CN116401736A - 一种基于人工智能的城市绿地空间自动布局方法 - Google Patents

一种基于人工智能的城市绿地空间自动布局方法 Download PDF

Info

Publication number
CN116401736A
CN116401736A CN202310190777.8A CN202310190777A CN116401736A CN 116401736 A CN116401736 A CN 116401736A CN 202310190777 A CN202310190777 A CN 202310190777A CN 116401736 A CN116401736 A CN 116401736A
Authority
CN
China
Prior art keywords
space
green
land
urban
layout
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
Application number
CN202310190777.8A
Other languages
English (en)
Inventor
杨俊宴
史宜
张芷晗
朱骁
谭梦扬
吴玥玥
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Southeast University
Original Assignee
Southeast University
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Southeast University filed Critical Southeast University
Priority to CN202310190777.8A priority Critical patent/CN116401736A/zh
Publication of CN116401736A publication Critical patent/CN116401736A/zh
Pending legal-status Critical Current

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
    • G03—PHOTOGRAPHY; CINEMATOGRAPHY; ANALOGOUS TECHNIQUES USING WAVES OTHER THAN OPTICAL WAVES; ELECTROGRAPHY; HOLOGRAPHY
    • G03B—APPARATUS OR ARRANGEMENTS FOR TAKING PHOTOGRAPHS OR FOR PROJECTING OR VIEWING THEM; APPARATUS OR ARRANGEMENTS EMPLOYING ANALOGOUS TECHNIQUES USING WAVES OTHER THAN OPTICAL WAVES; ACCESSORIES THEREFOR
    • G03B35/00—Stereoscopic photography
    • G—PHYSICS
    • G03—PHOTOGRAPHY; CINEMATOGRAPHY; ANALOGOUS TECHNIQUES USING WAVES OTHER THAN OPTICAL WAVES; ELECTROGRAPHY; HOLOGRAPHY
    • G03H—HOLOGRAPHIC PROCESSES OR APPARATUS
    • G03H1/00—Holographic processes or apparatus using light, infrared or ultraviolet waves for obtaining holograms or for obtaining an image from them; Details peculiar thereto
    • G03H1/22—Processes or apparatus for obtaining an optical image from holograms
    • G—PHYSICS
    • G09—EDUCATION; CRYPTOGRAPHY; DISPLAY; ADVERTISING; SEALS
    • G09B—EDUCATIONAL OR DEMONSTRATION APPLIANCES; APPLIANCES FOR TEACHING, OR COMMUNICATING WITH, THE BLIND, DEAF OR MUTE; MODELS; PLANETARIA; GLOBES; MAPS; DIAGRAMS
    • G09B25/00—Models for purposes not provided for in G09B23/00, e.g. full-sized devices for demonstration purposes
    • G—PHYSICS
    • G09—EDUCATION; CRYPTOGRAPHY; DISPLAY; ADVERTISING; SEALS
    • G09F—DISPLAYING; ADVERTISING; SIGNS; LABELS OR NAME-PLATES; SEALS
    • G09F19/00—Advertising or display means not otherwise provided for
    • G09F19/12—Advertising or display means not otherwise provided for using special optical effects
    • G09F19/18—Advertising or display means not otherwise provided for using special optical effects involving the use of optical projection means, e.g. projection of images on clouds
    • 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

  • Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Geometry (AREA)
  • Business, Economics & Management (AREA)
  • Computer Hardware Design (AREA)
  • Evolutionary Computation (AREA)
  • Civil Engineering (AREA)
  • Mathematical Analysis (AREA)
  • Mathematical Optimization (AREA)
  • Pure & Applied Mathematics (AREA)
  • Structural Engineering (AREA)
  • General Engineering & Computer Science (AREA)
  • Computational Mathematics (AREA)
  • Architecture (AREA)
  • Accounting & Taxation (AREA)
  • Marketing (AREA)
  • Educational Administration (AREA)
  • Educational Technology (AREA)
  • Processing Or Creating Images (AREA)

Abstract

本发明公开一种基于人工智能的城市绿地空间自动布局方法，包括数据获取与数据库建构、城市绿地要素的智能识别、城市绿地要素智能分级、城市绿地空间引力斥力迭代、城市绿地空间布局线上线下智能校验、城市绿地空间布局方案自动化生成和方案辅助决策与全息交互展示。本发明能够应对以往城市规划设计领域中绿地数据采集慢、设计主观经验强、展示交互难等问题，运用人工智能算法，实现城市绿地空间自动化布局、多方案生成，并通过硬件设备进行交互展示，为城市绿地系统规划提供了高效、便捷的途径，为管理者提供了辅助决策，为规划师提供了设计参考，为公众参与提供了数据沙盘和三维展示。

Description

一种基于人工智能的城市绿地空间自动布局方法
技术领域
本发明涉及城市规划领域，具体的是一种基于人工智能的城市绿地空间自动布局方法及决策交互系统。
背景技术
绿地系统规划是城市规划中的重要板块，合理的绿地系统规划可以有效改善城市生态环境、优化城市微气候、提升城市宜居性。在国家推动生态文明建设的背景之下，绿地系统规划的作用也进一步得到重视，以促进美丽中国、健康中国建设。
绿地系统规划需要结合绿地景观资源分布、城市居民需求，在绿地开发指标既定的情况下，对绿地布局方案进行多种可能性的推敲。在传统设计过程中，这项从绿地开发指标到绿地布局方案的生成工作大都是由规划设计人员手动完成，需要人工整理大量绿地景观资源资料、并推敲绿地布局方案的多种可能性。传统设计过程具体存在以下局限：
其一，由于城市绿地要素繁杂、尺度多样，因此需要投入大量的精力来完成数据采集这项基础性工作,人力成本、经济成本、时间成本较高；
其二，设计方案主观性强、设计精度较低，不能精确满足《城市绿地空间布局规范》相关规范要求。
其三，以往对于专项研究的交互展示往往依托城市设计整体方案，城市绿地设计方案往往缺乏单独的交互展示和辅助决策平台。
随着人工智能技术逐步应用于城市规划领域，绿地布局方案的自动生成已可以初步实现，但生成方案的规范性、落地性存在局限，难以通过《城市绿地空间布局规范》的审查，无法满足当前绿地系统规划的实际需求。
发明内容
为解决上述背景技术中提到的不足，本发明的目的在于提供一种基于人工智能的城市绿地空间自动布局方法，本发明能够对城市绿地进行智能布局并进行交互决策。
本发明的目的可以通过以下技术方案实现：一种基于人工智能的城市绿地空间自动布局方法，包括以下步骤：
步骤S1：使用分辨率为0.8m的高分2号卫星采集目标城市卫星遥感数据并进行实地校核、补充，向当地规划部门获取目标城市的三维矢量数据，录入地理空间系统构建数据库，采集绿地设计规范文件建构规范库。
步骤S2：通过最邻近规则分类算法(KNN)对城市绿地要素进行智能识别，所述智能识别的绿地要素特征包括用地功能特征、面积特征、空间分布特征、要素类型特征，其中要素类型特征包括块状要素类型和线状要素类型，将智能识别结果录入地理空间数据库。
步骤S3：分别建构块状要素绿地和线状要素绿地的智能分级指标，调用数据库和规范库对设计范围内绿地地块的分级指标进行定量计算和赋值，将指标值储存到地理信息系统中。
步骤S4：根据《城市绿地规划标准GB/T 51346-2019》和景观生态学分别建构块状要素绿地和线状要素绿地的分级标准表，对照分级指标将设计范围内的块状要素绿地分为三级，将设计范围内的线状要素绿地分为五级。
步骤S5：导入步骤S4中对线状要素绿地的分类结果，运用寻路算法生成三级绿廊，导入步骤S4中对块状要素绿地的分类结果，结合绿地服务半径运用多智能体算法进行块状绿地的生成和初始随机布置，若符合规范则生成并输出初步绿地空间布局方案。
步骤S6：绿地空间要素同类要素空间斥力计算。通过MATLAB形状识别系统按照面积大小进行绿地空间要素分类。通过多智能体算法进行绿地空间要素同类要素空间斥力计算，合规进入步骤S8，存在不合规进入步骤S7。
步骤S7：通过多智能体算法调整空间斥力违规的绿地空间要素，根据空间斥力的大小赋予空间移动向量，进入步骤S6。
步骤S8：绿地空间要素异类要素空间引力计算。通过多智能体算法进行绿地空间要素异类要素空间引力计算，均符合阈值条件，进入步骤S10，存在不符合阈值条件，进入步骤S9。
步骤S9：通过多智能体算法调整空间引力违规的绿地空间要素，根据空间引力的大小赋予空间移动向量，进入步骤S8。
步骤S10：根据城市绿地空间布局规范进行校验。通过文本语言数字化转译系统建立《城市绿地空间布局规范》数字校验系统。数字校验系统对绿地布局方案进行校验，删除违规方案。再进行绿地布局方案人工校验，删除违规方案。
步骤S11：通过在线评委评分系统进行专家打分选定绿地布局方案。满分10分取整数，去掉2个最高分和2个最低分，选定平均分最高的绿地布局方案为最终方案。
步骤S12：实现绿地空间布局方案三维展示。将S11生成的绿地空间布局方案在具有全息展示功能的三维平台中展示。
步骤S13：建构包含展示、选择、调用、修改四类操作的绿地空间布局方案辅助决策指令库。并且通过投影设备映射在具有交互、展示功能的展示器中。
步骤S14：通过3D全息投影对绿地空间布局方案进行辅助决策。使用步骤S13建构的决策指令库，对绿地空间布局方案进行展示、选择、调用、修改指令。
步骤S15：实现绿地空间布局方案三维模型与设计手册打印。使用数据集成和转译设备进行数据的集成，通过工业3d打印机对方案三维模型进行打印，通过打印设备将绿地空间布局方案图纸打印成设计手册。
进一步地，所述步骤S1，包括以下步骤：
步骤S1-1：获取地理空间信息数据并建立数据库
采用0.8m分辨率的高分2号卫星采集城市片区的4波段多光谱遥感影像，通过带有北斗导航系统的WiFi版便携电脑平板实地拍摄所述片区的绿地实景图，对卫星遥感影像进行校核与补充。向当地规划部门获取新城片区所在城市的三维矢量数据、城市绿地规划方案数据。
步骤S1-2：获取规范文件数据并建立规范库
采集涉及设计片区的控制性详细规划文本和相关法定规范文件，并通过文本语言数字化转译系统建立《城市绿地规划标准GB/T 51346-2019》数字校验系统。
所述地理空间信息数据，是通过统一城市三维矢量数据为WGS84地理坐标后所生成，包含道路地块、水系地块、绿地地块、其他功能地块四类面状数据，以及道路中心线、地块边界线两类线状数据，其中，道路中心线为连续、非闭合线段，地块边界线为闭合线段。
进一步地，所述步骤S2，包括以下步骤：
步骤S2-1：调用地理空间信息数据库，构建地理空间数字沙盘。
步骤S2-2：匹配绿地地块的用地功能特征，所述用地功能特征包括水系地块用地、绿地地块用地。
步骤S2-3：在地理信息系统中运用计算几何工具对绿地地块的面积进行数值计算，记为面积特征。
步骤S2-4：在地理信息系统中运用Minimum Bounding Geometr工具构建绿地地块的最小外接矩形，作为一个布局特征空间单元，逐条记录所述空间单元内包含的全部道路数据，所述道路数据包括道路对于绿地地块所在方位、道路名称、道路长度、道路等级。
步骤S2-5：导入步骤S2-4构建的绿地地块最小外接矩形，若所述地块最小外接矩形长宽比小于2，则标记为点状要素类型，若最小外接矩形长宽比大于2，则标记为线状要素类型。
进一步地，所述步骤S3，包括以下步骤：
步骤S3-1：构建块状要素绿地的智能分级指标α1，输入绿地地块的面积作为智能分级指标α1。
步骤S3-2：构建线状要素绿地的智能分级指标α2，将面积大于50公顷的绿地地块标记为大型生态源点，统一坐标系后在地理信息系统中计算绿地地块质心与大型生态源点质心的距离，作为智能分级指标α2。
步骤S3-3：构建线状要素绿地的智能分级指标α3，输入步骤S2-4所述空间单元内的道路数据，以道路等级中的最高级别作为智能分级指标α3。
步骤S3-4：计算绿地地块的智能分级指标值，并以属性表形式嵌入绿地地块。
进一步地，所述步骤S4，包括以下步骤：
步骤S4-1：对块状要素绿地进行智能分级，提取步骤S3-1中的智能分级指标α1数据，对照《城市绿地规划标准GB/T 51346-2019》中的公园绿地分级设置要求将块状绿地分为大于5.0公顷、1.0～5.0公顷、0.2～1.0公顷三级。
步骤S4-2：对线状要素绿地进行智能分级，提取步骤S3-2、S3-3中的与大型生态源点距离α2数据、道路等级α3数据，构建线状要素绿地分级标准表并将线状绿地分为五级。
进一步地，所述步骤S5，包括以下步骤：
步骤S5-1：调用数据库中的道路数据，运用寻路算法(Dijkstra)，将步骤S4中经过分级的线状绿地作为起始区块记作S，自动连接并生成一级绿廊、二级绿廊、三级绿廊。
步骤S5-2：运用多智能体算法，结合步骤S4中经过分级的块状绿地及其服务半径，自动生成并初始随机布置的块状绿地，若所有绿地地块满足《城市绿地规划标准GB/T51346-2019》要求则生成并将初步绿地空间布局方案储存在NAS网络存储服务器中。
进一步地，所述步骤S6，包括以下步骤：
步骤S6-1：绿地空间要素按面积大小分类
通过MATLAB形状识别系统对步骤S5输出的绿地布局方案中的绿地空间要素进行平面形状识别。按照几何面积大小对绿地空间要素进行分类，类别包含2公顷以下、2-5公顷，5-20公顷、20公顷以上。按面积进行分类的分类标准来自《城市绿地空间布局规范》所划分的不同服务类型绿地的面积区间。
步骤S6-2：绿地空间要素同类要素空间斥力计算
通过多智能体算法对已分类的绿地空间要素同类要素间空间斥力进行计算。计算公式F斥＝H(S1+S2)/D，其中F斥为同类要素空间斥力，H为常数，S1和S2分别为同类要素几何面积，D为同类要素几何中心间距。同类要素间空间斥力的方向与几何中心连线在一条直线上，其大小与类要素几何面积之和成正比，与同类要素几何中心间距成反比。
步骤S6-3：判定绿地空间要素同类要素空间斥力是否合规
比较绿地空间要素所受空间斥力与阈值的大小，若均小于阈值，进入步骤S8；反之，标注所受空间斥力大于阈值的绿地空间要素，进入步骤S7。阈值大小为该等级绿地在间隔《城市绿地空间布局规范》所规定2倍最大服务半径时的所受空间斥力大小。
进一步地，所述步骤S7，具体包括：
步骤S7：调整空间斥力违规的绿地空间要素
通过多智能体算法，根据S6-3标记的绿地空间要素所受空间斥力，赋予空间移动向量，得到优化后的绿地空间要素，更新绿地布局方案，进入S6。
进一步地，所述步骤S8，包括以下步骤：
步骤S8-1：绿地空间要素异类要素空间引力计算
通过多智能体算法对已分类的绿地空间要素异类要素间空间引力进行计算。计算公式F引＝R(S1+S2)/D，其中F引为异类要素空间引力，R为常数，S1和S2分别为异类要素几何面积，D为异类要素几何中心间距。异类要素间空间引力的方向与几何中心连线在一条直线上，其大小与类要素几何面积之和成正比，与同类要素几何中心间距成反比。
步骤S8-2：判定绿地空间要素异类要素空间引力是否合规
比较绿地空间要素所受空间引力与阈值的大小，若均小于阈值，进入步骤S10；反之，标注所受空间引力大于阈值的绿地空间要素，进入步骤S9。阈值大小为这两种等级绿地在间隔《城市绿地空间布局规范》所规定的最大服务半径之和时的所受空间引力大小。
进一步地，所述步骤S9，具体包括：
步骤S9：调整空间引力违规的绿地空间要素
通过多智能体算法，根据S8-2标记的绿地空间要素所受空间引力，赋予空间移动向量，得到优化后的绿地空间要素，更新绿地布局方案，进入S8。
进一步地，所述步骤S10，具体包括：
步骤S10-1：建立《城市绿地空间布局规范》数字校验系统
建立文本语言数字化转译系统将《城市绿地空间布局规范》转译为规则语言，建立《城市绿地空间布局规范》数字校验系统；
步骤S10-2：数字校验系统对绿地布局方案进行校验
通过《城市绿地空间布局规范》数字校验系统对绿地布局方案进行校验，删除违反规范的绿地布局方案；
步骤S10-3：人工核查绿地布局方案
线下人工通过地理信息平台数据库管理系统对绿地布局方案按照《城市绿地空间布局规范》进行校验，删除违反规范的绿地布局方案。
进一步地，所述步骤S11，具体包括：
步骤S11：通过专家打分选定绿地布局方案
选取20名在城市规划或风景园林行业工作超10年的专家，通过在线评委评分系统对绿地布局方案进行打分，满分10分取整数，去掉2个最高分和2个最低分，选定平均分最高的绿地布局方案为最终方案。
进一步地，所述步骤S12，具体包括：
步骤S12：绿地空间布局方案三维展示
将生成的绿地空间布局方案以1:1000的比例投影在具有全息展示功能的三维平台中，使用3D全息投影对绿地空间布局方案进行全方位展示，设备包括VR全景展示台、3D追踪眼镜。展示内容包括平面图、重要节点平面图、三维全息沙盘。
进一步地，所述步骤S13，具体包括：
步骤S13：绿地空间布局方案辅助决策指令库建构
包含展示、选择、调用、修改四类操作，将辅助决策指令库与S11生成的绿地空间布局方案进行数据连接，并且通过投影设备映射在具有交互、展示功能的展示器中。
进一步地，所述步骤S14，包括以下步骤：
使用3D全息投影设备、VR眼镜、虚拟现实数据手套对步骤S11生成的绿地空间布局方案导入城市三维空间数字模型中，使用步骤S13建构的决策指令库，对绿地空间布局方案进行展示、选择、调用、修改指令。
所述城市三维空间数字模型，是通过统一城市三维矢量数据为2000国家大地坐标系后所生成，包含城市地理高程、道路路网、城市水系和城市山体类信息。
所述指令库中的修改是对绿地等级、空间分布位置的参数值进行调整，绿地等级调整指计算机通过分级指标计算出各绿地等级L1、L2、L3，再利用权重公式计算平均误差，针对误差进行计算机自动修正；绿地空间布局调整是指计算机通过多智能体算法进行引力、斥力的受力迭代后，计算出各绿地的空间分布，使用者结合决策需求，调整受力迭代区间，针对误差进行计算机自动修正。
进一步地，所述步骤S15，包括以下步骤：
使用数据集成和转译设备进行绿地空间布局方案平面图、分级指标、权重系数三类数据的集成，并在全息沙盘中进行展示，通过工业3d打印机对方案三维模型进行打印，通过图纸数据集成设备输出1:1000比例的方案平面图、1:1000比例的方案鸟瞰图、1:500的方案节点效果图、方案分级指标文件、方案权重系数文件，通过打印设备将上述内容打印成设计手册。
有益效果
1、过程高效性：本发明通过最邻近规则分类算法和寻路算法对城市绿地进行潜力分级和快速生成，基于多智能体算法对城市绿地进行引力、斥力的受力迭代从而优化布局，能够在短时间内同时生成多个方案并进一步筛选有效方案，可以从以往的需要至少三周的设计时间缩减至一天之内完成，并且从需要投入至少十名设计人员来进行多方案的生成和比选到只需要投入一名设计人员就可以完成多方案的生成与筛选工作，有效地减少了时间成本和人力成本，提高了设计效率；
2、方案客观性：本发明通过文本语言数字化转译系统建立《城市绿地空间布局规范》数字校验系统，对绿地布局方案进行线上线下校核检验，可以保证方案生成的有效性，突破了传统城市绿地布局的专家判断，避免了以往人工智能城市设计方案生成的不可控性，出现从几千万个方案中筛选出有效方案过程低效、费时的情况，而是直接对有效多方案进行比选，促进了方案比选的可靠性和高效性。
3、能够提供新的决策场景：本发明通过建构辅助决策指令库和应用3D全息投影，为城市管理者提供包含展示、选择、调用、修改四类操作指令，实现城市绿地空间布局方案交互决策，完善了业务场景。本发明通过具有全息展示功能的三维平台，展示绿地空间布局方案的平面图、分级指标、权重系数、重要节点平面图、三维全息沙盘，使城市绿地空间展示可视化、可感受，提升展示效果。
附图说明
图1是本发明方法流程图；
图2是本发明步骤S1数据采集设备示意图；
图3是本发明步骤S3智能分及指标流程示意图；
图4是本发明步骤S6-S9通过多智能体算法进行绿地空间要素受力迭代流程示意图；
图5是本发明城市绿地布局方案设计范围图；
图6是本发明城市绿地自动布局方案图。
图7是本发明方案交互与打印示意图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅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作出创造性劳动前提下所获得的所有其它实施例，都属于本发明保护的范围。
一种基于人工智能的城市绿地空间自动布局方法，如图1-7所示，包括以下步骤：
步骤S1：首先，用0.8m分辨率的高分2号卫星采集滁州市域的4波段多光谱遥感影像，并通过带有北斗导航系统的WiFi版便携电脑平板实地拍摄设计范围内的绿地实景图，对卫星遥感影像进行实地校核，若有缺失则进行补充。同时，向当地规划部门获取城市三维矢量数据、城市绿地规划方案数据，构建地理空间信息数据库。所述地理空间信息数据，是通过统一城市三维矢量数据为WGS84地理坐标后所生成，包含道路地块、水系地块、绿地地块、其他功能地块四类面状数据，以及道路中心线、地块边界线两类线状数据，其中，道路中心线为连续、非闭合线段，地块边界线为闭合线段。采集涉及设计片区的控制性详细规划文本和相关法定规范文件，并通过文本语言数字化转译系统建立《城市绿地规划标准GB/T51346-2019》数字校验系统。
步骤S2：调用地理空间信息数据库并构建地理空间数字沙盘，通过最邻近规则分类算法(KNN)对城市绿地要素进行智能识别，设计范围内共包含102块绿地要素。匹配各绿地要素的用地功能特征，包括水系用地、绿地用地。在地理信息系统中运用计算几何工具计算绿地地块的面积数值，记为面积特征。在地理信息系统中运用Minimum BoundingGeometr工具构建绿地地块的最小外接矩形，作为一个布局特征空间单元，逐条记录所述空间单元内包含的全部道路数据，所述道路数据包括道路对于绿地地块所在方位、道路名称、道路长度、道路等级。若绿地地块的最小外接矩形长宽比小于2，则标记为点状要素类型，共标记18个点状绿地要素。若最小外接矩形长宽比大于2，则标记为线状要素类型，共标记84个线状绿地要素。
步骤S3：构建块状要素绿地的智能分级指标，以面积特征作为其智能分级指标α1。在地理信息平台中，将面积大于50公顷的绿地地块标记为大型生态源点。构建线状要素绿地的智能分级指标。统一坐标系后在地理信息系统中计算绿地地块质心与大型生态源点质心的距离，作为智能分级指标α2。以绿地要素邻近道路中的最高道路等级中作为智能分级指标α3。计算块状绿地和线状绿地的智能分级指标值，并以属性表形式嵌入绿地地块。
步骤S4：首先对18个块状要素绿地进行智能分级，提取面积α1数据，根据《城市绿地规划标准GB/T 51346-2019》，将5.0～10.0公顷的块状绿地记为一级，属于社区公园类型，其服务半径为1000m，1.0～5.0公顷的块状绿地记为二级，属于社区公园类型，其服务半径为500m，0.2～1.0公顷的块状绿地记为三级，属于游园类型，其服务半径为300m。对84个线状要素绿地进行智能分级，提取S3-2、S3-3中的与大型生态源点距离α2数据、道路等级α3数据。构建线状要素绿地分级标准表，道路等级为主干路且距离大型生态源点小于等于10km记为A级线状绿地，道路等级为主干路且距离大型生态源点大于10km记为B级线状绿地，道路等级为次干路且距离大型生态源点小于等于10km记为C级线状绿地，道路等级为次干路且距离大型生态源点大于10km记为D级线状绿地，道路等级为支路记为E级线状绿地。
步骤S5：首先，连接线状绿地要素生成绿廊。调用数据库中的道路数据，运用寻路算法(Dijkstra)，将步骤S4中经过分级的线状绿地作为起始区块记作S。第一种情况为，自动连接A级线状绿地和B级线状绿地生成一级绿廊、连接C级线状绿地和D级线状绿地生成二级绿廊、连接E级绿地生成三级绿廊。第二种情况为，自动连接A级线状绿地和B级线状绿地生成一级绿廊，连接C级线状绿地生成二级绿廊，连接D级、E级绿地生成三级绿廊。第三种情况为，自动连接A级线状绿地生成一级绿廊、连接B级线状绿地和C级线状绿地生成二级绿廊，连接D级、E级线状绿地生成三级绿廊。第四种情况为，自动连接A级线状绿地生成一级绿廊，连接B级线状绿地生成二级绿廊，连接C级、D级、E级线状绿地生成三级绿廊。共生成4种绿廊布局方案。运用多智能体算法，结合步骤S4中经过分级的块状绿地及其服务半径，自动生成并初始随机布置的块状绿地，若所有绿地地块满足《城市绿地规划标准GB/T 51346-2019》要求则生成并将4个初步绿地空间布局方案储存在NAS网络存储服务器中。
步骤S6：首先进行绿地空间要素按面积大小分类。通过MATLAB形状识别系统对步骤S5输出的128个绿地布局方案中共计30458个绿地空间要素进行平面形状识别。按照几何面积大小对绿地空间要素进行分类，类别包含2公顷以下、2-5公顷，5-20公顷、20公顷以上。其次，进行绿地空间要素同类要素空间斥力计算。通过多智能体算法对已分类的绿地空间要素同类要素间空间斥力进行计算。计算公式F斥＝H(S1+S2)/D，其中F斥为同类要素空间斥力，H为常数，S1和S2分别为同类要素几何面积，D为同类要素几何中心间距。之后，判定绿地空间要素同类要素空间斥力是否合规。比较绿地空间要素所受空间斥力与阈值的大小，若均小于阈值，进入步骤S8；反之，通过动态计算引擎技术标注所受空间斥力大于阈值的绿地空间要素，进入步骤S7。经过同类要素空间斥力计算，有17450个绿地空间要素所受空间斥力大于阈值18.32N，需要进入步骤S7赋予空间移动向量以进行所受斥力修正。
步骤S7：通过多智能体算法对步骤S6中不符合阈值18.32N的17450个绿地空间要素根据斥力大小赋予了空间移动向量。S＝F斥/α，S为空间移动向量的距离大小，其方向与斥力方向相同。之后重新进行步骤S6，仍有1238个绿地空间要素斥力大小超过阈值，重新赋予空间移动向量。重新进行步骤S6，有243个绿地空间要素斥力大小超过阈值……迭代15次后，所有绿地空间要素斥力大小小于阈值，进入步骤S8。
步骤S8：首先进行绿地空间要素异类要素空间引力计算。通过多智能体算法对已分类的绿地空间要素异类要素间空间引力进行计算。计算公式F引＝R(S1+S2)/D，其中F引为异类要素空间引力，R为常数，S1和S2分别为异类要素几何面积，D为异类要素几何中心间距。其次判定绿地空间要素异类要素空间引力是否合规，本实施例中，将迭代后得到的128个绿地布局方案中共计30458个绿地空间要素经过异类要素空间引力计算，有10340个绿地空间要素所受空间引力大于阈值35.23N，需要进入步骤S9赋予空间移动向量以进行所受斥力修正。
步骤S9：首先对步骤S8中不符合阈值35.23N的10340个绿地空间要素根据引力大小赋予了空间移动向量。S＝F引/α，S为空间移动向量的距离大小，其方向与斥力方向相同。之后重新进行步骤S6，仍有489个绿地空间要素斥力大小超过阈值，重新赋予空间移动向量。重新进行步骤S8，有212个绿地空间要素斥力大小超过阈值……迭代9次后，所有绿地空间要素引力大小小于阈值，进入步骤S10。
步骤S10：根据城市绿地空间布局规范进行校验。通过文本语言数字化转译系统建立《城市绿地空间布局规范》数字校验系统。数字校验系统对绿地布局方案进行校验，删除违规方案。再进行绿地布局方案人工校验，删除违规方案。
步骤S10-1：首先建立文本语言数字化转译系统将《城市绿地空间布局规范》转译为规则语言，建立《城市绿地空间布局规范》数字校验系统。其次通过数字校验系统对绿地布局方案进行校验，删除违反规范的绿地布局方案。128个绿地之后线下人工通过地理信息平台数据库管理系统对绿地布局方案按照《城市绿地空间布局规范》进行校验，删除违反规范的绿地布局方案。剩余的15个方案经过人工核查，有6个不符合规范要求，予以删除，得到9个待定绿地布局方案。
步骤S11：通过在线评委评分系统进行专家打分选定绿地布局方案。选取20名在城市规划或风景园林行业工作超10年的专家，通过在线评委评分系统对绿地布局方案进行打分，满分10分取整数，去掉2个最高分和2个最低分，选定平均分最高的绿地布局方案为最终方案。9个待定绿地布局方案，经过专家打分，分别平均得分7.64、7.32、6.32、6.30、6.12、6.03、5.98、5.32、5.21，最后选定得分7.64的绿地布局方案为最终方案。
步骤S12：基于步骤S11生成的最终方案，进一步对绿地空间布局方案进行三维展示，将方案以1:1000的比例投影在具有全息展示功能的三维平台中，展示内容包括平面图、重要节点平面图、三维全息沙盘。
步骤S13：建构绿地空间布局方案辅助决策指令库。包含展示、选择、调用、修改四类操作，将辅助决策指令库与步骤S11生成的绿地空间布局方案进行数据连接，并且通过投影设备映射在具有交互、展示功能的展示器中。
步骤S14：通过3D全息投影对绿地空间布局方案进行辅助决策，使用3D全息投影设备、VR眼镜、虚拟现实数据手套对步骤S11生成的绿地空间布局方案进行交互决策，使用步骤S13建构的决策指令库，对滁州绿地空间布局方案进行展示、选择、调用、修改指令。展示主要为平面、三维两个视角；选择主要为模型、图纸、视角旋转三个类型；调用主要为绿地分级指标、权重的调用；修改主要为线状绿地、块状绿地在空间布局中的修改。
步骤S15：实现绿地空间布局方案三维模型与设计手册打印，使用数据集成和转译设备对滁州绿地空间布局方案进行数据集成，包含平面图、分级指标、权重系数、三维模型四个类型，随后，在全息沙盘中进行方案展示，通过指令库中的选择、旋转工具明确三维模型角度，通过工业3d打印机对方案三维模型进行1：1000比例的3D打印，通过图纸数据集成设备输出1:1000比例的方案平面图、1:1000比例的方案鸟瞰图、1:500的方案节点效果图、方案分级指标文件、方案权重系数文件，通过打印设备将上述内容打印成设计手册。

Claims (17)

1.一种基于人工智能的城市绿地空间自动布局方法，其特征在于，包括以下步骤：
步骤S1：使用分辨率为0.8m的高分2号卫星采集目标城市卫星遥感数据并进行实地校核、补充，向当地规划部门获取目标城市的三维矢量数据，录入地理空间系统构建数据库，采集绿地设计规范文件建构规范库；
步骤S2：通过最邻近规则分类算法对城市绿地要素进行智能识别，所述智能识别的绿地要素特征包括用地功能特征、面积特征、空间分布特征、要素类型特征，其中要素类型特征包括块状要素类型和线状要素类型，将智能识别结果录入地理空间数据库；
步骤S3：分别建构块状要素绿地和线状要素绿地的智能分级指标，调用数据库和规范库对设计范围内绿地地块的分级指标进行定量计算和赋值，将指标值储存到地理信息系统中；
步骤S4：根据《城市绿地规划标准GB/T51346-2019》和景观生态学分别建构块状要素绿地和线状要素绿地的分级标准表，对照分级指标将设计范围内的块状要素绿地分为三级，将设计范围内的线状要素绿地分为五级；
步骤S5：导入S4中对线状要素绿地的分类结果，运用寻路算法生成三级绿廊，导入S4中对块状要素绿地的分类结果，结合绿地服务半径运用多智能体算法进行块状绿地的生成和初始随机布置，若符合规范则生成并输出初步绿地空间布局方案；
步骤S6：绿地空间要素同类要素空间斥力计算；通过MATLAB形状识别系统按照面积大小进行绿地空间要素分类；通过多智能体算法进行绿地空间要素同类要素空间斥力计算，合规进入步骤S8，存在不合规进入步骤S7；
步骤S7：通过多智能体算法调整空间斥力违规的绿地空间要素，根据空间斥力的大小赋予空间移动向量，进入步骤S6；
步骤S8：绿地空间要素异类要素空间引力计算；通过多智能体算法进行绿地空间要素异类要素空间引力计算，均符合阈值条件，进入步骤S10，存在不符合阈值条件，进入S9；
步骤S9：通过多智能体算法调整空间引力违规的绿地空间要素，根据空间引力的大小赋予空间移动向量，进入步骤S8；
步骤S10：根据城市绿地空间布局规范进行校验；通过文本语言数字化转译系统建立《城市绿地空间布局规范》数字校验系统；数字校验系统对绿地布局方案进行校验，删除违规方案；再进行绿地布局方案人工校验，删除违规方案；
步骤S11：通过在线评委评分系统进行专家打分选定绿地布局方案；满分10分取整数，去掉2个最高分和2个最低分，选定平均分最高的绿地布局方案为最终方案；
步骤S12：实现绿地空间布局方案三维展示，将S11生成的绿地空间布局方案在具有全息展示功能的三维平台中展示；
步骤S13：建构包含展示、选择、调用、修改四类操作的绿地空间布局方案辅助决策指令库；并且通过投影设备映射在具有交互、展示功能的展示器中；
步骤S14：通过3D全息投影对绿地空间布局方案进行辅助决策；使用步骤S13建构的决策指令库，对绿地空间布局方案进行展示、选择、调用、修改指令；
步骤S15：实现绿地空间布局方案三维模型与设计手册打印；使用数据集成和转译设备进行数据的集成，通过工业3d打印机对方案三维模型进行打印，通过打印设备将绿地空间布局方案图纸打印成设计手册。
2.根据权利要求1所述一种基于人工智能的城市绿地空间自动布局方法，其特征在于，所述步骤S1，具体包括：
步骤S1-1：获取地理空间信息数据并建立数据库
采用0.8m分辨率的高分2号卫星采集城市片区的4波段多光谱遥感影像，通过带有北斗导航系统的WiFi版便携电脑平板实地拍摄所述片区的绿地实景图，对卫星遥感影像进行校核与补充；向当地规划部门获取设计范围所在城市的三维矢量数据、城市绿地规划方案数据；
步骤S1-2：获取规范文件数据并建立规范库
采集涉及设计片区的控制性详细规划文本和相关法定规范文件，并通过文本语言数字化转译系统建立《城市绿地规划标准GB/T51346-2019》数字校验系统。
3.根据权利要求2所述一种基于人工智能的城市绿地空间自动布局方法，其特征在于，所述步骤S1中地理空间信息数据，是通过统一城市三维矢量数据为WGS84地理坐标后所生成，包含道路地块、水系地块、绿地地块、其他功能地块四类面状数据，以及道路中心线、地块边界线两类线状数据，其中，道路中心线为连续、非闭合线段，地块边界线为闭合线段。
4.根据权利要求3所述一种基于人工智能的城市绿地空间自动布局方法，其特征在于，所述步骤S2，具体包括：
步骤S2-1：调用地理空间信息数据库，构建地理空间数字沙盘；
步骤S2-2：匹配绿地地块的用地功能特征，所述用地功能特征包括水系地块用地、绿地地块用地；
步骤S2-3：在地理信息系统中运用计算几何工具对绿地地块的面积进行数值计算，记为面积特征；
步骤S2-4：在地理信息系统中运用MinimumBoundingGeometr工具构建绿地地块的最小外接矩形，作为一个布局特征空间单元，逐条记录所述空间单元内包含的全部道路数据，所述道路数据包括道路对于绿地地块所在方位、道路名称、道路长度、道路等级；
步骤S2-5：导入步骤S2-4构建的绿地地块最小外接矩形，若所述地块最小外接矩形长宽比小于2，则标记为点状要素类型，若最小外接矩形长宽比大于2，则标记为线状要素类型。
5.根据权利要求4所述一种基于人工智能的城市绿地空间自动布局方法，其特征在于，所述步骤S3，具体包括：
步骤S3-1：构建块状要素绿地的智能分级指标α1，输入绿地地块的面积作为智能分级指标α1；
步骤S3-2：构建线状要素绿地的智能分级指标α2，将面积大于50公顷的绿地地块标记为大型生态源点，统一坐标系后在地理信息系统中计算绿地地块质心与大型生态源点质心的距离，作为智能分级指标α2；
步骤S3-3：构建线状要素绿地的智能分级指标α3，输入步骤S2-4所述空间单元内的道路数据，以道路等级中的最高级别作为智能分级指标α3；
步骤S3-4：计算绿地地块的智能分级指标值，并以属性表形式嵌入绿地地块。
6.根据权利要求5所述一种基于人工智能的城市绿地空间自动布局方法，其特征在于，所述步骤S4，具体包括：
步骤S4-1：对块状要素绿地进行智能分级，提取步骤S3-1中的智能分级指标α1数据，对照《城市绿地规划标准GB/T51346-2019》中的公园绿地分级设置要求将块状绿地分为大于5.0公顷、1.0～5.0公顷、0.2～1.0公顷三级；
步骤S4-2：对线状要素绿地进行智能分级，提取步骤S3-2、S3-3中的与大型生态源点距离α2数据、道路等级α3数据，构建线状要素绿地分级标准表并将线状绿地分为五级。
7.根据权利要求6所述一种基于人工智能的城市绿地空间自动布局方法，其特征在于，所述步骤S5，具体包括：
步骤S5-1：调用数据库中的道路数据，运用寻路算法，将步骤S4中经过分级的线状绿地作为起始区块记作S，自动连接并生成一级绿廊、二级绿廊、三级绿廊；
步骤S5-2：运用多智能体算法，结合步骤S4中经过分级的块状绿地及其服务半径，自动生成并初始随机布置的块状绿地，若所有绿地地块满足《城市绿地规划标准GB/T51346-2019》要求则生成并将初步绿地空间布局方案储存在NAS网络存储服务器中。
8.根据权利要求7所述一种基于人工智能的城市绿地空间自动布局方法，其特征在于，所述步骤S6，具体包括：
步骤S6-1：绿地空间要素按面积大小分类
通过MATLAB形状识别系统对步骤S5输出的绿地布局方案中的绿地空间要素进行平面形状识别；按照几何面积大小对绿地空间要素进行分类，类别包含2公顷以下、2-5公顷，5-20公顷、20公顷以上；
步骤S6-2：绿地空间要素同类要素空间斥力计算
通过多智能体算法对已分类的绿地空间要素同类要素间空间斥力进行计算；计算公式F斥＝H(S1+S2)/D，其中F斥为同类要素空间斥力，H为常数，S1和S2分别为同类要素几何面积，D为同类要素几何中心间距；
步骤S6-3：判定绿地空间要素同类要素空间斥力是否合规
比较绿地空间要素所受空间斥力与阈值的大小，若均小于阈值，进入步骤S8；反之，标注所受空间斥力大于阈值的绿地空间要素，进入步骤S7；阈值大小为该等级绿地在间隔《城市绿地空间布局规范》所规定2倍最大服务半径时的所受空间斥力大小。
9.根据权利要求8所述一种基于人工智能的城市绿地空间自动布局方法，其特征在于，所述步骤S7，具体包括：
步骤S7：调整空间斥力违规的绿地空间要素
通过多智能体算法，根据S6-3标记的绿地空间要素所受空间斥力，赋予空间移动向量，得到优化后的绿地空间要素，更新绿地布局方案，进入S6。
10.根据权利要求9所述一种基于人工智能的城市绿地空间自动布局方法，其特征在于，所述步骤S8，具体包括：
步骤S8-1：绿地空间要素异类要素空间引力计算
通过多智能体算法对已分类的绿地空间要素异类要素间空间引力进行计算；计算公式F引＝R(S1+S2)/D，其中F引为异类要素空间引力，R为常数，S1和S2分别为异类要素几何面积，D为异类要素几何中心间距；
步骤S8-2：判定绿地空间要素异类要素空间引力是否合规
比较绿地空间要素所受空间引力与阈值的大小，若均小于阈值，进入步骤S10；反之，标注所受空间引力大于阈值的绿地空间要素，进入步骤S9；阈值大小为这两种等级绿地在间隔《城市绿地空间布局规范》所规定的最大服务半径之和时的所受空间引力大小。
11.根据权利要求10所述一种基于人工智能的城市绿地空间自动布局方法，其特征在于，所述步骤S9，具体包括：
步骤S9：调整空间引力违规的绿地空间要素
通过多智能体算法，根据S8-2标记的绿地空间要素所受空间引力，赋予空间移动向量，得到优化后的绿地空间要素，更新绿地布局方案，进入S8。
12.根据权利要求11所述一种基于人工智能的城市绿地空间自动布局方法，其特征在于，所述步骤S10，具体包括：
步骤S10-1：建立《城市绿地空间布局规范》数字校验系统
建立文本语言数字化转译系统将《城市绿地空间布局规范》转译为规则语言，建立《城市绿地空间布局规范》数字校验系统；
步骤S10-2：数字校验系统对绿地布局方案进行校验
通过《城市绿地空间布局规范》数字校验系统对绿地布局方案进行校验，删除违反规范的绿地布局方案；
步骤S10-3：人工核查绿地布局方案
线下人工通过地理信息平台数据库管理系统对绿地布局方案按照《城市绿地空间布局规范》进行校验，删除违反规范的绿地布局方案。
13.根据权利要求12所述一种基于人工智能的城市绿地空间自动布局方法，其特征在于，所述步骤S11，具体包括：
步骤S11：通过专家打分选定绿地布局方案
选取20名在城市规划或风景园林行业工作超10年的专家，通过在线评委评分系统对绿地布局方案进行打分，满分10分取整数，去掉2个最高分和2个最低分，选定平均分最高的绿地布局方案为最终方案。
14.根据权利要求13所述一种基于人工智能的城市绿地空间自动布局方法，其特征在于，所述步骤S12，具体包括：
步骤S12：绿地空间布局方案三维展示
将生成的绿地空间布局方案以1:1000的比例投影在具有全息展示功能的三维平台中，使用3D全息投影对绿地空间布局方案进行全方位展示，设备包括VR全景展示台、3D追踪眼镜。展示内容包括平面图、重要节点平面图、三维全息沙盘。
15.根据权利要求14所述一种基于人工智能的城市绿地空间自动布局方法，其特征在于，所述步骤S13，具体包括：
步骤S13：绿地空间布局方案辅助决策指令库建构
包含展示、选择、调用、修改四类操作，将辅助决策指令库与S11生成的绿地空间布局方案进行数据连接，并且通过投影设备映射在具有交互、展示功能的展示器中。
16.根据权利要求15所述一种基于人工智能的城市绿地空间自动布局方法，其特征在于，所述步骤S14，具体包括：
使用3D全息投影设备、VR眼镜、虚拟现实数据手套对步骤S11生成的绿地空间布局方案导入城市三维空间数字模型中，使用步骤S13建构的决策指令库，对绿地空间布局方案进行展示、选择、调用、修改指令；
所述城市三维空间数字模型，是通过统一城市三维矢量数据为2000国家大地坐标系后所生成，包含城市地理高程、道路路网、城市水系和城市山体类信息；
所述指令库中的修改是对绿地等级、空间分布位置的参数值进行调整，绿地等级调整指计算机通过分级指标计算出各绿地等级L1、L2、L3，再利用权重公式计算平均误差，针对误差进行计算机自动修正；绿地空间布局调整是指计算机通过多智能体算法进行引力、斥力的受力迭代后，计算出各绿地的空间分布，使用者结合决策需求，调整受力迭代区间，针对误差进行计算机自动修正。
17.根据权利要求16所述一种基于人工智能的城市绿地空间自动布局方法，其特征在于，所述步骤S15，具体包括：
使用数据集成和转译设备进行绿地空间布局方案平面图、分级指标、权重系数三类数据的集成，并在全息沙盘中进行展示，通过工业3d打印机对方案三维模型进行打印，通过图纸数据集成设备输出1:1000比例的方案平面图、1:1000比例的方案鸟瞰图、1:500的方案节点效果图、方案分级指标文件、方案权重系数文件，通过打印设备将上述内容打印成设计手册。
CN202310190777.8A 2023-03-02 2023-03-02 一种基于人工智能的城市绿地空间自动布局方法 Pending CN116401736A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202310190777.8A CN116401736A (zh) 2023-03-02 2023-03-02 一种基于人工智能的城市绿地空间自动布局方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202310190777.8A CN116401736A (zh) 2023-03-02 2023-03-02 一种基于人工智能的城市绿地空间自动布局方法

Publications (1)

Publication Number Publication Date
CN116401736A true CN116401736A (zh) 2023-07-07

Family

ID=87006493

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202310190777.8A Pending CN116401736A (zh) 2023-03-02 2023-03-02 一种基于人工智能的城市绿地空间自动布局方法

Country Status (1)

Country Link
CN (1) CN116401736A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117494284A (zh) * 2023-11-28 2024-02-02 安徽大学 一种基于绿色生态的环境设计方法及系统

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117494284A (zh) * 2023-11-28 2024-02-02 安徽大学 一种基于绿色生态的环境设计方法及系统
CN117494284B (zh) * 2023-11-28 2024-05-31 安徽大学 一种基于绿色生态的环境设计方法及系统

Similar Documents

Publication Publication Date Title
Lehner et al. Digital geoTwin Vienna: Towards a digital twin city as geodata hub
US20220318443A1 (en) Ai-based method for generating building block in commercial district
CN110135351B (zh) 基于城市建筑空间数据的建成区边界识别方法及设备
US20220309203A1 (en) Artificial intelligence-based automatic generation method for urban road network
CN111222661A (zh) 一种城市规划实施效果分析评估方法
CN115587399A (zh) 基于bim的项目进度管理系统及应用
CN105976313A (zh) Cad平面坐标系转换到百度地图坐标系的方法及系统
Khayyal et al. Creation and spatial analysis of 3D city modeling based on GIS data
CN112685820A (zh) 基于bim和gis的数字化电站交付方法、介质和设备
CN111221867A (zh) 一种保护性建筑信息管理系统
CN116401736A (zh) 一种基于人工智能的城市绿地空间自动布局方法
Aringer et al. Bavarian 3D building model and update concept based on LiDAR, image matching and cadastre information
CN111047696A (zh) 一种三维空间规划放线的方法
Jiang et al. Scan4Façade: Automated as-is façade modeling of historic high-rise buildings using drones and AI
Cherniy et al. Modern Approach to the Road Traffic Management in Cities of Ukraine: Case Study of Kyiv Municipal Company" Road Traffic Management Center"
CN113409458A (zh) 一种融入bim设计平台的轻量化实景三维模型生产方法
CN113269875A (zh) 基于实景与仿真三维模型虚实融合的建筑设计方案评审方法及系统和存储介质
Schaller et al. Geodesign apps and 3D modelling with CityEngine for the city of tomorrow
KR101077588B1 (ko) 라이다를 이용한 공항 장애물 관리 시스템
Murata 3D-GIS application for urban planning based on 3D city model
Droj GIS and remote sensing in environmental management
Corongiu et al. Data integration of different domains in geo-information management: a railway infrastructure case study
Treccani et al. Automating the inventory of the navigable space for pedestrians on historical sites: Towards accurate path planning
Kovarik et al. General procedure of thematic map production using GIS technology
Aringer et al. Calculation and Update of a 3d Building Model of Bavaria Using LIDAR, Image Matching and Catastre Information

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