Mehr von Hecht, Robert

Export für Ihre Literaturverwaltung

Übernahme per Copy & Paste
Bibtex-Export
Endnote-Export

       

Weiterempfehlen

Bookmark and Share


Automatische Klassifizierung von Gebäudegrundrissen : ein Beitrag zur kleinräumigen Beschreibung der Siedlungsstruktur

[Dissertation]

Hecht, Robert

Zitationshinweis

Bitte beziehen Sie sich beim Zitieren dieses Dokumentes immer auf folgenden Persistent Identifier (PID):http://nbn-resolving.de/urn:nbn:de:0168-ssoar-396864

Weitere Angaben:
Körperschaftlicher Herausgeber Leibniz-Institut für ökologische Raumentwicklung e.V.
Abstract Für die Beantwortung verschiedener Fragestellungen im Siedlungsraum werden kleinräumige Informationen zur Siedlungsstruktur (funktional, morphologisch und sozio-ökonomisch) benötigt. Der Gebäudebestand spielt eine besondere Rolle, da dieser die physische Struktur prägt und sich durch dessen Nutzung Verteilungsmuster von Wohnungen, Arbeitsstätten und Infrastrukturen ergeben. In amtlichen Geodaten, Karten und Diensten des Liegenschaftskatasters und der Landesvermessung sind die Gebäude in ihrem Grundriss modelliert. Diese besitzen allerdings nur selten explizite semantische Informationen zum Gebäudetyp. Es stellt sich die Frage, ob und wie genau eine automatische Erkennung von Gebäudetypen unter Nutzung von Methoden der Geoinformatik, der Mustererkennung und des maschinellen Lernens möglich ist. In diesem Buch werden methodische Bausteine zur automatischen Klassifizierung von Gebäudegrundrissen vorgestellt. Im Kern werden Fragen beantwortet zu den Datenanforderungen, der Gebäudetypologie, der Merkmalsgewinnung sowie zu geeigneten Klassifikationsverfahren und den Klassifikationsgenauigkeiten, die abhängig von Eingangsdaten, Siedlungstyp und Trainingsdatenmenge erzielt werden können. Der Random-Forest-Algorithmus zeigte die höchste Flexibilität, Generalisierungsfähigkeit und Effizienz und wurde als bestes Klassifikationsverfahren identifiziert. Die Arbeit leistet einen wichtigen Beitrag zur Gewinnung kleinräumiger Informationen zur Siedlungsstruktur. Die entwickelte Methodik ermöglicht ein breites Anwendungsspektrum in der Wissenschaft, Planung, Politik und Wirtschaft (u. a. Stadt- und Regionalplanung, Infrastrukturplanung, Risikomanagement, Energiebedarfsplanung oder dem Geomarketing).

Building data are highly relevant for the small-scale description of settlement structures. Spatial base data from National Mapping and Cadastral Agencies describe the buildings in terms of the geometry but often lack semantic information on the building type. Here, methods for the automatic classification of building footprints are presented and discussed. The work addresses issues of data integration, data processing, feature extraction, feature selection, and investigates the accuracy of various classification methods. The results are of scientific, planning, policy and business interest at various spatial levels.
Thesaurusschlagwörter urban geography; settlement pattern; classification; cartography; pattern recognition; information system; geography; town planning; urban planning; urban development
Klassifikation Raumplanung und Regionalforschung; Naturwissenschaften, Technik(wissenschaften), angewandte Wissenschaften
Freie Schlagwörter Gebäudetyp; maschinelles Lernen
Sprache Dokument Deutsch
Publikationsjahr 2014
Verlag Rhombos-Verl.
Erscheinungsort Berlin
Seitenangabe XXI, 412 S.
Schriftenreihe IÖR Schriften, 63
ISBN 978-3-944101-63-7
Status Veröffentlichungsversion; begutachtet
Lizenz Deposit Licence - Keine Weiterverbreitung, keine Bearbeitung
top