基于机器学习的住宅楼盘造型风格分类与预测研究

摘要: [目的]本文在回顾已有建筑造型风格研究的基础上，提出针对住宅楼盘风格分类与预测的方法。 [方法] 研究通过对一线设计师和项目策划者的结构化访谈和问卷调查，提炼出影响建筑风格的关键造型要素，以及可能影响风格定位的场地经济因素。基于机器学习（聚类分析、对应分析和判别分析等）对杭州市近十年的372个新建楼盘案例进行数据分析。 [结果]研究发现：目前常见的楼盘风格可以分为8大类；风格分类最重要的造型要素是形体有无曲线、屋顶形式和色调丰富性；而建筑高度是对住宅风格影响最大的场地经济因素；将遴选出的5项场地经济因素输入神经网络模型训练并进行造型变量和风格类别的预测，平均准确率可以达到77.2%。 [局限] 研究中所采用的机器学习的分类方法如果能进一步与人对不同风格的感受研究相结合并进行验证，可以使结论更加完整并具有实际应用价值。 [结论] 本研究的结论可以帮助项目设计和策划人员在提高建筑风格选择和定位的科学性。