JP6949644B2

JP6949644B2 - 風環境学習装置、風環境評価システム、風環境学習方法及び風環境評価方法

Info

Publication number: JP6949644B2
Application number: JP2017190907A
Authority: JP
Inventors: 靖晃伊藤
Original assignee: Shimizu Corp
Current assignee: Shimizu Corp
Priority date: 2017-09-29
Filing date: 2017-09-29
Publication date: 2021-10-13
Anticipated expiration: 2037-09-29
Also published as: JP2019067074A

Description

本発明は、高層ビル等の建設時に風環境の評価を行う演算を機械学習させる風環境学習装置及び風環境学習方法、並びに、機械学習を用いて高層ビル等の建設時に設計段階で風環境の評価を行う風環境評価システム及び風環境評価方法に関する。

高層ビル等の周辺ではビル風等の強風が発生するおそれがある。そのため、高層ビル等の建設時には、風環境の変化を評価し、風速が所定の速さに収まることを確認する必要がある。

従来、風環境の変化を予測する方法として、風洞実験で、感圧塗料が塗布された建物と相似する模型を撮影し、感圧塗料を解析することにより、風速を算定する技術が開示されている（特許文献１）。

特開２０１４−４８１２０号公報

風工学研究所編著，「ビル風の基礎知識」，鹿島出版会，２００５年１２月

しかしながら、風洞実験を行った結果、風速が所定の速さに収まらなかった場合、建物の設計段階に戻って、再び建物の模型を作成しなければならない。したがって、多大なコストと工期がかかってしまうおそれがあった。

本発明は、高層ビル等の建設時に風環境の評価を行う演算を機械学習させることが可能な風環境学習装置及び風環境学習方法、並びに、実験模型等を用いず、設計の初期段階でデータから設計者自らが風環境を、安価で迅速に評価することが可能な風環境評価システム及び風環境評価方法を提供することを目的とする。

本発明にかかる風環境学習装置は、
過去の調査対象建物及びその周辺のＣＡＤデータを取り込む過去調査対象ＣＡＤデータ取込部、過去の調査対象建物及びその周辺の風データを取り込む過去調査対象風情報取込部、及び、過去の調査対象建物及びその周辺の位置データを取り込む過去調査対象位置取込部を有する過去調査対象データ取込部と、
過去の調査対象建物周辺の風向毎の風速比の分布を取り込む過去調査結果風速取込部、及び、過去の調査対象建物周辺の風環境をランク分けした結果を取り込む過去調査結果ランク取込部のうち、少なくとも１つを有する過去調査結果データ取込部と、
前記過去調査対象データ取込部が取り込んだ過去調査対象データと、前記過去調査対象データ取込部が取り込んだ過去調査対象データに対応する前記過去調査結果データ取込部が取り込んだ過去調査結果データと、から前記過去調査対象データと前記過去調査結果データとの関係を学習する機械学習部と、
を備える
ことを特徴とする。

本発明にかかる風環境評価システムは、
データを入力する入力部と、
前記入力部から送られたデータを機械学習により演算する請求項１に記載の機械学習部と、
前記機械学習部が演算した結果を出力する出力部と、
を備え、
前記入力部は、
対象建物及びその周辺のＣＡＤデータを入力するＣＡＤデータ入力部と、
前記対象建物及びその周辺の風データを入力する風情報入力部と、
前記対象建物の位置データを入力する対象位置入力部と、
を有し、
前記機械学習部は、前記入力部から入力されたデータに対して予め学習した機械学習に基づき演算を行い、前記対象建物及びその周辺の風環境を予測する
ことを特徴とする。

本発明にかかる風環境評価システムは、
前記機械学習部は、前記予測した風環境を、予め定めた基準に基づいてランク分けする
ことを特徴とする。

本発明にかかる風環境学習方法は、
過去の調査対象建物及びその周辺のＣＡＤデータ、過去の調査対象建物及びその周辺の風データ、及び、過去の調査対象建物及びその周辺の位置データを取り込む第１ステップと、
過去の調査対象建物周辺の風環境をランク分けした結果、及び、過去の調査対象建物周辺の風向毎の風速比の分布のうち、少なくとも１つを取り込む第２ステップと、
前記第１ステップで取り込んだ入力データと、前記第１ステップで取り込んだ過去調査対象データに対応する前記第２ステップで取り込んだ過去調査結果データと、から前記過去調査対象データと前記過去調査結果データとの関係を学習する第３ステップと、
を有する
ことを特徴とする。

本発明にかかる風環境評価方法は、
対象建物及びその周辺のＣＡＤデータを入力し、
前記対象建物周辺での風データを入力し、
前記対象建物及びその周辺の位置データを入力し、
入力された各データに対して請求項４に記載の風環境学習方法により学習した機械学習に基づき演算を行い、
演算した前記対象建物及びその周辺の風環境を予測した評価結果を出力する
ことを特徴とする。

本発明にかかる風環境評価方法は、
前記予測した評価結果を、予め定めた基準に基づいてランク分けする
ことを特徴とする。

本発明にかかる風環境学習装置及び風環境学習方法によれば、高層ビル等の建設時に風環境の評価を行う演算を機械学習させることが可能となる。また、本発明にかかる風環境評価システム及び風環境評価方法によれば、実験模型等を用いず、設計の初期段階でデータから設計者自らが風環境を、安価で迅速に評価することが可能となる。

本実施形態の風環境学習装置の制御ブロックを示す。本実施形態の風環境学習装置を用いた風環境学習方法のフローチャートを示す。本実施形態の風環境学習装置に用いる対象建物及びその周辺のＣＡＤデータを示す。本実施形態の風環境学習装置に用いる建物の有無を表す２次元情報を示す。本実施形態の風環境学習装置に用いる建物の有無及び高さを表す３次元情報を示す。本実施形態の風環境学習装置に用いる風情報を示す。本実施形態の風環境学習装置に用いる風に関する統計情報を表すデータを示す。本実施形態の風環境学習装置に用いる所定の地点の風の観測データを示す。本実施形態の風環境評価システムの制御ブロックを示す。本実施形態の風環境評価システムにおける風環境評価結果の一例を示す。本実施形態の風環境評価システムにおける風環境評価結果の他の例を示す。本実施形態の風環境評価システムを用いた風環境評価方法のフローチャートを示す。

以下、図面を参照して本発明にかかる一実施形態の風環境学習装置を説明する。

図１は、本実施形態の風環境学習装置１の制御ブロックを示す。

本実施形態の風環境学習装置１は、データを入力する過去データ取込部１０と、過去データ取込部１０から送られたデータを機械学習する学習部４０と、を備える。

本実施形態の過去データ取込部１０は、過去の調査対象のデータを取り込む過去調査対象データ取込部２０と、過去の調査結果のデータを取り込む過去調査結果データ取込部３０と、を有する。

過去調査対象データ取込部２０は、過去の対象建物及びその周辺のＣＡＤ（Computer-Aided Design）データを取り込む過去調査対象ＣＡＤデータ取込部２１と、過去の対象建物及びその周辺の風データを取り込む過去調査対象風情報取込部２２と、過去の対象建物及びその周辺の位置データを取り込む過去調査対象位置取込部２３と、を有する。

過去調査結果データ取込部３０は、過去調査対象データ取込部２０に取り込んだ過去調査対象ＣＡＤデータ取込部２１、過去調査対象風情報取込部２２及び過去調査対象位置取込部２３から過去の実験又は演算等によって得た結果を取り込む。本実施形態の過去調査結果データ取込部３０は、過去の対象建物周辺の風向毎の風速比の分布を取り込む過去調査結果風速取込部３１、及び、過去の対象建物周辺の風環境をランク分けした結果を取り込む過去調査結果ランク取込部３２、のうち、少なくとも１つを有する。

機械学習部４０は、過去調査対象データ取込部２０が取り込んだ過去調査対象データと、過去調査対象データ取込部２０が取り込んだ過去調査対象データに対応する過去調査結果データ取込部３０が取り込んだ過去調査結果データと、から過去調査対象データと過去調査結果データとの関係を学習する。この学習は、可能な限り多い方が好ましい。

図２は、本実施形態の風環境学習装置を用いた風環境学習方法のフローチャートを示す。

風環境学習方法では、図２に示すようなフローチャートに基づき、機械学習を行う。

まず、第１ステップとしてのステップ１で、過去調査対象データ取込部２０が過去の調査対象のデータを取り込む（ＳＴ１）。続いて、第２ステップとしてのステップ２で、過去調査結果データ取込部３０が過去の調査対象のデータに対応して、過去の実験又は演算等によって得た過去調査結果データを取り込む（ＳＴ２）。次に、第３ステップとしてのステップ３で、機械学習部４０が過去の調査対象のデータと過去の調査結果データとの対応関係を機械学習する（ＳＴ３）。

ここで、各データの内容について説明する。まず、ＣＡＤデータについて説明する。

図３は、本実施形態の風環境学習装置１に用いる対象建物及びその周辺のＣＡＤデータの一例を示す。

過去調査対象ＣＡＤデータ取込部２１は、まず、地形、建物形状及び植栽配置等の都市域の形状に関する画像情報を読み込む。画像情報は、３次元の立体形状を小さな三角形の集合体で表現するSTL（Stereolithography）ファイルデータ等が好ましい。なお、３次元のデータは、容量が多いので、２次元のデータでもよい。

図４は、本実施形態の風環境学習装置１に用いる建物の有無を表す２次元情報の一例を示す。図５は、本実施形態の風環境学習装置１に用いる建物の有無及び高さを表す３次元情報の一例を示す。

過去調査対象ＣＡＤデータ取込部２１は、図３に示した画像情報を、検討対象範囲の街区を等間隔で分割し、建物がある場所を「１」、建物がない場所を「０」で表示した図４に示したような数値データに変換してもよい。本実施形態の画像情報は、例えば、１km〜５００ｍの領域を１ｍ毎の直交格子に分割している。このデータからは、対象建物を中心として、周辺の建物と道路の有無が理解される。

また、図４に対して、過去調査対象ＣＡＤデータ取込部２１は、図５に示すように建物の高さを表示したデータを加えて取り込んでもよい。例えば、図５に示すように、対象建物が２５０ｍであって、対象建物の紙面上方の周辺建物は１２０ｍであることがわかる。

次に、風の情報について説明する。

図６は、本実施形態の風環境学習装置１に用いる風情報を示す。図６（ａ）は風向頻度分布を示し、図６（ｂ）は風速強度頻度分布を示す。図７は、本実施形態の風環境学習装置１に用いる風に関する統計情報を表すデータを示す。ただし、Ｃは尺度定数、Ｋは形状定数である。なお、図６及び図７は、非特許文献１から引用している。

過去調査対象風情報取込部２２は、対象建物周辺の風の情報を取り込む。過去調査対象風情報取込部２２は、風情報として、図６に示すような気象台等の風観測記録に基づく風向頻度分布及び風速強度頻度分布を用いてもよい。図６（ａ）に示す風向頻度分布は、対象建物周辺にどの方向からの風がどの程度の頻度で吹くのかを示す。例えば、図６（ａ）では、北北西からの風が多いことがわかる。図６（ｂ）に示す風速強度頻度分布は、対象建物周辺にどの風速の風がどの程度の頻度で吹くのかを示す。例えば、図６（ｂ）では、風速2.0-2.9(m/s)の頻度が高いことがわかる。

図７に示す例は、各地点の風の強度を統計的に表した確率分布である。過去調査対象風情報取込部２２は、風情報として、図７に示すような風のデータを加工したデータを用いてもよい。所定の地点の風の状況を知るには、国立研究開発法人新エネルギー・産業技術総合開発機構（ＮＥＤＯ(New Energy and Industrial Technology Development Organization)）の局所風況マップ等を用いてもよい。

図８は、本実施形態の風環境学習装置１に用いる所定の地点の風の観測データを示す。

図８に示す例は、所定の地点で観測した風速及び風向の時刻歴波形のデータである。過去調査対象風情報取込部２２は、図８に示すような実際に観測したデータを風情報として用いてもよい。

次に、位置のデータについて説明する。過去調査対象位置取込部２３は、調査対象の位置のデータを取り込む。対象位置のデータは、緯度経度又は所定の座標情報を用いればよい。座標情報は、１つの対象位置に対して１つ設定される。なお、対象位置は、対象建物周辺の歩行者の高さにおける風の情報が好ましい。

次に、過去調査対象データ取込部２０から取り込まれた過去調査対象データに対応する過去調査結果データを取り込む過去調査結果データ取込部３０について説明する。本実施形態の過去調査結果データ取込部３０は、過去調査対象データに対応して演算、観測又は実験により求められた対象建物周辺の風向毎の風速比の分布等を取り込む過去調査結果風速取込部３１、及び、過去調査対象データに対応して演算、観測又は実験により求められた対象建物周辺の風環境をランク分けした結果等を取り込む過去調査結果ランク取込部３２のうち、少なくとも１つを有する。

本実施形態の風速分布及びランク分けは、一例として、以下の表１のように決めた設定値に基づいて行う。なお、表１は、非特許文献１から引用した。

過去調査結果風速取込部３１は、過去調査対象データに対応して演算、観測又は実験により求められた対象建物周辺の風向毎の風速比の分布等の過去調査結果データを取り込む。過去調査結果ランク取込部３２は、過去調査対象データに対応して累積頻度５５％の風速及び累積頻度９５％の風速によって、ランク分け等した過去調査結果データを取り込む。

例えば、本実施形態では、領域Ａを住宅地で見られる風環境としてランクＡとし、領域Ｂを領域ＡとＣの中間的な街区で見られる風環境としてランクＢとし、領域Ｃをオフィス街で見られる風環境としてランクＣとし、領域Ｄを好ましくない風環境としてランクＤとする。

次に、本実施形態の風環境学習装置１における過去結果データの他の例を示す。

過去調査結果データの他の例は、過去調査結果ランク取込部３２が対象建物周辺の風環境を他のランクに分けて表すデータである。この例のランク分けは、一例として、以下の表２のように決めた設定値に基づいて行う。なお、表２は、非特許文献１から引用した。

表２において、日最大瞬間風速は評価時間２〜３秒、日最大平均風速は１０分平均風速であって、地上1.5mの風速とする。また、日最大瞬間風速において、10m/sではごみが舞い上がり干し物が飛ぶ現象が発生、15m/sでは立て看板、自転車等が倒れ、歩行が困難になる現象が発生、20m/sでは風に吹き飛ばされそうになる現象が発生する。

ガストファクターＧ．Ｆ(Gust Factor)は、最大瞬間風速と最大平均風速の比を表す突風率である。表２のガストファクターは、地上1.5ｍ、評価時間2〜3秒である。ガストファクターは、乱れは強いが平均風速はそれほど高くない密集した市街地で2.5〜3.0、通常の市街地で2.0〜2.5、高層ビル近傍の増速域等の特に風速の大きい場所で1.5〜2.0、である。

この例では、過去調査結果風速取込部３１は、過去の調査対象のデータに対応して演算、観測又は実験により求められた対象建物周辺の風向毎の風速比の分布を取り込み、過去調査結果ランク取込部３２は、日最大平均風速によって、ランク分けした過去のデータを取り込む。

表２では、例えば、ランク１の用途では、日最大瞬間風速が10m/sを超過する頻度が10%(年間約37日)以下であれば許容できるということが読み取れる。

次に、機械学習部４０について説明する。本実施形態の機械学習部４０は、対象建物及びその周辺のＣＡＤデータ、対象建物周辺での風データ、並びに、対象建物及びその周辺の位置データが入力されると、対象建物及びその周辺の風環境を予測する評価結果を出力するような演算を機械的に学習する。

なお、機械学習部４０は、既存の実験模型で風洞実験又は数値流体解析モデルで解析した際の風向毎の風速比評価等の情報等から学習してもよい。

このように、本実施形態の風環境学習装置１は、過去調査対象データ取込部２０から取り込まれた入力データから、この入力データに対応する過去調査結果データ取込部３０から取り込まれた結果データが出力されるような関係を機械学習部４０に学習させる。

したがって、入力データが入力された場合に、結果データがすぐに出力されるようなデータを管理することが可能となる。

図９は、本実施形態の風環境評価システム１００の制御ブロックを示す。

本実施形態の風環境評価システム１００は、対象建物及びその周辺のデータを入力する入力部５０と、入力部５０から送られたデータを機械学習により演算する機械学習部４０と、機械学習部４０が演算した結果を出力する出力部６０と、を備える。

本実施形態の入力部５０は、対象建物及びその周辺のＣＡＤ（Computer-Aided Design）データを入力するＣＡＤデータ入力部５１と、対象建物及びその周辺の風データを読み込む風情報入力部５２と、対象建物及びその周辺の位置データを入力する対象位置入力部５３と、を有する。

まず、ＣＡＤデータについて説明する。ＣＡＤデータ入力部５１から入力されるＣＡＤデータは、評価したい対象建物及びその周辺を表す図３に示したようなＣＡＤデータである。

ＣＡＤデータ入力部５１は、まず、地形、建物形状及び植栽配置等の都市域の形状に関する画像情報を読み込む。画像情報は、３次元の立体形状を小さな三角形の集合体で表現するSTL（Stereolithography）ファイルデータ等が好ましい。なお、２次元のデータでもよい。

図３に示した画像情報は、検討対象範囲の街区を等間隔で分割し、建物がある場所を「１」、建物がない場所を「０」で表示した図４に示したような数値データに変換される。本実施形態の画像情報は、例えば、１km〜５００ｍの領域を１ｍ毎の直交格子に分割している。このデータからは、対象建物を中心として、周辺の建物と道路の有無が理解される。

また、図４に対して、図５に示した建物の高さを表示した情報を加えてもよい。例えば、図５に示したように、対象建物が２５０ｍであって、対象建物の紙面上方の周辺建物は１２０ｍであることがわかる。

次に、風の情報について説明する。風情報入力部５２は、対象建物周辺の風の情報を入力する。風情報入力部５２は、風情報として、図６に示した気象台等の風観測記録に基づく風向頻度分布及び風速強度頻度分布を用いてもよい。

風情報入力部５２は、風情報として、図７に示した風のデータを加工したデータを用いてもよい。所定の地点の風の状況を知るには、国立研究開発法人新エネルギー・産業技術総合開発機構（ＮＥＤＯ(New Energy and Industrial Technology Development Organization)）の局所風況マップ等を用いてもよい。

図８示した例は、所定の地点で２ヶ月間観測した風速及び風向の時刻歴波形のデータである。風情報入力部５２は、図８に示した実際に観測したデータを風情報として用いてもよい。

次に、位置のデータについて説明する。対象位置入力部５３は、対象位置のデータを入力する。対象位置のデータは、緯度経度又は所定の座標情報を用いればよい。座標情報は、１つの対象位置に対して１つ設定される。

次に、本実施形態の機械学習部４０について説明する。本実施形態の風環境評価システム１００は、図１に示した風環境学習装置１によって学習された機械学習部４０を用いる。機械学習部４０は、入力部５０から入力された入力データから、この入力データに対応する出力データを出力部６０から出力させる。

本実施形態の機械学習部４０は、ＣＡＤデータ入力部５１、風情報入力部５２及び対象位置入力部５３から入力されたデータを元に機械学習により演算を行い、対象建物周辺と風の関係を表す情報を出力部６０へ出力する。出力される対象位置は、対象建物周辺の歩行者の高さにおける風の情報とする。

なお、機械学習部４０は、既存の実験模型で風洞実験又は数値流体解析モデルで解析した際の風向毎の風速比評価等の情報を学習し、演算にその情報を使用してもよい。

本実施形態の出力部６０は、機械学習部４０が演算した対象建物周辺の風向毎の風速比の分布を出力する風速出力部６１、及び、機械学習部４０が演算した対象建物周辺の風環境をランク分けした結果を出力するランク出力部６２のうち、少なくとも１つを有する。

図１０は、本実施形態の風環境評価システム１００における風環境評価結果の一例を示す。

図１０に示す例は、対象建物周辺の風環境をランク分けして表す。本実施形態では、ランク分けは、表１のように決めた設定値に基づいて行えばよい。

機械学習部４０は、累積頻度５５％の風速及び累積頻度９５％の風速を算出する。そして、演算された風速によって、ランク分けを行う。例えば、本実施形態では、領域Ａを住宅地で見られる風環境としてランクＡとし、領域Ｂを領域ＡとＣの中間的な街区で見られる風環境としてランクＢとし、領域Ｃをオフィス街で見られる風環境としてランクＣとし、領域Ｄを好ましくない風環境としてランクＤとする。

出力部６０は、図１０に示すように、ランク分けの結果を地図上に表示する。地図上の○が対象位置を表し、○の塗りつぶしの種類が対象建物周辺のランクを表す。例えば、図１０に示す中央の濃い建物が対象建物であり、その対象建物の左上にランクＣの位置があることがわかる。このように、本実施形態の風環境評価システム１００によれば、ランク分けすることによって、対象建物及びその周辺の風の情報を容易に理解することが可能となる。

また、対象建物周辺の風環境を他のランクに分けて表してもよい。本実施形態では、ランク分けは、表２のように決めた設定値に基づいて行ってもよい。出力部６０は、図１０と同様に、ランク分けの結果を地図上に表示することが好ましい。このように、本実施形態の風環境評価システム１００によれば、ランク分けすることによって、対象建物及びその周辺の風の情報を容易に理解することが可能となる。

次に、本実施形態の風環境評価システム１００における風環境評価結果の他の例を示す。

図１１は、本実施形態の風環境評価システム１００における風環境評価結果の他の例を示す。

風環境評価システム１００は、図３に示したＣＡＤデータに対して、風環境評価結果を用いて画像を処理し、出力してもよい。例えば、図１１に示す例では、風環境評価システム１００は、建築物のうち風が強く当たる白丸部分を色濃く出力している。風環境評価結果の表示は、色を濃く出力することに限らず、色を変えたり、記号を入れたりするようにしてもよい。

なお、風環境評価システム１００が風速と風向を評価する場合、学習時の入力データとして風速を用い、演算時の出力データとして風速ランクを用いた。これに対して、風環境評価システム１００が風圧を評価する場合、学習時の入力データとして風圧を用い、演算時の出力データとして風荷重を用いればよい。

図１２は、本実施形態の風環境評価システム１００を用いた風環境評価方法のフローチャートを示す。

本実施形態の風環境評価システム１００を用いた風環境評価方法では、まず、ステップ１１で、入力部５０が対象建物及びその周辺のＣＡＤデータを入力する（ＳＴ１１）。続いて、ステップ１２で。入力部５０が対象建物周辺での風情報を入力する（ＳＴ１２）。続いて、ステップ１３で、入力部５０が対象建物及びその周辺の位置を入力する（ＳＴ１３）。

次に、ステップ１４で、機械学習部４０が、ステップ１、２及び３において入力部５０から入力された情報及び機械学習部４０からの情報に基づいて、評価演算を行う（ＳＴ１４）。続いて、ステップ１５で、ステップ１４において機械学習部４０が演算した評価結果を、出力部６０が出力する（ＳＴ１５）。

このように、本実施形態の風環境評価システム１００を用いた風環境評価方法によれば、実験模型等を用いず、設計の初期段階でデータから設計者自らが風環境を、安価で迅速に評価することが可能である。

以上、本実施形態の風環境学習装置１は、過去の調査対象建物及びその周辺のＣＡＤデータを取り込む過去調査対象ＣＡＤデータ取込部２１、過去の調査対象建物及びその周辺の風データを取り込む過去調査対象風情報取込部２２、及び、過去の調査対象建物及びその周辺の位置データを取り込む過去調査対象位置取込部２３を有する過去調査対象データ取込部２０と、過去の調査対象建物周辺の風向毎の風速比の分布を取り込む過去調査結果風速取込部３１、及び、過去の調査対象建物周辺の風環境をランク分けした結果を取り込む過去調査結果ランク取込部３２のうち、少なくとも１つを有する過去調査結果データ取込部３０と、過去調査対象データ取込部２０が取り込んだ過去調査対象データと、過去調査対象データ取込部２０が取り込んだ過去調査対象データに対応する過去調査結果データ取込部３０が取り込んだ過去調査結果データと、から過去調査対象データと過去調査結果データとの関係を学習する機械学習部４０と、を備える。したがって、本実施形態の風環境学習装置１は、高層ビル等の建設時に設計段階で風環境の評価を行う演算を機械学習させることが可能となる。

また、本実施形態の風環境評価システム１は、データを入力する入力部５０と、入力部５０から送られたデータを機械学習により演算する前記機械学習部４０と、機械学習部４０が演算した結果を出力する出力部６０と、を備え、入力部５０は、対象建物及びその周辺のＣＡＤデータを入力するＣＡＤデータ入力部５１と、対象建物及びその周辺の風データを入力する風情報入力部５２と、対象建物の位置データを入力する対象位置入力部５３と、を有し、機械学習部４０は、入力部５０から入力されたデータに対して予め学習した機械学習に基づき演算を行い、対象建物及びその周辺の風環境を予測する。したがって、本実施形態の風環境評価システム１は、実験模型等を用いず、設計の初期段階でデータから設計者自らが風環境を、安価で迅速に評価することが可能である。

また、本実施形態の風環境評価システム１では、機械学習部４０は、予測した風環境を、予め定めた基準に基づいてランク分けする。したがって、本実施形態の風環境評価システム１は、対象建物及びその周辺の風の情報を容易に理解することが可能となる。

さらに、本実施形態の風環境学習方法は、過去の調査対象建物及びその周辺のＣＡＤデータ、過去の調査対象建物及びその周辺の風データ、及び、過去の調査対象建物及びその周辺の位置データを取り込む第１ステップと、過去の調査対象建物周辺の風環境をランク分けした結果、及び、過去の調査対象建物周辺の風向毎の風速比の分布のうち、少なくとも１つを取り込む第２ステップと、第１ステップで取り込んだ入力データと、第１ステップで取り込んだ過去調査対象データに対応する第２ステップで取り込んだ過去調査結果データと、から過去調査対象データと過去調査結果データとの関係を学習する第３ステップと、を有する。したがって、本実施形態の風環境学習方法は、高層ビル等の建設時に設計段階で風環境の評価を行う演算を機械学習させることが可能となる。

また、本実施形態の風環境評価方法では、対象建物及びその周辺のＣＡＤデータを入力し、対象建物周辺での風データを入力し、対象建物及びその周辺の位置データを入力し、入力された各データに対して請求項４に記載の風環境学習方法により学習した機械学習に基づき演算を行い、演算した対象建物及びその周辺の風環境を予測した評価結果を出力する。したがって、本実施形態の風環境評価方法は、実験模型等を用いず、設計の初期段階でデータから設計者自らが風環境を、安価で迅速に評価することが可能である。

また、本実施形態の風環境評価方法では、予測した評価結果を、予め定めた基準に基づいてランク分けする。したがって、本実施形態の風環境評価方法は、対象建物及びその周辺の風の情報を容易に理解することが可能となる。

なお、この実施形態によって本発明は限定されるものではない。すなわち、実施形態の説明に当たって、例示のために特定の詳細な内容が多く含まれるが、当業者であれば、これらの詳細な内容に色々なバリエーションや変更を加えてもよい。

１…風環境学習装置
１０…過去データ取込部
２０…過去調査対象データ取込部
２１…過去調査対象ＣＡＤデータ取込部
２２…過去調査対象風情報取込部
２３…過去調査対象位置取込部
３０…過去調査結果データ取込部
３１…過去調査結果風速取込部
３２…過去調査結果ランク取込部
４０…機械学習部
５０…入力部
５１…ＣＡＤデータ入力部
５２…風情報入力部
５３…対象位置入力部
６０…出力部
６１…風速出力部
６２…ランク出力部
１００…風環境評価システム

Claims

過去の調査対象建物及びその周辺のＣＡＤデータを取り込む過去調査対象ＣＡＤデータ取込部、過去の調査対象建物及びその周辺の風データを取り込む過去調査対象風情報取込部、及び、過去の調査対象建物及びその周辺の位置データを取り込む過去調査対象位置取込部を有する過去調査対象データ取込部と、
過去の調査対象建物周辺の風向毎の風速比の分布を取り込む過去調査結果風速取込部、及び、過去の調査対象建物周辺の風環境をランク分けした結果を取り込む過去調査結果ランク取込部のうち、少なくとも１つを有する過去調査結果データ取込部と、
前記過去調査対象データ取込部が取り込んだ過去調査対象データと、前記過去調査対象データ取込部が取り込んだ過去調査対象データに対応する前記過去調査結果データ取込部が取り込んだ過去調査結果データと、から前記過去調査対象データと前記過去調査結果データとの関係を学習する機械学習部と、
を備える
ことを特徴とする風環境学習装置。
データを入力する入力部と、
前記入力部から送られたデータを機械学習により演算する請求項１に記載の機械学習部と、
前記機械学習部が演算した結果を出力する出力部と、
を備え、
前記入力部は、
対象建物及びその周辺のＣＡＤデータを入力するＣＡＤデータ入力部と、
前記対象建物及びその周辺の風データを入力する風情報入力部と、
前記対象建物の位置データを入力する対象位置入力部と、
を有し、
前記機械学習部は、前記入力部から入力されたデータに対して予め学習した機械学習に基づき演算を行い、前記対象建物及びその周辺の風環境を予測する
ことを特徴とする風環境評価システム。
前記機械学習部は、前記予測した風環境を、予め定めた基準に基づいてランク分けする
ことを特徴とする請求項２に記載の風環境評価システム。
過去の調査対象建物及びその周辺のＣＡＤデータ、過去の調査対象建物及びその周辺の風データ、及び、過去の調査対象建物及びその周辺の位置データを取り込む第１ステップと、
過去の調査対象建物周辺の風環境をランク分けした結果、及び、過去の調査対象建物周辺の風向毎の風速比の分布のうち、少なくとも１つを取り込む第２ステップと、
前記第１ステップで取り込んだ入力データと、前記第１ステップで取り込んだ過去調査対象データに対応する前記第２ステップで取り込んだ過去調査結果データと、から前記過去調査対象データと前記過去調査結果データとの関係を学習する第３ステップと、
を有する
ことを特徴とする風環境学習方法。
対象建物及びその周辺のＣＡＤデータを入力し、
前記対象建物周辺での風データを入力し、
前記対象建物及びその周辺の位置データを入力し、
入力された各データに対して請求項４に記載の風環境学習方法により学習した機械学習に基づき演算を行い、
演算した前記対象建物及びその周辺の風環境を予測した評価結果を出力する
ことを特徴とする風環境評価方法。
前記予測した評価結果を、予め定めた基準に基づいてランク分けする
ことを特徴とする請求項５に記載の風環境評価方法。