Entwicklung einer Methode zur Erweiterung des Hamburger 3DStadtmodells um Fensterflächen und Baujahre für detaillierte Wärmebedarfsprognosen

Abstract

In dieser Arbeit werden zwei Ansätze vorgestellt, mit denen zum einen das Verhältnis von Fenster- zu Wand-flächen und zum anderen die Baualtersklassen von Hamburger Gebäuden bestimmt werden können. Hierzu werden das 3D-Stadtmodell von Hamburg, die ALKISDatenbank, digitale Schrägluftbilder und historische Karten von Hamburg verwendet. Die Bestimmung des Verhältnisses der Fenster- zur Wandfläche eines Gebäudes erfolgt mithilfe des Machine-Learning-Modells Faster R-CNN. Die Baualtersklasse wird über den Vergleich des Gebäudegrundrisses mit historischen Karten bestimmt.

This work presents two approaches to determine the window-wall-ratios of buildings in the city of Hamburg on the one hand and their construction year categories on the other hand. The 3D city model of Hamburg, the ALKIS-database, digital oblique aerial images and historical maps are used. The window-wall-ratio is determined via the machine learning model Faster R-CNN. The construction year category is derived from a comparison of the building footprint with historical maps.