一种老旧小区窗户改造评估系统的制作方法

1.本发明涉及老旧小区改造领域，特别是属于一种老旧小区窗户改造评估系统。


背景技术：

2.老旧小区的建造时间长，在安全方面存在着一定的风险，公共设施、公共服务得不到保障，比较明显的问题为建筑老化、水管老化、排水系统滞后、道路破损、公共环境较为杂乱等，老旧小区的改造，是为了满足人民的日益提高的需求，是为了完善城市的管理，改善人民居住环境。
[0003][0004]
老旧小区规划不规范：由于历史原因，老旧小区的建筑规划和设计不规范，窗户的大小和位置没有统一的标准，导致窗户改造的难度和成本进一步增加；
[0005]
如果单独对每一户业主提供对应的设计服务则会大大增加设计成本和时间成本。


技术实现要素：

[0006]
鉴于所述，本技术想要解决的技术问题是如何提高业主配合度，如何对老区窗户改造提供方案；
[0007]
本技术提供一种老旧小区窗户改造评估系统，包括如下步骤，
[0008]
s1、采用机器学习方法创建建筑物老化速率物理模型；
[0009]
s2、将步骤s1中收集的建筑物资料、小区资料生成日照模型；
[0010]
s3、通过步骤s1中收集的建筑物资料生成建筑物三维模型，导入国家规范，生成可能的窗洞口位置和尺寸方案a1、a2...an；
[0011]
s4、将步骤s3中生成的方案a1、a2...an依次导入步骤s2中的日照模型中，通过日照分析软件进行分析，得到不同方案的不同光照、通风情况；
[0012]
s5、将步骤s3中生成的方案a1、a2...an依次导入步骤s1的建筑物老化速率物理模型内，分别得到对应的安全使用年限；
[0013]
s6、通过对住户进行问卷调查对日照、通风、景观以及使用年限赋予权重，通过算法平衡照、通风、景观以及使用年限之间的选择，得到最优改造方案，并生成对应的日照、通风、景观以及使用年限报告。
[0014]
优选地，在步骤s1中，包括如下子步骤，
[0015]
s11、创建建筑物历史档案，包括建筑日期、使用材料、结构类型以及维修历史；
[0016]
s12、进行材料测试，对建筑材料进行测试，得到建筑材料的具体强度；
[0017]
s13、监测环境因素，对建筑所处的环境因素进行监测，包括水分、温度变化以及紫外线辐射；
[0018]
s14、通过建筑物历史档案、材料测试、监测环境因素生成建筑物老化速率物理模型。
[0019]
优选地，在步骤s1的子步骤中，通过查阅建筑物的建造记录、工程图纸、维修记录
等来获取创建建筑物历史档案的信息，进行材料测试包括对建筑物中的主要材料进行压力试验、拉伸试验、弯曲试验得到建筑材料的具体强度，通过调取数据库中建筑物建造到现今的环境数据，监测环境因素通过数据库进行调用，数据库包括气象局或气象站、环境监测站以及网络数据库。
[0020]
优选地，在步骤s1中，机器学习方法具体为，
[0021]
数据收集：根据建筑物历史档案、材料测试以及环境监测的数据，并对数据进行整理、清洗和处理；
[0022]
特征选择：在数据处理后，需要根据建筑物老化的相关因素，选取具有代表性的特征，包括建筑材料强度、环境因素；
[0023]
数据划分：将数据集划分为训练集和测试集，其中，训练集用于训练模型，测试集用于验证模型的准确性和可靠性；
[0024]
模型选择和训练：选择决策树、支持向量机、神经网络中的一种机器学习模型，并使用训练集对模型进行训练，以确定模型的参数和权重；
[0025]
模型评估和调优：使用测试集对模型进行评估和调优，以确保模型的准确性和泛化能力，可以使用均方误差或平均绝对误差指标来评估模型；
[0026]
模型预测：使用训练好的模型进行预测，根据建筑物的材料强度、环境因素、使用寿命等因素，预测建筑物的老化速率，进而得到对应改造方案得到的建筑物安全使用年限。
[0027]
优选地，在步骤s6中，包括如下子步骤，
[0028]
s61、设计调查问卷，包括日照、通风、景观和使用年限的评分题目，让住户对每个因素进行评分；
[0029]
s62、收集问卷并计算每个因素的平均分；
[0030]
s63、为每个因素赋予一个相应的权重，以反映住户的偏好；
[0031]
s64、对权重进行归一化，以确保它们的总和为1；
[0032]
s65、根据每个因素的权重，通过平衡选择算法平衡日照、通风、景观和使用年限之间的选择。
[0033]
优选地，在步骤s65中，平衡选择算法为加权求和的方法，其中权重是通过住户调查得出的，公式如下：
[0034]
总评分＝w1*日照评分+w2*通风评分+w3*景观评分+w4*使用年限评分；
[0035]
其中，w1、w2、w3、w4分别是日照、通风、景观、使用年限的权重，需要满足w1+w2+w3+w4＝1；
[0036]
评分可以通过住户调查获得，可以将其转化为数值，具体评分方法可以根据实际情况来制定，最后输出评分最高的方案。
[0037]
综上所述，由于采用了上述技术方案，本发明的有益效果是：
[0038]
通过对小区进行三维建模和日照分析能够自动生成多种设计方案，针对老旧小区的不规范设计提供多种改进方向，通过问卷调查能够针对更多业主进行微调，提高业主的满意度，平衡业主喜好，最后通过算法选出其中的最优方案，能够有效对老旧小区的窗户改造生成技术方案，能够提高业主满意程度。
附图说明
[0039]
为了更清楚地说明本发明实施例的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，应当理解，以下附图仅示出了本发明的某些实施例，因此不应被看作是对范围的限定，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他相关的附图；
[0040]
图1：本发明的方法流程图；
[0041]
图2：本发明步骤s1的子步骤流程图；
[0042]
图3：本发明步骤s6的子步骤流程图。
具体实施方式
[0043]
为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅用以解释本发明，并不用于限定本发明，即所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。通常在此处附图中描述和示出的本发明实施例的组件可以以各种不同的配置来布置和设计。
[0044]
因此，以下对在附图中提供的本发明的实施例的详细描述并非旨在限制要求保护的本发明的范围，而是仅仅表示本发明的选定实施例。基于本发明的实施例，本领域技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例，都属于本发明保护的范围。
[0045]
需要说明的是，术语“第一”和“第二”等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个
……”
限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
[0046]
一种老旧小区窗户改造评估系统，包括如下步骤，
[0047]
s1、采用机器学习方法创建建筑物老化速率物理模型；
[0048]
s2、将步骤s1中收集的建筑物资料、小区资料生成日照模型；
[0049]
s3、通过步骤s1中收集的建筑物资料生成建筑物三维模型，导入国家规范，生成可能的窗洞口位置和尺寸方案a1、a2...an；
[0050]
s4、将步骤s3中生成的方案a1、a2...an依次导入步骤s2中的日照模型中，通过日照分析软件进行分析，得到不同方案的不同光照、通风情况；
[0051]
s5、将步骤s3中生成的方案a1、a2...an依次导入步骤s1的建筑物老化速率物理模型内，分别得到对应的安全使用年限；
[0052]
s6、通过对住户进行问卷调查对日照、通风、景观以及使用年限赋予权重，通过算法平衡照、通风、景观以及使用年限之间的选择，得到最优改造方案，并生成对应的日照、通风、景观以及使用年限报告。
[0053]
在步骤s1中，包括如下子步骤，
[0054]
s11、创建建筑物历史档案，包括建筑日期、使用材料、结构类型以及维修历史；
[0055]
s12、进行材料测试，对建筑材料进行测试，得到建筑材料的具体强度；
[0056]
s13、监测环境因素，对建筑所处的环境因素进行监测，包括水分、温度变化以及紫外线辐射；
[0057]
s14、通过建筑物历史档案、材料测试、监测环境因素生成建筑物老化速率物理模型。
[0058]
在步骤s1的子步骤中，通过查阅建筑物的建造记录、工程图纸、维修记录等来获取创建建筑物历史档案的信息，进行材料测试包括对建筑物中的主要材料进行压力试验、拉伸试验、弯曲试验得到建筑材料的具体强度，通过调取数据库中建筑物建造到现今的环境数据，监测环境因素通过数据库进行调用，数据库包括气象局或气象站、环境监测站以及网络数据库。
[0059]
在步骤s1中，机器学习方法具体为，
[0060]
数据收集：根据建筑物历史档案、材料测试以及环境监测的数据，并对数据进行整理、清洗和处理；
[0061]
特征选择：在数据处理后，需要根据建筑物老化的相关因素，选取具有代表性的特征，包括建筑材料强度、环境因素；
[0062]
数据划分：将数据集划分为训练集和测试集，其中，训练集用于训练模型，测试集用于验证模型的准确性和可靠性；
[0063]
模型选择和训练：选择决策树、支持向量机、神经网络中的一种机器学习模型，并使用训练集对模型进行训练，以确定模型的参数和权重；
[0064]
模型评估和调优：使用测试集对模型进行评估和调优，以确保模型的准确性和泛化能力，可以使用均方误差或平均绝对误差指标来评估模型；
[0065]
模型预测：使用训练好的模型进行预测，根据建筑物的材料强度、环境因素、使用寿命等因素，预测建筑物的老化速率，进而得到对应改造方案得到的建筑物安全使用年限。
[0066]
在步骤s6中，包括如下子步骤，
[0067]
s61、设计调查问卷，包括日照、通风、景观和使用年限的评分题目，让住户对每个因素进行评分；
[0068]
s62、收集问卷并计算每个因素的平均分；
[0069]
s63、为每个因素赋予一个相应的权重，以反映住户的偏好；
[0070]
s64、对权重进行归一化，以确保它们的总和为1；
[0071]
s65、根据每个因素的权重，通过平衡选择算法平衡日照、通风、景观和使用年限之间的选择。
[0072]
在步骤s65中，平衡选择算法为加权求和的方法，其中权重是通过住户调查得出的，公式如下：
[0073]
总评分＝w1*日照评分+w2*通风评分+w3*景观评分+w4*使用年限评分；
[0074]
其中，w1、w2、w3、w4分别是日照、通风、景观、使用年限的权重，需要满足w1+w2+w3+w4＝1；
[0075]
评分可以通过住户调查获得，可以将其转化为数值，具体评分方法可以根据实际情况来制定，最后输出评分最高的方案。
[0076]
实施例1：
[0077]
采用机器学习方法创建建筑物老化速率物理模型。该步骤的目的是创建一个建筑
物老化速率的物理模型。该模型基于建筑物的历史记录、材料测试和环境监测数据，使用机器学习方法对这些数据进行处理和分析，以预测建筑物老化的速率。该模型可用于评估建筑物的老化程度，并帮助确定最佳的窗户改造方案。
[0078]
将收集的建筑物资料、小区资料生成日照模型，
[0079]
其中收集建筑物资料小区资料包括收集地形和地理信息，这包括小区的地形高度、周围建筑的高度、道路、树木等地理信息，然后利用数字高程模型(dem)和数字表面模型(dsm)等数据源生成地形模型和建筑模型，这些数据源可以通过卫星、激光雷达、无人机等方式进行采集；
[0080]
然后利用已有的地形和建筑模型，计算出每个时刻的阴影区域，这需要考虑太阳的位置、高度角以及阴影的方向和长度，将阴影区域叠加到地图上，生成日照模型，这样可以为每个窗户位置提供对应时刻的阳光照射情况；将生成的日照模型数据进行处理和可视化，以便在窗户评估系统中使用，具体实现方式可能因数据源、算法和软件工具的不同而有所不同，常用的软件工具包括esri arcgis、qgis、sketchup等，完成建筑物模型后，需要进行验证，以确保模型准确性，可以使用测量仪器对建筑物进行测量，与建筑物模型进行比对，以验证模型的准确性，该模型可以帮助评估窗户的改造方案，以确保最大程度地提高日照效果。
[0081]
通过收集的建筑物资料生成建筑物三维模型，导入国家规范，生成可能的窗洞口位置和尺寸方案a1、a2...an。该模型可以用于评估可能的窗户改造方案，并根据国家规范生成可能的窗户位置和尺寸方案。
[0082]
将方案a1、a2...an依次导入步骤s2中的日照模型中，通过日照分析软件进行分析，得到不同方案的不同光照、通风情况，确定现有窗洞口的日照情况需要收集建筑物的平面图和立面图，确定每个窗户的位置、朝向和高度，以及建筑物周围的环境信息，如周边建筑物的高度、树木等，然后根据当地的气候和季节变化，确定需要考虑的日照时段，如夏至、冬至、春分、秋分等；
[0083]
使用计算机辅助设计软件或三维建模软件，将建筑物的平面图和立面图转换为三维模型，并在模型中标注每个窗户的位置、朝向和高度；
[0084]
根据日历或天文数据，确定日照时段内太阳在天空中的位置和角度，以及光线的入射角度；
[0085]
使用专业的日照分析软件，将三维模型和太阳位置输入到软件中进行计算，得到每个窗户在日照时段内的光照情况，根据计算结果，可以得出每个窗户在日照时段内的光照时间、光照强度和阴影覆盖情况等信息；
[0086]
根据日照分析结果，可以确定每个窗户的日照情况，包括是否有充足的阳光照射、是否有严重的阴影覆盖等，根据分析结果，可以制定针对性的改造计划，如扩大窗户尺寸、更换窗户材料等，从而改善室内采光和通风状况
[0087]
将方案a1、a2...an依次导入建筑物老化速率物理模型内，分别得到对应的安全使用年限。该模型可帮助确定每个方案的安全使用年限，并在选择最佳方案时提供重要的信息，通过对住户进行问卷调查；
[0088]
通过对小区进行三维建模和日照分析能够自动生成多种设计方案，针对老旧小区的不规范设计提供多种改进方向，通过问卷调查能够针对更多业主进行微调，提高业主的
满意度，平衡业主喜好，最后通过算法选出其中的最优方案，能够有效对老旧小区的窗户改造生成技术方案，能够提高业主满意程度。
[0089]
以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明的保护范围之内。

技术特征：
1.一种老旧小区窗户改造评估系统，其特征在于，包括如下步骤，s1、采用机器学习方法创建建筑物老化速率物理模型；s2、将步骤s1中收集的建筑物资料、小区资料生成日照模型；s3、通过步骤s1中收集的建筑物资料生成建筑物三维模型，导入国家规范，生成可能的窗洞口位置和尺寸方案a1、a2...an；s4、将步骤s3中生成的方案a1、a2...an依次导入步骤s2中的日照模型中，通过日照分析软件进行分析，得到不同方案的不同光照、通风情况；s5、将步骤s3中生成的方案a1、a2...an依次导入步骤s1的建筑物老化速率物理模型内，分别得到对应的安全使用年限；s6、通过对住户进行问卷调查对日照、通风、景观以及使用年限赋予权重，通过算法平衡照、通风、景观以及使用年限之间的选择，得到最优改造方案，并生成对应的日照、通风、景观以及使用年限报告。2.根据权利要求1所述的老旧小区窗户改造评估系统，其特征在于，在步骤s1中，包括如下子步骤，s11、创建建筑物历史档案，包括建筑日期、使用材料、结构类型以及维修历史；s12、进行材料测试，对建筑材料进行测试，得到建筑材料的具体强度；s13、监测环境因素，对建筑所处的环境因素进行监测，包括水分、温度变化以及紫外线辐射；s14、通过建筑物历史档案、材料测试、监测环境因素生成建筑物老化速率物理模型。3.根据权利要求1所述的老旧小区窗户改造评估系统，其特征在于，在步骤s1的子步骤中，通过查阅建筑物的建造记录、工程图纸、维修记录等来获取创建建筑物历史档案的信息，进行材料测试包括对建筑物中的主要材料进行压力试验、拉伸试验、弯曲试验得到建筑材料的具体强度，通过调取数据库中建筑物建造到现今的环境数据，监测环境因素通过数据库进行调用，数据库包括气象局或气象站、环境监测站以及网络数据库。4.根据权利要求1所述的老旧小区窗户改造评估系统，其特征在于，在步骤s1中，机器学习方法具体为，数据收集：根据建筑物历史档案、材料测试以及环境监测的数据，并对数据进行整理、清洗和处理；特征选择：在数据处理后，需要根据建筑物老化的相关因素，选取具有代表性的特征，包括建筑材料强度、环境因素；数据划分：将数据集划分为训练集和测试集，其中，训练集用于训练模型，测试集用于验证模型的准确性和可靠性；模型选择和训练：选择决策树、支持向量机、神经网络中的一种机器学习模型，并使用训练集对模型进行训练，以确定模型的参数和权重；模型评估和调优：使用测试集对模型进行评估和调优，以确保模型的准确性和泛化能力，可以使用均方误差或平均绝对误差指标来评估模型；模型预测：使用训练好的模型进行预测，根据建筑物的材料强度、环境因素、使用寿命等因素，预测建筑物的老化速率，进而得到对应改造方案得到的建筑物安全使用年限。5.根据权利要求1所述的老旧小区窗户改造评估系统，其特征在于，在步骤s6中，包括
如下子步骤，s61、设计调查问卷，包括日照、通风、景观和使用年限的评分题目，让住户对每个因素进行评分；s62、收集问卷并计算每个因素的平均分；s63、为每个因素赋予一个相应的权重，以反映住户的偏好；s64、对权重进行归一化，以确保它们的总和为1；s65、根据每个因素的权重，通过平衡选择算法平衡日照、通风、景观和使用年限之间的选择。6.根据权利要求5所述的老旧小区窗户改造评估系统，其特征在于，在步骤s65中，平衡选择算法为加权求和的方法，其中权重是通过住户调查得出的，公式如下：总评分＝w1*日照评分+w2*通风评分+w3*景观评分+w4*使用年限评分；其中，w1、w2、w3、w4分别是日照、通风、景观、使用年限的权重，需要满足w1+w2+w3+w4＝1；评分可以通过住户调查获得，可以将其转化为数值，具体评分方法可以根据实际情况来制定，最后输出评分最高的方案。

技术总结
本申请涉及老旧小区改造领域，针对业主配合度低，老旧小区的建筑规划和设计不规范，窗户的大小和位置没有统一的标准，导致窗户改造的难度和成本高的问题，本申请公开了本申请提供一种老旧小区窗户改造评估系统，包括如下步骤，S1、采用机器学习方法创建建筑物老化速率物理模型；S2、将步骤S1中收集的建筑物资料、小区资料生成日照模型；S3、通过步骤S1中收集的建筑物资料生成建筑物三维模型，导入国家规范，生成可能的窗洞口位置和尺寸方案A1、A2...An；S4、将步骤S3中生成的方案A1、A2...An依次导入步骤S2中的日照模型中，通过日照分析软件进行分析，本申请能够有效对老旧小区的窗户改造生成技术方案，能够提高业主满意程度。能够提高业主满意程度。能够提高业主满意程度。


技术研发人员：雷战修
受保护的技术使用者：雷战修
技术研发日：2023.05.17
技术公布日：2023/9/23