关键词：
建筑存量
住宅建筑
分类
K-Means
随机森林
FRAGSIM模拟
摘要：
中国城市建设已经进入存量更新阶段,对既有建筑存量的充分了解是更新规划和改造设计的前提。建筑存量的建造年代、结构材料、社会文化价值、经济价值等属性各不相同,往往需要在分类的基础上,基于典型建筑的定义和分析得出存量的整体特征和动态。因此,如何对建筑存量分类是建筑存量可持续性更新领域的关键问题。目前建筑存量分类方法多以功能、建造年代等少量特征因素为主导进行定性分析,难以表达建筑存量的多维特征。本研究以天津市一处典型街区——鸿顺里街区为研究对象,基于实地调研和网络开源数据,构建街区建筑存量数据集,采用K-Means聚类算法,进而探索多维数据导向下的半定量化分类模式,通过算法运算,结果将鸿顺里街区建筑存量划分为3大类。半定量化下的建筑存量分类研究,此方法较之前的定性研究结果更加精确,数据覆盖更加全面。应用随机森林算法,对聚类过程中建筑特征因素的重要性进行评估打分,将重要因素作为描述分类结果和选取典型建筑的参考指标,评估结果表明,建筑房价、建筑总面积、建筑年代对建筑存量聚类结果影响较大,因此,以此3个建筑特征作为主要依据,在每一类中选取出典型建筑。最后,梳理典型建筑的基础信息,将其录入到课题组前期开发的城市建筑存量更新情景模拟工具——FRAGSIM中,依据拟定的建筑存量更新时序,进行情景模拟,可得到不同情景下的能耗、碳排放、建筑价值等的计算结果,在其中选取最优的更新策略,最大化建筑存量更新的资源环境效益。相比较于传统建筑存量定性分类方法的局限性,本研究从K-Means聚类算法出发,探索半定量化的建筑存量分类和描述方法,将有效提升存量分析的准确性和全面性,更适用于多种复杂因素作用下的建筑存量现状分析与描述,为城市建筑存量更新提供参考依据。
同方学位论文库
万方学位论文库
