文摘
绿色植物在城市公园,它逐步成为最重要的城市越来越拥挤。最后,城市公园为人们的健康和福利提供机会为物理和社会活动,休闲和放松。为了构建“数字土地,”电脑和系统软件和硬件。计算机模拟是用来检查一个城市花园的景观设计的价值。数字模型和多媒体表演使用计算机辅助设计(CAD)正在建设中,这突显出景观设计的数字化数据的必要性。一个地区的景观才能准确评估如果足够的信息是可用的元素影响人们的景观质量意识,以及,他们每个人的方法,有效率。我们使用一个LVQANN(人工神经网络)预测城市公园的景观美学评估和优先级模型的重要因素在这个研究。用户的观点,结合人工神经网络建模是利用评估审美的城市公园的环境质量。这样做是出于两个原因。城市公园的设计决策支持系统被称为MATLAB软件的多层感知模型,使预测的能力创新公园景观视觉意义。 In this study, the ANN LVQ model is used to execute an ageing design of an urban park landscape based on a computer virtual simulation application. An example land is selected as input and area linked to sunny spot, top view, and so on is fixed. The ANN tool box is used to develop this application in MATLAB 2018b software. The following approach is used to create the ideal urban park landscape model. An accuracy of 89.23 percent, a sensitivity of 87.34 percent, and a recall of 78.93 percent were achieved, outperforming the approach and competing with the current model.
1。介绍
对于居民,城市公园提供低成本接触大自然的机会在他们的日常生活,同时也改善城市的美学。为了准确地分析一个地区的景观,有必要知道的,方法和效果的影响力方面,以及它们是如何影响用户的景观质量。环境、生物、社会、文化和生理方面都有一个角色在景观的美学价值。对于大多数人,景观多样性、景观,人们的口味和理想都扮演一个角色在审美的选择。
德黑兰的城市公园设计现在坚持副总裁战略规划中概述的指导和监督出版203号,和一些小的修改。这导致了一个戏剧性的减少公园的景观结构的美学价值,也没有具体的框架,提高景观质量。景观方面最吸引用户,哪些是最重要的变量在影响他们对环境的看法?我们如何预测城市公园的审美价值在观察者的眼睛通过构建最合适的结构?的影响自然环境的美学质量的因素被发现的观点来看,土地,和地形。研究人员认为评估土地及其生态系统的卓越的视觉需要密切关注景观的自然条件(见图1)。
这看着水的作用在加强公园的美学和吸引更多的游客。水特性,如池塘,游泳池,地底下,喷泉,等等,应该包括景观设计,研究人员表示,为了为公园游客提供更多的多样性和享受。城市绿色空间的评价、质的和穆罕默迪泽采用CNN模型来确定特征和迹象,如露出表面,建筑功能,水,树木和灌木,运动器材,山风景景观美化方面有益。风景也列为高质量如果他们提供水、休闲和运动设备,根据研究。除了树木和植物,架构上吸引人的建筑,和山地景观、城市绿地有更好的景观质量。通过引入一个多层感知模型,树种的多样性和纯天然地区缺乏人类的干预措施,诸如建筑、道路和公园设备提振在自然区域的景观质量。可以使用任何这些研究中概述的设计理念作为当前研究的迹象,如图1。
工作的贡献如下:(我)执行老龄化城市公园景观的设计使用安LVQ模型基于计算机虚拟仿真应用程序。(2)选择土地,把它作为输入和面积与阳光明媚的地方,顶视图等等是固定的和执行评估。
1.1。文献调查
乔和全考虑人类组件的相关性;我们需要确定设计鼓励一个适当的程度的park-goers提升整体满足与周围的环境。城市公园设置可以更愉快的通过使用这种研究的结果设计建议和支持数据(1]。
余等。利用ArcGIS三维分析的结果,我们想提出一个新颖的研究视角和服务,创建布局提供技术有利于老年人的这些地方为了更好地保证城市可持续发展文明(2]。
李、徐此外,研究和试验结果表明,实现分布合理性有效性技术比竞争。这种方法可能会作为一个科学的参考和依据目前景观园艺行业包括三维图像和其他尖端技术(3]。
Van Vliet等。在一个城市公园,自然组件和各种植物的物种是至关重要的,而提供的服务的价值相差很大在不同部门的公共公园这类研究可能帮助规划者和立法者做出更好的选择。因此,它显示了建立一个虚拟的公园环境的价值偏好的研究。查看完整的文章(4]。
罗和刘。随着康复环境的发展,本研究检视目前实证研究方法从主体和客体的角度,指出他们的缺点,预测未来的发展趋势,并最终提出未来的实证研究。这项研究应该更加严谨而有条理,有更好的知识的研究,建立一个评估体系和最实用的意义可能应该鼓励[5]。
杨的城市公园景观设计和分析城市公园的意义可能提高了使用计算机模拟。越来越多的人意识到是多么重要的数字化信息创建数字模型和多媒体表现在计算机辅助设计(CAD),特别是当涉及到景观设计过程(6]。
马等。分析了花园的合理分配是基于一种新的三维图片。虚拟现实技术被用来建立一个三维的模拟分布格局的功效。最后,花园,理性药物交付方法,案例研究,福利,和将讨论性能测试的结果7]。
欧文等。为了更好地理解的挑战结合多学科视野和绿色空间造型设计及性能评估在泰国的魅力,我们采访了三所大学的学生:法政大学,Mahidol大学,河中的小岛。金边的例子说明3 d可视化和造型有可能帮助人们更好的理解绿色空间的好处。城市绿色空间设计要想成功,我们相信,一个决策支持系统,易于使用,是至关重要的8]。
主教和Rohrmann研究的发现表明,最细致和耗时的计算机模拟可能并不总是反映现实世界的行为。然而,观众的现实评估主要是积极的,昼夜之间的对比情况下在模拟环境中几乎是相同的与实际的世界。结果发现需要改进的领域和重新评估9]。
全和香港。各种各样的人类活动在公园已被证明在影响音景知觉有显著的影响。也有很大联系人们如何感知的音景和审美品质,简单起见,给定的环境和感觉提供的外壳。本研究的结果,音景在城市公园可能受益于发现,即使他们只适用于首尔的特定设置10]。
丹尼尔和Meitner。每个realism-abstraction度用来描述相同的林地景观图像在这个调查。一组相似的森林景观图片给各种组织的观察员,并要求每组分数的感知景区质量场景。电脑景观的可视化数据可能并不准确表示景观之间自相关性判断相同的风景在各种可视化的情况下非常低(11]。
兰格。这次调查关注的主题,如何以及在多大程度上虚拟景观可以用来准确地再现真实的风景图片。施维茨的定居点和Ingenbohl-Brunnen,位于瑞士的琉森湖中央的海岸,是本研究的重点12]。
主教和兰格。可视化领域的技术有很多,和著名的开发人员讨论最新的硬件的进步,软件和显示技术。担忧的合法性和道德的使用视觉模拟。作者从林业、农业、矿业、能源、和城市规划提供了先进的应用程序。最后,看看来增强现实和公众参与是包含在报告的最后一章13]。
主教。的观点分析二维GIS的方法是无效的情况下存在显著的3 d方面。景观视觉解释,新标准是必要的,因为基于主体建模的增加。基于gis技术这两个视觉造型和3 d - base视觉造型本文研究[14]。
汤普森认为开放空间被定义和使用更加灵活的方式,考虑到“松配合”景观,为社会提供可能性被边缘化和环境运动的动态上下文内的城市结构和网络(15]。
Wergles Muhar。可视化,另一方面,更有效地传达特定功能的设计,因为他们的能力来吸引观众的注意力焦点。作为一种传达设计理念、视觉表征可能工作得很好,但是他们必须适应观众为了有效16]。
谢泼德伦理和科学有效性可能提高了可视化从业者提供方向和援助,根据建议的框架。提供一个初步的道德规范进行评估,测试和改变之前,其他研究人员和用户更彻底的聚集的大量研究结果需要在这个话题。这样的代码应该把道德行为的一般原则和指导方针的创建、表示、可视化和分析,以及分析用户评论(17]。
阿普尔顿,莱维特。根据数据,似乎某些特征时比其他人更重要的现实主义。评级前景明显影响植被和地表的一般外观,尽管评级在三大变化的情况下评估(18]。
Kort等。在四个措施,研究人员发现实质性的变化。环境和植物,另一方面,似乎并没有主要的方式进行交互。虚拟环境有许多与实际的特点,但也有重要区别。因此,我们认为,这是一个重要的和迷人的环境心理学的主题19]。
奥兰等。利用虚拟现实(VR)技术援助和环境决策是本文的重点。人机接口是讨论和分类,然后我们研究VR的品质与景观表示要求相匹配20.]。
现有方法的缺点如下,昂贵的直接观察,它需要大量的雇佣长期监测和限制信息只提供。
2。方法
在本节中,城市公园landscape-based使用LVQ安技术分析。多级分类,LVQ(学习矢量量化)最近的原型是一个杰出的适应力强分类器。然而,学习算法从这个家庭已经开发基于启发式。LVQ(学习矢量量化)分类器在本文中进行了综述。建议分类包含最重要的LVQ技术迄今为止。当代LVQ)技术的基本要素是本文中概述。11 - LVQ提取器进行比较的一个真实的数据集和2假区域如图2。
在这里,城市公园的数量(5)时间。 , :网络流量持续时间的长度。
域代表一系列离散的有限长度安理论。所以,
本系列离散代表一组给定的下面,
的安与有限的长度被认为是一个序列的自然周期。随后,与安的理论。
因此,展开如下方程给出:
自从网络流量考虑 ,下面的方程获得访问的交通网络。
方程(7)代表,交通网络扩展到傅里叶级数的时间长度以及网络流量的相关性时间点。傅里叶级数展开矩阵是由以下几点:
因此,我们得到了以下几点:
在这里,T:矩阵转换操作
在这,
从(7), 在哪里。
在这里,(8)有效地捕获网络流量中的关系。随后,
和代表了网络流量特性和方程(12)捕获区域维度特征。
时间的认证密钥 是由,
认证密钥 时间周期 通过计算以及傅里叶级数的系数和 。
在统计分类和预测,LVQ(学习矢量量化)是一个家庭的方法尝试学习原型(码书矢量)代表类地区。泰森多边形法分区用于定义类领域超平面之间的原型。80年代晚期,Teuvo Kohonen想出LVQ1算法已被用于许多不同的方式。有一个小但是专用群研究LVQ算法因为他们的介绍。“学习矢量量化”或“LVQ”出现在665年的学术文章的题目或摘要索引的ISI科学2013年11月。本文介绍了近期发展的一项调查。
为了实现竞争学习的LVQ算法类似于索姆和c。在培训过程中,“赢者通吃”的学习规则和基于迭代变化城市公园_SCAPE_002ates才选定的组件或社区用于创建竞争学习算法。Class-labeled原型得到通过原始LVQ监督学习技术和最近的扩展(分类)。无监督学习也可以用来训练LVQ集群没有标签。我们将完全覆盖LVQ分类器在这工作。
数据应该有一个高斯混合概率密度函数(城市公园_SCAPE_002f)。对数最大化之间的差异适当的类的和错误的类的城市公园_SCAPE_002f比率是一个成本函数给定一个数据点。
此外,GLVQ和原始的LVQ算法提高了灵敏度的初始化(15]。
例如,LVQ可用于图像和信号处理、生物医学领域、医药和工业,就更别提几个例子的许多使用有一个巨大的收集系统中书目数据访问。
在这项研究中,我们给一个全面概述最重要的监督LVQ算法自Teuvo Kohonen最初的工作。我们的分类和LVQ分类是这里介绍的技术。共有11个不同的LVQ算法在各种模拟和实际测试数据集。根据这样的数据集,我们探索每种策略的优缺点。
假设输入空间包含一个参考向量的数量 。典型的;类分配的参考向量。这意味着输入向量x被分配一个分类基于最近的参考向量。我们可以把(t)的离散时间表示序列。在这一部分中,我们将专注于LVQ2.1,之前已提供。这就是LVQ2.1城市PARK_SCAPE_002ates参考向量从指定的一组正确的开始值。
第九,di =−和d我第九=−+ wjl。
基于推的概念向贝叶斯决策边界范围运用吸引力和排斥力的压力x,LVQ2.1实现一个算法(如图3)。结果,参考矢量偏离长期以来没有考虑的的位置。引用类分布使用多个参考向量被建议作为一种方法来防止参考矢量散度。然而,LVQ3 LVQ2.1早些时候相同的属性,所以并没有解决的问题参考矢量散度。
3所示。结果与讨论
在本节中,简要讨论城市公园景观通过基于matlab的安发现计算机视觉模型。
参数估计是表所示1:
图4清楚地解释的高层视图模型提出设计估计图像;在这方面,使用安LVQ模型达到适当的景观建筑。
(一)
(b)
(c)
(d)
图5清楚地解释了不同观点的选择的城市,在这个提议绿色屋顶计划被用来提高气候条件,保护和开发工厂,鼓励户外活动和积极的生活方式,促进社会联系和交流,创造健康的城市环境认知和情感上的幸福。
(一)
(b)
(c)
(d)
图6清楚地解释了城市公园景观的内部布局分析,在这个所有道路地图和路径相应的添加。
鉴于这些绿色空间的有限的范围内,设计标准必须简单:树木、灌木、草地区必须以这样一种方式把阴影和阳光充足的地方备用;铺砌的区域也必须给出,玩和放松如图7。
结果的比较如表所示2:
图8清楚地解释了关于不同的模型的比较结果,提出ANN_LVQ模型取得更多的进步。功能变异出现在模拟的过程中,这个系统比较系统的灵敏度与随机变化,这将导致计算速度的降低。
4所示。结论
在本研究工作中,老化的城市公园景观的设计基于计算机虚拟仿真应用程序使用安LVQ实现模型。100年城市公园设置的视觉质量评估使用公民观念。总共15个景观特征影响了现场的视觉质量。根据研究结果,多层感知模型15-8-1的配置15-8-1(15个输入变量,8隐层神经元,1输出变量)有最好的结构优化性能。三个数据集获得R2值为0.97,0.88,和0.90:培训(验证),测试和(测试)。城市公园景观的视觉质量是最受土地坡度和植被/建筑/硬表面比率模型的灵敏度值0,24岁,0,7,0。在这个土地的一个例子是选择作为输入,并修复区域相关阳光充足的地方,顶视图等等。这个应用程序是在MATLAB实现2018 b软件使用安工具盒。完美的城市公园景观模型是使用以下技术而设计的。措施精度89.23%,敏感性87.34%,召回已经达到78.93%了性能模型的方法和与礼物。
数据可用性
没有数据被用来支持本研究。
的利益冲突
作者宣称没有利益冲突有关这篇文章的出版。