論文の概要: Encoding Urban Ecologies: Automated Building Archetype Generation through Self-Supervised Learning for Energy Modeling

• arxiv url: http://arxiv.org/abs/2404.07435v1
• Date: Thu, 11 Apr 2024 02:29:08 GMT
• ステータス: 処理完了
• システム内更新日: 2024-04-12 15:18:26.803120
• Title: Encoding Urban Ecologies: Automated Building Archetype Generation through Self-Supervised Learning for Energy Modeling
• Title（参考訳）: 都市エコロジーのエンコード:エネルギーモデリングのための自己教師付き学習による建築アーチタイプの自動生成
• Authors: Xinwei Zhuang, Zixun Huang, Wentao Zeng, Luisa Caldas,
• Abstract要約: 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。
• 参考スコア（独自算出の注目度）: 0.5399800035598186
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: As the global population and urbanization expand, the building sector has emerged as the predominant energy consumer and carbon emission contributor. The need for innovative Urban Building Energy Modeling grows, yet existing building archetypes often fail to capture the unique attributes of local buildings and the nuanced distinctions between different cities, jeopardizing the precision of energy modeling. This paper presents an alternative tool employing self-supervised learning to distill complex geometric data into representative, locale-specific archetypes. This study attempts to foster a new paradigm of interaction with built environments, incorporating local parameters to conduct bespoke energy simulations at the community level. The catered archetypes can augment the precision and applicability of energy consumption modeling at different scales across diverse building inventories. This tool provides a potential solution that encourages the exploration of emerging local ecologies. By integrating building envelope characteristics and cultural granularity into the building archetype generation process, we seek a future where architecture and urban design are intricately interwoven with the energy sector in shaping our built environments.
• Abstract（参考訳）: 世界人口と都市化が進むにつれて、建設セクター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きた。 革新的な都市建築エネルギーモデリングの必要性は増大するが、既存の建築アーチタイプは、地元の建物の特徴や、異なる都市間の微妙な区別を捉えず、エネルギーモデリングの精度を損なうことも多い。 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。 本研究は,地域社会レベルでのエネルギシミュレーションを行うために,地域パラメータを取り入れた構築環境とのインタラクションの新たなパラダイムを育成する試みである。 テーラードアーチタイプは、様々な建築在庫の異なるスケールでのエネルギー消費モデリングの精度と適用性を高めることができる。 このツールは、新興の地域生態学の探索を促進する潜在的な解決策を提供する。 建築のエンベロープ特性と文化的な粒度をビルのアーチェタイプ生成に組み込むことで,建築と都市デザインが建築環境を形作る際にエネルギーセクターと複雑に介在する未来を追求する。

関連論文リスト

• SPARTAN: A Sparse Transformer Learning Local Causation [63.29645501232935]
  因果構造は、環境の変化に柔軟に適応する世界モデルにおいて中心的な役割を果たす。 本研究では,SPARse TrANsformer World Model(SPARTAN)を提案する。 オブジェクト指向トークン間の注意パターンに空間規則を適用することで、SPARTANは、将来のオブジェクト状態を正確に予測するスパース局所因果モデルを特定する。
  論文  参考訳（メタデータ） (2024-11-11T11:42:48Z)
• Global Transformer Architecture for Indoor Room Temperature Forecasting [49.32130498861987]
  本研究は,多室ビルにおける室内温度予測のためのグローバルトランスフォーマーアーキテクチャを提案する。 エネルギー消費を最適化し、HVACシステムに関連する温室効果ガス排出を削減することを目的としている。 本研究は,マルチルームビルにおける室内温度予測にトランスフォーマーアーキテクチャを適用した最初の事例である。
  論文  参考訳（メタデータ） (2023-10-31T14:09:32Z)
• MARL: Multi-scale Archetype Representation Learning for Urban Building Energy Modeling [0.5898893619901381]
  本稿では,MARL(Multi-scale Archetype Representation Learning)を提案する。 MARLは、建築のフットプリントを符号化し、幾何情報を複数のアーキテクチャ上の下流タスクによって制約された潜在ベクトルに浄化する。 その結果, 幾何学的特徴埋め込みはエネルギー消費推定の精度と信頼性を著しく向上させることがわかった。
  論文  参考訳（メタデータ） (2023-09-29T22:56:19Z)
• Generative methods for Urban design and rapid solution space exploration [13.222198221605701]
  本研究では,テンソル場に基づく都市モデルツールキットの実装について紹介する。 提案手法は,ウォーターフロントエッジ,地形,ビュー軸,既存道路,ランドマーク,非幾何学的設計入力などのコンテキスト制約を符号化する。 これによりユーザーは、モデル入力がほとんどない現実世界の都市に似た、多様な都市ファブリック構成を作成できる。
  論文  参考訳（メタデータ） (2022-12-13T17:58:02Z)
• Human-instructed Deep Hierarchical Generative Learning for Automated Urban Planning [57.91323079939641]
  我々は,最適な都市計画を生成するために,人間に指示された新しい深層階層生成モデルを構築した。 最初の段階は、機能ゾーンを発見するために、目標領域の格子に遅延関数をラベル付けすることである。 第2の段階は、都市機能投影を形成するための計画要件を理解することである。 第3の段階は、マルチアテンションを活用して、機能プロジェクションのゾーン・ゾーン・ピア依存関係をモデル化し、グリッドレベルの土地利用構成を生成することである。
  論文  参考訳（メタデータ） (2022-12-01T23:06:41Z)
• Latent Diffusion Energy-Based Model for Interpretable Text Modeling [104.85356157724372]
  本稿では,拡散モデルと潜時空間ESMの共生を変動学習フレームワークで導入する。 我々は,学習した潜在空間の品質を向上させるために,情報ボトルネックと合わせて幾何学的クラスタリングに基づく正規化を開発する。
  論文  参考訳（メタデータ） (2022-06-13T03:41:31Z)
• 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)
• Zero Shot Learning for Predicting Energy Usage of Buildings in Sustainable Design [2.929237637363991]
  2030年の挑戦は、2030年までにすべての新しい建物と大規模な改修をカーボン中立にすることを目的としている。 建築要素が建築のエネルギー利用にどのように貢献するかを理解することが重要である。 予測精度を向上させるために、AIベースのソリューションにリッチなトレーニングデータセットが必要である。
  論文  参考訳（メタデータ） (2022-02-10T18:08:58Z)
• Times Series Forecasting for Urban Building Energy Consumption Based on Graph Convolutional Network [20.358180125750046]
  建設業はアメリカにおけるエネルギー消費の40%以上を占めている。 UBEMはエネルギー効率の良いコミュニティの設計を支援する基盤である。 データ駆動型モデル統合工学または物理知識は、都市建設エネルギーシミュレーションを大幅に改善することができる。
  論文  参考訳（メタデータ） (2021-05-27T19:02:04Z)
• Methodological Foundation of a Numerical Taxonomy of Urban Form [62.997667081978825]
  本稿では, 生物系統学から得られた都市形態の数値分類法を提案する。 我々は同質の都市組織タイプを導出し、それら間の全体形態的類似性を決定することにより、都市形態の階層的分類を生成する。 フレーミングとプレゼンを行った後、プラハとアムステルダムの2都市でテストを行った。
  論文  参考訳（メタデータ） (2021-04-30T12:47:52Z)
• Towards a Peer-to-Peer Energy Market: an Overview [68.8204255655161]
  本研究は, 電力市場を中心に, 現状と, プロシューマーによる分散型自己生成能力の増大傾向を比較した。 我々はP2P(Peer-to-Peer)エネルギー市場のための潜在的多層アーキテクチャを導入し、マイクログリッドの一部として、地域生産と地域消費の基本的な側面について議論する。 読者に全体像を示すため、スマートコントラクトやグリッド安定性といったエネルギー取引の関連要素についても精査する。
  論文  参考訳（メタデータ） (2020-03-02T20:32:10Z)

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。