Building shape classification [Hauptband]

Abstract

Wir definieren den Begriff Building Shape - hier als Gebäudeform übersetzt 1 - im Kontext der rückwirkenden Klassifizierung von Gebäude-Sammlungen. Wir stellen fest, dass eine gewisse Komplexität vorhanden ist. Ziel ist ein schlankes System, welches Gebäudeformen mit einer geringen Menge an Metadaten beschreiben kann. Diese Doktorarbeit besteht aus einer Theorie, einer Software-Umsetzung wichtiger Teile der Theorie und einer Validierung der Software-Umsetzung mit Hilfe empirischer Daten. In einem interdisziplinären Ansatz untersuchen wir wie die Kognitionswissenschaft mit komplexen Daten in ihren Domänen umgeht. Generative Linguistik trägt eine Datenstruktur und ein analytisches Modell bei. Das Forschungsfeld der Visuellen Wahrnehmung trägt eine Grundlage für den Wechsel von einem quantitativen hin zu einem qualitativen Metadaten-Modell bei. Der quantitative Ansatz löst einige der aus der Komplexität resultierenden Herausforderungen. Wir stellen fest, dass kognitive Konzepte wie Wortschatz, Lexikon, implizite Aussagen, Syntaktische Bäume und rekursive Regeln, geeignete Kandidaten für eine Verbesserung von Architektur-Metadaten sind. Wir führen vier Konzepte ein, die maßgeschneidert für die Forschungsaufgabe der Gebäudeform Klassifizierung sind: Klassifizierungs-Mengen, Untergeordnete Referenzen, Periphrase und Syntaxbaum. Klassifizierungs-Mengen sind identifizierte Gruppen von Gebäudeform-Eigenschaften wie- Krümmung, Neigung oder Proportionen. Untergeordnete Referenzen sind Verbindungen mit semantischer Bedeutung und versuchen Flexibilität in Klassifizierungs-Mengen zu bringen. Gebäudeform-Periphrasen beschreiben einzelne identifizierbare Gebäudeteile und bedienen sich aus dem Forschungsfeld der Visuellen Wahrnehmung. Gebäudeform-Syntaxbäume behandeln Gebäudeformen, die aus mehr als einem identifizierbaren Gebäudeteil zusammengesetzt sind. Hier ist das Datenmodell ein binärer Baum und ist inspiriert von Generativer Grammatik aus der Linguistik. Ein Gebäudeform-Syntaxbaum verbindet mehrere Gebäudeform-Periphrasen. Eine Gebäudeform für ein Gebäude kann so in dem neuen Datenmodell ausgedrückt werden. Mehrere Gebäude können miteinander verglichen werden. Wir können einen numerischen Wert errechnen, der die Ähnlichkeit von zwei Gebäudeformen ausdrückt. Um zu verifizieren, dass die Theorie und ihre Software-Umsetzung sinnvolle Ähnlichkeitswerte produzieren, werden Tests gegen empirische Referenzdaten durchgeführt. Die empirischen Referenzdaten wurden von 52 Teilnehmern bezogen, und konzentrieren sich auf 80 Pavillons auf Weltausstellungen. Wir vergleichen die empirischen mit den errechneten Daten und identifizieren quantitative Differenzen. Sowohl die Leistung des gesamten Systems als auch der vier Kernkonzepte wird untersucht. Der abschließende Teil interpretiert die Ergebnisse und unternimmt eine Verifikation der Hypothese. Die Diskussion versucht die vorgestellte Theorie wieder in einem breiteren Forschungs Umfeld zu positionieren. Potenziale und mögliche nächste Schritte werden aufgezeigt.

We define the term Building Shape within a context of retroactive classification of building collections. We identify that there is a certain complexity present. We aim to find a lean system that can describe a Building Shape with a small amount of meta data. This thesis consists of a theory, a software implementation of major parts of the theory, empirical data as a reference, and a validation of the implementation against the empirical reference. In an interdisciplinary approach, we investigate how Cognitive Science handles complex data in its domains. Generative Linguistics will provide input for a data structure and an analytical model. The research field of Visual Perception will provide a foundation for the shift from a quantitative towards a qualitative meta data classification model. The qualitative approach will ease some of the complexity challenges. We identify that cognitive concepts like vocabulary, lexicon, implicit statements, syntactic trees, and recursive rules are candidates that can bring structure to architecture meta data. We introduce four concepts, that are custom tailored to the research task of Building Shape classification: Classification Sets, Weak References, Periphrase and Syntax Tree. Classification Sets are identified groups of building shape properties like curvature, tilt or proportions. Weak References are "Named Relationships" and aim to allow flexibility within one Classification Set. Building Shape Periphrase deals with the building shape of a single distinct building part. The interdisciplinary connection back to Visual Perception provides foundations. Building Shape Syntax Tree deals with building shapes that are composed of two or more distinct building parts. Its data model is inspired by Generative Grammar from linguistics and is a binary tree structure. A Building Shape Syntax Tree connects multiple Building Shape Periphrases. A building shape of one building can be expressed in the new data model. Multiple buildings can be compared with each other. We can calculate a numeric score that represents the similarity of two building shapes. To verify that the theory and its software implementation are producing useful similarity values, there is a test against empirical data that serves as a reference. We look on 80 World Exposition pavilions. An empirical data set was produced by 52 participants. We map the empirical data onto the calculated data to provide quantitative insights. The performance of the whole system, as weil as of the four core concepts, is investigated. The closing discussion part interprets the findings and performs a verification of the hypothesis. lt connects the theory back into a broader research picture and shows poten -tials and possible next steps.