本發(fā)明涉及城市環(huán)境，特別是城市多尺度風(fēng)環(huán)境數(shù)值模擬方法。

背景技術(shù)：

1、在城市化迅猛發(fā)展的當(dāng)下，城市風(fēng)環(huán)境衍生出諸多棘手難題，像高樓林立引發(fā)的局部強(qiáng)風(fēng)干擾行人安全、通風(fēng)廊道阻塞致使熱島效應(yīng)愈演愈烈等，嚴(yán)重影響居民生活舒適度、能源消耗格局以及空氣質(zhì)量水準(zhǔn)。傳統(tǒng)風(fēng)環(huán)境模擬手段大多困于單一尺度的狹隘視角，無(wú)法統(tǒng)籌兼顧微觀建筑群落的精細(xì)氣流細(xì)節(jié)、中觀街區(qū)的通風(fēng)布局特質(zhì)以及宏觀城市地形地貌與大尺度氣候系統(tǒng)的交互關(guān)聯(lián)。微觀層面，行人高度風(fēng)環(huán)境受建筑微觀構(gòu)造左右，傳統(tǒng)方法難精準(zhǔn)捕捉；中觀上，街區(qū)通風(fēng)網(wǎng)絡(luò)效率及庭院氣流微循環(huán)難以有效量化；宏觀視角里，城市整體風(fēng)場(chǎng)受山脈、水系等地理要素的動(dòng)態(tài)影響機(jī)制亟待深度挖掘，現(xiàn)有技術(shù)缺失整合多尺度且能實(shí)現(xiàn)聯(lián)動(dòng)模擬的高效手段，難以滿(mǎn)足城市綜合性風(fēng)環(huán)境優(yōu)化需求。

技術(shù)實(shí)現(xiàn)思路

1、本發(fā)明的目的是為了解決上述問(wèn)題，設(shè)計(jì)了城市多尺度風(fēng)環(huán)境數(shù)值模擬方法。

2、實(shí)現(xiàn)上述目的本發(fā)明的技術(shù)方案為，進(jìn)一步，在上述城市多尺度風(fēng)環(huán)境數(shù)值模擬方法中，該數(shù)值模擬方法包括以下步驟：

3、獲取城市多源數(shù)據(jù)集，對(duì)所述城市多源數(shù)據(jù)集進(jìn)行數(shù)據(jù)預(yù)處理，得到初始城市多源數(shù)據(jù)集；

4、利用建模軟件根據(jù)所述初始城市多源數(shù)據(jù)集識(shí)別建筑類(lèi)型、街區(qū)功能和地理分區(qū)，基于預(yù)設(shè)模板生成初始多尺度模型；

5、調(diào)用氣象大數(shù)據(jù)訓(xùn)練所述初始條件模型，將各尺度注入風(fēng)廓線(xiàn)和溫濕度背景場(chǎng)，得到自適應(yīng)模擬進(jìn)程狀態(tài)；

6、根據(jù)所述自適應(yīng)模擬進(jìn)程狀態(tài)進(jìn)行模擬，利用ai智能監(jiān)控計(jì)算穩(wěn)定性和物理量合理性，根據(jù)深度學(xué)習(xí)模型動(dòng)態(tài)調(diào)整網(wǎng)格疏密、求解精度和時(shí)間步長(zhǎng)，得到初始模擬結(jié)果；

7、將所述初始模擬結(jié)果輸入至vr系統(tǒng)，基于用戶(hù)體感反饋與風(fēng)環(huán)境指標(biāo)閾值，激活數(shù)字孿生優(yōu)化引擎進(jìn)行迭代修正模型再模擬，當(dāng)城市風(fēng)環(huán)境舒適度合生態(tài)功能性達(dá)到最優(yōu)平衡時(shí)，輸出城市風(fēng)環(huán)境規(guī)劃藍(lán)圖。

8、進(jìn)一步，在上述城市多尺度風(fēng)環(huán)境數(shù)值模擬方法中，所述獲取城市多源數(shù)據(jù)集，對(duì)所述城市多源數(shù)據(jù)集進(jìn)行數(shù)據(jù)預(yù)處理，得到初始城市多源數(shù)據(jù)集，包括：

9、利用無(wú)人機(jī)集群搭載光學(xué)相機(jī)、激光雷達(dá)、多光譜掃描儀按照規(guī)劃好的航線(xiàn)對(duì)目標(biāo)城市全域進(jìn)行掃描，得到影像數(shù)據(jù)和點(diǎn)云數(shù)據(jù)；

10、從g?i?s地理信息系統(tǒng)平臺(tái)提取時(shí)空?qǐng)D層數(shù)據(jù)，通過(guò)網(wǎng)絡(luò)爬蟲(chóng)技術(shù)抓取社交網(wǎng)絡(luò)熱度數(shù)據(jù)，將所述像數(shù)據(jù)和點(diǎn)云數(shù)據(jù)、時(shí)空?qǐng)D層數(shù)據(jù)和社交網(wǎng)絡(luò)熱度數(shù)據(jù)進(jìn)行整合，得到城市多源數(shù)據(jù)集；

11、利用濾波對(duì)所述城市多源數(shù)據(jù)集進(jìn)行離群點(diǎn)刪除，得到第一城市多源數(shù)據(jù)集；

12、利用空間插值算法填補(bǔ)所述第一城市多源數(shù)據(jù)集中的缺失值，得到初始城市多源數(shù)據(jù)集。

13、進(jìn)一步，在上述城市多尺度風(fēng)環(huán)境數(shù)值模擬方法中，所述利用建模軟件根據(jù)所述初始城市多源數(shù)據(jù)集識(shí)別建筑類(lèi)型、街區(qū)功能和地理分區(qū)，基于預(yù)設(shè)模板生成初始多尺度模型，包括：

14、基于建模軟件中的cnn卷積神經(jīng)網(wǎng)絡(luò)識(shí)別所述初始城市多源數(shù)據(jù)集，對(duì)建筑外立面紋理特征、幾何形狀特征、高度特征進(jìn)行學(xué)習(xí)，得到城市特征數(shù)據(jù)；

15、利用建模軟件中的gcn圖卷積網(wǎng)絡(luò)挖掘所述城市多源數(shù)據(jù)集中街區(qū)功能關(guān)聯(lián)模式，劃分出商業(yè)區(qū)、居住區(qū)、文教區(qū)和工業(yè)區(qū)，得到建筑分布數(shù)據(jù)；

16、利用k-means聚類(lèi)分析算法劃出濱水生態(tài)區(qū)、山地涵養(yǎng)區(qū)、城市核心建成區(qū)和城鄉(xiāng)結(jié)合部，得到地理分類(lèi)數(shù)據(jù)；

17、基于城市特征數(shù)據(jù)、建筑分布數(shù)據(jù)和地理分類(lèi)數(shù)據(jù)生成初始多尺度模型。

18、進(jìn)一步，在上述城市多尺度風(fēng)環(huán)境數(shù)值模擬方法中，所述調(diào)用氣象大數(shù)據(jù)訓(xùn)練所述初始條件模型，將各尺度注入風(fēng)廓線(xiàn)和溫濕度背景場(chǎng)，得到自適應(yīng)模擬進(jìn)程狀態(tài)，包括：

19、基于cfd計(jì)算流體力學(xué)算法對(duì)初始多尺度模型進(jìn)行計(jì)算求解，微觀尺度利用les大渦模擬捕捉小尺度湍流渦旋結(jié)構(gòu)；中觀利用雷諾平均方程模擬街區(qū)通風(fēng)整體態(tài)勢(shì)；宏觀利用氣象模式求解器耦合城市與周邊大氣環(huán)流。

20、進(jìn)一步，在上述城市多尺度風(fēng)環(huán)境數(shù)值模擬方法中，所述根據(jù)所述自適應(yīng)模擬進(jìn)程狀態(tài)進(jìn)行模擬，利用ai智能監(jiān)控計(jì)算穩(wěn)定性和物理量合理性，根據(jù)深度學(xué)習(xí)模型動(dòng)態(tài)調(diào)整網(wǎng)格疏密、求解精度和時(shí)間步長(zhǎng)，得到初始模擬結(jié)果，包括：

21、利用lstm長(zhǎng)短期記憶網(wǎng)絡(luò)與vae變分自編碼器共同建立ai智能監(jiān)控模塊；

22、利用lstm長(zhǎng)短期記憶網(wǎng)絡(luò)實(shí)時(shí)跟蹤模擬物理量時(shí)間序列變化，學(xué)習(xí)風(fēng)速、溫度和壓力的波動(dòng)規(guī)律；

23、基于vae變分自編碼器對(duì)模擬數(shù)據(jù)降維編碼重建對(duì)比，監(jiān)測(cè)數(shù)據(jù)是否分布一致；

24、若因建筑群落間網(wǎng)格過(guò)渡不均致氣流阻塞，根據(jù)深度學(xué)習(xí)算法自動(dòng)加密關(guān)鍵通道網(wǎng)格0.5-2倍；

25、若求解格式耗散過(guò)大影響精度，則切換至低數(shù)值粘性高階格式；復(fù)雜流動(dòng)區(qū)域同步縮短時(shí)間步長(zhǎng)40％-90％，結(jié)合云端彈性計(jì)算結(jié)果進(jìn)行資源調(diào)配。

26、進(jìn)一步，在上述城市多尺度風(fēng)環(huán)境數(shù)值模擬方法中，所述將所述初始模擬結(jié)果輸入至vr系統(tǒng)，基于用戶(hù)體感反饋與風(fēng)環(huán)境指標(biāo)閾值，激活數(shù)字孿生優(yōu)化引擎進(jìn)行迭代修正模型再模擬，當(dāng)城市風(fēng)環(huán)境舒適度合生態(tài)功能性達(dá)到最優(yōu)平衡時(shí)，輸出城市風(fēng)環(huán)境規(guī)劃藍(lán)圖，包括：

27、所述將所述初始模擬結(jié)果輸入至vr系統(tǒng)，在微觀建筑底層評(píng)估行人風(fēng)舒適度，高層考察建筑風(fēng)荷載風(fēng)險(xiǎn)；中觀街區(qū)感知通風(fēng)廊道通風(fēng)效能、庭院風(fēng)微循環(huán)；宏觀俯瞰城市熱島分布、盛行風(fēng)走向影響；

28、激活數(shù)字孿生優(yōu)化引擎進(jìn)行迭代修正模型再模擬，基于優(yōu)化引擎中的多目標(biāo)遺傳算法，結(jié)合風(fēng)環(huán)境物理機(jī)理約束，數(shù)分鐘內(nèi)生成多套涵蓋建筑布局調(diào)整；

29、重復(fù)迭代修正模型再模擬流程，每次聚焦前期未達(dá)標(biāo)關(guān)鍵指標(biāo)強(qiáng)化優(yōu)化，歷經(jīng)多次循環(huán)，直至城市風(fēng)環(huán)境舒適度與生態(tài)功能性達(dá)全局最優(yōu)平衡，輸出城市風(fēng)環(huán)境規(guī)劃藍(lán)圖。

30、進(jìn)一步，在實(shí)現(xiàn)上述城市多尺度風(fēng)環(huán)境數(shù)值模擬方法的系統(tǒng)中，所述系統(tǒng)包括以下模塊：

31、數(shù)據(jù)獲取模塊，用于獲取城市多源數(shù)據(jù)集，對(duì)所述城市多源數(shù)據(jù)集進(jìn)行數(shù)據(jù)預(yù)處理，得到初始城市多源數(shù)據(jù)集；

32、模型建立模塊，用于利用建模軟件根據(jù)所述初始城市多源數(shù)據(jù)集識(shí)別建筑類(lèi)型、街區(qū)功能和地理分區(qū)，基于預(yù)設(shè)模板生成初始多尺度模型；

33、數(shù)值模擬模塊，用于調(diào)用氣象大數(shù)據(jù)訓(xùn)練所述初始條件模型，將各尺度注入風(fēng)廓線(xiàn)和溫濕度背景場(chǎng)，得到自適應(yīng)模擬進(jìn)程狀態(tài)；

34、狀態(tài)調(diào)整模塊，用于根據(jù)所述自適應(yīng)模擬進(jìn)程狀態(tài)進(jìn)行模擬，利用ai智能監(jiān)控計(jì)算穩(wěn)定性和物理量合理性，根據(jù)深度學(xué)習(xí)模型動(dòng)態(tài)調(diào)整網(wǎng)格疏密、求解精度和時(shí)間步長(zhǎng)，得到初始模擬結(jié)果；

35、結(jié)果輸出模塊，用于將所述初始模擬結(jié)果輸入至vr系統(tǒng)，基于用戶(hù)體感反饋與風(fēng)環(huán)境指標(biāo)閾值，激活數(shù)字孿生優(yōu)化引擎進(jìn)行迭代修正模型再模擬，當(dāng)城市風(fēng)環(huán)境舒適度合生態(tài)功能性達(dá)到最優(yōu)平衡時(shí)，輸出城市風(fēng)環(huán)境規(guī)劃藍(lán)圖。

36、進(jìn)一步，在實(shí)現(xiàn)上述城市多尺度風(fēng)環(huán)境數(shù)值模擬方法的系統(tǒng)，所述系統(tǒng)包括以下子模塊：

37、掃描子模塊，用于利用無(wú)人機(jī)集群搭載光學(xué)相機(jī)、激光雷達(dá)、多光譜掃描儀按照規(guī)劃好的航線(xiàn)對(duì)目標(biāo)城市全域進(jìn)行掃描，得到影像數(shù)據(jù)和點(diǎn)云數(shù)據(jù)；

38、整合子模塊，用于從g?i?s地理信息系統(tǒng)平臺(tái)提取時(shí)空?qǐng)D層數(shù)據(jù)，通過(guò)網(wǎng)絡(luò)爬蟲(chóng)技術(shù)抓取社交網(wǎng)絡(luò)熱度數(shù)據(jù)，將所述像數(shù)據(jù)和點(diǎn)云數(shù)據(jù)、時(shí)空?qǐng)D層數(shù)據(jù)和社交網(wǎng)絡(luò)熱度數(shù)據(jù)進(jìn)行整合，得到城市多源數(shù)據(jù)集；

39、刪除子模塊，用于利用濾波對(duì)所述城市多源數(shù)據(jù)集進(jìn)行離群點(diǎn)刪除，得到第一城市多源數(shù)據(jù)集；

40、得到子模塊，用于利用空間插值算法填補(bǔ)所述第一城市多源數(shù)據(jù)集中的缺失值，得到初始城市多源數(shù)據(jù)集。

41、進(jìn)一步，在實(shí)現(xiàn)上述城市多尺度風(fēng)環(huán)境數(shù)值模擬方法的系統(tǒng)，所述系統(tǒng)包括以下子模塊：

42、識(shí)別子模塊，用于基于建模軟件中的cnn卷積神經(jīng)網(wǎng)絡(luò)識(shí)別所述初始城市多源數(shù)據(jù)集，對(duì)建筑外立面紋理特征、幾何形狀特征、高度特征進(jìn)行學(xué)習(xí)，得到城市特征數(shù)據(jù)；

43、挖掘子模塊，用于利用建模軟件中的gcn圖卷積網(wǎng)絡(luò)挖掘所述城市多源數(shù)據(jù)集中街區(qū)功能關(guān)聯(lián)模式，劃分出商業(yè)區(qū)、居住區(qū)、文教區(qū)和工業(yè)區(qū)，得到建筑分布數(shù)據(jù)；

44、分類(lèi)子模塊，用于利用k-means聚類(lèi)分析算法劃出濱水生態(tài)區(qū)、山地涵養(yǎng)區(qū)、城市核心建成區(qū)和城鄉(xiāng)結(jié)合部，得到地理分類(lèi)數(shù)據(jù)；

45、生成子模塊，用于基于城市特征數(shù)據(jù)、建筑分布數(shù)據(jù)和地理分類(lèi)數(shù)據(jù)生成初始多尺度模型。

46、其有益效果在于，通過(guò)獲取城市多源數(shù)據(jù)集，對(duì)所述城市多源數(shù)據(jù)集進(jìn)行數(shù)據(jù)預(yù)處理，得到初始城市多源數(shù)據(jù)集；利用建模軟件根據(jù)所述初始城市多源數(shù)據(jù)集識(shí)別建筑類(lèi)型、街區(qū)功能和地理分區(qū)，基于預(yù)設(shè)模板生成初始多尺度模型；調(diào)用氣象大數(shù)據(jù)訓(xùn)練所述初始條件模型，將各尺度注入風(fēng)廓線(xiàn)和溫濕度背景場(chǎng)，得到自適應(yīng)模擬進(jìn)程狀態(tài)；根據(jù)所述自適應(yīng)模擬進(jìn)程狀態(tài)進(jìn)行模擬，利用ai智能監(jiān)控計(jì)算穩(wěn)定性和物理量合理性，根據(jù)深度學(xué)習(xí)模型動(dòng)態(tài)調(diào)整網(wǎng)格疏密、求解精度和時(shí)間步長(zhǎng)，得到初始模擬結(jié)果；將所述初始模擬結(jié)果輸入至vr系統(tǒng)，基于用戶(hù)體感反饋與風(fēng)環(huán)境指標(biāo)閾值，激活數(shù)字孿生優(yōu)化引擎進(jìn)行迭代修正模型再模擬，當(dāng)城市風(fēng)環(huán)境舒適度合生態(tài)功能性達(dá)到最優(yōu)平衡時(shí)，輸出城市風(fēng)環(huán)境規(guī)劃藍(lán)圖。1、多源數(shù)據(jù)全方位融合，微觀至宏觀精準(zhǔn)建模，細(xì)致還原城市風(fēng)貌，讓風(fēng)環(huán)境模擬貼合實(shí)際；2、遇異常迅速調(diào)適，保障計(jì)算穩(wěn)定精準(zhǔn)，大幅節(jié)約模擬耗時(shí)；3、大幅提升風(fēng)環(huán)境模擬精度，還能快速推動(dòng)城市規(guī)劃與建筑設(shè)計(jì)優(yōu)化，降低成本，為打造舒適、生態(tài)、節(jié)能的城市空間筑牢根基。