合所附附图,作详细说明如下。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1示出了本发明实施例所提供的一种建筑平面布局方法的流程图;
图2示出了本发明实施例所提供的一种建筑平面布局方法的原理图;
图3示出了本发明实施例所提供的卫生间平面分区及最小尺寸示意图;
图4示出了本发明实施例所提供的轮椅旋转直径示意图;
图5示出了本发明实施例所提供的人机交互平台前端界面示意图;
图6示出了本发明实施例所提供的求解满足第一约束条件的建筑组件摆放位置的流程图;
图7示出了本发明实施例所提供的求解满足第三约束条件的建筑组件摆放位置的流程图;
图8示出了本发明实施例所提供的所有满足约束条件的平面布置示意图;
图9示出了本发明实施例所提供的所有满足约束条件的平面布置示意图图中两张示例图;
图10A示出了本发明实施例所提供的深度学习模型的优秀学习样本;
图10B示出了本发明实施例所提供的深度学习模型的良好学习样本;
图10C示出了本发明实施例所提供的深度学习模型的较差学习样本;
图11示出了本发明实施例所提供的所有满足约束条件的平面布置图中部分生成图片及打分结果;
图12示出了本发明实施例所提供的所有满足约束条件的平面布置CAD示意图;
图13示出了本发明实施例所提供的一种建筑平面布局装置的结构示意图;
图14示出了本发明实施例所提供的一种用于执行建筑平面布局方法的电子设备的结构示意图。
具体实施方式
在本发明的描述中,需要理解的是,术语“第一”、“第二”仅用于描述目的,而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此,限定有“第一”、“第二”的特征可以明示或者隐含地包括一个或者更多个该特征。在本发明的描述中,“多个”的含义是两个或两个以上,除非另有明确具体的限定。
本实施例中提到的“多个”是指两个或两个以上。“和/或”,描述关联对象的关联关系,表示可以存在三种关系,例如,A和/或B,可以表示:单独存在A,同时存在A和B,单独存在B的情况。“示例性的”或者“例如”等词用于表示作例子、例证或说明,旨在以具体方式呈现相关概念,不应被解释为比其他实施例或设计方案更优选或更具优势。
在介绍本申请实施例之前首先对本申请实施例中涉及到的相关名词作如下释义:
约束求解:是2018年公布的计算机科学技术名词,约束满足问题的求解方法。其中回溯搜索、约束传播和局部搜索是主要的求解方法。
Python语言:Python是近年较流行且受欢迎的计算机编程语言,其有简单严谨、开发效率高、可移植性强的特点。
由于目前设计养老建筑的专业人士较少,非专业人士设计养老建筑时只能通过查阅相关规范以及参考各类案例来进行设计,降低了设计人员的工作效率。而且由于养老建筑设计人员个体间的经验水平差异较大,也会容易因个体经验或者人为差错导致图纸误差。
基于此,本发明实施例提供一种建筑平面布局方法、装置、电子设备及计算机可读存储介质。
本发明实施例提供一种建筑平面布局方法,图1示出了本发明实施例所提供的一种建筑平面布局方法的流程图。图2示出了本发明实施例所提供的一种建筑平面布局方法的原理图。如图1和图2所示,该方法包括:
步骤1:将建筑的标准化图纸转化为计算机语言,所述建筑包括若干个建筑组件。
需要说明的是,实际排布养老建筑过程中,有很多因素会影响到布局效果。本发明实施例以适老化卫生间平面布局为例,当然,也可以以其它建筑平面布局为例,在此并不做具体限定。
将建筑的标准化图纸转化为计算机语言,示例性的,可以采用Python语言将适老化卫生间标准化图纸转译为计算机能够识别的数据。当然,也可以采用其它计算机语言进行转译,在此并不做具体限定。
为保证适老化卫生间布局的合理性,可以将卫生间平面分为三个区域且规定其最小尺寸。图3示出了本发明实施例所提供的卫生间平面分区及最小尺寸示意图,如图3所示,马桶区1尺寸≥1300mm*900mm(长*宽),淋浴区2尺寸≥1200mm*900mm(长*宽),洗手区3尺寸≥600mm*600mm(长*宽),管井4的位置及尺寸是需要根据马桶区、淋浴区和洗手区尺寸进行确定的。
本发明实施例针对人群为半失能老人,故在卫生间平面中预留1500mm的轮椅旋转直径。图4示出了本发明实施例所提供的轮椅旋转直径示意图。如图4所示,轮椅旋转直径区5,不得占用洗手盆管道位置7,不得占用马桶洁具位置6,可占用远离墙靠近轮椅旋转直径区5的马桶区1部分虚线位置。具体地,洗手盆管道位置7距墙350mm,马桶尺寸可以为525mm*280mm(长*宽)。
建筑包括若干个建筑组件,表1示出了标准化卫生间组件,如表1所示,适老化卫生间内共包括20种组件。其中,11种组件为必须设置项,例如,房间、门、洗手盆、洗手台、马桶、排水槽、花洒、花洒扶手、凳子、座椅扶手及淋浴房置物架。9种组件需根据平面情况选择使用,例如,管井、墙、折叠扶手、立式扶手、L型短扶手、L型长扶手、I型扶手、马桶短置物架及马桶长置物架。在建筑平面布局中,将所有建筑组件拟作矩形,以最长、最宽处尺寸作为矩形的边长。
表1.标准化卫生间组件
步骤2:获取建筑组件的约束条件。
需要说明的是,可以利用Python语言将建筑组件及建筑组件之间的关联和限制转化为约束条件。示例性的,利用Python语言将标准化组件及其之间的关联和限制转译为计算机可读的约束条件。
具体地,可以将约束条件分为四类:
第一约束条件,用于确定建筑组件与原有建筑之间平面位置关系的约束条件,例如:“0 Closestool#尾Wall#无out 01 or 0 Closestool#尾Room#无in 01”,表示马桶与墙面的距离为0或者马桶与房间墙面的距离为0,即马桶尾部必须靠墙设置。
第二约束条件,用于确定建筑组件的宽度、高度的约束条件。例如:“1 Closestoolwidth>=1300height>=900”,表示马桶区1宽度大于等于1300mm,高度大于等于900mm。应理解,适老化卫生间包括的组件的尺寸为确定项,所以在求解时并不对第二约束条件进行求解。
第三约束条件,用于确定建筑组件之间距离的约束条件。例如:限制可折叠扶手与马桶之间的位置关系“2 CollapsibleHandrail右Closestool*长=450 or 2CollapsibleHandrail左Closestool*长=450”,表示可折叠扶手的右边或者左边与马桶长轴之间的距离为450mm。
第四约束条件,用于确定建筑组件与原有建筑之间位置包含关系的约束条件。例如:马桶都应该在房子内部“3 Closestool in Room”,同理对于out(外部关系)、cross(相交关系)也一样。
步骤3:基于约束条件确定建筑组件的摆放位置,获得满足约束条件的建筑组件的摆放位置。
需要说明的是,所述步骤3包括:
步骤3.1:构建人机交互平台。
图5示出了本发明实施例所提供的人机交互平台前端界面示意图,如图5所示,首先创建人机交互设计平台。
步骤3.2:在人机交互平台输入建筑组件信息。
示例性的,如图5所示,用户只需在平台前端输入房间宽度、高度,门和管井的高度、宽度以及x、y坐标,点击“生成布局”,程序内部对约束条件进行求解,尝试生成平面布局结果。
步骤3.3:基于约束条件和建筑组件信息确定建筑组件的摆放位置,获得满足约束条件的建筑组件的摆放位置。
需要说明的是,所述步骤3.3包括:
步骤3.3.1:基于第一约束条件,遍历建筑组件在建筑内所有可能的摆放位置。
图6示出了本发明实施例所提供的求解满足第一约束条件的建筑组件摆放位置的流程图。如图6所示,求解满足第一约束条件的建筑组件摆放位置,可以在程序内部遍历建筑组件所有可能的摆放位置。可以将最小单位设为毫米(mm),以30mm为一个step找到建筑组件所有可能的摆放情况。
遍历建筑组件在建筑内所有可能的摆放位置多用于求解第一约束条件函数,尝试将建筑组件沿四周墙壁遍历所有可能位置,同时根据建筑组件的朝向,扩展建筑组件摆放情况,然后获取所有建筑组件可能摆放的位置参数。例如:在一个位置上,需要考虑建筑组件朝向x轴正方向、x轴负方向、y轴正方向、y轴负方向这四个位置。
步骤3.3.2:基于第三约束条件,利用循环求解的方法获得满足约束条件的建筑组件的摆放位置。
图7示出了本发明实施例所提供的求解满足第三约束条件的建筑组件摆放位置的流程图。如图7所示,循环求解满足第三约束条件的建筑组件的摆放位置。以下将建筑组件可以简称为组件,由于一个组件的约束条件往往涉及其它组件,故在判断是否满足约束条件时,多以一组组件进行判断,在获取一种所有组件的摆放情况后,判断这种摆放情况是否满足既定的约束条件,如果满足所有的约束条件,就得到一组可行解;如果有任何条件不满足,就循环遍历下一组可行解。由于这种思路下解空间依然比较大,可行解较少,很多无用的组件摆放情况伴随着后续的循环遍历,带来了无用的时间开销。因此考虑一旦有部分组件组合可以求解一些约束的时候,立刻进行判断,并及时将不可行的组件摆放情况去除掉,防止后续在此基础上的多余遍历操作。
图8示出了本发明实施例所提供的某组实验数据所生成的所有满足约束条件的平面布置示意图。应理解,这里的某组实验数据是指生成建筑平面所需要的具体条件,例如:建筑平面内组件的尺寸、使用方向等。如图8所示,通过步骤3.3.1和步骤3.3.2,在程序内部求解约束条件完成后,得到满足约束条件的组件位置摆放,生成相应的如图8所示的png格式图片。
步骤4:对满足约束条件的建筑组件的摆放位置进行分类。
需要说明的是,所述步骤4包括:
步骤4.1:对满足约束条件的建筑组件的摆放位置进行分类,获得分类结果训练样本。
需要说明的是,图8中通过约束求解所生成的png格式图片,是满足基本约束条件的结果,但是在这些结果中,存在不符合使用习惯的布置图。在数次求解不同户型的组件摆放位置后,可以得到一些自动生成的平面布局结果,例如,图9为某组实验数据经过求解约束条件后所生成的两张示例图,图9中左图的组件摆放位置使用体验感较差,图9中右图的组件摆放位置则较符合使用习惯。
设计人员对生成的平面布局结果按优秀、良好、较差三类进行分类,深度学习模型根据人工分类的结果作为样本进行学习,提取三类布局图片的特征,以便后期为其它生成结果进行打分。图10A-图10C示出了本发明实施例所提供的深度学习模型的部分学习样本,其中,图10A示出了本发明实施例所提供的深度学习模型的优秀学习样本;图10B示出了本发明实施例所提供的深度学习模型的良好学习样本;图10C示出了本发明实施例所提供的深度学习模型的较差学习样本。如图10A-图10C所示,设计人员对所有满足约束条件的平面布置图按优秀、良好和较差分为三类,获得分类结果训练样本。应理解的是,学习样本除满足规范的条件下,优秀样本可满足正常使用功能,且布局合理;良好样本勉强满足使用功能,同时布局存在一些问题;较差样本不满足正常使用功能。
步骤4.2:利用深度学习方法对分类结果训练样本进行训练,形成分类模型。
需要说明的是,为了使程序更加智能化,本发明实施例运用深度学习算法,在程序内部对满足约束条件的建筑组件的摆放位置生成结果能否满足正常使用功能来进行打分。图11示出了本发明实施例所提供的所有满足约束条件的平面布置图中部分生成图片及打分结果。如图11所示,求解某组数据后部分生成结果图片以及在现阶段评分标准下生成结果的分数。并对生成结果进行再学习,在不断深入学习的过程中,还可以调整分类模型的学习样本,改变打分依据。
步骤4.3:利用分类模型对待分类的满足约束条件的建筑组件的摆放位置进行分类,获得分类结果,分类结果包括:优秀、良好和较差。
需要说明的是,为了便于设计人员对生成的结果进行修改和深化,对满足约束条件的建筑组件的摆放位置的生成结果最终应转化为.dwg文件,使其成为真正能辅助设计人员,具有可操作性的软件。
现阶段求解约束条件所生成的结果保存为.png的图片格式以及JSON数据。JSON数据是每组数据生成的平面布置图中所有组件摆放位置的坐标及方向。图12示出了本发明实施例所提供的所有满足约束条件的平面布置CAD示意图。如图12所示,通过人机交互平台前端控制激活AutoCAD,将所生成的平面布置图进行自动绘制,形成满足约束条件的平面布置CAD图纸。
与现有技术相比,本发明实施例所提供的一种建筑平面布局方法具有如下有益效果:采用Python语言以养老机构卫生间平面布局为例编写了软件程序,将标准化图纸通过Python语言转译为计算机能够识别的数据,运用约束求解确定卫生间组件的摆放位置,实现计算机程序对不同卫生间户型的平面布局进行自动生成,并对图纸进行优劣评分,再利用机器学习算法深入学习,从而生成质量较高的成果。利用本发明实施例提供的建筑平面布局方法可以直接生成符合规范及设计师习惯的适老化卫生间布局图纸,避免因人为差错导致图纸误差。有助于提高建筑布局规范程度与设计人员工作效率。
本发明实施例还提供一种建筑平面布局装置,图13示出了本发明实施例所提供的一种建筑平面布局装置的结构示意图,如图13所示,该装置包括:
图纸转换模块1,用于将建筑的标准化图纸转化为计算机语言,建筑包括若干个建筑组件。
约束条件模块2,用于利用Python语言将建筑组件及建筑组件之间的关联和限制转化为约束条件。
需要说明的是,所述约束条件包括:第一约束条件,用于确定建筑组件与原有建筑之间位置关系的约束条件;第二约束条件,用于确定建筑组件的宽度、高度的约束条件;第三约束条件,用于确定建筑组件之间距离的约束条件;第四约束条件,用于确定建筑组件与原有建筑之间位置包含关系的约束条件。
摆放位置模块3,用于基于约束条件确定建筑组件的摆放位置,获得满足约束条件的建筑组件的摆放位置;
需要说明的是,所述摆放位置模块3包括:构建单元31,用于构建人机交互平台。输入单元32,用于在人机交互平台输入建筑组件信息。摆放位置单元33,用于基于约束条件和建筑组件信息确定建筑组件的摆放位置,获得满足约束条件的建筑组件的摆放位置。
具体地,基于第一约束条件,遍历建筑组件在建筑内所有可能的摆放位置;基于第三约束条件,利用循环求解的方法获得满足约束条件的建筑组件的摆放位置。
分类模块4,用于对满足约束条件的建筑组件的摆放位置进行分类。
需要说明的是,所述分类模块4包括:训练样本单元41,用于对满足约束条件的建筑组件的摆放位置进行分类,获得分类结果训练样本。训练单元42,用于利用深度学习方法对分类结果训练样本进行训练,形成分类模型。分类单元43,用于利用分类模型对待分类的满足约束条件的建筑组件的摆放位置进行分类,获得分类结果,分类结果包括:优秀、良好和较差。
与现有技术相比,本发明实施例提供的一种建筑平面布局装置的有益效果与上述技术方案所述一种建筑平面布局方法的有益效果相同,在此不做赘述。
此外,本发明实施例还提供了一种电子设备,包括总线、收发器、存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,该收发器、该存储器和处理器分别通过总线相连,计算机程序被处理器执行时实现上述一种建筑平面布局方法实施例的各个过程,且能达到相同的技术效果,为避免重复,这里不再赘述。
具体的,参见图14所示,本发明实施例还提供了一种电子设备,该电子设备包括总线1110、处理器1120、收发器1130、总线接口1140、存储器1150和用户接口1160。
在本发明实施例中,该电子设备还包括:存储在存储器1150上并可在处理器1120上运行的计算机程序,计算机程序被处理器1120执行时实现上述一种建筑平面布局方法实施例的各个过程。
收发器1130,用于在处理器1120的控制下接收和发送数据。
本发明实施例中,总线架构(用总线1110来代表),总线1110可以包括任意数量互联的总线和桥,总线1110将包括由处理器1120代表的一个或多个处理器与存储器1150代表的存储器的各种电路连接在一起。
总线1110表示若干类型的总线结构中的任何一种总线结构中的一个或多个,包括存储器总线以及存储器控制器、外围总线、加速图形端口(Accelerate Graphical Port,AGP)、处理器或使用各种总线体系结构中的任意总线结构的局域总线。作为示例而非限制,这样的体系结构包括:工业标准体系结构(Industry Standard Architecture,ISA)总线、微通道体系结构(Micro Channel Architecture,MCA)总线、扩展ISA(Enhanced ISA,EISA)总线、视频电子标准协会(Video Electronics Standards Association,VESA)、外围部件互连(Peripheral Component Interconnect,PCI)总线。
处理器1120可以是一种集成电路芯片,具有信号处理能力。在实现过程中,上述方法实施例的各步骤可以通过处理器中硬件的集成逻辑电路或软件形式的指令完成。上述的处理器包括:通用处理器、中央处理器(Central Processing Unit,CPU)、网络处理器(Network Processor,NP)、数字信号处理器(Digital Signal Processor,DSP)、专用集成电路(Application Specific Integrated Circuit,ASIC)、现场可编程门阵列(FieldProgrammable Gate Array,FPGA)、复杂可编程逻辑器件(Complex ProgrammableLogicDevice,CPLD)、可编程逻辑阵列(Programmable Logic Array,PLA)、微控制单元(Microcontroller Unit,MCU)或其他可编程逻辑器件、分立门、晶体管逻辑器件、分立硬件组件。可以实现或执行本发明实施例中公开的各方法、步骤及逻辑框图。例如,处理器可以是单核处理器或多核处理器,处理器可以集成于单颗芯片或位于多颗不同的芯片。
处理器1120可以是微处理器或任何常规的处理器。结合本发明实施例所公开的方法步骤可以直接由硬件译码处理器执行完成,或者由译码处理器中的硬件及软件模块组合执行完成。软件模块可以位于随机存取存储器(Random Access Memory,RAM)、闪存(FlashMemory)、只读存储器(Read-Only Memory,ROM)、可编程只读存储器(ProgrammableROM,PROM)、可擦除可编程只读存储器(Erasable PROM,EPROM)、寄存器等本领域公知的可读存储介质中。所述可读存储介质位于存储器中,处理器读取存储器中的信息,结合其硬件完成上述方法的步骤。
总线1110还可以将,例如外围设备、稳压器或功率管理电路等各种其他电路连接在一起,总线接口1140在总线1110和收发器1130之间提供接口,这些都是本领域所公知的。因此,本发明实施例不再对其进行进一步描述。
收发器1130可以是一个元件,也可以是多个元件,例如多个接收器和发送器,提供用于在传输介质上与各种其他装置通信的单元。例如:收发器1130从其他设备接收外部数据,收发器1130用于将处理器1120处理后的数据发送给其他设备。取决于计算机系统的性质,还可以提供用户接口1160,例如:触摸屏、物理键盘、显示器、鼠标、扬声器、麦克风、轨迹球、操纵杆、触控笔。
应理解,在本发明实施例中,存储器1150可进一步包括相对于处理器1120远程设置的存储器,这些远程设置的存储器可以通过网络连接至服务器。上述网络的一个或多个部分可以是自组织网络(ad hoc network)、内联网(intranet)、外联网(extranet)、虚拟专用网(VPN)、局域网(LAN)、无线局域网(WLAN)、广域网(WAN)、无线广域网(WWAN)、城域网(MAN)、互联网(Internet)、公共交换电话网(PSTN)、普通老式电话业务网(POTS)、蜂窝电话网、无线网络、无线保真(Wi-Fi)网络以及两个或更多个上述网络的组合。例如,蜂窝电话网和无线网络可以是全球移动通信(GSM)系统、码分多址(CDMA)系统、全球微波互联接入(WiMAX)系统、通用分组无线业务(GPRS)系统、宽带码分多址(WCDMA)系统、长期演进(LTE)系统、LTE频分双工(FDD)系统、LTE时分双工(TDD)系统、先进长期演进(LTE-A)系统、通用移动通信(UMTS)系统、增强移动宽带(Enhance Mobile Broadband,eMBB)系统、海量机器类通信(massive Machine Type of Communication,mMTC)系统、超可靠低时延通信(UltraReliable Low Latency Communications,uRLLC)系统等。
应理解,本发明实施例中的存储器1150可以是易失性存储器或非易失性存储器,或可包括易失性存储器和非易失性存储器两者。其中,非易失性存储器包括:只读存储器(Read-Only Memory,ROM)、可编程只读存储器(Programmable ROM,PROM)、可擦除可编程只读存储器(Erasable PROM,EPROM)、电可擦除可编程只读存储器(Electrically EPROM,EEPROM)或闪存(Flash Memory)。
易失性存储器包括:随机存取存储器(Random Access Memory,RAM),其用作外部高速缓存。通过示例性但不是限制性说明,许多形式的RAM可用,例如:静态随机存取存储器(Static RAM,SRAM)、动态随机存取存储器(Dynamic RAM,DRAM)、同步动态随机存取存储器(Synchronous DRAM,SDRAM)、双倍数据速率同步动态随机存取存储器(Double DataRateSDRAM,DDRSDRAM)、增强型同步动态随机存取存储器(Enhanced SDRAM,ESDRAM)、同步连接动态随机存取存储器(Synchlink DRAM,SLDRAM)和直接内存总线随机存取存储器(DirectRambus RAM,DRRAM)。本发明实施例描述的电子设备的存储器1150包括但不限于上述和任意其他适合类型的存储器。
在本发明实施例中,存储器1150存储了操作系统1151和应用程序1152的如下元素:可执行模块、数据结构,或者其子集,或者其扩展集。
具体而言,操作系统1151包含各种系统程序,例如:框架层、核心库层、驱动层等,用于实现各种基础业务以及处理基于硬件的任务。应用程序1152包含各种应用程序,例如:媒体播放器(Media Player)、浏览器(Browser),用于实现各种应用业务。实现本发明实施例方法的程序可以包含在应用程序1152中。应用程序1152包括:小程序、对象、组件、逻辑、数据结构以及其他执行特定任务或实现特定抽象数据类型的计算机系统可执行指令。
此外,本发明实施例还提供了一种计算机可读存储介质,其上存储有计算机程序,所述计算机程序被处理器执行时实现上述一种建筑平面布局方法实施例的各个过程,且能达到相同的技术效果,为避免重复,这里不再赘述。
计算机可读存储介质包括:永久性和非永久性、可移动和非可移动媒体,是可以保留和存储供指令执行设备所使用指令的有形设备。计算机可读存储介质包括:电子存储设备、磁存储设备、光存储设备、电磁存储设备、半导体存储设备以及上述任意合适的组合。计算机可读存储介质包括:相变内存(PRAM)、静态随机存取存储器(SRAM)、动态随机存取存储器(DRAM)、其他类型的随机存取存储器(RAM)、只读存储器(ROM)、非易失性随机存取存储器(NVRAM)、电可擦除可编程只读存储器(EEPROM)、快闪记忆体或其他内存技术、光盘只读存储器(CD-ROM)、数字多功能光盘(DVD)或其他光学存储、磁盒式磁带存储、磁带磁盘存储或其他磁性存储设备、记忆棒、机械编码装置(例如在其上记录有指令的凹槽中的穿孔卡或凸起结构)或任何其他非传输介质、可用于存储可以被计算设备访问的信息。按照本发明实施例中的界定,计算机可读存储介质不包括暂时信号本身,例如无线电波或其他自由传播的电磁波、通过波导或其他传输介质传播的电磁波(例如穿过光纤电缆的光脉冲)或通过导线传输的电信号。
在本申请所提供的几个实施例中,应该理解到,所披露的装置、电子设备和方法,可以通过其他的方式实现。例如,以上描述的装置实施例仅仅是示意性的,例如,所述模块或单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个单元或组件可以结合或可以集成到另一个系统,或一些特征可以忽略,或不执行。另外,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口、装置或单元的间接耦合或通信连接,也可以是电的、机械的或其他的形式连接。
所述作为分离部件说明的单元可以是或也可以不是物理上分开的,作为单元显示的部件可以是或也可以不是物理单元,既可以位于一个位置,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或全部单元来解决本发明实施例方案要解决的问题。
另外,在本发明各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以是两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。
所述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读存储介质中。基于这样的理解,本发明实施例的技术方案本质上或者说对现有技术作出贡献的部分,或者该技术方案的全部或部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(包括:个人计算机、服务器、数据中心或其他网络设备)执行本发明各个实施例所述方法的全部或部分步骤。而上述存储介质包括如前述所列举的各种可以存储程序代码的介质。
以上所述,仅为本发明的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,可轻易想到变化或替换的技术方案,都应涵盖在本发明的保护范围之内。因此,本发明的保护范围应以所述权利要求的保护范围为准。
Claims (10)
1.一种建筑平面布局方法,其特征在于,包括以下步骤:
步骤1:将建筑的标准化图纸转化为计算机语言,所述建筑包括若干个建筑组件;
步骤2:获取所述建筑组件的约束条件;
步骤3:基于所述约束条件确定所述建筑组件的摆放位置,获得满足所述约束条件的所述建筑组件的摆放位置;
步骤4:对满足所述约束条件的所述建筑组件的摆放位置进行分类。
2.根据权利要求1所述的一种建筑平面布局方法,其特征在于,所述步骤2包括:
利用Python语言将所述建筑组件及所述建筑组件之间的关联和限制转化为所述约束条件。
3.根据权利要求1或2任一项所述的一种建筑平面布局方法,其特征在于,所述约束条件包括:
第一约束条件,用于确定所述建筑组件与原有建筑之间位置关系的约束条件;
第二约束条件,用于确定所述建筑组件的宽度、高度的约束条件;
第三约束条件,用于确定所述建筑组件之间距离的约束条件;
第四约束条件,用于确定所述建筑组件与原有建筑之间位置包含关系的约束条件。
4.根据权利要求3所述的一种建筑平面布局方法,其特征在于,所述步骤3包括:
步骤3.1:构建人机交互平台;
步骤3.2:在所述人机交互平台输入建筑组件信息;
步骤3.3:基于所述约束条件和所述建筑组件信息确定所述建筑组件的摆放位置,获得满足所述约束条件的所述建筑组件的摆放位置。
5.根据权利要求4所述的一种建筑平面布局方法,其特征在于,所述步骤3.3包括:
步骤3.3.1:基于所述第一约束条件,遍历所述建筑组件在所述建筑内所有可能的摆放位置;
步骤3.3.2:基于所述第三约束条件,利用循环求解的方法获得满足所述约束条件的所述建筑组件的摆放位置。
6.根据权利要求1所述的一种建筑平面布局方法,其特征在于,所述步骤4包括:
步骤4.1:对满足所述约束条件的所述建筑组件的摆放位置进行分类,获得分类结果训练样本;
步骤4.2:利用深度学习方法对所述分类结果训练样本进行训练,形成分类模型;
步骤4.3:利用所述分类模型对待分类的满足所述约束条件的所述建筑组件的摆放位置进行分类,获得分类结果,所述分类结果包括:优秀、良好和较差。
7.一种建筑平面布局装置,其特征在于,包括:
图纸转换模块,用于将建筑的标准化图纸转化为计算机语言,所述建筑包括若干个建筑组件;
约束条件模块,用于利用Python语言将所述建筑组件及所述建筑组件之间的关联和限制转化为所述约束条件;
摆放位置模块,用于基于所述约束条件确定所述建筑组件的摆放位置,获得满足所述约束条件的所述建筑组件的摆放位置;
分类模块,用于对满足所述约束条件的所述建筑组件的摆放位置进行分类。
8.根据权利要求7所述的一种建筑平面布局装置,其特征在于,所述约束条件包括:
第一约束条件,用于确定所述建筑组件与原有建筑之间位置关系的约束条件;
第二约束条件,用于确定所述建筑组件的宽度、高度的约束条件;
第三约束条件,用于确定所述建筑组件之间距离的约束条件;
第四约束条件,用于确定所述建筑组件与原有建筑之间位置包含关系的约束条件。
9.一种电子设备,包括总线、收发器(显示单元/输出单元、输入单元)、存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序,所述收发器、所述存储器和所述处理器通过所述总线相连,其特征在于,所述计算机程序被所述处理器执行时实现如权利要求1至6中任一项所述的一种建筑平面布局方法中的步骤。
10.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现如权利要求1至6中任一项所述的一种建筑平面布局方法中的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111612031.9A CN114169063A (zh) | 2021-12-27 | 2021-12-27 | 一种建筑平面布局方法、装置及电子设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111612031.9A CN114169063A (zh) | 2021-12-27 | 2021-12-27 | 一种建筑平面布局方法、装置及电子设备 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114169063A true CN114169063A (zh) | 2022-03-11 |
Family
ID=80488443
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111612031.9A Pending CN114169063A (zh) | 2021-12-27 | 2021-12-27 | 一种建筑平面布局方法、装置及电子设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114169063A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114943113A (zh) * | 2022-07-26 | 2022-08-26 | 江西少科智能建造科技有限公司 | 多边形房间内布置散流器方法、系统、存储介质及设备 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20170076016A1 (en) * | 2015-09-10 | 2017-03-16 | Maysam MIR AHMADI | Automated layout generation |
CN110992490A (zh) * | 2019-12-13 | 2020-04-10 | 重庆交通大学 | 基于cad建筑平面图自动提取室内地图的方法 |
CN111090899A (zh) * | 2019-11-07 | 2020-05-01 | 郑州大学 | 一种用于城市建筑空间布局设计方法 |
US20210073435A1 (en) * | 2019-09-06 | 2021-03-11 | BeamUp, Ltd. | Structural design systems and methods for selective simulation of equipment coverage in a floor plan |
WO2021196515A1 (zh) * | 2020-04-03 | 2021-10-07 | 深圳大学 | 户型图生成方法、装置、计算机设备和存储介质 |
CN113505429A (zh) * | 2021-09-09 | 2021-10-15 | 深圳须弥云图空间科技有限公司 | 室内设计方案获取方法、装置、计算机设备及存储介质 |
CN113536432A (zh) * | 2021-07-20 | 2021-10-22 | 合肥工业大学 | 基于预测网络的村落房屋布局方法、存储介质及终端设备 |
CN113704857A (zh) * | 2021-09-02 | 2021-11-26 | 华中科技大学 | 一种适老型住宅空间布局自动生成方法及系统 |
-
2021
- 2021-12-27 CN CN202111612031.9A patent/CN114169063A/zh active Pending
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20170076016A1 (en) * | 2015-09-10 | 2017-03-16 | Maysam MIR AHMADI | Automated layout generation |
US20210073435A1 (en) * | 2019-09-06 | 2021-03-11 | BeamUp, Ltd. | Structural design systems and methods for selective simulation of equipment coverage in a floor plan |
CN111090899A (zh) * | 2019-11-07 | 2020-05-01 | 郑州大学 | 一种用于城市建筑空间布局设计方法 |
CN110992490A (zh) * | 2019-12-13 | 2020-04-10 | 重庆交通大学 | 基于cad建筑平面图自动提取室内地图的方法 |
WO2021196515A1 (zh) * | 2020-04-03 | 2021-10-07 | 深圳大学 | 户型图生成方法、装置、计算机设备和存储介质 |
CN113536432A (zh) * | 2021-07-20 | 2021-10-22 | 合肥工业大学 | 基于预测网络的村落房屋布局方法、存储介质及终端设备 |
CN113704857A (zh) * | 2021-09-02 | 2021-11-26 | 华中科技大学 | 一种适老型住宅空间布局自动生成方法及系统 |
CN113505429A (zh) * | 2021-09-09 | 2021-10-15 | 深圳须弥云图空间科技有限公司 | 室内设计方案获取方法、装置、计算机设备及存储介质 |
Non-Patent Citations (4)
Title |
---|
卫大可等: "《老年人日间照料设施设计与评价》", 30 November 2018, 哈尔滨工业大学出版社 * |
宋小英等: "《新时代空巢老人》", 31 January 2019, 天津大学出版社 * |
李尚林等: "面向真实构建的徽州建筑快速建模方法", 《软件学报》 * |
闫金金等: "一种面向室内定位的3D建筑模型构建方法", 《计算机应用与软件》 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114943113A (zh) * | 2022-07-26 | 2022-08-26 | 江西少科智能建造科技有限公司 | 多边形房间内布置散流器方法、系统、存储介质及设备 |
CN114943113B (zh) * | 2022-07-26 | 2022-11-01 | 江西少科智能建造科技有限公司 | 多边形房间内布置散流器方法、系统、存储介质及设备 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US9830415B2 (en) | Standard cell library, method of using the same, and method of designing semiconductor integrated circuit | |
Ivanov | An approach for developing indoor navigation systems for visually impaired people using Building Information Modeling | |
CN114169063A (zh) | 一种建筑平面布局方法、装置及电子设备 | |
CN112149217A (zh) | 三维室内导航场景的生成方法、装置、电子设备及存储介质 | |
CN103930891B (zh) | 利用已有预布线算法,使用直线斯坦纳最小树(rsmt)确定节点之间的线路长度的方法 | |
Zhao et al. | CBAM-Unet++: easier to find the target with the attention module" CBAM" | |
CN111305337A (zh) | 一种智能冲水设备的控制方法及相关产品 | |
KR20230150723A (ko) | 분류 모델 트레이닝, 의미 분류 방법, 장치, 설비 및 매체 | |
Liu et al. | Efficient multilayer obstacle-avoiding rectilinear Steiner tree construction based on geometric reduction | |
US20180253511A1 (en) | Techniques for measuring productive congestion within an architectural space | |
US9202820B1 (en) | Flip-flop, latch, and mux cells for use in a standard cell library and integrated circuits made therefrom | |
US10885257B1 (en) | Routing congestion based on via spacing and pin density | |
Lin et al. | Design space exploration of memory controller placement in throughput processors with deep learning | |
WO2023125585A1 (zh) | 疏散模拟方法及装置、电子设备及存储介质 | |
US10643019B1 (en) | View pruning for routing tree optimization | |
CN113704857B (zh) | 一种适老型住宅空间布局自动生成方法及系统 | |
US8595663B1 (en) | Method, system, and program storage device for modeling contact bar resistance | |
WO2022241782A1 (zh) | 一种集成电路的电路单元布局方法及装置 | |
CN116152451A (zh) | 多维参数化城市信息模型构建方法、系统及计算机设备 | |
CN113901553A (zh) | 老房改造装修方法及装置、存储介质 | |
US10885250B1 (en) | Clock gate placement with data path awareness | |
KR102205743B1 (ko) | 인테리어 설계를 가이드 하는 애플리케이션 | |
Hempel et al. | Generating early design alternatives based on formalized requirements and geospatial data | |
Qin et al. | AIstructure‐Copilot: Assistant for generative AI‐driven intelligent design of building structures | |
Xu et al. | A coupling and crosstalk-considered timing-driven global routing algorithm for high-performance circuit design |
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 |