基于大数据类型及应用的智能建筑与规划研究

2019-09-10蒯文彬

赤峰学院学报·自然科学版 2019年4期

蒯文彬

摘要：本文论述了基于大数据类型及应用的智能建筑与规划，对智能建筑与规划的意义与作用进行了分析，从大数据与智能结合的角度梳理了智能建筑与城市发展脉络，阐述了基于大数据类型及应用的新时代建筑设计与城市规划的发展沿革，最后以人工神经网络法研究六安市河西新城为例，展示了智能建筑与规划的技术特点.

关键词：大数据;智能;建筑;城市;人工神经网络法;规划

中图分类号：TP18;TU984 文献标识码：A 文章编号：1673-260X（2019）04-0069-04

1 引言

本文研究的主要内容是基于大数据类型及应用的智能建筑与规划[1].目前国家特别重视如何利用人工智能[2]（英文缩写AI，以研究、开发用于模拟、延伸和扩展人类智能的理论、方法、技术及应用系统的一门新的技术科学）加快各行各业经济的升级与转型，促进国民经济的发展.

2 智能建筑与规划的意义与作用

2.1 意义

在基于大数据类型及应用的智能建筑与规划思想指导下，我们就会发现过去传统的建筑与规划存在着许多问题.第一，很多现象说不出准确的规律;第二，很多现象能说出大致的规律，但是不全面;第三，能够研究出一些规律的时候，不能够及时的解决问题[3].

研究建筑与城市规划除了可以利用最传统的统计数据，还可以借助地图、卫星、传感器、遥感数据、视频、手机信令等各种大数据[4].

传统的建筑与城市规划，我们是凭借老建筑师与规划师的经验来诊断建筑与城市的问题.但是通过人工智能（英文缩写AI）的辅助以后，实际上所有面临的问题就不同了，我们在分析建筑与城市问题的时候，可以利用各种大数据，而且是可重复的.并且在五个度上：精度+强度+广度+速度+深度，远远超越传统的建筑与规划，达到一个全新的水平与境界[5].

2.2 作用

2.2.1 AI带来建筑与规划项目广度与速度的改变与提升

人工智能可以快速地学习上千万个项目，远远超过一般个体的学习应变能力;原来做城市总体规划，五六年修编一次，但是现在利用人工智能每一刻对城市即时的运行问题都可以识别，做出即时的判断与反应，这是原来城市规划根本无法实现的.

2.2.2 AI带来学习速度的改变与提升

培养一个建筑师规划师，从入门到能够完全独立完成建筑规划，起码十年左右，大学本科五年还有硕士博士，然后出去工作.但是用人工智能培养建筑师城市规划师，十几天训练一个城市模型，这个速度是大不一样的[6].

2.2.3 AI带来城市规划深度与精度的改变与提升

以前能判断五六年左右的规划，已经是很了不起了.但是用人工智能，可以用长久的数据积累，可以外推的时间要长得多;过去做城市规划做到一个小区，做到一个建筑，但是现今我们用的各种大数据都是真正的个体人.一直说城市规划是为人民服务的，但是这个人是抽象的，现今的人是具像的.

2.2.4 AI带来学习与研究强度的改变与提升

各种类型大数据可以用来感知建筑与城市，而利用智能可以来认知大量的建筑与城市发展规律，认知建筑与城市.城乡规划方法的演进，从传统的分析、综合、定义，在老一辈建筑与规划专家的努力下，尽最大努力做定量分析，接着导入了复杂科学.这个时候复杂科学没有大数据做支撑还是很难进行研究，然后就不断开拓数据源，后来有了大数据.现今我们直接用智能导入建筑与城市规划.

但这并不是说过去这些研究规划的土地、模型，判断、概率、聚类、回归、相关组成分析已经失效了，这些东西实际上都会用到，还是在大量使用，完全可以代入我们新的体系中间来运行.利用智能城市规划设计这种研究方法与手段使我们能更科学地揭示城市的发展规律.

3 智能建筑与城市的发展

3.1 新技术带来的影响

城市在演化过程中变得更加复杂，我们聚焦的主题也是一直在变，这是一种社会进步.新信息与通信技术以及财富物质和开拓了集体和个人的眼界，也让城市呈现出更加复杂的模型，以及表现出新的生产和消费方式而变得更加不可预测和更加异质[7].利用智能城市规划可以将这种日益复杂的状况进一步凸显出來.当新信息技术被植入公共城市领域时，会产生大量关于城市各种功能的大数据.

当今世界Internet发展迅速，PC广泛分布，遍布网络以各种各样方式将每个人联系在一起，时空距离的逐渐边缘化，增加了城市的独特性与复杂性.智能建筑与城市规划是一系列信息技术之间的无缝的接口集合.我们在研究信息技术时要借助对全球定位信息的读取，也需要通过对远距离交互成本和全球联系的研究探索市民的行为.社交媒体、邮件、网络等使未来建筑与城市规划变得令人困惑.智能技术方法将应用于未来的建筑与城市规划研究中.

智能城市时代主要技术特征是通讯与计算机，是一个全新的无线时代，计算机之间可以在任意地点与任意时间通讯.信息的微型化是热点，它们被应用于社会和医学，以应对气候变化以及新异化的经济结构、老龄化等问题.新技术的上升以及技术应用在日常生活方面，比如app、智能手机、以及无人驾驶、人工智能、医学领域的创新等.

3.2 大数据类型与智能建筑与城市规划的结合

智能城市规划建筑和大数据类型存在一个结合点，即智能城市规划中传感器可以提供带有精确位置信息的实时数据流，以及随后产生的数据如何被整合.这些数据涉及实体流、移动和运输能源，有时扩展至空间与市场数据，即住房市场和与其他商品消费类型有关的各种数据，这些都是智能城市规划的内容.

智能城市规划的重点转移到对短期内城市系统功能的深层理解.作为正在构建的复杂理论的一部分，大数据和各式各样的工具，被用于处理、应对非常短期的危机.这些危机包括困扰交通系统的问题、居住问题以及社会和其他城市公共服务提供的问题.但是，如果想要真正抓住这些问题的本质，就需要新的理论.大数据需要有理论指导，没有理论指导的数据是无意义的.我们所要做的就是在大数据中寻找更多的关联性.就建筑与城市而言，这种关联性的研究会发生变化，通过理论的研究将能发现在大数据中寻找的东西.另一方面，大数据如果能够采集很长时间，就可变化不同时间维度的大数据.例如，我们可以在大数据中观察到曾经许多年进行一次的人口普查中看到的实时变化.

智能城市本质上是将计算和通信植入城市中，从而产生更加高效、更加公平的规划.从定义和范畴看，智能城市包含城市数据、大数据的问题，它也扩展至到了城市与建筑分析研究，可以引入预测和分析影响因子相关的城市与建筑模型.这个领域所遇到的主要问题是，时间维度已经发生改变，这是由于在智能城市中关注的是日常的、实时的变化，给仿真解释带来压力.

4 开拓新时代

4.1 历史沿革

中国城市规划与建筑设计和世界城市规划与建筑设计一样，长久以来就是两种思路.从1500年开始，第一种思路就是古典理想导向，要创造一个经典的城市，从而完成对社会的改造.也就是从这个时候就开始，古典理想不断地指引我们，带动了这些建筑规划人，以自己的最大热情，去追求一个古典理想而又美好的城市.但是残酷的现实很快来了，到了工业革命以后，城市规划与建筑设计有了第二种思路.第二种思路就是功能问题导向，大量的功能问题.这个中间包括了马克思对欧洲城市里面的工人阶级生产生活状态的分析，到后来进行大量的反思与批判，这就是功能问题导向的建筑规划思路.

4.2 新的变化

但是现今智能建筑与城市规划给本项目提供了一条新的思路，城市与建筑并不是说我们自己想要做什么，或者说今天解决现在的问题.我们必须要知道，城市与建筑是有生命发展规律的，我们要学会尊重建筑与城市发展规律，按照建筑与城市发展规律来做，利用智能科学地分析推测城市发展问题.

在现代建筑与城市规划发展过程中，从古典主义发展到功能主义再后来的生态主义，实际上一直在跟跑，只有这一次在智能与大数据方面，基于大数据类型及应用的智能建筑与城市规划，中国这一次与世界上整个的建筑与规划行业进展是同步的.本文用人工神经网络法对六安河西新城开展了相关研究，取得了成果，如下所述.

5 实例分析：人工神经网络法研究六安市河西新城某建筑能耗

5.1 人工神经网络法

人工神经网络法是通过将输入和输出样本数据输入到人工神经网络模型中，模型经过学习和训练，掌握输入数据间的隐藏规律，之后输入新的输入样本，使其得出预测数据.该模型的优点是模型相对简单，能够处理非线性问题，有一定的自学习和适应能力，适用性强.但该方法的缺点也比较明显，因其是模拟人脑神经信号传递原理发展出来的，缺乏理论指导，在确定模型参数时，往往根据经验进行试凑.

5.2 人工神经网络模型

人工神经网络模型是从微观结构和功能上对人脑的简化和模拟，具有人脑的学习、联想、记忆等能力.神经网络由大量神经元及节点构成，节点与节点之间通过连接信号进行连接，连接信号权重的改变使得神经网络具有一定的自适应及记忆能力.

神经元模型是神经网络的基本构成单元，是一个多输入单输出的模型.图1表示一个n维输入的神经元模型，其激活函数和基函数分别用f（·）和u（·）表示.基函数u（·）是多输入函数，用权重Wk表示输入对神经元的影响程度，其中Wk=（Wk1，Wk2，…，Wkn）

5.3 RBF神经网络模型

RBF的网络结构如下所示.其中x1，x2，x3，…，xn表示输入数据，数据被输入到神经网络内部之后，在输入层并未做任何改变.隐含层对输入数据做简单的线性变化，线性加权后输出.

数据被输入到神经网络内部之后，在输入层并未做任何改变.隐含层对输入数据做简单的线性变化，线性加权后输出.

隐含层可用公式（4）表示：

其中，c表示基函数中心，||·||表示范数，wi是权值.？鬃||x-ci||基函数集合，通常有如下所示的几种形式：

因此，RBF输出函数为：

其中，wiq表示隐含层第i个神经元与输出层第q个神经元的权值，q的阈值用bq表示.

通常采用调整最小化目标函数各隐节点的参数训练RBF神经网络.RBF目标误差函数可用公式（9）表示：

表示隐节点i对xj的输入，？浊1，？浊2和？浊3分别表示学习速率.

采用此种算法，基函数神经网络能够自动更新隐含层处理单元的中心位置，提高径向及网络的性能，但延长了训练时间、提高了网络复杂性.

5.4 RBF人工神经网络进行训练

不同建筑物因建筑材料、用途等不同，其能耗不同，本研究选取六安市河西新城某高层写字楼进行能耗分析，其供热面积为5000平米.

六安市河西新城某高层写字楼建筑能耗影响因素主要包括气候条件、时间等等因素.其中，气候因素包括温度、湿度等，是影响能耗的主要因素.在分析预测过程中，将室外温度、风速、日照条件进行测量作為输入数据.时间因素是指因人们的作息方式导致能耗在24小时内进行小循环、在一周内进行中循环.对能耗影响还包括其他影响因素如开窗通风等独立用户的随机行为.为防止计算过程中个别数据溢出，首先进行归一化处理.RBF均为3层神经网络，取12月份4天有效数据，用RBF人工神经网络进行训练，神经网络的学习速率均为0.01，目标值设定为0.001，从中可以得到神经网络模型得到的热负荷与实际值，RBF神经网络的均方差分别为0.38，平均相对误差分别为0.0017.

5.5 RBF人工神经网络预测

利用RBF人工神经网络进行预测，扩展常数为0.32，目标值为0.005.将12月份接下来4天的数据输入RBF人工神经网络进行预测.结果见图2所示.

从图中可以看出，RBF神经网络能够很好的预测出样本值在波峰和波谷时的波动规律.为达到预测精度要求，迭代次数为24次.平均绝对误差为0.80w/m2，均方差是14.8，如图3图4所示.

综上所述，本文采用RBF人工神经网络模型对六安河西新城某高层写字楼建筑能耗进行预测，预测方法可行有效.

结束语

总而言之，采用基于大数据类型及应用的智能手段研究建筑与规划能实现传统手段达不到的精确度和实时性，具有广泛的市场应用前景，是产业升级和优化建筑与城市结构的重要手段.

参考文献：

〔1〕叶宇，魏宗财，王海军.大数据时代的城市规划响应[J].规划师，2014（08）.

〔2〕张望.智能交通对城市空间的影响[J].规划师，2017（10）.

〔3〕黄敏，郑健，刘芳.城市兴趣点指路标志指引路径规划模型及算法[J].交通运输系统工程与信息，2016，16（05）.

〔4〕黄鼎曦.基于机器学习的人工智能辅助规划前景展望[J].城市发展研究，2017，24（05）.

〔5〕余庄，何涛.采用人工神经网络的城市规划智能评价系统[J].城市规划，1995，19（05）.