本技术提供一种基于建筑与绿化布局的双阶段城市热舒适性快速预测方法,涉及城市热舒适性评估与优化技术领域。传统的热舒适性评估方法由于依赖高精度求解器进行流体力学计算,仿真周期长且对计算资源要求高,难以适应高强度城市更新的需求。本方案采用深度学习进行模拟预测,分阶段预测建筑布局和绿化布局对城市热环境的影响,先从宏观建筑布局出发,获取整体热环境分布,再结合微观的绿化配置,细化热舒适性预测,实现宏观建筑布局与微观绿化布局的协同分析与预测,这种协同优化的方法确保了建筑与绿化配置之间的互补与配合,有效提升了UTCI分布预测的精度。
背景技术
随着现代社会的快速发展,城市热环境问题日益突出,尤其在高强度建成环境中,热岛效应对居民生活和建筑能耗产生了严重影响。传统的城市热舒适性评估方法主要依赖复杂的物理模拟和数值仿真工具,如ENVI-met和Fluent等,尽管这些方法在模拟城市热环境方面具有较高精度,但由于计算复杂度高,耗时长,难以满足设计方案快速迭代的需求。
现有热舒适性评估方法存在两个主要问题:首先,计算成本高,难以快速响应设计变化,尤其在城市更新和改造过程中,缺乏高效的工具来支持方案的实时优化。其次,数据要求高,现有模型需要大量气象、建筑和地理数据作为输入,而这些数据并非在所有城市区域都能获取,限制了模型在实际中的应用。此外,现有方法难以有效结合城市形态与绿化布局的多尺度特征,从而无法全面评估建筑布局和景观绿化对城市热环境的综合影响。因此,如何在保证预测精度的同时,实现城市热舒适性的快速评估,特别是在城市建成环境更新过程中,对不同设计方案进行高效的热环境优化预测,成为亟待解决的技术问题。
实现思路