基于机器学习的规划方案智能生成方法及系统技术方案

一种基于机器学习的规划方案智能生成方法及系统，通过已标记的规划设计方案对模型的参数进行机器学习训练，得到生成模型G(z|y)；然后，将待规划区域数据z'输入该生成模型G(z|y)，运算获得待规划区域规划方案。所述待规划区域规划方案包括该区域的设计元素M、以及与该设计元素M对应的属性信息，可由图形处理软件渲染、编辑。本发明专利技术通过机器学习，在现有CAD图形处理软件的基础上，能够进一步实现智能规划设计。并且，结合对规划设计方案的综合评价，本发明专利技术还能够在使用过程中进一步优化训练获得的模型，进一步提高“批量化”的全自动的规划设计方案的质量。本发明专利技术保留有供设计人员操作的数据接口，设计人员能够通过该接口直接修改所述规划设计方案，效率更高。

【技术实现步骤摘要】
基于机器学习的规划方案智能生成方法及系统
本专利技术涉及地理信息应用/规划设计领域，尤其涉及一种区域用地规划方案自动生成方法及系统。
技术介绍
不论是城市还是乡村，其整体用地规划设计都对居民生活质量和生态环境有着十分密切的影响。我国幅员辽阔，各类地貌特征和人文因素均会左右规划设计的工作细节，对相关工作人员提出了很多的要求。随着信息化技术的来临，在新的时代背景下，各类计算机辅助设计软件对规划设计工作产生了深远的影响，极大地提升了工作人员的效率，也使得方案在协同创作与展示的环节上更加直观、生动。然而，现有辅助设计软件均局限于对规划设计细节图纸的辅助处理或渲染，而很少涉及对规划设计方案本身的分析。在这些信息技术的帮助下，虽然目前规划设计相关工作效率已经得以提升，但仍然存在一些亟待改进的环节。例如，设计人员工作中，大量存在着针对各类简单规划设计的重复性劳动。比如，针对特定地形地貌、针对某些特定规划设计需求等设计要素，设计人员很容易确定规划设计方案，但在依据该方案生成图纸时，仍然需要将现有的具体的规划设计方案进行相应调整才能够满足设计需求。这些调整过程往往比较机械，但仍然需要设计人员投入大量时间、精力。因此，目前急需一种智能化的系统，以人工智能的方式直接输出相应的规划设计方案，从而进一步提高设计人员的工作效率。
技术实现思路
现阶段，各类信息技术的成果，例如，遥感技术的不断提升使得工作人员可以快速准确地对被勘测区域加以了解，以实现全局上的统筹安排；在实际规划设计过程中，来源于各层面的丰富数据可为规划设计方案提供更精细化的功能支持；同时，计算机生成的各类基于二维，三维的方案能够更为直观地展示效果，使得各参与方可以直接看到规划设计成果，以便及时改正不合理的地方。通过将以上这些成果进行有机整合，本专利技术提供一种基于实景三维设计的协同规划方案智能生成方法及系统，该方法以规划设计过程中所产生的大量设计方案作为样本进行标注，将标注结果作为机器学习的参考依据，构建基于机器学习的人工智能网络，来实现自动化的区域用地规划及元素设计工作。并且，本专利技术还能够智能地实现对规划设计方案的评价，实现全流程规划设计任务的信息化处理。为了解决现有技术存在的不足，本专利技术的目的在于提供一种基于机器学习的规划方案智能生成方法，步骤包括：第一步，获取待规划区域数据z'，所述待规划区域数据z'融合有该区域的设计需求信息、地形地貌信息；第二步，将所述待规划区域数据z'输入至训练好的生成模型G(z|y)中进行前向传播运算，前向传播运算获得待规划区域规划方案；所述待规划区域规划方案包括该区域的设计元素M、以及与该设计元素M对应的属性信息；第三步，将所述设计元素M、以及与该设计元素M对应的属性信息通过数据接口输入至图形处理软件，建立模型图层、规划设计图层和自建图层，所述图形处理软件对所述各级模型图层、规划设计图层和自建图层进行渲染、编辑，形成方案预览文件，输出所述方案预览文件；其中，第二步中，所述生成模型根据以下步骤训练获得：步骤s1，对规划设计案例按照属性增加标注y，并将所述规划设计方案中评价为良好的规划设计区域x标注为正样本区域；将所述规划设计方案中评价为不足的规划设计区域x标注为负样本区域；获取随机生成数据样本，并标记为t＝0；将所述规划设计方案中的规划设计区域x标记为t＝1；所述t表示为属性标签；所述随机生成数据样本z服从指定要求的概率分布；步骤s2，将所述规划设计方案中的规划设计区域x按照固定尺寸进行分解；步骤s3，构建生成模型G(z|y)和鉴别模型D(x|y)，初始化生成对抗网络V(D,G)；步骤s4，保持所述生成模型G(z|y)中的参数不变，将一组随机生成数据样本z和其标注y输入至所述生成模型G(z|y)进行前向传播计算获得前向传播损失误差，根据鉴别模型的目标优化函数优化鉴别模型D(x|y)；其中，所述鉴别模型的目标优化函数为其中，表示对当前训练过程中的整体pdata(x)数据求损失函数；表示对当前训练过程中的整体pz(z)数据求损失函数；pdata(x)表示规划设计方案中各规划设计区域x的分布，为所述各规划设计区域x形成的集合；pz(z)表示随机生成数据样本z的分布，为所述各随机生成数据样本z形成的集合；步骤s5，保持鉴别模型D(x|y)中的参数不变，将一组规划设计区域x和其标注y输入至所述鉴别模型D(x|y)，根据生成模型的目标优化函数和步骤s4中前向传播计算获得的所述前向传播损失误差，进行反向传播计算，训练所述生成模型；其中，所述生成模型的目标优化函数步骤s6，重复所述步骤s4至步骤s5，直至所述生成模型G(z|y)和所述鉴别模型D(x|y)达到纳什均衡，输出此时的生成模型G(z|y)作为训练好的生成模型。如上所述的基于机器学习的规划方案智能生成方法，其中，所述第一步还包括对待规划区域数据z'进行分割或归一化处理的步骤，所述分割或归一化处理用以将所述待规划区域数据z'调整至适合所述生成模型G(z)运算的大小。如上所述的基于机器学习的规划方案智能生成方法，其中，所述第三步后，还包括第四步，评价所述待规划区域规划方案；具体步骤包括：步骤c1，根据该区域的设计需求信息确定至少一个一级评价指标，为每一个所述一级评价指标确定至少一个二级评价指标，并为每一个所述二级评价指标确定基于归一化数值的分值；步骤c2，根据设计规范库为每一个所述二级评价指标设定一个或多个基于模糊集原理的隶属度函数，其中，所述隶属度函数由地形地貌信息、设计元素M、以及与该设计元素M对应的属性信息共同构成；步骤c3，根据该区域的设计需求信息，将所述待规划区域规划方案所对应的地形地貌信息、设计元素M、以及与该设计元素M对应的属性信息带入到所述各隶属度函数，计算每一个二级评价指标、以及每一个一级评价指标的具体得分；步骤c4，修正所述各二级评价指标、各一级评价指标的具体得分的权重；累加修正后的得分，输出修正后的得分和/或二级评价指标和/或一级评价指标的具体得分。根据规划设计需求和风格，专家知识库为各级评价指标提供模糊综合权重，用以衡量各指标在评价过程中的重要性程度。如上所述的基于机器学习的规划方案智能生成方法，其中，所述第四步后，还包括第五步，更新所述生成模型G(z)；具体步骤包括：步骤d1，根据所述修正后的得分和/或二级评价指标和/或一级评价指标的具体得分对所述已规划区域规划方案进行分类，分别标注为正样本或负样本；步骤d2，对所述步骤d1中标注的正样本或负样本进行所述步骤s2至步骤s6；步骤d3，以所述步骤d2获得的所述生成模型G(z)更新所述训练好的生成模型。如上所述的基于机器学习的规划方案智能生成方法，其中，所述地形地貌信息M包括但不限于DEM、DOM、DRG、DLG等数字地图模型信息。其中，DRG表示数字栅格地图是纸制地形图的栅格形式的数字化产品；可作为背景与其他空间信息相关，用于数据采集、评价与更新，与DOM、DEM集成派生出新的可视信息。DLG表示数字线划地图，是现有地形图上基础地理要素分层存储的矢量数据集；数字线划图既包括空间信息也包括属性信息，可用于建设规划、资源管理、投资环境分析等各个方面以及作为人口、资源、环境、交通、治安等各专业信息系统的空间定位基础。DEM表示数本文档来自技高网...

【技术保护点】
1.一种基于机器学习的规划方案智能生成方法，其特征在于，步骤包括：第一步，获取待规划区域数据z'，所述待规划区域数据z'融合有该区域的设计需求信息、地形地貌信息；第二步，将所述待规划区域数据z'输入至训练好的生成模型G(z|y)中进行前向传播运算，前向传播运算获得待规划区域规划方案；所述待规划区域规划方案包括该区域的设计元素M、以及与该设计元素M对应的属性信息；第三步，将所述设计元素M、以及与该设计元素M对应的属性信息通过数据接口输入至图形处理软件，建立模型图层、规划设计图层和自建图层，所述图形处理软件对所述各级模型图层、规划设计图层和自建图层进行渲染、编辑，形成方案预览文件，输出所述方案预览文件；其中，第二步中，所述生成模型根据以下步骤训练获得：步骤s1，对规划设计案例按照属性增加标注y，并将所述规划设计方案中评价为良好的规划设计区域x标注为正样本区域；将所述规划设计方案中评价为不足的规划设计区域x标注为负样本区域；获取随机生成数据样本，并标记为t＝0；将所述规划设计方案中的规划设计区域x标记为t＝1；所述t表示为属性标签；所述随机生成数据样本z服从指定要求的概率分布；步骤s2，将所述规划设计方案中的规划设计区域x按照固定尺寸进行分解；步骤s3，构建生成模型G(z|y)和鉴别模型D(x|y)，初始化生成对抗网络V(D,G)；步骤s4，保持所述生成模型G(z|y)中的参数不变，将一组随机生成数据样本z和其标注y输入至所述生成模型G(z|y)进行前向传播计算获得前向传播损失误差，根据鉴别模型的目标优化函数优化鉴别模型D(x|y)；其中，所述鉴别模型的目标优化函数为...

【技术特征摘要】
1.一种基于机器学习的规划方案智能生成方法，其特征在于，步骤包括：第一步，获取待规划区域数据z'，所述待规划区域数据z'融合有该区域的设计需求信息、地形地貌信息；第二步，将所述待规划区域数据z'输入至训练好的生成模型G(z|y)中进行前向传播运算，前向传播运算获得待规划区域规划方案；所述待规划区域规划方案包括该区域的设计元素M、以及与该设计元素M对应的属性信息；第三步，将所述设计元素M、以及与该设计元素M对应的属性信息通过数据接口输入至图形处理软件，建立模型图层、规划设计图层和自建图层，所述图形处理软件对所述各级模型图层、规划设计图层和自建图层进行渲染、编辑，形成方案预览文件，输出所述方案预览文件；其中，第二步中，所述生成模型根据以下步骤训练获得：步骤s1，对规划设计案例按照属性增加标注y，并将所述规划设计方案中评价为良好的规划设计区域x标注为正样本区域；将所述规划设计方案中评价为不足的规划设计区域x标注为负样本区域；获取随机生成数据样本，并标记为t＝0；将所述规划设计方案中的规划设计区域x标记为t＝1；所述t表示为属性标签；所述随机生成数据样本z服从指定要求的概率分布；步骤s2，将所述规划设计方案中的规划设计区域x按照固定尺寸进行分解；步骤s3，构建生成模型G(z|y)和鉴别模型D(x|y)，初始化生成对抗网络V(D,G)；步骤s4，保持所述生成模型G(z|y)中的参数不变，将一组随机生成数据样本z和其标注y输入至所述生成模型G(z|y)进行前向传播计算获得前向传播损失误差，根据鉴别模型的目标优化函数优化鉴别模型D(x|y)；其中，所述鉴别模型的目标优化函数为其中，表示对当前训练过程中的整体pdata(x)数据求损失函数；表示对当前训练过程中的整体pz(z)数据求损失函数；pdata(x)表示规划设计方案中各规划设计区域x的分布，为所述各规划设计区域x形成的集合；pz(z)表示随机生成数据样本z的分布，为所述各随机生成数据样本z形成的集合；步骤s5，保持鉴别模型D(x|y)中的参数不变，将一组规划设计区域x和其标注y输入至所述鉴别模型D(x|y)，根据生成模型的目标优化函数和步骤s4中前向传播计算获得的所述前向传播损失误差，进行反向传播计算，训练所述生成模型；其中，所述生成模型的目标优化函数步骤s6，重复所述步骤s4至步骤s5，直至所述生成模型G(z|y)和所述鉴别模型D(x|y)达到纳什均衡，输出此时的生成模型G(z|y)作为训练好的生成模型。2.如权利要求1所述的基于机器学习的规划方案智能生成方法，其特征在于，所述第一步还包括对待规划区域数据z'进行分割或归一化处理的步骤，所述分割或归一化处理用以将所述待规划区域数据z'调整至适合所述生成模型G(z)运算的大小。3.如权利要求1所述的基于机器学习的规划方案智能生成方法，其特征在于，所述第三步后，还包括第四步，评价所述待规划区域规划方案；具体步骤包括：步骤c1，根据该区域的设计需求信息确定至少一个一级评价指标，为每一个所述一级评价指标确定至少一个二级评价指标，并为每一个所述二级评价指标确定基于归一化数值的分值；步骤c2，根据设计规范库为每一个所述二级评价指标设定一个或多个基于模糊集原理的隶属度函数，其中，所述隶属度函数由地形地貌信息、设计元素M、以及与该设计元素M对应的属性信息共同构成；步骤c3，根据该区域的设计需求信息，将所述待规划区域规划方案所对应的地形地貌信息、设计元素M、以及与该设计元素M对应的属性信息带入到所述各隶属度函数，计算每一个二级评价指标、以及每一个一级评价指标的具体得分；步骤c4，修正所述各二级评价指标、各一级评价指标的具体得分的权重；累加修正后的得分，输出修正后的得分和/或二级评价指标和/或一级评价指标的具体得分。4.如权利要求3所述的基于机器学习的规划方案智能生成方法，其特征在于，所述第四步后，还包括第五步，更新所述生成模型G(z)；具体步骤包括：步骤d1，根据所述修正后的得分和/或二级评价指标和/或一级评价指标的具体得分对所述已规划区域规划方案进行分类，分别标注为正样本或负样本；步骤d2，对所述步骤d1中标注的正样本或负样本进行所述步骤s2至步骤s6；步骤d3，以所述步骤d2获得的所述生成模型G(z)更新所述训练好的生成模型。5.如权利要求1至4所述的基于机器学习的规划方案智能生成方法，其特征在于，所述地形地貌信息包括但不限于DEM、DOM、DRG、DLG等数字地图模型信息。6.一种基于机器学习的规划方案智能生成系统，其特征在于，包括：综合展示平台、智能设计模块和方案评价模块；所述智能设计模块的输入端接收待规划区域数据z'，所述智能设计模块的输出端连接所述综合展示平台的输入端；所述...

【专利技术属性】
技术研发人员：郑颖尔，
申请(专利权)人：郑颖尔，
类型：发明
国别省市：北京,11