这栋楼是什么结构的，元芳，你怎么看？——大人，时代变了！|新论文：使用机器学习方法预测城市建筑结构类型

陆新征课题组

本文转载自许镇教授的公众号“学术小镇”

-------

导语：最近，“学术小镇”课题组发表了一篇关于使用机器学习方法预测城市建筑结构类型的论文，在城市量级数据获取方面进行了简单尝试，供大家批评指正。

研究背景

对于城市震害模拟，获得建筑物的属性是很重要的准备工作。只有知道了建筑的层数、层高、结构类型等基础数据，才能准确预测它的破坏状况。

但是，如何准确判断建筑物的结构类型是一个比较麻烦的问题。

为什么说它麻烦呢……

请准确说出以下三个建筑物的结构类型：

大人，我做不到啊！凭肉眼根本看不出结构类型呀！

只从外观看建筑的结构类型，不仅不太准确，而且很主观……

像小明同学这样凭空想象凭空捏造显然是不行滴~

那么应如何利用有限的信息判定建筑物的结构类型，还要又快又准、有理有据呢？还是挺难的……

研究框架

我们选择用机器学习中的多分类模型(Multi-class classification)来解决这个分类问题。

只需要知道建筑的层数、层高、建筑年代和占地面积这四个参数，就可以确定出建筑物的结构类型。在本文的案例中，预测准确率高达95%以上。

下面是本文的研究框架，包括数据处理、有监督学习、半监督学习和案例分析四个部分：

终于，我们可以不用再问元芳一栋建筑到底属于什么结构类型了。机器学习可以从已知数据中发现潜在关联模式，并用这种模式对未知数据进行分类。我们就是利用机器学习发现建筑已知属性和结构类型的关联模式，进而实现对结构类型的预测。

机器学习与建筑结构类型预测

机器学习平台

市面上有那么多的机器学习框架，那么多算法框架，到底应该用哪个呢？

我们通过对比，发现微软的开放式云计算平台Azure提供了从数据处理、模型训练、服务部署到预测的一站式服务，可以非常方便地搭建一个机器学习预测网络。

分类模型与有监督学习

我们使用了决策森林、神经网络和逻辑回归三种不同的多分类模型。

下面是正经的科普时间：

决策森林（Decision Forest）是一个包含多个决策树的分类器，并且其输出的类别是由个别树输出的类别的总数而定。构建好的决策树呈树形结构，可以认为是if-then规则的集合，主要优点是模型具有可读性，分类速度快。

神经网络（Neural Network）是一种模仿动物神经网络行为特征，进行分布式并行信息处理的算法数学模型。这种网络依靠系统的复杂程度，通过调整内部大量节点之间相互连接的关系，从而达到处理信息的目的。

逻辑回归（Logistic Regression）是用于解决分类问题的机器学习方法，用来估计某个样本属于某个分类的可能性。虽然名字里带有”回归“，但却是用来解决分类问题的经典方法。

在对建筑物属性数据（包括建造年代、建筑面积、层数、层高）进行了数据清理、排除依赖性之后，我们比较了这三种模型的性能。

通过对比发现，多分类决策森林具有更高的准确率和召回率，且只用3,000栋建筑的数据就能以98.1%的准确率预测230,000栋建筑物的结构类型。就决定是你了！

半监督学习

好的模型不仅要能准确分类已有数据，更要能预测未知的数据。

半监督学习是指使用大量的未标记数据，以及同时使用标记数据，来进行模式识别工作。我们通过城市建筑少量的抽样调查获得标记数据，利用半监督学习方法来预测城市剩余的建筑结构类型。

通过几十万栋已知结构类型的建筑数据进行测试，结果表明当训练样本比例大于1%时，结构类型预测就具有很高的准确率。我们推荐城市建筑总量的3%作为抽样量，其中，1%用于训练半监督学习模型，2%用于检验预测的准确率。这样，只通过3%的样本就可以预测整个城市的结构类型了。

当然，由于1%的训练样本也是很少的，我们通过多次自训练迭代使样本中的特征更加“纯粹”。“提纯”完成后就可以愉快地预测未知的数据啦~

案例分析

预测建筑物结构类型有什么用呢？

最直接的用途，就是用于城市的地震灾害预测，以及后续的经济损失计算，地震可视化等工作，如下图所示的城市震害场景：

我们分别对某城市A区和B区两个区域进行了结构类型预测。

对于A区6.9万栋和B区3.7万栋建筑，只需抽取3%的建筑作为样本，通过上述方法就可以确定剩下的97%的建筑物的结构类型，极大地加快了城市震害模拟前的数据准备工作。

经过多次自训练的半监督学习过程，A区和B区的结构类型预测准确率分别为94.8%和99.5%。以A区为例，预测评测指标和混淆矩阵如下图所示。

结语

本文提出了一种基于机器学习的结构类型预测方法，并以两个城市区域为例进行了研究。

结果表明：多分类决策森林对于结构类型多分类具有最好的效果；通过半监督学习的方法，仅需要少量抽样调查就可以可以整个城市的建筑结构类型，且具有很高的准确性。

提示

点击文末的阅读原文，可下载该论文

Xu Z, Wu Y, Qi M, et al. Prediction of Structural Type for City-Scale Seismic Damage Simulation Based on Machine Learning[J]. Applied Sciences, 2020, 10(5): 1795.

欢迎关注学术小镇公众号！

---End---

相关研究

长按识别二维码，关注我们的科研动态