编码城市生态：通过自监督学习为能源建模自动生成建筑原型
计算机视觉与模式识别
2024-04-12 v1
摘要
随着全球人口和城市化的扩张，建筑部门已成为主要的能源消耗者和碳排放贡献者。对创新性城市建筑能源建模的需求日益增长，然而现有的建筑原型往往无法捕捉本地建筑的独特属性以及不同城市之间的细微差别，从而危及能源建模的精度。本文提出了一种替代工具，采用自监督学习将复杂的几何数据提炼成具有代表性的、特定于地点的原型。本研究试图培育一种与建筑环境互动的新范式，纳入本地参数以在社区层面进行定制化的能源模拟。定制的原型可以提高不同规模、不同建筑库存下能源消耗建模的精度和适用性。该工具提供了一种潜在的解决方案，鼓励探索新兴的本地生态。通过将建筑围护结构特征和文化粒度整合到建筑原型生成过程中，我们展望一个建筑和城市设计与能源部门在塑造我们的建筑环境方面紧密交织的未来。
引用
@article{arxiv.2404.07435,
title = {Encoding Urban Ecologies: Automated Building Archetype Generation through Self-Supervised Learning for Energy Modeling},
author = {Xinwei Zhuang and Zixun Huang and Wentao Zeng and Luisa Caldas},
journal= {arXiv preprint arXiv:2404.07435},
year = {2024}
}