基于多目标遗传算法的街区建筑体量智能生成方法与系统 专利技术说明

计算;推算;计数设备的制造及其应用技术1.本发明涉及城市规划技术领域，具体为基于多目标遗传算法的街区建筑体量智能生成方法与系统。背景技术：2.街区建筑体量生成是城市设计工作中的核心工作之一，是城市设计塑造城市形态的最直接方法。良好的街区建筑形态能在经济效益、生态效益、低碳效益等层面达到最优，不仅可以使城市设计方案更加科学合理，还可以使城市未来的建成环境更加良好，保障了城市设计方案后续的深化落地。传统的街区建筑体量设计并不能将多效益目标进行统筹考虑，且缺乏量化数据支撑，也无法结合目标指标对局部形态进行调整。技术实现要素：3.(一)解决的技术问题4.针对现有技术的不足，本发明提供了基于多目标遗传算法的街区建筑体量智能生成方法与系统，解决了传统的街区建筑体量设计并不能将多效益目标进行统筹考虑，且缺乏量化数据支撑，也无法结合目标指标对局部形态进行调整放入问题。5.(二)技术方案6.为实现以上目的，本发明通过以下技术方案予以实现：7.第一方面，提供了一种基于多目标遗传算法的街区建筑体量智能生成方法，包括：8.将采集的目标街区所在城市的街区矢量数据和目标街区所在城市政策标准数据进行格式统一化处理；9.通过处理的目标街区所在城市的街区矢量数据和目标街区所在城市政策标准数据，进行经济效益、热岛效应、建筑能耗三类目标价值导向的街区建筑生成规则编码；10.依据街区建筑生成规则编码，以经济效益最高、热岛效应最小和建筑能耗最小为目标函数，建立建筑体量多目标最优化模型；并通过处理的目标街区所在城市政策标准数据，分别确定经济效益、热岛效应以及建筑能耗模型中优化变量的边界条件；11.采用遗传算法求解所建立的建筑体量多目标最优化模型；12.将求解的方案进行数据输出与交互展示。13.优选的，所述将采集的目标街区所在城市的街区矢量数据和目标街区所在城市政策标准数据进行格式统一化处理，具体包括：14.通过openstreetmap开放数据平台获取目标街区所在城市的街区用地矢量数据，通过百度开放数据平台，获取目标街区所在城市的政策和标准数据；15.将采集的目标街区所在城市的街区矢量数据输入地理信息平台中，通过格式转换工具将上述相关基地数据格式统一转化为shapefile，并通过用地矢量数据与建筑矢量数据计算出各街区的容积率数据与绿地率数据，对数据进行量纲与坐标的统一并集成到优立全息沙盘中，通过空间对位构建所在城市的街区数字沙盘；16.所述目标街区所在城市的街区矢量数据，包括地块数据与建筑数据，数据格式为shapefile格式；其中，地块数据包含用地类型信息、地理坐标信息、地块面积信息和地块形状信息；其中，建筑数据包含建筑功能信息、建筑层数信息、建筑高度信息、建筑形状信息和建筑位置信息；所述所在城市的政策和标准数据包括目标街区所在城市的房地产估价规范、城市热岛强度等级和建筑能耗标准。17.优选的，所述各街区的容积率数据与绿地率数据的计算，具体为：18.各街区容积率计算公式为：19.fi＝si1hi1+si2hi2+...+sinhin/s20.其中，fi表示因变量各街区容积率，sin表示街区内建筑单体建筑形状的面积，hin表示街区内单体建筑的层数，s表示街区地块面积；21.各街区绿地率计算公式为：22.gi＝si1+si2+...+sin/s23.其中，gi表示因变量各街区绿地率，sin表示街区内各g1类用地和e1类用地面积，s表示街区地块面积。24.优选的，所述通过处理的目标街区所在城市的街区矢量数据和目标街区所在城市政策标准数据，进行经济效益、热岛效应、建筑能耗三类目标价值导向的街区建筑生成规则编码，具体包括：25.指根据经济效益、热岛效应、建筑能耗三类目标价值导向，通过采集处理的目标街区所在城市的街区矢量数据和目标街区所在城市政策标准数据，进行作用于街区建筑生成的经济效益规则编码、热岛效应规则编码和建筑能耗规则编码；26.所述经济效益规则编码的计算公式为：27.yi＝((αi1ui1vi1+αi2ui2vi2+…+αinuinvin)-(αi1xi1+αi2xi2+…+αinxin))+εi)/(αi1xi1+αi2xi2+…+αinxin)28.其中，yi表示因变量经济指标，αi表示街区内用地地块面积，ui表示用地地块容积率，vi表示用地地块单位建筑面积估价，xi表示街区内用地地块单位面积估价，εi表示政策和标准的经济影响；29.热岛效应由街区内的平均天空视角系数、绿地率以及当地城市气候系数决定，所述热岛效应规则编码的计算公式为：[0030][0031]其中，yi表示因变量热岛效应指标，βi表示第i种用地类型占街区用地总面积的比值，δp表示第p个方位角时的影响地形高度角，n表示街区内计算的方位角数目，fi，veg表示街区内用地的绿地率，？表示所在城市的热岛强度系数；[0032]所述建筑能耗规则编码的计算公式为：[0033]yi＝((αi1ui1μi1+αi2ui2μi2+...+αinuinμin)-(αi1γi1+αi2γi2+...+αinγin))/(αi1γi1+αi2γi2+...+αinγin)[0034]其中，yi表示因变量建筑能耗指标，αi表示街区内用地地块面积，ui表示用地地块容积率，μi表示用地地块单位建筑面积全年总能耗，γi表示街区内用地地块的用地类型在当地城市中单位用地面积全年总能耗的平均值。[0035]优选的，所述建筑体量多目标最优化模型具体为：[0036][0037]根据经济效益最高、热岛效应最小和建筑能耗最低的规划目标，其中，f1表示目标街区的经济效益，取最大值为优；f2表示目标街区的热岛效应，取最小值为优；f3表示目标街区的建筑能耗，取最小值为优；[0038]所述边界条件包括用地地块容积率ui的边界和目标街区用地的绿地率fi，veg的边界；[0039]所述用地地块容积率ui的边界为：[0040]0≤ui≤ui，max[0041]其中，ui，max表示当地规划部门对第i街区的最大容积率限制；[0042]所述目标街区用地的绿地率fi，veg的边界为：[0043]fi，veg，min≤fi，veg≤fi，veg，max[0044]其中，fi，veg，min表示当地规划部门对第i街区的最小绿地率限制，fi，veg，max表示当地规划部门对第i街区的最大绿地率限制。[0045]优选的，所述采用遗传算法求解所建立的建筑体量多目标最优化模型，具体包括：[0046]每个建筑体量对应一条染色体，任意设定染色体数量n，在目标街区中随机产生n个染色体形成的初始种群，根据遗传规则对其中的染色体进行交叉、变异，产生子代种群，计算子群的多目标优化指数，若三目标均达到最优值即获得最优体量布局方案，若否则继续迭代至300次，将其中多目标优化指数最高的方案作为最优方案；[0047]通过快速排序方法对初始种群进行非支配排序，得到种群的非支配层级关系；[0048]将交叉、变异后的子代种群和初始的父代子群进行合并，对合并后的种群进行非支配排序，计算其中各染色体的拥挤度和适应度；[0049]在合并后种群中优先选择拥挤距离大的染色体放入非支配集，在拥挤距离相同时选择适应度高的染色体放入，得到与初始染色体数量一致的新的种群。[0050]优选的，所述将求解的方案进行数据输出与交互展示，具体包括：[0051]将最优方案输出至3d全息沙盘进行展示，通过手势指令对建筑体量进行局部调整优化后进行输出，输出形式为dwg格式包含建筑体量高度信息的总平面图；[0052]所述通过手势指令对建筑体量进行局部调整优化具体为：[0053]操作者通过佩戴全角度的vrtrix数据手套和vr眼镜，任意选中某一建筑体块进行“上、下、左、右”的推拉操作，点击指标计算即可显示该体块调整后的经济效益、热岛效应及建筑能耗指标，同时更新目标街区的整体指标。[0054]第二方面，提供了一种基于多目标遗传算法的街区建筑体量智能生成系统，所述系统包括：[0055]数据输入与标准化模块，用于获取并处理目标街区所在城市的街区矢量数据以及政策标准数据，所述目标街区为需要生成建筑体量的街区；[0056]多目标生成规则编码模块，用于依据处理后的数据，建立经济效益、热岛效应、建筑能耗三类目标价值导向的街区建筑生成规则编码；[0057]建立建筑体量多目标最优化模型模块，用于根据三类规则编码建立建筑体量多目标最优化模型，并确定边界条件；[0058]采用遗传算法求解模块，用于通过遗传算法对建筑体量布局方案的三类目标进行迭代计算，直至三类目标均达到最优值即为最优方案；[0059]数据输出与交互展示模块，用于将最优方案进行3d展示、调整优化并输出。[0060]第三方面，提供了一种存储一个或多个程序的计算机可读存储介质，所述一个或多个程序包括指令，所述指令当由计算设备执行时，使得所述计算设备执行所述的方法中的任一方法。[0061]第四方面，提供了一种计算设备，包括：[0062]一个或多个处理器、存储器以及一个或多个程序，其中一个或多个程序存储在所述存储器中并被配置为由所述一个或多个处理器执行，所述一个或多个程序包括用于执行所述的方法中的任一方法的指令。[0063](三)有益效果[0064](1)本发明基于多目标遗传算法的街区建筑体量智能生成方法与系统，通过将采集到的矢量数据与地理信息平台相结合，保证了数据的完整性与规范性，最大程度的提升了用地功能规划的准确性和效率；[0065](2)本发明基于多目标遗传算法的街区建筑体量智能生成方法与系统，攻克了传统城市设计中的街区建筑体量设计并不能将多效益目标进行统筹考虑，且缺乏量化数据支撑，也无法结合目标指标对局部形态进行调整的问题，将指标量化作为建筑体量生成多目标规则进行编码；[0066](3)本发明基于多目标遗传算法的街区建筑体量智能生成方法与系统，将基于遗传算法进行城市建筑体量的布局调整方法，通过对其中的染色体进行交叉、变异，产生子代种群，计算子群的多目标优化指数，确保城市设计方案多目标优化指数最高的方案作为最优方案；[0067](4)本发明基于多目标遗传算法的街区建筑体量智能生成方法与系统，对城市设计方案进行智能生成，并自动调整和筛选的方法和沙盘，避免了传统城市设计投入人力物力大、涉及人脑判断、随意性大和尺度小的问题，实现不同尺度城市设计中街区建筑生成的高效科学、全流程自动化、精确化、智能化的城市设计方案调整。[0068](5)本发明基于多目标遗传算法的街区建筑体量智能生成方法与系统，通过3d全息投影平台，通过佩戴全角度的vrtrix数据手套和vr眼镜，任意选中某一建筑体块进行“上、下、左、右”的推拉操作，点击指标计算即可显示该体块调整后的经济效益、热岛效应及建筑能耗指标，使得方案调整更加便捷。附图说明[0069]图1是本发明方法流程图；[0070]图2是本发明实施例中多目标遗传算法模型的流程示意。具体实施方式[0071]下面将结合本发明的附图，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他实施例，都属于本发明保护的范围。[0072]实施例[0073]如图1-2所示，本发明一个实施例提供一种基于多目标遗传算法的街区建筑体量智能生成方法，本发明能够应对城市规划设计领域的街区建筑体量的智能生成，实现基于多目标遗传算法的建筑物体量智能规则生成来形成城市形态布局，包括：[0074]将采集的目标街区所在城市的街区矢量数据和目标街区所在城市政策标准数据进行格式统一化处理；[0075]通过处理的目标街区所在城市的街区矢量数据和目标街区所在城市政策标准数据，进行经济效益、热岛效应、建筑能耗三类目标价值导向的街区建筑生成规则编码；[0076]依据街区建筑生成规则编码，以经济效益最高、热岛效应最小和建筑能耗最小为目标函数，建立建筑体量多目标最优化模型；并通过处理的目标街区所在城市政策标准数据，分别确定经济效益、热岛效应以及建筑能耗模型中优化变量的边界条件；[0077]采用遗传算法求解所建立的建筑体量多目标最优化模型；[0078]将求解的方案进行数据输出与交互展示。[0079]进一步的，所述将采集的目标街区所在城市的街区矢量数据和目标街区所在城市政策标准数据进行格式统一化处理，具体包括：[0080]通过openstreetmap开放数据平台获取目标街区所在城市的街区用地矢量数据，通过百度开放数据平台，获取目标街区所在城市的政策和标准数据；[0081]将采集的目标街区所在城市的街区矢量数据输入地理信息平台中，通过格式转换工具将上述相关基地数据格式统一转化为shapefile，并通过用地矢量数据与建筑矢量数据计算出各街区的容积率数据与绿地率数据，对数据进行量纲与坐标的统一并集成到优立全息沙盘中，通过空间对位构建所在城市的街区数字沙盘；[0082]所述目标街区所在城市的街区矢量数据，包括地块数据与建筑数据，数据格式为shapefile格式；其中，地块数据包含用地类型信息、地理坐标信息、地块面积信息和地块形状信息；其中，建筑数据包含建筑功能信息、建筑层数信息、建筑高度信息、建筑形状信息和建筑位置信息；所述所在城市的政策和标准数据包括目标街区所在城市的房地产估价规范、城市热岛强度等级和建筑能耗标准。[0083]进一步的，所述各街区的容积率数据与绿地率数据的计算，具体为：[0084]各街区容积率计算公式为：[0085]fi＝si1hi1+si2hi2+...+sinhin/s[0086]其中，fi表示因变量各街区容积率，sin表示街区内建筑单体建筑形状的面积，hin表示街区内单体建筑的层数，s表示街区地块面积；[0087]各街区绿地率计算公式为：[0088]gi＝si1+si2+...+sin/s[0089]其中，gi表示因变量各街区绿地率，sin表示街区内各g1类用地和e1类用地面积，s表示街区地块面积。[0090]进一步的，所述通过处理的目标街区所在城市的街区矢量数据和目标街区所在城市政策标准数据，进行经济效益、热岛效应、建筑能耗三类目标价值导向的街区建筑生成规则编码，具体包括：[0091]指根据经济效益、热岛效应、建筑能耗三类目标价值导向，通过采集处理的目标街区所在城市的街区矢量数据和目标街区所在城市政策标准数据，进行作用于街区建筑生成的经济效益规则编码、热岛效应规则编码和建筑能耗规则编码；[0092]所述经济效益规则编码的计算公式为：[0093]yi＝((αi1ui1vi1+αi2ui2vi3+…+αinuinvin)-(αi1xi1+αi2xi2+…+αinxin))+εi)/(αi1xi1+αi2xi2+…+αinxin)[0094]其中，yi表示因变量经济指标，αi表示街区内用地地块面积，ui表示用地地块容积率，vi表示用地地块单位建筑面积估价，xi表示街区内用地地块单位面积估价，εi表示政策和标准的经济影响；[0095]热岛效应由街区内的平均天空视角系数、绿地率以及当地城市气候系数决定，所述热岛效应规则编码的计算公式为：[0096][0097]其中，yi表示因变量热岛效应指标，βi表示第i种用地类型占街区用地总面积的比值，δp表示第p个方位角时的影响地形高度角，n表示街区内计算的方位角数目，fi，veg表示街区内用地的绿地率，？表示所在城市的热岛强度系数；[0098]所述建筑能耗规则编码的计算公式为：[0099]yi＝((αi1ui1μi1+αi2ui2μi2+...+αinuinμin)-(αi1γi1+αi2γi2+...+αinγin))/(αi1γi1+αi2γi2+...+αinγin)[0100]其中，yi表示因变量建筑能耗指标，αi表示街区内用地地块面积，ui表示用地地块容积率，μi表示用地地块单位建筑面积全年总能耗，γi表示街区内用地地块的用地类型在当地城市中单位用地面积全年总能耗的平均值。[0101]进一步的，所述建筑体量多目标最优化模型具体为：[0102][0103]根据经济效益最高、热岛效应最小和建筑能耗最低的规划目标，其中，f1表示目标街区的经济效益，取最大值为优；f2表示目标街区的热岛效应，取最小值为优；f3表示目标街区的建筑能耗，取最小值为优；[0104]所述边界条件包括用地地块容积率ui的边界和目标街区用地的绿地率fi，veg的边界；[0105]所述用地地块容积率ui的边界为：[0106]0≤ui≤ui，max[0107]其中，ui，max表示当地规划部门对第i街区的最大容积率限制；[0108]所述目标街区用地的绿地率fi，veg的边界为：[0109]fi，veg，min≤fi，veg≤fi，veg，max[0110]其中，fi，veg，min表示当地规划部门对第i街区的最小绿地率限制，fi，veg，max表示当地规划部门对第i街区的最大绿地率限制。[0111]进一步的，所述采用遗传算法求解所建立的建筑体量多目标最优化模型，具体包括：[0112]每个建筑体量对应一条染色体，任意设定染色体数量n，在目标街区中随机产生n个染色体形成的初始种群，根据遗传规则对其中的染色体进行交叉、变异，产生子代种群，计算子群的多目标优化指数，若三目标均达到最优值即获得最优体量布局方案，若否则继续迭代至300次，将其中多目标优化指数最高的方案作为最优方案；[0113]通过快速排序方法对初始种群进行非支配排序，得到种群的非支配层级关系；[0114]将交叉、变异后的子代种群和初始的父代子群进行合并，对合并后的种群进行非支配排序，计算其中各染色体的拥挤度和适应度；[0115]在合并后种群中优先选择拥挤距离大的染色体放入非支配集，在拥挤距离相同时选择适应度高的染色体放入，得到与初始染色体数量一致的新的种群。[0116]进一步的，所述将求解的方案进行数据输出与交互展示，具体包括：[0117]将最优方案输出至3d全息沙盘进行展示，通过手势指令对建筑体量进行局部调整优化后进行输出，输出形式为dwg格式包含建筑体量高度信息的总平面图；[0118]所述通过手势指令对建筑体量进行局部调整优化具体为：[0119]操作者通过佩戴全角度的vrtrix数据手套和vr眼镜，任意选中某一建筑体块进行“上、下、左、右”的推拉操作，点击指标计算即可显示该体块调整后的经济效益、热岛效应及建筑能耗指标，同时更新目标街区的整体指标。[0120]以下将以某市某地区城市设计为例对本发明的技术方案进行详细说明。[0121](1)以某市某地区为目标街区，采集目标街区的街区矢量数据，以及建立建筑体量多目标最优化模型所需的某市政策和标准数据，具体包括：[0122](1.1)通过0penstreetmap开放数据平台获取目标街区用地矢量数据，包括地块数据与建筑数据，数据格式为shapefile格式；其中地块数据包含用地类型信息、地理坐标信息、地块面积信息和地块形状信息；其中建筑数据包含建筑功能信息、建筑层数信息、建筑高度信息、建筑形状信息和建筑位置信息。[0123](1.2)通过百度开放数据平台，获取某市的政策和标准数据；包括某市的房地产估价规范、城市热岛强度等级和建筑能耗标准；[0124](1.3)通过用地矢量数据与建筑矢量数据计算出各街区的容积率数据与绿地率数据，最后对数据进行量纲与坐标的统一并集成到优立全息沙盘(ht-d)中，通过空间对位构建所在城市的街区数字沙盘。[0125]所述各街区容积率计算公式为：[0126]fi＝si1hi1+si2hi2+...+sinhin/s[0127]其中，fi表示因变量各街区容积率，sin表示街区内建筑单体建筑形状的面积，hin表示街区内单体建筑的层数，s表示街区地块面积。[0128]所述各街区绿地率计算公式为：[0129]gi＝si1+si2+...+sin/s[0130]其中，gi表示因变量各街区绿地率，sin表示街区内各g1类用地和e1类用地面积，s表示街区地块面积。[0131](2)根据经济效益、热岛效应、建筑能耗三类目标价值导向，通过步骤一中采集处理的街区矢量数据和城市政策标准数据，进行经济效益、热岛效应、建筑能耗三类目标价值导向的街区建筑生成规则编码，具体包括：[0132](2.1)经济效益规则编码，依据《房地产估价规范》(gb/t 50291-2015)，经济效益规则编码的计算公式为：[0133]yi＝((αi1ui1vi1+αi1ui2vi2+…+αinuinvin)-(αi1xi1+αi2xi2+…+αinxin))+εi)/(αi1xi1+αi2xi2+…+αinxin)[0134]其中，yi表示因变量经济指标，αi表示街区内用地地块面积，ui表示用地地块容积率，vi表示用地地块单位建筑面积估价，xi表示街区内用地地块单位面积估价，εi表示政策和标准的经济影响；[0135](2.2)热岛效应规则编码，依据《城市热岛强度等级》(db21/t 2016-2012)，热岛效应由街区内的平均天空视角系数、绿地率以及当地城市气候系数决定，热岛效应规则编码的计算公式为：[0136][0137]其中，yi表示因变量热岛效应指标，βi表示第i种用地类型占街区用地总面积的比值，δp表示第p个方位角时的影响地形高度角，n表示街区内计算的方位角数目，fi，veg表示街区内用地的绿地率，？表示所在城市的热岛强度系数；[0138](2.3)建筑能耗规则编码，依据《民用建筑能耗标准》gb/t51161-2016，建筑能耗规则编码的计算公式为：[0139]yi＝((αi1ui1μi1+αi2ui2μi2+...+αinuinμin)-(αi1γi1+αi2γi2+...+αinγin))/(αi1γi1+αi2γi2+...+αinγin)[0140]其中，yi表示因变量建筑能耗指标，αi表示街区内用地地块面积，ui表示用地地块容积率，μi表示用地地块单位建筑面积全年总能耗，γi表示街区内用地地块的用地类型在当地城市中单位用地面积全年总能耗的平均值；[0141](3)建立建筑体量多目标最优化模型，根据三类规则编码建立建筑体量多目标最优化模型，并确定边界条件，具体包括：[0142](3.1)依据步骤二中定义的三类街区建筑生成规则编码，以经济效益最高、热岛效应最小和建筑能耗最小为目标函数，建立建筑体量多目标最优化模型，多目标函数组为：[0143][0144]根据经济效益最高、热岛效应最小和建筑能耗最低的规划目标，其中，f1表示目标街区的经济效益，取最大值为优；f2表示目标街区的热岛效应，取最小值为优；f3表示目标街区的建筑能耗，取最小值为优；[0145](3.2)通过步骤一中采集处理的当地规划部门对目标街区的建设指标要求，分别确定经济效益、热岛效应以及建筑能耗模型中优化变量的边界条件。边界条件包括用地地块容积率ui的边界和目标街区用地的绿地率fi，veg的边界。[0146]所述用地地块容积率ui的边界为：[0147]0≤ui≤ui，max[0148]其中，ui，max表示当地规划部门对第i街区的最大容积率限制；[0149]所述目标街区用地的绿地率fi，veg的边界为：[0150]fi，veg，min≤fi，veg≤fi，veg，max[0151]其中，fi，veg，min表示当地规划部门对第i街区的最小绿地率限制，fi，veg，max表示当地规划部门对第i街区的最大绿地率限制；[0152](4)采用遗传算法求解，设定遗传规则求解满足多目标函数组的最优方案，具体包括：[0153](4.1)每个建筑体量对应一条染色体，任意设定染色体数量n，在目标街区中随机产生n个染色体形成的初始种群；[0154](4.2)根据遗传规则对其中的染色体进行交叉、变异，产生子代种群：通过快速排序方法对初始种群进行非支配排序，得到种群的非支配层级关系；将交叉、变异后的子代种群和初始的父代子群进行合并，对合并后的种群进行非支配排序，计算其中各染色体的拥挤度和适应度；在合并后种群中优先选择拥挤距离大的染色体放入非支配集，在拥挤距离相同时选择适应度高的染色体放入，从而得到与初始染色体数量一致的新的种群。[0155](4.3)计算子群的多目标优化指数，若三目标均达到最优值即获得最优体量布局方案，若否则继续迭代至300次，将其中多目标优化指数最高的方案作为最优方案；[0156](5)数据输出与交互展示，具体包括：[0157](5.1)将最优方案输出至3d全息沙盘进行展示；[0158](5.2)操作者通过佩戴全角度的vrtrix数据手套和vr眼镜，任意选中某一建筑体块进行“上、下、左、右”的推拉操作，点击指标计算即可显示该体块调整后的经济效益、热岛效应及建筑能耗指标，同时更新目标街区的整体指标[0159](5.3)方案输出，输出形式为dwg格式包含建筑体量高度信息的总平面图。[0160]本发明又一个实施例，提供了一种基于多目标遗传算法的街区建筑体量智能生成系统，所述系统包括：[0161]数据输入与标准化模块，用于获取并处理目标街区所在城市的街区矢量数据以及政策标准数据，所述目标街区为需要生成建筑体量的街区；[0162]多目标生成规则编码模块，用于依据处理后的数据，建立经济效益、热岛效应、建筑能耗三类目标价值导向的街区建筑生成规则编码；[0163]建立建筑体量多目标最优化模型模块，用于根据三类规则编码建立建筑体量多目标最优化模型，并确定边界条件；[0164]采用遗传算法求解模块，用于通过遗传算法对建筑体量布局方案的三类目标进行迭代计算，直至三类目标均达到最优值即为最优方案；[0165]数据输出与交互展示模块，用于将最优方案进行3d展示、调整优化并输出。[0166]本技术的实施例可提供为方法或计算机程序产品。因此，本技术可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本技术可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、cd-rom、光学存储器等)上实施的计算机程序产品的形式。本技术实施例中的方案可以采用各种计算机语言实现，例如，面向对象的程序设计语言java和直译式脚本语言javascript等。[0167]本技术是参照根据本技术实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。[0168]这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。[0169]这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。[0170]需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。









图片声明：本站部分配图来自人工智能系统AI生成,觅知网授权图片,PxHere摄影无版权图库。本站只作为美观性配图使用,无任何非法侵犯第三方意图,一切解释权归图片著作权方,本站不承担任何责任。如有恶意碰瓷者,必当奉陪到底严惩不贷!




内容声明：本文中引用的各种信息及资料（包括但不限于文字、数据、图表及超链接等）均来源于该信息及资料的相关主体（包括但不限于公司、媒体、协会等机构）的官方网站或公开发表的信息。部分内容参考包括:(百度百科,百度知道,头条百科,中国民法典,刑法,牛津词典,新华词典,汉语词典,国家院校,科普平台)等数据,内容仅供参考使用,不准确地方联系删除处理！本站为非盈利性质站点,发布内容不收取任何费用也不接任何广告!




免责声明：我们致力于保护作者版权，注重分享，被刊用文章因无法核实真实出处，未能及时与作者取得联系，或有版权异议的，请联系管理员，我们会立即处理，本文部分文字与图片资源来自于网络，部分文章是来自自研大数据AI进行生成,内容摘自(百度百科,百度知道,头条百科,中国民法典,刑法,牛津词典,新华词典,汉语词典,国家院校,科普平台)等数据,内容仅供学习参考,不准确地方联系删除处理!的,若有来源标注错误或侵犯了您的合法权益，请立即通知我们，情况属实，我们会第一时间予以删除，并同时向您表示歉意,谢谢!