公开/公告号CN114971345A
专利类型发明专利
公开/公告日2022-08-30
原文格式PDF
申请/专利权人 东南大学;
申请/专利号CN202210645730.1
申请日2022-06-08
分类号G06Q10/06(2012.01);G06Q50/08(2012.01);G06F17/16(2006.01);G06F17/18(2006.01);
代理机构北京同辉知识产权代理事务所(普通合伙) 11357;
代理人王艳秋
地址 210096 江苏省南京市玄武区新街口街道四牌楼2号
入库时间 2023-06-19 16:33:23
法律状态公告日
法律状态信息
法律状态
2023-04-18
授权
发明专利权授予
2022-09-16
实质审查的生效 IPC(主分类):G06Q10/06 专利申请号:2022106457301 申请日:20220608
实质审查的生效
技术领域
本发明涉及品质评估技术领域,具体的是一种建成环境品质测度方法、设备及存储介质。
背景技术
目前,对建成环境的常见品质评估方法表现为:针对某一类型建成环境构建多维度的环境品质评价体系及评价指标要素,根据评估对象的建设需求对各指标要素进行等级评定,给出分项要素品质评价结果,并判断是否能够达到设计目标,从而提出针对性设计优化策略(CN202010998144.6,审中;CN201910407314.6,审中),此类评估方法在评价体系与指标要素选取的过程中,多依据相关研究文献自主选定,评价体系建构的合理性与系统性有待验证;在各指标要素的评价过程中,对于不可量化的指标要素多是根据专家评估或问卷调查的打分形式进行评估,对于可量化测度的指标要素则是根据过往研究经验划定评价等级,而并未考虑数据分布情况,各要素数据的静态参数区间划分会导致数据以不合理的方式过度集中在某一个或某几个区间,无法实现精确有效的区间赋值的目的;在评估结果的分析与实践应用中,多针对该研究案例的分项要素进行评估,并对改造前后或是多个设计方案的分项要素进行对比,但是简单的对比分析未考虑到这些分项要素之间的复杂作用关系,而无法明确具体对建成环境中何种要素的待优化程度,因此评估结果不具备合理性,在实际建设过程中,现有技术的实用性与参考价值具有一定限制,品质测度结果在实践应用中的高效性与精确性有待提升;目前,对于环境品质的综合测度研究较少,缺少一种实用性强的科学评估方法对复杂环境下的环境品质进行评估,为此,现在提出一种建成环境品质测度方法、设备及存储介质。
发明内容
为解决上述背景技术中提到的不足,本发明的目的在于提供一种建成环境品质测度方法,用于解决现有技术很难实现对建成环境构成要素与综合品质进行科学度量与精确分析的技术问题。
本发明的目的可以通过以下技术方案实现:一种建成环境品质测度方法,方法包括以下步骤:
确定决定环境品质的关键影响因素,建立环境品质影响因素指标体系,其中关键影响因素包括非观测要素与观测要素;
分析环境品质与关键影响因素的关系,形成理论模型;
采集观测要素从而形成大样本数据库;
根据大样本数据库中的样本数据的分布情况计算各关键影响因素对于环境品质的路径系数,并将路径系数转换为权重;
根据样本数据的分布情况,动态划分各观测要素分布区间,定义各观测要素品质赋值;
结合权重与品质赋值,对样本进行综合品质测度。
进一步地,根据所述理论模型建立潜变量间的回归方程式以及潜变量与观测变量间的回归方程式:
设:环境品质关键影响因素中的非观测要素有m类,观测要素有i类,其中观测要素是建成环境中可以直接被度量的要素,对应数据集为观测变量;非观测要素则为在建成环境中无法直接被度量的要素,需要间接以观测得到的实际的指标数值来反映,即潜变量,则潜变量与观测变量的矩阵方程式为:
Y=Λ
潜变量间的矩阵方程式为:
η=Bη+Γξ+ζ
式中:
Y为由i个观测变量y
η为由m个潜变量组成的m×1维向量;
Λ
ε为由i个测量误差组成的i×1维向量,是观测变量Y的误差项;
ξ为由1个外因潜变量组成的1×1维向量,即;
B是m×m维系数矩阵,表示内因潜变量η之间的相互关系,若存在相互关系,则记维度影响系数为β;
Γ为由m个影响系数γ
ζ为由m个解释误差组成的m×1维向量,是潜变量η的误差项。
进一步地,所述大样本数据库的建立过程为:
以建成环境实体矢量数据的清晰、完整及可获取性与满足后续开展数据解析的精确性为样本选择依据,形成大样本案例库;
收集样本所在区域的地理测绘图、卫星影像,结合建成环境特征,对观测要素的环境矢量数据进行获取;
对原始数据集进行标准化处理及负向关联要素反向赋值
正向指标:
负向指标:
其中,y
进一步地,对指标向量进行正态性检验,计算各指标向量偏态系数SK与峰态系数K:
其中,n为样本个数,y
若SK的绝对值小于3,K的绝对值小于8,则表示假设指标向量符合正态分布;
将处理后的样本数据导入理论模型,由理论模型推导得到协方差矩阵,形成样本协方差矩阵与总体协方差矩阵的拟合函数,并计算拟合函数最小取值情况下的参数估计值;
设θ为模型中全体未知参数Λ、B、Γ、Φ、Ψ、Θ组成的向量,Φ为潜变量ξ的协方差矩阵,Ψ为残差向量ζ的协方差矩阵,Θ为残差向量ε的协方差矩阵;
内因观测变量Y之间的协方差矩阵为:
则S与∑(θ)的差距函数为:
F(S,∑(θ))
其中F是样本共变数矩阵S与理论模型总体协方差矩阵∑(θ)之间距离的数值;
若假设指标向量服从多维正态分布,则使用极大似然估计法拟合函数:
F(S,∑(θ))
其中,tr(A)为矩阵A的迹,即矩阵A的对角线元素之和;log|A|为矩阵A的行列式的对数;p为测量变量的个数;
若假设指标向量不服从多维正态分布,则使用广义最小二乘法拟合函数:
其中,W
通过计算χ
(1)卡方自由度比χ
其中,n为样本个数,F
(2)渐进残差均方和平方根RMSEA:
其中,n为样本个数,F
(3)良适性适配指标GFI:
其中,tr(A)为矩阵A的迹,S为样本数据的观察矩阵,∑为理论模型总体协方差矩阵;
(4)赋范拟合指数NFI:
其中,
(5)比较拟合指数CFI:
其中,
(6)规准适配指数PNFI
其中,
(7)简单适配度指数PGFI
其中,df
进一步地,所述权重的计算过程包括:
建立观测变量权重集W,将计算得到的潜变量间的标准化路径系数γ
ω
根据各观测要素样本数据的分布区间,计算动态阈值区间与临界值,根据数据分布概率高低,将数据集定义为五个区间等级D1、D2、D3、D4、D5并由低到高进行分级赋值;
其中,x
进一步地,所述模型中待估计的自由参数个数包括回归系数、方差、协方差。
进一步地,所述各观测变量权重中∑γ
进一步地,一种设备,包括:
一个或多个处理器;
存储器,用于存储一个或多个程序;
当所述一个或多个程序被所述一个或多个处理器执行,使得所述一个或多个处理器实现如上所述的一种建成环境品质测度方法。
一种包含计算机可执行指令的存储介质,所述计算机可执行指令在由计算机处理器执行时用于执行如上所述的一种建成环境品质测度方法。
本发明的有益效果:
1、针对定量描述或定性分析少数典型案例的分项要素特征规律的信度低、精度低的不足,本发明采集大量典型案例形成建成环境样本库,提取样本矢量空间数据形成多维数据集,提高评估结果的精确性。
2、针对现有技术中品质评价数值划分区间不合理导致评估结果精确性较差的问题,通过解析实时数据动态分布规律,设定数据参数区间并进行赋值,将数据进行有效的动态区间划分,实现了对建成环境属性的整体、科学、精确分析,使评估结果更加科学合理、符合客观实际。
3、针对缺乏解析建成环境构成要素与品质的综合影响机制的问题,本发明通过合理、严谨的算法理清建成环境构成要素对于环境品质的相互影响关系,有效验证并识别适用于特定建成环境类型品质评估的关键因素与指标体系,解决了以往通过经验判断构建评估体系以及主观评分形成权重结果的经验性与或然性问题,通过合理、严谨的算法对环境品质进行评估,实现了对各项观测要素标准向量的高效计算与客观赋权,填补了建成环境环境品质评估领域评估指标合理性与评估结果准确性研究的空白。
4、针对品质评估环节仅对单个样本从单一维度分项要素改造前后的数据对比判断是否符合预期的缺陷,本发明综合数据构成规律与要素作用机制,对分项要素品质与综合品质进行了量化度量,可以在建成环境改造的前期方案环节,对多个设计方案进行品质预测与比选,降低了建成项目优化评估的成本,提高品质解析结果的准确性与设计实践决策效率。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,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的附图;
图1是本发明流程图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,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。基于本发明中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其它实施例,都属于本发明保护的范围。
如图1所示,一种建成环境品质测度方法,方法包括以下步骤:
确定决定建成环境品质的关键影响因素,建立环境品质影响因素指标体系,其中关键影响因素包括非观测要素与观测要素;
分析环境品质与关键影响因素的关系,形成理论模型;
采集观测要素从而形成大样本数据库;
根据大样本数据库中的样本数据的分布情况计算各关键影响因素对于环境品质的路径系数,并将路径系数转换为权重;
根据样本数据的分布情况,动态划分各观测要素分布区间,定义各观测要素品质赋值;
结合权重与品质赋值,对样本进行综合品质测度。
本实施例以街区空间环境为例,对影响其环境品质的因素及其观测要素进行提取,建立构成街区环境的观测要素与非观测要素指标体系如表1。
表1 街区环境品质影响因素
需要进一步进行说明的是,本实施例提出以下理论假设:
理论假设H1:街道网络结构与街区环境品质之间存在正相关关系。
理论假设H2:空间布局与街区环境品质之间存在负相关关系。
理论假设H3:街区尺度与街区环境品质之间存在正相关关系。
理论假设H4:空间密度与街区环境品质之间存在正相关关系。
理论假设H5:街道网络结构与空间布局之间存在正相关关系。
根据上述步骤提出的理论假设,以街区为样本,以非观测要素要素为内因潜在变量,以品质为外因潜在变量,各观测要素为观测变量,构建建成环境品质影响因素的关联模型。根据理论模型建立潜变量间的回归方程式以及潜变量与观测变量间的回归方程式:
设:
则潜变量与观测变量的矩阵方程式为:
即:Y=Λ
设:
则潜变量间的矩阵方程式为:
即:η=Bη+Γξ+ζ
式中:y
Y为由9个内因观测变量组成的9×1维向量;
Λ
ε为由9个测量误差组成的9×1维向量,是内因观测变量Y的误差项;
ξ为由1个外因潜变量组成的1×1维向量;
η为由4个因潜变量组成的4×1维向量;
B是4×4维系数矩阵,表示内因潜变量η之间的相互关系;
Γ是4×1维系数矩阵,表示外因潜变量ξ对内因潜变量η的影响;
ζ为由4个解释误差组成的1×1维向量。
所述大样本数据库的建立过程为:
以街区实体矢量数据的清晰、完整及可获取性与满足后续开展数据解析的精确性为样本选择依据,遴选100以上的典型案例从而形成大样本案例库;
收集样本所在区域的地理测绘图、卫星影像,结合环境特征,对观测要素的环境矢量数据进行获取;
需要进一步进行说明的是,在具体实施过程中,本实施例的观测要素含义及计算方法如表2。
表2 街区环境品质影响要素
对原始数据集进行标准化处理及负向关联要素反向赋值;
正向指标:
负向指标:
其中,y
对指标向量进行正态性检验,计算各指标向量偏态系数SK与峰态系数K:
其中,n为样本个数,y
若SK的绝对值小于3,K的绝对值小于8,则表示假设指标向量符合正态分布;
需要进一步进行说明的是,在具体实施过程中,本实施例偏态系数SK、峰态系数K检验结果如表3,所有观测变量均符合正态分布。
表3 正态性检验结果
将处理后的样本数据导入理论模型,由理论模型推导得到协方差矩阵,形成样本协方差矩阵与总体协方差矩阵的拟合函数,并计算拟合函数最小取值情况下的参数估计值;
设θ为模型中全体未知参数Λ、B、Γ、Φ、Ψ、Θ组成的向量,Φ为潜变量ξ的协方差矩阵,Ψ为残差向量ζ的协方差矩阵,Θ为残差向量ε的协方差矩阵;
内因观测变量Y之间的协方差矩阵为:
则S与∑(θ)的差距函数为:
F(S,∑(θ))
其中F是样本共变数矩阵S与理论模型总体协方差矩阵∑(θ)之间距离的数值;
若假设指标向量服从多维正态分布,则使用极大似然估计法拟合函数:
F(S,∑(θ))
其中,tr(A)为矩阵A的迹,即矩阵A的对角线元素之和;log|A|为矩阵A的行列式的对数;p为测量变量的个数;
若假设指标向量不服从多维正态分布,则使用广义最小二乘法拟合函数:
其中,W
通过计算χ
(1)卡方自由度比χ
其中,n为样本个数,F
(2)渐进残差均方和平方根RMSEA:
其中,n为样本个数,F
(3)良适性适配指标GFI:
其中,tr(A)为矩阵A的迹,S为样本数据的观察矩阵,∑为理论模型总体协方差矩阵;
(4)赋范拟合指数NFI:
其中,
(5)比较拟合指数CFI:
其中,
(6)规准适配指数PNFI
其中,
(7)简单适配度指数PGFI
其中,df
需要进一步进行说明的是,在具体实施过程中,关于整体模型适配度的检验标准以及本实施例的检验结果如表4。
表4 拟合指数检验标准
所述权重的计算过程包括:
建立观测变量权重集W,将上述步骤计算得到的潜变量间的标准化路径系数γ
ω
其中,
∑γ
∑λ
本实施例各非观测要素、观测要素路径系数归一化处理结果及其综合权重值如表5。
表5 本实施例归一化处理结果
根据各观测要素样本数据的分布区间,计算动态阈值区间与临界值,根据数据分布概率高低,将数据集定义为五个区间等级D1、D2、D3、D4、D5并由低到高进行分级赋值。
其中,x
本实施例各观测要素基于样本数据集的区间临界值见表6。
表6 本实施例观测要素等级区间
基于构建形成的品质评价指标体系,逐一计算研究案例评价指标的品质量,在此基础上,对照统计样本库各观测要素数据分类区间,对各要素的品质量进行重分类赋值,转换形成最终品质测度用的无量纲化要素品质值,进而实现累加计算,最后,基于各观测要素的权重值,将各指标要素进行加权叠加,得到该案例的环境品质的数值。本实施例选取四个街区样本进行环境品质测度,样本观测值及环境品质如表7。
表7 本实施例样本观测值及环境品质
以上显示和描述了本发明的基本原理、主要特征和本发明的优点。本行业的技术人员应该了解,本发明不受上述实施例的限制,上述实施例和说明书中描述的只是说明本发明的原理,在不脱离本发明精神和范围的前提下,本发明还会有各种变化和改进,这些变化和改进都落入要求保护的本发明范围内。
机译: 数据存储介质multim,再现设备multim复制存储在数据存储介质multim中的数据,将数据multim记录在存储介质中的记录设备,记录数据multim的方法u00ecdia在存储环境中记录数据。数据存储介质multim u00ecdia与记录设备一起使用和/或再现。multim u00ecdia再现设备用于再现存储在存储介质中的数据,该介质包括经认证的第一数据multim u00ecdia数据多级,第二级,将信息存储到数据多级的再现单元中,作为数据多级的附加信息,第三级,存储导航数据,用于选择再现单元和再现顺序以及将数据记录在存储介质中的记录设备,该数据记录设备
机译: 一种存储介质阵列控制器,一种存储介质阵列装置,一种存储介质驱动器,一种控制存储介质阵列的方法以及一种带有信号的介质嵌入式程序,用于存储介质阵列的控制器
机译: 一种存储介质阵列控制器,一种存储介质阵列装置,一种存储介质驱动器,一种控制存储介质阵列的方法以及一种将存储介质阵列控制器的程序嵌入的带有信号的介质