3D CITYLUR: MODELLING 3D CITY LAND-USE REGULATIONS TO SUPPORT ISSUING A PLANNING PERMIT
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Abstract. The applications and understanding of Land-use Regulations (LuR) are more communicable when they are linked to the digital representation of the physical world. In order to support issuing a planning permit and move towards the establishment of automated planning permit checks, this paper investigates how LuRs related to a planning permit process can be modelled in 3D called 3D CityLuR. 3D CityLuR serves as a 3D model for representing LuRs’ legal extents on a city scale. It is formed based on multiple geometric modelling approaches representing LuRs, which can provide a better cognitive understanding of LuRs and subsequently facilitate LuR automatic checks. To this purpose, according to LuRs’ descriptions and characteristics explained in related planning documents, key parameters representing LuRs’ extent are identified (e.g. maximum distance in overlooking or maximum allowed height in building height regulations). Accordingly, to automatically model each LuR, a geometric modelling approach (e.g. Boundary Representation (B-Rep), CSG, and extrusion) that best fits with the identified key parameters is proposed. In addition, to combine 3D CityLuR with an integrated BIM-GIS environment, the level of information need in terms of geometries and semantics is specified. Finally, the paper results in a showcase for five LuRs including building height, energy efficiency protection, overshadowing open space, overlooking, and noise impacts regulations. The showcase is a proof of concept for determining how these LuRs can be modelled in 3D and combined with 3D city models based on the selected geometric modelling approaches, identified parameters, and level of information need.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle