論文の概要: Points for Energy Renovation (PointER): A LiDAR-Derived Point Cloud Dataset of One Million English Buildings Linked to Energy Characteristics

• arxiv url: http://arxiv.org/abs/2306.16020v1
• Date: Wed, 28 Jun 2023 08:48:22 GMT
• ステータス: 処理完了
• システム内更新日: 2023-06-29 15:07:04.084471
• Title: Points for Energy Renovation (PointER): A LiDAR-Derived Point Cloud Dataset of One Million English Buildings Linked to Energy Characteristics
• Title（参考訳）: points for energy reform (pointer): エネルギー特性に関連付けられた100万の建物からなるlidarから派生したポイントクラウドデータセット
• Authors: Sebastian Krapf, Kevin Mayer, Martin Fischer
• Abstract要約: 本稿では,ビルの3次元表現とそのエネルギー特性をデータ駆動で大規模に理解するビルディングポイントクラウドデータセットを提案する。 ジオレファレンスなLiDARデータとビルディングフットプリントを交わし、英国のエネルギーパフォーマンスデータベースの属性とリンクすることで、ビルディングポイントクラウドを生成します。 代表的サンプルを得るため、イングランドの農村部や都市部から100万棟の建物を選定し、その内50万棟がエネルギー特性に結びついている。
• 参考スコア（独自算出の注目度）: 0.705947228027401
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Rapid renovation of Europe's inefficient buildings is required to reduce climate change. However, analyzing and evaluating buildings at scale is challenging because every building is unique. In current practice, the energy performance of buildings is assessed during on-site visits, which are slow, costly, and local. This paper presents a building point cloud dataset that promotes a data-driven, large-scale understanding of the 3D representation of buildings and their energy characteristics. We generate building point clouds by intersecting building footprints with geo-referenced LiDAR data and link them with attributes from UK's energy performance database via the Unique Property Reference Number (UPRN). To achieve a representative sample, we select one million buildings from a range of rural and urban regions across England, of which half a million are linked to energy characteristics. Building point clouds in new regions can be generated with the open-source code published alongside the paper. The dataset enables novel research in building energy modeling and can be easily expanded to other research fields by adding building features via the UPRN or geo-location.
• Abstract（参考訳）: 欧州の非効率な建物の急速な改修は、気候変動を減らすために必要である。 しかし,各建物がユニークなため,大規模建築物の分析・評価は困難である。 現在の実施例では、建物のエネルギー性能は、ゆっくりと、コストがかかり、局所的に評価される。 本稿では,建物の3次元表現とそのエネルギー特性に関するデータ駆動型大規模理解を促進するビルディングポイントクラウドデータセットを提案する。 我々は、ジオリファレンスなLiDARデータとビルディングフットプリントを交差させてビルディングポイント雲を生成し、Unique Property Reference Number (UPRN)を介してイギリスのエネルギーパフォーマンスデータベースから属性をリンクする。 代表例を示すために,イギリス各地の農村・都市部から100万棟の建築物を選定し,その50万棟がエネルギー特性と関連づけられている。 新しいリージョンにおけるポイントクラウドの構築は、論文と共に公開されたオープンソースコードによって生成される。 このデータセットは、エネルギーモデリングの新たな研究を可能にし、UPRNやジオロケーションを通じて構築機能を追加することで、他の研究分野にも容易に拡張できる。

関連論文リスト

• BTS: Building Timeseries Dataset: Empowering Large-Scale Building Analytics [15.525789412274587]
  建築は人間の健康に重要な役割を担い、住民の快適さ、健康、安全、安全に影響を及ぼす。 世界のエネルギー消費に大きく貢献し、総エネルギー使用量の3分の1を占める。 しかし、分析を構築する研究は、複数のビルディング操作におけるアクセス可能で、利用可能な、そして包括的な現実世界のデータセットが欠如していることによって妨げられている。
  論文  参考訳（メタデータ） (2024-06-13T10:38:38Z)
• Encoding Urban Ecologies: Automated Building Archetype Generation through Self-Supervised Learning for Energy Modeling [0.5399800035598186]
  建設部門はエネルギー消費と二酸化炭素排出量の主要な貢献者として浮上している。 既存の建築様式は、しばしば地元の建物の特徴と、異なる都市間の微妙な区別を捉えるのに失敗する。 本稿では, 自己教師型学習を用いて, 複雑な幾何学的データを代表的, ローカライズ固有のアーチタイプに抽出する手法を提案する。
  論文  参考訳（メタデータ） (2024-04-11T02:29:08Z)
• Nothing Stands Still: A Spatiotemporal Benchmark on 3D Point Cloud Registration Under Large Geometric and Temporal Change [86.44429778015657]
  人工空間の3次元幾何学地図の構築は、基本的なコンピュータビジョンとロボット工学である。 Not Stands Still (NSS)ベンチマークは、大きな空間的および時間的変化を行う3Dシーンの時間的登録に焦点を当てている。 NSSの一環として,建設中または改修中の大規模建築屋内環境において,3次元点雲のデータセットを連続的に取得する。
  論文  参考訳（メタデータ） (2023-11-15T20:09:29Z)
• BuildingsBench: A Large-Scale Dataset of 900K Buildings and Benchmark for Short-Term Load Forecasting [3.8489470606363514]
  データ駆動の短期負荷予測(STLF)は、ビルディングの多様性の高い大規模データセットの欠如に悩まされている。 1)ビルディングス・ベンチ(ビルディングス・ベンチ) ビルビルズ・900K(ビルビルズ・900K) ビルビルズ・ビルディングス・ビルディングス・ビルディングス・ビルディングス・ビルディングス・ビルディングス・ビルディングス・ビルディングス・ビルディングス・ビルディングス・ビルディングス・ビルディングス・ビルディングス・ビルディングス・ビルディングス・ビルディングス・900K(ビルズ・ビルズ・ビルディングス・ビルディングス・ビルディングス・ビルディングス・ビルズ・ビルディングス) ビルズ・ビルズ・ビルズ・アンド・商業ビルズ・ビルズ・ビルズ・ビルズ・ビルズ・ビルズ・ビルズ・ビルズ・ビルズ・ビルズ・ビルズ・ビルズ・ビルズ・ビルズ・
  論文  参考訳（メタデータ） (2023-06-30T21:26:24Z)
• Building Coverage Estimation with Low-resolution Remote Sensing Imagery [65.95520230761544]
  本稿では,低解像度衛星画像のみを用いた建物被覆量の推定手法を提案する。 本モデルでは, 世界中の開発レベルの異なる地域において, 建築範囲の予測において最大0.968の判定係数を達成している。
  論文  参考訳（メタデータ） (2023-01-04T05:19:33Z)
• Low Emission Building Control with Zero-Shot Reinforcement Learning [70.70479436076238]
  強化学習(RL)による制御は、建築エネルギー効率を著しく向上させることが示されている。 我々は、ゼロショットビルディング制御と呼ばれるパラダイムを優先せずに、排出削減ポリシーを得られることを示す。
  論文  参考訳（メタデータ） (2022-08-12T17:13:25Z)
• Estimating Building Energy Efficiency From Street View Imagery, Aerial Imagery, and Land Surface Temperature Data [0.0]
  本研究は,純粋にリモートセンシングされたデータを用いて建物のエネルギー効率を推定できる新しい手法を提案する。 効率的な建物と非効率な建物を区別するバイナリ設定において、我々のエンドツーエンドのディープラーニングモデルは62.06%のマクロ平均F1スコアを達成する。
  論文  参考訳（メタデータ） (2022-06-05T21:04:20Z)
• eBIM-GNN : Fast and Scalable energy analysis through BIMs and Graph Neural Networks [0.0]
  建築情報モデリングは、建物のエネルギー効率を高めるだけでなく、分析にも使われてきた。 省エネの知識のない現在の都市では、エネルギー利用でスマートになるためのより良い方法が求められている。 提案手法は, 非常に効率的に一致し, 統計を生成できるプロトタイプビルを創出する手法である。
  論文  参考訳（メタデータ） (2022-05-21T03:24:03Z)
• SensatUrban: Learning Semantics from Urban-Scale Photogrammetric Point Clouds [52.624157840253204]
  センサットウルバン(SensatUrban)は、イギリスの3都市から収集された7.6km2の30億点近くからなる、都市規模のUAV測光点クラウドデータセットである。 データセットの各ポイントは、粒度の細かいセマンティックアノテーションでラベル付けされ、その結果、既存の最大のフォトグラムポイントクラウドデータセットの3倍の大きさのデータセットが生成される。
  論文  参考訳（メタデータ） (2022-01-12T14:48:11Z)
• Towards Semantic Segmentation of Urban-Scale 3D Point Clouds: A Dataset, Benchmarks and Challenges [52.624157840253204]
  我々は、30億点近い注釈付きポイントを持つ都市規模の測光点クラウドデータセットを提示する。 私たちのデータセットは、イギリスの3つの都市からなり、都市の景観の約7.6km2をカバーしています。 我々は,データセット上での最先端アルゴリズムの性能を評価し,その結果を包括的に分析する。
  論文  参考訳（メタデータ） (2020-09-07T14:47:07Z)
• Lifelong Property Price Prediction: A Case Study for the Toronto Real Estate Market [75.28009817291752]
  自動資産評価のための最初の寿命予測モデルであるLuceを提示する。 ルースは不動産価格の2つの重要な問題に対処している。 トロント不動産市場から得られた大規模な実生活データセットにLuceを適用することで,Luceのメリットを実証する。
  論文  参考訳（メタデータ） (2020-08-12T07:32:16Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。