基于深度学习技术的城市总体规划方案评估研究

基于深度学习技术的城市总体规划方案评估研究

林徐才

青岛北洋建筑设计有限公司烟台分公司 山东省烟台市 264003

摘要：当前，在国家大力推进空间规划改革工作中，城市的总体规划也面临着很多问题，且城市总体规划的实践研究逐渐成为学术界的热点问题。从气象环境可行性、环境影响评价构建城市总体规划评估指标体系，并通过专家打分、城市规划实况分析以及城市规划模拟等方式采集评估指标数据；采用深度学习技术构建稀疏编码器，将评估指标数据作为稀疏编码器的输入，通过学习训练输出城市总体规划方案评估结果，并通过迭代训练过程提升稀疏编码器输出精度。

关键词：深度学习技术；城市总体规划

引言

总体来看，我国生态文明制度改革的发展整体目标，以及城市空间规划的改革领域关键任务。在城市总体规划方法评价过程中，针对大量的规划方案，如何运用切实可行的评估方法准确、高效地评估城市总体规划方案，是每一位城市规划人员面临的实际问题。作为深层机器学习方法之一，深度学习技术可在样本内提取特征并对特征实施转换，其具备学习能力较强的突出优势，广泛应用于图像分类、目标识别和目标评估等领域。普遍使用的深度学习技术包括自动编码技术、稀疏编码技术、深度置信网络等，这些深度学习技术利用逐层特征转换，使元空间特征转换至另一空间内，便于特征的分类与评估。城市总体规划方案评估在本质上可归纳为回归问题，具有高维度、非线性等特性。本文将深度学习技术应用其中，提出基于深度学习技术的城市总体规划方案评估方法。

1城市总体规划观念的改革

1.1更适应市场经济环境的特点

在市场经济环境下，参与城市规划建设的主体呈现出多样化的特点，国有、集体所有制、股份制、合资和私营等多种经济成分并存，建设方式由计划经济时代的统建转变为市场开发运作。因此，近年来，城市总体规划改革项目也开始研究和了解市场经济条件下的运行规律，根据这些运行规律来实现对市场的控制和引导，这种规划策略，使得规划控制的可操作性大大增强。不仅如此，这种规划观念还对城市规划的干预功能给予了更多的关注，从而弥补市场的不足。

1.2更注重城市社会经济发展与城市空间之间的关系

城市社会经济的发展直接关系着城市规模和空间形态的变化，过去，城市总体规划将城市社会经济发展直接等同于城市规模的扩张，而城市总体规划观念改革后，对二者的研究更侧重于从产业结构的变化角度来进行研究，对于社会经济现代化和城市空间现代化有了更为深入的认识，特别是物质环境空间建设水平和城市居民生活水平等方面。

2城市总体规划方案评估方法

2.1城市总体规划方案评估指标体系构建

城市总体规划与城市区域环境变化之间相互影响、密不可分，因此，可从城市区域环境变化方面选取指标作为城市总体规划方案评估指标。从气象环境可行性与环境影响评价两方面出发选取城市总体规划评估指标。其中：环境可行性方面的评估指标包括温度分布、风场、大气污染与人体舒适度等；环境影响评价方面的评估指标包括土地环境、水环境、大气环境以及噪声环境等。

2.2城市总体规划方案评估方法

2.2.1基于深度学习的评估流程设计

构建样本集，样本集中包含通过专家打分、仿真数据等历史科学性数据分析得到的城市总体规划方案样本数据，其中涵盖城市总体规划方案评估指标、评估指标对应的分析结果等。将样本数据内的城市总体规划方案评估指标以及评估指标对应的分析结果分别作为输入与输出变量。通过深度学习技术学习训练样本，构建从评估指标到评估结果的非线性映射，实现基于深度学习技术的城市总体规划方案评估。输入一组全新的方案数据，利用深度学习技术得到对应的评估结果预测输出，获取城市总体规划方案评估结果。

2.2.2评估指标数据采集

采集大量数据作为训练样本与测试样本是深度学习技术建模学习的基础。城市总体规划方案评估过程中包含大量数据，不同数据描述城市规化方案不同方向性能。基于数据采集过程中出现的程序扰动与计算机软硬件开销，同时受计算机硬件资源所限，采集城市总体规划相关数据时只采集各评估指标相关数据。为保证城市总体规划方案评估结果的准确性，需确保评估指标数据采集的准确性。评估指标数据采集较为不易，需要历史与经验数据累积，通常情况下，样本数据来源包括专家打分、城市规划实况数据以及城市规划模拟数据。基于上述城市规划指标数据来源，结合城市整体规划评估指标体系，选取相应数据作为样本数据。

2.2.3深度学习过程实现

深度学习技术中的稀疏编码技术能够通过学习过程在无标注数据内获取比初始数据更准确的特征，在评估城市总体规划方案应用过程中，以稀疏编码技术获取评估指标数据特征，替代初始评估指标数据，可获取更优质的评估结果。

3实例应用分析

3.1城市总体规划方案样本

为验证本文所研究的基于深度学习技术的城市总体规划方案评估方法的有效性，通过实际调研，得到100份城市总体规划方案样本，这些样本均被专家认可，具有可靠性。进行5次仿真实验，每次随机抽取80份城市总体规划方案样本用于训练，剩余20份城市总体规划方案样本用于测试，y表示城市总体规划方案的得分。在Matlab软件中进行本文方法仿真测试，构建稀疏编码器，设定迭代次数和学习步长分别为800次和0.01。将样本输入训练好的稀疏编码器中，得到测试样本的评估结果。

3.2隐含层数及节点的确定

稀疏编码器中隐含层数与各隐含层中节点的数量对于本文方法评估结果精度产生显著影响，对比隐含层数量为2~6的条件下，隐含层节点数量分别为10~30时稀疏编码器的评估精度。分析可知，隐含层及其节点数量有所差异的条件下，稀疏编码器的评估精度产生明显变化，当隐含层数为3，隐含层内节点数量为20的条件下，稀疏编码器的性能最好，因此选择隐含层数为3、节点数量为20的稀疏编码器建立城市总体规划方案评估模型。

3.3结果与分析

选取城市总体规划方案评估精度和城市总体规划方案评估时间作为评估结果的测试指标，选择传统城市总体规划方案评估方法：层次分析算法、RBF神经网络进行对比实验。本文方法的城市总体规划方案评估精度超过95%，城市总体规划方案评估误差控制在5%以内，而对比方法的城市总体规划方案评估精度低，城市总体规划方案评估误差大。对比结果表明，本文提出的城市总体规划方案评估方法获得了理想的城市总体规划方案评估结果。城市总体规划方案时间短，加快了城市总体规划方案评估速度，改善了城市总体规划方案评估效率，而对比方法的城市总体规划方案评估时间长。对比结果表明，本文方法是一种高效的城市总体规划方案评估方法，较好地克服了当前城市总体规划方案评估过程中存在的不足。

结束语

本文针对城市总体规划方案评估问题，研究了基于深度学习技术的城市总体规划方案评估方法，利用深度学习技术的非线性映射与特性提取性能构建稀疏编码器，通过训练输出评估结果。实例应用分析结果显示，本文方法能够准确评估城市总体规划方案，大幅降低了评估所需时间。本文利用深度学习技术进行评估的过程只是初步研究，在后续优化过程中还需对本文方法的收敛问题等进行深度研究。

参考文献

[1]席广亮，甄峰.基于大数据的城市规划评估思路与方法探讨[J].城市规划学刊，2017（1）：56⁃62.

[2]邱凯付，孙文勇，罗彦.面向治理现代化的特大城市总体规划实施探索[J].规划师，2018，34（2）：48⁃54.

[3]郑欣.基于深度学习技术的高校思想政治理论课评价机制创新[J].辽宁教育行政学院学报，2019，36（4）：82⁃86.