公开(公告)号：CN118861726A

公开(公告)日：2024-10-29

申请号：CN202410825687.6

申请日：2024-06-25

Applicant: 东南大学

Inventor： 周聪惠 ,  许晶昕 ,  刘博雯

IPC: G06F18/23213 ,  G06N3/04 ,  G06N3/08 ,  G06F18/24 ,  G06F17/18

Abstract: 本发明涉及风景园林、城市规划与人工智能领域，公开了基于人工神经网络绿色空间结构演进模型构建及预测方法；通过绿色空间结构演进影响因子模型精确筛选出对绿色空间演进具有显著影响的因子，极大地提升了预测模型构建的效率，同时保证了预测模型的精准度。同时，运用了人工神经网络技术，相比其他预测方式，对绿色空间结构演进与各因子之间的复杂非线性关系具有更高的适应性，进一步提升了预测的精准性。

公开(公告)号：CN117079131A

公开(公告)日：2023-11-17

申请号：CN202311066837.1

申请日：2023-08-23

Applicant: 东南大学

Inventor： 周聪惠 ,  张诗宁 ,  石纪新 ,  李天骄 ,  任雨豪 ,  刘博雯 ,  王艺璇 ,  钱昱岑

IPC: G06V20/10 ,  G06V10/82 ,  G06Q10/0639 ,  G06Q10/04 ,  G06Q50/26

Abstract: 本发明公开了基于深度学习的绿色空间服务模块识别与优化方法及系统，涉及风景园林、城市规划与人工智能技术领域，包括以下步骤：接收目标绿色空间实景图像数据，其中，所述目标绿色空间实景图像数据通过确定目标绿色空间分布范围进行获取；将目标绿色空间实景图像输入至预先建立的绿色空间服务模块识别模型内，通过识别得出各张目标绿色空间实景图像内的绿色空间服务模块；对绿色空间服务模块进行统计，对统计后的绿色空间服务模块通过绿色空间单体层面和绿色空间组群层面两方面进行优化；本发明引入深度学习技术，通过输入绿色空间实景图像，可实现对各类型绿色空间服务模块快速、大规模的识别。

公开(公告)号：CN115098683B

公开(公告)日：2024-07-16

申请号：CN202210792933.3

申请日：2022-07-05

Applicant: 东南大学

Inventor： 周聪惠 ,  陈江滟 ,  孙泽仪 ,  张诗宁 ,  李宜燔 ,  刘博雯 ,  宋佳鸿 ,  赵鸣琪 ,  王立远

IPC: G06F16/35 ,  G06F16/33 ,  G06Q50/26 ,  G06N20/00

Abstract: 本发明公开了基于机器学习的城市绿地情绪影响因子甄别与调控方法，属于城乡规划、风景园林、环境心理学及环境行为学技术领域，以在线评论数据为样本，样本量大、覆盖面广、具有精准的时空属性，采集方法更为快捷、经济、高效；运用机器学习方法分析在线评论数据，避免由于人工判别所带来的“感性误差”，减少主观、人为因素；运用LDA模型文本挖掘技术提取潜在城市绿地情绪影响因子，便于突破了传统理论框架约束，避免遗漏未知情绪影响因子；能够结合不同地域的时空环境特点，针对性探索和提取城市绿地情绪影响因子，制定调控策略。

公开(公告)号：CN116258965A

公开(公告)日：2023-06-13

申请号：CN202310262789.7

申请日：2023-03-17

Applicant: 东南大学

Inventor： 周聪惠 ,  李天骄 ,  张诗宁 ,  刘博雯 ,  任雨豪 ,  石纪新 ,  钱昱岑 ,  王艺璇

IPC: G06V20/10 ,  G06V10/774 ,  G06V10/762 ,  G06N20/00

Abstract: 本发明公开了基于机器学习的街区绿色空间结构调适方法，涉及城市规划、风景园林及人工智能技术领域，方法包括以下过程：街区空间形态识别过程，街区绿色空间结构识别过程，街区“空间形态—绿色空间结构”适配度分析过程，街区绿色空间结构调适过程，本发明突破传统街区绿色空间结构识别的规模限制，能够高效率、大范围、跨时段分析巨量化的信息样本，同时通过街区“空间形态—绿色空间结构”适配度分析，进行街区绿色空间结构调适。

公开(公告)号：CN115098683A

公开(公告)日：2022-09-23

申请号：CN202210792933.3

申请日：2022-07-05

Applicant: 东南大学

Inventor： 周聪惠 ,  陈江滟 ,  孙泽仪 ,  张诗宁 ,  李宜燔 ,  刘博雯 ,  宋佳鸿 ,  赵鸣琪 ,  王立远

IPC: G06F16/35 ,  G06F16/33 ,  G06Q50/26

Abstract: 本发明公开了基于机器学习的城市绿地情绪影响因子甄别与调控方法，属于城乡规划、风景园林、环境心理学及环境行为学技术领域，以在线评论数据为样本，样本量大、覆盖面广、具有精准的时空属性，采集方法更为快捷、经济、高效；运用机器学习方法分析在线评论数据，避免由于人工判别所带来的“感性误差”，减少主观、人为因素；运用LDA模型文本挖掘技术提取潜在城市绿地情绪影响因子，便于突破了传统理论框架约束，避免遗漏未知情绪影响因子；能够结合不同地域的时空环境特点，针对性探索和提取城市绿地情绪影响因子，制定调控策略。

公开(公告)号：CN116414929A

公开(公告)日：2023-07-11

申请号：CN202310004283.6

申请日：2023-01-03

Applicant: 东南大学

Inventor： 周聪惠 ,  刘博雯 ,  张诗宁 ,  任雨豪

IPC: G06F16/29 ,  G06V20/13 ,  G06V20/10 ,  G06V10/764 ,  G06V10/771 ,  G06V10/40 ,  G06V10/82 ,  G06N3/0464 ,  G06N3/045 ,  G06N3/08 ,  G06Q50/26

Abstract: 本发明公开基于深度学习的街区绿色空间结构类型数据库构建方法，涉及人工智能、城市规划及风景园林技术领域，首先对城市遥感影像预处理，将绿色空间与处理后的城市遥感影像相互校验完成识别，根据绿色空间识别结果构建街区绿色空间结构类型体系，基于街区绿色空间结构类型体系构建街区绿色空间结构训练数据集，并构建初步街区绿色空间结构甄别模型，利用街区绿色空间结构训练数据集对初步街区绿色空间结构甄别模型进行训练，完成街区绿色空间结构甄别模型构建，并输出甄别结果，得到多个街区绿色空间结构类型数据，建立街区绿色空间结构类型数据库，能够高效率、大范围、跨时段分析巨量化的信息样本，从而有效提升评价结果的稳定性和准确性。