买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉天津大学申请的专利一种基于建筑类型识别的城市能耗快速预测方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN119809045B 。

龙图腾网通过国家知识产权局官网在2025-08-26发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202411909998.7，技术领域涉及：G06Q10/04；该发明授权一种基于建筑类型识别的城市能耗快速预测方法是由刘刚;张力化;韩臻;白金妮;李晓倩设计研发完成，并于2024-12-24向国家知识产权局提交的专利申请。

本一种基于建筑类型识别的城市能耗快速预测方法在说明书摘要公布了：本发明公开一种基于建筑类型识别的城市能耗快速预测方法，涉及城市能耗管理技术领域。本发明的建筑类型识别模型采用深度学习算法进行构建，以多源信息，即建筑特征数据和周边环境信息数据作为输入，利用深度学习算法自动识别每个建筑的建筑类型，保证在数据不完整或不准确的情况下仍具有较高的分类精度。利用不同类型建筑的典型建筑能耗数据，为每种建筑类型提供单位面积能耗计算标准，根据建筑类型识别模型得到的建筑类型进行区域建筑能耗预测，生成城市能耗分布图，以便更精确的能耗管理，该方法将建筑类型识别模型应用于区域能耗预测，具有数据普适性和扩展性，使之在多种城市环境中均能适用。

本发明授权一种基于建筑类型识别的城市能耗快速预测方法在权利要求书中公布了：1.一种基于建筑类型识别的城市能耗快速预测方法，其特征在于，包括如下步骤： S1、建立多源信息数据集；所述多源信息数据集中包括若干个样本，每个样本中包括某个建筑的建筑特征数据、周边环境信息和建筑类型标签； S2：构建建筑类型识别模型，并利用多源信息数据集对建筑类型识别模型进行训练，得到训练完成的建筑类型识别模型； 所述建筑类型识别模型包括图像特征和向量特征提取模块、特征融合模块和高层特征提取与分类模块； 所述图像特征和向量特征提取模块用于对输入的向量特征和建筑轮廓图像进行特征提取，分别得到高维空间表示和高维特征图； 所述特征融合模块用于将图像特征和向量特征提取模块输出的高维特征图和高维空间表示通过叠加的方式进行融合，得到融合后的特征； 所述高层特征提取与分类模块首先通过卷积层和ReLU激活函数层对融合后的特征进行下采样，得到综合特征向量；然后输入到全连接层和Softmax激活函数计算每个建筑类型的得分并转换为每个建筑类型的分类概率，进而得到识别的建筑类型； 所述输入的向量特征包括建筑高度H、建筑占地面积Ageo、层数p、建筑所在地块的建筑密度BD、建筑所在地块的容积率FAR、体形系数SCB、距离建筑最近的q个道路的类型、建筑所在地块的土地利用类型、距离建筑最近的m个兴趣点POI的类型POItype和建筑与距离其最近的m个兴趣点POI之间的距离； Xv＝{H,Ageo,p,BD,FAR,SCB,Rtype,Ltype,POItypei,DPOIi|i＝1,2,……,m} 其中，Xv为输入的向量特征，Rtype为道路的类型，Ltype为土地利用类型，POItypei表示距离建筑最近的m个兴趣点中第i个兴趣点的类型，DPOIi表示建筑与距离其最近的m个兴趣点中第i个兴趣点的距离，i为兴趣点的编号； 所述图像特征和向量特征提取模块包括两个处理单元，第一个处理单元对输入的向量特征进行1次上采样得到上采样后的向量特征，然后对上采样后的向量特征进行若干次下采样，且每次下采样后生成不同空间维度的向量特征，将最后1次下采样后得到的向量特征称为高维空间表示；第二个处理单元对建筑轮廓图像进行1次初步的下采样得到特征图，且该特征图的空间维度与第一个处理单元中经过1次上采样得到的向量特征的空间维度相同，然后将下采样后得到的特征图与第一个处理单元中经过1次上采样得到的向量特征进行相加融合，得到融合特征；融合特征继续进行若干次下采样，并且每次下采样后的融合特征均与第一个处理单元中经过对应下采样后得到的向量特征进行融合，最终得到高维特征图； 所述上采样通过一个反卷积层和ReLU激活函数层实现；所述下采样通过卷积层和ReLU激活函数层实现； 所述第二个处理单元中进行融合的融合特征的空间维度和下采样后得到的向量特征的空间维度相同；所述高维空间表示的空间维度和高维特征图XD的空间维度相同； S3：获取待识别建筑的建筑特征数据和周边环境信息并输入训练完成的建筑类型识别模型，得到识别的建筑类型； S4：针对每个建筑类型，分别收集若干个该建筑类型的建筑的实际单位面积能耗数据，计算每种建筑类型的平均单位面积能耗值，作为典型建筑能耗基准； S5：根据识别的建筑类型和典型建筑能耗基准，计算得到待识别建筑所在区域的能耗预测结果。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人天津大学，其通讯地址为：300072 天津市南开区卫津路92号天津大学；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。