基于图片可测度智能评价的BIM正向设计方法

技术领域

本发明涉及一种建筑空间设计技术领域，特别涉及一种基于图片可测度智能评价的BIM正向设计方法。

背景技术

目前建筑空间的舒适度设计均是参照规范及经验，对舒适度做出要求的标准有《中国绿色建筑标准》、美国《WELL》《LEED》、英国《BREEAM》、日本《CASBEE》，这些标准主要从绿色角度出发，包含了人的舒适度要求。这些标准主要涉及了光环境、声环境、空气质量、热环境，对于这些物理环境给出了一些定量指标，但是这些指标并不能较好表征人的舒适度感受。最直观的就是光环境中的光照，目前光照采用的评价指标是照度（LUX），但是有学者在文献中提到根据照度来进行设计，实际光照往往达不到所预期的效果，有不少学者进行空间亮度的研究，希望提出能考量人感知的指标，但是目前都没有一个统一评价方法且目前研究所提出来的预测方程都具有一定缺陷。

色彩及艺术性指标设计更多偏向于经验设计，在工程建成之前，是无法得知大众对于色彩及艺术性的喜好。目前的标准中给出都是定性的评价，如好为3分、一般2分、差1分，但是如何评价是好，还是坏，难以给出评价的标准。曾做过采用虚拟现实来进行评价，然后采用问卷打分，相对于实际工程出来后进行评价，具有一定进步，但是仍然有很大的局限性。采用虚拟现实来进行评价其实还是属于一个工程一批人员评测，人员在变动，没有一个统一标准，而且人员的选取是随机的，非专业性。或采用了生物传感技术来进行评价，通过人的脑波图等来判断人的精神状态，目前这种判断主要是两分类式的判断，即判断这人焦虑还是不焦虑，并不适合于色彩及艺术性的评价。

以上所述的两种评价方法具有很大局限性：

1、 人员为非专业性，造成评价标准是一个工程一个标准；

2、 人工成本高，一个工程所寻求的评价人员数量相对较少，无法给出较为合理的评测；

3、 评测速度慢，很难做到多种场景的变换评测。

参照标准无法给出量化指标，已具有评价标准的指标难以衡量人的感受，设计出来的效果也与人的舒适度感知不匹配。这是本申请需要着重改善的地方。

发明内容

本发明所要解决的技术问题是要提供一种与人舒适度感知相适应的基于图片可测度智能评价的BIM正向设计方法。

为了解决以上的技术问题，本发明提供了一种基于图片可测度智能评价的BIM正向设计方法，包括以下的步骤：

S1：收集建筑空间图片，包括地上建筑空间和地下建筑空间；

将图片收集任务分包给非特定的个人或团队来进行大范围的图片采集，或通过具备收集图片功能的平台，如VCG.com，或Momenta大数据平台，来发布建筑空间图片的收集活动；

S11：对用于不同的应用场景，采用不同标准来筛选所需要的图片，筛选方式包括以下的一种或者多种：

1） 自动筛选：设定多项阈值进行数据筛选；

2）手动筛选：人工手动查看图片进行图片筛选；

S2：对图片进行相应指标的评分，给予至少两个以上的评分等级,形成评分数据集；

S21：对图片采用一项或者多项的图像预处理；

其中：所述的图像预处理包括：标准化、归一化、二值化、函数变换、降维、数据增强、特征选择、基于生物视觉原理的图像变换、噪声处理、灰度化；

S22：提取对应图片数据集中图片的图像特征，用于后续机器学习训练和识别；其中：所述的图像特征包括以下特征中的一种或者多种：颜色特征、图像语义特征、由深度卷积神经结构提取的多尺度高维图像特征、图像亮度特征、图像亮度分布特征、由SIFT、SURF等算法提取的关键点特征、边缘特征、HOG特征；

S3：采用机器学习算法对图片特征及评分数据集进行训练，得到评分预测模型；

若评分预测模型不满足准确率、模型收敛及其他相关机器学习模型评判指标要求，则重复S1-S3的步骤，直到评分预测模型满足上述要求；

S4：建立评价工程的BIM模型；

根据实际工程的需要，借助BIM开发平台，或自行创建构件方式，建立所要评价场景的BIM模型；

S5：将BIM模型转化为场景图片，截取指定角度、方向及拍摄点的场景图片；

S6：输入场景图片进行机器学习智能评分，并根据评分结果修改BIM模型的场景；直到满足各项评分要求；

S61：利用所训练的舒适度机器学习模型，针对需要评价的场景，对所建立的BIM模型进行评分；

S62：根据评分结果修改BIM模型中的场景，重复S4-S6步骤，直到BIM模型中场景的评分结果达到使用者规定的需求；

S7：输出各个满足舒适度要求的BIM模型；

S8：比较不同BIM模型之间的成本及其它指标，选出满足舒适度要求，且具有经济性的正向设计方案。

本发明的BIM正向设计方法，通过收集大量建筑空间图片，并给予评分，采用机器学习的方法进行训练得到预测评分模型，嵌入BIM中作为评价模块，通过评价模块对工程提前做出预测，并根据评价模块得到相应评分修改BIM模型进行正向化设计，得到符合人感知舒适度的建筑空间。

本发明的优越功效在于：

1） 评测速度快，在修改完场景模型后，及时给出相应的场景评分，有利于多种场景设计模型的比选；

2） 减少工程成本，可提前发现建筑空间在舒适度上的设计问题；

3） 采用的评价标准统一，做到多个工程采用同一标准，有利于做出符合人感知舒适度的精品工程。

附图说明

构成本申请的一部分的说明书附图用来提供对本发明的进一步理解，本发明的示意性实施例及其说明用于解释本发明，并不构成对本发明的不当限定。在附图中：

图1为本发明的流程图。

具体实施方式

以下结合附图对本发明的实施例进行详细说明。

图1示出了本发明实施例的流程图。如图1所示，本发明提供了一种基于图片可测度智能评价的BIM正向设计方法，包括以下的步骤：

S1：收集建筑空间图片，包括地上建筑空间和地下建筑空间；

将图片收集任务分包给非特定的个人或团队来进行大范围的图片采集，或通过具备收集图片功能的平台，如VCG.com，或Momenta大数据平台，来发布建筑空间图片的收集活动；

S11：对用于不同的应用场景，采用不同标准来筛选所需要的图片。筛选方式包括以下的一种或者多种：

（1）自动筛选：设定多项阈值进行数据筛选；

（2）手动筛选：人工手动查看图片进行图片筛选；

其中：人工智能筛选是借助现有人工智能数据平台的数据筛选模块进行筛选，如Momenta大数据平台；

实施例1：用于地上建筑空间的光环境舒适性设计，参考《建筑照明设计标准》中对于照度的要求，结合现场照度测试和图片亮度值，设定所需要的图片亮度值范围，根据亮度值范围设定阈值进行筛选；

用于地下建筑空间的光环境舒适性设计，参考《城市地下空间内部环境设计标准》中对于照度的要求，结合现场照度测试和图片亮度值，设定所需要的图片亮度值范围，根据亮度值范围设定阈值进行筛选；

实施例2：用于建筑空间的色彩舒适性设计，则采用手动筛选，人工查看筛选出清晰、拍摄照度相对固定，拍摄场景符合要求的图片。

S2：根据人舒适感或喜好程度对图片进行相应指标的评分，给予至少两个以上的评分等级,形成评分数据集；

S21：对图片采用一项或者多项的图像预处理；

其中：所述的图像预处理包括：标准化、归一化、二值化、函数变换、降维、数据增强、特征选择、基于生物视觉原理的图像变换、噪声处理、灰度化；

S22：提取对应图片数据集中图片的图像特征，用于后续机器学习训练和识别；其中：所述的图像特征包括以下特征中的一种或者多种：颜色特征、图像语义特征、由深度卷积神经结构提取的多尺度高维图像特征、图像亮度特征、图像亮度分布特征、由SIFT、SURF等算法提取的关键点特征、边缘特征、HOG特征。

S3：采用机器学习算法对图片特征及评分数据集进行训练，得到评分预测模型；

其中：所述机器学习算法包括：全连接神经网络、CNN网络结构、支持向量机、随机森林、梯度上升类等决策性算法；

若评分预测模型不满足准确率、模型收敛及其他相关机器学习模型评判指标要求，则重复S1-S3的步骤，直到评分预测模型满足上述要求；

其中：步骤S1-S3是根据图片数据集和评分数据集的数据有效程度来判断是否进行，当所搜集到的数据与常识、相关专业知识或专家意见违背时，该数据被视为无效数据；当数据集中的无效数据较多，则需要重复S1-S3步骤；当数据集中的无效数据较小，则删去无效数据，无需重复S1-S3步骤。

S4：建立评价工程的BIM模型；

根据实际工程的需要，借助BIM开发平台，或自行创建构件方式，建立所要评价场景的BIM模型；

其中：BIM开发平台包括Revit、Rhino犀牛、Bentley、Tekla 、ArchiCAD。

S5：将BIM模型转化为场景图片，采用以下方式中的一种或者多种：

（1）通过借助BIM开发平台的二次开发功能编辑相应代码，截取指定角度、方向及拍摄点的场景图片；

（2）借助Python等编程语言的编辑器连接相应软件的API，通过编辑代码截取指定角度、方向及拍摄点的场景图片；

（3）通过手动截图的方式将指定角度、方向及拍摄点的场景图片截取出来。

S6：输入场景图片进行机器学习智能评分，并根据评分结果修改BIM模型的场景；直到满足各项评分要求；

S61：利用所训练的舒适度机器学习模型，针对需要评价的场景，对所建立的BIM模型进行评分；

S62：根据评分结果修改BIM模型中的场景，重复S4-S6步骤，直到BIM模型中场景的评分结果达到使用者规定的需求；

实施例1：针对建筑空间中的空间亮度进行评价，空间亮度的评分指标被分为五个等级，分别给予0、1、2、3、4分，对于0、1分的建筑场景是必须进行修改的，必须修改建筑场景中的灯具、灯光照度以及灯光的排列方式中一种或者多种，而对于评分为2、3分的建筑场景是可修改场景，需要根据成本或者其他要求考虑是否进行修改；

实施例2：针对建筑空间中的空间色彩进行评价，空间色彩的评分指标被分为五个等级，分别给予0、1、2、3、4分，对于0、1分的建筑场景是必须进行修改的，必须对建筑空间中各部分色彩的搭配、灯具的色温等因素进行调整；而对于评分为2、3分的建筑场景是可修改场景，需要根据成本或者其他要求考虑是否进行修改。

S7：输出各个满足舒适度要求的BIM模型；

选取多个符合评分要求的场景进行比选，根据成本或其他指标对它们进行一步的比选，得到更加合理的结果。

S8：比较不同BIM模型之间的成本及其它指标，选出满足舒适度要求，且具有经济性的建筑空间的正向设计方案。

以上所述仅为本发明的优先实施例而已，并不用于限制本发明，对于本领域的技术人员来说，本发明可以有各种更改和变化。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。