Jun, 2022

利用街景图像、航空图像和地表温度数据估算建筑能效

PDF
TL;DR通过对广泛可用的遥感数据进行多源融合和深度学习建模，可以较快地并且准确地评估建筑的能源效率，本研究通过对英国近 40,000 座建筑的数据分析和建模，证明了通过街景、航拍图像、建筑平面和卫星表面温度等信息，深度学习建模的方法可以取得令人满意的预测结果，并为未来的进一步工作提供了可能性。
发现论文，激发创造
  • 基于图像的建筑物自动现实世界可持续性数据生成

    从一组图像中，一个具有适当的提示工程和领域知识的大型语言模型可以成功地估计与可持续发展计算相关的一系列建筑特征，并生成针对业主如何改进其物业的定制建议。

    May, 2024

  • 利用卷积网络和卫星图像在大范围内识别城市环境模式

    利用遥感技术和深度卷积神经网络，分析大规模卫星图像数据中的城市土地利用模式，并提供数据集以供遥感应用的机器学习研究人员使用。

    Apr, 2017

  • Points for Energy Renovation (PointER): 一个百万英国建筑点云数据集，链接能源特征

    该研究提出了一种建筑点云数据集，利用地理引用 LiDAR 数据与英国能源性能数据库相结合，实现建筑能源信息的数据驱动、大规模理解，为建筑能源建模提供了新的研究思路。

    Jun, 2023

  • 从遥感数据中自动提取能源系统信息的回顾与分析

    本文系统地回顾了过去 20 年中的文献和研究结果，发现对于能源系统的研究来说，远程感应数据和机器学习等自动化方法是从海量数据中提取有效信息的关键。然而，方法标准化以及数据伦理和隐私问题等限制需要逐渐解决。

    Feb, 2022

  • 基于物理信息神经网络的建筑能效预测

    基于深层学习模型和物理方程，本文介绍了一种针对住宅建筑热损失的新型神经网络模型，结合建筑信息和能源消耗数据进行能源性能预测，取得了良好的预测准确性，为基于基本建筑特性的自动化、数据驱动能效预测铺平了道路。

    Nov, 2023

  • 可持续设计中用于建筑能源使用预测的零样本学习

    利用零样本学习方法，本文提出了一种基于建筑能源模型的预测建筑能耗的方法，该方法使用侧面信息来预测最接近给定未知建筑类型的建筑类型，并在训练中学习建筑模型，并使用加权平均函数组合所预测的建筑能耗值，其平均精度比基于 XGBoost 的回归模型训练的知名建筑类型数据集更优。

    Feb, 2022

  • 全球卫星图像建筑物检测

    利用遥感技术的建筑物检测创建人口密度地图，包括数据采集、半监督方法等解决策略。

    Jul, 2017

  • 利用卫星图像和深度学习评估非洲基础设施质量

    本文提出了通过使用遥感数据和卷积神经网络预测非洲的基础设施质量，成功地推动可持续发展目标的落实。在使用 Landsat 8 遥感数据时，我们的模型表现出要比使用 OpenStreetMap 或夜晚光线强度分析的模型更为卓越的预测结果，可以准确地预测电力、排污、自来水和道路建设的基础设施质量。此外，该模型还可以在精细调整后在未知国家和限制样本的地区内进行预测。

    Jun, 2018

  • 利用航空数据估算住宅太阳能潜力

    使用深度学习方法增强低分辨率数据以提高 Project Sunroof 对住宅建筑太阳能电池板潜能评估准确性和覆盖范围。

    Jun, 2023

  • 自动化国家城市地图提取

    使用地球观测和深度学习方法，该论文旨在充分利用完全卷积神经网络来实现多类建筑物实例分割，以实现相对较高的像素度量分数，进而在缺乏适当城市规划的地区实现密集区域和贫民窟地区的高准确性结果，并以黎巴嫩为案例，成功产生了首个包含约 100 万个单位且准确率达 84% 的综合性国家建筑物足迹地图。

    Apr, 2024