复杂城市环境中行人风因子估算
机器学习
2021-10-07 v1 信号处理
摘要
城市规划者和政策制定者面临着在更密集的城市条件下为更多人口创造宜居且愉悦城市的挑战。尽管城市微气候在定义当今及未来城市空间质量方面起着关键作用，但由于计算流体动力学（CFD）模拟的复杂性和高计算成本，将风微气候评估整合到早期城市设计和规划过程中仍是一项挑战。本工作开发了一种数据驱动的工作流，用于复杂城市环境中的实时行人风舒适度估算，这可能使设计者、政策制定者和城市居民能够就出行、健康和能源选择做出明智决策。我们使用条件生成对抗网络（cGAN）架构来减少计算量，同时保持高置信水平和可解释性、对城市复杂性的充分表征，以及适用于行人舒适度估算。我们展示了高质量的风场近似，同时将计算时间从数天减少到数秒。
引用
@article{arxiv.2110.02443,
title = {Pedestrian Wind Factor Estimation in Complex Urban Environments},
author = {Sarah Mokhtar and Matthew Beveridge and Yumeng Cao and Iddo Drori},
journal= {arXiv preprint arXiv:2110.02443},
year = {2021}
}
备注
16 pages, 5 figures