【技术实现步骤摘要】
本专利技术属于城市规划领域，具体涉及一种基于进化模型的街区布局智能生成方法与系统。
技术介绍
1、街区作为建筑与城市关系的中介，是城市中承载社会、经济、文化等活动的场所实体形态。一方面，随着城市转向高质量发展，街区形态布局的合理性得到重视，目前常见的街区形态布局方法是通过人工进行街区形态生成，存在人脑判断、评判标准不一且主观性强、人力投入大等问题，体现为设计师的价值导向。另一方面，随着人工智能的发展、新的城市形态学方法涌现带来的技术革新，能够初步实现通过搭载数学模型的计算机工具对街区形态进行图像识别和机器学习，以实现街区形态布局的自动生成。然而目前的布局方法只能通过现有街区形态进行衍生和转译，忽略了控制街区形态复杂性的空间机制和区域关联性，存在街区形态可变性差、易导致风貌单一、千城一面等问题。基于现有经验的街区布局具有延时性和低效性，缺乏对方案选择和迭代优化的评判标准，无法达到对最优城市街区形态布局方案生成的精准把控。
2、街区布局智能生成对于实时生成和调整街区布局方案具有重大意义，能够解决传统街区布局中人力投入大、工作周期长、成果不可控、判断主观性大等多方面问题，因此有必要研究街区布局智能生成方法，以辅助规划师对街区布局方案进行快速、准确、高效的生成、研判和反馈调整。
技术实现思路
1、专利技术目的：针对现有技术存在的问题，本专利技术的目的在于提供一种基于进化模型的街区布局智能生成方法与系统，通过对案例街区布局结构进行量化分析和分类，使用进化模型自动生成多个待设计街区
2、技术方案：本专利技术的目的可以通过以下技术方案实现：一种基于进化模型的街区布局智能生成方法，包括以下步骤：
3、步骤s1：获取待设计街区的边界数据和案例街区数据，识别案例街区的绿地、广场和建筑群区域，存储为布局面域数据；
4、步骤s2：根据案例街区面域的临接关系，将布局面域数据转置为布局拓扑数据，拓扑数据包括点的位置信息、面积信息，点和点之间的连接关系信息；构建特征指标计算模型，进行布局拓扑数据的特征指标计算，包括节点总面积大小、街区形状指数、节点规模差异程度、网络密度和平均度；根据总体特征指标，进行待设计街区布局匹配；
5、步骤s3：分别对总面积大小、节点规模差异程度、网络密度、平均度中的三个或四个指标进行聚类，根据聚类结果进行等级设定，并形成不同的街区布局类型；将各类聚类结果的指标平均值作为拓扑数据生成街区布局的拓扑图，并输出到地理信息平台进行可视化展示，由设计师选择和调整待设计街区的布局类型；
6、步骤s4：根据设计师选择的街区布局类型，随机匹配布局拓扑数据并置入设计边界中；拓扑节点进行随机位移和膨胀，形成预设数量的随机拓扑样本作为初始样本库；计算节点规模差异程度和网络密度，并比较与所选类型平均指标的偏离程度，选取偏离程度最低的前预设数量或比例的样本作为父代样本，通过进化算法对父代样本进行节点位移和缩放，形成新的子代样本；将子代样本增补进初始样本库中并迭代预设次数，选取最后一轮迭代时产生的父系样本作为最终的街区布局方案。
7、作为优选，案例街区数据为案例街区的卫星影像或无人机航拍影像，通过图像识别算法识别案例街区的绿地、广场和建筑群区域。
8、作为优选，所述布局拓扑数据，绿地、广场、建筑群分别为不同颜色的点状信息，所述点为面域的中心点。
9、作为优选，所述街区形状指数指标公式如下：
10、
11、其中，l为街区外接矩形的最长边的长度，w为街区外接矩形最短边的长度；
12、所述节点规模差异程度指标公式如下：
13、
14、其中，n为街区内要素的数量，xi为街区内某一要素i的面积，为街区内所有要素面积的平均值；
15、所述网络密度指标公式如下：
16、
17、其中，m为拓扑分析中邻接的点之间直线的数量
18、所述平均度指标公式如下：
19、
20、其中，nb为网络中建筑群要素的数量，ki为网络中与建筑群要素i直接相连的边的数量。
21、作为优选，所述待设计街区布局匹配，指计算案例街区和待设计街区的总体特征指标的相似性指标，选取相似性指标值最小的案例街区和待设计街区进行匹配，所述相似性指标计算公式如下：
22、s＝|ai-at|+|ari-art|
23、其中，ai为案例街区i的总面积，at为待设计街区的总面积，ari为案例街区i的街区形状指数，art为待设计街区的街区形状指数。
24、作为优选，所述步骤s3中分别对节点总面积大小、节点规模差异程度、网络密度三个指标街区拓扑图特征指标计算结果进行k-means聚类，在进行k-means聚类时，聚类数设置为2；根据聚类结果对三个指标进行等级设定：
25、(1)节点总面积大小：取节点总面积大小聚类结果中数值较小aa和数值较大ab，将节点总面积大小划定为小街区、中街区和大街区三个等级；定义街区x的节点总面积大小为ax：当0＜ax≤aa时，将街区x划定为小街区；当aa＜ax＜ab时，将街区x划定为中街区；当ax≥ab时，将街区x划定为大街区；
26、(2)节点规模差异程度：取节点规模差异程度聚类结果中数值较小ba和数值较大bb，将节点规模差异程度划定为低规模差异、中规模差异和高规模差异三个等级；定义街区x的节点规模差异程度大小为bx：当bx≤ba时，将街区x划定为低规模差异；当ba＜bx＜bb时，将街区定义为中规模差异；当bx≥bb时，将街区x划定为高规模差异；
27、(3)网络密度：取网络密度聚类结果中数值较小ca和数值较大cb，将网络密度划定为低网络联系、中网络联系和高网络联系三个等级；定义街区x的网络密度大小为cx：当cx≤ca时，将街区x划定为低网络联系；当ba＜bx＜bb时，将街区x定义为中网络联系；当cx≥cb时，将街区x划定为高网络联系；
28、根据等级划定结果，将三个指标等级同时满足“中街区、低规模差异、高网络联系”的街区划定为商务研发型街区；将三个指标等级同时满足“小街区、中规模差异、低网络联系”的街区划定为孵化服务型街区；将三个指标等级同时满足“大街区、高规模差异、中网络联系”的街区划定为工业智造型街区。
29、作为优选，所述步骤s3中，将获取的三类街区布局类型各自的节点总面积大小的指标平均值节点规模差异程度的指标平均值网络密度的指标平均值输入地理信息平台，采用雷达图展示平均值，并将三类街区布局类型各指标的平均值作为布局拓扑数据生成拓扑图，输入至地理信息平台并进行可视化展示，由设计师选择待设计街区的布局拓扑类型。
30、作为优选，所述随机位移和膨胀时，获取拓扑节点的位置信息geo(xn，yn)、拓扑节点东西向总长度we以及拓扑节点的南北向总长度ns，其中，拓扑节点初始集合m1表示为：
31、m1＝{t1，t2，…，tn本文档来自技高网...
【技术保护点】
1.一种基于进化模型的街区布局智能生成方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种基于进化模型的街区布局智能生成方法，其特征在于，案例街区数据为案例街区的卫星影像或无人机航拍影像，通过图像识别算法识别案例街区的绿地、广场和建筑群区域。
3.根据权利要求1所述的一种基于进化模型的街区布局智能生成方法，其特征在于，所述布局拓扑数据，绿地、广场、建筑群分别为不同颜色的点状信息，所述点为面域的中心点。
4.根据权利要求1所述的一种基于进化模型的街区布局智能生成方法，其特征在于，所述街区形状指数指标公式如下：
5.根据权利要求1所述的一种基于进化模型的街区布局智能生成方法，其特征在于，所述待设计街区布局匹配，指计算案例街区和待设计街区的总体特征指标的相似性指标，选取相似性指标值最小的案例街区和待设计街区进行匹配，所述相似性指标计算公式如下：
6.根据权利要求1所述的一种基于进化模型的街区布局智能生成方法，其特征在于，所述步骤S3中分别对节点总面积大小、节点规模差异程度、网络密度三个指标街区拓扑图特征指标计算结果进
7.根据权利要求1所述的一种基于进化模型的街区布局智能生成方法，其特征在于，所述步骤S3中，将获取的三类街区布局类型各自的节点总面积大小的指标平均值节点规模差异程度的指标平均值网络密度的指标平均值输入地理信息平台，采用雷达图展示平均值，并将三类街区布局类型各指标的平均值作为布局拓扑数据生成拓扑图，输入至地理信息平台并进行可视化展示，由设计师选择待设计街区的布局拓扑类型。
8.根据权利要求1所述的一种基于进化模型的街区布局智能生成方法，其特征在于，所述随机位移和膨胀时，获取拓扑节点的位置信息Geo(XN，YN)、拓扑节点东西向总长度WE以及拓扑节点的南北向总长度NS，其中，拓扑节点初始集合M1表示为：
9.根据权利要求1所述的一种基于进化模型的街区布局智能生成方法，其特征在于，所述进化算法中父代样本选取方法具体为：计算初始样本库的第t个方案节点规模差异程度Bt和网络密度Ct，与所选布局类型的节点规模差异程度平均指标的偏离程度Ubt，以及与所选布局类型的网络密度平均指标的偏离程度Uct，计算方式如下：
10.一种计算机系统，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1-9任一项所述的基于进化模型的街区布局智能生成方法的步骤。
...【技术特征摘要】
1.一种基于进化模型的街区布局智能生成方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种基于进化模型的街区布局智能生成方法，其特征在于，案例街区数据为案例街区的卫星影像或无人机航拍影像，通过图像识别算法识别案例街区的绿地、广场和建筑群区域。
3.根据权利要求1所述的一种基于进化模型的街区布局智能生成方法，其特征在于，所述布局拓扑数据，绿地、广场、建筑群分别为不同颜色的点状信息，所述点为面域的中心点。
4.根据权利要求1所述的一种基于进化模型的街区布局智能生成方法，其特征在于，所述街区形状指数指标公式如下：
5.根据权利要求1所述的一种基于进化模型的街区布局智能生成方法，其特征在于，所述待设计街区布局匹配，指计算案例街区和待设计街区的总体特征指标的相似性指标，选取相似性指标值最小的案例街区和待设计街区进行匹配，所述相似性指标计算公式如下：
6.根据权利要求1所述的一种基于进化模型的街区布局智能生成方法，其特征在于，所述步骤s3中分别对节点总面积大小、节点规模差异程度、网络密度三个指标街区拓扑图特征指标计算结果进行k-means聚类，在进行k-means聚类时，聚类数设置为2；根据聚类结果对三个指标进行等级设定：
7.根据权利要求1所述...
【专利技术属性】
技术研发人员：杨俊宴，邵典，盛华星，娄莺，周智健，史宜，章飙，
申请(专利权)人：东南大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。