CMAB

CMAB数据集由清华大学创建，是中国首个全国范围的多属性建筑数据集，涵盖了3667个自然城市，总面积达213亿平方米。该数据集通过集成多源数据，如高分辨率Google Earth影像和街景图像，生成了建筑的屋顶、高度、功能、年龄和质量等属性。数据集的创建过程结合了地理人工智能框架和机器学习模型，确保了数据的高准确性。CMAB数据集主要应用于城市规划和可持续发展研究，旨在提供详细的城市3D物理和社会结构信息，支持城市化进程和政府决策。The CMAB dataset, developed by Tsinghua University, is China's first national-scale multi-attribute building dataset, covering 3,667 natural cities with a total area of 21.3 billion square meters. This dataset integrates multi-source data including high-resolution Google Earth imagery and street view images to generate building attributes such as roof characteristics, height, function, construction age, and quality. Its development process combines geographic artificial intelligence (GeoAI) frameworks and machine learning models, ensuring high data accuracy. Primarily applied in urban planning and sustainable development research, the CMAB dataset aims to provide detailed 3D physical and social structural information of cities to support urbanization processes and government decision-making.

搜集汇总

数据集介绍

构建方式

CMAB数据集的构建采用了多源数据，包括数十亿高分辨率Google Earth影像和6000万街景图像，以及来自百度地图的建筑物高度数据。数据集的提取流程分为三个步骤：首先，使用OCRNet模型从Google Earth影像中提取建筑物屋顶；其次，通过计算多尺度建筑物特征并利用XGBoost模型提取3D建筑物；最后，利用多源数据生成建筑物指示属性，包括功能、年代和质量。此外，数据集的构建还考虑了城市的行政分类，并对不同行政级别的城市进行分类，以提高模型预测的准确性。

特点

CMAB数据集的特点在于其全面性和高精度。数据集覆盖了中国3667个自然城市的建筑物，总面积达到213亿平方米，并提供了屋顶、高度、功能、年代和质量等多属性信息。数据集的屋顶提取准确率达到89.93%，建筑物高度预测误差小于6米，建筑物功能识别准确率达到88%。此外，数据集还提供了建筑物质量的评估，包括建筑外立面破损、非法/临时建筑、涂鸦/非法广告、店面外立面破损、店面招牌破损和废弃建筑等多种问题。这些特点使得CMAB数据集成为研究城市规划和可持续发展的宝贵资源。

使用方法

CMAB数据集的使用方法包括但不限于以下几个方面：首先，数据集可以用于城市规划和设计，帮助决策者更好地了解城市建筑物的空间分布、功能分布和质量状况；其次，数据集可以用于城市环境分析和评估，例如分析建筑物高度与城市热岛效应的关系；最后，数据集可以用于城市灾害风险评估，例如评估建筑物对洪水、风暴和地震等自然灾害的脆弱性。此外，数据集还可以用于城市历史发展和政策影响的研究，以及社会经济分析和环境科学研究。

背景与挑战

背景概述

在城市规划和可持续发展的背景下，获取包含几何属性（如屋顶、高度和结构）以及指示属性（如功能、质量和年代）的三维（3D）建筑数据对于准确的城市分析、模拟和政策更新至关重要。现有的建筑数据集在准确性、可扩展性和指示属性方面存在不足。为了填补这一空白，中国清华大学建筑学院和汉龙房地产研究中心的研究人员于2024年8月13日提出了首个全国范围的Multi-Attribute Building (CMAB) 数据集。该数据集涵盖了3,667个自然城市，总面积为213亿平方米，并通过OCRNet实现了89.93%的屋顶提取F1分数。研究人员使用城市行政分类和建筑特征（如形态、位置和功能）训练了bootstrap聚合的XGBoost模型，并利用多源数据（包括数十亿高分辨率Google Earth影像和600万街景影像）为每栋建筑生成了屋顶、高度、功能、年代和质量属性。该数据集的准确性通过模型基准、现有类似产品以及手动街景影像验证得到证实，为城市规划和可持续发展提供了重要支持。

当前挑战

CMAB数据集面临的挑战主要包括：1) 缺乏标准化定义和方法来提取建筑指示属性，导致数据不完整，难以全面理解城市结构；2) 现有方法在提取3D建筑数据方面存在挑战，如空间和时间分辨率不足、训练样本有限以及成本高昂；3) 当前方法主要关注建筑的物理层面，缺乏建筑功能、年代、质量和空置等综合指示属性，难以进行详细的城市分析；4) 现有研究主要使用街景数据来估计建筑功能、年代和质量，但这些方法难以扩展到全国范围的数据生产。为了克服这些挑战，研究人员提出了一个地理空间人工智能（GeoAI）框架，利用多源数据和集成机器学习模型，以快速提取多属性建筑信息。

常用场景

经典使用场景

CMAB数据集提供了一个全国规模的建筑多属性数据集，覆盖了中国的3,667个自然城市，总面积达213亿平方米。该数据集通过OCRNet模型提取建筑屋顶，并使用bootstrap aggregated XGBoost模型预测建筑的高度、功能、年龄和质量等属性。这些属性对于城市规划和可持续发展至关重要，因此CMAB数据集的经典使用场景包括城市形态分析、城市模拟和政策更新。通过对建筑属性的精细分析，研究者可以更好地理解城市的三维物理结构和社交功能，从而为城市规划和政策制定提供科学依据。

解决学术问题

CMAB数据集解决了现有大规模建筑数据集缺乏准确性、可扩展性和指示性属性的问题。通过整合多源数据，包括数十亿高分辨率Google Earth影像和6000万街景图像，CMAB数据集提供了屋顶、高度、功能、年龄和质量等建筑属性。这些属性的准确性和全面性为城市规划和可持续发展提供了重要的数据支持。此外，CMAB数据集还解决了现有方法在提取建筑多属性方面的局限性，为快速获取建筑多属性信息提供了一种新的方法。

衍生相关工作

CMAB数据集的提出和构建为后续相关研究提供了重要的数据基础和方法论框架。例如，基于CMAB数据集，研究者可以进一步研究建筑属性的时空演变规律，以及建筑属性对城市环境和人类社会的影响。此外，CMAB数据集还可以用于开发新的城市模拟和规划工具，以及优化城市能源和交通系统。总之，CMAB数据集的提出和应用，为城市规划和可持续发展研究开辟了新的方向，并推动了相关领域的发展。