(19)中华 人民共和国 国家知识产权局 (12)发明 专利 (10)授权公告 号 (45)授权公告日 (21)申请 号 202111567324.X (22)申请日 2021.12.21 (65)同一申请的已公布的文献号 申请公布号 CN 113946900 A (43)申请公布日 2022.01.18 (73)专利权人 深圳小库科技有限公司 地址 518000 广东省深圳市南 山区西丽 街 道西丽社区兴科路万科云城设计公社 B2区-B210 -1 (72)发明人 杨济帆　魏启赟　 (74)专利代理 机构 深圳市深可信专利代理有限 公司 44599 代理人 张勇 (51)Int.Cl. G06F 30/13(2020.01)G06F 30/27(2020.01) G06N 3/04(2006.01) G06N 3/08(2006.01) G06N 20/00(2019.01) (56)对比文件 CN 111985518 A,2020.1 1.24 CN 111553012 A,2020.08.18 CN 110197225 A,2019.09.0 3 CN 110222621 A,2019.09.10 CN 111723419 A,2020.09.2 9 CN 110059690 A,2019.07.26 CN 113537324 A,2021.10.2 2 CN 109992693 A,2019.07.09 审查员 李艳丽 (54)发明名称 一种基于户型轮廓和分布特征快速推荐相 似户型的方法 (57)摘要 本发明提供了一种基于户型轮廓和分布特 征快速推荐相似户型的方法， 涉及户型数据处理 技术领域； 该方法包括以下的步骤： S10、 数据集 的准备， 以用于实现训练和匹配推荐户型； S20、 数据模型的设计， 通过设计统一的建筑信息模型 的数据模型， 用于存储户型设计的结构和空间信 息； S30、 户型特征的提取， 进行户型的特征设计， 选用户型的轮廓图形、 面积、 户型分布、 空间分布 以及空间数量的特征， 对数据集进行特征提取； S40、 数学模型的输出， 使用训练数据集， 用神经 网络方法对算法数学模型进行训练， 得到模式估 计参数， 再拟合矩阵得到数学模型； 本发明的有 益效果是： 旨在为户型设计师提供准确的参考设 计方案。 权利要求书2页 说明书6页 附图2页 CN 113946900 B 2022.03.29 CN 113946900 B 1.一种基于户型轮廓和分布特征快速推荐相似户型的方法， 其特征在于， 该方法包括 以下的步骤： S10、 数据集的准备， 以用于实现训练和匹配 推荐户型； S20、 数据模型的设计， 通过设计统一的建筑信息模型的数据模型， 用于存储户型设计 的结构和空间信息； S30、 户型特征的提取， 进行户型的特征设计， 选用户型的轮廓图形、 面积、 户型分布、 空 间分布以及空间数量的特 征， 对数据集进行 特征提取； 所述的步骤S3 0中， 包括以下的步骤： S301、 户型轮廓及分布数据的输入， 对户型轮廓大小进行检测， 以判断户型轮廓大小是 否合理， 当轮廓大小合理时， 进入步骤S3 02； S302、 空间属性的检测， 检测必要的空间属性， 如该户型设计内部未进行空间划分， 则 匹配外部轮廓相似的户型 方案； S303、 面积特 征的匹配， 将推荐范围锁定在面积相近的数据集； S304、 空间类型特征的匹配， 通过空间数量的特征进行匹配； 当分布数据中没有空间类 型特征的信息时， 则跳过 该步骤； S305、 外轮廓特征的匹配， 对户型的轮廓图进行梯度化， 寻找轮廓图的边缘和角， 计算 出对应的特 征向量， 用于 筛选数据集中轮廓特 征向量相近的数据； S306、 单一空间顶视图特 征的匹配， 通过每 个同类型的空间的顶视图进行匹配； S307、 空间相对分布特 征的匹配， 通过空间与空间之间的相对位置特 征进行匹配； S40、 数学模型的输出， 使用训练数据集， 用神经网络方法对算法数学模型进行训练， 得 到模式估计参数， 再拟合矩阵得到数 学模型。 2.根据权利要求1所述的一种基于户型轮廓和分布特征快速推荐相似户型的方法， 其 特征在于， 步骤S10中， 进行 数据的清洗和归一。 3.根据权利要求1所述的一种基于户型轮廓和分布特征快速推荐相似户型的方法， 其 特征在于， 步骤S20中， 通过转换算法将各种格式的数据统一至数据模型中。 4.根据权利要求1所述的一种基于户型轮廓和分布特征快速推荐相似户型的方法， 其 特征在于， 步骤S3 02中， 所述的空间划分 即为房间结构。 5.根据权利要求1所述的一种基于户型轮廓和分布特征快速推荐相似户型的方法， 其 特征在于， 步骤S 303中， 面积是否相近通过近似容差值判断， 该近似容差值通过测试得到一 个根据空间类型 数量的容差梯度。 6.根据权利要求5所述的一种基于户型轮廓和分布特征快速推荐相似户型的方法， 其 特征在于， 不同空间类型和数量， 有不同的近似容差值， 用于提高结果的回归率。 7.根据权利要求1所述的一种基于户型轮廓和分布特征快速推荐相似户型的方法， 其 特征在于， 步骤S3 04中， 空间数量的特 征包括客厅数量和卧室数量。 8.根据权利要求1所述的一种基于户型轮廓和分布特征快速推荐相似户型的方法， 其 特征在于， 步骤S306中， 采用同类型的户型的顶视图进行匹配时， 包括户型的面积和 轮廓， 用于提高结果的准确度。 9.根据权利要求1所述的一种基于户型轮廓和分布特征快速推荐相似户型的方法， 其 特征在于， 步骤S307中， 相 对位置特征包括卧室相 对客厅的位置和主卧卫生间相对于主卧 的位置， 通过空间相对分布特 征的匹配得到若干组相对位置的向量， 并与数据集进行匹配。权　利　要　求　书 1/2 页 2 CN 113946900 B 210.根据权利要求1所述的一种基于户型轮廓和分布特征快速推荐相似户型的方法， 其 特征在于， 步骤S 307之后， 还包括其他户型分布特征的匹配， 包括通过提取户型朝向、 采光、 动静分区以及动线的特 征进行匹配； 其中， 所述户型朝向特征包括： 通过入户门方向和主卧室、 采光的窗户朝向计算默认朝 向； 所述采光特征包括： 需采光空间的加权计算采光值， 需采光空间包括客厅、 卧室、 厨房 以及起居室； 所述动静分区特征包括： 各类空间的用途的分区， 其中客厅、 餐厅以及走廊为动区， 卧 室为静区， 从动静区的相对关系提取 特征； 所述的动线特 征为交通空间的特 征， 即空间与空间之间的路线。 11.根据权利要求1所述的一种基于户型轮廓和分布特征快速推荐相似户型的方法， 其 特征在于， 步骤S40中， 所述的算法数学模型采用有监督学习的线性模型， 即综合特征值为 各特征的特征值x和对应权 重ω的乘积之和， 表述如下： ； 其中， n为总特征数量， ω为特 征权重， x为特 征值， y为综合特 征值。 12.根据权利要求1所述的一种基于户型轮廓和分布特征快速推荐相似户型的方法， 其 特征在于， 步骤S40中， 拟合矩阵得到数学模 型时， 通过L2正则化处理， 防止算法数学模 型的 过拟合问题。 13.根据权利要求12所述的一种基于户型轮廓和分布特征快速推荐相似户型的方法， 其特征在于， 所述 正则化处 理即为将个特 征权重重新计算 为正则权重。 14.根据权利要求12所述的一种基于户型轮廓和分布特征快速推荐相似户型的方法， 其特征在于， 步骤S40之后， 还 包括以下步骤： 集中各方案与输入数据在各个特 征上的匹配度， 按从高到低的顺序进行展示。权　利　要　求　书 2/2 页 3 CN 113946900 B 3