Seemo：一种用于居住建筑早期设计窗景满意度评估的新工具
机器学习
2022-04-05 v1
摘要
人们约90%的生命在室内度过，因此可以说室内空间设计会显著影响居住者的福祉。充足的室外视野是与居住者福祉最常被提及的室内品质之一。然而，由于城市化与密集化趋势，设计者可能难以提供具有多样内容、能够支持居住者需求的室外景观与视野。为了更好地理解居住者视野满意度并向建筑师提供可靠的设计反馈，必须扩展现有的视野满意度数据以涵盖更广泛的视野场景与居住者。大多数相关研究因缺乏易用的早期设计分析工具而在建筑实践中仍具挑战性。然而，早期视野评估具有优势，因为早期设计中的决策（如建筑朝向、平面布局与立面设计）可改善视野质量。因此，本文呈现了一项含181名参与者、590个窗景的视野满意度调查结果。该调查数据用于训练一个树回归模型以预测视野满意度。通过案例研究将该预测性能与现有视野评估框架比较。结果表明，新预测比该框架更贴近调查结果。此外，对大多数响应预测性能普遍较高，验证了可靠性。为促进早期设计中的视野分析，本文描述了将满意度预测模型与光线投射工具集成以在CAD环境中计算视野参数。
引用
@article{arxiv.2204.01164,
title = {Seemo: A new tool for early design window view satisfaction evaluation in residential buildings},
author = {Jaeha Kim and Michael Kent and Katharina Kral and Timur Dogan},
journal= {arXiv preprint arXiv:2204.01164},
year = {2022}
}