智慧城市建设中建筑物数据库的设计

随着经济的飞速发展、城市化的不断推进,以及城市数量的增加和质量的提高,建设智慧城市已成为城市发展的必由之路,而建筑物管理是其核心建设内容之一。本文提出了一种建筑物数据库建设研究方案,讨论了建筑物数据库数据内容、数据库逻辑结构及物理结构设计,此外还对具体数据库系统分析设计方案进行了进一步论述,以供相关研究人员参考、讨论。

基于GIS的三维建筑物数据库设计

城市建筑物三维建模是虚拟城市建设的关键技术之一。目前广泛采用的建筑物建模是表面模型,不能满足相关联数据承载和空间查询分析功能需求。从真三维GIS相关概念出发,采用语义-几何-拓扑相结合方式定义建筑物模型,并根据三维建筑物数据库的特征,对建筑物数据库的建设原则、建设方案等问题进行了讨论。

智慧城市建设中建筑物数据库的设计

城市化发展速度加快,智慧城市建设成为土地整治项目的重要内容之一。笔者从构建智慧城市建筑物数据库的重要性入手,对其数据库的设计进行探讨。

基于3D建筑物数据的天空开阔度估算及其城市热岛应用研究——以Adelaide为例

城市热岛效应(Urban Heat Island,UHI)越来越受关注,城市冠层之间的辐射传输和交换受到周围建筑物阻挡,是城市热岛现象产生的重要原因之一。天空开阔度是描述天空被建筑物阻挡程度的形态学参数,经常被用于城市热岛现象研究中。以澳大利亚Adelaide中心城区为研究区,基于高分辨率的3D建筑物数据计算天空开阔度(SVFs),并与鱼眼技术方法计算的SVFfish-eye值进行对比,在此基础上分析了不同季节、不同时刻的SVFs与城市热岛强度之间的相关关系。结果表明:SVFs与SVFfish-eye非常吻合,二者之间的相关系数为0.97;SVF和UHII(城市热岛效应强度)在无雨天气下的夜间都呈显著线性负相关,在夏季、秋季和冬季的中午附近,两者呈明显的线性正相关,而在春季的中午附近,两者的线性正相关不明显;对于晴天、阴天和雨天3种天气来说,SVF和UHII在夜晚的负相关性差别不大;在白天,晴天的正相关性大于阴天和雨天。

智慧城市建筑物数据库建设及应用——以南京市建邺区为例

为了满足智慧城市建设和城镇精细化管理的需要,该文对建筑物数据标准、数据采集规范进行了研究,对建筑物实体数据模型、数据分类、编码、采集更新方法、数据库建设和应用、建筑物地理信息服务进行了实践,研发了“智慧建邺建筑物数据库综合应用系统”,并将建筑物基础数据库与财税、人口和物业管理数据进行了关联和挂接,进一步验证和提升了数据库建设的合理性。

基于半监督学习的三维Mesh建筑物立面提取与语义分割方法

面向三维Mesh数据的建筑物立面自动提取与语义分割在智慧城市建模与分析、数字孪生城市、城市规划建设等领域中应用广泛。拟基于深度学习方法构建面向三维Mesh数据的建筑物立面语义分割模型。当前,大量基于卷积神经网络的深度学习模型均是全监督学习方法,其性能严重依赖于人工标注的训练集质量。但高质量的Mesh三维场景人工标注数据集昂贵且稀缺,鉴于此,在自动提取建筑物立面数据的基础上,提出一种基于mean-teacher半监督学习的三维建筑物立面语义分割方法,并引入特征空间关系正则化,结合空间和特征方面的邻域结构,利用无标签数据来提升模型分类精度。构建了一个全新的基于三维Mesh数据的建筑物立面数据集,并通过实验验证了提出方法的有效性和可用性。

基于注意力机制与DUsamplingU-Net网络的建筑物提取

针对常用语义分割模型因神经元接受域大小固定导致特征提取不充分、双线性上采样无法精确恢复像素级预测等问题,提出基于卷积核注意力机制和DUsampling(data-dependent upsampling)的卷积神经网络改进算法。算法引入卷积核注意力机制,利用选择性卷积核提取图像整体与局部细节特征,加强网络对建筑物特征的学习能力;在合并特征图之前将待融合的特征向下采样到特征图最低分辨率,通过DUpsampling分割标签空间的冗余准确地恢复像素级的预测;最后,结合卷积核注意力机制与DUpsampling构建SD-Unet模型,并在WHU数据集上进行验证。结果表明,该模型在交并比、总体精度、精确度、召回率以及F1分数上达到最优,分别为76.25%、98.86%、86.13%、87.07%和85.85%。SD-Unet模型加强网络对建筑物特征的学习能力及准确恢复特征图像素级的预测,比传统网络模型具有更好的分类性能和分类准确率。

利用矢量数据构建房屋三维单体模型技术方法研究

本文利用建筑物矢量数据,对实际应用过程中4种单体类型进行分类,用数字地面模型与数字高程模型通过一定算法,计算出建筑物总高度,利用层高和房屋结构,对其进行分类赋值,对底商、整幢建筑建立单体、规则商品(办公楼)自动化分层建立单体模型。

出租车OD序列聚类的城市功能区识别算法研究

提出一种由添加窗口约束的规整路径距离改进的K中心聚类算法(LDTW-K-medoids),通过构造时间序列、动态时间规整、时间序列聚类、聚类结果解读的流程来识别城市功能区。将算法应用在纽约市城市功能区识别中,对50万条出租车OD数据进行处理,将265个交通小区划分为五大功能区,并结合出租车全局流动模式、建筑物面积指数和富集指数来定量识别功能性质。与谷歌地图和卫星影像对比的结果表明,算法能够有效识别城市功能区,总体精度为83.8%。

基于灰色神经网络算法的测量数据处理

本文研究了灰色神经网络的建模原理,然后通过GM(1,1)模型和等维新息灰色神经网络模型计算建筑物沉降观测数据,包括等间距时间数据序列和非等间距时间数据序列,分析试验结果,灰色神经网络模型的结果精度高于灰色理论模型的精度。

数字近景摄影测量辅助三维激光影像扫描的建筑物表面数据采集系统

根据三维激光影像扫描技术和数字近景摄影测量的特点,以完整地采集复杂建筑物表面的三维坐标数据为目标,提出数字近景摄影测量与三维激光影像扫描测量相结合进行建筑物表面的三维点的采集方案,并根据设计方案和数学模型编制相关程序,初步实现相应的数据采集步骤。

面向三维建筑物可视化管理的角色权限设计与实现

阐述智慧城市的发展推动了各行业面向三维建筑物信息数据细粒度访问操作管理的需求,针对三维模型信息管理、数据安全保障的问题,设计一种融合建筑物管理的角色权限控制模型,通过三维可视化管理平台实现融合建筑物管理的角色权限分级配置、信息数据访问管理,为多粒度场景下三维建筑物信息数据管理提供参考案例。

城市空间形态学参数与晴好天气下热岛强度关系

以澳大利亚阿德莱德中心城区为研究区,基于高分辨率城市三维建筑物数据计算得到天空开阔度(sky view factor,SVF)与迎风面积指数(frontal area index,FAI),并将其与晴好天气下四季的城市热岛强度进行相关性分析。结果表明:晴好天气下,阿德莱德城市热岛强度(urban heat island intensity,UHII)在2010—2011年四季均呈现出夜间强、白天弱的变化特征。SVF与UHII在夜间呈显著线性负相关,白天呈线性正相关;而FAI与UHII在四季的夜间和早晨时段呈对数关系,白天呈线性负相关。SVF和FAI对不同季节、不同时刻的城市热岛影响不同,在不同空间尺度下的适用性也存在差异,SVF在不同空间尺度下适用性更强。

2.5维地图制作算法研究与实现

随着网络技术图形学技术地理信息技术的不断发展与普及三维GIS与webGIS已经成为地理信息系统行业的主流发展方向。但基于成本、技术等诸多因素的限制,两者尚未广泛结合运用与GIS产品中。论文提供一套基于SHP文件的2.5维建筑物数据生产方案,以将低B/S系统三维可视化的技术难度与生产成本,填补当前GIS市场中相关产品的空缺。

基于特征压缩激活Unet网络的建筑物提取

自动提取城市建筑物对城市规划、防灾避险等行业应用具有重要意义,当前利用高空间分辨率遥感影像进行建筑物提取的卷积神经网络在网络结构和损失函数上都存在提升的空间。本研究提出一种卷积神经网络SE-Unet,以U-Net网络结构为基础,在编码器内使用特征压缩激活模块增加网络特征学习能力,在解码器中复用编码器中相应尺度的特征实现空间信息的恢复;并使用dice和交叉熵函数复合的损失函数进行训练,减轻了建筑物提取任务中的样本不平衡问题。实验采用了Massachusetts建筑物数据集,和SegNet、LinkNet、U-Net等模型进行对比,实验中SE-Unet在准确度、召回率、F1分数和总体精度4项精度指标中表现最优,分别达到0.8704、0.8496、0.8599、0.9472,在测试影像中对大小各异和形状不规则的建筑物具有更好的识别效果。