XiaoMi-AI文件搜索系统
World File Search System城市形态
通过机器学习预测体积城市形态的气温
环境参数（例如空气温度）是人类生活质量和能源效率管理的关键终端。城市地区人口稠密，并且通过城市形态和景观空间模式与其中一些自然现象高度相关。因此，预测城市计划对环境参数的影响对于适当的决定和计划以增强城市的生活条件至关重要。先前的研究强调了乌拉巴形态与空气温度之间的密切相关性，强调了在这些分析中采用三维数据的重要性。在这项研究中，我们首先引入了一种将CityGML数据转换为VoxEls的方法，该方法在大规模数据集（例如城市）的高分辨率上可以有效，快速地工作，但通过牺牲了一些建筑细节，从而限制了先前的Voxelization方法的局限性，这些方法限制了对大型量表的较高量表的较高范围，以较高的量化和无效的范围，以使其对Voxel的高度分配为高分。来自多个城市的那些体素化的3D城市数据和相应的空气温度数据用于开发机器学习模型。在模型训练之前，在输入数据上实施了高斯模糊以考虑空间关系，因此，在高斯模糊之后，空气温度和体积建筑物形态之间的相关率也会增加。这个受过训练的模型能够通过使用相应像素的构建体积信息作为输入来预测空气温度的空间分布。在模型训练之后，预测结果不仅是用均方根误差（MSE）评估的，而且一些图像相似性指标，例如结构相似性指数量度（SSIM）和学习的知觉图像贴片相似性（LPIPS）能够在评估过程中检测和考虑空间关系。这样做，该研究旨在帮助城市规划人员将环境参数纳入其计划策略，从而促进更可持续和居民的城市环境。
地下城市。地下空间与城市形态
博士研究计划与丰富的城市形态研究领域密切相关，该领域是“建筑。历史和项目”博士项目（DASP）和未来城市遗产实验室（FULL）活动的特征。特别是，拟议的活动可以利用（并可以促进）目前在 DASP 和 FULL 中活跃的至少两个不同的研究分支。首先是最近的博士联合研究计划“过渡形态”，由 Marco Trisciuoglio 教授（PoliTO）和李宝（南京东南大学）指导，旨在研究城市形态对城市结构演变的影响。在这种情况下，拟议的工作可以通过探索地下空间网络形状与“露天”城市之间的多重联系来增加创新的观点，试图从空间的角度在这两个独立的领域之间建立操作联系。其次，这项研究可以有效地与都灵正在进行的“数字青少年”建设工作联系起来，目前该项目正在由 FULL 参与开发。都灵理工大学的 DASP 已被意大利国家评估委员会 ANVUR 评为第 37 届（2021-2024 年）创新型国际、跨学科和（首次）跨合作方法。跨合作方法的新认可归功于与一些开发企业和研究中心的联系。其中，FULL 自 2018 年以来每年都会接待和辅导一些 DASP 博士生。
对密度，太空消耗和城市形态的影响
随着时间的流逝，房屋如何以及为什么如何致密？这种增长的影响是什么？什么样的限制会影响其改变的潜力？这项研究探讨了建立形式的变化和致密化，从19世纪住房计划的渐进转型CitéOuvrière在法国东部的Mulhouse提供了历史证据。这项颗粒状纵向形态学研究使用历史规划应用和图像来绘制165年期间1253户单户房屋的外部体积转换。该研究将档案工作与三维（3D）结构建模和高级密度方法结合在一起，以记录，可视化，分析和评估微观层的致密过程。统计计算跟踪致密过程，而码头工具分析了对不同建筑类型和整个社区的开放空间消耗的影响。结果突出了七种类型的转换，受到七个物理变化驱动因素的影响。致密化是通过构建强化或情节联合/细分表现出来的，其程度取决于非建造空间的消耗程度。这些取决于原始设计施加的社会经济，法律和身体约束。