人工智能辅助设计：基于深度学习的 风景园林平面识别与渲染

采用风景园林学与人工智能的跨学科研究方式,开发了一种将深度学习模型——生成对抗网络(Generative Adversarial Network,GAN)用于风景园林平面图用地识别与图像渲染的新应用场景。以325张细致标注的平面方案图建立用于深度学习的数据集,训练循环生成对抗网络(CycleGAN)实现平面图不同用地类型地块的提取任务,以及平面色块图到色彩肌理图的渲染生成。进一步从图片质量、正确规范性和色彩表达等方面评价模型的识别与渲染结果。该训练模型有潜力被应用于风景园林案例的用地类型分析及平面渲染,帮助设计师提升分析及制图效率。     

基于物联网在线监测的景观项目雨洪 管理过程可视化与绩效评估

雨洪管理研究中，实地监测分析的准确性远高于模型模拟与水文计算，高精度监测数据可有效支撑景观项目雨洪管理过程还原及绩效评估。以清华大学胜因院为研究场地，利用无线传感网络(WSN)在线监测技术，通过系统设计组织多种传感器收集分钟级的降雨、树冠截留、土壤持水量、下渗、积水、溢流等雨洪管理数据。研究依据16场降雨数据，定量评估了场地树木冠层及终端雨水花园所发挥的径流削减作用，并分析指标相关性，可视化复杂的土壤水文过程。本研究提供的监测指标、系统及分析方法在景观项目雨洪管理监测中具有较强的推广性。