Ταξινόμηση τυπολογίας κτηρίων με τη χρήση χωρικών και χαρακτηριστικών του τοπίου που προέρχονται από LiDAR δεδομένα τηλεπισκόπησης

Από RemoteSensing Wiki

Αναθεώρηση της 15:38, 5 Απριλίου 2015

Πρωτότυπος τίτλος: Building type classification using spatial and landscape attributes derived from LiDAR remote sensing data

Συγγραφείς: Zhenyu Lu, Jungho Im, Jinyoung Rhee, Michael Hodgson

http://www.sciencedirect.com/science/article/pii/S0169204614001601

Περίληψη

Οι πληροφορίες που αφορούν στα κτήρια είναι ένα από τα βασικά στοιχεία για μια σειρά πρακτικών του πολεοδομικού σχεδιασμού και της διαχείρισης του αστικού χώρου. Σε αυτή τη μελέτη, διεξάγεται μια έρευνα για την ταξινόμηση της τυπολογίας των κτηρίων, με τη χρήση δεδομένων τηλεπισκόπησης (LIDAR), σε τρεις κατηγορίες: σε μονοκατοικίες, σε πολυκατοικίες και σε μη οικιστικά κτήρια. Τέσσερα είδη των χωρικών ιδιοτήτων που περιγράφουν το σχήμα, τη θέση και τον περιβάλλοντα χώρο των κτηρίων υπολογίστηκαν και στη συνέχεια χρησιμοποιήθηκαν στην ταξινόμηση. Τα πειράματα πραγματοποιήθηκαν στα προάστια και στο κέντρο του Ντένβερ, CO, ΗΠΑ, σε περιοχές που περιλαμβάνουν διαφορετικά χαρακτηριστικά τόσο σε επίπεδο κτηρίων όσο και σε επίπεδο περιβάλλοντος γειτονιάς.

2. Περιοχή μελέτης και δεδομένα

2.1. Περιοχή μελέτης

Ως περιοχή μελέτης επιλέχθηκαν δύο περιοχές στο κέντρο και στα προάστια του Denver, στο Κολοράντο των ΗΠΑ. Τα χαρακτηριστικά των κτηρίων είναι διαφορετικά για τις δύο περιοχές. Στο κέντρο της πόλης περιλαμβάνονται μονοκατοικίες σε ποσοστό 43,38% , πολυκατοικίες σε ποσοστό 36,62% και κτήρια που δεν αποτελούν κτήρια κατοικίας σε ποσοστό 20%. Στα προάστια, οι μονοκατοικίες κυριαρχούν με ποσοστό 85,57%, ακολουθούν οι πολυκατοικίες με 10,63% , ενώ τα κτήρια που δεν αποτελούν κατοικίες αποτελούν το 3,80%. Εκτός από τα τρία βασικά είδη κτηρίων, η καταγραφή της τυπολογίας διαφοροποιείται ιδιαιτέρως και στις υποκατηγορίες ανάμεσα στην περιοχή του κέντρου και εκείνης των προαστίων. Για παράδειγμα, το ποσοστό των διπλοκατοικιών και των τριπλοκατοικιών είναι μόλις 4,2% στο κέντρο της πόλης, ενώ στα προάστια το αντίστοιχο ποσοστό είναι 40,5%.

Στο κέντρο της πόλης, οι δομημένοι χώροι (π.χ. κτήρια, δρόμοι, χώροι στάθμευσης) αποτελούν τα κύρια χαρακτηριστικά του χώρου, ενώ υπάρχει ένα πάρκο στα νότια της περιοχής μελέτης, όπου κυριαρχούν το χορτάρι και τα δέντρα. Δέντρα υπάρχουν μόνο κατά μήκος των δρόμων, ενώ οι μονοκατοικίες, οι πολυκατοικίες και τα λοιπά κτήρια κατανέμονται ομοιόμορφα στο κέντρο της πόλης. Αντίθετα, στα προάστια κυρίαρχα χαρακτηριστικά αποτελούν το πράσινο και τα δέντρα, υπάρχουν πολύ λίγοι χώροι στάθμευσης κυρίως στη δυτική πλευρά της περιοχής μελέτης, ενώ κυρίαρχος τύπος κτηρίου είναι οι μονοκατοικίες. Και οι δύο περιοχές μελέτης είναι σχετικά επίπεδες.

2.2. Δεδομένα

Σ’αυτή τη μελέτη χρησιμοποιήθηκαν δεδομένα LIDAR καθώς και χωρικά δεδομένα από το GIS Center της πόλης του Ντένβερ. Τα δεδομένα LiDAR συλλέχθηκαν με χρήση ενός 1064 nm λέιζερ με συχνότητα επανάληψης παλμών 50 kHz από την Sanborn Map Company, στις 15 Απριλίου 2008. Η πυκνότητα απόσπασης δεδομένων LiDAR ήταν 2.3 πόντοι / m2.

Λόγω της κυριαρχίας των μονοκατοικιών στα προάστια, για την ταξινόμηση επιλέχθηκε τυχαία μόνο το 10% των κτηρίων, προκειμένου να εξασφαλιστεί ένας συγκρίσιμος αριθμός δειγμάτων που ανήκουν σε διαφορετικούς τύπους κτηρίων. Τόσο τα κτήρια της περιοχής του κέντρου όσο και το 10% των τυχαία επιλεγμένων κτηρίων των προαστίων χωρίστηκαν σε δύο ομάδες: 50% για τη βαθμονόμηση και 50% για την επικύρωση.

3.Μεθοδολογία

Η μέθοδος ταξινόμησης της τυπολογίας των κτηρίων που προτείνεται αποτελείται από τρία βασικά βήματα: (1) εξαγωγή των ορίων των κτηρίων από δεδομένα LiDAR, (2) υπολογισμός των ιδιοτήτων που σχετίζονται με τον χώρο και το τοπίο, και (3) ταξινόμηση των οριοθετημένων κτηρίων, με τη χρήση των ιδιοτήτων που υπολογίστηκαν.

3.1 Εξαγωγή των ορίων των κτηρίων από δεδομένα LiDAR

Για την εξαγωγή των ορίων των κτηρίων χρησιμοποιείται ένας τροποποιημένος μορφολογικός αλγόριθμος εξόρυξης κτηρίων, ο οποίος βελτιώθηκε και αποδείχτηκε ιδιαίτερα αποτελεσματικός κυρίως για την ανίχνευση pixel κτηρίων που φράζονται από γειτονικά ψηλά δέντρα.

3.2 Εξαγωγή των στοιχείων χρήσης γης

Ο προσδιορισμός των στοιχείων του περιβάλλοντος χώρου, για στοιχεία όπως η βλάστηση, οι δρόμοι και οι χώροι στάθμευσης, έγινε με τις τέσσερις επιφάνειες που προέρχονται από το LiDAR, χρησιμοποιώντας τους αλγόριθμους επιβλεπόμενης ταξινόμησης.

3.3 Εξαγωγή των χωρικών ιδιοτήτων

Αφού ολοκληρωθεί η οριοθέτηση των κτηρίων και η ταξινόμηση των στοιχείων του περιβάλλοντος χώρου, υπολογίζονται τέσσερις ομάδες ιδιοτήτων του χώρου και του τοπίου, οι οποίες χρησιμοποιούνται στη συνέχεια για την ταξινόμηση των κτηρίων. Οι ιδιότητες αυτές αφορούν βασικά στατιστικά χαρακτηριστικά (ομάδα Α), ιδιότητες που σχετίζονται με το σχήμα (ομάδα Β), τη χωρική συσχέτιση ανάμεσα στα κτήρια (ομάδα Γ) καθώς και τη χωρική συσχέτιση των κτηρίων με τα στοιχεία χρήσεις γης (ομάδα Δ).

3.4. Ταξινόμηση τυπολογίας κτηρίων

Για την ταξινόμηση των κτηρίων χρησιμοποιούνται τέσσερις αλγόριθμοι μηχανικής μάθησης. Η ταξινόμηση περιλαμβάνει τρεις κατηγορίες κτηρίων: τις μονοκατοικίες, τις πολυκατοικίες και κτήρια που δεν στεγάζουν χρήση κατοικίας. Δύο σχήματα ταξινόμησης προτείνονται: στο σχήμα I, τα κτήρια κατοικιών που περιλαμβάνουν μόνο μία μονάδα θεωρούνται μονοκατοικίες. Οι πολυκατοικίες ορίζονται ως κτήρια κατοικιών που περιλαμβάνουν περισσότερες από μία μονάδες, όπως τα διαμερίσματα και οι μεζονέτες. Κτήρια που φιλοξενούν άλλες χρήσεις, όπως θέατρα, ξενοδοχεία, σχολεία, εργοστάσια, καταστήματα λιανικής πώλησης, ορίζονται ως μη οικιστικά κτήρια. Επειδή οι μονοκατοικίες και μερικά συγκροτήματα κατοικιών (π.χ. διαμερίσματα δύο και τριών μονάδων) μπορεί να έχουν παρόμοια χαρακτηριστικά κτηρίου ως προς το σχήμα και το μέγεθος, το σχήμα II, συμπεριλαμβάνει τις περιπτώσεις αυτές στην ίδια κατηγορία.

Προκειμένου να διερευνηθεί η αποτελεσματικότητα των διαφορετικών χαρακτηριστικών στην ακρίβεια ταξινόμησης, τα κτήρια κατατάσσονται αρχικά χρησιμοποιώντας τα χαρακτηριστικά από τις τέσσερις ομάδες, τόσο μεμονωμένα όσο και συνολικά. Τα αποτελέσματα της ταξινόμησης αξιολογούνται χρησιμοποιώντας τυπικές στατιστικές ακρίβειας, όπως η ακρίβεια του παραγωγού, η ακρίβεια του χρήστη, η συνολική ακρίβεια και ο Συντελεστής Συμφωνίας Kappa.

4.Αποτελέσματα

Οι τέσσερις τεχνικές (η DT, ADT, RF, και SVM) που χρησιμοποιήθηκαν για την ταξινόμηση των κτηρίων, οδήγησαν σε συνολική ακρίβεια της τάξης του 60-88% στις δύο περιοχές μελέτης. Μεταξύ των τεσσάρων προσεγγίσεων ταξινόμησης, η SVM ξεπέρασε τους άλλους τρεις ταξινομητές αποδίδοντας πιο ακριβή αποτελέσματα, τόσο στο κέντρο της πόλης όσο και στα προάστια. Η ταξινόμηση των κτηρίων οδήγησε σε σχετικά υψηλότερη ακρίβεια στο κέντρο της πόλης σε σχέση με τα προάστια, ακόμη και αν η τοποθεσία στο κέντρο της πόλης παρουσίαζε μεγαλύτερη χωρική ανομοιογένεια.

Οι εικόνες 2 και 3 απεικονίζουν τα αποτελέσματα της ταξινόμησης SVM χρησιμοποιώντας όλες τις ομάδες των ιδιοτήτων για τις δύο περιοχές μελέτης. Στο κέντρο της πόλης, το σφάλμα της ταξινόμησης οφείλεται κυρίως στις πληροφορίες του σχήματος των κτηρίων. Για παράδειγμα, στο σχήμα I (Εικ. 2α)τα κτήρια πολυκατοικιών που έχουν ταξινομηθεί ως μη οικιστικά κτήρια είναι όλα μεγάλα σε μέγεθος, ενώ τα μικρά σε μέγεθος, μη οικιστικά κτήρια ταξινομήθηκαν εσφαλμένα ως μονοκατοικίες. Κατά την εφαρμογή του σχήματος II (Εικ.2β), δημιουργήθηκε σημαντική σύγχυση ανάμεσα στις πολυκατοικίες και στα μη οικιστικά κτήρια.

Όσον αφορά τα προάστια, η σύγχυση ανάμεσα στις μονοκατοικίες και τις πολυκατοικίες οδήγησε σε εσφαλμένες ταξινομήσεις των κτηρίων με βάση το σχήμα I (Εικ. 3α), ενώ για το σχήμα II (Εικ. 3β) το σφάλμα ανάμεσα στις δύο αυτές κατηγορίες είναι μικρότερο. Παρ’ όλα αυτά, πολλά μικρά μη οικιστικά κτήρια, όπως καταστήματα λιανικής, ταξινομήθηκαν ως μονοκατοικίες, ενώ μικρά συγκροτήματα κατοικιών (π.χ. 4-6 διαμερισμάτων) κατηγοριοποιήθηκαν ως μονοκατοικίες.

5. Συμπεράσματα Η εξαγωγή πληροφοριών που αφορούν στην τυπολογία των κτηρίων από τηλεπισκοπικά δεδομένα είναι ένα πολύτιμο αλλά δύσκολο έργο. Αυτή η μελέτη προτείνει μια μέθοδο για τη λήψη πληροφοριών σχετικά με την τυπολογία των κτηρίων, χρησιμοποιώντας τέσσερις ομάδες χωρικών ιδιοτήτων και ιδιοτήτων του τοπίου που προέρχονται από τα δεδομένα LiDAR. Η προτεινόμενη μέθοδος δοκιμάστηκε σε δύο περιοχές μελέτης στο Ντένβερ, CO, Η.Π.Α., οι οποίες παρουσιάζουν διαφορετικά χαρακτηριστικά, τόσο ως προς τα κτήρια όσο και ως προς το περιβάλλον της γειτονιάς.

Πιστεύεται ότι το προϊόν της παρούσας μελέτης είναι πολύτιμο για τον αστικό σχεδιασμό και τη διαχείριση του αστικού χώρου. Στην πραγματικότητα, εκτός από τα κτήρια, η προτεινόμενη μέθοδος, με την κατάλληλη τροποποίηση, μπορεί να εφαρμοστεί και σε άλλα αστικά χαρακτηριστικά, όπως είναι οι δρόμοι, οι χώροι στάθμευσης, καθώς επίσης και οι χορτολιβαδικές εκτάσεις, τα οποία είναι επίσης σημαντικά για τον πολεοδομικό σχεδιασμό.