CN116628829B - 一种基于数字孪生的智慧建筑三维可视化系统 - Google Patents
一种基于数字孪生的智慧建筑三维可视化系统 Download PDFInfo
- Publication number
- CN116628829B CN116628829B CN202310904523.8A CN202310904523A CN116628829B CN 116628829 B CN116628829 B CN 116628829B CN 202310904523 A CN202310904523 A CN 202310904523A CN 116628829 B CN116628829 B CN 116628829B
- Authority
- CN
- China
- Prior art keywords
- building
- module
- data
- dimensional
- acquisition module
- 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.)
- Active
Links
- 238000012800 visualization Methods 0.000 title claims abstract description 32
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 19
- 238000004458 analytical method Methods 0.000 claims abstract description 16
- 238000001914 filtration Methods 0.000 claims abstract description 10
- 238000007781 pre-processing Methods 0.000 claims abstract description 9
- 238000005516 engineering process Methods 0.000 claims description 25
- 238000013461 design Methods 0.000 claims description 20
- 238000004364 calculation method Methods 0.000 claims description 12
- 238000005286 illumination Methods 0.000 claims description 10
- 230000007613 environmental effect Effects 0.000 claims description 9
- 239000011159 matrix material Substances 0.000 claims description 9
- 238000012544 monitoring process Methods 0.000 claims description 9
- 238000010801 machine learning Methods 0.000 claims description 8
- 238000005259 measurement Methods 0.000 claims description 8
- 238000013139 quantization Methods 0.000 claims description 5
- 238000009877 rendering Methods 0.000 claims description 5
- 238000013473 artificial intelligence Methods 0.000 claims description 4
- 230000015572 biosynthetic process Effects 0.000 claims description 4
- 238000004140 cleaning Methods 0.000 claims description 4
- 238000011156 evaluation Methods 0.000 claims description 4
- 238000012545 processing Methods 0.000 claims description 4
- 238000000034 method Methods 0.000 abstract description 10
- 230000008569 process Effects 0.000 abstract description 7
- 238000010276 construction Methods 0.000 abstract description 4
- 230000000694 effects Effects 0.000 abstract 1
- 238000012549 training Methods 0.000 description 5
- 230000009471 action Effects 0.000 description 4
- 238000010586 diagram Methods 0.000 description 4
- 238000007726 management method Methods 0.000 description 3
- 238000013527 convolutional neural network Methods 0.000 description 2
- 230000006872 improvement Effects 0.000 description 2
- 238000005457 optimization Methods 0.000 description 2
- 238000000513 principal component analysis Methods 0.000 description 2
- 238000004088 simulation Methods 0.000 description 2
- 238000012706 support-vector machine Methods 0.000 description 2
- 238000009412 basement excavation Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000013480 data collection Methods 0.000 description 1
- 238000003066 decision tree Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000003745 diagnosis Methods 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 238000004134 energy conservation Methods 0.000 description 1
- 238000005265 energy consumption Methods 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 239000001963 growth medium Substances 0.000 description 1
- 230000008676 import Effects 0.000 description 1
- 238000011835 investigation Methods 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000000691 measurement method Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012806 monitoring device Methods 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 238000012876 topography Methods 0.000 description 1
- 238000013519 translation 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
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/50—Information retrieval; Database structures therefor; File system structures therefor of still image data
- G06F16/53—Querying
- G06F16/535—Filtering based on additional data, e.g. user or group profiles
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/50—Information retrieval; Database structures therefor; File system structures therefor of still image data
- G06F16/58—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/50—Information retrieval; Database structures therefor; File system structures therefor of still image data
- G06F16/58—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually
- G06F16/5866—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using information manually generated, e.g. tags, keywords, comments, manually generated location and time information
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/95—Retrieval from the web
- G06F16/953—Querying, e.g. by the use of web search engines
- G06F16/9536—Search customisation based on social or collaborative filtering
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/10—Geometric CAD
- G06F30/12—Geometric CAD characterised by design entry means specially adapted for CAD, e.g. graphical user interfaces [GUI] specially adapted for CAD
-
- 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
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2200/00—Indexing scheme for image data processing or generation, in general
- G06T2200/08—Indexing scheme for image data processing or generation, in general involving all processing steps from image acquisition to 3D model generation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2200/00—Indexing scheme for image data processing or generation, in general
- G06T2200/21—Indexing scheme for image data processing or generation, in general involving computational photography
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2210/00—Indexing scheme for image generation or computer graphics
- G06T2210/04—Architectural design, interior design
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Geometry (AREA)
- General Engineering & Computer Science (AREA)
- Databases & Information Systems (AREA)
- Evolutionary Computation (AREA)
- Data Mining & Analysis (AREA)
- Computer Hardware Design (AREA)
- Software Systems (AREA)
- Medical Informatics (AREA)
- Architecture (AREA)
- Mathematical Optimization (AREA)
- Mathematical Analysis (AREA)
- Pure & Applied Mathematics (AREA)
- Artificial Intelligence (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Computational Mathematics (AREA)
- Library & Information Science (AREA)
- Human Computer Interaction (AREA)
- Civil Engineering (AREA)
- Computer Graphics (AREA)
- Structural Engineering (AREA)
- Computing Systems (AREA)
- Mathematical Physics (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明涉及智慧建筑技术领域,公开了一种基于数字孪生的智慧建筑三维可视化系统,包括数据采集模块、三维建模模块、三维可视化模块及智能分析模块,其中,三维建模模块包括建模数据获取模块、数据预处理模块、初始模型推荐模块及三维模型完善模块。本发明首先利用基于建筑特征的协同过滤推荐算法为待构建的建筑物推荐对应的初始模型,然后使得设计人员只需在初始模型的基础上进行修改和完善便可完成对建筑物三维模型的构建,从而可以有效地避免设计人员从零开始构建建筑物三维模型的繁琐过程,不仅有效地降低了设计人员的工作量,而且还可以有效地提高建模效果,改善用户的使用体验。
Description
技术领域
本发明涉及智慧建筑技术领域,具体来说,涉及一种基于数字孪生的智慧建筑三维可视化系统。
背景技术
数字孪生是一种集成多个学科、多个物理量的仿真技术,在虚拟空间中建立装备系统的映射,从而反映出实体装备的全生命周期过程。这项技术广泛应用于工程建设、产品设计、制造和医学分析等领域,可被视为一种超越现实的概念,具有重要性和彼此依赖性。它充分利用物理模型、传感器数据和历史运营情况等多种因素,并应用多尺度、多概率的仿真过程。
智慧建筑是一种以用户需求为核心,对建筑结构、系统、服务和管理进行最优化组合的建筑理念。它是现代科技的集大成者,包含现代建筑技术、电脑技术、通讯技术和控制技术。主要应用于新建、扩建或改建工程中的办公楼、商业综合楼、文化媒体、学校、体育场馆、医院、交通、工业建筑和住宅小区等领域。通过智能化设备的配置,可实现高效、安全、节能、舒适、环保和可持续发展等目标。
目前,为了实现能够对智慧建筑进行更好的管理,提出了基于智慧建筑的可视化系统,其是一种运用先进技术实现对建筑物各个方面进行高效管理和控制的创新型解决方案。这种系统利用数字孪生技术创建建筑物的虚拟模型,实时传输并同步现实世界中建筑物的数据和状态,同时,通过三维可视化技术,将这些信息以直观、易理解的形式展示给用户。然而,传统的基于智慧建筑的可视化系统在构建三维模型的过程中,往往需要设计人员根据建筑物的设计参数或建模数据从零开始构建建筑物三维模型,从而不仅操作繁琐、工作量大,而且还极大地降低了用户的使用体验。
针对相关技术中的问题,目前尚未提出有效的解决方案。
发明内容
针对相关技术中的问题,本发明提出一种基于数字孪生的智慧建筑三维可视化系统,以克服现有相关技术所存在的上述技术问题。
为此,本发明采用的具体技术方案如下:
一种基于数字孪生的智慧建筑三维可视化系统,该系统包括数据采集模块、三维建模模块、三维可视化模块及智能分析模块;
其中,所述数据采集模块用于采集构建建筑物三维模型的建模数据,并对建筑物的状态进行实时监测;
所述三维建模模块用于利用协同过滤推荐算法为获取的建模数据推荐对应的初始模型,并结合数字孪生技术实现对建筑物三维模型的完善,得到基于建筑物的三维模型;
所述三维可视化模块用于通过三维可视化技术将建筑物的三维模型以三维图形的形式进行呈现;
所述智能分析模块用于利用机器学习算法和人工智能技术来对采集及生成的数据进行分析和处理,帮助用户更好地理解建筑物的状态,并提供决策支持。
进一步的,所述数据采集模块包括设计图纸数据采集模块、外观数据采集模块及环境数据采集模块;
其中,所述设计图纸数据采集模块用于利用建筑物的设计图纸获取建筑物的设计参数数据;
所述外观数据采集模块用于利用无人机设备获取建筑物的外观数据;
所述环境数据采集模块用于利用预先安装于建筑物内部的传感器和监测设备获取建筑物的运行环境数据。
进一步的,所述外观数据采集模块包括无人机倾斜摄影模块和激光点云扫描模块;
其中,所述无人机倾斜摄影模块用于利用无人机设备以特定的角度倾斜对建筑物进行拍摄;
所述激光点云扫描模块用于利用激光技术将建筑物表面进行高精度、高速率的扫描测量,并转化为三维坐标点云数据。
进一步的,所述环境数据采集模块包括温度采集模块、湿度采集模块、光照采集模块及空气质量采集模块;
所述温度采集模块用于利用预先安装于建筑物内的温度传感器实时采集建筑物内的温度数据;
所述湿度采集模块用于利用预先安装于建筑物内的湿度传感器实时采集建筑物内的湿度数据;
所述光照采集模块用于利用预先安装于建筑物内的光照传感器实时采集建筑物内的关照数据;
所述空气质量采集模块用于利用预先安装于建筑物内的空气质量监测器实时采集建筑物内的空气质量数据。
进一步的,所述三维建模模块包括建模数据获取模块、数据预处理模块、初始模型推荐模块及三维模型完善模块;
其中,所述建模数据获取模块用于获取构建建筑物三维模型的建模数据;
所述数据预处理模块用于对获取的建模数据进行清洗、去噪及归一化处理;
所述初始模型推荐模块用于利用基于建筑特征的协同过滤推荐算法为获取的建模数据推荐对应的初始模型;
所述三维模型完善模块用于在推荐的初始模型的基础上结合建模数据对初始模型进行完善及颜色渲染,得到基于建筑物的三维模型。
进一步的,所述初始模型推荐模块包括建筑特征模型建立模块、最近邻居形成模块、预测评分模块及初始模型确定模块;
其中,所述建筑特征模型建立模块用于根据建筑物的特征属性计算各建筑物的特征相似群;
所述最近邻居形成模块用于根据用户评价数据和建筑物的特征相似群查找未评价建筑的最近邻居;
所述预测评分模块用于根据最近邻居的评分预测未评价建筑物的评分;
所述初始模型确定模块用于根据预测评分的排序为目标建筑推荐相似建筑物,并将相似建筑物的初始三维模型作为目标建筑的初始模型。
进一步的,所述建筑特征模型建立模块包括建筑特征数据量化和建筑特征相似性计算模块;
其中,所述建筑特征数据量化用于将获取的建模数据量化为建筑特征矢量矩阵;
所述建筑特征相似性计算模块用于根据建筑特征矢量矩阵计算建筑物之间的特征相似度,得到建筑特征相似性矩阵。
进一步的,所述建筑物之间的特征相似度的计算公式为:
式中,/>表示建筑物i和建筑物j具有相同特征的个数,/>表示所有特征的个数,/>表示建筑物i与建筑物j都不具有的特征个数。
进一步的,所述预测评分模块包括用户统计模块和建筑评分预测模块;
其中,所述用户统计模块用于统计评价过待计算的两个建筑物中至少一个建筑物的所有用户;
所述建筑评分预测模块用于利用建筑物的特征相似群中建筑物的评分对其中没有被用户评价的建筑物进行评分,得到未评价建筑物的预测评分。
进一步的,所述未评价建筑物的预测评分的计算公式为:
式中,/>表示未评价建筑物的预测评分,表示建筑物i的特征邻居,/>表示用户u对建筑物j的评分。
本发明的有益效果为:通过设置有三维建模模块和智能分析模块,从而不仅可以在三维建模模块的作用下利用基于建筑特征的协同过滤推荐算法为待构建的建筑物推荐对应的初始模型,并使得设计人员可以在初始模型的基础上结合建模数据实现对初始模型的完善及颜色渲染,从而完成建筑物三维模型的构建,而且还可以在智能分析模块的作用下利用机器学习算法和人工智能技术来对采集及生成的数据进行分析和处理,帮助用户更好地理解建筑物的状态,并提供决策支持,相比于传统的智慧建筑的可视化系统,本发明首先利用基于建筑特征的协同过滤推荐算法为待构建的建筑物推荐对应的初始模型,然后使得设计人员只需在初始模型的基础上进行修改和完善便可完成对建筑物三维模型的构建,从而可以有效地避免设计人员从零开始构建建筑物三维模型的繁琐过程,不仅有效地降低了设计人员的工作量,而且还可以有效地提高建模效果,改善用户的使用体验。
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是根据本发明实施例的一种基于数字孪生的智慧建筑三维可视化系统的结构框图;
图2是根据本发明实施例的一种基于数字孪生的智慧建筑三维可视化系统中外观数据采集模块的结构框图;
图3是根据本发明实施例的一种基于数字孪生的智慧建筑三维可视化系统中环境数据采集模块的结构框图;
图4是根据本发明实施例的一种基于数字孪生的智慧建筑三维可视化系统中初始模型推荐模块的结构框图。
图中:
1、数据采集模块;11、设计图纸数据采集模块;12、外观数据采集模块;121、无人机倾斜摄影模块;122、激光点云扫描模块;13、环境数据采集模块;131、温度采集模块;132、湿度采集模块;133、光照采集模块;134、空气质量采集模块;2、三维建模模块;21、建模数据获取模块;22、数据预处理模块;23、初始模型推荐模块;231、建筑特征模型建立模块;2311、建筑特征数据量化;2312、建筑特征相似性计算模块;232、最近邻居形成模块;233、预测评分模块;2331、用户统计模块;2332、建筑评分预测模块;234、初始模型确定模块;24、三维模型完善模块;3、三维可视化模块;4、智能分析模块。
具体实施方式
为进一步说明各实施例,本发明提供有附图,这些附图为本发明揭露内容的一部分,其主要用以说明实施例,并可配合说明书的相关描述来解释实施例的运作原理,配合参考这些内容,本领域普通技术人员应能理解其他可能的实施方式以及本发明的优点,图中的组件并未按比例绘制,而类似的组件符号通常用来表示类似的组件。
根据本发明的实施例,提供了一种基于数字孪生的智慧建筑三维可视化系统。
现结合附图和具体实施方式对本发明进一步说明,如图1-图4所示,根据本发明实施例的基于数字孪生的智慧建筑三维可视化系统,该系统包括数据采集模块1、三维建模模块2、三维可视化模块3及智能分析模块4;
其中,所述数据采集模块1用于采集构建建筑物三维模型的建模数据,并对建筑物的状态进行实时监测;
具体的,所述数据采集模块1包括设计图纸数据采集模块11、外观数据采集模块12及环境数据采集模块13;
其中,所述设计图纸数据采集模块11用于利用建筑物的设计图纸获取建筑物的设计参数数据;
具体的,该模块可以帮助用户从建筑物的设计图纸中提取出各种关键信息,例如建筑物的尺寸、楼层布局、立面形式、材料选择等等。在使用过程中,用户需要将设计图纸导入到软件中,并进行预处理操作以方便后续处理。处理过程包括读取图纸中的文本、识别线条和符号等等。随后,该模块会自动将这些信息转化为计算机可读的格式,并生成相应的数据文件供后续分析使用。通过这个模块,用户可以快速轻松地获取建筑物的设计参数数据,从而更好地了解建筑物的特点和要求。这可以帮助用户更加准确地制定设计策略,提高设计效率和质量。
所述外观数据采集模块12用于利用无人机设备获取建筑物的外观数据;
具体的,所述外观数据采集模块12包括无人机倾斜摄影模块121和激光点云扫描模块122;
其中,所述无人机倾斜摄影模块121用于利用无人机设备以特定的角度倾斜对建筑物进行拍摄;
无人机倾斜摄影模块是一种相机附件,它能够让相机以特定的角度倾斜拍摄地面。这种摄影方式可以捕捉到更多地面信息,包括建筑物、道路、地形等。通过倾斜摄影,可以获取更全面、更细节的图像,可以更好地进行地图绘制、土地调查、建筑测量、环境监测等应用。此外,无人机倾斜摄影模块还可以提高航摄效率,减少设备和人力成本,并且减少对地面交通及人员的干扰。
所述激光点云扫描模块122用于利用激光技术将建筑物表面进行高精度、高速率的扫描测量,并转化为三维坐标点云数据。
激光点云扫描模块是一种在无人机上安装的设备,它使用激光技术将环境中三维空间内的物体表面进行高精度、高速率的扫描测量,并转化为三维坐标点云数据。该模块可以获得真实且详细的环境地形和建筑物等物体的三维模型数据。借助于这些点云数据,用户可以生成非常准确的数字高程模型(DEM)和数字表面模型(DSM),以及道路、管线等基础设施的数字轮廓线。此外,点云扫描还经常用于建筑物、桥梁、矿山、电站、油田等工业领域的现场测量,也可用于考古发掘、水文地理和城市规划等领域。相比于传统的人工测量方法,点云扫描具有速度快、效率高、精度高等优点。
所述环境数据采集模块13用于利用预先安装于建筑物内部的传感器和监测设备获取建筑物的运行环境数据,这些数据将被用于优化建筑物的运营效率、能源消耗和维护保养计划。
具体的,所述环境数据采集模块13包括温度采集模块131、湿度采集模块132、光照采集模块133及空气质量采集模块134;
所述温度采集模块131用于利用预先安装于建筑物内的温度传感器实时采集建筑物内的温度数据;
所述湿度采集模块132用于利用预先安装于建筑物内的湿度传感器实时采集建筑物内的湿度数据;
所述光照采集模块133用于利用预先安装于建筑物内的光照传感器实时采集建筑物内的关照数据;
所述空气质量采集模块134用于利用预先安装于建筑物内的空气质量监测器实时采集建筑物内的空气质量数据。
所述三维建模模块2用于利用协同过滤推荐算法为获取的建模数据推荐对应的初始模型,并结合数字孪生技术实现对建筑物三维模型的完善,得到基于建筑物的三维模型;
其中,所述三维建模模块2包括建模数据获取模块21、数据预处理模块22、初始模型推荐模块23及三维模型完善模块24;
所述建模数据获取模块21用于获取构建建筑物三维模型的建模数据;
所述数据预处理模块22用于对获取的建模数据进行清洗、去噪及归一化处理;
所述初始模型推荐模块23用于利用基于建筑特征的协同过滤推荐算法为获取的建模数据推荐对应的初始模型;
具体的,所述初始模型推荐模块23包括建筑特征模型建立模块231、最近邻居形成模块232、预测评分模块233及初始模型确定模块234;
其中,所述建筑特征模型建立模块231用于根据建筑物的特征属性(包括建筑风格、户型、面积、楼层数等信息)计算各建筑物的特征相似群;
具体的,所述建筑特征模型建立模块231包括建筑特征数据量化2311和建筑特征相似性计算模块2312;
其中,所述建筑特征数据量化2311用于将获取的建模数据量化为建筑特征矢量矩阵;
所述建筑特征相似性计算模块2312用于根据建筑特征矢量矩阵计算建筑物之间的特征相似度,得到建筑特征相似性矩阵。
所述建筑物之间的特征相似度的计算公式为:
式中,/>表示建筑物i和建筑物j具有相同特征的个数,/>表示所有特征的个数,/>表示建筑物i与建筑物j都不具有的特征个数。
所述最近邻居形成模块232用于根据用户评价数据和建筑物的特征相似群查找未评价建筑的最近邻居;
最近邻居形成模块通常用于根据用户评价数据和建筑物的特征相似度,查找未评价建筑物的最近邻居。这个模块一般会将建筑物分为不同的群组,并计算每个群组内建筑物之间的相似度。随后,当一个新的、尚未被评价的建筑物出现时,该模块会搜索其最接近的几个相似建筑物以确定与之关联的解决方案或评分。具体实现方法可能包括使用机器学习算法来对建筑物进行分类和相似性计算,比如协同过滤、k-means、SVD等。通过这个模块,用户可以更快地找到他们感兴趣的建筑物,并且获得有关这些建筑物的相关信息和评价。
所述预测评分模块233用于根据最近邻居的评分预测未评价建筑物的评分;
具体的,所述预测评分模块233包括用户统计模块2331和建筑评分预测模块2332;
其中,所述用户统计模块2331用于统计评价过待计算的两个建筑物中至少一个建筑物的所有用户;
所述建筑评分预测模块2332用于利用建筑物的特征相似群中建筑物的评分对其中没有被用户评价的建筑物进行评分,得到未评价建筑物的预测评分。
所述未评价建筑物的预测评分的计算公式为:
式中,/>表示未评价建筑物的预测评分,表示建筑物i的特征邻居,/>表示用户u对建筑物j的评分。
所述初始模型确定模块234用于根据预测评分的排序为目标建筑推荐相似建筑物,并将相似建筑物的初始三维模型作为目标建筑的初始模型。
具体的,将用户对建筑物的评分按照从高至低的顺序进行排列,并将评分最高的建筑物作为目标建筑物的相似建筑物,随后便可根据相似建筑物获取该建筑物在三维建模时对应的初始三维模型,最后将获取的对应的初始三维模型推荐给目标建筑物,并最为目标建筑的初始模型。
所述三维模型完善模块24用于在推荐的初始模型的基础上结合建模数据对初始模型进行完善及颜色渲染,得到基于建筑物的三维模型。
所述三维可视化模块3用于通过三维可视化技术将建筑物的三维模型以三维图形的形式进行呈现,用户可以通过该界面实现建筑物模型的导入、导出、编辑、查看和分享等任务;
具体的,在使用过程中,用户可以通过导入已有的模型文件或者创建新的模型,来构建出自己想要的建筑物模型。同时,该可视化模块还支持对模型进行一些基本的编辑操作,例如旋转、缩放、平移等。这些操作可以让用户更加方便地调整建筑物模型的各种属性,从而得到满意的结果。
另外,该三维可视化模块还支持建筑物模型的导出和分享。用户可以选择将自己创建的模型保存为标准格式文件,然后在需要的时候进行导出和共享。这样可以让其他人轻松地查看和编辑这个模型,提高合作效率和工作效能。
所述智能分析模块4用于利用机器学习算法和人工智能技术来对采集及生成的数据进行分析和处理,帮助用户更好地理解建筑物的状态,并提供决策支持。
其中,所述智能分析模块4在利用机器学习算法和人工智能技术来对采集及生成的数据进行分析和处理,帮助用户更好地理解建筑物的状态,并提供决策支持时包括以下步骤:
数据预处理,数据预处理通常是智能分析与决策模块的一个重要步骤。该步骤可以包括对数据进行清洗、去噪、标准化、归一化等操作,以确保原始数据的质量。
特征提取,从建筑物监测数据中提取有用的特征。这些特征可能包括温度、湿度、电压、水平、倾斜角度、气压等。在提取特征时可以使用各种机器学习算法,如主成分分析(PCA)等。
模型训练,根据预测或诊断任务的需要,选择适当的算法和模型进行训练,例如支持向量机(SVM)、决策树、卷积神经网络(CNN)等。数据集应该被分为训练和测试部分,用于评估模型性能。
模型调优,通过对训练过程的研究和优化,调整模型使其更加准确和稳定。例如,可以通过增加训练数据、调整超参数、开发新的算法等方法来提高模型性能。
预测和诊断报告生成,在训练好模型之后,可以使用监视建筑物数据流将其应用于预测或诊断。生成用户可以读懂的报告,解释结果并给出相应的决策和推荐。
模型优化和更新,当建筑物状态有所改变时,监控数据可能会产生不同的分布,从而导致模型变得不再有效。因此,为了保证模型的准确性和可靠性,需要对建筑物数据进行定期监测,并不断通过收集新数据来进行模型更新和改进。
综上所述,借助于本发明的上述技术方案,通过设置有三维建模模块和智能分析模块,从而不仅可以在三维建模模块的作用下利用基于建筑特征的协同过滤推荐算法为待构建的建筑物推荐对应的初始模型,并使得设计人员可以在初始模型的基础上结合建模数据实现对初始模型的完善及颜色渲染,从而完成建筑物三维模型的构建,而且还可以在智能分析模块的作用下利用机器学习算法和人工智能技术来对采集及生成的数据进行分析和处理,帮助用户更好地理解建筑物的状态,并提供决策支持,相比于传统的智慧建筑的可视化系统,本发明首先利用基于建筑特征的协同过滤推荐算法为待构建的建筑物推荐对应的初始模型,然后使得设计人员只需在初始模型的基础上进行修改和完善便可完成对建筑物三维模型的构建,从而可以有效地避免设计人员从零开始构建建筑物三维模型的繁琐过程,不仅有效地降低了设计人员的工作量,而且还可以有效地提高建模效果,改善用户的使用体验。
以上所述仅为本发明的较佳实施例而已,并不用以限制本发明,凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (4)
1.一种基于数字孪生的智慧建筑三维可视化系统,其特征在于,该系统包括数据采集模块(1)、三维建模模块(2)、三维可视化模块(3)及智能分析模块(4);
其中,所述数据采集模块(1)用于采集构建建筑物三维模型的建模数据,并对建筑物的状态进行实时监测;
所述三维建模模块(2)用于利用协同过滤推荐算法为获取的建模数据推荐对应的初始模型,并结合数字孪生技术实现对建筑物三维模型的完善,得到基于建筑物的三维模型;
所述三维可视化模块(3)用于通过三维可视化技术将建筑物的三维模型以三维图形的形式进行呈现;
所述智能分析模块(4)用于利用机器学习算法和人工智能技术来对采集及生成的数据进行分析和处理,帮助用户更好地理解建筑物的状态,并提供决策支持;
所述三维建模模块(2)包括建模数据获取模块(21)、数据预处理模块(22)、初始模型推荐模块(23)及三维模型完善模块(24);
其中,所述建模数据获取模块(21)用于获取构建建筑物三维模型的建模数据;
所述数据预处理模块(22)用于对获取的建模数据进行清洗、去噪及归一化处理;
所述初始模型推荐模块(23)用于利用基于建筑特征的协同过滤推荐算法为获取的建模数据推荐对应的初始模型;
所述三维模型完善模块(24)用于在推荐的初始模型的基础上结合建模数据对初始模型进行完善及颜色渲染,得到基于建筑物的三维模型;
所述初始模型推荐模块(23)包括建筑特征模型建立模块(231)、最近邻居形成模块(232)、预测评分模块(233)及初始模型确定模块(234);
其中,所述建筑特征模型建立模块(231)用于根据建筑物的特征属性计算各建筑物的特征相似群;
所述最近邻居形成模块(232)用于根据用户评价数据和建筑物的特征相似群查找未评价建筑的最近邻居;
所述预测评分模块(233)用于根据最近邻居的评分预测未评价建筑物的评分;
所述初始模型确定模块(234)用于根据预测评分的排序为目标建筑推荐相似建筑物,并将相似建筑物的初始三维模型作为目标建筑的初始模型;
所述建筑特征模型建立模块(231)包括建筑特征数据量化模块(2311)和建筑特征相似性计算模块(2312);
其中,所述建筑特征数据量化模块(2311)用于将获取的建模数据量化为建筑特征矢量矩阵;
所述建筑特征相似性计算模块(2312)用于根据建筑特征矢量矩阵计算建筑物之间的特征相似度,得到建筑特征相似性矩阵;
所述建筑物之间的特征相似度的计算公式为:
式中,/>表示建筑物i和建筑物j具有相同特征的个数,/>表示所有特征的个数,/>表示建筑物i与建筑物j都不具有的特征个数;
所述预测评分模块(233)包括用户统计模块(2331)和建筑评分预测模块(2332);
其中,所述用户统计模块(2331)用于统计评价过待计算的两个建筑物中至少一个建筑物的所有用户;
所述建筑评分预测模块(2332)用于利用建筑物的特征相似群中建筑物的评分对其中没有被用户评价的建筑物进行评分,得到未评价建筑物的预测评分;
所述未评价建筑物的预测评分的计算公式为:
式中,/>表示未评价建筑物的预测评分,/>表示建筑物i的特征邻居,/>表示用户/>对建筑物/>的评分。
2.根据权利要求1所述的一种基于数字孪生的智慧建筑三维可视化系统,其特征在于,所述数据采集模块(1)包括设计图纸数据采集模块(11)、外观数据采集模块(12)及环境数据采集模块(13);
其中,所述设计图纸数据采集模块(11)用于利用建筑物的设计图纸获取建筑物的设计参数数据;
所述外观数据采集模块(12)用于利用无人机设备获取建筑物的外观数据;
所述环境数据采集模块(13)用于利用预先安装于建筑物内部的传感器和监测设备获取建筑物的运行环境数据。
3.根据权利要求2所述的一种基于数字孪生的智慧建筑三维可视化系统,其特征在于,所述外观数据采集模块(12)包括无人机倾斜摄影模块(121)和激光点云扫描模块(122);
其中,所述无人机倾斜摄影模块(121)用于利用无人机设备以特定的角度倾斜对建筑物进行拍摄;
所述激光点云扫描模块(122)用于利用激光技术将建筑物表面进行高精度、高速率的扫描测量,并转化为三维坐标点云数据。
4.根据权利要求2所述的一种基于数字孪生的智慧建筑三维可视化系统,其特征在于,所述环境数据采集模块(13)包括温度采集模块(131)、湿度采集模块(132)、光照采集模块(133)及空气质量采集模块(134);
所述温度采集模块(131)用于利用预先安装于建筑物内的温度传感器实时采集建筑物内的温度数据;
所述湿度采集模块(132)用于利用预先安装于建筑物内的湿度传感器实时采集建筑物内的湿度数据;
所述光照采集模块(133)用于利用预先安装于建筑物内的光照传感器实时采集建筑物内的关照数据;
所述空气质量采集模块(134)用于利用预先安装于建筑物内的空气质量监测器实时采集建筑物内的空气质量数据。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310904523.8A CN116628829B (zh) | 2023-07-24 | 2023-07-24 | 一种基于数字孪生的智慧建筑三维可视化系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310904523.8A CN116628829B (zh) | 2023-07-24 | 2023-07-24 | 一种基于数字孪生的智慧建筑三维可视化系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116628829A CN116628829A (zh) | 2023-08-22 |
CN116628829B true CN116628829B (zh) | 2023-11-07 |
Family
ID=87621633
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310904523.8A Active CN116628829B (zh) | 2023-07-24 | 2023-07-24 | 一种基于数字孪生的智慧建筑三维可视化系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116628829B (zh) |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101685458A (zh) * | 2008-09-27 | 2010-03-31 | 华为技术有限公司 | 一种基于协同过滤的推荐方法和系统 |
CN110430471A (zh) * | 2019-07-24 | 2019-11-08 | 山东海看新媒体研究院有限公司 | 一种基于瞬时计算的电视推荐方法和系统 |
CN111709807A (zh) * | 2020-06-17 | 2020-09-25 | 哈尔滨理工大学 | 一种基于用户足部特征的鞋型推荐系统 |
KR102375217B1 (ko) * | 2021-06-03 | 2022-03-16 | (주)하우스퍼즐 | 인공지능 기반 건축 시공비 시뮬레이션 시스템 및 방법 |
CN114663579A (zh) * | 2022-02-14 | 2022-06-24 | 清华大学 | 孪生三维模型生成方法、装置、电子设备及存储介质 |
CN115017561A (zh) * | 2022-04-20 | 2022-09-06 | 深圳市渠印包装技术有限公司 | 3d设计图的生成方法、系统、终端设备及存储介质 |
KR102444817B1 (ko) * | 2021-10-13 | 2022-09-21 | 주식회사 그룹샵 | 인테리어 대상 공간에 대한 3d 모델링 시스템 |
CN115391892A (zh) * | 2022-08-26 | 2022-11-25 | 深圳康佳电子科技有限公司 | 一种建筑模型三维建模方法和系统 |
CN115588161A (zh) * | 2022-10-12 | 2023-01-10 | 宁波紫荷科技有限公司 | 一种基于数字孪生技术的数字化系统及其构建方法 |
-
2023
- 2023-07-24 CN CN202310904523.8A patent/CN116628829B/zh active Active
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101685458A (zh) * | 2008-09-27 | 2010-03-31 | 华为技术有限公司 | 一种基于协同过滤的推荐方法和系统 |
CN110430471A (zh) * | 2019-07-24 | 2019-11-08 | 山东海看新媒体研究院有限公司 | 一种基于瞬时计算的电视推荐方法和系统 |
CN111709807A (zh) * | 2020-06-17 | 2020-09-25 | 哈尔滨理工大学 | 一种基于用户足部特征的鞋型推荐系统 |
KR102375217B1 (ko) * | 2021-06-03 | 2022-03-16 | (주)하우스퍼즐 | 인공지능 기반 건축 시공비 시뮬레이션 시스템 및 방법 |
KR102444817B1 (ko) * | 2021-10-13 | 2022-09-21 | 주식회사 그룹샵 | 인테리어 대상 공간에 대한 3d 모델링 시스템 |
CN114663579A (zh) * | 2022-02-14 | 2022-06-24 | 清华大学 | 孪生三维模型生成方法、装置、电子设备及存储介质 |
CN115017561A (zh) * | 2022-04-20 | 2022-09-06 | 深圳市渠印包装技术有限公司 | 3d设计图的生成方法、系统、终端设备及存储介质 |
CN115391892A (zh) * | 2022-08-26 | 2022-11-25 | 深圳康佳电子科技有限公司 | 一种建筑模型三维建模方法和系统 |
CN115588161A (zh) * | 2022-10-12 | 2023-01-10 | 宁波紫荷科技有限公司 | 一种基于数字孪生技术的数字化系统及其构建方法 |
Non-Patent Citations (1)
Title |
---|
吴梅梅.《机器学习算法及其应用》.机械工业出版社,2020,60-61. * |
Also Published As
Publication number | Publication date |
---|---|
CN116628829A (zh) | 2023-08-22 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110263111B (zh) | 基于先验知识的土地利用/覆被信息时空监测方法 | |
CN116129366A (zh) | 基于数字孪生的园区监测方法及相关装置 | |
CN114092832A (zh) | 一种基于并联混合卷积网络的高分辨率遥感影像分类方法 | |
CN114693064B (zh) | 一种建筑群方案生成性能评价方法 | |
CN115775085B (zh) | 一种基于数字孪生的智慧城市管理方法及系统 | |
CN113762044A (zh) | 道路识别方法、装置、计算机设备和存储介质 | |
CN116610816A (zh) | 一种基于图卷积神经网络的人员画像知识图谱分析方法及系统 | |
CN116628829B (zh) | 一种基于数字孪生的智慧建筑三维可视化系统 | |
CN113160395A (zh) | 一种基于cim的城市多维信息交互及场景生成的方法、装置及介质 | |
Qiao et al. | Group behavior recognition based on deep hierarchical network | |
Li et al. | Combining physical approaches with deep learning techniques for urban building energy modeling: A comprehensive review and future research prospects | |
CN116933626A (zh) | 一种基于数字孪生的数据监测方法及装置 | |
CN116976702A (zh) | 基于大场景gis轻量化引擎的城市数字孪生平台及方法 | |
CN116167254A (zh) | 基于城市大数据的多维城市仿真推演方法和系统 | |
CN115392137A (zh) | 一种基于岩溶塌陷水土耦合作用的三维模拟系统 | |
Sun et al. | Automatic building age prediction from street view images | |
CN114494850A (zh) | 一种村庄无人居住院落智能识别方法及系统 | |
Guo et al. | Robot target localization and visual navigation based on neural network | |
Cui | Research on garden landscape reconstruction based on geographic information system under the background of deep learning | |
CN111709602A (zh) | 一种泛在电力物联网系统中可靠性的评价方法 | |
CN113470739B (zh) | 一种基于混合隶属度随机块模型的蛋白质相互作用预测方法和系统 | |
CN117671447B (zh) | 一种面向复杂场景的数字孪生与智能传感器的融合系统 | |
CN117421386B (zh) | 基于gis的空间数据处理方法及系统 | |
CN117333592B (zh) | 基于大数据融合训练模型的ai数字人口型动画绘制系统 | |
CN117275098B (zh) | 一种面向动作识别的基于拓扑数据分析的联邦增量方法 |
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 |