基于数据驱动模型的城市形态生成与多目标优化
作者单位：广州大学
学位级别：硕士
导师姓名：王墨
授予年度：2024年
主 题：三维城市形态 多目标优化 机器学习 雨洪管理 城市环境生成
摘 要：城市雨洪管控系统的可持续性规划和建设是当今人居环境建设领域的前沿课题,也是当代中国在追求高质量城镇化背景下亟需解决的重大问题。气候变化导致极端降雨事件频发,城市建设形态的不当建设增大了地表径流的排放压力,这些都给城市雨洪管理系统带来了严峻挑战。与传统的排水系统重建策略相比,防洪城市规划,即合理的水管理单元规划和城市三维形态建设,被证明是在解决治理城市洪水问题上更为稳健的方案,也是实现城市可持续发展的重要途径。然而,当前防洪城市规划策略研究仍处于初步阶段,异质的三维城市形态对内涝灾害的致灾机理尚待深入研究。此外,目前城市形态的优化研究往往仅注重抑制灾害,缺乏对经济要素的考虑,与可持续发展目标不符。因此,本文旨在构建一个防洪城市三维形态优化框架,权衡城市建设的多方效益,并提供从城市到次街区尺度的建设指导,为未来的城市雨洪管理提供更系统、科学和前瞻的理论与技术支持。 本文以高速发展的高密度典型城市——深圳为研究对象。首先,本文构建了全面的三维城市形态指标体系,并建立这些指标与当地内涝易感性以及经济产出之间的关联模型。在此基础上,本文创新性地搭建XGBoost和SHAP算法构成的级联建模链,旨在提高建模准确性,并深入分析城市形态指标在内涝易感性和经济产出关系中的作用机制。研究结果表明,三维城市形态要素对城市水文和经济均产生重要影响。具体而言,建筑物的三维空间拥塞度对城市内涝的易发性有显著影响,在低拥塞度的情况下尤为突出。而建筑物三维形态的复杂程度与城市经济增长密切相关。尽管城市内涝和经济产出的关键推动因素各异,但城市二维和三维形态的扩张在雨洪管理和经济效益方面仍然呈现明显的权衡。 为最大化城市形态建设的综合效益,本文提出了一套先进的城市形态优化框架,整合机器学习算法和遗传算法,巧妙平衡了缓解城市洪涝灾害和促进经济增长的双重目标。该算法可以根据特定规划单元的地形和用地功能条件,优化三维城市建设方案,并优先考虑对现有城市布局改动最小的方案。以深圳为例,本文对城市子集水分区的城市形态进行优化计算,并通过多准则决策工具对优化解集中的代表解进行打分排序,提出综合效益最佳的城市形态规划设计策略。模拟研究发现:(1)多目标优化的帕累托解方案揭示了理想的城市形态配置区间;(2)在不同的地形现状和土地功能模式下,最佳城市形态配置区间存在差异。以商业用地、住宅用地和公共管理用地为主的地区,为了获得更高综合效益,可在改造中优先考虑经济效益,并在提出的阈值范围内增加城市建设强度。而在工业用地为主或平均坡度较大的区域,则应优先减轻洪水易感性,这可能需要牺牲部分经济利益;(3)优化城市形态可在有效缓解城市内涝压力的同时,大幅提高经济产出。 基于生成式深度学习算法,本文创新性地开发了城市环境生成模型,将抽象的最优城市形态配置数值转译为可视化的城市形态三维模型,以更好地支持从业者,尤其是先验知识缺乏的从业者的规划和设计工作。首先,建立连续方程组件,将最优解集求解为二维城市密度数组集。随后,采用改进的生成对抗卷积网络模型将二维城市密度信息转化为包括建筑体积、绿地类型、道路和水体形态信息的三维城市模型。 本文提出了创新且通用的城市形态多目标优化框架,可以快速权衡任意特定地区的雨洪管理和经济产出效益,并导出可行的三维城市形态建设方案。该框架为可持续的雨洪韧性城市形态规划和建设提供方法参照,确保城市形态规划在城市水文管理中的前瞻性、系统性和科学性。
同方学位论文库