一种数字化建筑信息优化存储方法及系统与流程

本发明涉及数据处理，具体涉及一种数字化建筑信息优化存储方法及系统。

背景技术：

1、数字化建筑信息是将建筑和建筑项目的各个方面转化为数字格式，以便更好地记录、分析、可视化、共享和管理。这包括建筑的设计、施工、运营和维护过程中产生的数据的数字化和集成。bim是数字化建筑信息的核心，它是一种基于计算机的技术，用于创建三维模型，其中包含有关建筑物的几何形状、空间关系和属性信息。这些模型不仅包括外部和内部的建筑结构，还包括建筑元素、设备、材料、成本、进度、可持续性数据等。在现代建筑项目中，bim数据可以非常庞大，包括数百兆字节甚至更多的信息。所以通过压缩，节省存储空间，减少硬盘空间的需求，降低存储成本的必要需求十分迫切。

2、由于建筑信息中存在大量的几何属性冗余数据，现有技术可通过游程编码对bim数字化建筑数据进行压缩，该方法对于连续多个重复数据压缩效果较好，但对于不存在连续数据的数据集压缩效果很差，甚至会出现数据膨胀的现象。虽然数据中存在大量重复的几何数据，但因为数据分布的随机性强，导致压缩大小结果不稳定。

3、针对上述问题，本发明提出了一种数字化建筑信息优化存储方法及系统，通过分析bim构建数据的几何属性分布性特征，构建二维矩阵获得优化排序序列，通过改变数据的分布情况以增大数据的连续相似程度，减小随机性，得到一个优化的数据序列获取较好的游程编码压缩效果。

技术实现思路

1、为了解决上述技术问题，本发明的目的在于提供一种数字化建筑信息优化存储方法及系统，所采用的技术方案具体如下：

2、第一方面，本发明实施例提供了一种数字化建筑信息优化存储方法，该方法包括以下步骤：

3、获取建筑构件数据序列，序列各元素包括建筑构件的长、宽、高信息；

4、对建筑构件数据序列进行聚类获取各聚簇数据序列；将聚簇数据序列的各元素按照几何属性排序获取各聚簇矩阵；根据各聚簇矩阵列向量元素之间的数据分布获取各聚簇矩阵的重复程度；根据各聚簇矩阵列向量的一阶差异分布获取各聚簇矩阵的差异相似程度；根据各聚簇矩阵的重复程度以及差异相似程度构建排序评估模型；选择排序评估模型得分最高的聚簇矩阵的排序方式作为各聚簇数据序列的最终聚簇矩阵；根据各最终聚簇矩阵列向量的一阶差异分布以及二阶差异分布获取各最终聚簇矩阵的差异规律程度；根据各最终聚簇矩阵的差异规律程度获取各最终聚簇矩阵列向量的差分方式；根据各最终聚簇矩阵列向量的差分方式获取各最终聚簇矩阵列向量的压缩序列；对最终聚簇矩阵的各压缩序列进行游程编码压缩，实现数字化建筑信息的优化存储。

5、优选的，所述对建筑构件数据序列进行聚类获取各聚簇数据序列，包括：

6、将建筑构件数据作为dbscan密度聚类算法的输入，dbscan密度聚类算法的输出为初始聚簇中心；采用肘部法根据初始聚簇中心获取参数k值；将建筑构件数据以及参数k值作为k-means均值聚类算法的输入，k-means均值聚类算法的输出为各聚簇数据序列。

7、优选的，所述将聚簇数据序列的各元素按照几何属性排序获取各聚簇矩阵，具体为：

8、对于各聚簇数据序列；按照从小到大的顺序对聚簇数据序列各元素分别基于建筑构件的长、宽、高信息进行三次排序，将每次排序后的各元素作为每个聚簇矩阵的各个行向量。

9、优选的，所述根据各聚簇矩阵列向量元素之间的数据分布获取各聚簇矩阵的重复程度，包括：

10、对于各聚簇矩阵；

11、将聚簇矩阵列向量中相等的相邻数据作为连续相邻链；获取所述连续相邻链的数据长度；统计各聚簇矩阵中重复数据的总个数；计算所述总个数的平方与聚簇矩阵元素个数的比值；计算聚簇矩阵中所有所述数据长度的平方的和值；将所述比值与所述和值的和值归一化值作为聚簇矩阵的重复程度。

12、优选的，所述根据各聚簇矩阵列向量的一阶差异分布获取各聚簇矩阵的差异相似程度，包括：

13、对于各聚簇矩阵；

14、计算聚簇矩阵中各列向量相邻元素之间的差值绝对值；获取所述差值绝对值的均值以及方差；计算聚簇矩阵中所有列向量所述均值与方差的乘积的和值；将所述和值的相反数作为以自然常数为底数的指数函数的指数；将所述指数函数的计算结果作为聚簇矩阵的差异相似程度。

15、优选的，所述排序评估模型具体为各聚簇矩阵的重复程度与差异相似程度的和值。

16、优选的，所述根据各最终聚簇矩阵列向量的一阶差异分布以及二阶差异分布获取各最终聚簇矩阵的差异规律程度，具体包括：

17、对于各最终聚簇矩阵；

18、计算最终聚簇矩阵各列向量的一阶差分序列的方差；获取最终聚簇矩阵各列向量的二阶差分序列，并按照从大到小的顺序排列，计算排列后的二阶差分序列与对应排序序列的皮尔逊相关系数；计算最终聚簇矩阵所有列向量所述方差与所述皮尔逊相关系数的比值的和值；将所述和值的相反数作为以自然常数为底数的指数函数的指数；将所述指数函数的计算结果作为最终聚簇矩阵的差异规律程度。

19、优选的，所述根据各最终聚簇矩阵的差异规律程度获取各最终聚簇矩阵列向量的差分方式，具体包括：

20、设定评估阈值；对于各最终聚簇矩阵；

21、当最终聚簇矩阵的差异规律阈值小于等于评估阈值时，采用一阶差分方式进行压缩；当最终聚簇矩阵的差异规律阈值大于评估阈值时，采用二阶差分方式进行压缩。

22、优选的，所述根据各最终聚簇矩阵列向量的差分方式获取各最终聚簇矩阵列向量的压缩序列，具体包括：

23、对于最终聚簇矩阵的各个列向量；

24、将差分后的最终聚簇矩阵的各列数据与差分之前各列数据最后一个数据组成最终聚簇矩阵的各列向量的压缩序列。

25、第二方面，本发明实施例还提供了一种数字化建筑信息优化存储系统，包括存储器、处理器以及存储在所述存储器中并在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现上述任意一项所述方法的步骤。

26、本发明至少具有如下有益效果：

27、本发明主要通过建筑构件数据的长宽高几何属性构建三维样本空间，并对数据进行聚类，由此得到的聚类结果区分了形状差异较大的大型构件与中小型构件数据，相比于直接进行数据排序，对构件进行了区域分块，对不同构件进行适应自身大小形状的排序，获取更加合理的排序方式。

28、接着，通过分析大型构件具有的拼接特征与中小型构件具有的差异性特征，根据构件的几何属性数据一阶差异以及二阶差异分布获取自适应差分方式，得到更加优化的差分序列作为压缩序列，相比于现有技术，获得了连续重复度更高的数据序列，通过该序列对数据进行游程编码压缩，得到更理想的压缩效果。

技术特征：

1.一种数字化建筑信息优化存储方法，其特征在于，该方法包括以下步骤：

2.如权利要求1所述的一种数字化建筑信息优化存储方法，其特征在于，所述对建筑构件数据序列进行聚类获取各聚簇数据序列，包括：

3.如权利要求1所述的一种数字化建筑信息优化存储方法，其特征在于，所述将聚簇数据序列的各元素按照几何属性排序获取各聚簇矩阵，具体为：

4.如权利要求1所述的一种数字化建筑信息优化存储方法，其特征在于，所述根据各聚簇矩阵列向量元素之间的数据分布获取各聚簇矩阵的重复程度，包括：

5.如权利要求1所述的一种数字化建筑信息优化存储方法，其特征在于，所述根据各聚簇矩阵列向量的一阶差异分布获取各聚簇矩阵的差异相似程度，包括：

6.如权利要求1所述的一种数字化建筑信息优化存储方法，其特征在于，所述排序评估模型具体为各聚簇矩阵的重复程度与差异相似程度的和值。

7.如权利要求1所述的一种数字化建筑信息优化存储方法，其特征在于，所述根据各最终聚簇矩阵列向量的一阶差异分布以及二阶差异分布获取各最终聚簇矩阵的差异规律程度，具体包括：

8.如权利要求1所述的一种数字化建筑信息优化存储方法，其特征在于，所述根据各最终聚簇矩阵的差异规律程度获取各最终聚簇矩阵列向量的差分方式，具体包括：

9.如权利要求1所述的一种数字化建筑信息优化存储方法，其特征在于，所述根据各最终聚簇矩阵列向量的差分方式获取各最终聚簇矩阵列向量的压缩序列，具体包括：

10.一种数字化建筑信息优化存储系统，包括存储器、处理器以及存储在所述存储器中并在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如权利要求1-9任意一项所述方法的步骤。

技术总结
本发明涉及数据处理技术领域，具体涉及一种数字化建筑信息优化存储方法及系统，该方法包括：获取建筑构件数据序列；获取各聚簇数据序列；获取各聚簇矩阵；分别对各聚簇矩阵列向量元素之间的数据分布、一阶差异分布进行分析，构建重复程度以及差异相似程度；构建排序评估模型；获取排序方式；对最终聚簇矩阵列向量的一阶差异分布以及二阶差异分布进行分析，构建差异规律程度；获取差分方式；获取压缩序列；对压缩序列进行游程编码压缩，实现数字化建筑信息的优化存储，可以减少数字化建筑信息中冗余数据的存储空间，提高存储效率，保证压缩质量。

技术研发人员：杨欣,程刚,杨铮,王淑俭,张冰,尹晋,黄启东,姜静静,陶晓菲,姚岳亮
受保护的技术使用者：北京清水爱派建筑设计股份有限公司
技术研发日：
技术公布日：2024/1/25