CMAB：基于开源数据和GeoAI的中国全国规模多属性建筑数据集

快速获取三维（3D）建筑数据，包括屋顶、高度和方向等几何属性，以及功能、质量和年龄等指示属性，对于准确的城市分析、仿真和政策更新至关重要。当前建筑数据集存在建筑多属性覆盖不完整的问题。本文介绍了一个地理人工智能（GeoAI）框架用于大规模建筑建模， presenting the first national-scale Multi-Attribute Building dataset（CMAB），覆盖3,667个空间城市，2900万座建筑，213亿平方米的屋顶面积，基于OCRNet提取的F1分数达89.93%，总计3377亿立方米的建筑库存。我们使用市政行政分类训练的自助聚合XGBoost模型，包含形态、位置和功能等特征。利用包括数十亿个高分辨率Google Earth图像和6000万张街景图像（SVIs）的多源数据，为每个建筑生成屋顶、高度、功能、年龄和质量属性。准确性通过模型基准、现有类似产品和手动SVI验证，大多数情况下均超过80%。我们的数据集和结果对于全球可持续发展目标（SDGs）和城市规划至关重要。