Název:
Extrakce tvarových příznaků z 3D modelů budov a jejich analýza
Překlad názvu:
Extraction of shape indicators from 3D building models and their analysis
Autoři:
Kovačka, Vít ; Brůha, Lukáš (vedoucí práce) ; Šimbera, Jan (oponent) Typ dokumentu: Diplomové práce
Rok:
2022
Jazyk:
cze
Abstrakt: [cze][eng] Diplomová práce zkoumá analytické využití 3D modelů budov ke klasifikaci zástavby, jež je posléze využívána jako vstup do desagregace prostorových dat na základě dasymetrického mapování. Nejprve jsou popsána teoretická východiska práce - přístupy ke klasifikaci budov v kontextu unikátní budovy či urbánní taxonomie města a také přístupy k desagregaci prostorových dat. Metoda klasifikace je implementována jako open source v jazyce CPython a PostgreSQL pro snadnou přenositelnost napříč různými 3D modely. Pracuje na principu strojového učení s využitím algoritmu random forest. Navržená metoda je aplikována na 3D model Prahy, zjednodušený model rekonstruovaný z footprintů budov a rastru relativních výšek a na 3D model Poznaně. Výstupy, tedy klasifikované budovy dle jejich využití jsou posléze využity jako vstupy do modelu pro desagregaci dat o počtu obyvatel. Zkoumán je vliv informace z 3D modelu budov v kontrastu s 2D daty, možnost využití pouze 3D dat a přidaná hodnota, jež 3D data poskytují pro urbánní mapování. Desagregace je hodnocena z hlediska výkonnosti modelu, celkové přesnosti a změn na lokální úrovni. Závěr práce se věnuje kritickému zhodnocení použité metody a srovnání s výsledky jiných prací. Klíčová slova: 3D model, budovy, desagregace, strojové učení, Python, dasymetrické mapování,...This diploma thesis examines the analytical use of 3D building models for the building classification, which is then used as an input to the disaggregation of the spatial data based on dasymetric mapping. Existing approaches and the theoretical basis of the work is described - approaches to the classification of buildings in context of a unique building or urban taxonomy of the city, as well as approaches to the disaggregation of spatial data. The classification method is implemented as open source in CPython and PostgreSQL for portability by all 3D models. Method works on the principle of machine learning using the random forest algorithm. The proposed method is applied to a 3D model of Prague, a simplified model reconstructed from building footprints and a raster of relative building heights, and to a 3D model of Poznań. The outputs, i.e. buildings classified according to their use, are subsequently used as inputs to the model for the disaggregation of population data. The gain of information from a 3D model of buildings in contrast to 2D data, the possibility of using only 3D data and the added value that 3D data provides for urban mapping are examined. Disaggregation is evaluated in terms of model performance, overall accuracy, and changes at the local level. The conclusion of the thesis is...
host ::
