گونه‌بندی و استخراج ویژگی‌های پلان معماری با به کارگیری روش‌های یادگیری ماشین؛ نمونه موردی: خانه‌های بومی بندر کنگ

منطقه گرم و مرطوب ایران دارای تابستان‌های گرم با رطوبت بالا و از بحرانی‌ترین اقلیم‌های جهان است. مطالعه ویژگی‌های مسکن بومی این مناطق می‌تواند منجر به ارائه راهکارهای پیشنهادی برای طراحی مسکن معاصر شود. یکی از چالش‌هایی که پژوهشگران در مطالعه گونه‌های معماری با آن مواجه هستند، انتخاب نمونه‌های موردی می‌باشد. هدف این پژوهش استفاده از روش‌های یادگیری ماشین برای انتخاب نمونه‌های موردی و دسته‌بندی خانه‌های بندر کنگ بر اساس شکل و نحوه قرارگیری بادگیر و فضاهای مجاور آن است. برای این منظور از نرم‌افزار آناکوندا 3.9 و جوپیتر 6.4.5 استفاده شده است. سنجش شباهت از لحاظ شکلی و روابط فضایی توسط الگوریتم فاصله کسینوسی انجام شده است. دسته‌بندی بر اساس ویژگی‌های استخراج شده توسط الگوریتم سلسله مراتبی به روش پیوند میانگین انجام شده است. بر اساس نتایج شباهت‌سنجی نمونه‌های موردی منتخب پلان خانه‌های یونسی، گلبت و کرچی، با بالاترین میزان شباهت شکلی و روابط فضایی با دیگر پلان‌ها می‌باشند. نتایج حاصل از دسته‌بندی نشان می‌دهد پلان‌ها از نظر ویژگی‌های استخراج شده به سه دسته قابل تقسیم می‌باشند. با تحلیل نمودار پراکندگی ویژگی‌های هر دسته، نتایج زیر استخراج شده است. در دسته اول اتاق بادگیر در شرق خانه قرار دارد و ساباط و یا حیاط در سمت غرب آن قرار گرفته است. اتاق‌های اصلی غالباً در ضلع شمالی و فضاهای خدماتی در ضلع شرقی و غربی قرار دارند. در دسته دوم اتاق بادگیر در میانه ضلع غربی خانه قرار گرفته است. در این دسته کشیدگی پلان شمالی- جنوبی است و اتاق‌های زیستی در سمت غربی و شرقی قرار گرفته‌اند. در دسته سوم بادگیر در ضلع غربی پلان قرار دارد. در این دسته کشیدگی پلان‌ها بیشتر شرقی- غربی می‌باشد. مجاورت شمالی اتاق بادگیر گتیه و یا اتاق می‌باشد و در اکثر پلان‌های این دسته اتاق بادگیر به اتاق شمالی و یا گتیه راه دارد.

classification and extraction of architectural plan features using machine learning methods; case study: traditional houses of bandar kong

background and objectives: the hot and humid region of iran experiences extremely hot summers with high humidity, making it one of the most challenging climates globally. analyzing the features of vernacular houses in these areas can offer valuable insights for modern housing design. one of the key challenges researchers encounter in architectural typology studies is selecting appropriate case studies. bandar kong, a coastal city along the persian gulf, features traditional houses with four main components: windcatchers, sabat (shaded walkways), main rooms (living areas), and yards, along with non-living spaces. understanding the organization of these elements can help develop a typology of vernacular houses in bandar kong.methods: one of the key applications of machine learning methods recently employed in architectural research is the measurement of similarity in architectural images. categorizing and describing architectural features within each category is essential for identifying architectural types. previous studies have utilized cosine similarity for measuring the similarity of architectural plans. cosine similarity measurement criterion is particularly effective for evaluating sparse vectors and is commonly used in positive spaces with a range of [0,1]. due to the diverse nature of architectural data, this method has proven effective for evaluating plan image similarities. the aim of this research is to apply machine learning techniques to select case studies and cluster the houses of bandar kong based on the shape and arrangement of windcatchers, sabat, courtyards, and living spaces. for this, anaconda version 3.9 and jupiter 6.4.5 were utilized. the cosine distance algorithm was employed to measure similarity in terms of shape and spatial relationships. the hierarchical algorithm, using the average linkage method, was used to extract and categorize the features of each plan.findings: according to the analysis, the architectural plans of bandar kong houses can be divided in 3 different clusters. scatter diagrams of each cluster can shows characteristics of each cluster. according to the scatter diagram, the length, width, and height consistently fall within the ranges of 2.5-3.5 meters for length and width, and 9-9.5 meters for height. by analyzing the scatter diagram of the characteristics of each cluster, the following results have been extracted. in the first cluster, the windcatcher is located in the east, and the sabbat or courtyard is located on the west side of it. the main rooms are mostly located on the north side and the service spaces are located on the east and west sides. in the second cluster, the windcatcher is centrally placed on the west side of the house. here, the plan layout tends to extend along a north-south axis, with living rooms positioned on both the west and east sides. in the third cluster, the windcatcher is located on the west side of the plan. in this category, the extension of the plans is mostly east-west. the northern side of the windcatcher typically features the gatieh room, and in most plans in this group, the wind room connects to either the northern room or the gatieh. according to the similarity measurement, the plans of younesi, golbat and karchi houses have the highest shape similarity and spatial relationships with other plans.