Exploring building typologies through fast iterative Bayesian clustering

Alessandro Araldi (1) , David Emsellem , Giovanni Fusco (1) , Andrea Tettamanzi (2) , Denis Overal

1 ESPACE - Étude des Structures, des Processus d’Adaptation et des Changements de l’Espace
2 I3S - Laboratoire d'Informatique, Signaux, et Systèmes de Sophia Antipolis

The identification and description of building typologies play a fundamental role in the understanding of the overall built-up form. A growing body of works is developing and implementing sophisticated, computer-aided protocols for the identification of building typologies and their organisation. This paper shares the same goal. An innovative data-driven procedure for the unsupervised identification and description of building types and organisation is here presented. After a specific pre-processing procedure, we develop an unsupervised clustering combining a new algorithm of Naive Bayes inference and hierarchical ascendant approaches relying on five morphometric features of buildings. This protocol allows us to identify groups of buildings sharing specific similar morphological characteristics and their overall structure at different aggregation levels. The proposed methodology is implemented and evaluated in the case study of the Alpes-Maritimes Department, France.

L'identification et la description des typologies de bâtiments jouent un rôle fondamental dans la compréhension de la forme de l’espace bâti. Un nombre croissant de travaux développe et implémente de nouveaux protocoles sophistiqués de géomatique pour l'identification des typologies de bâtiments et leur organisation. Cet article partage le même objectif. Une procédure innovante, basée sur l’analyse quantitative des données est présentée ici avec, comme objectif, l'identification et la description non supervisée des types de bâtiments et de leur organisation. Après une procédure de pré-traitement spécifiquement adaptée à notre donnée source, nous développons un protocole de clustering non supervisé combinant un algorithme novateur d’inférence Bayésienne Naïve avec des approches ascendantes hiérarchiques; le tout, reposant sur cinq caractéristiques morphométriques intrinsèques de chaque bâtiment. Ce protocole permet d'identifier des groupes de bâtiments partageant des caractéristiques morphologiques similaires spécifiques ainsi que leur structure globale à différents niveaux d'agrégation. La méthodologie proposée est implémentée et évaluée dans l'espace d’étude du Département des Alpes-Maritimes, France.

Mots clés: Building; Typo-morphology; Bayesian Naïve Clustering; HCA

Domaines: Intelligence artificielle [cs.AI]; Géographie; Machine Learning [stat.ML]; Méthodes et statistiques

Alessandro Araldi, David Emsellem, Giovanni Fusco, Andrea Tettamanzi, Denis Overal. Exploring building typologies through fast iterative Bayesian clustering. SAGEO 2021 Proceedings, Avignon, UMR ESPACE, pp.113-124, 2021, 978-2-910545-12-1. ⟨hal-03228379⟩