CN116452374A - 基于多智能体的用地规划方案自动生成与交互方法及系统 - Google Patents

基于多智能体的用地规划方案自动生成与交互方法及系统 Download PDF

Info

Publication number
CN116452374A
CN116452374A CN202310422155.3A CN202310422155A CN116452374A CN 116452374 A CN116452374 A CN 116452374A CN 202310422155 A CN202310422155 A CN 202310422155A CN 116452374 A CN116452374 A CN 116452374A
Authority
CN
China
Prior art keywords
land
block
data
city
functional unit
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
CN202310422155.3A
Other languages
English (en)
Inventor
杨俊宴
郑屹
孙昊成
朱骁
黄雨悦
陈旭阳
张晨阳
张珣
张钟虎
张芷晗
梁家乐
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 CN202310422155.3A priority Critical patent/CN116452374A/zh
Publication of CN116452374A publication Critical patent/CN116452374A/zh
Pending legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/10—Services
    • G06Q50/16—Real estate
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/23—Clustering techniques
    • G06F18/232—Non-hierarchical techniques
    • G06F18/2321—Non-hierarchical techniques using statistics or function optimisation, e.g. modelling of probability density functions
    • G06F18/23213—Non-hierarchical techniques using statistics or function optimisation, e.g. modelling of probability density functions with fixed number of clusters, e.g. K-means clustering
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
    • G06Q10/06313—Resource planning in a project environment
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T17/00—Three dimensional [3D] modelling, e.g. data description of 3D objects
    • G06T17/05—Geographic models
    • 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)
  • Business, Economics & Management (AREA)
  • Physics & Mathematics (AREA)
  • Human Resources & Organizations (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Tourism & Hospitality (AREA)
  • Data Mining & Analysis (AREA)
  • Economics (AREA)
  • Strategic Management (AREA)
  • Entrepreneurship & Innovation (AREA)
  • General Business, Economics & Management (AREA)
  • Software Systems (AREA)
  • Marketing (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Geometry (AREA)
  • Health & Medical Sciences (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • General Health & Medical Sciences (AREA)
  • Game Theory and Decision Science (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Probability & Statistics with Applications (AREA)
  • Development Economics (AREA)
  • Artificial Intelligence (AREA)
  • Educational Administration (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Evolutionary Biology (AREA)
  • Evolutionary Computation (AREA)
  • General Engineering & Computer Science (AREA)
  • Biodiversity & Conservation Biology (AREA)
  • Remote Sensing (AREA)
  • Primary Health Care (AREA)
  • Computer Graphics (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明提供基于多智能体的用地规划方案自动生成与交互方法及系统，涉及城市规划技术领域。该基于多智能体的用地规划方案自动生成与交互方法，包括数据采集与标准化、多智能体情景优化规则定义、功能单元智能体规则设定、功能单元智能体区位自动选择、数据输出与展示交互。该方法通过对城市用地功能多智能体规则的设定，采用功能单元智能体布局模型来自动生成城市用地功能布局。本发明能够应对城市规划领域用地功能的生成，实现基于人工智能算法对城市空白地块的用地功能进行在地性科学布局，用精准量化的方式使城市功能布局的效率更高，城市设计方案质量更佳。

Description

基于多智能体的用地规划方案自动生成与交互方法及系统
技术领域
本发明涉及城市规划技术领域，具体为基于多智能体的用地规划方案自动生成与交互方法及系统。
背景技术
随着中国快速城镇化速率的增量规划时代，城市的发展使得城市用地功能经历了由单纯、混杂、纯化、融合的过程，以往的城市用地功能规划由于发展观念重效率轻质量，规划方法不够科学合理，存在着各类用地内部结构不合理、城市绿地面积过小、生产性用地比重远高于生活性用地等问题。科学合理的城市用地功能布局，不仅有利于城市整体功能的发挥，能够提高城市用地综合效益，还可以为后续深化的规划设计工作奠定坚实的基础。另一方面，多智能体模拟技术的出现，提供了一种更加科学、更加高效的规划设计手段。通过建构起城市用地功能单元智能体规则，采用功能单元智能体布局模型，从而自动生成城市用地功能布局，可为不同城市提供在地性的用地功能布局方案。
发明内容
(一)解决的技术问题
针对现有技术的不足，本发明提供了基于多智能体的用地规划方案自动生成与交互方法及系统，过往城市规划技术暴露出的人工经济成本高、经验式规划方法缺乏科学性、当地上位政策解读不全面等多方面问题。
(二)技术方案
为实现以上目的，本发明通过以下技术方案予以实现：
第一方面，提供了一种基于多智能体的用地规划方案自动生成与交互方法，包括：
定义功能单元智能体规则所需的目标街区所在城市的规范参数，将采集的目标街区所在城市的街区矢量数据输入地理信息平台中进行数据属性标准化处理，构建街区数字沙盘，再依据地块范围划分各功能单元；
计算目标街区所在城市各街区的经济指标、效率指标与美观指标，并将所有街区划分为居住区、商务区、商业区与工业区四种情景模式；
分别选取商业设施用地、商务设施用地、居住用地、教育科研用地、工业用地和绿地六类功能单元智能体类型，通过不同用地功能区位布局的一般化约束与目标场地政策激励及限制形成的特征化约束，定义目标场地六类功能单元智能体的区位选择规则；
对采集的目标街区所在城市的街区矢量数据进行评估后确定需保留的现状用地功能地块，作为初始状态保留在目标街区数字沙盘中，基于设定的区位选择规则，在其他地块置入六类功能单元智能体，构建功能单元智能体布局模型，为空白地块赋予功能类型，通过设置不同的约束强度形成满足项目政策要求的多个用地布局方案；计算各生成方案的经济指标、效率指标与美观指标，将生成方案归类为居住区、商务区、商业区或工业区的情景模式，无法归类的方案进行剔除；
将多智能体模拟平台自动生成的目标街区功能布局方案输出至目标街区数字沙盘，集成为3D城市用地功能全息沙盘，进行街区用地功能多方案展示与交互优化，最终输出用地规划图和用地平衡表。其中，3D城市用地功能沙盘，是指集成了保留现状用地功能地块以及自动生成的用地布局方案的街区数字沙盘。
优选的，所述将采集的目标街区所在城市的街区矢量数据输入地理信息平台中进行数据属性标准化处理，构建街区数字沙盘，再依据地块范围划分各功能单元，包括：
根据所确定目标街区的范围，通过OpenStreetMap开放数据平台获取目标街区所在城市的街区矢量数据，并获取目标街区所在城市的用地布局规范数据和所在城市的激励与限制政策数据；
将采集到的目标街区所在城市的街区矢量数据输入到地理信息平台中，并依据当地城市的用地布局规范以及激励与限制政策进行数据修正处理，删除不符合限制政策的数据，并通过用地矢量数据与建筑矢量数据计算出各街区的容积率数据，对数据进行量纲与坐标的统一并集成到多智能体模拟平台中，采用优立全息沙盘，通过空间对位构建所在城市的街区数字沙盘，并依据地块范围划分各功能单元。
优选的，所述目标街区所在城市的街区矢量数据包括地块数据与建筑数据；
其中，所述地块数据包括用地类型信息、地理坐标信息、地块面积信息和地块形状信息；
所述建筑数据包括建筑功能信息、建筑层数信息、建筑高度信息、建筑形状信息和建筑位置信息；
所述所在城市的用地布局规范数据包括用地分类标准、人均单项建设用地面积标准、规划城市建设用地结构标准；
所述所在城市的激励与限制政策数据包括城市土地的空间管制措施数据等；
所述各街区容积率计算公式为：
Fi＝si1hi1+si2hi2+…+sinhin/S
其中，Fi表示因变量各街区容积率，sin表示街区内建筑单体建筑形状的面积，hin表示街区内单体建筑的层数，S表示街区地块面积。
优选的，所述计算目标街区所在城市各街区的经济指标、效率指标与美观指标，并将所有街区划分为居住区、商务区、商业区与工业区四种情景模式，具体包括：
依据经济最优规则、效率最优规则、美观最优规则，将进行标准化处理后的目标街区所在城市的街区用地数据进行计算，得到目标街区所在城市各街区的经济指标、效率指标与美观指标；
将各街区的经济指标、效率指标与美观指标通过K-mean聚类算法，依据不同的特征维度划分为不同类型的四种情景模式。
优选的，所述经济指标的计算公式为：
Yi＝αi1xi1+αi2xi2+…+αinxin/αi1ui1vi1+αi2ui2vi2+…+αinuinvin+εi
其中，Yi表示因变量经济指标，αi表示街区内用地地块面积，xi表示街区内用地地块单位面积估价，ui表示用地地块容积率，vi表示用地地块单位建筑面积估价，εi表示激励与限制政策的经济影响；
所述效率指标的计算公式为：
Yi＝∑βilnβi
其中，Yi表示因变量效率指标，βi表示第i种用地类型占街区用地总面积的比值；
所述美观指标的计算公式为：
Yi＝Sqrt(((xi1-xi)2+(xi2-xi)2+…+(xin-xi)2)/(n-1))
其中，Yi表示因变量美观指标，xi表示街区内建筑平均高度，xin表示单体建筑高度。
优选的，所述分别选取商业设施用地、商务设施用地、居住用地、教育科研用地、工业用地和绿地六类功能单元智能体类型，通过不同用地功能区位布局一般性要求形成的一般化约束与目标场地政策激励及限制形成的特征化约束，定义目标场地六类功能单元智能体的区位选择规则，具体包括：
不同用地功能区位布局一般性要求形成的一般化约束与目标场地政策激励及限制形成的特征化约束，一般化约束指六大功能单元智能体之间的功能关联与排斥程度，包括同种功能之间和异种功能之间，以地块距离关系表示，测算目标街区所在城市中两两功能地块质心的最小距离min(Dij)，目标街区功能单元智能体的地块质心距离需≥min(Dij)；特征化约束指针对特定项目提出的功能单元智能体的占比情况，以功能单元智能体的用地类型与面积占比表示。
优选的，所述构建功能单元智能体布局模型，具体包括：
基于设定的区位选择规则，形成六类功能单元智能体的基本布局模型，以Vi表示，
Vi≥∑iXi×min(Dij)
其中X代表i类功能与各类功能的约束强度，介于0-1之间，Xi之和为1；
将形成的特征化约束作为优化因子，自动判断基本模型自动形成的布局方案中各类功能面积占比是否符合要求，若不符合则返回到基本布局模型自动调整约束强度，进行迭代，直到满足特征化约束规则为止，形成优化后的布局模型Vii＝αVi，α为调整参数。
第二方面，提供了一种街区用地规划方案的自动生成与交互展示系统，包括：
数据采集与标准化模块，用于采集目标街区所在城市的街区矢量数据，并定义功能单元智能体规则所需的目标街区所在城市的规范参数，将采集的目标街区所在城市的街区矢量数据输入地理信息平台中进行数据属性标准化处理，构建街区数字沙盘，再依据地块范围划分各功能单元；
多智能体情景优化规则定义模块，用于计算目标街区所在城市各街区的经济指标、效率指标与美观指标，并将所有街区划分为居住区、商务区、商业区与工业区四种情景模式；
功能单元智能体规则设定模块，用于分别选取商业设施用地、商务设施用地、居住用地、教育科研用地、工业用地和绿地六类功能单元智能体类型，通过不同用地功能区位布局一般性要求形成的一般化约束与目标场地政策激励及限制形成的特征化约束，定义目标场地六类功能单元智能体的区位选择规则；
功能单元智能体区位自动选择模块，用于对采集的目标街区所在城市的街区矢量数据进行评估后确定需保留的现状用地功能地块，作为初始状态导入多智能体模拟平台，基于设定的区位选择规则，构建功能单元智能体布局模型，为空白地块赋予功能类型，通过设置不同的约束强度形成满足项目政策要求的多个用地布局方案；计算各生成方案的经济指标、效率指标与美观指标，将生成方案归类为居住区、商务区、商业区或工业区的情景模式，无法归类的方案进行剔除；
数据输出与展示交互模块，用于将多智能体模拟平台自动生成的目标街区功能布局方案输出至3D城市用地功能全息沙盘，进行街区用地功能多方案展示与交互优化，最终输出用地规划图和用地平衡表。
第三方面，提供了一种存储一个或多个程序的计算机可读存储介质，所述一个或多个程序包括指令，所述指令当由计算设备执行时，使得所述计算设备执行所述的方法中的任一方法。
第四方面，提供了一种计算设备，包括：
一个或多个处理器、存储器以及一个或多个程序，其中一个或多个程序存储在所述存储器中并被配置为由所述一个或多个处理器执行，所述一个或多个程序包括用于执行所述的方法中的任一方法的指令。
(三)有益效果
(1)本发明基于多智能体的用地规划方案自动生成与交互方法及系统，通过目标街区所在城市的街区矢量数据、激励与限制政策数据统一标准化处理后输入地理信息平台中构建街区数字沙盘，保证了数据的完整性与规范性，最大程度的提升了用地功能规划的准确性和效率。
(2)本发明基于多智能体的用地规划方案自动生成与交互方法及系统，通过多智能体情景优化规则的定义，依据经济最优、效率最优、美观最优三大规则和K-mean聚类算法，结合当地城市现状街区设定了居住区、商务区、商业区与工业区四种情景模式，生成方案的指标计算必须符合任一一种情景模式，否则将无法通过，大大提高了方案生成的科学性与落地性。
(3)本发明基于多智能体的用地规划方案自动生成与交互方法及系统，通过不同用地功能区位布局一般性要求形成的一般化约束与目标场地政策激励及限制形成的特征化约束，测算并规定目标街区功能单元智能体的地块质心需不小于所在城市中两两功能地块质心的最小距离，且符合所在城市用地类型与面积占比的要求，使得迭代生成的方案能够满足当地城市的限制要求，符合当地城市的城市用地功能特质。
(4)本发明基于多智能体的用地规划方案自动生成与交互方法及系统，通过3D城市用地功能全息沙盘，使目标街区的多方案展示可视化、可感受，规划人员可通过参数调整对方案进行即时调整，增强了规划人员与方案数字沙盘的互动性，提升展示效果。
附图说明
图1为本发明实施例中基于多智能体的用地规划方案自动生成与交互方法流程示意图；
图2为本发明实施例中多智能体情景优化规则图；
图3为本发明实施例中功能单元智能体的区位选择规则图。
具体实施方式
下面将结合本发明的附图，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做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
实施例
如图1-3所示，本发明实施例提供一种基于多智能体的用地规划方案自动生成与交互方法，包括：
定义功能单元智能体规则所需的目标街区所在城市的规范参数，将采集的目标街区所在城市的街区矢量数据输入地理信息平台中进行数据属性标准化处理，构建街区数字沙盘，再依据地块范围划分各功能单元；
计算目标街区所在城市各街区的经济指标、效率指标与美观指标，并将所有街区划分为居住区、商务区、商业区与工业区四种情景模式；
分别选取商业设施用地、商务设施用地、居住用地、教育科研用地、工业用地和绿地六类功能单元智能体类型，通过不同用地功能区位布局一般性要求形成的一般化约束与目标场地政策激励及限制形成的特征化约束，定义目标场地六类功能单元智能体的区位选择规则；
对采集的目标街区所在城市的街区矢量数据进行评估后确定需保留的现状用地功能地块，作为初始状态导入多智能体模拟平台，基于设定的区位选择规则，构建功能单元智能体布局模型，为空白地块赋予功能类型，通过设置不同的约束强度形成满足项目政策要求的多个用地布局方案；计算各生成方案的经济指标、效率指标与美观指标，将生成方案归类为居住区、商务区、商业区或工业区的情景模式，无法归类的方案进行剔除；
将多智能体模拟平台自动生成的目标街区功能布局方案输出至3D城市用地功能全息沙盘，进行街区用地功能多方案展示与交互优化，最终输出用地规划图和用地平衡表。
具体实现步骤如下：
一、数据采集与标准化，通过开放数据平台采集目标街区所在城市的街区矢量数据，以及定义功能单元智能体规则所需的目标街区所在城市的规范参数，将采集的目标街区所在城市的街区用地数据输入地理信息平台中进行数据属性标准化处理，构建街区数字沙盘，再依据地块范围划分各功能单元。
其中，数据采集与标准化具体包括两个部分：
首先，根据项目任务书所确定目标街区的范围，通过OpenStreetMap开放数据平台获取目标街区所在城市的街区用地矢量数据，通过百度开放数据平台，获取目标街区所在城市的用地布局规范数据和所在城市的激励与限制政策数据；
其次，将采集到的目标街区所在城市的街区矢量数据输入到地理信息平台中，并依据当地城市的用地布局规范以及激励与限制政策进行数据修正处理，删除不符合限制政策的数据，并通过用地矢量数据与建筑矢量数据计算出各街区的容积率数据，最后对数据进行量纲与坐标的统一并集成到多智能体模拟平台中，采用优立全息沙盘(HT-S)，通过空间对位构建所在城市的街区数字沙盘，并依据地块范围划分各功能单元。
所述目标街区所在城市的街区用地矢量数据，包括地块数据与建筑数据，数据格式为shapefile格式；其中地块数据包含用地类型信息、地理坐标信息、地块面积信息和地块形状信息；其中建筑数据包含建筑功能信息、建筑层数信息、建筑高度信息、建筑形状信息和建筑位置信息；所述所在城市的用地布局规范数据包括用地分类标准、人均单项建设用地面积标准、规划城市建设用地结构标准；所述所在城市的激励与限制政策数据包括城市土地的空间管制措施数据等；
所述各街区容积率计算公式为：
Fi＝si1hi1+si2hi2+…+sinhin/S
式中Fi表示因变量各街区容积率，sin表示街区内建筑单体建筑形状的面积，hin表示街区内单体建筑的层数，S表示街区地块面积。
二、多智能体情景优化规则定义，依据经济最优规则、效率最优规则、美观最优规则，计算目标街区所在城市各街区的经济指标、效率指标与美观指标，再依据K-mean聚类算法，将所有街区划分为居住区、商务区、商业区与工业区四种情景模式。
其中，多智能体情景优化规则定义具体包括两个部分：
首先，依据经济最优规则、效率最优规则、美观最优规则，将S2处理后的街区用地矢量数据进行计算，得到目标街区所在城市各街区的经济指标、效率指标与美观指标；
其次，将各街区的经济指标、效率指标与美观指标通过K-mean聚类算法，依据不同的特征维度划分为不同类型的四种情景模式，经济指标偏高、效率指标偏高、美观指标偏低的为商务区，经济指标偏高、效率指标偏低、美观指标偏高的为商业区，经济指标偏低、效率指标偏高、美观指标偏低的为工业区，经济指标偏低、效率指标偏低、美观指标偏高的为居住区。
所述经济最优规则是指依据《城镇土地估价规程》(GB/T 18508-2001)，经济指标的计算公式为：
Yi＝αi1xi1+αi2xi2+…+αinxin/αi1ui1vi1+αi2ui2vi2+…+αinuinvin+εi
式中Yi表示因变量经济指标，αi表示街区内用地地块面积，zi表示街区内用地地块单位面积估价，ui表示用地地块容积率，vi表示用地地块单位建筑面积估价，εi表示激励与限制政策的经济影响；
所述效率最优规则是指依据《建设用地节约集约利用评价规程》(TD/T 1018-2008)，效率指标的计算公式为：
Yi＝∑βilnβi
式中Yi表示因变量效率指标，βi表示第i种用地类型占街区用地总面积的比值；
所述美观最优规则是指街区内所有建筑高度的波动程度，美观指标的计算公式为：
Yi＝Sqrt((xi1-xi)2+(xi2-xi)2+…+(xin-xi)2)/(n-1))
式中Yi表示因变量美观指标，xi表示街区内建筑平均高度，xin表示单体建筑高度。
三、功能单元智能体规则设定，依据城市用地分类与规划建设用地标准(GB50137-2011)，选取商业设施用地(B1)、商务设施用地(B2)、居住用地(R2)、教育科研用地(A3)、工业用地(M1)和绿地(G)六类功能单元智能体类型，通过不同用地功能区位布局一般性要求形成的一般化约束与目标场地政策激励及限制形成的特征化约束，定义目标场地六类功能单元智能体的区位选择规则。
其中，不同用地功能区位布局一般性要求形成的一般化约束与目标场地政策激励及限制形成的特征化约束，一般化约束指六大功能单元智能体之间的功能关联与排斥程度，包括同种功能之间和异种功能之间，以地块距离关系表示，测算目标街区所在城市中两两功能地块质心的最小距离min(Dij)，目标街区功能单元智能体的地块质心距离需≥min(Dij)；特征化约束指针对特定项目提出的功能单元智能体的占比情况，以功能单元智能体的用地类型与面积占比表示。
四、功能单元智能体区位自动选择，对步骤一采集的目标街区现状用地矢量数据进行评估后确定需要保留的现状用地功能地块，作为初始状态导入多智能体模拟平台，基于步骤三中设定的区位选择规则，构建功能单元智能体布局模型，自动为其他空白地块赋予功能类型，通过设置不同的约束强度形成满足项目政策要求的多个用地布局方案。计算各生成方案的经济指标、效率指标与美观指标，依据步骤二的特征维度划分规则将生成方案归类为居住区、商务区、商业区或工业区的情景模式，无法归类的方案则进行剔除。
其中，构建功能单元智能体布局模型具体包括两个部分：
首先，基于步骤三的一般化约束规则，形成六类功能单元智能体的基本布局模型，以Vi表示，
Vi≥∑iXi×min(Dij)
式中X代表i类功能与各类功能的约束强度，介于0-1之间，Xi之和为1；
其次，将步骤三的特征化约束作为优化因子，自动判断基本模型自动形成的布局方案中各类功能面积占比是否符合要求，若不符合则返回到基本布局模型自动调整约束强度，进行迭代，直到满足特征化约束规则为止，形成优化后的布局模型Vii＝αVi，α为调整参数。
五、数据输出与展示交互，将多智能体模拟平台自动生成的目标街区功能布局方案输出至3D城市用地功能全息沙盘，进行街区用地功能多方案展示与交互优化，最终输出dwg格式的用地规划图和csv格式的用地平衡表。
其中，进行街区用地功能多方案展示与交互优化，指操作者通过VR设备和手势指令浏览任一方案并对功能单元的类型进行优化调整，将调整后的街区功能布局方案导出为dwg格式的用地性质图，其中各功能颜色转换对照参考各地市城市与城乡规划用地分类和色块标准。
以下将以某市某地区城市设计为例对本发明的技术方案进行详细说明。
(1)以某市某地区为目标街区，通过开放数据平台采集某市街区矢量数据，以及定义功能单元智能体规则所需的某市规范参数，将采集的街区用地数据输入地理信息平台中进行数据属性标准化处理，构建街区数字沙盘，再依据地块范围划分各功能单元，具体包括：
(1.1)根据项目任务书所确定目标街区的范围，通过OpenStreetMap开放数据平台获取目标街区所在城市的街区用地矢量数据，包括地块数据与建筑数据，数据格式为shapefile格式；其中地块数据包含用地类型信息、地理坐标信息、地块面积信息和地块形状信息；建筑数据包含建筑功能信息、建筑层数信息、建筑高度信息、建筑形状信息和建筑位置信息。通过百度开放数据平台，获取目标街区所在城市的用地布局规范数据和所在城市的激励与限制政策数据。所述用地布局规范数据包括用地分类标准、人均单项建设用地面积标准、规划城市建设用地结构标准；所述激励与限制政策数据包括城市土地的空间管制措施数据等。
(1.2)将采集到的目标街区所在城市的街区矢量数据输入到地理信息平台中，并依据当地城市的用地布局规范以及激励与限制政策进行数据修正处理，删除不符合限制政策的数据，并通过用地矢量数据与建筑矢量数据计算出各街区的容积率数据，所述各街区容积率计算公式为：
Fi＝si1hi1+si2hi2+…+sinhin/S
其中，Fi表示因变量各街区容积率，sin表示街区内建筑单体建筑形状的面积，hin表示街区内单体建筑的层数，S表示街区地块面积。
最后对数据进行量纲与坐标的统一并集成到多智能体模拟平台中，采用优立全息沙盘(HT-S)，通过空间对位构建所在城市的街区数字沙盘，并依据地块范围划分各功能单元。
(2)依据经济最优规则、效率最优规则、美观最优规则，计算各街区的经济指标、效率指标与美观指标，再依据K-mean聚类算法，将所有街区划分为居住区、商务区、商业区与工业区四种情景模式，具体包括：
(2.1)依据经济最优规则、效率最优规则、美观最优规则，将S2处理后的街区用地矢量数据进行计算，得到目标街区所在城市各街区的经济指标、效率指标与美观指标。
所述经济最优规则是指依据《城镇土地估价规程》(GB/T 18508-2001)，经济指标的计算公式为：
Yi＝αi1xi1+αi2xi2+…+αinxin/αi1ui1vi1+αi2ui2vi2+…+αinuinvin+εi
其中，Yi表示因变量经济指标，αi表示街区内用地地块面积，xi表示街区内用地地块单位面积估价，ui表示用地地块容积率，vi表示用地地块单位建筑面积估价，εi表示激励与限制政策的经济影响；
所述效率最优规则是指依据《建设用地节约集约利用评价规程》(TD/T 1018-2008)，效率指标的计算公式为：
Yi＝∑βilnβi
其中，Yi表示因变量效率指标，βi表示第i种用地类型占街区用地总面积的比值；
所述美观最优规则是指街区内所有建筑高度的波动程度，美观指标的计算公式为：
Yi＝Sqrt(((xi1-xi)2+(xi2-xi)2+…+(xin-xi)2)/(n-1))
其中，Yi表示因变量美观指标，xi表示街区内建筑平均高度，xin表示单体建筑高度。
(2.2)将各街区的经济指标、效率指标与美观指标通过K-mean聚类算法，依据不同的特征维度划分为不同类型的四种情景模式，经济指标偏高、效率指标偏高、美观指标偏低的为商务区，经济指标偏高、效率指标偏低、美观指标偏高的为商业区，经济指标偏低、效率指标偏高、美观指标偏低的为工业区，经济指标偏低、效率指标偏低、美观指标偏高的为居住区。
(3)依据城市用地分类与规划建设用地标准(GB50137-2011)，选取商业设施用地(B1)、商务设施用地(B2)、居住用地(R2)、教育科研用地(A3)、工业用地(M1)和绿地(G)六类功能单元智能体类型，通过不同用地功能区位布局一般性要求形成的一般化约束与目标场地政策激励及限制形成的特征化约束，定义目标场地六类功能单元智能体的区位选择规则，具体包括：
(3.1)计算一般化约束，即六大功能单元智能体之间的功能关联与排斥程度，包括同种功能之间和异种功能之间，以地块距离关系表示，测算目标街区所在城市中两两功能地块质心的最小距离min(Dij)，目标街区功能单元智能体的地块质心距离需≥min(Dij)。
(3.2)计算特征化约束，即针对特定项目提出的功能单元智能体的占比情况，以功能单元智能体的用地类型与面积占比表示。
(4)对步骤一采集的目标街区现状用地矢量数据进行评估后确定需要保留的现状用地功能地块，作为初始状态导入多智能体模拟平台，基于步骤三中设定的区位选择规则，构建功能单元智能体布局模型，自动为其他空白地块赋予功能类型，通过设置不同的约束强度形成满足项目政策要求的多个用地布局方案。计算各生成方案的经济指标、效率指标与美观指标，依据步骤二的特征维度划分规则将生成方案归类为居住区、商务区、商业区或工业区的情景模式，无法归类的方案则进行剔除，具体包括：
(4.1)基于步骤三的一般化约束规则，形成六类功能单元智能体的基本布局模型，以Vi表示，
Vi≥∑iXi×min(Dij)
其中X代表i类功能与各类功能的约束强度，介于0-1之间，Xi之和为1；
(4.2)将步骤三的特征化约束作为优化因子，自动判断基本模型自动形成的布局方案中各类功能面积占比是否符合要求，若不符合则返回到基本布局模型自动调整约束强度，进行迭代，直到满足特征化约束规则为止，形成优化后的布局模型Vii＝αVi，α为调整参数。
(5)将多智能体模拟平台自动生成的目标街区功能布局方案输出至3D城市用地功能全息沙盘，进行街区用地功能多方案展示与交互优化，最终输出dwg格式的用地规划图和csv格式的用地平衡表，具体包括：
(5.1)街区用地功能多方案展示与交互优化，操作者通过VR设备和手势指令浏览任一方案并对功能单元的类型进行优化调整。
(5.2)将调整后的街区功能布局方案导出为dwg格式的用地性质图，其中各功能颜色转换对照参考各地市城市与城乡规划用地分类和色块标准。
本申请的实施例可提供为方法或计算机程序产品。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。本申请实施例中的方案可以采用各种计算机语言实现，例如，面向对象的程序设计语言Java和直译式脚本语言JavaScr ipt等。
本发明有一个实施例提供了一种街区用地规划方案的自动生成与交互展示系统，包括：
数据采集与标准化模块，用于采集目标街区所在城市的街区矢量数据，并定义功能单元智能体规则所需的目标街区所在城市的规范参数，将采集的目标街区所在城市的街区矢量数据输入地理信息平台中进行数据属性标准化处理，构建街区数字沙盘，再依据地块范围划分各功能单元；
多智能体情景优化规则定义模块，用于计算目标街区所在城市各街区的经济指标、效率指标与美观指标，并将所有街区划分为居住区、商务区、商业区与工业区四种情景模式；
功能单元智能体规则设定模块，用于分别选取商业设施用地、商务设施用地、居住用地、教育科研用地、工业用地和绿地六类功能单元智能体类型，通过不同用地功能区位布局一般性要求形成的一般化约束与目标场地政策激励及限制形成的特征化约束，定义目标场地六类功能单元智能体的区位选择规则；
功能单元智能体区位自动选择模块，用于对采集的目标街区所在城市的街区矢量数据进行评估后确定需保留的现状用地功能地块，作为初始状态导入多智能体模拟平台，基于设定的区位选择规则，构建功能单元智能体布局模型，为空白地块赋予功能类型，通过设置不同的约束强度形成满足项目政策要求的多个用地布局方案；计算各生成方案的经济指标、效率指标与美观指标，将生成方案归类为居住区、商务区、商业区或工业区的情景模式，无法归类的方案进行剔除；
数据输出与展示交互模块，用于将多智能体模拟平台自动生成的目标街区功能布局方案输出至3D城市用地功能全息沙盘，进行街区用地功能多方案展示与交互优化，最终输出用地规划图和用地平衡表。
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。
需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。

Claims (10)

1.一种基于多智能体的用地规划方案自动生成与交互方法，其特征在于，包括：
定义功能单元智能体规则所需的目标街区所在城市的规范参数，将采集的目标街区所在城市的街区矢量数据输入地理信息平台中进行数据属性标准化处理，构建街区数字沙盘，再依据地块范围划分各功能单元；
计算目标街区所在城市各街区的经济指标、效率指标与美观指标，并将所有街区划分为居住区、商务区、商业区与工业区四种情景模式；
分别选取商业设施用地、商务设施用地、居住用地、教育科研用地、工业用地和绿地六类功能单元智能体类型，通过不同用地功能区位布局的一般化约束与目标场地政策激励及限制形成的特征化约束，定义目标场地六类功能单元智能体的区位选择规则；
对采集的目标街区所在城市的街区矢量数据进行评估后确定需保留的现状用地功能地块，作为初始状态保留在目标街区数字沙盘中，基于设定的区位选择规则，在其他地块置入六类功能单元智能体，构建功能单元智能体布局模型，为空白地块赋予功能类型，通过设置不同的约束强度形成满足项目政策要求的多个用地布局方案；计算各生成方案的经济指标、效率指标与美观指标，将生成方案归类为居住区、商务区、商业区或工业区的情景模式，无法归类的方案进行剔除；
将多智能体模拟平台自动生成的目标街区功能布局方案输出至目标街区数字沙盘，集成为3D城市用地功能全息沙盘，进行街区用地功能多方案展示与交互优化，最终输出用地规划图和用地平衡表。
2.根据权利要求1所述的一种基于多智能体的用地规划方案自动生成与交互方法，其特征在于，所述将采集的目标街区所在城市的街区矢量数据输入地理信息平台中进行数据属性标准化处理，构建街区数字沙盘，再依据地块范围划分各功能单元，包括：
根据所确定目标街区的范围，通过OpenStreetMap开放数据平台获取目标街区所在城市的街区矢量数据，并获取目标街区所在城市的用地布局规范数据和所在城市的激励与限制政策数据；
将采集到的目标街区所在城市的街区矢量数据输入到地理信息平台中，并依据当地城市的用地布局规范以及激励与限制政策进行数据修正处理，删除不符合限制政策的数据，并通过用地矢量数据与建筑矢量数据计算出各街区的容积率数据，对数据进行量纲与坐标的统一，并集成到通过对所有数据空间对位所构建的街区数字沙盘，采用优立全息沙盘，并依据地块范围划分各功能单元。
3.根据权利要求2所述的一种基于多智能体的用地规划方案自动生成与交互方法，其特征在于，所述目标街区所在城市的街区矢量数据包括地块数据与建筑数据；
其中，所述地块数据包括用地类型信息、地理坐标信息、地块面积信息和地块形状信息；
所述建筑数据包括建筑功能信息、建筑层数信息、建筑高度信息、建筑形状信息和建筑位置信息；
所述所在城市的用地布局规范数据包括用地分类标准、人均单项建设用地面积标准、规划城市建设用地结构标准；
所述所在城市的激励与限制政策数据包括城市土地的空间管制措施数据等；
所述各街区容积率计算公式为：
Fi＝si1hi1+si2hi2+…+sinhin/S
其中，Fi表示因变量各街区容积率，sin表示街区内建筑单体建筑形状的面积，hin表示街区内单体建筑的层数，S表示街区地块面积。
4.根据权利要求1所述的一种基于多智能体的用地规划方案自动生成与交互方法，其特征在于，所述计算目标街区所在城市各街区的经济指标、效率指标与美观指标，并将所有街区划分为居住区、商务区、商业区与工业区四种情景模式，具体包括：
依据经济最优规则、效率最优规则、美观最优规则，将进行标准化处理后的目标街区所在城市的街区用地数据进行计算，得到目标街区所在城市各街区的经济指标、效率指标与美观指标；
将各街区的经济指标、效率指标与美观指标通过K-mean聚类算法，依据不同的特征维度划分为不同类型的四种情景模式。
5.根据权利要求4所述的一种基于多智能体的用地规划方案自动生成与交互方法，其特征在于，所述经济指标的计算公式为：
Yi＝αi1xi1+αi2xi2+…+αinxin/αi1ui1vi1+αi2ui2vi2+…+αinuinvin+εi
其中，Yi表示因变量经济指标，αi表示街区内用地地块面积，xi表示街区内用地地块单位面积估价，ui表示用地地块容积率，vi表示用地地块单位建筑面积估价，εi表示激励与限制政策的经济影响；
所述效率指标的计算公式为：
Yi＝∑βilnβi
其中，Yi表示因变量效率指标，βi表示第i种用地类型占街区用地总面积的比值；
所述美观指标的计算公式为：
Yi＝Sqrt(((xi1-xi)2+(xi2-xi)2+…+(xin-xi)2)/(n-1))
其中，Yi表示因变量美观指标，xi表示街区内建筑平均高度，xin表示单体建筑高度。
6.根据权利要求1所述的一种基于多智能体的用地规划方案自动生成与交互方法，其特征在于，所述分别选取商业设施用地、商务设施用地、居住用地、教育科研用地、工业用地和绿地六类功能单元智能体类型，通过不同用地功能区位布局的一般化约束与目标场地政策激励及限制形成的特征化约束，定义目标场地六类功能单元智能体的区位选择规则，具体包括：
不同用地功能区位布局一般性要求形成的一般化约束与目标场地政策激励及限制形成的特征化约束，一般化约束指六大功能单元智能体之间的功能关联与排斥程度，包括同种功能之间和异种功能之间，以地块距离关系表示，测算目标街区所在城市中两两功能地块质心的最小距离min(Dij)，目标街区功能单元智能体的地块质心距离需≥min(Dij)；特征化约束指针对特定项目提出的功能单元智能体的占比情况，以功能单元智能体的用地类型与面积占比表示。
7.根据权利要求1所述的一种基于多智能体的用地规划方案自动生成与交互方法，其特征在于，所述构建功能单元智能体布局模型，具体包括：
基于设定的区位选择规则，形成六类功能单元智能体的基本布局模型，以Vi表示，
Vi≥∑iXi×min(Dij)
其中X代表i类功能与各类功能的约束强度，介于0-1之间，Xi之和为1；
将形成的特征化约束作为优化因子，自动判断基本模型自动形成的布局方案中各类功能面积占比是否符合要求，若不符合则返回到基本布局模型自动调整约束强度，进行迭代，直到满足特征化约束规则为止，形成优化后的布局模型Vii＝αVi，α为调整参数。
8.一种街区用地规划方案的自动生成与交互展示系统，其特征在于，包括：
数据采集与标准化模块，用于采集目标街区所在城市的街区矢量数据，并定义功能单元智能体规则所需的目标街区所在城市的规范参数，将采集的目标街区所在城市的街区矢量数据输入地理信息平台中进行数据属性标准化处理，构建街区数字沙盘，再依据地块范围划分各功能单元；
多智能体情景优化规则定义模块，用于计算目标街区所在城市各街区的经济指标、效率指标与美观指标，并将所有街区划分为居住区、商务区、商业区与工业区四种情景模式；
功能单元智能体规则设定模块，用于分别选取商业设施用地、商务设施用地、居住用地、教育科研用地、工业用地和绿地六类功能单元智能体类型，通过不同用地功能区位布局一般性要求形成的一般化约束与目标场地政策激励及限制形成的特征化约束，定义目标场地六类功能单元智能体的区位选择规则；
功能单元智能体区位自动选择模块，用于对采集的目标街区所在城市的街区矢量数据进行评估后确定需保留的现状用地功能地块，作为初始状态导入多智能体模拟平台，基于设定的区位选择规则，构建功能单元智能体布局模型，为空白地块赋予功能类型，通过设置不同的约束强度形成满足项目政策要求的多个用地布局方案；计算各生成方案的经济指标、效率指标与美观指标，将生成方案归类为居住区、商务区、商业区或工业区的情景模式，无法归类的方案进行剔除；
数据输出与展示交互模块，用于将多智能体模拟平台自动生成的目标街区功能布局方案输出至街区数字沙盘，进行街区用地功能多方案展示与交互优化，最终输出用地规划图和用地平衡表。
9.一种存储一个或多个程序的计算机可读存储介质，其特征在于，所述一个或多个程序包括指令，所述指令当由计算设备执行时，使得所述计算设备执行根据权利要求1-7所述的方法中的任一方法。
10.一种计算设备，其特征在于，包括：
一个或多个处理器、存储器以及一个或多个程序，其中一个或多个程序存储在所述存储器中并被配置为由所述一个或多个处理器执行，所述一个或多个程序包括用于执行根据权利要求1-7所述的方法中的任一方法的指令。
CN202310422155.3A 2023-04-19 2023-04-19 基于多智能体的用地规划方案自动生成与交互方法及系统 Pending CN116452374A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202310422155.3A CN116452374A (zh) 2023-04-19 2023-04-19 基于多智能体的用地规划方案自动生成与交互方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202310422155.3A CN116452374A (zh) 2023-04-19 2023-04-19 基于多智能体的用地规划方案自动生成与交互方法及系统

Publications (1)

Publication Number Publication Date
CN116452374A true CN116452374A (zh) 2023-07-18

Family

ID=87133301

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202310422155.3A Pending CN116452374A (zh) 2023-04-19 2023-04-19 基于多智能体的用地规划方案自动生成与交互方法及系统

Country Status (1)

Country Link
CN (1) CN116452374A (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117314198A (zh) * 2023-10-25 2023-12-29 北京华清安地建筑设计有限公司 历史文化街区功能更新综合分析方法及系统
CN117371819A (zh) * 2023-10-27 2024-01-09 广州市城市规划设计有限公司 一种城市更新项目用地规划的刚性指标审查方法及装置

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117314198A (zh) * 2023-10-25 2023-12-29 北京华清安地建筑设计有限公司 历史文化街区功能更新综合分析方法及系统
CN117314198B (zh) * 2023-10-25 2024-03-05 北京华清安地建筑设计有限公司 历史文化街区功能更新综合分析方法及系统
CN117371819A (zh) * 2023-10-27 2024-01-09 广州市城市规划设计有限公司 一种城市更新项目用地规划的刚性指标审查方法及装置

Similar Documents

Publication Publication Date Title
CN116452374A (zh) 基于多智能体的用地规划方案自动生成与交互方法及系统
Cao et al. Cross-phase product configurator for modular buildings using kit-of-parts
CN112883476B (zh) 建筑空间的布局方法、装置及电子设备
Wang et al. Generative urban design using shape grammar and block morphological analysis
CN107194504A (zh) 土地使用状态的预测方法、装置和系统
Ashour Optimizing creatively in multi-objective optimization
KR102369358B1 (ko) 수요자 니즈 기반 3차원 디지털 공간 및 콘텐츠에 대한 라이프사이클 관리 방법, 장치 및 시스템
CN112529245A (zh) 一种耦合多源大数据的街道生活垃圾收运量预测方法
Beirão et al. Generic grammars for design domains
CN115640639A (zh) 基于数字化城市设计的城市更新方案模拟及成本估算方法
El Yamani et al. Building Information Modeling Potential for an enhanced real estate valuation approach based on the hedonic method
Gourlis et al. A holistic digital twin simulation framework for industrial facilities: BIM-based data acquisition for building energy modeling
Beirão et al. Structuring a generative model for urban design: linking GIS to shape grammars
CN110688443B (zh) 一种基于地图注记模型的注记方法
Adão et al. Procedural generation of traversable buildings outlined by arbitrary convex shapes
Yang et al. A geodesign method of human-energy-water interactive systems for urban infrastructure design: 10KM2 near-zero district project in Shanghai
CN115774946A (zh) 基于slp的三维设施规划与物流分析方法、系统及应用
CN115600421A (zh) 基于改进型Petri网的自主式交通系统演化模型的构建方法及装置、介质
Qiao et al. Research on environmental planning method based on neural network and artificial intelligence technology
Kim Parametric Urban Regulation Models for predicting development performances
Gaha Parametric Architectural Design for a New City Identity: Materials, Environments and New Applications
Grobman Building the Digital World-Architectural Design Methods Based on the Use of Digital Tools-Performance Based Form Generation and Optimization
Elmahdi et al. A decision support system for a groundwater system Case Study: Gnangara Sustainability Strategy Western Australia
Alfalah et al. On the exploration of building information modeling capabilities for promoting sustainability-related practices in construction projects: Case studies in china and usa
Wang et al. An integrated and interactive 3D space planning framework considering collective multi-criteria optimization based on multi-agent constraints solving

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