图形模型126（2023）101170语义合理的小规模城镇阿卜杜拉·布尔布勒土耳其安卡拉Yildirim Beyazit大学计算机工程系A R T I C L E I N F O关键词：过程建模三维城市建模语义控制A B S T R A C T程序技术已成功地用于生成各种3D模型。在这项研究中，我们提出了一个程序化的方法来建立3D城镇，可以通过一组高层次的语义原则，即安全，隐私，可持续性，社会生活，经济和美容进行操作。基于这些原则的用户定义的权重，我们的方法生成一个3D解决方案，以适应所需的人口超过给定的地形。我们的方法首先确定在大地形上建立定居点的位置，然后迭代地构建城镇。在这两个步骤中，原则指导决策，我们的方法生成类似于前工业时代城市的自然外观的小规模3D住宅区。 我们证明了所提出的方法的有效性，以建立语义合理的城镇模型，通过在现实世界中的地形呈现样本结果1. 介绍需要使用3D合成环境的应用领域在过去几十年中显着增长。在此期间，在计算机游戏的多样性和真实性不断提高的同时，虚拟现实（VR）产品也已经成熟并被更大的社区所接受，导致VR应用程序被开发用于许多目的，如教育[1]，模拟[2]和虚拟辅助[3]，进一步增加了对3D虚拟环境的需求。3D城市模型构成了这一需求的关键部分，即， Biljecki等人[4]指出了3D城市模型的29个用例随着对3D内容需求的增加，旨在满足这一需求的研究也在加速。其中一组研究重点是开发建模和操作方法，以轻松快速地生成内容[5，6]。也有3D重建相关的研究，其目的是在虚拟环境中复制真实世界的结构[7]。除了建模，管理和重建相关的研究，过程建模方法也用于自动生成合成的3D内容。 过程化方法的优点是它们能够以最少的用户干预创建各种各样的输出。然而，生成合理和高质量的模型是这些研究中的一个主要挑战即使使用最先进的建模方法，构建3D环境也需要大量的规划和手动管理来服务于特定目的，例如，对于3D游戏环境，我们希望定居点被放置在环境中有意义的位置，并根据游戏场景反映某些特征。可能会有不同的内部和外部问题，城市建设中存在的问题，如与自然资源和其他城市的距离、与安全有关的问题或城市内的社会关系。这些问题有不同的优先级，拥有更高的控制水平有助于管理和自动化3D城市设计。在这项研究中，我们提出了一个程序系统，建立有机增长的定居点的基础上的原则，人们的需要和社区内的关系。我们所说的原则是指影响城市发展的几个问题，如安全性、可持续性、隐私性等，而不是一个精心制定的整体计划;这些原则是由每一个建筑自主实现的，追求整个社区的互利。虽然每个决定都是单独做出的，但这些决定考虑了在不牺牲其他居民福祉的情况下最大化个人利益的问题。由于这一自然过程，我们的目标是拥有可以合理地用于虚拟现实和游戏环境的3D小规模城镇模型。所提出的方法旨在建设类似于前工业时代城市的城市中心。因此，生成的城市具有用于各种目的的潜力，包括文化遗产应用、历史游戏、教育和虚拟现实环境。为此，给定聚落的地形和初始人口，系统确定聚落的核心位置并迭代构建，通过调整用于构建聚落的原则的权重，用户可以生成具有不同特权的城市中心，例如，基于安全的城镇或基于经济的城镇。该研究的一个局限性是所产生的定居点的规模相对较小，即它可以产生小规模的电子邮件地址：mabulbul@aybu.edu.tr。https://doi.org/10.1016/j.gmod.2023.101170接收日期：2021年7月12日;接收日期：2023年1月5日;接受日期：2023年1月19日2023年1月27日在线提供1524-0703/© 2023作者。爱思唯尔公司出版这是一篇基于CC BY-NC-ND许可证（http://creativecommons.org/licenses/by-nc-nd/4.0/）的开放获取文章。可在ScienceDirect上获得目录列表图形模型期刊首页：www.elsevier.com/locate/gmodA. Bulbul图形模型126（2023）1011702城市，而不是大城市。本研究的贡献可列举如下：• 我们介绍了一个程序性的小规模城镇生成方法的指导下共同关注的生活社区。• 除了建设城镇外，该方法还根据地形和原则权重确定最佳定居点位置。• 在拟议的方法中，而不是中央规划，城镇增长主要是由个人决定， 到主要重量。• 在生成城镇时，考虑了社会因素和居民之间的关系，例如阻挡他人视线或阳光照射。为了评估所提出的系统的有效性，我们利用现实世界的地形和可视化的真实城市中心的不同原则，观察我们的方法是否优先建立的位置或没有。此外，城市规划专家对生成的中心的可扩展性及其与所用原则的一致性进行了评估。2. 相关工作城市生成研究包括关注城市区域的单个或多个方面或组成部分的各种方法，例如地形[8，9]，城市布局[10，11]，道路网络[12，13]和建筑物[14，15]。本文介绍了城市生成研究的主要方法，以及关注城市生成不同方面的在城市自动生成研究中，通常采用基于在初始模型上应用一组预定义规则的过程建模。一种流行的早期方法称为L系统[16]提出模拟植物生长和细胞分裂机制， 大自然这种方法产生了逼真的输出，后来启发了使用建筑物[14]和城市生成的过程建模。 Parish和Müller [17]提出了一种开创性的程序化城市生成方法。该系统使用多个图像地图（例如陆地一些研究提出了交互式方法[8，11，18，19]，使用户能够在更高的水平上指导城市生成。以交互方式生成虚拟城市的程序方法的调查可以在[20]中找到。与[17]类似，大多数半自动研究都是通过首先定义道路网络，然后在以道路为边界的多边形地块上构建建筑物来生成城市的。为了生成更逼真的城市，基于实例的程序系统在合成城市模型时利用真实生活实例将道路和建筑物密度的统计分布与真实情况相匹配[10]。Müller等人。[21]使用立面图像来推导可用于生成3D建筑模型的程序规则。在另一个基于实例的研究中，Nishida等人[22]合成了通过基于用户指定的目标区域和真实世界的示例来生长几何图形来构建道路网络。另一组研究[15，23，24]遵循逆方法，其中给定模型，系统发现稍后可用于输出模型的高级控制的程序表示。Emilien等人。[25]提出了一种逆过程建模方法，该方法利用类似绘画的系统来交互式地控制各种参数分布，同时合成虚拟环境。近年来，使用机器学习和神经网络进行逆过程建模变得越来越流行。Guíl使用经过训练的系统，用户可以通过创建地形的粗略草图来创作地形主要地形特征。在另一项工作中，Kim等人[5]使用一张街道照片来推断城市的细节，并生成一个与照片中的城市相似的想象城市。他们的模型利用生成对抗网络（GAN）来生成地形和高度地图，并使用CNN来形成城市属性向量，其中属性指的是街道模式，植被和建筑类型等。在另一项基于GAN的研究中，Hartmann等人。[26]用真实的例子训练深度网络来合成道路网络。在最近的一项研究中，Zhang等人[27]提出使用GAN从不同风格的真实地形合成逼真的地形。生成一个现实的城市取决于对城市基本因素的考虑，如人们的工作、车辆交通、社会关系委员会等[28]。这些因素显著地塑造了城市布局和建筑物，人们越来越有兴趣考虑它们。加林等人[12]提出了一种将不同规模的城市与分层道路网络连接起来的程序方法。另一种方法，由Beneficiary等人提出。[13]，考虑社区和形式的主要和次要道路模拟城市增长与多个种子点。大多数城市生成研究采用自上而下的方法，从定义城市布局开始，然后建造建筑物。这种方法适用于现代和规划良好的城市。另一方面，也有一些城市中心（如老城、农村地区），自下而上的因素也显著地塑造了城市[20，29]，而不仅仅是中央管理。在一个罕见的自下而上驱动的城市生成研究的例子中，Emilien等人[30]提出了一种逐步构建村庄的程序方法，其中每一步都在地形上找到新的种子来生长村庄，并且这些位置与现有的道路网络相连。这项研究与我们的方法有共同的特点，例如考虑地形的高度和坡度以及城市的逐步生成。然而，我们的方法独特地包含可调节的原则，以控制城市发电量， 高水平，同时还包括考虑到模拟社会中的社会关系的自动化个人决策。要求最少的用户输入集也是我们系统的功能之一Beneficiary等人。[31]发现，不规则性和结构的可接受性会影响程序生成内容的感知真实性。 在我们的研究中，而不是模仿的视觉特性，我们提出了一种方法来生成一个城市，其中人，环境和结构之间的语义关系被认为是在现实生活中发生的。这种方法导致城市组成部分的自然生成，也使其能够随着时间的推移而发展3. 概述如图1所示，我们的程序系统用最少的输入生成城市住宅中心。用户通过调整确定影响城镇生成的因素的标准（原则）的权重来间接控制系统。除了这些权重之外，城镇的地形也被作为系统的输入，以及城镇内所需的初始人口。最后，假设该地区的地理坐标进行气候相关的计算。请注意，由于生成的定居点规模较小，在整个文本中，城镇优先于城市通过考虑加权原则和输入地形，系统首先确定在哪里启动城镇，通过迭代机制在城镇中生成结构，直到可以容纳所需数量的人计算在三个不同的尺度上进行。在世界范围内，相对粗略的计算是在整个地形的定期采样子集上进行的，例如每200米一个样本。 在城镇范围内，仅在城镇边界内进行更精细的抽样计算，例如每5-10米。 然后，为建造结构进行最详细的计算，例如窗户，房间等的风格和几何形状，我们称之为人类尺度。当在世界范围内进行计算时，在城镇尺度中，生成各种二维辅助地图A. Bulbul图形模型126（2023）1011703���Fig. 1. 拟议系统概述。来指导决策。这些地图包含关于地形上每个城镇样本或世界样本的可达性、能见度、与自然资源的接近程度等信息。当城市建成时，它们会被更新。3.1. 抽象控制机制在我们的制度下，不是由一个强而有力的中央管理阶层决定城市规划的细节，在中央作出初步决定后，城市的发展主要是由个人决定。用户通过调整图中列出的原则，输入社区的一般优先级，间接控制城镇建设过程。1.一、每个原则都有一个介于[0 - 1]区间的权重。这些权重既影响确定城镇的位置，也影响关于建筑细节的个人决定，例如它们的大小，方向，风格等。除了这些原则的权重之外，该系统还采用地形、要容纳的初始人口以及用于气候相关计算的区域坐标。输入地形，主要由高度图组成，并包括额外的信息，如水源的位置。3.2. 原则这是一个重大的挑战，拿出的原则，是有效的所有社区世界各地。然而，在这项研究中，我们的目标是提出一个系统，是由这些原则的子集指导的有效性。根据城市规划和城市设计的文献，我们可以看到，城镇的发展在历史上受到安全[29]，隐私[32，33]，可持续性[34-36]，这六个原则在我们的系统中被采用，并在下面简要解释：安全：城镇和个人房屋应该是安全的，免受外部攻击。一个更注重安全的社区预计将有一个从外面进入的定居点，并有更密集的房屋分布，以加强居民之间的团结隐私：隐私是一个广泛的术语，包括但不限于视觉，听觉，甚至经济方面。在我们的系统中，房屋的私人区域不应该从外面可见。此外，庭院为家庭提供了更多的隐私可持续性：为了拥有一个可持续发展的城镇，有效利用自然资源和减少废物量至关重要。通过阳光照射自然加热，附近有水源是重要的考虑因素。此外，在建筑中使用当地和可重复使用的建筑材料增加了可持续性。社会生活：这一原则是指允许社会之间轻松、和平的互动，减少发生冲突的可能性。为了实现这一目标，一个城镇需要在城镇边界内有方便的可达性和供人们互动的公共场所。 另一个支持因素是在个人决策中考虑邻居。经济：以经济为导向的城镇通常有大量的金融组成部分。这可能包括更大的市场面积，容纳游客的地方，以及通往市中心的更宽的道路。方便到达城镇也有利于吸引商人。美：在计算机生成的环境中，最困难的原则可能是美，因为它具有极端的主观性。在这里，我们采取顺应自然的方法，创造和谐的居住区。为此目的，在结构上有标准，避免极端的多样性是有帮助的。另一个考虑因素是为每个房子提供漂亮的景色。试图找到合理的解决方案，考虑所有这些因素带来了一个复杂的和高维的问题，我们有冲突的因素和相互关系的个别建筑物。我们的方法不是找到一个全局优化的解决方案，而是逐单元地开发城镇，并在每一步都以自主的方式考虑每个结构的4. 决定城市为了找出在给定地形中在哪里生成城镇，首先，根据不同方面准备描绘每个样本得分的各种地图。然后，将这些分数结合起来，考虑原则的权重可见性地图：可见性地图保持在世界范围内的地形中每个采样点的总可见区域。我们可以将其显示为（），∈.中的值被线性归一化，使得最大值变为1。气候图：这张地图考虑了每个点的高度和阳光照射水平造成的热量差异。每走200米，天气就会变冷1摄氏度此外，表面法线和太阳方向之间的角度会影响环境的热量������（1 + L. ���）−���其中L是全年中午时间的平均太阳方向������������是作为输入给出的纬度值用于确定L。计算时���将考虑其中最接近样本的所有高度图值无障碍地图：有三个无障碍地图。其中一与从所有其他点访问采样点的难易程度有关A. Bulbul图形模型126（2023）1011704∑∑图二. 左上：8路邻域，右上：16路邻域，底部：从A到B和A到C的样本路径成本���������������所有映射都被归一化，使得每个映射中的最大值图3可视化这些地图中的每一个。 在获得所有所需的映射并对其进行归一化之后，考虑到主权重，将它们组合在一起。例如，安全性受到A值的负面影响，而受到更好地观察周围环境的分数的正面影响。可持续性与地图和更好地利用自然资源有关。 每个方面的分数通过以下公式计算，并根据经验选择系数：���������������������= 0.5 − 0.4A���������������������������������������������= 0.5 + 0.5���������������L��������� = 0.2 + 0.2A������ +0.5A���������������������= 0.3A������ +0.2A���������(4)将得到的每个原则的分数结合起来，以生成最终的地图（见图1）。3）通过加权求和，其中使用先前提供的主权重。 请注意，在目前的系统状态下，美丽和隐私对确定城镇的核心地位没有影响。 最终的地图包含每个样本从采样点S到所有其它采样点IN。的差异A和A是由于相对容易下降相比，上升。第三张地图A与内部的可达性成本有关。的地形。仅一个样本不足以代表该地区需要建设城市。为了确定城镇核心的位置，我们需要考虑每个样本因此，作为最后一步，与半径如下给出的圆形平均滤波器卷积镇上为了计算基于网格的地形上的可达性值��������������� =×������������������������������������������������× 2闪烁，（5）首先，计算相邻样本之间的行走代价。然而，在估计地形上两个非相邻样本之间的移动成本时，合并相邻样本的成本会引入数字偏差[37]。当使用4路邻域时，这种效果要差得多，但我们观察到，即使使用8路邻域，它仍然具有显著的影响。在地形上寻找各向异性最短路径的问题在[38]中得到了解决和进一步分析其中，面积是每人所需的面积。������乘以2就是有足够的空间容纳两倍的人口。最后，最佳样本的位置，即，得分最高的样本，被选为镇的核心位置5. 城镇世代在确定城镇的位置后，系统开始进行其中道路可以通过考虑几个因素来形成，在一个正方形子区域上的城镇规模计算地形坡度、道路连续性和水体。在我们的例子中，而不是直接连接遥远的网格样本，我们计算16路邻域（见图1）。2），这降低了偏差，并给出了理想情况下的充分近似从每个样本点步行到其16路邻域的成本16、���计算公式如下。������������(���,���) =���������,���(1 +��� × (���������������,������−������ ���)2),��� ∈16,���(2)where , ��� refers to Euclidean distance between and its neighbor .������������������,���is the slope of the direct path and��������� is the easiest walking slope,以城镇为中心的地形。该区域被定义为包含可容纳两倍给定人口的圆形区域的最小网格。������������圆的半径由方程确定。（五）、5.1. 初始化类似于世界范围内的各种地图的使用，构建城镇需要生成城镇范围内的辅助地图，这比世界范围内的地图更精细，并且可以在整个城市范围内执行。������������其中一张地图给定为（−2.5）= −0。���������043（略向下）。���是常数是城镇占领地图，保持每个样本的当前状态，与避免陡峭的路径有关。值越大，将导致采用更长的路径，而不是陡峭的路径。它被设置为136，当地形坡度大于5 °时，将更容易形成之字形模式而不是直线路径[39]（见图10）。2-底部）。 在此之后，所有有向对的最短步行路径是������������ 在S 使用Floor-Warshall算法计算[40]。然后生成可访问性映射，如下所示：������������.这些状态是自由、可行走、可建造和已占用。另外三个地图，（A， A，）分别用于保持所有对的可达性，可达性镇中心和水接近相关的信息。������������所有对可访问性地图保持成本和路径之间的旅行所有对样本在地图上。������������在建造时，一个新的结构是它到市中心的可达性，另一个表是生成的，它只保留了旅行之间的可达性成本。A（）=（，），∈，A（）=（，），∈。������������������������������������������������（三）每个样本在城市和城镇中心使用Dijkstra第三个地图与可达性相关，A地图，仅保留样本周围的本地步行成本。对于每个样本，A的计算公式为max{5−L2（max{，3} − 2），0}，其中是曲面法线与上向量之间的角度（以度为单位）。该公式在3度之前不会对坡度进行处罚，当表面坡度达到35度时，步行性评分降至0。水邻近地图：最后一张地图W保留可达性成本到最近的水源为所有采样点的采样。这儿而不是在欧几里德距离中，从为可达性地图生成根据Eq. （二）、5.2. 结构的过程建模该系统最初在市中心周围建造公共建筑，遵循工业化前城市中心经常观察到的做法[29]。这些建筑包括大学、公共浴室、市场和礼拜场所。尽管这些建筑物中的每一个都有一个特殊的几何体，但用于构建它们甚至私人房屋的底层程序建模机制是相似的。该机制包括以下步骤：A. Bulbul图形模型126（2023）1011705||||���������������������||图三. 样本地形和生成的地图，以确定城镇的核心。黄色（更亮）意味着更高的分数。在综合地图中，所有原则都被赋予同等的权重。(For对本图图例中所指颜色的解释，读者可参考本文的网络版1. 计算成本：根据结构的原理和性质，计算在每个可用网格上建造结构的成本。������������2. 确定位置：确定建筑物覆盖区域的总成本最低的位置。3. 建筑：根据所使用的原则所4. 更新：道路和辅助贴图已更新。计算成本：根据给定的参数，计算成本-一个类似辐射度的方法，并从网格的位置计算每个私有区域的单侧视图因子。使用以下公式进行计算= Amax（max.（0）闪烁发光，（6）其中，是视角因子，A是私有区域的面积，A是私有区域的法线，A是私有区域的栅格方向，A是私有区域与栅格之间的距离请注意，如果网格和私有区域之间存在另一个结构，则不计算。为每个网格设置。如果网格的当前状态为“可行走”，������������隐私成本是由所有计算的's内的总和确定的或被占用，分配无限成本，以防止施工超过这些网格。 参数包括：• 到核心的首选距离，最大值：对于每个建筑物，������������������������是不同的偏好。例如，公共浴室不优选位于非常靠近市中心的位置。• 权重，{距离，坡度，视野，日照，坡度，日照，日照}：这些参数指的是因子的权重;到核心的距离，坡度，水接近度，隐私，视野和日照，具有给定的顺序。���������������������虽然网格的圆形邻域这个街区的半径目前已设置为50米。视图：在这里，通过视图质量，我们的意思是如果一个房子有一个很好的场景，通过它的窗户可见。虽然nice的定义可以改变，但在我们的实现中，nice视图包含树木、河流、大型景观或建筑上漂亮的结构。为了计算视图的质量，类似于私人区域，我们在视觉上令人愉悦的对象（如树木，建筑特殊结构等）周围生成风景区。��������� 为|���������������������|+������������������,(7)可以根据个人喜好，对每一套房子的主要原则哪里||������������������、社会生活影响社会，可持续性影响社会��������� 和���������隐私是照射到风景区的光线数量，所有采样的射线。������������������是采样射线的平均距离，������最大距离是在地形上可能的最大距离• 近似高度：一些计算，如视图，隐私和阳光照射需要建筑物在计算与每个因素相关的成本后，加权求和这些因素中的一部分很容易获得。到核心的距离与到城镇核心的步行成本有关，并直接从A获得。������������可以从地形中获取坡度信息。水的接近度保持在100度左右。������������ 下文解释了其他不直接阳光照射：为了了解阳光照射，我们检查建筑物是否受到阳光直射或有阴影。使用纬度信息，太阳的方向在夏季和冬季的时间可以找到，以及上午和晚上的时间。检查源自各种高度（0到近似高度）并指向太阳的可能位置的多个光线是否存在任何情况，即， 另一座建筑物或一座小山，在中间。能够到达太阳的光线的比率所有光线的亮度值用作阳光照射值。隐私：对于任何网格点，检查其圆形邻域 如果在所提供的近似高度处的网格的位置正在查看周围的任何私有区域。这些私人区域是描绘私人房屋及其庭院的窗户在这里，我们雇用在计算成本的同时，每个房子都试图找到最适合自己的位置。新建的房屋也会影响周围的其他房屋，例如，通过阻挡他们的视线或阳光照射。对于这种情况，会增加一个额外的惩罚分数，这与社会责任成正比。生命原则。确定位置：对于每个建筑物，向系统提供近似的FloorArea。 然后系统会找到一个圆形区域， 可以包含方形FloorArea，即， 圆的周长等于正方形的对角线。对于该圆形区域，以上计算的地形样本的成本是最低的。作为 不可建造区域的成本是无限的，可以选择仅包含可建造样本的区域作为位置。构造：每种建筑类型都有用于其构造的过程性协同例程。这些协同例程的应用规则类似于：房屋：基础n* 楼层屋顶地板：n*（墙（w，d）墙（w）墙（w，d）：墙（w）门墙（w）墙（w）：墙n *（窗墙）窗：框架内侧A. Bulbul图形模型126（2023）1011706见图4。不同的原则权重导致不同的区位选择形成城镇。该图显示了面向安全，面向社会生活，面向可持续发展和面向经济的城镇的选择位置。对于每个选择，还显示了特写视图与其他程序技术类似，这种方法可以轻松实现细节级别（LoD）。对于更高的细节，用户可以定义更多的细节，而对于性能，可以使用更粗糙的选择。公共建筑物的大小根据人口而定。此外，在决策机制中，只要适用，就采用原则权重。例如，经济的权重越高，市场就越大。在建造公共建筑时，与私人建筑相比，使用了更耐用的材料和更厚的墙壁房子道路的生成：根据所提出的系统的其余部分，道路是按照人们的自然步行路径生成的。这些路径是使用可访问性地图获得的。 当一个新的城镇元素被建立时，具有最小成本的路径将新建立的结构连接到城镇中心，形成新的道路，如果它以前没有被指定为道路我们使用位图保存相邻样本对之间所有已建立的道路。此信息用于更新可访问性表和呈现路径。由于通过一条已建成的道路更容易旅行，如果一条道路一旦建成，它将获得更多的可达性，以鼓励重复使用同一条道路，而不是将未使用的区域转换为新的道路。因此，对于已经建立的路段，行驶成本减半。5.3. 城镇的迭代生成在所提出的系统中，城镇是通过迭代地建造所需的建筑物来容纳所需的人口而产生的。最初，公共建筑是根据所用原则的要求和重量建造的。之后，建筑物被顺序地建造，直到能够容纳期望数量的居民。随机选择房屋中的居民数量有助于形成各种房屋，例如不同大小、多层。此外，个体因素可以影响主权重，即，每个家庭或个人可能有不同的特权。虽然原则的权重一般遵循用户定义的值，但个体偏差提供了多样性和更自然的分布。在启动城镇后，可以开始模拟新一代的人需要更多的服务建筑;旧建筑可以重新使用，修改或废弃，并及时销毁。 本研究的重点不是城镇及其居民的长期模拟，因此，这些部分仍然是未来的工作。6. 实验结果给定地形和原则权重，我们的方法在给定地形上选择适当的位置，并按程序生成能容纳一定数量的人的城镇。图4个示范，不同的原则权重如何导致在同一地形的不同区域建造城镇。在这个示例输出中，我们可以注意到，一个高度安全导向的城镇位于山顶，观察地形的其余部分，而一个具有较高社会生活权重的城镇则建在相对平坦且可步行的区域上。同样地，更突出的可持续性或经济前景分别导致自然资源丰富或交通便利的区域。 这些结果表明，我们的方法导致产生各种城镇模型的调整后的原则，如预期的那样。为了进一步证明所提出的方法的有效性，并更深入地研究应用步骤，我们已经试验了各种设置，这些设置在下面的小节中介绍6.1. 体验真实世界的地形我们的方法可以运行在任何任意地形模型的地形表面指定的高度图。为了测试我们的方法的有效性相比，真实的情况下，我们生成的地形使用真实世界的海拔值周围的几个城镇。虽然我们并不期望完全代表现实生活的复杂性，一种方法对于所提出的系统的一般评估是有用的。所选择的地区包括几个古老的城镇和随机选择的农村地区的小村庄，这些地区不覆盖很大的地形空间。6.1.1. 生成真实世界地形要生成真实世界的地形，可以使用Google Elevation API获取指定区域的高程值，该API允许查询 地理坐标列表，并以json格式返回其高程。这些高程值包含约9 m的误差[41]。一个大约4 km × 4 km的正方形区域由200 × 200个控制点采样，每2 m限制一个控制点在得到这些控制点中的每一个的高程，剩余的高度图值使用Catmull-Rom样条计算。 请注意，由于高度值的插值和不准确性，生成的地形中缺少表面的精细细节。图5示出了所生成的真实世界地形的示例。除了高度值，该地区的卫星图像也是从谷歌静态地图API和纹理映射到 一个单独的建模和低详细的表面（见图）。5）。第二个表面用于观察真实的居住区。在指定地图的地理坐标和比例尺到系统之后，系统自动生成两个表面然而，在一些地区，借助卫星图像，人工在地表上绘制了可见的河流。A. Bulbul图形模型126（2023）1011707表1优先级的平均重要性值二级优先级nciples。苏斯SoCEcoBea进出口103.66.43.29.32.5图五. 左图：由真实世界（西班牙Alberracin）高程值生成的地形示例。右图：卫星图像被映射到同一地区的大致镶嵌表面上。见图6。 上图：意大利斯佩洛的谷歌地球。 下一篇：一个城市的一代-我们的系统从同样的角度来看。 使用的主要权重是隐私：0.1，安全：0.8，可持续性：0.4，社会生活：0.4，经济：0.5，美丽：0.6。6.1.2. 在真实地形我们的方法来确定城镇的核心已被应用在六个现实世界的地形。这些地区的名称和地理坐标显示在图的顶部。第七章对于每一种地形，四项原则--安全、可持续性、社会生活和经济--都是孤立适用的。然后，对于这些原则中的每一个，我们分析了我们的算法是否为真实城市/城镇中心的位置分配了相对较高的分数。具有高分数支持我们的算法以合理的方式工作。实际上，有更多的因素影响我们无法考虑的城镇位置的选择（例如其他定居点，风，当地资源，旅行路线）;然而，由于我们考虑的因素，我们仍然可以期待相对较高的分数。话虽如此，通过改变主权重，我们的方法可以在地形上选择各种位置作为城镇中心，通常包括真实城市或城镇的位置，如图1所示。图第六章图7示出了实验区域上的分数分布。该图的每一行以标准化的方式可视化不同原则的分数，其中纯黄色表示最高分数，纯蓝色表示最低分数。在组合的情况下，每个原则以相等的权重组合。图中最后一行的图显示了分配给实际城市/城镇中心位置的分数。如图所示，在大多数情况下，真正的中心的得分高于平均水平，城市/城镇中心的综合得分总是高于平均水平。请注意，如果你的分数高于平均水平， 所有的原则并不总是可能的，因为原则之间存在冲突因素。6.2. 城镇建设及其原则图图8显示了在同一地点产生的具有不同权重的原则的样本城镇。在每一行，同一个城镇都是可视化的从两个不同的角度，在右图的右下角写着影响城镇建设的突出原则。所指示的原则的权重设置为1，而所有其他原则的权重设置为0.05。在最后一个raw中可视化的城镇是通过将所有权重设置为0.21生成的。每个城镇都能容纳300人。如第5.3节所述，建筑物是逐个生成的以迭代的方式，这意味着建筑物是按照优先顺序建造的。为了便于分析，图中建筑屋顶的颜色。8个是根据他们的建设顺序分配的，其中第一个建成的建筑物是黄色的，屋顶颜色最终变成蓝色。每一个原则都以预期的方式塑造城镇，如图1的细节所示。八、例如，以安全为导向的城镇更拥挤，在这种情况下，靠近市中心是一个重要的偏好。一个具有较高隐私权重的城镇会导致更多的独立房屋，周围有一个私人区域。 窗户是通过避免其他房屋的私人区域（庭院，窗户）的视线而建造的。在面向可持续性的情况下，房屋通过避免西北区域（左图的左上部分）来最大化其阳光照射，在西北区域中存在可能阻挡阳光的下坡并且通过选择分离的平坦区域。社会生活导致更适合步行的社区，经济导致更大的市场空间（城镇中心的大屋顶）。最后，当美的分量增加时，人们开始把房子建得更靠近河流，以便有更好的视野。6.2.1. 价值工程实验为了进一步评估该系统中所使用的原则及其在已建城镇中的实施的有效性，我们与来自城市规划历史与发展领域的专家进行了一次实验。来自5个不同国家的7位专家参加了遵循价值工程（VE）方法的实验。VE被广泛用于决策过程中选择理想的解决方案[42，43]。首先，每位专家对原则进行了成对评估。在VE中，该过程导致每个原则的相对重要性值，其中最高值的原则得到10分。 表1显示了通过专家评分获得的原则重要性值。安全性和经济性原则是最重要的原则。其次，图中所示的城镇。专家已根据每项原则，按1至5分的等级，对城市规划图则作出评估。请注意，专家们并不知道用于建造这些城镇的主要权重。其结果示于表2。在本表中，每个城市规划图则的上行表示 由所有专家给出的总分和下面的行对应于与表1中给出的重要性值相关联的城市规划的值。VE实验验证了按照指定的原则权重进行城镇建设的有效性。表2中的粗体值显示了每列的最高分数，并清楚地表明，是指定的原则权重和专家得分之间的匹配。应用性实验结果显示，以均衡权重建构的城镇，其总得分最高，价值最高。A. Bulbul图形模型126（2023）1011708见图7。 每个原则在真实地形样本上的归一化分数，黄色（明亮）颜色表示较高的分数。组合情况对所有原则具有相等的权重。最后行显示了真实城市/城镇中心的得分（在卫星图像中圈出）以及整个地图的平均得分。 (For对本文档中颜色的解释图注，读者可参阅本文的网页版6.3. 与真实城市的在这里，我们提出的城镇发展的建议系统通过比较两个样本城镇。在这两种情况下，我们都使用Google Elevation API获得了高度值。选择市中心是为了靠近历史悠久的市中心。图图10显示了土耳其Safranbolu的结果;这是一个以房屋设计和分布而闻名的历史城镇。虽然生成的城镇中缺少真实的地形细节，如植被，但可以在城镇发展中识别类似的模式真实的城镇有更多的住宅区;然而，围绕中心结构和建筑方向的增长模式看起来相似。图11显示了阿尔巴尼亚培拉特的结果。 从该图的第一行可以看出，我们的系统生成了面向河流的普通建筑，就像在真实的城镇中一样。同样，对于第一个城镇，城镇的发展似乎遵循与真实情况相似的模式。6.4. 实施细节和性能问题该方法在Unity3D游戏引擎上用C#编程实现。本文中所呈现的所有结果都在具有Intel Core的笔记本电脑上的同一平台A. Bulbul图形模型126（2023）1011709见图8。城镇产生不同的原则权重。屋顶颜色表示施工顺序（黄色到蓝色）。(For对本图图例中所指颜色的解释，读者可参考本文的网络版见图9。 从生成的城镇模型中查看示例。i5-7200U CPU和8 GB RAM。计算机的GPU不用于渲染以外的目的。所提出的方法包括计算量大的过程，这些过程根据地形上的样本数量快速增长表2价值工程实验结果。SECPriSusSoCEcoBea总安全导向2727015541170144515140123094609隐私导向16160291041610213421211292395543坚持住。定向171701243301921342171581435103640社会湖定向2020018651912233106141301743121665经济导向202001554221411651312881538119772以美为本222201243221411961161493280123694平衡26 28 21 27 28 26156260 101 134 86 260 65 907见图10。真实地形上的样本城镇（土耳其Safranbolu）。顶部：生成的城镇的3D视图。左下角：真实城镇的卫星视图。右下：生成的城镇的俯视图。城镇规模。因此，我们实施了便于控制样本量的方法，即， 可以改变特征图的分辨率以进行性能准确性折衷。对32 × 32个样本计算了确定城镇核心的得分。 同样，在建造城镇时，五米。增加此值可提高性能，但会降低城镇的详细程度，并导致更多的未使用空间。图图12显示了使用相同设置生成的两个城镇的土地使用样本，除了计算粒度，其中一个单位对应于4 m或16 m。如图所示，更精细的样本允许更密集的城镇和更少的浪费区域，同时导致更多的计算和存储空间。平均而言，建造图中所示的城镇大约需要7分钟。 8，而确定城镇核心需要20秒左右。7. 讨论结论在这项研究中，我们提出了一种语义上可行的生成小规模城市居住中心的方法。 该方法首先根据原则的权重，确定在给定地形上的何处建立城镇，以容纳指定数量的人口。该方法的这一步骤的有效性是在现实世界的地形。我们已经观察到，实验中的真实城市/城镇是在我们的系统分配高于平均分数的区域建立的，这表明我们的能力。A. Bulbul图形模型126（2023）10117010见图11。真实地形上的样本城镇（阿尔巴尼亚培拉特）。 上图：城市的照片[44]。 右上角：生成的城镇中类似区域的视图。 中间一行：生成的城镇的更一般的视图。左下角：真实城镇的卫星视图。右下：生成的城镇的俯视图。见图12。 样本量的影响。 左边的样本更精细（1个单位= 4 m），右边使用更大的单位（1个单位= 16 m）。确定好的候选人建立城镇的方法。通过操纵主权重，我们可以在语义上控制系统为城镇选择一个更好的位置，以满足我们的期望。在第二步中，所提出的方法迭代地构建一个城镇再次根据用户提供的原则权重。每一座建筑都是通过评估城镇的现状来建造的，这导致了一个类似于农村或工业化前城镇的自然住宅区（图1）。9）。我们还证明了，由于使用的原则，我们对城镇生成过程具有高水平的控制图13岁 一个 建立在网格结构道路上的样本城镇。通过与城市规划专家的应用价值工程实验， 生成的城镇
