基于空间句法的非精确图匹配方法研究及应用

Aiming to the solving of the relative lacking of intelligent methods for architectural spatial relationship information retrieval and classfication in the area of architecture and the improving of state-of-the-art methods for inexact graph matching in the field of graph pattern recognition, inspired by the the theory of architectural space relationship , combining graph pattern recognition methods with space syntax,centered with topological featuers on nodes, the inexact graph matching methods with better performance will be studied, and together,the futher application of inexac graph matching to architectural spatial relationship will be researched. By the research on dividing methods for space unit in complex building infomation models ,an effective automatic extraction methods of architectural space relationship data will be raised;by the use of graph reconstruction conjecture to reveal the governing law of space syntax variables to topological similarity of graphs,to raise some features which reflect local and global pure topological nature.Based on the the previouse research,the structural pattern recognition is converted into statistical pattern recognition, and proposes a series of node-topological-feature based algorithms which applied to the general graph inexact matching ,under the different embedding ways, node set,graph feature vector and graph kernel.Integrated with the attributs of architecture field, the inexact graph matching methods are applied to the architectural space relationship. Our study will diversify the methods of graph pattern recognition and provide fundamental theory and key technology for building information intelligent retrieval and classification.

针对建筑领域中建筑空间关系智能信息检索和分类方法较为缺乏，以及图模式识别领域中现有非精确图匹配方法需要进一步改进的问题，本课题借鉴建筑学科空间关系理论的研究成果，将空间句法和图模式识别相结合，以节点拓扑特征为核心，研究性能更优的非精确图匹配方法，并以此对建筑空间关系非精确图匹配进行应用研究。拟通过对复杂建筑信息模型空间单元分割的研究，提出一种有效的建筑空间关系数据自动抽取方法；拟通过图重构思想研究空间句法变量对图纯拓扑相似性的约束规律，提出一组反映图纯拓扑性质的局部和全局节点拓扑特征，据此将结构模式识别问题转换为统计模式识别问题，在点集、图向量和图核等不同嵌入方式下构造一组适用于一般图的基于节点拓扑特征非精确图匹配算法；并在此研究基础上融合建筑的领域属性，提出适用于建筑空间关系的非精确图匹配。本研究将丰富现有的图模式识别方法，并为建筑信息智能检索和分类提供基础理论和关键技术。

课题组按照项目计划书的要求，按时完成了课题的研究工作，实现了预期的研究成果。. 完成情况简述如下：通过对复杂BIM模型建筑空间单元分割的研究，提出了有效的建筑空间关系图数据的自动抽取方法，并在Revit软件上设计了相关的功能插件；通过研究空间句法变量对图纯拓扑相似性的约束规律，提出了若干种反映图纯拓扑性质的局部和全局节点拓扑特征；通过研究图向量空间嵌入，提出了基于拓扑特征和领域特征的图嵌入方法、多尺度特征图嵌入方法和基于空间句法和改进K均值聚类的图嵌入等非精确图匹配方法；通过研究最短路径和空间句法核，提出了基于最短路径的空间句法核；通过研究图谱特征，提出了改进的Laplace谱特征提取与匹配方法、基于相似度矩阵的Kuhn-Munkres图匹配算法、基于位置谱特征的概率松弛图匹配算法；通过研究建筑的领域属性，结合建筑空间关系图模型，提出适用于建筑空间关系的非精确图匹配方法，构建了基于拓扑特征的建筑信息模型检索与分类系统；此外，在机电设备BIM模型的智能化处理及应用等方面也开展了相关的研究工作。. 通过上述内容的研究，构建了图嵌入、图核和图谱等适用于一般图的非精确图匹配算法，也设计了适用于建筑信息模型的非精确图匹配算法。研究成果丰富了现有的图模式识别方法，并为基于建筑空间关系的BIM模型检索和分类提供了基础理论和关键技术。. 主要研究成果如下：在国内外学术期刊发表学术论文20篇；授权实用新型专利1项；课题组在该领域培养毕业博士3名，毕业硕士6名。研究成果将空间句法理论引入图模式识别领域，对研究一般图的非精确图匹配方法具有借鉴意义，同时对提升建筑信息模型的智能化信息处理也具有理论价值和现实意义。