基于街景影像、航拍影像与地表温度数据估算建筑能效
计算机视觉与模式识别
2022-08-26 v3 人工智能
摘要
当前确定建筑能效的方法需要认证能源审计员进行现场访问，这使得过程缓慢、昂贵且地理覆盖不完整。为加速大规模识别有改造潜力的目标，我们提出仅从广泛可用且遥感的数据源估算建筑能效，即街景、航拍视图、建筑底面以及星载地表温度（LST）数据。在收集了英国近 40,000 栋建筑的数据后，我们通过训练多个端到端深度学习模型来组合这些数据源，目标是将建筑分类为能效高（欧盟评级 A-D）或能效低（欧盟评级 E-G）。在定量与定性评估训练模型后，我们通过消融研究考察了每个数据源的预测能力。我们发现，在所有四个数据源上训练的端到端深度学习模型达到了 64.64% 的宏平均 F1 分数，并分别比 k-NN 和基于 SVM 的基线模型高出 14.13 和 12.02 个百分点。因此，本工作展示了遥感数据在预测能效方面的潜力与互补性，并为未来工作整合额外数据源开辟了新机会。
引用
@article{arxiv.2206.02270,
title = {Estimating building energy efficiency from street view imagery, aerial imagery, and land surface temperature data},
author = {Kevin Mayer and Lukas Haas and Tianyuan Huang and Juan Bernabé-Moreno and Ram Rajagopal and Martin Fischer},
journal= {arXiv preprint arXiv:2206.02270},
year = {2022}
}