基于机器学习的屋顶类型自动分类用于区域风风险评估
机器学习
2023-05-30 v1
摘要
屋顶类型是风脆弱性建模中最关键的建筑特征之一，也是公开数据库中缺失最频繁的建筑属性。本文开发了一个自动屋顶分类框架，利用机器学习生成高分辨率屋顶类型数据。我们训练了一个卷积神经网络（CNN）以使用建筑级卫星图像对屋顶类型进行分类。该模型在预测 1,000 栋测试建筑的屋顶类型时取得了 0.96 的 F1 分数。随后，该 CNN 模型被用于预测北卡罗来纳州新汉诺威县和佛罗里达州迈阿密-戴德县共 161,772 栋独户住宅的屋顶类型。给出了城市与人口普查 tract 尺度上的屋顶类型分布。观察到各人口普查 tract 之间主导屋顶类型存在高度差异。为提升屋顶类型数据的完整性，开发了插补算法，利用关键建筑属性与邻里级屋顶特征来填补因低质量图像导致的缺失屋顶数据。
引用
@article{arxiv.2305.17315,
title = {Automatic Roof Type Classification Through Machine Learning for Regional Wind Risk Assessment},
author = {Shuochuan Meng and Mohammad Hesam Soleimani-Babakamali and Ertugrul Taciroglu},
journal= {arXiv preprint arXiv:2305.17315},
year = {2023}
}