【作者】

張業(yè)成^a,?, 趙慧敏^,?, 龍瀛^,*

a ,b 清華大學(xué)建筑學(xué)院

c 清華大學(xué)建筑學(xué)院和恒隆房地產(chǎn)研究中心，教育部生態(tài)規(guī)劃與綠色建筑重點(diǎn)實(shí)驗(yàn)室

?共同第一作者

通訊作者郵箱

ylong@tsinghua.edu.cn

原文鏈接

https://www.nature.com/articles/s41597-025-04730-5

內(nèi)容導(dǎo)讀

快速獲取三維（3D）建筑數(shù)據(jù)，包括屋頂、高度和結(jié)構(gòu)等幾何屬性，以及功能、質(zhì)量和年齡等指標(biāo)屬性，對(duì)于準(zhǔn)確的城市分析、模擬和政策更新至關(guān)重要。當(dāng)前的建筑物數(shù)據(jù)集存在多維屬性時(shí)空覆蓋缺失。龍瀛課題組開(kāi)發(fā)了一個(gè)用于大規(guī)模建筑建模的人工智能框架（圖1），提出了第一個(gè)國(guó)家規(guī)模的多屬性建筑物數(shù)據(jù)集CMAB，覆蓋了中國(guó)3667個(gè)實(shí)體城市，3100萬(wàn)個(gè)建筑和236億m2的屋頂，在基于OCRNet的提取中F1值為89.93%，總計(jì)3630億m3的建筑存量。基于城市行政等級(jí)分類(lèi)訓(xùn)練了機(jī)器學(xué)習(xí)模型，包含形態(tài)、區(qū)位和功能等特征。使用多源數(shù)據(jù)，包括數(shù)10億張高分辨率遙感圖像和6000萬(wàn)張街景圖像，通過(guò)深度學(xué)習(xí)、機(jī)器學(xué)習(xí)和多模態(tài)大模型為每棟建筑生成了屋頂、高度、結(jié)構(gòu)、功能、風(fēng)格、年齡和質(zhì)量屬性。準(zhǔn)確性通過(guò)模型基準(zhǔn)、現(xiàn)有的類(lèi)似產(chǎn)品和人工檢查進(jìn)行了驗(yàn)證，準(zhǔn)確率超過(guò)80%。數(shù)據(jù)集和結(jié)果對(duì)于全球可持續(xù)發(fā)展目標(biāo)和城市規(guī)劃至關(guān)重要。

圖1 CMAB的整體建模框架

研究背景

在過(guò)去幾十年的城市化進(jìn)程中，世界各地的城市經(jīng)歷了快速擴(kuò)張，建筑物成為空間基本細(xì)胞單元，城市在三維形態(tài)和社會(huì)功能方面呈現(xiàn)出日益復(fù)雜的變化。通過(guò)構(gòu)建數(shù)據(jù)集全面了解城市的精細(xì)三維物理和社會(huì)結(jié)構(gòu)，對(duì)于研究城市化進(jìn)程、城市能源、城市生態(tài)系統(tǒng)以及與碳排相關(guān)的政府決策至關(guān)重要。建筑屬性可以大致分為兩類(lèi)：幾何屬性，包括建筑二維形態(tài)、高度、結(jié)構(gòu)和方位；和指標(biāo)屬性，包括功能、風(fēng)格、年齡、質(zhì)量和空置。幾何屬性對(duì)于分析城市物理結(jié)構(gòu)和規(guī)劃城市空間至關(guān)重要，而指標(biāo)屬性是理解建筑性能和生命周期的關(guān)鍵。

一方面，由于以往數(shù)據(jù)的空間和時(shí)間分辨率不足、訓(xùn)練樣本有限以及訓(xùn)練成本高昂，三維城市形態(tài)信息由于測(cè)繪成本和技術(shù)限制一直難以大規(guī)模展開(kāi)，尤其是在發(fā)展中國(guó)家。因?yàn)閭鹘y(tǒng)航空測(cè)量經(jīng)濟(jì)成本高、時(shí)間長(zhǎng)，使用開(kāi)源數(shù)據(jù)快速提取三維建筑數(shù)據(jù)是未來(lái)的發(fā)展趨勢(shì)。另一方面，目前對(duì)城市結(jié)構(gòu)的理解仍主要停留在物理層面，以現(xiàn)有的建筑屋頂和高度數(shù)據(jù)為代表，缺乏建筑物的綜合社會(huì)屬性，如功能、風(fēng)格、年齡和質(zhì)量。據(jù)調(diào)查，CMAB是世界上第一個(gè)在建筑單體層面提供這些屬性的國(guó)家規(guī)模的尺度開(kāi)放建筑物數(shù)據(jù)集。

圖2. 建筑屬性和數(shù)據(jù)來(lái)源可視化

主要解決問(wèn)題

1. 空間抽樣策略

首先定義實(shí)體城市的邊界，以明確數(shù)據(jù)產(chǎn)品的提取范圍。根據(jù)中國(guó)的氣候區(qū)劃和行政城市級(jí)別選擇建筑樣本，并將所有建筑物按照其對(duì)應(yīng)的行政級(jí)別分為五類(lèi)。

圖3. 中國(guó)實(shí)體城市抽樣、行政等級(jí)分類(lèi)與所用多源數(shù)據(jù)的空間完備性

圖4. 實(shí)體城市GES影像的時(shí)間分布

2. 構(gòu)建指標(biāo)體系，提取三維建筑

利用手工標(biāo)注增強(qiáng)的屋頂樣本來(lái)訓(xùn)練OCRNet模型，并采用空間聚合方法提取所有實(shí)體城市的建筑屋頂。在此基礎(chǔ)上，計(jì)算不同尺度下的建筑形態(tài)、密度和區(qū)位特征。針對(duì)每個(gè)行政級(jí)別的建筑，訓(xùn)練合適的分區(qū)模型以完成三維建筑的提取。同時(shí)在建筑高度的指標(biāo)體系上加入建筑功能特征。

圖5. 用于標(biāo)注增強(qiáng)的高密度區(qū)域重采樣過(guò)程

圖6. 百度建筑數(shù)據(jù)集的統(tǒng)計(jì)與預(yù)處理

圖7. 用于高度和功能估計(jì)的建筑物特征構(gòu)建

圖8. 建筑特征計(jì)算——以臨街和功能區(qū)位為例

3. 提取指標(biāo)屬性

使用多源數(shù)據(jù)進(jìn)一步提取不同尺度下的功能特征，生成功能特征。通過(guò)結(jié)合長(zhǎng)時(shí)序不透水面和6000萬(wàn)條街景圖像，通過(guò)空間匹配和目標(biāo)檢測(cè)為每個(gè)建筑單體分配建筑年代和質(zhì)量。此外，建筑的結(jié)構(gòu)、風(fēng)格屬性通過(guò)微調(diào)CLIP多模態(tài)模型獲得。

圖9. 通過(guò)街景評(píng)估沿街建筑的質(zhì)量

圖10. 使用GAIA數(shù)據(jù)為建筑物添加建筑年齡

4. 數(shù)據(jù)驗(yàn)證

對(duì)建筑的屋頂、高度和功能進(jìn)行了模型評(píng)估和數(shù)據(jù)對(duì)比，并通過(guò)手工標(biāo)注的街景數(shù)據(jù)集對(duì)建筑的高度、結(jié)構(gòu)、功能、風(fēng)格、質(zhì)量和年代進(jìn)行了驗(yàn)證。

圖11. 建筑物多屬性的人工驗(yàn)證方法

成效分析

1. 數(shù)據(jù)產(chǎn)品整體介紹

該數(shù)據(jù)集可在Figshare網(wǎng)站：https://doi.org/10.6084/m9.figshare.27992417獲得。該產(chǎn)品按實(shí)體城市和行政區(qū)劃組織，并以標(biāo)準(zhǔn)GIS格式保存。每個(gè)建筑物屋頂被保存為由地理坐標(biāo)系WGS1984下有限數(shù)量的點(diǎn)繪制的多邊形，包括建筑物屋頂、高度、結(jié)構(gòu)、功能、年齡、風(fēng)格和質(zhì)量作為建筑物屬性。

圖12. 北京多屬性建筑物數(shù)據(jù)集的可視化

2.建筑輪廓結(jié)果

評(píng)估基于一個(gè)驗(yàn)證集，包含來(lái)自七個(gè)不同氣候區(qū)的城市中23，415個(gè)手動(dòng)標(biāo)注的建筑屋頂。結(jié)果顯示，建筑屋頂分割模型在相關(guān)數(shù)據(jù)集上的交并比（mIoU）、召回率（Recall）和精度（Precision）方面優(yōu)于現(xiàn)有研究。在補(bǔ)充了114，783個(gè)建筑單體的標(biāo)注數(shù)據(jù)后，屋頂分割模型達(dá)到了91.59%的準(zhǔn)確率，81.95%的 mIoU，89.93%的 F1 分?jǐn)?shù)，以及79.86%的 Kappa 系數(shù)。

3.建筑高度結(jié)果

通過(guò)可視化和高度分類(lèi)和 GABLE 數(shù)據(jù)集進(jìn)行了比較。GABLE 是一個(gè)通過(guò)光學(xué)影像識(shí)別中國(guó)所有建筑高度的產(chǎn)品，提供了 0-10、10-30、30-50、50-100、100-500 米高度區(qū)間的 RMSE 值。根據(jù)這些區(qū)間分類(lèi)數(shù)據(jù)后發(fā)現(xiàn)，在50米以下的區(qū)間內(nèi)，表現(xiàn)出更低的 RMSE 值。根據(jù)使用的 Baidu 數(shù)據(jù)統(tǒng)計(jì)，98% 的建筑高度低于50米。另外，根據(jù)2020年中國(guó)人口普查，超過(guò)10層的住宅建筑（大致相當(dāng)于建筑高度超過(guò)30米）僅占1%。

圖13. 與GABLE建筑高度的可視化與比較

圖14. 分區(qū)模型和組合模型的相對(duì)誤差和絕對(duì)誤差值表示的不確定性

4. 建筑功能結(jié)果

劃分模型的表現(xiàn)優(yōu)于組合模型，住宅功能識(shí)別的精度更高，F(xiàn)1 分?jǐn)?shù)接近 0.90。而其他功能類(lèi)別，如辦公樓的識(shí)別精度略低，F(xiàn)1 分?jǐn)?shù)接近 0.80。相比之下，商業(yè)和公共服務(wù)功能的模型表現(xiàn)較差，F(xiàn)1 分?jǐn)?shù)約為 0.5。使用街景數(shù)據(jù)對(duì) 2500 棟建筑的功能進(jìn)行了人工驗(yàn)證，發(fā)現(xiàn) 88% 的建筑功能分類(lèi)是準(zhǔn)確的。這表明方法能夠正確識(shí)別大多數(shù)建筑的功能用途。

圖15. 建筑功能模型的準(zhǔn)確度

5.建筑質(zhì)量和年代結(jié)果

各種建筑質(zhì)量類(lèi)別的識(shí)別準(zhǔn)確率如下：“外立面損壞的建筑”（83.4%）、“非法/臨時(shí)建筑”（71.6%）、“涂鴉/非法廣告”（80.7%）、“門(mén)面差的商店”（89.8%）、“外立面不整潔的建筑”（79.9%）和“招牌差的商店”（84.6%）。建筑年代的準(zhǔn)確性則依賴(lài)于 GAIA 數(shù)據(jù)的精度。GAIA 各年份的平均總體準(zhǔn)確率高于 90%。利用安居客的住房交易數(shù)據(jù)，其中包括 3771892 條房屋租賃，包含建筑年份和坐標(biāo)信息。發(fā)現(xiàn)在省級(jí)層面上，住房交易數(shù)據(jù)中的建筑年代與估計(jì)值之間存在顯著正相關(guān)關(guān)系。與 GAIA 的建筑年代數(shù)據(jù)相比，結(jié)果顯示平均差異為 8.7 年，GAIA 的建筑年代通常比住房交易記錄的時(shí)間要早。使用街景通過(guò)人工審核對(duì) 2500 棟建筑的質(zhì)量和年代進(jìn)行了手動(dòng)標(biāo)注，給建筑質(zhì)量問(wèn)題分配了從 0 到 6 的嚴(yán)重程度評(píng)分。與現(xiàn)有結(jié)果進(jìn)行相關(guān)性分析，得到了 R2 值為 0.78。關(guān)于建筑年代，將手動(dòng)標(biāo)注的建筑年代分為五個(gè)類(lèi)別（1985、1990、2000、2010和 2018），并統(tǒng)計(jì)所識(shí)別的建筑年代是否符合觀察到的真實(shí)類(lèi)別值，發(fā)現(xiàn) 82% 的建筑分類(lèi)驗(yàn)證是準(zhǔn)確的。

6.建筑結(jié)構(gòu)和風(fēng)格結(jié)果

目前，大型多模態(tài)模型（LMMs）如 GPT-4o 等已經(jīng)顯著改變了機(jī)器學(xué)習(xí)應(yīng)用建模的范式。測(cè)試并微調(diào)了CLIP 和 GPT-4o等模型。比較深度學(xué)習(xí)和大模型訓(xùn)練成本、精度差異和識(shí)別效率，發(fā)現(xiàn)LMMs 在推斷建筑結(jié)構(gòu)和風(fēng)格方面表現(xiàn)良好（見(jiàn)圖 S9）。

圖16. 通過(guò)街景微調(diào)LMMs預(yù)測(cè)建筑物屬性的準(zhǔn)確性

介紹

研究團(tuán)隊(duì)介紹

論文共同第一作者為清華大學(xué)城市規(guī)劃系博士生張業(yè)成、博士生趙慧敏，清華大學(xué)龍瀛教授為通訊作者。研究由國(guó)家自然科學(xué)基金重大項(xiàng)目（項(xiàng)目號(hào)：62394335和62394331）、面上項(xiàng)目（城市收縮背景下城市空置的智能測(cè)度、機(jī)理認(rèn)知與規(guī)劃設(shè)計(jì)響應(yīng)研究，項(xiàng)目號(hào)：52178044）和能源基金會(huì)項(xiàng)目（項(xiàng)目號(hào)：G-2306-34815）資助。

同時(shí)，龍瀛課題組已發(fā)布的相關(guān)數(shù)據(jù)集“全球1公里網(wǎng)格人口數(shù)據(jù)集（2020-2100）”，關(guān)聯(lián)論文入選ESI高被引論文，論文共同第一作者為清華大學(xué)城市規(guī)劃系博士生王新宇，清華大學(xué)出站博士后、中國(guó)礦業(yè)大學(xué)講師孟祥鳳，清華大學(xué)龍瀛教授為通訊作者。該數(shù)據(jù)集覆蓋全球248個(gè)國(guó)家或地區(qū)，其空間分辨率為30弧秒（約1公里），間隔時(shí)間為5年。數(shù)據(jù)集同5個(gè)社會(huì)經(jīng)濟(jì)共享路徑情景（Shared Socioeconomic Pathways, SSPs）相統(tǒng)一。通過(guò)與WorldPop數(shù)據(jù)集在省級(jí)層面和網(wǎng)格層面的比較得到驗(yàn)證，可以作為各領(lǐng)域預(yù)測(cè)研究的輸入數(shù)據(jù)。成果于2022年9月在Scientific Data上以數(shù)據(jù)論文形式發(fā)布，目前數(shù)據(jù)瀏覽量超過(guò)14200次，下載量超過(guò)13400次。

文章URL：

建筑數(shù)據(jù)：https://www.nature.com/articles/s41597-025-04730-5

人口數(shù)據(jù)：https://www.nature.com/articles/s41597-022-01675-x

數(shù)據(jù)和代碼：

建筑數(shù)據(jù)：https://doi.org/10.6084/m9.figshare.27992417

人口數(shù)據(jù)：https://doi.org/10.6084/m9.figshare.19608594

聲明：本文系轉(zhuǎn)載自互聯(lián)網(wǎng)，請(qǐng)讀者僅作參考，并自行核實(shí)相關(guān)內(nèi)容。若對(duì)該稿件內(nèi)容有任何疑問(wèn)或質(zhì)疑，請(qǐng)立即與鐵甲網(wǎng)聯(lián)系，本網(wǎng)將迅速給您回應(yīng)并做處理，再次感謝您的閱讀與關(guān)注。