CN117556610A - 基于空间效益模型的城市绿地布局智能评估及修正方法 - Google Patents
基于空间效益模型的城市绿地布局智能评估及修正方法 Download PDFInfo
- Publication number
- CN117556610A CN117556610A CN202311512617.7A CN202311512617A CN117556610A CN 117556610 A CN117556610 A CN 117556610A CN 202311512617 A CN202311512617 A CN 202311512617A CN 117556610 A CN117556610 A CN 117556610A
- Authority
- CN
- China
- Prior art keywords
- space
- benefit
- urban
- urban green
- land
- 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
- 230000008901 benefit Effects 0.000 title claims abstract description 124
- 238000011156 evaluation Methods 0.000 title claims abstract description 105
- 238000012937 correction Methods 0.000 title claims abstract description 51
- 238000000034 method Methods 0.000 title claims abstract description 38
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 16
- 238000013461 design Methods 0.000 claims abstract description 14
- 230000002452 interceptive effect Effects 0.000 claims abstract description 7
- 238000004364 calculation method Methods 0.000 claims description 29
- 230000007613 environmental effect Effects 0.000 claims description 22
- 238000004590 computer program Methods 0.000 claims description 11
- 238000012544 monitoring process Methods 0.000 claims description 9
- 230000002776 aggregation Effects 0.000 claims description 6
- 238000004220 aggregation Methods 0.000 claims description 6
- 238000013210 evaluation model Methods 0.000 claims description 6
- 238000005457 optimization Methods 0.000 claims description 6
- 238000012797 qualification Methods 0.000 claims description 6
- 230000005855 radiation Effects 0.000 claims description 6
- 238000003860 storage Methods 0.000 claims description 6
- 239000000809 air pollutant Substances 0.000 claims description 4
- 231100001243 air pollutant Toxicity 0.000 claims description 4
- 230000006870 function Effects 0.000 claims description 4
- 238000001514 detection method Methods 0.000 claims description 3
- 230000037149 energy metabolism Effects 0.000 claims description 3
- 238000013507 mapping Methods 0.000 claims description 3
- 238000012876 topography Methods 0.000 claims description 3
- 230000000007 visual effect Effects 0.000 claims description 3
- 238000013473 artificial intelligence Methods 0.000 abstract description 2
- 230000009286 beneficial effect Effects 0.000 description 2
- 238000006243 chemical reaction Methods 0.000 description 2
- 238000012938 design process Methods 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 238000012795 verification Methods 0.000 description 2
- 238000010276 construction Methods 0.000 description 1
- 238000003066 decision tree Methods 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000012854 evaluation process Methods 0.000 description 1
- 239000011521 glass Substances 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 230000001105 regulatory effect Effects 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
-
- 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
- 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
- G06Q50/26—Government or public services
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Geometry (AREA)
- General Physics & Mathematics (AREA)
- Business, Economics & Management (AREA)
- Computer Hardware Design (AREA)
- Evolutionary Computation (AREA)
- General Engineering & Computer Science (AREA)
- Tourism & Hospitality (AREA)
- Pure & Applied Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Mathematical Analysis (AREA)
- Mathematical Optimization (AREA)
- Structural Engineering (AREA)
- Civil Engineering (AREA)
- Development Economics (AREA)
- Educational Administration (AREA)
- Architecture (AREA)
- Computational Mathematics (AREA)
- Economics (AREA)
- General Health & Medical Sciences (AREA)
- Human Resources & Organizations (AREA)
- Marketing (AREA)
- Primary Health Care (AREA)
- Strategic Management (AREA)
- General Business, Economics & Management (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种基于空间效益模型的城市绿地布局智能评估及修正方法与系统，涉及城市规划技术领域，方法包括主要包括城市绿地布局空间效益评估参数选定、数据采集与建库、城市绿地布局空间效益智能评估、城市绿地布局空间效益自动修正以及交互展示等步骤。本发明基于熵权法算法对城市绿地布局进行评估，并设计自动修正算法，构建自动修正平台，能够应对以往城市规划设计领域中绿地空间设计主观经验强、交互展示难等问题，运用人工智能算法，实现城市绿地空间效益的评估，并通过硬件设备进行交互展示，有效提升了城市绿地布局的客观性。
Description
技术领域
本发明涉及城市规划技术领域，具体的是一种基于空间效益模型的城市绿地布局智能评估及修正方法与系统。
背景技术
城市绿地规划布局的合理性对优化城市生态格局、调节城市局部微气候和提高居民生活服务质量等具有重要意义。
城市绿地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，对绿地布局方案的评估工作大都是由规划设计人员完成，需要人工整理大量绿地景观资源资料、并从多视角评估绿地布局方案。传统设计过程具体存在人力成本、经济成本、时间成本较高；设计方案主观性强、设计精度较低的局限。
随着人工智能技术逐步应用于城市规划领域，为城市绿地布局的自动评估提供了技术方法。
发明内容
发明目的：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空间效益模型的城市绿地布局智能评估及修正方法与系统。本发明基于熵权法对城市绿地布局评估参数权重和阈值进行判定，能够应对以往城市规划设计领域中绿地空间设计主观经验强、交互展示难等问题，运用人工智能算法，实现城市绿地空间效益的评估，并通过硬件设备进行交互展示，有效提升了城市绿地布局的客观性。
技术方案：为实现上述发明目的，本发明采用的技术方案：一种基于空间效益模型的城市绿地布局智能评估及修正方法，包括以下操作步骤：
选定城市绿地空间效益评估参数，包含环境效益、微气候效益和服务效益三类；
通过环境监测设备对待评估区域的环境和微气候相关参数进行数据采集，获取待评估区域城市绿地空间的基础数据、城市绿地空间设计平面方案和三维矢量模型；
建构城市绿地布局空间效益评估参数集，结合城市绿地布局空间效益评估参数集，通过熵权法算法对输入的待评估城市绿地进行智能评估，评估包括单指标评估和综合指标评估；
设定空间效益修正阈值，建构城市绿地布局空间效益自动修正平台，将待修正方案录入，进行自动修正，符合要求输出展示。
作为优选，环境效益方面通过车载空气污染物、综合环境监测仪采集污染负荷指数，包含CO2平均浓度和CO平均浓度；采集空气质量数据，包含PM2.5平均浓度和VOC平均浓度；微气候效益方面通过一体式环境监测传感器、走航式大气检测系统采集绿地风舒适度数据，包含测点平均风速、当地标准地貌10m高度处的平均风速和现场10m高度处的平均风速；采集绿地热舒适度数据，包含平均太阳辐射强度；服务效益方面通过测绘无人机采集城市道路网络、城市用地类型、面积及城市用地的服务范围，通过高分卫星获取待评估区域城市绿地空间的基础数据，包含面积大小、空间定位、路网数据、建筑数据和人口数据；通过网络平台获取案例城市绿地空间布局平面方案和三维矢量模型。
作为优选，所建构的城市绿地布局空间效益评估参数集中，环境效益包含CO2平均浓度、PM2.5空气质量指数、CO平均浓度和VOC平均浓度；微气候效益包含风环境舒适度和热舒适度；服务效益包含绿地率、服务对象密度、服务重叠度、联系强度、聚集指数、景观蔓延度和生态连接度。
作为优选，所述风环境舒适度采用平均风速V进行评估，计算公式如下：
其中，Vr为测点平均风速，V0为当地标准地貌10m高度处的平均风速，V10为现场10m高度处的平均风速；
所述热舒适度PMV的计算公式如下：
PMV＝[0.303aLx(-0.036M)+0.0275]TL
其中，M为人体能量代谢率，aLx为平均太阳辐射强度，TL为人体热平衡偏离程度的人体热负荷；
所述绿地率GSP的计算公式如下：
其中，Sα为待评估区域内各类绿化用地总面积，S为待评估区域总面积；
所述服务对象密度Dsd的计算公式如下：
其中，Sn为绿地要素周围一定范围内未被相应绿地空间服务覆盖的用地面积，N1为用地数量，对于满足居住用地需求的绿地空间而言，服务对象为居住用地，对于满足非居住用地需求的绿地空间而言，服务对象包含存在办公人群或交通人群的用地；
所述服务重叠度Ri的计算公式如下：
其中，i为待评估区域内的社区单元，Aij为待评估区域内覆盖社区单元i的第j块绿地面积，N2为待评估区域内覆盖社区单元的绿地总数量；
所述联系强度W的计算公式如下：
其中，W(i，j)为待评估区域内绿地空间中要素i、j之间边的联系强度，Si、Sj为要素i、j所在的绿地空间的面积，Ln为要素i、j之间的最短路径长度，N3为待评估区域绿地数量；
所述聚集指数AIi的计算公式如下：
其中，eii为要素i所属绿地类型邻接的数量，max→eii表示eii的最大值；
所述景观蔓延度CONT的计算公式如下：
其中：i、j为绿地要素，m、n为待评估区域内的要素i、j所属绿地类型的绿地要素总数，Pij为要素i和要素j所属绿地类型连接的数量；
所述生态连接度ECI的计算公式如下：
其中，xi为要素i到其他绿地空间的总距离，xmin为要素i到其他绿地空间的最小距离，xmax为要素i到其他绿地空间的最大距离。
作为优选，将城市绿地布局空间效益评估参数集通过熵权法计算得到各指标权重，构建指标综合评估模型；
若城市绿地布局的绿地率不符合《城市绿地规划标准》(GB/T51346-2019)中的规定，则标记为不合格；若城市绿地布局的综合评估指标不低于预设的分数值，则标记为合格，反之则标记为待优化；所述指标综合评估模型的公式如下：
X＝θ1∝1+θ2∝2+…+θn∝n
其中，X表示城市绿地空间综合指标，θi表示城市绿地空间评估单项指标权重，∝i表示城市绿地空间评估单项指标数据标准化后的值，n表示指标数量。
作为优选，城市绿地布局自动修正方法为：
提取综合评估指标待优化的城市绿地布局方案的城市用地的区域，对城市绿地用地进行从1-n编号，创建集合A，将其余城市用地进行从X1-Xn编号，创建集合B，使用Random算法从集合A随机选择若干地块与集合B中的地块进行随机一一对换，进而判断重新布局后绿地用地的总面积与原方案绿地用地面积的差值，若两者之间差的函数M小于等于原方案绿地用地面积的a％，则判定为通过，若M大于原方案绿地用地面积的a％则对绿地布局进行重新排布，直到判定通过；形成修正后的城市绿地布局；a≤5为设定的比例数；
对调整过的方案进行城市绿地布局空间效益智能评估，若评估结果未达到指标综合评估合格阈值，则重复城市绿地布局智能修正操作，直至布局方案达到指标综合评估合格阈值。
作为优选，结果输出与交互包括：
将评估修正后的城市绿地布局方案通过数字孪生可视化平台进行数字孪生建模，建构城市绿地布局混合现实平台；
通过城市绿地空间混合现实平台和可穿戴设备对优化前后城市绿地布局方案进行交互展示，展示内容包括城市绿地布局方案三维对比与优化前后指标对比。
基于相同的发明构思，本发明提供一种基于空间效益模型的城市绿地布局智能评估及修正系统，包括：
数据采集模块，用于选定城市绿地空间效益评估参数，包含环境效益、微气候效益和服务效益三类，通过环境监测设备对待评估区域的环境和微气候相关参数进行数据采集，获取待评估区域城市绿地空间的基础数据、城市绿地空间设计平面方案和三维矢量模型；
城市绿地布局智能评估模块，用于建构城市绿地布局空间效益评估参数集，结合城市绿地布局空间效益评估参数集，通过熵权法算法对输入的待评估城市绿地进行智能评估，评估包括单指标评估和综合指标评估；
城市绿地布局自动修正模块，用于设定空间效益修正阈值，建构城市绿地布局空间效益自动修正平台，将待修正方案录入，进行自动修正，符合要求输出展示。
基于相同的发明构思，本发明提供一种计算机系统，包括存储器、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，所述计算机程序被加载至处理器时实现所述的基于空间效益模型的城市绿地布局智能评估及修正方法的步骤。
基于相同的发明构思，本发明提供一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现所述的基于空间效益模型的城市绿地布局智能评估及修正方法的步骤。
有益效果：与现有技术相比，本发明的有益效果为：
1、本发明通过构建环境效益、微气候效益、服务效益三个层面的指标，通过熵权法指标集成的方法对城市绿地布局进行综合评估，加强了城市绿地布局评估的科学性和综合性。
2、本发明实现了城市绿地布局方案的自动修正，传统的城市绿地空间布局修正需要配置专业人员指导并绘制修正图纸才能修正布局。本发明采用城市绿地布局的智能评估和自动修正，减少了人力成本并为城市绿地布局以精细化和信息化的发展提供新思路。
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，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是本发明实施例的方法流程图。
图2是本发明实施例的智能评估流程图。
图3是本发明实施例的自动修正流程图。
图4是本发明实施例的评估过程示例图。
图5是本发明实施例的最终方案示例图。
具体实施方式
下面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做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。
如图1所示，本发明实施例公开了一种基于空间效益模型的城市绿地布局智能评估及修正方法，主要包括如下步骤：
选定城市绿地空间效益评估参数，包含环境效益、微气候效益和服务效益三类。
通过环境监测设备对待评估区域的环境和微气候相关参数进行数据采集；获取待评估区域城市绿地空间的基础数据、城市绿地空间设计平面方案、三维矢量模型；将上述数据进行空间链接并集成到城市绿地空间数据一体化平台中。
建构城市绿地布局空间效益评估参数集，结合城市绿地布局空间效益评估参数集，通过决策树算法对输入的待评估城市绿地进行智能评估，评估包括单指标评估和综合指标评估；建构《城市绿地布局空间效益评估》数字校验平台，进行评估结果的校验。
设定绿地布局空间效益修正阈值，建构城市绿地布局空间效益自动修正平台，将待修正方案录入，进行自动修正，符合要求输出展示，反之进入上一步进行评估，直至符合要求。
输出符合要求的最终方案并进行交互和展示。
其中，城市绿地空间数据采集和数据库构建包括以下步骤：
对上述三类参数分别进行数据采集，其中环境效益方面通过车载空气污染物、综合环境监测仪采集污染负荷指数，包含CO2平均浓度和CO平均浓度；采集空气质量数据，包含PM2.5平均浓度、VOC平均浓度。微气候效益方面通过一体式环境监测传感器、走航式大气检测系统采集绿地风舒适度数据，包含测点平均风速、当地标准地貌10m高度处的平均风速和现场10m高度处的平均风速；采集绿地热舒适度数据，包含平均太阳辐射强度，服务效益方面通过OpenStreetMap开放数据平台和像素为2000万以上的镜头的测绘无人机采集城市道路网络、城市用地类型、面积及城市用地的服务范围。
进一步的，通过高分卫星获取待评估区域城市绿地空间的基础数据，包含包含面积大小、空间定位、路网数据、建筑数据和人口数据；通过百度、谷歌等网络平台、相关规划部门获取案例城市绿地空间布局平面方案、三维矢量模型；通过地理信息平台将上述五类数据进行空间链接，形成城市绿地空间效益数据库并集成到1152vCPU、9TB内存、118TB SSD的POLARDB Box数据库一体机有效存储空间的数字平台中。
其中综合环境监测仪检测的CO2平均浓度为体积浓度单位(ppm)，根据我国标准规范的质量浓度单位所述CO2平均浓度/>换算公式如下：
其中，为CO2质量浓度，M为CO2分子量，P为CO2压力，T为气体温度；C为体积浓度；
所述PM2.5空气质量指数AQI计算公式如下：
其中，C为PM2.5浓度，Clow为不大于C的浓度限值，Chigh为不小于C的浓度限值，Ilow为对应Clow的指数限值，Ihigh为对应Chigh的指数限值；
其中综合环境监测仪检测的CO平均浓度为体积浓度单位(ppm)，根据我国标准规范的质量浓度单位所述CO平均浓度xCO换算公式如下：
其中，xCO为CO质量浓度，M为CO分子量，P为CO压力，T为气体温度；C为体积浓度；所述VOC平均浓度ρ的计算公式如下：
ρ＝e×ρs×1000
其中，w为VOC含量的质量分数，ρs为VOC的密度；
所述风环境舒适度采用平均风速V进行评估，所述人行高度处平均风速V的计算公式如下：
其中，Vr为测点平均风速，V0为当地标准地貌10m高度处的平均风速，V10为现场10m高度处的平均风速；
所述热舒适度PMV的计算公式如下：
PMV＝[0.303aLx(-0.036M)+0.0275]TL
其中，M为人体能量代谢率，aLx为平均太阳辐射强度，TL为人体热平衡偏离程度的人体热负荷；
所述绿地率GSP的计算公式如下：
其中，Sα为待评估区域内各类绿化用地总面积，S为待评估区域总面积；
所述服务对象密度Dsd的计算公式如下：
其中，Sn为绿地要素周围一定范围内未被相应绿地空间服务覆盖的用地面积，N1为用地数量，对于满足居住用地需求的绿地空间而言，服务对象为居住用地，对于满足非居住用地需求的绿地空间而言，服务对象包含存在大量办公人群或交通人群的用地；
所述服务重叠度Ri的计算公式如下：
其中，i为待评估区域内的社区单元，Aij为待评估区域内覆盖社区单元i的第j块绿地面积，N2为待评估区域内覆盖社区单元的绿地总数量；
所述联系强度W的计算公式如下：
其中，W(i，j)为待评估区域内绿地空间中要素i、j之间边的联系强度，Si、Sj为要素i、j所在的绿地空间的面积，Ln为要素i、j之间的最短路径长度，N3为待评估区域绿地数量；
所述聚集指数AIi的计算公式如下：
其中，eii为要素i所属绿地类型邻接的数量，max→eii表示eii的最大值；
所述景观蔓延度CONT的计算公式如下：
其中：i、j为绿地要素，m、n为待评估区域内的要素i、j所属绿地类型的绿地要素总数，Pij为要素i和要素j所属绿地类型连接的数量；
所述生态连接度ECI的计算公式如下：
其中，xi为要素i到其他绿地空间的总距离，xmin为要素i到其他绿地空间的最小距离，xmax为要素i到其他绿地空间的最大距离；
下面将以滁州市南谯区作为设计地块为例，对本发明的技术方案进行详细说明。
S1、选定城市绿地空间效益评估参数，包含环境效益、微气候效益和服务效益三类。
选定城市绿地空间效益评估参数，包含环境效益、气候效益和服务效益三类；根据《环境空气质量标准》(GB3095-2012)，其中，环境效益包含污染负荷指数、空气质量；气候效益为平均风速、风力、温度；服务效益包含绿地面积、布局网络、用地类型和服务范围；
S2、通过车载空气污染物综合测定仪器等对上述参数分别进行数据采集。获取滁州市绿地空间的基础数据、城市绿地空间设计平面方案、三维矢量模型。将上述数据进行空间链接并集成到城市绿地空间数据一体化平台中。
在此实施例中，参数采集计算结果如下表：
通过高分卫星获取滁州市南谯区城市绿地空间的基础数据，包含面积大小、空间布局、路网数据、建筑数据、人口数据；通过百度、谷歌等网络平台、滁州市规划部门获取滁州市绿地空间布局平面方案、三维矢量模型；
通过地理信息平台将上述五类数据进行空间链接，形成城市绿地空间效益数据库并集成到1152vCPU、9TB内存、118TB SSD的POLARDB Box数据库一体机有效存储空间的数字平台中。
S3、建构城市绿地布局空间效益评估参数集，结合城市绿地布局空间效益评估参数集，通过熵权法算法对输入的待评估城市绿地进行智能评估，评估包括单指标评估和综合指标评估。建构《城市绿地布局空间效益评估》数字校验平台，进行评估结果的校验。(如图2所示)
所述步骤S3包括3-1、3-2、3-3三个步骤：
3-1建构城市绿地布局空间效益评估参数集，其中环境效益包含CO2平均浓度xCO2、PM2.5空气质量指数AQI、CO平均浓度xCO和VOC平均浓度ρ；其中气候效益为风环境舒适度和热舒适度PMV；其中服务效益包含绿地率GSP、服务对象密度Dsd、服务重叠度Ri、联系强度W、聚集指数AIi、景观蔓延度CONT和生态连接度ECI；
3-2调用绿地空间数据库中的案例数据库的指标参数集，通过熵权法计算得到各指标权重，构建指标综合评估模型；
在此实施例中，参数设定计算结果如下表：
3-3若城市绿地布局的绿地率不符合《城市绿地规划标准》(GB/T51346-2019)中的规定，则标记为不合格；若城市绿地布局的综合评估指标不低于80分，则标记为合格，反之则标记为待优化；
依据《城市绿地规划标准》(GB/T51346-2019)中的规定，设区城市各区的规划绿地率均不应小于28％，若绿地率低于28％，则标记为不合格；
所述指标综合评估模型的公式如下：
X＝θ1∝1+θ2∝2+…+θn∝n
其中，X表示城市绿地空间综合指标，θi表示城市绿地空间评估单项指标权重，∝i表示城市绿地空间评估单项指标数据标准化后的值。
S4、设定绿地布局空间效益修正阈值，建构城市绿地布局空间效益自动修正平台，将待修正方案录入，进行自动修正，符合要求输出展示，反之进入上一步进行评估，直至符合要求。(如图3所示)
所述步骤S4包括4-1、4-2两个步骤：
4-1提取综合评估指标待优化的城市绿地布局方案的城市用地的区域，通过智能算法采用Random算法，对城市绿地用地进行从1-n编号，创建集合A,将其余城市用地进行从X1-Xn编号，创建集合B，使用Random算法从集合A随机选择若干地块与集合B中的地块进行随机一一对换，进而判断重新布局后绿地用地的总面积与原方案绿地用地面积的差值，若两者之间差的函数M小于等于原方案绿地用地面积的5％，则判定为通过，若M大于原方案绿地用地面积的5％则对绿地布局进行重新排布，直到判定通过；形成修正后的城市绿地布局；
其中，所述函数M的计算公式如下：
M＝SUM调整-SUM原
其中SUM调整为重新排布后区域内城市绿地所占的面积之和，SUM原为原方案区域内城市绿地所占的面积之和。
4-2将调整过的方案输入城市绿地布局空间效益智能评估模块，若评估结果达不到指标综合评估合格阈值，则重复城市绿地布局智能修正模块操作，直至布局方案达到指标综合评估合格阈值。
S5、输出符合要求的最终方案并进行交互和展示。
将评估修正后的城市绿地布局方案通过ThingJS-X数字孪生可视化平台进行数字孪生建模，建构城市绿地布局混合现实平台；
通过城市绿地空间混合现实平台和可穿戴虚拟现实眼镜、VRTRIX数据手套对优化前后城市绿地布局方案进行交互展示，其具体展示内容包括城市绿地布局方案三维对比与优化前后指标对比；
其中空间混合现实展示是指相关工作人员可以通过支持多种常用手势与自定义手势、数据更新频率单手大于120Hz双手大于240Hz、角度范围可俯仰360°全角度的VRTRIX数据手套，在3840×2160分辨率55寸以上的显示设备上进行指令库操作和三维仿真观看。
基于相同的发明构思，本发明实施例公开的一种基于空间效益模型的城市绿地布局智能评估及修正系统，包括：数据采集模块，用于选定城市绿地空间效益评估参数，包含环境效益、微气候效益和服务效益三类，通过环境监测设备对待评估区域的环境和微气候相关参数进行数据采集，获取待评估区域城市绿地空间的基础数据、城市绿地空间设计平面方案和三维矢量模型；城市绿地布局智能评估模块，用于建构城市绿地布局空间效益评估参数集，结合城市绿地布局空间效益评估参数集，通过熵权法算法对输入的待评估城市绿地进行智能评估，评估包括单指标评估和综合指标评估；城市绿地布局自动修正模块，用于设定空间效益修正阈值，建构城市绿地布局空间效益自动修正平台，将待修正方案录入，进行自动修正，符合要求输出展示。各模块具体实施参见上述方法实施例，不再赘述。
基于相同的发明构思，本发明实施例公开的一种计算机系统，包括存储器、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，所述计算机程序被加载至处理器时实现所述的基于空间效益模型的城市绿地布局智能评估及修正方法的步骤。
基于相同的发明构思，本发明实施例公开的一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现所述的基于空间效益模型的城市绿地布局智能评估及修正方法的步骤。
Claims (10)
1.一种基于空间效益模型的城市绿地布局智能评估及修正方法，其特征在于，包括以下步骤：
选定城市绿地空间效益评估参数，包含环境效益、微气候效益和服务效益三类；
通过环境监测设备对待评估区域的环境和微气候相关参数进行数据采集，获取待评估区域城市绿地空间的基础数据、城市绿地空间设计平面方案和三维矢量模型；
建构城市绿地布局空间效益评估参数集，结合城市绿地布局空间效益评估参数集，通过熵权法算法对输入的待评估城市绿地进行智能评估，评估包括单指标评估和综合指标评估；
设定空间效益修正阈值，建构城市绿地布局空间效益自动修正平台，将待修正方案录入，进行自动修正，符合要求输出展示。
2.根据权利要求1所述的一种基于空间效益模型的城市绿地布局智能评估及修正方法，其特征在于，环境效益方面通过车载空气污染物、综合环境监测仪采集污染负荷指数，包含CO2平均浓度和CO平均浓度；采集空气质量数据，包含PM2.5平均浓度和VOC平均浓度；微气候效益方面通过一体式环境监测传感器、走航式大气检测系统采集绿地风舒适度数据，包含测点平均风速、当地标准地貌10m高度处的平均风速和现场10m高度处的平均风速；采集绿地热舒适度数据，包含平均太阳辐射强度；服务效益方面通过测绘无人机采集城市道路网络、城市用地类型、面积及城市用地的服务范围，通过高分卫星获取待评估区域城市绿地空间的基础数据，包含面积大小、空间定位、路网数据、建筑数据和人口数据；通过网络平台获取案例城市绿地空间布局平面方案和三维矢量模型。
3.根据权利要求1所述一种基于空间效益模型的城市绿地布局智能评估及修正方法，其特征在于，所建构的城市绿地布局空间效益评估参数集中，环境效益包含CO2平均浓度、PM2.5空气质量指数、CO平均浓度和VOC平均浓度；微气候效益包含风环境舒适度和热舒适度；服务效益包含绿地率、服务对象密度、服务重叠度、联系强度、聚集指数、景观蔓延度和生态连接度。
4.根据权利要求3所述一种基于空间效益模型的城市绿地布局智能评估及修正方法，其特征在于，所述风环境舒适度采用平均风速V进行评估，计算公式如下：
其中，Vr为测点平均风速，V0为当地标准地貌10m高度处的平均风速，V10为现场10m高度处的平均风速；
所述热舒适度PMV的计算公式如下：
PMV＝[0.303aLx(-0.036M)+0.0275]TL
其中，M为人体能量代谢率，aLx为平均太阳辐射强度，TL为人体热平衡偏离程度的人体热负荷；
所述绿地率GSP的计算公式如下：
其中，Sα为待评估区域内各类绿化用地总面积，S为待评估区域总面积；
所述服务对象密度Dsd的计算公式如下：
其中，Sn为绿地要素周围一定范围内未被相应绿地空间服务覆盖的用地面积，N1为用地数量，对于满足居住用地需求的绿地空间而言，服务对象为居住用地，对于满足非居住用地需求的绿地空间而言，服务对象包含存在办公人群或交通人群的用地；
所述服务重叠度Ri的计算公式如下：
其中，i为待评估区域内的社区单元，Aij为待评估区域内覆盖社区单元i的第j块绿地面积，N2为待评估区域内覆盖社区单元的绿地总数量；
所述联系强度W的计算公式如下：
其中，W(i，j)为待评估区域内绿地空间中要素i、j之间边的联系强度，Si、Sj为要素i、j所在的绿地空间的面积，Ln为要素i、j之间的最短路径长度，N3为待评估区域绿地的数量；
所述聚集指数AIi的计算公式如下：
其中，eii为要素i所属绿地类型邻接的数量，max→eii表示eii的最大值；
所述景观蔓延度CONT的计算公式如下：
其中：i、j为绿地要素，m、n为待评估区域内的要素i、j所属绿地类型的绿地要素总数，Pij为要素i和要素j所属绿地类型连接的数量；
所述生态连接度ECI的计算公式如下：
其中，xi为要素i到其他绿地空间的总距离，xmin为要素i到其他绿地空间的最小距离，xmax为要素i到其他绿地空间的最大距离。
5.根据权利要求1所述一种基于空间效益模型的城市绿地布局智能评估及修正方法，其特征在于，将城市绿地布局空间效益评估参数集通过熵权法计算得到各指标权重，构建指标综合评估模型；
若城市绿地布局的绿地率不符合《城市绿地规划标准》(GB/T51346-2019)中的规定，则标记为不合格；若城市绿地布局的综合评估指标不低于预设的分数值，则标记为合格，反之则标记为待优化；所述指标综合评估模型的公式如下：
X＝θ1∝1+θ2∝2+…+θn∝n
其中，X表示城市绿地空间综合指标，θi表示城市绿地空间评估单项指标权重，∝i表示城市绿地空间评估单项指标数据标准化后的值，n表示指标数量。
6.根据权利要求1所述的一种基于空间效益模型的城市绿地布局智能评估及修正方法，其特征在于，城市绿地布局自动修正方法为：
提取综合评估指标待优化的城市绿地布局方案的城市用地的区域，对城市绿地用地进行从1-n编号，创建集合A，将其余城市用地进行从X1-Xn编号，创建集合B，使用Random算法从集合A随机选择若干地块与集合B中的地块进行随机一一对换，进而判断重新布局后绿地用地的总面积与原方案绿地用地面积的差值，若两者之间差的函数M小于等于原方案绿地用地面积的a％，则判定为通过，若M大于原方案绿地用地面积的a％则对绿地布局进行重新排布，直到判定通过；形成修正后的城市绿地布局；a≤5为设定的比例数；
对调整过的方案进行城市绿地布局空间效益智能评估，若评估结果未达到指标综合评估合格阈值，则重复城市绿地布局智能修正操作，直至布局方案达到指标综合评估合格阈值。
7.根据权利要求1所述的一种基于空间效益模型的城市绿地布局智能评估及修正方法，其特征在于，结果输出与交互包括：
将评估修正后的城市绿地布局方案通过数字孪生可视化平台进行数字孪生建模，建构城市绿地布局混合现实平台；
通过城市绿地空间混合现实平台和可穿戴设备对优化前后城市绿地布局方案进行交互展示，展示内容包括城市绿地布局方案三维对比与优化前后指标对比。
8.一种基于空间效益模型的城市绿地布局智能评估及修正系统，其特征在于，包括：
数据采集模块，用于选定城市绿地空间效益评估参数，包含环境效益、微气候效益和服务效益三类，通过环境监测设备对待评估区域的环境和微气候相关参数进行数据采集，获取待评估区域城市绿地空间的基础数据、城市绿地空间设计平面方案和三维矢量模型；
城市绿地布局智能评估模块，用于建构城市绿地布局空间效益评估参数集，结合城市绿地布局空间效益评估参数集，通过熵权法算法对输入的待评估城市绿地进行智能评估，评估包括单指标评估和综合指标评估；
城市绿地布局自动修正模块，用于设定空间效益修正阈值，建构城市绿地布局空间效益自动修正平台，将待修正方案录入，进行自动修正，符合要求输出展示。
9.一种计算机系统，包括存储器、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，其特征在于，所述计算机程序被加载至处理器时实现根据权利要求1-7任一项所述的基于空间效益模型的城市绿地布局智能评估及修正方法的步骤。
10.一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现根据权利要求1-7任一项所述的基于空间效益模型的城市绿地布局智能评估及修正方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311512617.7A CN117556610A (zh) | 2023-11-14 | 2023-11-14 | 基于空间效益模型的城市绿地布局智能评估及修正方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311512617.7A CN117556610A (zh) | 2023-11-14 | 2023-11-14 | 基于空间效益模型的城市绿地布局智能评估及修正方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN117556610A true CN117556610A (zh) | 2024-02-13 |
Family
ID=89814040
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202311512617.7A Pending CN117556610A (zh) | 2023-11-14 | 2023-11-14 | 基于空间效益模型的城市绿地布局智能评估及修正方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117556610A (zh) |
-
2023
- 2023-11-14 CN CN202311512617.7A patent/CN117556610A/zh active Pending
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| WO2021103323A1 (zh) | 一种历史城市保护发展协同控制方案辅助设计系统 | |
| CN112100720B (zh) | 一种提升风环境的人工智能城市设计形态布局方法 | |
| CN106649960B (zh) | 大气多污染物环境容量三维迭代计算方法 | |
| CN105403664B (zh) | 一种基于wrf‑chem的大型点污染源大气环境影响评价方法 | |
| Quan et al. | Urban data and building energy modeling: A GIS-based urban building energy modeling system using the urban-EPC engine | |
| Li et al. | Energy performance simulation for planning a low carbon neighborhood urban district: A case study in the city of Macau | |
| Reinhart et al. | UMI–an urban simulation environment for building energy use, daylighting and walkability | |
| Yeo et al. | Development of an Environment and energy Geographical Information System (E-GIS) construction model to support environmentally friendly urban planning | |
| Reinwald et al. | Green Resilient City-A framework to integrate the Green and Open Space Factor and climate simulations into everyday planning to support a green and climate-sensitive landscape and urban development | |
| WO2021103322A1 (zh) | 一种历史名城新城区规划辅助设计系统 | |
| Sabri et al. | A multi-dimensional analytics platform to support planning and design for liveable and sustainable urban environment | |
| Saleh et al. | Parametric urban comfort envelope, an approach toward a responsive sustainable urban morphology | |
| Guo et al. | Analysing the effects for different scenarios on surrounding environment in a high-density city | |
| CN109933901B (zh) | 一种生态系统服务价值最优化的mcr城市扩张模拟方法 | |
| Cai et al. | Urban ecosystem vulnerability assessment of support climate-resilient city development | |
| Park et al. | Simulating land use change in the Seoul metropolitan area after greenbelt elimination using the SLEUTH model | |
| Nazarian et al. | Multiscale modeling techniques to document urban climate change | |
| CN112232688A (zh) | 一种基于均好性的商业网点布局和规模的修正方法 | |
| CN117556610A (zh) | 基于空间效益模型的城市绿地布局智能评估及修正方法 | |
| CN115329425A (zh) | 一种空气质量驱动下的建筑群体形态优化设计方法及系统 | |
| CN115712978A (zh) | 基于数值模拟与人口数据的选址数据处理方法及系统 | |
| Edtmayer et al. | High-resolution, spatial thermal energy demand analysis and workflow for a city district | |
| CN114818310A (zh) | 一种森林景观模拟方法、装置、电子设备和存储介质 | |
| Wan et al. | Urban Planning and Design Layout Generation Based on Artificial Intelligence | |
| Gonzalez-Caceres et al. | Towards digital twinning for multi-domain simulation workflows in urban design: a case study in Gothenburg |
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 |