一种户型图的自动化分析方法及装置与流程

1.本技术涉及自动化技术，应用于建筑设计等领域，尤其涉及一种户型图的自动化分析方法及装置。


背景技术：

2.现有技术中对于户型图的评估方式主要是有两种，第一种是由设计师等进行人工判断然后打分，无法进行批量处理，评分效率较低。
3.第二种是通过算法训练预设户型特征识别模型，输出户型特征组和房源特征组，按照预设评估方法，依据户型特征组和房源特征组对房屋户型图进行优缺点评估，得到优缺点评估结果，生成房屋户型图的房屋评估报告，这种方法主要是通过户型结构以及房源类型来确定房屋的优劣，给出购房或租房建议，但对户型优劣的评估并不全面。


技术实现要素：

4.本技术实施例提供了一种户型图的自动化分析方法及装置，能够通过对户型图进行自动化的全面评分，综合提高户型图的评分效率。
5.第一方面，本技术实施例提供了一种户型图的自动化分析方法，包括：获取户型图；确定所述户型图中受目标维度影响的多个参数指标，其中，所述参数指标用于反映居住的舒适度，所述目标维度包括户型方正、空间朝向、采光通风、动静分区、洁污分区、动线合理、尺寸适中的至少一项；确定所述多个参数指标中每个参数指标的基础分数；根据所述多个参数指标中每个参数指标的基础分数确定所述户型图在所述目标维度的评分结果。
6.在现有技术中，对户型图进行评分的方式主要是通过算法训练预设户型特征识别模型，通过户型结构以及房源类型来确定房屋的优劣，而本技术更多的是对评分过程的实现做了精细化处理，通过综合细节层面的相关信息来评估该户型图，能够更明显地体现其与现有技术的差异，具体的主要通过受目标维度（例如空间朝向）影响的多个参数指标（例如采光、通风）中每个参数指标的基础分数综合来判断该户型图在目标维度（空间朝向）上的评分结果。通过本技术实施例能够通过对户型图进行自动化的全面评分，综合提高户型图的评分效率。
7.在一种可能的实施方式中，所述根据所述多个参数指标中每个参数指标的基础分数确定所述户型图在所述目标维度的评分结果之前，还包括：分析所述目标维度对所述多个参数指标中每个参数指标的影响程度；确定用户对所述多个参数指标中每个参数指标的关注程度；所述根据所述多个参数指标中每个参数指标的基础分数确定所述户型图在所述目标维度的评分结果，包括：
根据所述每个参数指标的基础分数、所述每个参数指标的受影响程度和所述受用户关注程度生成所述户型图在所述目标维度上的评分结果。
8.在上述方法中，若受目标维度（比如空间朝向）影响的多个参数指标具体包括通风、采光、噪音，其中通风这一参数指标对应的基础分数是5，采光对应的基础分数是0，噪音对应的基础分数是5；并且，通风这一参数指标受朝向的影响表示为r=1，采光受朝向的影响表示为r=0.8，噪音受朝向的影响表示为r=0.5；另外，用户对通风这一参数指标的关注度是s=0.4，用户对采光这一参数指标的关注度是s=0.4，用户对噪音这一参数指标的关注度是s=0.2；那么，最终计算出的该户型图在目标维度（比如空间朝向）的综合评分为：5*1*0.4 0*0.8*0.4 5*0.5*0.2=2.5。通过上述多方面的考量能够更加准确地通过目标维度（空间朝向）确定户型图的评估结果，使得评分结果更加准确，同时也能够提升用户的体验感。
9.在另一种可能的实施方式中，所述计算所述多个参数指标中每个参数指标的基础分数，包括：根据自然地理特性确定所述目标维度的值与所述目标参数指标的数值的对应关系，所述目标参数指标为所述多个参数指标中的任意一个参数指标；根据所述户型图的所述目标维度的目标值，从所述目标维度的值与所述目标参数指标的数值的对应关系中查找对应的参数指标的数值，其中，查找到的参数指标的数值为所述户型图的所述目标参数指标的基础分数。
10.在上述方法中，基于自然地理特性，预先建立目标维度（如空间朝向）与目标参数指标（如采光）之间的对应关系，基于此对应关系可以进一步建立目标维度（如空间朝向）与基础分数之间的对应关系，再根据当前户型图的目标维度的目标值，从目标维度的值（目标维度的值可以表示为空间朝向，或者是表示为通过编写的代码对空间朝向进行赋值）与目标参数指标的数值的对应关系中查找对应的参数指标的数值，比如建立正南朝向的基础分数为5，东南朝向的基础分数为4，正北朝向的基础分数为-3，若上述已经建立了空间朝向与基础分数之间的对应关系，当前户型图的空间朝向为正东，则可以从对应关系中查询到正东朝向对应采光的基础分数为2，因此确定当前户型图中正东朝向对应采光的基础分数为2。建立了目标维度（如空间朝向）与基础分数之间的对应关系后，当前户型图的参数指标的基础分数可以直接查找对应关系得到，能够提高户型图的评分效率。
11.在又一种可能的实施方式中，所述确定所述多个参数指标中每个参数指标的基础分数，包括：将所述目标场景周边的建筑特性参数输入到预设的参数预测模型，得到所述目标场景周边的局部地理信息；根据所述户型图的所述目标维度的目标值与所述局部地理信息的偏差，确定所述户型图的所述目标参数指标的基础分数。
12.在上述方法中，将当前户型图实际项目地址周边的建筑特性参数（比如坐标位置、高度等）输入到预设的参数预测模型，得到该项目地址的目标参数指标（如风道方位朝向、最佳采光方位朝向等）的信息，其中，该参数预测模型是通过对大量的建筑群特性参数和标签（比如局部风道方位朝向、局部最佳采光方位朝向等）进行训练得到，因此其能够在一定程度上对局部风道方位朝向、局部最佳采光方位朝向进行预测，如果在训练时输入的训练数据越多则后期预测越准确。根据户型图的目标维度的目标值与局部地理信息的偏差，确
定户型图的目标参数指标的基础分数，举例来说，可以是将户型图的空间朝向的目标值与风道方位朝向进行比较，若户型图的空间朝向的目标值与风道方位越接近，则将户型图的通风指标的基础分数设置得越高。通过本方案能够更加准确地确定目标参数指标（如采光）的基础分数，使得后续对户型图的评估更加精确。
13.在又一种可能的实施方式中，局部地理信息包括风道方位朝向，所述目标维度为空间朝向，所述参数指标为通风指标；所述根据所述户型图的所述目标维度的目标值与所述局部地理信息的偏差，确定所述户型图的所述目标参数指标的基础分数，包括：将所述户型图的空间朝向的目标值与所述风道方位朝向进行比较；若所述户型图的空间朝向的目标值与所述风道方位朝向越接近，则将所述户型图的所述通风指标的基础分数设置得越高。
14.在上述方法中，上述关系近似于正态分布，随机变量x离数学期望μ越远，概率密度函数f（x）的值越小，对于同样长度的区间，当区间离数学期望μ越远，随机变量x落在这个区间上的概率越小，则相当于本方案中将该户型图的空间朝向x与最佳采光方位朝向μ相比较，若该户型图的空间朝向与该最佳采光方位朝向偏离得越远，则采光这一参数指标的基础分数越低；若该户型图的空间朝向与该最佳采光方位朝向越接近，则采光这一指标参数的基础分数越高。因此，本方案通过近似正态分布的方式，将户型图的空间朝向的目标值与所述风道方位朝向进行比较，通过非模型化来判断目标参数指标的基础分数。
15.在又一种可能的实施方式中，所述确定用户对所述多个参数指标中每个参数指标的关注程度，包括：接收用户输入的对所述多个参数指标中每个参数指标的关注程度。
16.在上述方法中，受用户关注程度对于户型图的评分结果有很大的影响，不同用户输入的s值可以相同也可以不同。可以理解，在现实生活中，确实有些人对采光更在意，比如年轻人，也有些人对噪音比较在意，比如老人，如果当前的户型图是针对养老院所做的设计，那么可以从降低房屋噪音的角度进行设计，具体就是将“噪音”这一参数指标对应的“受用户关注程度s”设置得更大。具体的，受用户关注程度可以是用户或者服务器根据历史经验设置的一个值，也可以从适配用户个性化需求的角度进行针对性设计。
17.在又一种可能的实施方式中，在所述根据所述多个参数指标中每个参数指标的基础分数确定所述户型图在所述目标维度的评分结果之后，还包括：若所述户型图的评分结果小于预设阈值，则根据用户的需求条件向用户推荐新的户型图。
18.在上述方法中，确定户型图在目标维度的评分结果之后，用户若发现通过对当前户型图的评分结果为3分，而标准户型应达到的评分为4分，此时当前户型图的评分结果小于预设阈值，表明当前户型图未达到标准的户型要求，此时可以按照用户的需求在合理范围内对影响户型图的因素进行优化，比如，将当前户型图实际项目地址周边的建筑特性参数（比如坐标位置、高度等）输入到预设的参数预测模型，得到该项目地址的风道方位、最佳采光方位等信息之后，设计一款朝向与该项目地址的风道方位和最佳采光方位都偏离不远的户型图，比如，该项目地址的风道方位是朝南、最佳采光方位是朝东，那么最终设计出来的户型图的朝向可以是东南朝向，可以同时兼顾通风和采光。当然，在设计户型图时，除了参考该项目地址的风道方位、最佳采光方位等信息，还需要综合考量该项目地址的平面结
构等信息，结合多方面因素综合设计出优化后的户型图。通过本方案可以提升用户的体验感。
19.第二方面，本技术实施例提供一种户型图的自动化分析装置，该装置包括获取单元和确定单元，该装置用于实现第一方面或第一方面任一种可能的实施方式所描述的方法。
20.需要说明的是，上述第二方面所描述的装置所包含的处理器，可以是专门用于执行这些方法的处理器（便于区别称为专用处理器），也可以是通过调用计算机程序来执行这些方法的处理器，例如通用处理器。可选的，至少一个处理器还可以既包括专用处理器也包括通用处理器。
21.可选的，上述计算机程序可以存在存储器中。示例性的，存储器可以为非瞬时性（non-transitory）存储器，例如只读存储器（read only memory，rom），其可以与处理器集成在同一块器件上，也可以分别设置在不同的器件上，本技术实施例对存储器的类型以及存储器与处理器的设置方式不做限定。
22.在一种可能的实施方式中，上述至少一个存储器位于上述分析装置之外。
23.在又一种可能的实施方式中，上述至少一个存储器位于上述分析装置之内。
24.在又一种可能的实施方式之中，上述至少一个存储器的部分存储器位于上述分析装置之内，另一部分存储器位于上述分析装置之外。
25.本技术中，处理器和存储器还可能集成于一个器件中，即处理器和存储器还可以被集成在一起。
26.第三方面，本技术实施例提供一种户型图的自动化分析设备，该设备包括处理器和存储器；所述存储器中存储有计算机程序；处理器执行计算机程序时，计算设备执行前述第一或者第一方面任一项所描述的方法。
27.第四方面，本技术实施例提供一种计算机可读存储介质，所述计算机可读存储介质中存储有指令，当所述指令在至少一个处理器上运行时，实现前述第一方面任一项所描述的方法。
28.第五方面，本技术提供了一种计算机程序产品，计算机程序产品包括计算机指令，当所述指令在至少一个处理器上运行时，实现前述第一方面任一项所描述的方法。该计算机程序产品可以为一个软件安装包，在需要使用前述方法的情况下，可以下载该计算机程序产品并在计算设备上执行该计算机程序产品。
29.本技术第二至第五方面所提供的技术方法，其有益效果可以参考第一方面的技术方案的有益效果，此处不再赘述。
附图说明
30.下面将对实施例描述中所需要使用的附图作简单的介绍。
31.图1是本技术实施例提供的一种基于智能设计与管理平台对户型图进行分析评估的场景；图2是本技术实施例提供的一种户型图的自动化分析系统的架构示意图；图3是本技术实施例提供的一种户型图的自动化分析方法的流程示意图；图4是本技术实施例提供的一种户型图的自动化分析装置40的结构示意图；
图5是本技术实施例提供的一种户型图的自动化分析设备50的结构示意图。
具体实施方式
32.下面结合本技术实施例中的附图对本技术实施例进行描述。图1示意的是一种基于智能设计与管理平台对户型图进行分析评估的场景，在图1中，本技术的应用场景主要为将新科技转化为建筑产业底层新语言-云端智能建筑信息模型（abc，ai-driven bim on cloud）及相应云端工具，建立覆盖产业全周期的智能设计与管理平台。本技术实施例后续将重点围绕基于智能设计与管理平台对户型图进行分析评估的场景进行说明。
33.请参见图2，图2是本技术实施例提供的一种户型图的自动化分析系统的架构示意图，该系统包括服务器201与用户设备202。
34.服务器201可以为一个服务器或者多个服务器组成的服务器集群，具体可以是电脑、上位机。
35.用户设备202是具有处理能力和数据收发能力的装置。用户设备202可以是计算机、笔记本电脑、平板电脑、掌上电脑、台式机、诊断仪、手机、超级移动个人计算机（ultra-mobile personal computer，umpc）、上网本、个人数字助理（personal digital assistant，pda）等。在本技术实施例中，用户设备202为应用程序（application，app）203。
36.用户设备202的用户所对应的用户分组可以是普通用户、系统管理人员以及高级设计师，其中，普通用户可以包括但不限于有购房需求的人群或者是对房屋设计感兴趣的人群，又或者是已经购房，准备开始设计装修的人群，上述人群可以在应用程序203上进行智能项目的设计或学习。
37.可选的，本技术可以基于服务器201进行云端编辑，而无需在本地安装复杂的软件进行编辑，这样可以使得工作量轻量化，用户仅需要通过网页等载体登陆到云端项目管理界面，选择智能单体中的相关功能，即可构建对象并进行创建和绘制。在本技术实施例中服务器201接收用户设备202回传的户型图后，再通过网页等载体登陆到云端项目管理界面，在云端对回传的户型图进行编辑以及分析评估，具体的，确定多个参数指标中每个参数指标的基础分数，根据多个参数指标中每个参数指标的基础分数确定户型图的评分结果后，向用户设备202输出户型图在目标维度的评分结果。可选的，本技术也可以直接通过用户设备202构建对象并进行创建和绘制，具体的，用户可以通过应用程序203登陆到云端项目管理界面,可以通过账号密码或微信等方式登录，成功登录后用户可以从本地照片中或其它途径选取户型图上传到应用程序203中，应用程序203通过输入的户型图相关参数指标，并结合应用程序203的算法对户型图进行评分，最后向用户输出户型图在目标维度的评分结果。
38.下面结合图2的一种可选情况对本技术实施例的方法进行详细介绍。
39.请参见图3，图3是本技术实施例提供的一种户型图的自动化分析方法的流程示意图。可选的，该方法可以应用于图2所述系统。
40.如图3所述的方法至少包括步骤s301至步骤s304。
41.步骤s301：获取户型图。
42.具体的，该户型图的来源有很多种，比如，用户在户型图编辑的平台上进行户型图编辑，平台可以是app、云端平台或者网页等，并在户型图上标明每个区域的功能，比如主
卧、厨房、卫生间等，从而得到该户型图。再如，用户从本地储存的文件里选取户型图，或者从云端下载户型图，或者从该平台的数据库中选择户型图。
43.步骤s302：确定户型图中受目标维度影响的多个参数指标。
44.具体的，参数指标用于反映用户居住的舒适度，体现对户型图中目标维度的影响程度，目标维度包括户型方正、空间朝向、采光通风、动静分区、洁污分区、动线合理、尺寸适中中的至少一项。比如，若目标维度为空间朝向，则受目标维度影响的多个参数指标具体可以包括通风、采光、噪音等信息，若目标维度为户型方正或尺寸适中，则受目标维度影响的多个参数指标具体可以包括面积、高度等信息。再如，若目标维度为洁污分区，则受目标维度影响的多个参数指标具体可以包括功能、洁污程度等信息。
45.步骤s303：确定多个参数指标中每个参数指标的基础分数。
46.具体的，根据自然地理特性确定目标维度（如空间朝向）的值与目标参数指标（采光、噪音、通风中的任意一个参数指标）的数值的对应关系，以目标参数指标为采光举例来说，中国大部分地区都在北回归线以北的，夏天日照是从东北到西北的，冬天是从东南到西南的，所以向南的窗户夏天受光较少而冬天受光较多，会比北向的更觉冬暖夏凉。朝东和朝西的窗户每天就最多半天时间能受阳光，另外半天就因为背光关系就完全没有阳光了，而且由于这两个方向都是直接受光所以有日照时会光线过于强烈而产生一定干扰，而南北的窗户就这而言会受光比较平均，因为国家很多房子都是南北向建的，而且规划也要求栋与栋之间的建筑间距南北向也比东西向的要宽，楼距宽自然采光较好。通常，朝南的房子几乎全天都可以接收到日照，而朝东的房子只有上午可以接收到日照，朝西的房子只有下午可以接收到日照，朝北的房子全天几乎无法接收日照，因此，可以预先建立空间朝向与采光（参数指标）之间的对应关系，基于此对应关系可以进一步建立空间朝向与基础分数之间的对应关系，即根据户型图的目标维度的目标值，从目标维度的值（目标维度的值可以表示为空间朝向，或者是表示为通过编写的代码对空间朝向进行赋值）与目标参数指标的数值的对应关系中查找对应的参数指标的数值，其中，查找到的参数指标的数值为户型图的目标参数指标的基础分数。举例来说，朝向与基础分数之间的对应关系具体如表1所示，建立正南朝向的基础分数为5，东南朝向的基础分数为4，正北朝向的基础分数为-3，若上述已经建立了空间朝向与基础分数之间的对应关系，当前户型图的空间朝向为正东，则可以从表1中查询到正东朝向对应采光的基础分数为2，因此确定当前户型图中正东朝向对应采光的基础分数为2。
47.表1空间朝向基础分数正南5东南4西南3正东2正西1东北0西北0正北-3
可选的，将目标场景周边的建筑特性参数输入到预设的参数预测模型，得到目标场景周边的局部地理信息，根据户型图的目标维度的目标值与局部地理信息的偏差，确定户型图的目标参数指标的基础分数。
48.具体的，局部地理信息若包括风道方位朝向，则目标维度对应为空间朝向，则参数指标为通风指标，风道方位朝向、空间朝向、通风指标三者相对应。再如，局部地理信息若包括最佳采光方位朝向，则目标维度为空间朝向，此时参数指标为采光指标，最佳采光方位朝向、空间朝向、采光指标三者相对应。
49.根据户型图的目标维度的目标值与局部地理信息的偏差，确定户型图的目标参数指标的基础分数，举例来说，可以是将户型图的空间朝向的目标值与风道方位朝向进行比较，若户型图的空间朝向的目标值与风道方位越接近，则将户型图的通风指标的基础分数设置得越高。
50.将当前户型图实际项目地址周边的建筑特性参数（比如坐标位置、高度等）输入到预设的参数预测模型，得到该项目地址的风道方位朝向、最佳采光方位朝向等信息，其中，该参数预测模型是通过对大量的建筑群特性参数和标签（比如局部风道方位朝向、局部最佳采光方位朝向等）进行训练得到，因此其能够在一定程度上对局部风道方位朝向、局部最佳采光方位朝向进行预测，如果在训练时输入的训练数据越多则后期预测越准确。
51.进一步的，将户型图的空间朝向与该风道方位朝向进行比较，如果该户型图的空间朝向与该风道方位朝向一致，则将通风这一指标参数的基础分数设置为最高，比如5分；该户型图的朝向与该风道方位朝向偏离得越远，则通风这一指标参数的基础分数越低；相反的，该户型图的朝向与该风道方位朝向越接近，则通风这一指标参数的基础分数越高。同理，再比如将户型图的空间朝向与最佳采光方位朝向进行比较，如果该户型图的空间朝向与该最佳采光方位朝向一致，则将采光这一指标参数的基础分数设置为最高，比如5分；该户型图的空间朝向与该最佳采光方位朝向偏离得越远，则采光这一指标参数的基础分数越低；相反的，该户型图的空间朝向与该最佳采光方位朝向越接近，则采光这一指标参数的基础分数越高。上述关系可以近似于正态分布，随机变量x离数学期望μ越远，概率密度函数f（x）的值越小，在 x=μ
±
a处曲线有拐点，曲线以 ox 轴为渐近线。
52.这表明对于同样长度的区间，当区间离数学期望μ越远，随机变量x落在这个区间上的概率则越小，则相当于本方案中将该户型图的空间朝向x与最佳采光方位朝向μ相比较，若该户型图的空间朝向与该最佳采光方位朝向偏离得越远，则采光这一指标参数的基础分数越低；若该户型图的空间朝向与该最佳采光方位朝向越接近，则采光这一指标参数的基础分数越高。因此，通过这种方式可以计算出每个参数指标对应的基础分数。
53.步骤s304：根据多个参数指标中每个参数指标的基础分数确定户型图在目标维度的评分结果。
54.具体的，确定户型图在目标维度的评分结果的方式包括但不限于下面两种方式。
55.方式一，若受目标维度（比如空间朝向）影响的多个参数指标具体包括通风、采光、噪音，其中通风这一参数指标对应的基础分数是3，采光对应的基础分数是0，噪音对应的基础分数是2；并且，若户型图为养老院的户型结构，则通风这一参数指标的优先级系数为0.7，采光的优先级系数为0.8，噪音的优先级系数为0.9；那么，最终计算出的该户型图在目标维度（比如空间朝向）的综合评分为：3*0.7 0*0.8 2*0.9=3.9，但方式一得到的评分结果
是通过粗略计算得到的，可能会与实际结果有出入。
56.方式二，为综合评估户型图在目标维度的评分结果，除了确定出多个参数指标中每个参数指标的基础分数外，还可以分析目标维度对多个参数指标中每个参数指标的影响程度，举例来说，若朝南的房子几乎全天都可以接收到日照，则空间朝向为南的房子对于最佳采光方位的影响程度最大，可以将其影响程度设置为5分；若朝东的房子只有上午可以接收到日照，朝西的房子只有下午可以接收到日照，空间朝向为东和为南的房子对最佳采光方位的影响程度适中，可以将其影响程度设置为3分；若朝北的房子全天几乎无法接收日照，则空间朝向为北的房子对于最佳采光方位的影响程度最小，可以将其影响程度设置为1分。
57.确定了目标维度对多个参数指标中每个参数指标的影响程度后，还需要确定用户对多个参数指标中每个参数指标的关注程度，举例来说，受用户关注程度可以是用户或者服务器根据历史经验设置的一个值，也可以从适配用户个性化需求的角度进行针对性设计，比如，接收用户实时输入的“受用户关注程度s”，不同用户输入的s值可以相同也可以不同。可以理解，在现实生活中，确实有些人对采光更在意，比如年轻人，也有些人对噪音比较在意，比如老人，如果当前的户型图是针对养老院所做的设计，那么可以从降低房屋噪音的角度进行设计，具体就是将“噪音”这一参数指标对应的“受用户关注程度s”设置得更大。
58.根据每个参数指标的基础分数、每个参数指标的受影响程度和受用户关注程度，生成户型图在目标维度上的评分结果，举例来说，若受目标维度（比如空间朝向）影响的多个参数指标具体包括通风、采光、噪音，其中通风这一参数指标对应的基础分数是5，采光对应的基础分数是0，噪音对应的基础分数是5；并且，通风这一参数指标受朝向的影响表示为r=1，采光受朝向的影响表示为r=0.8，噪音受朝向的影响表示为r=0.5；另外，用户对通风这一参数指标的关注度是s=0.4，用户对采光这一参数指标的关注度是s=0.4，用户对噪音这一参数指标的关注度是s=0.2；那么，最终计算出的该户型图在目标维度（比如空间朝向）的综合评分为：5*1*0.4 0*0.8*0.4 5*0.5*0.2=2.5。通过上述方式二多方面的考量输出的评分结果会更加准确。
59.可选的，在根据多个参数指标中每个参数指标的基础分数确定户型图在目标维度的评分结果之后，若所述户型图的评分结果小于预设阈值，则根据用户的需求条件向用户推荐新的户型图。
60.具体的，确定户型图在目标维度的评分结果之后，用户发现通过对当前户型图的评分结果为3分，而标准户型应达到的评分为4分，此时当前户型图的评分结果小于预设阈值，表明当前户型图未达到标准的户型要求，此时可以按照用户的需求在合理范围内对影响户型图的因素进行优化，比如，将当前户型图实际项目地址周边的建筑特性参数（比如坐标位置、高度等）输入到预设的参数预测模型，得到该项目地址的风道方位、最佳采光方位等信息之后，设计一款朝向与该项目地址的风道方位和最佳采光方位都偏离不远的户型图，比如，该项目地址的风道方位是朝南、最佳采光方位是朝东，那么最终设计出来的户型图的朝向可以是东南朝向，可以同时兼顾通风和采光。当然，在设计户型图时，除了参考该项目地址的风道方位、最佳采光方位等信息，还需要综合考量该项目地址的平面结构等信息，结合多方面因素综合设计出优化后的户型图。
61.在现有技术中，对户型图进行评分的方式主要是通过算法训练预设户型特征识别
模型，通过户型结构以及房源类型来确定房屋的优劣，而本技术更多的是对评分过程的实现进行精细化处理，通过综合细节层面的相关信息来评估该户型图，能够更明显地体现其与现有技术的差异，具体的主要通过受目标维度（例如空间朝向）影响的多个参数指标（例如采光、通风）中每个参数指标的基础分数综合来判断该户型图在目标维度（空间朝向）上的评分结果。通过本技术实施例能够通过对户型图进行自动化的全面评分，综合提高户型图的评分效率。
62.上述详细阐述了本技术实施例的方法，下面提供本技术实施例的装置。
63.可以理解的是，本技术实施例提供的多个装置，例如分析装置，为了实现上述方法实施例中的功能，其包含了执行各个功能相应的硬件结构、软件模块、或硬件结构和软件结构的组合等。
64.本领域技术人员应该很容易意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，本技术实施例能够以硬件或硬件和计算机软件的结合形式来实现。某个功能究竟以硬件还是计算机软件驱动硬件的方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以在不同的使用场景中，使用不同的装置实现方式来实现前述的方法实施例，对于装置的不同实现方式不应认为超出本技术实施例的范围。
65.本技术实施例可以对装置进行功能模块的划分。例如，可对应各个功能划分各个功能模块，也可将两个或两个以上的功能集成在一个功能模块中。上述集成的模块既可以采用硬件的形式实现，也可以采用软件功能模块的形式实现。需要说明的是，本技术实施例中对模块的划分是示意性的，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式。
66.例如，以采用集成的方式划分装置各个功能模块的情况下，本技术例举几种可能的处理装置。
67.请参见图4，图4是本技术实施例提供的一种户型图的自动化分析装置40的结构示意图，该分析装置40可以为服务器或者为服务器中的一个器件，例如芯片、软件模块、集成电路等。该分析装置40用于实现前述的基于户型图的自动化分析方法，例如图3所述基于户型图的自动化分析方法。
68.一种可能的实施方式中，该分析装置40可以包括获取单元401和确定单元402。
69.所述获取单元401，用于获取户型图；所述确定单元402，用于确定所述户型图中受目标维度影响的多个参数指标，其中，所述参数指标用于反映居住的舒适度，所述目标维度包括户型方正、空间朝向、采光通风、动静分区、洁污分区、动线合理、尺寸适中的至少一项；所述确定单元402，还用于确定所述多个参数指标中每个参数指标的基础分数；所述确定单元402，还用于根据所述多个参数指标中每个参数指标的基础分数确定所述户型图在所述目标维度的评分结果。
70.在现有技术中，对户型图进行评分的方式主要是通过算法训练预设户型特征识别模型，通过户型结构以及房源类型来确定房屋的优劣，而本技术更多的是对评分过程的实现做了精细化处理，通过综合细节层面的相关信息来评估该户型图，能够更明显地体现其与现有技术的差异，具体的主要通过受目标维度（例如空间朝向）影响的多个参数指标（例如采光、通风）中每个参数指标的基础分数综合来判断该户型图在目标维度（空间朝向）上
的评分结果。通过本技术实施例能够通过对户型图进行自动化的全面评分，综合提高户型图的评分效率。
71.另一种可能的实施方式中，还包括：所述分析单元，用于分析所述目标维度对所述多个参数指标中每个参数指标的影响程度；所述确定单元402，还用于确定用户对所述多个参数指标中每个参数指标的关注程度；所述生成单元，用于根据所述每个参数指标的基础分数、所述每个参数指标的受影响程度和所述受用户关注程度生成所述户型图在所述目标维度上的评分结果。
72.在本技术实施例中，若受目标维度（比如空间朝向）影响的多个参数指标具体包括通风、采光、噪音，其中通风这一参数指标对应的基础分数是5，采光对应的基础分数是0，噪音对应的基础分数是5；并且，通风这一参数指标受朝向的影响表示为r=1，采光受朝向的影响表示为r=0.8，噪音受朝向的影响表示为r=0.5；另外，用户对通风这一参数指标的关注度是s=0.4，用户对采光这一参数指标的关注度是s=0.4，用户对噪音这一参数指标的关注度是s=0.2；那么，最终计算出的该户型图在目标维度（比如空间朝向）的综合评分为：5*1*0.4 0*0.8*0.4 5*0.5*0.2=2.5。通过上述多方面的考量能够更加准确地通过目标维度（空间朝向）确定户型图的评估结果，使得评分结果更加准确，同时也能够提升用户的体验感。
73.又一种可能的实施方式中，所述确定单元402，还用于根据自然地理特性确定所述目标维度的值与所述目标参数指标的数值的对应关系，所述目标参数指标为所述多个参数指标中的任意一个参数指标；所述查找单元，用于根据所述户型图的所述目标维度的目标值，从所述目标维度的值与所述目标参数指标的数值的对应关系中查找对应的参数指标的数值，其中，查找到的参数指标的数值为所述户型图的所述目标参数指标的基础分数。
74.在本技术实施例中，基于自然地理特性，预先建立目标维度（如空间朝向）与目标参数指标（如采光）之间的对应关系，基于此对应关系可以进一步建立目标维度（如空间朝向）与基础分数之间的对应关系，再根据当前户型图的目标维度的目标值，从目标维度的值（目标维度的值可以表示为空间朝向，或者是表示为通过编写的代码对空间朝向进行赋值）与目标参数指标的数值的对应关系中查找对应的参数指标的数值，比如建立正南朝向的基础分数为5，东南朝向的基础分数为4，正北朝向的基础分数为-3，若上述已经建立了空间朝向与基础分数之间的对应关系，当前户型图的空间朝向为正东，则可以从对应关系中查询到正东朝向对应采光的基础分数为2，因此确定当前户型图中正东朝向对应采光的基础分数为2。建立了目标维度（如空间朝向）与基础分数之间的对应关系后，当前户型图的参数指标的基础分数可以直接查找对应关系得到，能够提高户型图的评分效率。
75.又一种可能的实施方式中，所述输入单元，用于将所述目标场景周边的建筑特性参数输入到预设的参数预测模型，得到所述目标场景周边的局部地理信息；所述确定单元402，还用于根据所述户型图的所述目标维度的目标值与所述局部地理信息的偏差，确定所述户型图的所述目标参数指标的基础分数。
76.在本技术实施例中，将当前户型图实际项目地址周边的建筑特性参数（比如坐标位置、高度等）输入到预设的参数预测模型，得到该项目地址的目标参数指标（如风道方位
朝向、最佳采光方位朝向等）的信息，其中，该参数预测模型是通过对大量的建筑群特性参数和标签（比如局部风道方位朝向、局部最佳采光方位朝向等）进行训练得到，因此其能够在一定程度上对局部风道方位朝向、局部最佳采光方位朝向进行预测，如果在训练时输入的训练数据越多则后期预测越准确。根据户型图的目标维度的目标值与局部地理信息的偏差，确定户型图的目标参数指标的基础分数，举例来说，可以是将户型图的空间朝向的目标值与风道方位朝向进行比较，若户型图的空间朝向的目标值与风道方位越接近，则将户型图的通风指标的基础分数设置得越高。通过本方案能够更加准确地确定目标参数指标（如采光）的基础分数，使得后续对户型图的评估更加精确。
77.又一种可能的实施方式中，局部地理信息包括风道方位朝向，所述目标维度为空间朝向，所述参数指标为通风指标；将所述户型图的空间朝向的目标值与所述风道方位朝向进行比较；若所述户型图的空间朝向的目标值与所述风道方位朝向越接近，则所述设置单元，用于将所述户型图的所述通风指标的基础分数设置得越高。
78.在本技术实施例中，上述关系近似于正态分布，随机变量x离数学期望μ越远，则概率密度函数f（x）的值越小，对于同样长度的区间，当区间离数学期望μ越远，随机变量x落在这个区间上的概率越小，则相当于本方案中将该户型图的空间朝向x与最佳采光方位朝向μ相比较，若该户型图的空间朝向与该最佳采光方位朝向偏离得越远，则采光这一参数指标的基础分数越低；若该户型图的空间朝向与该最佳采光方位朝向越接近，则采光这一指标参数的基础分数越高。因此，本方案通过近似正态分布的方式，将户型图的空间朝向的目标值与所述风道方位朝向进行比较，通过非模型化来判断目标参数指标的基础分数。
79.又一种可能的实施方式中，所述接收单元，用于接收用户输入的对所述多个参数指标中每个参数指标的关注程度。
80.在本技术实施例中，受用户关注程度对于户型图的评分结果有很大的影响，不同用户输入的s值可以相同也可以不同。可以理解，在现实生活中，确实有些人对采光更在意，比如年轻人，也有些人对噪音比较在意，比如老人，如果当前的户型图是针对养老院所做的设计，那么可以从降低房屋噪音的角度进行设计，具体就是将“噪音”这一参数指标对应的“受用户关注程度s”设置得更大。具体的，受用户关注程度可以是用户或者服务器根据历史经验设置的一个值，也可以从适配用户个性化需求的角度进行针对性设计。
81.又一种可能的实施方式中，还包括：若所述户型图的评分结果小于预设阈值，则所述输出单元，用于根据用户的需求条件向用户推荐新的户型图。
82.在本技术实施例中，确定户型图在目标维度的评分结果之后，用户若发现通过对当前户型图的评分结果为3分，而标准户型应达到的评分为4分，此时当前户型图的评分结果小于预设阈值，表明当前户型图未达到标准的户型要求，此时可以按照用户的需求在合理范围内对影响户型图的因素进行优化，比如，将当前户型图实际项目地址周边的建筑特性参数（比如坐标位置、高度等）输入到预设的参数预测模型，得到该项目地址的风道方位、最佳采光方位等信息之后，设计一款朝向与该项目地址的风道方位和最佳采光方位都偏离不远的户型图，比如，该项目地址的风道方位是朝南、最佳采光方位是朝东，那么最终设计出来的户型图的朝向可以是东南朝向，可以同时兼顾通风和采光。当然，在设计户型图时，
除了参考该项目地址的风道方位、最佳采光方位等信息，还需要综合考量该项目地址的平面结构等信息，结合多方面因素综合设计出优化后的户型图。通过本方案可以提升用户的体验感。
83.请参见图5，图5是本技术实施例提供的一种户型图的自动化分析设备50的结构示意图，该分析设备50可以为服务器或者为服务器中的一个器件，例如芯片、软件模块、集成电路等。该分析设备50可以包括至少一个处理器501。可选的还可以包括至少一个存储器503。进一步可选的，该分析设备50还可以包括通信接口502。更进一步可选的，还可以包含总线504，其中，处理器501、通信接口502和存储器503通过总线504相连。
84.其中，处理器501是进行算术运算和/或逻辑运算的模块，具体可以是中央处理器（central processing unit，cpu）、图片处理器（graphics processing unit，gpu）、微处理器（microprocessor unit，mpu）、专用集成电路（application specific integrated circuit，asic）、现场可编程逻辑门阵列（field programmable gate array，fpga）、复杂可编程逻辑器件（complex programmable logic device，cpld）、协处理器（协助中央处理器完成相应处理和应用）、微控制单元（microcontroller unit，mcu）等处理模块中的一种或者多种的组合。
85.通信接口502可以用于为所述至少一个处理器提供信息输入或者输出。和/或，所述通信接口502可以用于接收外部发送的数据和/或向外部发送数据，可以为包括诸如以太网电缆等的有线链路接口，也可以是无线链路（wi-fi、蓝牙、通用无线传输、车载短距通信技术以及其他短距无线通信技术等）接口。可选的，通信接口502还可以包括与接口耦合的发射器（如射频发射器、天线等），或者接收器等。
86.存储器503用于提供存储空间，存储空间中可以存储操作系统和计算机程序等数据。存储器503可以是随机存储记忆体（random access memory，ram）、只读存储器（read-only memory，rom）、可擦除可编程只读存储器（erasable programmable read-only memory，eprom）、或便携式只读存储器（compact disc read-only memory，cd-rom）等等中的一种或者多种的组合。
87.该分析设备50中的至少一个处理器501用于执行前述的方法，例如图3所述实施例所描述的方法。
88.可选的，处理器501，可以是专门用于执行这些方法的处理器（便于区别称为专用处理器），也可以是通过调用计算机程序来执行这些方法的处理器，例如通用处理器。可选的，至少一个处理器还可以既包括专用处理器也包括通用处理器。可选的，在计算设备包括至少一个处理器501的情况下，上述计算机程序可以存在存储器503中。
89.可选的，该分析设备50中的至少一个处理器501用于执行调用计算机指令，以执行以下操作：获取户型图；确定所述户型图中受目标维度影响的多个参数指标，其中，所述参数指标用于反映居住的舒适度，所述目标维度包括户型方正、空间朝向、采光通风、动静分区、洁污分区、动线合理、尺寸适中的至少一项；确定所述多个参数指标中每个参数指标的基础分数；根据所述多个参数指标中每个参数指标的基础分数确定所述户型图在所述目标
维度的评分结果。
90.在本技术实施例中，对户型图进行评分的方式主要是通过算法训练预设户型特征识别模型，通过户型结构以及房源类型来确定房屋的优劣，而本技术更多的是对评分过程的实现做了精细化处理，通过综合细节层面的相关信息来评估该户型图，能够更明显地体现其与现有技术的差异，具体的主要通过受目标维度（例如空间朝向）影响的多个参数指标（例如采光、通风）中每个参数指标的基础分数综合来判断该户型图在目标维度（空间朝向）上的评分结果。通过本技术实施例能够通过对户型图进行自动化的全面评分，综合提高户型图的评分效率。
91.可选的，所述处理器501还用于：分析所述目标维度对所述多个参数指标中每个参数指标的影响程度；确定用户对所述多个参数指标中每个参数指标的关注程度；根据所述每个参数指标的基础分数、所述每个参数指标的受影响程度和所述受用户关注程度生成所述户型图在所述目标维度上的评分结果。
92.在本技术实施例中，若受目标维度（比如空间朝向）影响的多个参数指标具体包括通风、采光、噪音，其中通风这一参数指标对应的基础分数是5，采光对应的基础分数是0，噪音对应的基础分数是5；并且，通风这一参数指标受朝向的影响表示为r=1，采光受朝向的影响表示为r=0.8，噪音受朝向的影响表示为r=0.5；另外，用户对通风这一参数指标的关注度是s=0.4，用户对采光这一参数指标的关注度是s=0.4，用户对噪音这一参数指标的关注度是s=0.2；那么，最终计算出的该户型图在目标维度（比如空间朝向）的综合评分为：5*1*0.4 0*0.8*0.4 5*0.5*0.2=2.5。通过上述多方面的考量能够更加准确地通过目标维度（空间朝向）确定户型图的评估结果，使得评分结果更加准确，同时也能够提升用户的体验感。
93.可选的，所述处理器501还用于：根据自然地理特性确定所述目标维度的值与所述目标参数指标的数值的对应关系，所述目标参数指标为所述多个参数指标中的任意一个参数指标；根据所述户型图的所述目标维度的目标值，从所述目标维度的值与所述目标参数指标的数值的对应关系中查找对应的参数指标的数值，其中，查找到的参数指标的数值为所述户型图的所述目标参数指标的基础分数。
94.在本技术实施例中，基于自然地理特性，预先建立目标维度（如空间朝向）与目标参数指标（如采光）之间的对应关系，基于此对应关系可以进一步建立目标维度（如空间朝向）与基础分数之间的对应关系，再根据当前户型图的目标维度的目标值，从目标维度的值（目标维度的值可以表示为空间朝向，或者是表示为通过编写的代码对空间朝向进行赋值）与目标参数指标的数值的对应关系中查找对应的参数指标的数值，比如建立正南朝向的基础分数为5，东南朝向的基础分数为4，正北朝向的基础分数为-3，若上述已经建立了空间朝向与基础分数之间的对应关系，当前户型图的空间朝向为正东，则可以从对应关系中查询到正东朝向对应采光的基础分数为2，因此确定当前户型图中正东朝向对应采光的基础分数为2。建立了目标维度（如空间朝向）与基础分数之间的对应关系后，当前户型图的参数指标的基础分数可以直接查找对应关系得到，能够提高户型图的评分效率。
95.可选的，所述处理器501还用于：将所述目标场景周边的建筑特性参数输入到预设的参数预测模型，得到所述目标
场景周边的局部地理信息；根据所述户型图的所述目标维度的目标值与所述局部地理信息的偏差，确定所述户型图的所述目标参数指标的基础分数。
96.在本技术实施例中，将当前户型图实际项目地址周边的建筑特性参数（比如坐标位置、高度等）输入到预设的参数预测模型，得到该项目地址的目标参数指标（如风道方位朝向、最佳采光方位朝向等）的信息，其中，该参数预测模型是通过对大量的建筑群特性参数和标签（比如局部风道方位朝向、局部最佳采光方位朝向等）进行训练得到，因此其能够在一定程度上对局部风道方位朝向、局部最佳采光方位朝向进行预测，如果在训练时输入的训练数据越多则后期预测越准确。根据户型图的目标维度的目标值与局部地理信息的偏差，确定户型图的目标参数指标的基础分数，举例来说，可以是将户型图的空间朝向的目标值与风道方位朝向进行比较，若户型图的空间朝向的目标值与风道方位越接近，则将户型图的通风指标的基础分数设置得越高。通过本方案能够更加准确地确定目标参数指标（如采光）的基础分数，使得后续对户型图的评估更加精确。
97.可选的，所述处理器501还用于：局部地理信息包括风道方位朝向，所述目标维度为空间朝向，所述参数指标为通风指标；所述户型图的空间朝向的目标值与所述风道方位朝向进行比较；若所述户型图的空间朝向的目标值与所述风道方位朝向越接近，则将所述户型图的所述通风指标的基础分数设置得越高。
98.在本技术实施例中，上述关系近似于正态分布，随机变量x离数学期望μ越远，则概率密度函数f（x）的值越小，对于同样长度的区间，当区间离数学期望μ越远，随机变量x落在这个区间上的概率越小，则相当于本方案中将该户型图的空间朝向x与最佳采光方位朝向μ相比较，若该户型图的空间朝向与该最佳采光方位朝向偏离得越远，则采光这一参数指标的基础分数越低；若该户型图的空间朝向与该最佳采光方位朝向越接近，则采光这一指标参数的基础分数越高。因此，本方案通过近似正态分布的方式，将户型图的空间朝向的目标值与所述风道方位朝向进行比较，通过非模型化来判断目标参数指标的基础分数。
99.可选的，所述处理器501还用于：接收用户输入的对所述多个参数指标中每个参数指标的关注程度。
100.在本技术实施例中，受用户关注程度对于户型图的评分结果有很大的影响，不同用户输入的s值可以相同也可以不同。可以理解，在现实生活中，确实有些人对采光更在意，比如年轻人，也有些人对噪音比较在意，比如老人，如果当前的户型图是针对养老院所做的设计，那么可以从降低房屋噪音的角度进行设计，具体就是将“噪音”这一参数指标对应的“受用户关注程度s”设置得更大。具体的，受用户关注程度可以是用户或者服务器根据历史经验设置的一个值，也可以从适配用户个性化需求的角度进行针对性设计。
101.可选的，所述处理器501还用于：若所述户型图的评分结果小于预设阈值，则根据用户的需求条件向用户推荐新的户型图。在本技术实施例中，确定户型图在目标维度的评分结果之后，用户若发现通过对当前户型图的评分结果为3分，而标准户型应达到的评分为4分，此时当前户型图的评分结果小于预设阈值，表明当前户型图未达到标准的户型要求，此时可以按照用户的需求在合理
范围内对影响户型图的因素进行优化，比如，将当前户型图实际项目地址周边的建筑特性参数（比如坐标位置、高度等）输入到预设的参数预测模型，得到该项目地址的风道方位、最佳采光方位等信息之后，设计一款朝向与该项目地址的风道方位和最佳采光方位都偏离不远的户型图，比如，该项目地址的风道方位是朝南、最佳采光方位是朝东，那么最终设计出来的户型图的朝向可以是东南朝向，可以同时兼顾通风和采光。当然，在设计户型图时，除了参考该项目地址的风道方位、最佳采光方位等信息，还需要综合考量该项目地址的平面结构等信息，结合多方面因素综合设计出优化后的户型图。通过本方案可以提升用户的体验感。
102.本技术还提供了一种算机可读存储介质，所述计算机可读存储介质中存储有指令，当所述指令在至少一个处理器上运行时，实现前述的户型图的自动化分析方法，例如图3所述的方法。
103.本技术还提供了一种计算机程序产品，该计算机程序产品包括计算机指令，在被计算设备执行时，实现前述的户型图的自动化分析方法，例如图3所述的方法。
104.本技术实施例中，“举例来说”或者“比如”等词用于表示作例子、例证或说明。本技术中被描述为“举例来说”或者“比如”的任何实施例或设计方案不应被解释为比其他实施例或设计方案更优选或更具优势。确切而言，使用“举例来说”或者“比如”等词旨在以具体方式呈现相关概念。
105.本技术中实施例提到的“至少一个”是指一个或者多个，“多个”是指两个或两个以上。“以下至少一项(个)”或其类似表达，是指的这些项中的任意组合，包括单项（个）或复数项（个）的任意组合。例如，a、b、或c中的至少一项（个），可以表示：a、b、c、（a和b）、（a和c）、（b和c）、或（a和b和c），其中a、b、c可以是单个，也可以是多个。“和/或”，描述关联对象的关联关系，表示可以存在三种关系，例如，a和/或b，可以表示：单独存在a、同时存在a和b、单独存在b这三种情况，其中a、b可以是单数或者复数。字符“/”一般表示前后关联对象是一种“或”的关系。
106.以及，除非有相反的说明，本技术实施例使用“第一”、“第二”等序数词是用于对多个对象进行区分，不用于限定多个对象的顺序、时序、优先级或者重要程度。例如，第一设备和第二设备，只是为了便于描述，而并不是表示这第一设备和第二设备的结构、重要程度等的不同，在某些实施例中，第一设备和第二设备还可以是同样的设备。
107.上述实施例中所用，根据上下文，术语“当
……
时”可以被解释为意思是“如果
……”
或“在
……
后”或“响应于确定
……”
或“响应于检测到
……”
。以上所述仅为本技术的可选实施例，并不用以限制本技术，凡在本技术的构思和原则之内，所作的任何修改、等同替换、改进等，均应包含在本技术的保护范围之内。
108.本领域普通技术人员可以理解实现上述实施例的全部或部分步骤可以通过硬件来完成，也可以通过程序来指令相关的硬件完成，所述的程序可以存储于一种计算机可读存储介质中，上述提到的存储介质可以是只读存储器，磁盘或光盘等。
109.以上所述，仅为本技术的具体实施方式，但本技术的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本技术揭露的技术范围内，可轻易想到各种等效的修改或替换，这些修改或替换都应涵盖在本技术的保护范围之内。因此，本技术的保护范围应以权利要求的保护范围为准。