Deep-Learning-basierte Vorhersage von Wohngrundrissmerkmalen für die Bewertung von älterenorientiertem Wohnraum

Zusammenfassung

Dieses Protokoll beschreibt einen Meta-Ensemble-Deep-Learning-Workflow zur automatisierten Analyse von Wohnraumplanbildern. Das Verfahren umfasst die Vorverarbeitung von Datensätzen, die Vorhersage von architektonischen Attributen mit mehreren konvolutionalen neuronalen Netzen, stapelbasiertes Ensemble-Lernen, regelbasierte Wohnraumklassifikation und Erklärbarkeitsanalyse mit SHapley Additive ExPlanations zur Unterstützung der Bewertung des Wohnraumlayouts.

Zusammenfassung

Die wachsende Nachfrage nach intelligenten Wohnlösungen für alternde Bevölkerungen hat den Bedarf an automatisierten Methoden für die Analyse von Wohngrundrissen erhöht. Konventionelle architektonische Bewertungsansätze sind oft manuell, zeitaufwendig und schwer skalierbar, was die Notwendigkeit künstlicher Intelligenz-basierter Techniken hervorhebt, die räumliche Grundrisse interpretieren und die Bewertung des Wohnraumdesigns unterstützen können. Dieses Protokoll beschreibt ein Meta-Ensemble-Deep-Learning-Framework für die automatisierte Analyse von Wohnungsgrundrissbildern. Das vorgeschlagene CARE-MIRV-Net-Framework integriert vier komplementäre konfaltionelle neuronale Netzwerke – MobileNetV2, InceptionV3, ResNet101 und VGG16 –, um architektonische Eigenschaften wie Quadratmeterzahl, Anzahl der Schlafzimmer, Badezimmer und Garagen vorherzusagen. Vorhersagen aus den Basismodellen werden durch ein stapelbasiertes Meta-Ensemble-Modell kombiniert und anschließend innerhalb einer regelbasierten Entscheidungsschicht verwendet, um Wohnanlagen als Altenpflege, medizinische Versorgung oder allgemein wohnlich zu kategorisieren. Die experimentelle Bewertung zeigte eine robuste prädiktive Leistung über mehrere Zielvariablen hinweg. Das vorgeschlagene Modell erreichte einen mittleren absoluten Fehler (MAE) von 432,48 und einen Bestimmungskoeffizienten (R²) von 0,7053 für die Quadratmetervorhersage. Für die Badezimmervorhersage erreichte der Rahmen R² von 0,7605, während die Garagenprognose den niedrigsten MAE von 0,1697 und den höchsten R² von 0,6958 ergab. Qualitative Analysen zeigten zudem die Fähigkeit des Frameworks, architektonische Attributvorhersagen zu erstellen und eine anwendungsorientierte Wohnraum-Bewertung zu unterstützen. Um Transparenz und Interpretierbarkeit zu erhöhen, wurden SHapley Additive Explanations integriert, um den Beitrag jedes Basismodells zu den endgültigen Vorhersagen zu quantifizieren. Der vorgeschlagene Rahmen bietet einen interpretierbaren und skalierbaren Ansatz für die Analyse und Entscheidungsunterstützung für Wohngebäude.

Einleitung

Die rasante Entwicklung von Smart-City-Technologien und intelligenten Wohnumgebungen hat eine wachsende Nachfrage nach automatisierten und datengetriebenen Lösungen im Wohndesign geschaffen. Insbesondere die steigende alternde Bevölkerung und die Nachfrage nach gesundheitsorientiertem Wohnraum haben die Bedeutung der Gestaltung von Wohnräumen erhöht, die sowohl funktional sind als auch auf die Bedürfnisse bestimmter Nutzergruppen zugeschnitten^{sind 1,2}. Konventionelle Methoden zur Analyse architektonischer Grundrisse sind oft manuell, zeitaufwendig und beruhen auf fachkundiger Interpretation; daher sind sie ineffizient und schwer skalierbar. Dies hat einen starken Bedarf an intelligenten Systemen geschaffen, die in der Lage sind, Wohnanlagen automatisch zu analysieren und fundierte^{Entscheidungen zu unterstützen}.

Jüngste Fortschritte in der künstlichen Intelligenz (KI), insbesondere im Bereich Deep Learning (DL) und Computer Vision, haben die Analyse bildbasierter Daten erheblich verbessert. Faltungsneuronale Netze (CNNs) haben sich als äußerst effektiv für die räumliche Merkmalsextraktion und das Erlernen komplexer visueller Muster erwiesen, was sie für die Bildanalyse des Grundriss ^4,5,6 geeignet macht. Diese Modelle können implizite Darstellungen von Raumstrukturen, Layout-Organisation und räumlichen Beziehungen erlernen, die für die Vorhersage architektonischer Attribute^{unerlässlich sind 7,8}. Die Abhängigkeit von einem einzigen DL-Modell kann jedoch die Verallgemeinerung einschränken, da verschiedene Architekturen sich auf unterschiedliche räumliche Merkmale konzentrieren und Verzerrungen aufweisen, die aus architektonischer Variabilität⁹ entstehen. Trotz dieser Fortschritte fehlt bestehenden Ansätzen oft ein integriertes Framework, das mehrere Modelle kombiniert, Multioutput-Vorhersage unterstützt und eine Interpretierbarkeit auf Anwendungsebene bietet. Darüber hinaus haben im Gesundheitswesen orientierte Wohnbewertung und Erklärbarkeit innerhalb von Grundrissanalysesystemen relativ wenig Aufmerksamkeit erhalten. Das Fehlen solch umfassender Rahmenwerke schränkt die praktische Anwendbarkeit und Interpretierbarkeit ein, insbesondere in Bereichen, in denen Transparenz und Entscheidungsunterstützung wichtig sind^{. 10,11,12}.

KI hat auch wesentlich zur automatisierten Analyse und Erstellung architektonischer Grundrisse beigetragen. Eine Studie untersuchte den Einsatz von maschinellem Lernen (ML) zur Umwandlung zweidimensionaler Grundrissbilder in dreidimensionale Modelle¹³. Die Autoren hoben die Einschränkungen herkömmlicher computerunterstützter Konstruktionsmethoden (CAD) hervor und betonten die Bedeutung skalierbarer, KI-basierter Pipelines für das räumliche Verständnis. Ihre Ergebnisse zeigten, dass DL strukturelle Informationen effektiv aus Grundrissen extrahieren kann, obwohl weiterhin Herausforderungen im Zusammenhang mit Verallgemeinerungen und Datenvariabilität bestehen. Eine weitere Studie schlug ein Multiagent-Deep Reinforcement Learning-Framework für die automatisierte Grundrisserstellung¹⁴ vor. Obwohl der Ansatz erhebliche Flexibilität und Anpassungsmöglichkeiten für architektonisches Design bietet, konzentriert er sich in erster Linie auf die Entwurfsgenerierung und nicht auf eine prädiktive Analyse bestehender Grundrisse.

Eine umfassende Grundrissabruf-Untersuchung untersuchte semantische, räumliche, formbasierte und texturbasierte Merkmale für das Verständnis des Grundrisses¹⁵. Die Umfrage betonte die Bedeutung von DL-Modellen, einschließlich CNNs und transformatorbasierter Architekturen, für das Erlernen sinnvoller Darstellungen. Es identifizierte jedoch auch Herausforderungen im Zusammenhang mit Rauschen, Verzerrung und Merkmalsdiskriminierung in komplexen Layouts. Ähnlich integrierte ein ML-basierter Ansatz topologische und visuelle Beziehungen zur Grundrisserkennung⁸. Die Studie zeigte, dass visuelle Zugänglichkeit und räumliche Konnektivität wichtig sind, um architektonische Layouts zu verstehen, behandelte jedoch nicht Multioutput-Vorhersage oder Ensemble-Learning-Strategien. Generative KI wurde auch in architektonischen Anwendungen erforscht. Eine Übersicht über generative KI in der Architektur untersuchte den Einsatz von generativen adversarialen Netzwerken (GANs), variationalen Autoencodern (VAEs) und Diffusionsmodellen für Designautomatisierung¹⁶. Die Autoren hoben die zunehmende Nutzung von KI-Tools in praktischen architektonischen Arbeitsabläufen hervor. Der Fokus dieser Arbeit lag jedoch auf der Designgenerierung und nicht auf prädiktiver Modellierung oder Entscheidungsunterstützungsanwendungen. Erklärbare KI ist für die Interpretation von DL-Modellen immer wichtiger geworden. Eine Studie schlug ein auf SHapley Additive Explanations (SHAP) basierendes Framework zur Interpretation von DL-Modellen in urbanen Simulationsanwendungen^vor. Die Ergebnisse zeigten, dass SHAP einflussreiche Merkmale identifizieren und die Interpretierbarkeit sowohl auf globaler als auch auf lokaler Ebene verbessern kann. Obwohl die Studie den Wert von SHAP in räumlichen Anwendungen untermauert, untersuchte sie nicht deren Integration mit Ensemble-Learning-Frameworks. Jüngste Entwicklungen in DL-Architekturen haben die Leistung bei bildbasierten Aufgaben weiter verbessert. Eine Studie präsentierte einen umfassenden Überblick über zeitgenössische DL-Modelle, einschließlich CNN-basierter und transformatorbasierter Architekturen¹⁸. Die Studie hob die Bedeutung der Modellauswahl und hybrider Architekturen zur Verbesserung der Verallgemeinerungsleistung hervor. Es behandelte jedoch nicht speziell Anwendungen der Grundrissanalyse. Großformatige Datensätze haben zudem Fortschritte in der architektonischen Analyse erleichtert. Zum Beispiel stellte eine Studie einen Benchmark-Datensatz vor, der Tausende komplexer Grundrisse^enthält. Die Studie zeigte, dass bestehende Modelle weiterhin Herausforderungen bei der Analyse großräumiger und mehrfacher Wohnungspläne haben, und unterstreicht die Notwendigkeit robusterer und verallgemeinerbarer Ansätze.

DL wurde auch umfassend im Ensemble-Lernen untersucht. Eine aktuelle Studie zu Deep-Ensemble-Methoden zeigte, dass die Kombination mehrerer Modelle die prädiktive Genauigkeit und Robustheit deutlich verbessern kann, indem Verzerrung von Verzerrung und Varianz^{um 20} reduziert werden. Trotz ihrer Wirksamkeit wurden diese Methoden bei der Analyse architektonischer Grundrisse nicht weit verbreitet angewendet, insbesondere bei Multioutput-Regressionsaufgaben. Darüber hinaus haben aktuelle Studien zur automatisierten Grundrissanalyse die Bedeutung integrierter Frameworks hervorgehoben, die Vorhersage, Klassifikation und Interpretierbarkeit^verbinden 21,22,23. Bestehende Forschung konzentriert sich typischerweise auf einzelne Funktionen, wie Feature-Extraktion, Layout-Generierung oder Klassifikation. Daher bleibt eine deutliche Forschungslücke bei der Entwicklung eines einheitlichen Rahmens, der Multimodell-Lernen, Wohnraumbewertung und erklärbare KI integriert. Obwohl erhebliche Fortschritte in der DL- und Architekturanalyse erzielt wurden, bestehen mehrere Forschungslücken. Die meisten bisherigen Studien konzentrieren sich auf die Erkennung von Grundrissen, die Extraktion von Merkmalen oder die Erstellung von Layouts, ohne einen einheitlichen Rahmen bereitzustellen, der sowohl die Multioutput-Vorhersage als auch die Entscheidungsfindung auf Anwendungsebene unterstützt. Darüber hinaus basieren viele Ansätze auf einem einzigen DL-Modell, was ihre Fähigkeit, verschiedene räumliche Merkmale zu erfassen, einschränken und modellspezifische Verzerrungen einführen kann. Ensemble-Lernen für die Grundrissanalyse ist bisher relativ wenig erforscht, insbesondere hinsichtlich der Integration heterogener Modelle zur Verbesserung der Robustheit. Darüber hinaus wurde der Wohneinteilung nur begrenzte Aufmerksamkeit geschenkt, mit Schwerpunkt auf älterenorientiertem Wohnraum und Interpretierbarkeit. Da viele DL-Modelle als Black Boxes funktionieren, bleibt es schwierig, die Grundlage ihrer Vorhersagen zu verstehen. Diese Einschränkungen unterstreichen die Notwendigkeit eines umfassenden Rahmens, der Multimodell-Lernen, präzise Vorhersage, anwendungsorientierte Wohnklassifikation und erklärbare KI integriert.

Diese Studie präsentiert einen automatisierten Rahmen zur Analyse von Grundrissbildern von Wohngebäuden, mit Schwerpunkt auf räumlichem Bewusstsein und der Bewertung des Wohnraumlayouts, um diese Herausforderungen zu adressieren. Das vorgeschlagene Framework führt ein Meta-Ensemble-DL-Modell namens CARE-MIRV-Net ein, das vier komplementäre CNNs – MobileNetV2, InceptionV3, ResNet101 und VGG16 – innerhalb einer stapelbasierten Architektur 24,25,26,27 integriert. Jedes Modell sagt unabhängig wichtige architektonische Eigenschaften voraus, darunter Quadratmeter, Anzahl der Schlafzimmer, Badezimmer und Garagen. Diese Vorhersagen werden anschließend von einem Meta-Lernenden kombiniert, um verfeinerte Vorhersagen zu erzeugen. Darüber hinaus wird eine regelbasierte Entscheidungsschicht verwendet, um Wohnraumaufteilungen als Altenpflege, medizinische Versorgung oder allgemeine Wohneinrichtung basierend auf den vorhergesagten Merkmalen zu kategorisieren.

Die Beiträge dieses Werks sind wie folgt. Zunächst wird ein Meta-Ensemble-DL-Framework vorgeschlagen, um die Multioutput-Vorhersage architektonischer Attribute aus Wohngebäudegrundrissbildern durchzuführen. Zweitens integriert das CARE-MIRV-Net-Modell vier CNN-Architekturen, um die Vorhersagegenauigkeit und Verallgemeinerung zu verbessern. Drittens wird eine regelbasierte Entscheidungsschicht integriert, um eine anwendungsorientierte Kategorisierung von Wohnraumplänen auf Basis vorhergesagter architektonischer Merkmale zu unterstützen. Viertens ist SHAP-basierte erklärbare KI integriert, um die Transparenz und Interpretierbarkeit von Modellen zu verbessern. Abschließend werden umfangreiche Experimente durchgeführt, um das vorgeschlagene Rahmenwerk unter Verwendung des mittleren absoluten Fehlers (MAE) und des Bestimmungskoeffizienten (R²) als Leistungskennzahlen zu bewerten.

Protokoll

Diese Studie nutzte einen öffentlich zugänglichen Datensatz von der Kaggle-Plattform (Floor Plan Images and Their Details, verfügbar unter: https://www.kaggle.com/datasets/adilmohammed/floor-plan-images-and-their-details; abgerufen am 16. April 2026). Es betraf weder menschliche Teilnehmer, Tiere noch personenbezogene Daten; Daher waren keine ethische Zustimmung und informierte Zustimmung erforderlich.

Dieses Protokoll bietet ein KI-gesteuertes Framework für die automatisierte Analyse von Wohnraumplanbildern mit Schwerpunkt auf räumlich bewusstem und gesundheitsorientiertem Design. Der vollständige experimentelle Arbeitsablauf ist in Abbildung 1 dargestellt. Das Protokoll ist darauf ausgelegt, die Lücke zwischen niedrigstufiger architektonischer Merkmalsvorhersage und hochrangiger anwendungsorientierter Entscheidungsfindung zu schließen. Es integriert DL, Ensemble-Modellierung und erklärbare KI, um eine genaue, robuste und interpretierbare Lösung für die Analyse von Wohnanlagen bereitzustellen. Das Framework besteht aus mehreren Phasen, beginnend mit Datenerfassung und Vorverarbeitung, gefolgt von Feature Learning mit tiefen CNNs, Meta-Ensemble-Vorhersage und schließlich der Klassifikation auf Anwendungsebene. Anfangs werden Grundrissbilder und ihre entsprechenden architektonischen Attribute durch Größenänderung, Normalisierung und Datenerweiterung vorbearbeitet, um Konsistenz zu gewährleisten und die Verallgemeinerung zu verbessern. Alle Grundrissbilder wurden auf 224 × 224 Pixel verkleinert und auf den Bereich [0, 1] normalisiert. Während des Trainings wurde Datenaugmentation durch zufälliges horizontales Flippen, Drehen, Zoomen und Breiten-/Höhenverschieben angewendet, um die Modellverallgemeinerung zu verbessern und Überanpassungen zu reduzieren. Es wurde kein vertikales Flipping angewendet. Vollständige Augmentationsparameter und Implementierungsdetails sind in Supplementary File 1 bereitgestellt. Die verarbeiteten Daten wurden dann verwendet, um mehrere DL-Modelle für die Feature-Extraktion und -Vorhersage zu trainieren. Alle Basismodelle und der CARE-MIRV-Net Meta-Learner wurden mit einer konsistenten Konfiguration trainiert, einschließlich Datenaugmentation, frühzeitigem Stoppen und adaptiver Lernrate-Planung. Frühes Stoppen überwachte den Validierungsverlust (val_loss) mit einem Geduldswert von 5 Epochen, und die besten Modellgewichte wurden nach dem Training automatisch wiederhergestellt. Adaptive Learning-Rate-Scheduling wurde mit dem ReduceLROnPlateau-Callback implementiert, der den Validierungsverlust überwachte und die Lernrate nach zwei Epochen ohne Verbesserung um den Faktor 0,3 reduzierte, mit einer Mindestlernrate von 1 × 10⁻⁷. Vollständige Implementierungsdetails und Parametereinstellungen sind in Supplementary File 1 bereitgestellt. Der Datensatz wurde zufällig in Trainings- und Testsets mit einem 80:20-Split-Verhältnis unterteilt. Ein fester zufälliger Seed (42) wurde verwendet, um die Reproduzierbarkeit sicherzustellen. Vollständige Implementierungsdetails finden Sie in Supplementary File 1.

Abbildung 1. Arbeitsablauf des CARE-MIRV-Net-Frameworks für die Analyse von Wohngrundrissen. Schematische Übersicht des vorgeschlagenen Protokolls. Der Workflow umfasst (1) Datensatzerfassung und -vorverarbeitung, (2) Feature-Learning und -Vorhersage mit MobileNetV2, InceptionV3, ResNet101 und VGG16, (3) stackingbasierte Meta-Ensemble-Vorhersage mit CARE-MIRV-Net, (4) regelbasierte Wohnraum-Klassifikation, (5) SHapley Additive ExPlanations (SHAP)-basierte Interpretierbarkeitsanalyse und (6) Leistungsbewertung. Bitte klicken Sie hier, um eine größere Version dieser Abbildung anzusehen.

In der zweiten Phase werden vier vortrainierte CNNs, MobileNetV2, InceptionV3, ResNet101 und VGG16, als Basislernende eingesetzt. Jedes Modell wird mithilfe von Transfer Learning fein abgestimmt, um wichtige architektonische Eigenschaften wie Quadratmeter, Anzahl der Schlafzimmer, Badezimmer und Garagen vorherzusagen. Für jedes Transfer-Learning-Modell wurden die unteren vortrainierten Schichten eingefroren, während die oberen Schichten und der benutzerdefinierte Regressionskopf während des Trainings fein abgestimmt wurden. Detaillierte modellspezifische Feinabstimmungskonfigurationen sind in Supplementary File 1 bereitgestellt. Diese Modelle erfassen verschiedene Aspekte räumlicher Informationen: MobileNetV2 bietet eine effiziente Feature-Extraktion, InceptionV3 erfasst multiskalige räumliche Muster, ResNet101 lernt tiefe hierarchische Darstellungen, und VGG16 sorgt für stabiles und konsistentes Merkmalslernen. Die Vielfalt dieser Modelle verbessert die Gesamtrepräsentationsfähigkeit des Frameworks.

Um die Genauigkeit und Robustheit der Vorhersage weiter zu erhöhen, wird ein stapelbasiertes Meta-Ensemble-Modell vorgeschlagen, bezeichnet als CARE-MIRV-Net. In diesem Schritt werden Vorhersagen aus allen Basismodellen zusammengefasst, um einen höherdimensionalen Merkmalsraum zu erzeugen, der an einen Meta-Learner eingegeben wird. Basismodellvorhersagen werden zunächst unabhängig mit den trainierten Modellen MobileNetV2, InceptionV3, ResNet101 und VGG16 generiert. Diese Vorhersagen werden dann verkettet, um den Meta-Merkmalvektor zu bilden, den der Meta-Learner verwendet. Um Datenlecks zu verhindern, sind die Trainings- und Testdatensätze streng getrennt, und der Meta-Lerner wird nur auf Vorhersagen aus den Trainingsdaten trainiert. Das Metamodell, das ein vollständig verbundenes neuronales Netzwerk ist, wird darauf trainiert, die optimale Kombination der Basismodellausgaben zu lernen, um verfeinerte Vorhersagen zu liefern. Das Metamodell besteht aus zwei vollständig verbundenen Schichten mit 512 und 256 Neuronen, die ReLU-Aktivierung verwenden, gefolgt von Dropout-Schichten (0,4 und 0,3) und einer linearen Ausgangsschicht. Das Modell wird mit dem Adam-Optimierer trainiert (Lernrate = 0,0001), einer Batchgröße von 32 und bis zu 15 Epochen. Frühzeitiges Stoppen wurde durch Überwachung des Validierungsverlusts (val_loss) mit einem Geduldswert von 5 Epochen umgesetzt. Das Mindestverbesserungskriterium (min_delta) wurde auf den TensorFlow-Standardwert von 0 gesetzt, und die besten Modellgewichte wurden nach dem Training automatisch wiederhergestellt. Adaptive Learning-Rate-Scheduling wurde mithilfe des ReduceLROnPlateau-Callbacks implementiert, der den Validierungsverlust überwachte und die Lernrate nach zwei aufeinanderfolgenden Epochen ohne Verbesserung um den Faktor 0,3 senkte. Die minimale Lernrate wurde auf 1 × 10⁻⁷ gesetzt, und der Abklingzeitparameter verwendete den Standardwert von TensorFlow von 0. Diese Ensemble-Methode reduziert individuelle Modellverzerrungen und verbessert die Verallgemeinerung durch die komplementären Stärken mehrerer Architekturen. Detaillierte Implementierungsinformationen finden Sie in Supplementary File 1.

Nach der Vorhersage wird eine Interpretationsschicht hinzugefügt, um die numerischen Ausgaben in Anwendungsentscheidungen umzuwandeln. Wohngrundrisse lassen sich basierend auf den Vorhersagen architektonischer Merkmale in drei Klassen einteilen: Altenpflege, integrierte Gesundheitsversorgung (medizinische Versorgung) und allgemeine Wohnnutzung. Diese Klassifizierung erfolgt unter Verwendung vordefinierter, schwellenwertbasierter Entscheidungsregeln, die auf der vorhergesagten Quadratmeterzahl, der Anzahl der Schlafzimmer und der Anzahl der Badezimmer basieren. Die Kategorie mit der höchsten Punktzahl wird als endgültige Klassifikation zugewiesen, während Unentschieden durch die Auswahl der Kategorie entschieden wird, die die größere Anzahl von Entscheidungskriterien erfüllt. Die vollständigen Bewertungsregeln und Klassifikationsschwellenwerte sind in Supplementary File 2 (Algorithmus 1) bereitgestellt. Diese Maßnahme ermöglicht es dem Rahmenwerk, praktische Informationen für die Wohnungsbauplanung bereitzustellen.

Das Framework verwendet erklärbare KI mit SHAP, um Transparenz und Interpretierbarkeit zu gewährleisten. Diese Komponente untersucht den Beitrag der Vorhersagen jedes Basismodells zum Ergebnis des Metamodells. Die SHAP-Analyse wurde mit SHAP KernelExplainer (SHAP-Version 0.51.0) durchgeführt, wobei 100 zufällig ausgewählte Trainingsproben als Hintergrunddatensatz und 50 Testproben zur Erstellungsgenerierung verwendet wurden. Die vollständige SHAP-Konfiguration, einschließlich Hintergrund-Sample-Auswahl und Implementierungseinstellungen, ist in Supplementary File 1 bereitgestellt. Die Erklärbarkeitsschicht hilft, den Entscheidungsprozess zu verstehen, indem sie die Bedeutung von Features misst und Beitragsmuster darstellt, wodurch die Transparenz und Zuverlässigkeit des Modells verbessert werden. Der vorgeschlagene Rahmen wird mittels MAE und R² über alle Zielvariablen hinweg ausgewertet. Für die Multioutput-Vorhersage wurde MAE als durchschnittliche absolute Differenz zwischen tatsächlichen und vorhergesagten Werten über alle Zielvariablen berechnet, während R² durch Vergleich der erklärten Varianz der Vorhersagen mit den entsprechenden Grundwahrheitswerten für jede Ausgabe berechnet wurde. Die quantitativen und qualitativen Analysen zeigen, dass das vorgeschlagene CARE-MIRV-Net die Vorhersagegenauigkeit verbessert und regelbasierte Wohnraumklassifikation unterstützt. Die Klassifikationszuverlässigkeit wurde anhand der Genauigkeit der zugrunde liegenden Regressionsvorhersagen und der Konsistenz der regelbasierten Entscheidungsschicht bewertet. Das Framework ist eine geeignete und skalierbare Lösung für eine intelligente Grundrissanalyse und kann auf Smart Housing, Altenpflegeplanung und gesundheitsorientierte Wohnplanung angewendet werden. Eine vollständige Liste der in dieser Studie verwendeten Datensätze, Softwarepakete, Bibliotheken, Hardwareressourcen und Rechenwerkzeuge ist in der Materialtabelle enthalten. Quellcode, Umgebungskonfigurationsinformationen, Softwareabhängigkeitsspezifikationen und Implementierungsskripte, die zur Reproduktion des gemeldeten Workflows erforderlich sind, werden in Supplementary File 1 bereitgestellt.

Algorithmus für das Protokoll

Das vorgeschlagene Framework verfolgt einen mehrstufigen Ansatz zur Verarbeitung bildbasierter Grundrisse von Wohnhäusern und zur Erzeugung prädiktiver und entscheidungsbezogener Ausgaben, wie in Algorithmus 1 in Supplementary File 2 dargestellt. Dieser Prozess beginnt mit der Datenvorverarbeitung, bei der die Eingabebilder auf eine Standardauflösung angepasst und normalisiert werden, um Einheitlichkeit im gesamten Datensatz zu gewährleisten. Alle Grundrissbilder wurden auf 224 × 224 Pixel verkleinert und auf den Bereich [0, 1] normalisiert. Dieser Schritt optimiert die Bilder für das Lernen durch tiefe neuronale Netzwerke und verbessert die Gesamtkonvergenz des Modells. Die zweite Phase beinhaltet die Verwendung mehrerer DL-Modelle als Basislerner, darunter MobileNetV2, InceptionV3, ResNet101 und VGG16. Unabhängig davon nimmt jedes Modell die Eingabebilder und schätzt wichtige architektonische Merkmale wie Quadratmeterzahl sowie die Anzahl der Schlafzimmer, Badezimmer und Garagen. Der Datensatz wurde zufällig in Trainings- und Testsätze mit einem 80:20-Split-Verhältnis unterteilt, und ein fester zufälliger Seed wurde verwendet, um die Reproduzierbarkeit sicherzustellen. Diese Modelle erfassen verschiedene räumliche Eigenschaften der Grundrisse und liefern komplementäre Vorhersagen. Die Merkmalsrepräsentation wird dann konstruiert, indem die Ausgaben jedes Basismodells gestapelt werden, um eine einzige Merkmalsrepräsentation zu erzeugen. Diese gemeinsamen Ergebnisse werden anschließend in ein Meta-Ensemble-Modell namens CARE-MIRV-Net eingespeist, das trainiert wird, um die Vorhersagen aller Basismodelle zu kombinieren. Die Vorhersagen des Basismodells wurden unabhängig erzeugt und verkettet, um den Meta-Feature-Vektor zu bilden. Datenlecks wurden durch eine strikte Trennung der Trainings- und Testdatensätze verhindert. Das Metamodell verfeinert diese Vorhersagen und erstellt die endgültigen architektonischen Attributprognosen. Das Metamodell bestand aus vollständig verbundenen Schichten mit 512 und 256 Neuronen, ReLU-Aktivierungsfunktionen, Abbruchraten von 0,4 und 0,3, dem Adam-Optimierer (Lernrate = 0,0001), einer Batchgröße von 32 und bis zu 15 Trainingsphasen mit frühem Stopp. Nach der Vorhersage wird eine Entscheidungsschicht verwendet, um die Ergebnisse in den Kontext zu setzen. Nach den geschätzten Werten wird jede Wohnanlage als Altenpflege, medizinische Versorgung oder allgemeine Wohnnutzung kategorisiert. Wohnkategorien wurden anhand vordefinierter, schwellwertbasierter Bewertungsregeln vergeben, die aus den vorhergesagten Grundrissattributen abgeleitet wurden. Die Kategorie mit der höchsten Punktzahl wurde als Endklassifikation ausgewählt. Vollständige Klassifikationsschwellenwerte und Entscheidungsregeln sind im Algorithmus 1 (Supplementary File 2) bereitgestellt. Schließlich enthält das Framework eine Erklärbarkeitskomponente auf Basis von SHAP, um die Auswirkungen jedes Basismodells auf die endgültige Vorhersage zu bewerten. Die SHAP-Analyse wurde wie zuvor beschrieben und in Supplementary File 1 durchgeführt. Diese Komponente erhöht die Transparenz und hilft beim Verständnis des Entscheidungsprozesses. Die Wirksamkeit und Tragfähigkeit des vorgeschlagenen Ansatzes wurden anhand standardisierter Regressions-Leistungskennzahlen bewertet. Die Leistung wurde mit einem einzigen experimentellen Lauf mit einem festen Zufallsseed bewertet.

Bewertungsmodelle

In diesem Abschnitt werden die in der Studie verwendeten DL-Modelle vorgestellt, darunter sowohl die einzelnen Basismodelle als auch das vorgeschlagene CARE-MIRV-Net. Die Benchmark-Modelle wurden ausgewählt, um vielfältige und weit verbreitete DL-Architekturen zu repräsentieren. MobileNetV2 wurde als leichtes und recheneffizientes Netzwerk aufgenommen, und InceptionV3 wurde wegen seiner Fähigkeit, multiskalierte räumliche Merkmale zu erfassen, ausgewählt. ResNet101 wurde aufgrund seiner tiefen Restlernfähigkeit zur hierarchischen Feature-Extraktion gewählt, und VGG16 wurde als gut etablierte Faltungsarchitektur aufgenommen. Alle Benchmark-Modelle wurden mit identischen Vorverarbeitungsverfahren, Datenerweiterungseinstellungen, Datensatzpartitionen, Optimierungsparametern, Batchgröße und Trainingskonfiguration trainiert, um eine faire vergleichende Bewertung zu gewährleisten.

MobileNetV2:

MobileNetV2 ist ein kleines und kompaktes CNN-System, das darauf ausgelegt ist, schnell, leistungsstark und mit geringerer Rechenkomplexität zu sein. Es präsentiert einige der wichtigsten Innovationen wie invertierte Restverbindungen und lineare Engpässe, die eine effiziente Merkmalsextraktion ermöglichen und dennoch eine hohe Repräsentationskraft besitzen. MobileNetV2 kann tiefenseparaable Faltungen verwenden, um die Gesamtzahl der Parameter und die Rechenkosten traditioneller Faltungsnetze stark zu minimieren, und ist daher gut an große bildbasierte Lernprobleme angepasst.

MobileNetV2 wird im vorgeschlagenen Rahmen als eines der grundlegenden DL-Modelle verwendet, um die architektonischen Eigenschaften von Wohngrundrissbildern vorherzusagen. Das Modell kann räumliche Muster wie Raumverteilung, Grundrissdichte und strukturelle Organisation, die in Grundrissen auftreten, effektiv erlernen, dank seines effizienten Designs. Solche gelehrten Darstellungen spielen eine wichtige Rolle bei der genauen Schätzung wichtiger Merkmale wie Quadratmeterzahl, Anzahl der Schlafzimmer, Badezimmer und Garagen. MobileNetV2 ist ein leichtes Modell, das ein guter Kandidat für das vorgeschlagene Meta-Ensemble-Framework ist. Es fügt anderen DL-Modellen einige ergänzende Feature-Darstellungen hinzu und erhöht die Gesamtrobustheit und Verallgemeinerung des Systems. Dieses Modelllernen ist sehr wichtig, um die Genauigkeit von Vorhersagen zu verbessern und die Klassifizierung von Wohnanlagen auf Basis des Gesundheitswesens zu unterstützen.

Das MobileNetV2-Modell wird mit einer Transfer-Learning-Strategie mit vortrainierten Gewichten aus dem ImageNet-Datensatz trainiert. Die Eingabebilder werden auf eine feste Größe von 224 × 224 × 3 skaliert, was mit der Architektur kompatibel ist. Die Bilder wurden auf 224 × 224 Pixel verkleinert, auf den Bereich [0, 1] normalisiert und durch zufälliges Flippen, Drehen, Zoomen und Verschieben ergänzt. Während der Ausbildung wurde eine Chargengröße von 32 Personen verwendet. Der ursprüngliche Klassifikationskopf von MobileNetV2 wird entfernt und durch einen Regressionskopf ersetzt. Der Regressionskopf bestand aus einer Global Average Pooling-Schicht, gefolgt von vollständig verbundenen Schichten mit 512 und 256 Neuronen, Batch-Normalisierung, Dropout-Schichten (0,4 und 0,3) und einer linearen Ausgabeschicht mit vier Neuronen. Um die Domänenanpassung zu erleichtern, wurden die unteren vortrainierten Schichten eingefroren, während die oberen Schichten ab block_13_expand und dem benutzerdefinierten Regressionskopf fein abgestimmt wurden. Dieser selektive Trainingsansatz ermöglicht es dem Modell, allgemeine visuelle Merkmale beizubehalten und domänenspezifische räumliche Attribute von Grundrissbildern zu lernen. Die extrahierten Merkmalskarten werden über eine Global Average Pooling-Schicht und vollständig verbundene Schichten mit 512 und 256 Neuronen unter Verwendung von ReLU-Aktivierung verarbeitet. Um die Verallgemeinerung zu verbessern und Overfitting zu reduzieren, werden Batch-Normalisierungs- und Dropout-Schichten (0,4 und 0,3) integriert. Die letzte Ausgabeschicht enthält vier Neuronen mit linearer Aktivierung, die den vorhergesagten architektonischen Attributen entspricht. Der Adam-Optimierer wurde mit einer Lernrate von 0,0001 und den Standardparametern von TensorFlow/Keras verwendet (β₁ = 0,9, β₂ = 0,999, ε = 1 × 10⁻⁷, amsgrad = False). Für die Multioutput-Vorhersage wurden MAE und R² berechnet, indem die vorhergesagten und tatsächlichen Werte für jede Zielvariable verglichen und anschließend die Ergebnisse über alle Ausgaben gemittelt wurden. Frühes Stoppen wurde auf Basis von Validierungsverlust angewendet, und adaptive Lernratenreduktion wurde eingesetzt, um die Konvergenz zu verbessern. Die Ausbildung erfolgte über bis zu 15 Epochen.

InceptionV3:

InceptionV3 ist eine tiefgründige CNN-Architektur, die in der Lage ist, Multiscale-Features mithilfe paralleler Faltungsoperationen zu erfassen. Es basiert auf dem Inception-Modul, das verschiedene Filtergrößen in derselben Schicht verwendet, um sowohl feinkörnige als auch grobe Merkmale gleichzeitig zu extrahieren. Diese Art von Architekturdesign ermöglicht es dem Netzwerk, komplexe räumliche Hierarchien zu erlernen und rechnerisch effizient zu sein. Darüber hinaus verwendet InceptionV3 faktorisierte Faltungen und Dimensionsreduktion, die die Leistung steigern und die Rechenkosten minimieren.

InceptionV3 wird im vorgeschlagenen Rahmen als effektiver Feature-Extractor zur Analyse von Wohngebäudegrundrissbildern eingesetzt. Grundrisse bestehen aus verschiedenen räumlichen Mustern, wie Raumgrößen, strukturellen Grundrissen und Konnektivität, was das Lernen von Merkmalen im Mehrmaßstab erfordert. Die Inception-Architektur eignet sich besonders gut für diese Aufgabe, da sie lokale Details (z. B. kleine Räume) und globale Strukturen (z. B. die Organisation des Gesamtlayouts) gleichzeitig darstellen kann. InceptionV3 bietet ergänzende Darstellungen zu anderen Modellen wie MobileNetV2 im Kontext des Meta-Ensemble-Frameworks. Die Vielfalt der Vorhersagen wird durch die Fähigkeit erhöht, komplexe räumliche Beziehungen zu modellieren, was wichtig ist, um die Ensembleleistung zu verbessern. Dies hilft schließlich bei der besseren Vorhersage architektonischer Merkmale und verstärkt die nachgelagerte Einordnung von älterenfreundlichem und im Gesundheitswesen integriertem Wohndesign.

Das InceptionV3-Modell wird mit einem Transfer-Learning-Ansatz mit vortrainierten Gewichten aus dem ImageNet-Datensatz trainiert. Die Eingabebilder werden auf 224 × 224 × 3 skaliert, um die Kompatibilität mit der Netzwerkarchitektur und Konsistenz über alle Modelle innerhalb des Frameworks zu gewährleisten. Die Bilder wurden auf 224 × 224 Pixel verkleinert, auf den Bereich [0, 1] normalisiert und durch zufälliges Flippen, Drehen, Zoomen und Verschieben ergänzt. Während der Ausbildung wurde eine Chargengröße von 32 Personen verwendet.

Die ursprünglichen Klassifikationsschichten von InceptionV3 werden entfernt, und ein benutzerdefinierter Regressionskopf wird eingeführt, um die Multioutput-Vorhersage zu ermöglichen. Der benutzerdefinierte Regressionskopf bestand aus einer Global Average Pooling-Schicht, gefolgt von vollständig verbundenen Schichten mit 512 und 256 Neuronen, Batch-Normalisierung, Dropout-Schichten (0,4 und 0,3) und einer vierneuronalen linearen Ausgangsschicht. Die konvolutionelle Basis ist teilweise fein abgestimmt, wobei die unteren vortrainierten Schichten eingefroren sind und die oberen Schichten zusammen mit dem benutzerdefinierten Regressionskopf fein abgestimmt werden, um domänenspezifische Grundrissmerkmale zu lernen, während allgemeine visuelle Darstellungen, die während dem Vortraining erworben wurden, erhalten bleiben. Nach dem Faltungsrückgrat transformiert eine Global Average Pooling-Schicht die Merkmalsabbildungen in eine kompakte Merkmalsrepräsentation. Darauf folgen vollständig verbundene Schichten mit 512 und 256 Neuronen mit ReLU-Aktivierungsfunktionen. Um Overfitting zu minimieren und die Verallgemeinerung zu verbessern, werden Abbruchraten von 0,4 und 0,3 angewendet. Die endgültige Ausgangsschicht besteht aus vier Neuronen mit linearer Aktivierung, die der Vorhersage von Quadratmeter, Anzahl der Schlafzimmer, Anzahl der Badezimmer und Anzahl der Garagen entspricht. Das Modell wird mit dem Adam-Optimierer trainiert, mit einer Lernrate von 0,0001, einer Batchgröße von 32 und bis zu 15 Trainingsepochen mit frühzeitigem Stopp und einer Reduktion der adaptiven Lernrate, um eine stabile Konvergenz sicherzustellen.

ResNet101:

ResNet101 ist eine tiefe Struktur des CNN, die auf dem Prinzip des Residuallernens aufgebaut ist und es ermöglicht, extrem tiefe Netzwerke zu trainieren, indem das Verschwindungsgradientenproblem überwunden wird. Es fügt Residualverbindungen hinzu, sogenannte Skip-Verbindungen, die es dem Netzwerk ermöglichen, Identitätsabbildungen zu lernen und Informationen über Schichten hinweg zu speichern. Diese Architektur verbessert die Stabilität des Trainings erheblich und ermöglicht es dem Modell, komplexe hierarchische Eigenschaften zu erlernen. ResNet101 verfügt über eine tiefe Repräsentationskapazität von 101 Schichten und ist daher sehr effektiv bei Aufgaben, die zusätzliche räumliche Merkmale erfordern.

ResNet101 wird im vorgeschlagenen Rahmen als Hochkapazitäts-Feature-Extractor verwendet, der die Bilder von Wohngrundrissen analysiert. Das Modell kann verwendet werden, um komplexe räumliche Beziehungen darzustellen, einschließlich Raumkonnektivität, Layoutkomplexität und strukturellen Variationen, aufgrund seiner tiefen Architektur. Diese Merkmale sind entscheidend, um genaue Vorhersagen zu architektonischen Merkmalen wie Quadratmetern, Schlafzimmern, Badezimmern und Garagen zu treffen. Im Meta-Ensemble-Design ist ResNet101 eine bedeutende Komponente und bietet tiefgründige sowie abstrakte Merkmalsrepräsentationen. ResNet101 legt mehr Wert auf feinkörnige strukturelle Merkmale und ist daher unter den Basislernern vielfältiger als leichte Modelle wie MobileNetV2. Diese Heterogenität spielt eine wesentliche Rolle bei der Verbesserung der Leistung eines Ensembles und robuster Vorhersagen, insbesondere bei der Behandlung der stationären Klassifikation im Gesundheitswesen.

ResNet101 wird mit einem Transfer-Learning-Ansatz mit vortrainierten Gewichten aus dem ImageNet-Datensatz trainiert. Die Eingabebilder werden auf 224 × 224 × 3 skaliert, was architektonische Kompatibilität und Konsistenz über alle Modelle innerhalb des Frameworks hinweg gewährleistet. Die Bilder wurden auf 224 × 224 Pixel verkleinert, auf den Bereich [0, 1] normalisiert und durch zufälliges Flippen, Drehen, Zoomen und Verschieben ergänzt. Während der Ausbildung wurde eine Chargengröße von 32 Personen verwendet. Der ursprüngliche Klassifikationskopf von ResNet101 wird entfernt (include_top=False), und ein eigener Regressionskopf wird eingeführt, um Multioutput-Vorhersagen zu ermöglichen. Der Regressionskopf bestand aus einer Global Average Pooling-Schicht, gefolgt von vollständig verbundenen Schichten mit 512 und 256 Neuronen, Batch-Normalisierung, Dropout-Schichten (0,4 und 0,3) und einer linearen Ausgabeschicht mit vier Neuronen. Um Feature-Wiederverwendung und Domänenanpassung auszugleichen, wurden die unteren vortrainierten Schichten eingefroren, während die tieferen Schichten ab conv4_block1_1_conv und dem benutzerdefinierten Regressionskopf fein abgestimmt wurden. Diese selektive Trainingsstrategie ermöglicht es dem Modell, generische visuelle Merkmale beizubehalten und gleichzeitig höherstufige Darstellungen an Grundrissbilder anzupassen. Die Ausgabe der Faltungsbasis wird durch eine Global Average Pooling-Schicht geleitet, um eine kompakte Merkmalsrepräsentation zu erzeugen. Darauf folgen vollständig verbundene Schichten mit 512 und 256 Neuronen, die ReLU-Aktivierungsfunktionen verwenden. Batch-Normalisierung wird angewendet, um das Lernen zu stabilisieren, und Dropout-Schichten mit Raten von 0,4 und 0,3 werden integriert, um Overfitting zu reduzieren und die Generalisierung zu verbessern. Die endgültige Ausgangsschicht enthält vier Neuronen mit linearer Aktivierung, die der Quadratmeterzahl, der Anzahl der Schlafzimmer, Badezimmer und Garagen entspricht. Der Adam-Optimierer wurde mit einer Lernrate von 0,0001 verwendet, wie in der Trainingskonfiguration beschrieben. Datenaugmentation umfasste zufälliges Umdrehen, Drehen, Zoomen und Verschieben, um die Modellverallgemeinerung zu verbessern. Das Training wurde bis zu 15 Epochen durchgeführt, mit frühzeitigem Abbruch aufgrund von Validierungsverlust und Reduktion der adaptiven Lernrate.

VGG16:

VGG16 ist eine einfache neuronale Netzwerkarchitektur vom Typ Deep Convolutional, die bei visuellen Erkennungsaufgaben effektiv und einfach ist. Es besteht aus 16 Schichten mit einem regulären oder homogenen Design, das kleine 3 × 3 Faltungsfilter umfasst, die das Erlernen hierarchischer Merkmalsrepräsentationen durch das Netzwerk erleichtern. Die Architektur ist tiefenorientiert und einfach, was bedeutet, dass sie in der Lage ist, niedrigstufige Details wie Kanten und Texturen sowie hochrangige semantische Strukturen einzufangen. VGG16, mit seinem regulären Design und seiner guten Leistung, ist heute eine beliebte Wahl als Backbone bei Transferlernen in bildbezogenen Aufgaben.

Im vorgeschlagenen Modell wird VGG16 als Basis-DL-Modell verwendet, um räumliche Merkmale von Bildern von Wohngrundrissen abzuleiten. Die Tatsache, dass es organisiert ist, macht es sehr nützlich, um die feinen Details von Layoutmustern wie Raumgrenzen, strukturelle Ausrichtungen und räumliche Organisation zu erfassen. Die Merkmale sind entscheidend, um die Eigenschaften von Architektur wie Quadratmeter, Schlafzimmer, Badezimmer und Garagen effektiv vorherzusagen. Im Meta-Ensemble-System bietet VGG16 stabile und gut verallgemeinerte Merkmalsrepräsentationen. VGG16 bietet einen ausgewogeneren Ansatz zur Feature-Extraktion im Vergleich zu tieferen Architekturen wie ResNet101 und Multiscale-Architekturen wie InceptionV3, was die Vielfalt der Basislerner erhöht. Diese Heterogenität ist entscheidend für die Verbesserung der Leistungsfähigkeit des Ensembles und zuverlässiger Vorhersagen der gesundheitsorientierten Wohnklassifikation.

Das VGG16-Modell wird mit einem Transfer-Learning-Ansatz mit vortrainierten Gewichten aus dem ImageNet-Datensatz trainiert. Die Eingabebilder werden auf 224 × 224 × 3 skaliert, um die Kompatibilität mit der Architektur und Konsistenz über alle Modelle innerhalb des Frameworks zu gewährleisten. Die Bilder wurden auf 224 × 224 Pixel verkleinert, auf den Bereich [0, 1] normalisiert und durch zufälliges Flippen, Drehen, Zoomen und Verschieben ergänzt. Während der Ausbildung wurde eine Chargengröße von 32 Personen verwendet. Die ursprünglichen Klassifikationsschichten werden entfernt (include_top=False), und ein benutzerdefinierter Regressionskopf wird hinzugefügt, um das Modell für die Multioutput-Vorhersage anzupassen. Der Regressionskopf bestand aus einer Global Average Pooling-Schicht, gefolgt von vollständig verbundenen Schichten mit 512 und 256 Neuronen, Batch-Normalisierung, Dropout-Schichten (0,4 und 0,3) und einer linearen Ausgabeschicht mit vier Neuronen. Die unteren vortrainierten Schichten waren eingefroren, während die Schichten ab block4_conv1 und der benutzerdefinierte Regressionskopf fein abgestimmt waren. Diese Strategie ermöglicht es dem Modell, allgemeine visuelle Merkmale beizubehalten, während es domänenspezifische Darstellungen lernt, die für die Grundrissanalyse relevant sind. Die Ausgabemerkmale der Faltungsbasis werden durch eine Global Average Pooling-Schicht geleitet, um einen kompakten Merkmalsvektor zu erzeugen. Darauf folgen vollständig verbundene Schichten mit 512 und 256 Neuronen, die ReLU-Aktivierungsfunktionen verwenden. Batch-Normalisierungs- und Dropout-Schichten mit Raten von 0,4 und 0,3 werden integriert, um das Training zu stabilisieren, Overfitting zu reduzieren und die Generalisierung zu verbessern. Die finale Ausgangsschicht enthält vier Neuronen mit linearer Aktivierung, die der Quadratmeterzahl, der Anzahl der Schlafzimmer, Badezimmer und Garagenprognosen entspricht. Der Adam-Optimierer wurde mit einer Lernrate von 0,0001 verwendet, wie in der Trainingskonfiguration beschrieben. Datenaugmentation umfasste zufälliges Umdrehen, Drehen, Zoomen und Verschieben, um die Modellverallgemeinerung zu verbessern. Das Training wurde bis zu 15 Epochen durchgeführt, mit frühzeitigem Abbruch aufgrund von Validierungsverlust und Reduktion der adaptiven Lernrate.

CARE-MIRV-Net (vorgeschlagenes Meta-Ensemble-DL-Modell):

Das vorgeschlagene CARE-MIRV-Net (Context-Aware Residential Ensemble using MobileNetV2, InceptionV3, ResNet101 und VGG16 Network) ist ein stapelbasiertes Meta-Ensemble-DL-Framework, das darauf abzielt, die Schätzung architektonischer Merkmale anhand von Wohngrundrissbildern zu verbessern. Die Architektur kombiniert verschiedene heterogene CNNs, indem sie deren synergetische Vorteile bei der Extraktion von Features ausnutzt. Das vorgeschlagene Modell basiert auf der Kombination aus leichter, tiefer und multiskaliger Architektur, die die Vorhersageleistung verbessert und Robustheit in einer Vielzahl von Wohnanlagen bietet. Im Gegensatz zu traditionellen, auf einem Modell basierenden Techniken folgt CARE-MIRV-Net einem hierarchischen Lernansatz, bei dem Basismodelle erste Vorhersagen liefern, die dann von einem Meta-Lernenden verbessert werden.

Wenn es um räumlich und gesundheitsbewusstes Wohndesign geht, ist die richtige Interpretation der Grundrisse von größter Bedeutung. Einzel-DL-Modelle sind meist unzureichend, um verschiedene architektonische Muster zu verallgemeinern. Das vorgeschlagene Framework wird diese Schwäche überwinden, indem es vier verschiedene Architekturen verwendet: MobileNetV2, InceptionV3, ResNet101 und VGG16, die jeweils unterschiedliche Repräsentationsfähigkeiten bieten. MobileNetV2 kann verwendet werden, um Funktionen effizient zu extrahieren, und ist leicht; InceptionV3 lernt räumliche Muster über mehrere Skalen hinweg; ResNet101 lernt tiefe hierarchische Darstellungen; und VGG16 lernt Funktionen zuverlässig und zuverlässig. Eine Kombination dieser Modelle ermöglicht es dem Rahmenwerk, sowohl lokale als auch globale räumliche Attribute zu berücksichtigen, was die Genauigkeit und Zuverlässigkeit der vorhergesagten Merkmale wie Quadratmeterzahl, Anzahl der Schlafzimmer, Badezimmer und Garagen erhöht. Die obigen Vorhersagen können auch zur weiteren Klassifizierung von Wohnanlagen verwendet werden, einschließlich älterenfreundlicher, gesundheitsintegrierter und allgemein wohnlicher Strukturen.

CARE-MIRV-Net wird mit einer zweistufigen, stapelbasierten Ensemble-Strategie implementiert. In der ersten Phase erzeugen die vier Basismodelle unabhängig voneinander Vorhersagen für die Zielvariablen. Meta-Learner-Eingaben wurden generiert, indem die von den trainierten Basismodellen erzeugten Vorhersageausgaben auf den Trainingsdaten verkettet wurden. Diese verketteten Vorhersagen bildeten die 16-dimensionalen Meta-Feature-Vektoren, die für das Metamodelltraining verwendet werden. Informationslecks wurden durch eine strikte Trennung der Trainings- und Testdatensätze verhindert, und während des Basismodell- oder Metamodelltrainings wurden keine Testproben verwendet. Die gleichen Trainings- und Validierungsdatensätze wie für die Basismodelle wurden während des Stapelungsprozesses verwendet. Während sowohl des Trainings als auch der Inferenz wurde der 16-dimensionale Meta-Feature-Vektor konstruiert, indem die vier von MobileNetV2, InceptionV3, ResNet101 und VGG16 erzeugten Vorhersageausgaben konstruiert wurden. Da jedes Modell einen vierdimensionalen Ausgabevektor erzeugt, erzeugt die verkettete Darstellung eine 16-dimensionale Eingabe für den Meta-Learner. Diese Transformation kombiniert die Vorhersagen aller Basismodelle und dient als Input für die zweite Stufe des Frameworks. Die zweite Phase besteht darin, einen vollständig verbundenen neuronalen Netzwerk-Meta-Lerner zu konstruieren, um die optimale Kombination von Basismodellvorhersagen zu erlernen. Der Meta-Learner bestand aus vollständig verbundenen Schichten mit 512 und 256 Neuronen, ReLU-Aktivierung, Batch-Normalisierung, Abbruchraten von 0,4 und 0,3 sowie einer linearen Ausgabeschicht mit vier Neuronen. Dropout-Schichten mit Raten von 0,4 und 0,3 wurden nach den dichten Schichten aufgetragen, um Überanpassung zu reduzieren und die Generalisierung zu verbessern. Das Metamodell wurde mit dem Adam-Optimierer trainiert, mit einer Lernrate von 0,0001, einer Batchgröße von 32 und bis zu 15 Epochen mit frühzeitigem Stopp und einer Reduktion der adaptiven Lernrate. Validierungsdaten wurden verwendet, um die Modellleistung während des Trainings zu überwachen und das leistungsstärkste Modell auszuwählen. Nach dem Training erzeugte das Meta-Ensemble-Modell endgültige Vorhersagen, indem es Ausgaben aller Basislernenden kombinierte. MAE und R² wurden verwendet, um die Leistung von CARE-MIRV-Net zu bewerten. Für die Multioutput-Vorhersage wurden MAE und R² berechnet, indem die vorhergesagten und tatsächlichen Werte für jede Zielvariable verglichen und anschließend die Ergebnisse über alle Ausgaben gemittelt wurden. Die Ergebnisse wurden aus einem einzigen experimentellen Lauf mit einem festen Zufallsseed gewonnen. Das vorgeschlagene Rahmenwerk verbessert die Prädiktionsfähigkeit, indem es mehrere DL-Strukturen durch einen Stapelmechanismus kombiniert und interpretierbare Analysen von Wohngrundrissen ermöglicht. Dadurch ist CARE-MIRV-Net im Kontext von geriatrie- und gesundheitsorientiertem Wohndesign anwendbar. Der Quellcode, die Umgebungskonfigurationsinformationen, die Softwareabhängigkeitsspezifikationen und die Implementierungsdokumentation sind in Supplementary File 1 bereitgestellt.

Leistungsbewertung

Die Leistungsanalyse des vorgeschlagenen Frameworks wird durchgeführt, um seine Prädiktionskraft, Robustheit und Verallgemeinerungsleistung über verschiedene architektonische Eigenschaften hinweg zu bestimmen. Quantitative und qualitative Analysen werden durchgeführt, um die Nützlichkeit des vorgeschlagenen Modells zu bestätigen. Das Bewertungsverfahren umfasst sowohl Standard-Regressionsmessungen als auch kontrollierte experimentelle Umgebungen, um einen fairen Vergleich mit den Basismodellen zu ermöglichen. Die Experimente wurden mit einem einzigen Versuch und einem festen Zufallsseed durchgeführt, um Reproduzierbarkeit und Konsistenz über alle Benchmark- und vorgeschlagenen Modelle hinweg sicherzustellen.

Leistungsparameter:

Zwei bekannte Regressionsmaße, MAE und R², werden verwendet, um die Leistung des vorgeschlagenen Rahmens zu bewerten. MAE misst die durchschnittliche Größe der Vorhersagefehler und liefert eine klare Anzeige für die Nähe zwischen vorhergesagten und tatsächlichen Werten. Umgekehrt wird der^R2-Wert verwendet, um den Anteil der Varianz in den vom Modell erklärten Zielvariablen zu beurteilen und seine Gesamtprädiktionskraft widerzuspiegeln. Eine Kombination dieser Kennzahlen liefert eine umfassende Bewertung der Genauigkeit und der Verallgemeinerungsleistung aller vorhergesagten architektonischen Merkmale. Für die Multioutput-Vorhersage wurden MAE und R² berechnet, indem die vorhergesagten und tatsächlichen Werte für jede Zielvariable verglichen und anschließend die Ergebnisse über alle Ausgaben gemittelt wurden.

Experimentelle Einrichtung:

Die Experimente wurden in einer Cloud-Computing-Umgebung mit Python (Version 3.12.12) durchgeführt. Das vorgeschlagene Protokoll wurde mit TensorFlow (Version 2.19.0), Keras (Version 3.13.2), NumPy (Version 2.4.6), Pandas (Version 2.3.3), Scikit-learn (Version 1.6.1), Matplotlib (Version 3.9) und SHAP (Version 0.51.0) implementiert. Die Informatikumgebung nutzte einen Intel Xeon-Prozessor, der mit 2,20 GHz arbeitete und etwa 31 GB Systemspeicher hatte. Die Experimente wurden auf einem Ubuntu 22.04 LTS-Betriebssystem mit NVIDIA Tesla T4 × 2 GPUs durchgeführt. Der Datensatz enthält 2.640 Wohnungsgrundrissbilder, die vorverarbeitet und in Trainings- und Testdatensätze unterteilt wurden. Der Datensatz wurde mit einem Verhältnis von 80:20 geteilt, was zu 2.112 Trainingsproben und 528 Testproben führte. MobileNetV2, InceptionV3, ResNet101 und VGG16 sind vier DL-Modelle, die mit einem Feinabstimmungsansatz und Transfer Learning trainiert wurden. Ein stapelbasiertes Meta-Ensemble-Modell, CARE-MIRV-Net, wurde dann entwickelt, um Vorhersagen dieser Basismodelle zu kombinieren. Jedes Modell wurde unter einheitlichen Bedingungen trainiert, darunter Bildgröße auf 224 × 224 Pixel, Datenerweiterung und frühes Stoppen zur Reduzierung von Overfitting. Datenaugmentation umfasste zufälliges Umblättern, Drehen, Zoomen und Verschieben. Eine Batchgröße von 32 und maximal 15 Trainingsepochen wurden verwendet, wobei frühzeitiges Stoppen auf Basis von Validierungsverlust und Reduktion der adaptiven Lernrate basierte. Die Endanalyse wurde an einem versteckten Testsatz durchgeführt, um eine unparteiische und zuverlässige Leistungseinschätzung zu liefern. Der versteckte Testsatz wurde während der initialen Datensatz-Partitionierung erstellt und blieb während des gesamten Modelltrainings und der Entwicklung vollständig isoliert, um eine unvoreingenommene Leistungsbewertung zu gewährleisten.

Datensatzbeschreibung:

Der Datensatz, der die Ergebnisse dieser Studie unterstützt, ist öffentlich auf der Kaggle-Plattform unter dem Titel "Floor Plan Images and Their Details" ^verfügbar28. Der Datensatz ist verfügbar unter: https://www.kaggle.com/datasets/adilmohammed/floor-plan-images-and-their-details (abgerufen am 16. April 2026). Die Daten bestehen aus 2.640 Wohngrundrissbildern und organisierten architektonischen Metadaten. Jede Probe ist ein eigenständiger Wohnplan, der eine große Auswahl an Wohngrundrissen mit unterschiedlichen Größen, Konfigurationen und räumlichen Anordnungen bietet. Die Datensatzgröße ist ausreichend für DL-basiertes Training und enthält eine Vielzahl architektonischer Muster. Der Datensatz besteht aus einem zweidimensionalen Grundriss und zugehörigen numerischen Merkmalen, die die strukturellen Eigenschaften des Wohnhauses beschreiben. Zu diesen Merkmalen gehören die Gesamtfläche, die Anzahl der Schlafzimmer, die Anzahl der Badezimmer und die Anzahl der Garagen. Außerdem enthält jeder Datensatz einen Bildpfad, der eine direkte Abbildung visueller Eingaben auf Labels ermöglicht. Zu den Variablen des Datensatzes gehören Grundrissbild, Bildpfad, Quadratmeterzahl, Anzahl der Schlafzimmer, Anzahl der Badezimmer und Anzahl der Garagen. Das Grundrissbild dient als Eingabefunktion, während die architektonischen Attribute als Vorhersageobjekte verwendet werden. Der Datensatz eignet sich daher für überwachtes Lernen, wobei Bilder als Eingabemerkmale und architektonische Attribute als Regressionsziele dienen.

Der Datensatz enthält eine große Vielfalt an Wohnanlagen, von kompakten Grundrissen mit weniger Räumen bis hin zu großen Mehrraum-Grundrissen. Diese Variabilität ermöglicht das Erlernen sinnvoller räumlicher Darstellungen, einschließlich Raumverteilung, Layoutdichte und struktureller Komplexität. Diese Vielfalt ist besonders wichtig für den vorgeschlagenen Rahmen, da er die Kategorisierung von Grundrissen in älterenfreundliche, gesundheitsbezogene und allgemeine Wohnanlagen unterstützt. Vor dem Modelltraining wird der Datensatz durch eine Abfolge von Vorverarbeitungsverfahren verarbeitet, um Konsistenz und Kompatibilität mit DL-Modellen sicherzustellen. Alle Bilder wurden vor dem Training auf 224 × 224 Pixel verkleinert und auf den Bereich [0, 1] normalisiert. Der Datensatz wird dann organisiert, indem Bildpfade mit den entsprechenden Metadaten abgeglichen werden, danach wird er in Trainings- und Testteilmengen unterteilt, um die Leistungsanalyse zu erleichtern. Der Datensatz wurde zufällig in Trainings- und Testsets mit einem 80:20-Split-Verhältnis unterteilt. Datensätze mit vollständigen Bild- und Metadateninformationen wurden in die Analyse einbezogen, während unvollständige oder ungültige Datensätze ausgeschlossen wurden. Ein fester zufälliger Seed wurde während der Datensatzpartitionierung verwendet, um die Reproduzierbarkeit sicherzustellen. Der Datensatz bietet eine detaillierte Grundlage für die KI-gesteuerte Analyse von Wohngrundrissen. Die Kombination aus 2.640 annotierten Bildern und vielfältigen architektonischen Merkmalen unterstützt Multioutput-Regressionsmodellierung und ermöglicht die Integration räumlicher Intelligenz mit gesundheitsorientierten Wohndesignentscheidungen.

Ergebnisse

Eine Reihe von Experimenten wurde durchgeführt, um das vorgeschlagene Framework mit vier DL-Modellen – MobileNetV2, InceptionV3, ResNet101 und VGG16 – zusammen mit dem vorgeschlagenen CARE-MIRV-Net Meta-Ensemble-Modell zu evaluieren.

Ergebnisse der Datensatzerfassung und -vorverarbeitung

Die Vorverarbeitungsphase wurde entwickelt, um die Rohbilder des Grundrisses und zugehörige Metadaten für Training und Bewertung mit DL-Modellen vorzubereiten. Der Datensatz wurde aus dem Kaggle-Repository bezogen und enthielt 2.640 Proben. Jede Probe bestand aus einem Grundriss und den entsprechenden architektonischen Merkmalen. Nur die relevanten Spalten, einschließlich Bildpfad, Quadratmeter, Schlafzimmer, Bäder und Garagen, wurden für weitere Analysen beibehalten, und unvollständige oder leere Datensätze wurden entfernt, um Datenkonsistenz und -qualität zu gewährleisten. Um das Modelltraining und die Bewertung zu erleichtern, wurde der Datensatz in Trainings- und Testteilmengen im Verhältnis 80:20 unterteilt, was zu 2.112 Trainingsproben und 528 Testproben führte. Ein fester zufälliger Seed wurde während der Datensatzpartitionierung verwendet, um die Reproduzierbarkeit sicherzustellen. Diese Aufteilung stellte sicher, dass die Modelle auf einem ausreichend großen Datensatz trainiert wurden, während ein unabhängiger Testsatz für die objektive Leistungsbewertung erhalten blieb. Die Bildpfade wurden standardisiert, indem jeder Datensatz seinem entsprechenden Ort im Datensatzverzeichnis zugeordnet wurde. Die vier architektonischen Merkmale (Quadratfuß, Schlafzimmer, Badezimmer und Garagen) dienten als Zielvariablen für die Multioutput-Regressionsaufgabe. Obwohl Schlafzimmer, Badezimmer und Garagen diskrete Variablen sind, wurden sie mit einem Multioutput-Regressionsrahmen modelliert, um die gleichzeitige Vorhersage aller architektonischen Attribute innerhalb einer einheitlichen Lernarchitektur zu ermöglichen. Dieser Ansatz ermöglicht es dem Modell, gemeinsame Beziehungen zwischen den Zielvariablen zu erfassen und Korrelationen zwischen kontinuierlichen und diskreten architektonischen Eigenschaften auszunutzen. Vorhergesagte Werte für diskrete Attribute wurden während der Nachbearbeitung in die nächstgelegene gültige ganze Zahl umgewandelt, bevor die Interpretation und die nachgelagerte Wohnraumklassifikation durchgeführt wurde.

Tabelle 1 zeigt die vom vorgeschlagenen Modell vorhergesagten architektonischen Merkmale und repräsentiert die wichtigsten räumlichen und funktionalen Eigenschaften von Wohngrundrissen. Eine explorative Datenanalyse wurde durchgeführt, um die Verteilung der Zielvariablen mithilfe von Histogrammen und zählbasierten Visualisierungen besser zu verstehen. Die Verteilung der Quadratmeterzahl ist kontinuierlich mit unterschiedlichen Dichten, während die Verteilung von Schlafzimmern, Bädern und Garagen die Häufigkeit unterschiedlicher Wohnkonfigurationen hervorhebt. Diese Verteilungen sind in Abbildung 2 dargestellt. Die Verteilung der Quadratmeterzahl ist in Abbildung 2A dargestellt, während die Verteilungen von Schlafzimmern, Bädern und Garagen in Abbildung 2B–2D dargestellt sind. Zusammen illustrieren diese Diagramme die Variabilität und Verteilung der Zielvariablen innerhalb des Datensatzes.

Funktionsname	Beschreibung
Quadratfuß	Gesamtbebauungsfläche der Wohneinheit
Betten	Anzahl der Schlafzimmer im Grundriss
Bäder	Anzahl der Badezimmer im Grundriss
Garagen	Anzahl der verfügbaren Garagenplätze

Tabelle 1: Architektonische Attribute, die als Vorhersageziele verwendet werden. Definitionen der architektonischen Attribute, die aus dem Wohngrundriss-Datensatz extrahiert und als Zielvariablen für das Modelltraining und die Bewertung verwendet werden. Zu den Merkmalen gehören die Gesamtfläche der Quadratmeter, die Anzahl der Schlafzimmer, die Anzahl der Badezimmer und die Anzahl der mit jedem Wohngrundriss verbundenen Garagenplätze.

Abbildung 2. Verteilung architektonischer Merkmale im Wohngrundriss-Datensatz. Histogramme, die die Verteilungen von (A) Quadratmetern, (B) Anzahl der Schlafzimmer, (C) Anzahl der Badezimmer und (D) Anzahl der Garagen im für die Modellentwicklung und -auswertung verwendeten Datensatz zeigen. Bitte klicken Sie hier, um eine größere Version dieser Abbildung anzusehen.

Die Bildvorverarbeitungsphase verwandelte alle Grundrissbilder in ein standardisiertes Format, das für DL-Modelle geeignet ist. Alle Bilder wurden geladen, in den RGB-Farbraum umgewandelt, auf 224 × 224 Pixel verkleinert und auf den Bereich [0, 1] normalisiert. Dieser Prozess gewährleistete konsistente Eingabedimensionen und verbesserte die Modellkonvergenz während des Trainings. Vorverarbeitete Bilder wurden zufällig ausgewählt und Etiketten überprüft, um die korrekte Vorverarbeitung und Etikettausrichtung zu bestätigen. Nach der Vorverarbeitung wurde jedes Bild in ein NumPy-Array umgewandelt und mit den entsprechenden Zielwerten kombiniert, um den Ein- und Ausgabedatensatz zu erstellen. Die resultierenden Datensätze bestätigten eine erfolgreiche Vorbereitung der Daten, wobei Trainingsbilder die Maße (2112, 224, 224, 3) und Testbilder mit den Maßen (528, 224, 224, 3) testeten. Die entsprechenden Beschriftungsmatrizen hatten die Maße (2112, 4) bzw. (528, 4). Die Zielvariablen wurden in Gleitkommawerte umgewandelt, um regressionsbasiertes Lernen zu unterstützen.

Um die Modellverallgemeinerung weiter zu verbessern und Overfitting zu reduzieren, wurden Datenerweiterungstechniken mit einem Bilddatengenerator eingesetzt. Diese Techniken umfassten zufälliges horizontales Umdrehen, Drehen, Zoomen und Breiten-/Höhenverschiebung, um die Variabilität der Trainingsdaten zu erhöhen und die Modellverallgemeinerung zu verbessern. Diese Transformationen erhöhten die Variabilität innerhalb der Trainingsdaten und ermöglichten es den Modellen, robustere und unveränderliche räumliche Merkmale zu lernen. Die Preprocessing-Pipeline erzeugte saubere, standardisierte und gut strukturierte Bild- und tabellarische Daten und bot eine geeignete Grundlage für das Training des vorgeschlagenen Meta-Ensemble-Deep-Learning-Frameworks.

Ergebnisse der Basismodelle und des vorgeschlagenen Modells

Der vorverarbeitete Datensatz (2.640 Grundrissbilder) wurde verwendet, um alle Modelle mithilfe von Trainings- und Testsplits zu trainieren. Der Datensatz wurde mit einem Verhältnis von 80:20 geteilt, was zu 2.112 Trainingsproben und 528 Testproben führte. Ein fester zufälliger Seed wurde verwendet, um die Reproduzierbarkeit sicherzustellen. Vortrainierte Gewichte wurden für Transfer-Learning und Feinabstimmung verwendet, um die Modelle an den Bereich der architektonischen Grundrissanalyse anzupassen. Während des Trainings wurden Datenergänzungsmethoden eingesetzt, um die Verallgemeinerung zu verbessern, und Early Stopping wurde eingesetzt, um Overfitting durch Überwachung der Validierungsleistung zu reduzieren. Die Modelle wurden mit einer Chargengröße von 32 für bis zu 15 Epochen trainiert, wobei frühzeitiges Stoppen angewendet wurde, um Überanpassungen zu verhindern und eine effiziente Konvergenz zu fördern. Frühes Stoppen überwachte den Validierungsverlust und beendete das Training, wenn keine weiteren Verbesserungen festgestellt wurden, während eine Reduktion der adaptiven Lernrate zur Verbesserung der Konvergenz angewandt wurde. Sowohl Verlust als auch MAE wurden verwendet, um den Trainingsprozess zu überwachen und das Konvergenzverhalten sowie die Stabilität zu bewerten. Alle Modelle wurden unter denselben experimentellen Bedingungen trainiert, um einen fairen Vergleich zu gewährleisten. Die Abbildungen 3–7 zeigen die Trainings- und Validierungsverlust- sowie MAE-Kurven für alle Modelle und geben Einblicke in deren Lerndynamik und Verallgemeinerungsverhalten.

Abbildung 3. Trainingsleistung von MobileNetV2. (A) Trainings- und Validierungsverlust über Trainingsphasen hinweg. (B) Training und Validierung bedeuten absoluten Fehler (MAE) über Trainingsphasen hinweg. Bitte klicken Sie hier, um eine größere Version dieser Abbildung anzusehen.

Abbildung 4. Trainingsleistung von InceptionV3. (A) Trainings- und Validierungsverlust über Trainingsphasen hinweg. (B) Training und Validierung bedeuten absoluten Fehler (MAE) über Trainingsphasen hinweg. Bitte klicken Sie hier, um eine größere Version dieser Abbildung anzusehen.

Abbildung 5. Trainingsleistung von ResNet101. (A) Trainings- und Validierungsverlust über Trainingsphasen hinweg. (B) Training und Validierung bedeuten absoluten Fehler (MAE) über Trainingsphasen hinweg. Bitte klicken Sie hier, um eine größere Version dieser Abbildung anzusehen.

Abbildung 6. Trainingsleistung von VGG16. (A) Trainings- und Validierungsverlust über Trainingsphasen hinweg. (B) Training und Validierung bedeuten absoluten Fehler (MAE) über Trainingsphasen hinweg. Bitte klicken Sie hier, um eine größere Version dieser Abbildung anzusehen.

Abbildung 7. Trainingsleistung von CARE-MIRV-Net. (A) Trainings- und Validierungsverlust über Trainingsphasen hinweg. (B) Training und Validierung bedeuten absoluten Fehler (MAE) über Trainingsphasen hinweg. Bitte klicken Sie hier, um eine größere Version dieser Abbildung anzusehen.

Die Trainingsleistung von MobileNetV2 ist in Abbildung 3 dargestellt. Die Trainings- und Validierungsverlustkurven sind in Abbildung 3A dargestellt, während die Trainings- und Validierungs-MAE-Kurven in Abbildung 3B dargestellt sind. Trainingsverlust und MAE nahmen mit zunehmenden Epochen allmählich ab, was auf stabiles Lernverhalten hindeutet. Die Validierungskurven zeigten größere Variationen und blieben relativ höher als die Trainingskurven, was auf eine verminderte Generalisierungsleistung hindeutet. Dieser Trend entspricht den quantitativen Ergebnissen, bei denen MobileNetV2 eine vergleichsweise geringere Prädiktionsleistung zeigte, insbesondere bei der Quadratmetervorhersage. Die Trainingsleistung von InceptionV3 ist in Abbildung 4 dargestellt. Die Trainings- und Validierungsverlustkurven sind in Abbildung 4A dargestellt, während die Trainings- und Validierungs-MAE-Kurven in Abbildung 4B dargestellt sind. Das Modell zeigte eine stetige Reduktion sowohl bei Trainings- als auch bei Validierungsverlust sowie bei MAE, mit nur geringem Unterschied zwischen den Kurven. Dieses Verhalten deutet auf effektives Lernen und eine relativ gute Verallgemeinerung hin. Die stabilen Validierungskurven zeigen, dass das Modell räumliche Merkmale im Mehrmaßstab effektiv erfasst hat, was zu einer verbesserten Leistung im Vergleich zu MobileNetV2 beiträgt. Das Trainingsverhalten von ResNet101 ist in Abbildung 5 dargestellt. Die Trainings- und Validierungsverlustkurven sind in Abbildung 5A dargestellt, während die Trainings- und Validierungs-MAE-Kurven in Abbildung 5B dargestellt sind. Das Modell zeigte einen allmählichen Rückgang von Trainingsverlust und MAE, während die Validierungskurven einen ähnlichen Trend mit geringfügigen Schwankungen verfolgten. Obwohl einige Oszillationen beobachtet wurden, blieb die Gesamtkonvergenz stabil. Diese Beobachtungen stimmen mit der Fähigkeit des Modells überein, hierarchische räumliche Repräsentationen durch residuales Lernen zu lernen. Die Trainingsleistung von VGG16 ist in Abbildung 6 dargestellt. Die Trainings- und Validierungsverlustkurven sind in Abbildung 6A dargestellt, während die Trainings- und Validierungs-MAE-Kurven in Abbildung 6B dargestellt sind.

Die Trainingskurven von VGG16 zeigten während des gesamten Trainings einen kontinuierlichen Rückgang, was auf effektives Lernen hinweist. Die Validierungskurven zeigten Schwingungen und eine leichte Trennung von den Trainingskurven, was auf eine leichte Überanpassung hindeutet. Dennoch blieb das Modell wettbewerbsfähig, insbesondere bei der Quadratmeter- und Garagenvorhersage, was darauf hindeutet, dass seine erlernten Merkmalsrepräsentationen weiterhin effektiv und stabil blieben.

Die Trainingsleistung von CARE-MIRV-Net ist in Abbildung 7 dargestellt. Die Trainings- und Validierungsverlustkurven sind in Abbildung 7A dargestellt, während die Trainings- und Validierungs-MAE-Kurven in Abbildung 7B dargestellt sind. Die Trainings- und Validierungsverlust- sowie die MAE-Kurven nahmen gleichmäßig und konstant ab, mit nur einem kleinen Unterschied zwischen ihnen. Dieses Verhalten weist auf starke Konvergenz und gute Verallgemeinerung hin. Im Vergleich zu den einzelnen Modellen führte das Meta-Ensemble-Framework zu stabileren Lernverhalten und reduzierter Variabilität. Insgesamt deutet der Vergleich der Trainingskurven darauf hin, dass die einzelnen Modelle zwar unterschiedliche Konvergenz- und Generalisierungsmerkmale zeigten, CARE-MIRV-Net jedoch das konsistenteste Trainingsverhalten unter den bewerteten Modellen zeigte.

Ein detaillierter Vergleich der prädiktiven Leistung von MobileNetV2, InceptionV3, ResNet101, VGG16 und des vorgeschlagenen CARE-MIRV-Net-Modells ist in Tabelle 2 bereitgestellt. Die Leistung wurde mit MAE und R² über vier Zielvariablen bewertet: Quadratmeter, Anzahl der Schlafzimmer, Anzahl der Badezimmer und Anzahl der Garagen. Diese Kennzahlen liefern ergänzende Maße für die Vorhersagegenauigkeit und die erklärende Leistung.

Modell	Quadratfuß		Betten		Bäder		Garagen
	MAE	R²	MAE	R²	MAE	R²	MAE	R²
MobileNetV2	881.653	0.1327	0.6873	0.3154	0.6552	0.3457	0.3977	0.1133
InceptionV3	464.64	0.6615	0.4353	0.6708	0.3627	0.7459	0.23	0.6351
ResNet101	611.919	0.5872	0.4287	0.6546	0.3838	0.725	0.2298	0.6489
VGG16	504.435	0.7256	0.698	0.3355	0.4995	0.6436	0.197	0.6757
CARE-MIRV-Net (vorgeschlagen)	432.488	0.7053	0.4343	0.6837	0.3689	0.7605	0.1697	0.6958

Tabelle 2: Leistungsvergleich der Baseline-Modelle und CARE-MIRV-Net. Vergleich der Vorhersageleistung für MobileNetV2, InceptionV3, ResNet101, VGG16 und das vorgeschlagene CARE-MIRV-Net-Modell anhand von vier architektonischen Merkmalen: Quadratmeter, Anzahl der Schlafzimmer, Anzahl der Badezimmer und Anzahl der Garagen. Die Leistung wird anhand des mittleren absoluten Fehlers (MAE) und des Bestimmungskoeffizienten (R²) angegeben. Niedrigere MAE-Werte bedeuten einen geringeren Vorhersagefehler, während höhere^R2-Werte eine stärkere Übereinstimmung zwischen vorhergesagten und tatsächlichen Werten anzeigen.

Die einzelnen Modelle zeigten unterschiedliche Leistungsniveaus über die Zielvariablen hinweg. MobileNetV2 zeigte insgesamt die niedrigste Leistung, insbesondere bei der Quadratmeterprognose, mit einem MAE von 881,6530 und^einem R2-Wert von 0,1327. Die Leistung von Badezimmern und Garagen war ebenfalls vergleichsweise geringer, was auf Einschränkungen bei der Erfassung komplexer räumlicher Beziehungen hinweist, wenn sie als eigenständiges Modell verwendet werden.

InceptionV3 zeigte eine starke Leistung über die meisten Zielvariablen, insbesondere Badezimmer und Schlafzimmer,^mit R2-Werten von 0,7459 bzw. 0,6708. Diese Ergebnisse deuten auf eine effektive Erfassung multiskaliger räumlicher Eigenschaften hin. ResNet101 zeigte zudem eine wettbewerbsfähige Leistung durch seine tiefe Residualarchitektur, die das Erlernen hierarchischer räumlicher Darstellungen erleichterte. Seine Leistung blieb jedoch bei einigen Variablen, einschließlich der Quadratmetervorhersage, etwas niedriger als die von InceptionV3. VGG16 bot eine relativ ausgewogene Leistung über alle Zielvariablen hinweg und erreichte den höchsten R2-Wert (0,7256) unter den einzelnen Modellen.

Das vorgeschlagene CARE-MIRV-Net-Framework übertraf die einzelnen Modelle in den meisten bewerteten Aufgaben. CARE-MIRV-Net erreichte die niedrigste MAE-Fläche (432,488) und behielt dabei einen^R2-Wert von 0,7053. Für die Schlafzimmervorhersage erreichte das Modell einen^R2-Wert von 0,6837. Für die Badezimmervorhersage erreichte CARE-MIRV-Net den höchsten^R2-Wert (0,7605) unter allen bewerteten Modellen. Ähnlich erreichte das Modell für die Garagenvorhersage den niedrigsten MAE (0,1697) und den höchsten R2-Wert (0,6958). Diese Ergebnisse zeigen, dass das Meta-Ensemble-Framework die komplementären Stärken der einzelnen Architekturen effektiv vereinte. Die Ergebnisse deuten zudem darauf hin, dass die Integration von Vorhersagen aus mehreren Modellen modellspezifische Einschränkungen reduzierte und die Gesamtprädiktionsleistung verbesserte. Die Ergebnisse zeigen, dass CARE-MIRV-Net eine ausgewogene prädiktive Leistung über alle bewerteten Zielvariablen hinweg lieferte. Die in dieser Studie präsentierte gesundheitsorientierte Wohnbewertung sollte als anwendungsorientierte Kategorisierung interpretiert werden, die sich aus dem regelbasierten Entscheidungsrahmen und verfügbaren Floorplan-Attributen ableitet, und nicht als klinisch validierte Gesundheitsbewertung.

Um die prädiktive Leistung weiter zu bewerten, wurde für alle Zielvariablen, einschließlich Quadratmeter, Schlafzimmer, Badezimmer und Garagen, eine Residualfehleranalyse durchgeführt. Residualdiagramme geben Einblicke in Vorhersagefehlerverteilungen, indem sie die Unterschiede zwischen vorhergesagten und beobachteten Werten zeigen. Idealerweise sollten Residuen zufällig um Null verteilt sein, was auf begrenzte systematische Verzerrung und eine gute Verallgemeinerung hinweist.

Abbildung 8 zeigt das Residualdiagramm zur Quadratmetervorhersage. Die meisten Residuen waren um Null gruppiert, was auf relativ genaue Vorhersagen für die Mehrheit der Proben hindeutet. Allerdings wurden größere Streuung und mehrere Ausreißer bei größeren vorhergesagten Quadratmeterwerten beobachtet. Diese Beobachtungen deuten darauf hin, dass die Vorhersagevariabilität bei größeren Wohnanlagen zugenommen hat.

Abbildung 8. Residualanalyse zur Quadratmetervorhersage. Streudiagramm zeigt Restfehler als Funktion der vorhergesagten Quadratmeterwerte. Die horizontale Linie zeigt keinen Restfehler an. Bitte klicken Sie hier, um eine größere Version dieser Abbildung anzusehen.

Die Verteilung der Residuen zur Schlafzimmervorhersage ist in Abbildung 9 dargestellt. Die Residuen waren im Allgemeinen um Null zentriert, wobei das diagonale Muster die diskrete Natur der Schlafzimmervariablen widerspiegelte. Der relativ enge Restbereich weist auf eine konsistente prädiktive Leistung hin, ohne offensichtliche systematische Verzweigung. Abbildung 10 zeigt die Restplot zur Badezimmervorhersage. Die Residuen blieben um Null konzentriert, zeigten jedoch eine etwas größere Dispersion als bei der Schlafzimmervorhersage beobachteten. Das sichtbare Bandingmuster entspricht der diskreten Natur der Zielvariablen. Mehrere Ausreißer waren ebenfalls bei höher vorhergesagten Werten vorhanden.

Abbildung 9. Residuenanalyse zur Schlafzimmervorhersage. Streudiagramm zeigt Restfehler als Funktion der vorhergesagten Schlafzimmerwerte. Die horizontale Linie zeigt keinen Restfehler an. Bitte klicken Sie hier, um eine größere Version dieser Abbildung anzusehen.

Abbildung 10. Residuenanalyse zur Badezimmervorhersage. Streudiagramm zeigt Restfehler als Funktion der vorhergesagten Badezimmerwerte. Die horizontale Linie zeigt keinen Restfehler an. Bitte klicken Sie hier, um eine größere Version dieser Abbildung anzusehen.

Die Restanalyse zur Garagenvorhersage ist in Abbildung 11 dargestellt. Die Restwerte blieben um Null konzentriert und zeigten relativ geringe Varianz im Vergleich zu den anderen Zielvariablen. Der diskrete und begrenzte Bereich der Garagenwerte erzeugte deutliche lineare Muster innerhalb der Handlung. Die enge Restverteilung deutet auf eine relativ konsistente Prädiktionsleistung für diese Variable hin.

Abbildung 11. Residuenanalyse zur Garagenvorhersage. Streudiagramm zeigt Restfehler als Funktion der vorhergesagten Garagenwerte. Die horizontale Linie zeigt keinen Restfehler an. Bitte klicken Sie hier, um eine größere Version dieser Abbildung anzusehen.

Insgesamt zeigen die residuellen Analysen, dass CARE-MIRV-Net Vorhersagen erzeugte, die sich im Allgemeinen um Null über alle Zielvariablen konzentrierten. Obwohl einige Variabilitäten und Ausreißer beobachtet wurden, insbesondere bei der Quadratmetervorhersage, unterstützen die Gesamtrestverteilungen die Konsistenz der prädiktiven Leistung des Modells über den bewerteten Datensatz hinweg.

Ergebnisse der erklärbaren KI-Analyse mit SHAP

Um die Interpretierbarkeit des vorgeschlagenen CARE-MIRV-Net-Frameworks zu verbessern, wurde ein erklärbarer KI-Ansatz mit SHAP integriert. SHAP ist eine spieltheoretische Methode, die Modellvorhersagen erklärt, indem Merkmals-Wichtigkeitswerte basierend auf Shapley-Werten zugewiesen werden. Angewandt auf das vorgeschlagene Meta-Ensemble-Modell wurde SHAP verwendet, um den Beitrag jedes Basismodells zum Endergebnis des Meta-Lernenden zu untersuchen. Die Eingabe des Metamodells bestand aus verketteten Vorhersagen aus vier Basismodellen – InceptionV3, MobileNetV2, ResNet101 und VGG16 – was zu einem 16-dimensionalen Merkmalsraum führte. Jedes Merkmal repräsentierte ein vorhergesagtes architektonisches Merkmal (Quadratmeter, Schlafzimmer, Badezimmer oder Garagen), das von einem bestimmten Basismodell erzeugt wurde. Die Interpretation dieser Merkmale erfolgte durch Auswahl einer zufällig ausgewählten Teilmenge der Meta-Trainingsdaten als Hintergrundverteilung und einer kleineren Teilmenge von Testproben zur Erklärungsgenerierung zur Verbesserung der Recheneffizienz.

Single-Output-Versionen des Metamodells wurden erstellt, um Feature-Beiträge für jede Zielvariable unabhängig zu isolieren und zu analysieren. Der SHAP KernelExplainer wurde wie zuvor beschrieben und in Supplementary File 1 angewendet, um Feature-Beiträge zu schätzen und die Vorhersagen des vorgeschlagenen Frameworks zu interpretieren. Diese Werte wurden verwendet, um zu quantifizieren, inwieweit jede Basismodellvorhersage positiv oder negativ zum Endergebnis beitrug. Basierend auf der SHAP-Analyse stützte sich CARE-MIRV-Net nicht ausschließlich auf einen einzelnen Basislerner, sondern wies verschiedenen Modellen je nach Zielvariablen und Eingabemerkmalen unterschiedliche Bedeutungsstufen zu. Diese Beobachtungen deuten darauf hin, dass der stapelbasierte Ensemble-Ansatz komplementäre Informationen aus mehreren Basismodellen nutzte.

Die Abbildungen 12–15 zeigen SHAP-Zusammenfassungsdiagramme für die vier Zielvariablen: Quadratmeter, Schlafzimmer, Badezimmer und Garagen. Diese Diagramme geben Einblicke darin, wie das CARE-MIRV-Net Metamodell Vorhersagen der einzelnen Basislernenden verwendet hat. In jedem Diagramm stellt die horizontale Achse SHAP-Werte (Merkmalsbeiträge) dar, während die Farbskala die Merkmalsgröße von niedrig bis hoch angibt.

Abbildung 12. SHAP-Zusammenfassungsdiagramm zur Quadratmeterprognose. SHAP-Zusammenfassungsdiagramm, das den Beitrag von Basismodellvorhersagen zur Quadratmeterschätzung durch den CARE-MIRV-Net Meta-Learner zeigt. Merkmale werden nach Wichtigkeit gerankt. Die Punktfarbe gibt den Merkmalswert an, und die horizontale Position zeigt den Anteil des SHAP an der Vorhersage. SHAP, SHapley Additive Erklärungen. Bitte klicken Sie hier, um eine größere Version dieser Abbildung anzusehen.

Abbildung 13. SHAP-Zusammenfassung für die Schlafzimmerprognose. SHAP-Zusammenfassungsdiagramm zeigt den Beitrag von Basismodellvorhersagen zur Schlafzimmer-Schätzung durch den CARE-MIRV-Net Meta-Learner. Merkmale werden nach Wichtigkeit gerankt. Die Punktfarbe gibt den Merkmalswert an, und die horizontale Position zeigt den Anteil des SHAP an der Vorhersage. SHAP, SHapley Additive Erklärungen. Bitte klicken Sie hier, um eine größere Version dieser Abbildung anzusehen.

Abbildung 14. SHAP-Zusammenfassungsdiagramm für die Badezimmervorhersage. SHAP-Zusammenfassungsdiagramm, das den Beitrag von Basismodellvorhersagen zur Toilettenschätzung durch den CARE-MIRV-Net Meta-Learner zeigt. Merkmale werden nach Wichtigkeit gerankt. Die Punktfarbe gibt den Merkmalswert an, und die horizontale Position zeigt den Anteil des SHAP an der Vorhersage. SHAP, SHapley Additive Erklärungen. Bitte klicken Sie hier, um eine größere Version dieser Abbildung anzusehen.

Abbildung 15. SHAP-Zusammenfassungsdiagramm für die Garagenprognose. SHAP-Zusammenfassungsdiagramm zeigt den Beitrag von Basismodellvorhersagen zur Garagenschätzung durch den CARE-MIRV-Net Meta-Learner. Merkmale werden nach Wichtigkeit gerankt. Die Punktfarbe gibt den Merkmalswert an, und die horizontale Position zeigt den Anteil des SHAP an der Vorhersage. SHAP, SHapley Additive Erklärungen. Bitte klicken Sie hier, um eine größere Version dieser Abbildung anzusehen.

Abbildung 12 zeigt die SHAP-Zusammenfassung zur Quadratmeterprognose. Funktionen wie Mob_SF, Res_SF und Inc_SF zeigten vergleichsweise größere SHAP-Beiträge als andere Merkmale, was darauf hindeutet, dass Vorhersagen von MobileNetV2, ResNet101 und InceptionV3 wesentlich zur Quadratmeterschätzung beitrugen. Höhere Merkmalswerte (rot) waren im Allgemeinen mit einer erhöhten prognostizierten Quadratmeterzahl verbunden, während niedrigere Merkmalswerte (blau) mit geringeren Vorhersagen verbunden waren. Schlafzimmer- und badezimmerbezogene Merkmale zeigten vergleichsweise geringere Beiträge, was darauf hindeutet, dass die Quadratmetervorhersage hauptsächlich von flächenbezogenen Vorhersagen der Basismodelle beeinflusst wurde.

Abbildung 13 zeigt die SHAP-Analyse zur Schlafzimmervorhersage. Merkmale wie Res_Beds, VGG_Beds und Inc_Beds zeigten vergleichsweise höhere Beiträge als andere Merkmale, was darauf hindeutet, dass Vorhersagen aus ResNet101, VGG16 und InceptionV3 maßgeblich an der endgültigen Schlafzimmer-Vorhersage teilnahmen. SHAP-Werte waren um Null verteilt, was darauf hindeutet, dass das Metamodell Informationen aus mehreren Quellen integrierte, anstatt sich auf einen einzigen dominanten Prädiktor zu verlassen. Merkmale in Bezug auf Garagen und Quadratmeter zeigten vergleichsweise geringere Beiträge.

Abbildung 14 zeigt die SHAP-Zusammenfassung zur Badezimmervorhersage. Merkmale wie VGG_Baths, Inc_Baths und Mob_Baths zeigten vergleichsweise hohe Beiträge, was darauf hindeutet, dass Vorhersagen aus VGG16, InceptionV3 und MobileNetV2 wesentlich zur Toilettenschätzung beitrugen. Die Verteilung der SHAP-Werte legt nahe, dass erhöhte Vorhersagen aus diesen Basismodellen mit einem größeren Einfluss auf die endgültige Vorhersage verbunden waren. Die Beiträge schienen breiter über Modelle verteilt zu sein als bei einigen anderen Zielvariablen.

Abbildung 15 zeigt die SHAP-Analyse zur Garagenvorhersage. Merkmale wie Mob_Garages, Inc_Garages und VGG_Garages zeigten relativ starke Beiträge zur endgültigen Vorhersage. Das Diagramm zeigt, dass garagenbezogene Vorhersagen aus mehreren Basismodellen zum Endergebnis beitrugen, mit einer deutlichen Trennung zwischen Beiträgen zu niedrigeren und höherwertigen Merkmalen. Die größere Verbreitung der SHAP-Werte deutet auf eine erhöhte Empfindlichkeit des Metamodells gegenüber garagenbezogenen Vorhersagemerkmalen hin.

Insgesamt zeigte die SHAP-Analyse, dass das vorgeschlagene CARE-MIRV-Net-Framework Beiträge mehrerer Basislernender bei der Erstellung der endgültigen Vorhersagen integrierte. Die Ergebnisse bieten einen interpretierbaren Überblick über den relativen Einfluss einzelner Modellvorhersagen über die vier architektonischen Zielvariablen hinweg und unterstützen das Verständnis des Entscheidungsprozesses im Meta-Ensemble.

Ergebnisse der Wohnraum-Klassifikation

Repräsentative Beispiele für die Klassifizierung des Wohnraumplans sind in den Abbildungen 16–18 dargestellt. Diese Beispiele veranschaulichen die Anwendung der regelbasierten Entscheidungsschicht auf die vom CARE-MIRV-Net-Framework vorhergesagten architektonischen Attribute. Abbildung 16 zeigt ein Beispiel, das als medizinisches Versorgungslayout klassifiziert ist, Abbildung 17 ein Beispiel als allgemeine Wohnanlage, und Abbildung 18 zeigt ein Beispiel als Altenpflege-Layout. Die Beispiele zeigen, wie vorhergesagte architektonische Attribute durch die im Abschnitt Protokoll beschriebenen vordefinierten Entscheidungsregeln in anwendungsbezogene Wohnkategorien übersetzt werden. Diese Beispiele sollten als anschauliche Ergebnisse des regelbasierten Klassifikationsrahmens interpretiert werden, der aus den vorhergesagten Floor-Plan-Attributen und vordefinierten Entscheidungskriterien abgeleitet ist, und nicht als unabhängig validierte klinische oder medizinische Klassifikationen.

Abbildung 16. Repräsentatives Beispiel, klassifiziert als Wohnanlage für medizinische Versorgung. Beispiel: Wohngrundrissbild, bewertet vom vorgeschlagenen Rahmen und basierend auf den vorhergesagten architektonischen Merkmalen und regelbasierten Klassifikationskriterien der Kategorie medizinische Versorgung zugeordnet. Bitte klicken Sie hier, um eine größere Version dieser Abbildung anzusehen.

Abbildung 17. Repräsentatives Beispiel, klassifiziert als allgemeiner Wohnraumplan. Beispielbild des Wohnhausgrundrisses, bewertet durch das vorgeschlagene Rahmenwerk und basierend auf den vorhergesagten architektonischen Merkmalen und regelbasierten Klassifikationskriterien der allgemeinen Wohnkategorie. Bitte klicken Sie hier, um eine größere Version dieser Abbildung anzusehen.

Abbildung 18. Repräsentatives Beispiel, das als Wohnanlage für ältere Menschen klassifiziert wird. Beispielbild des Wohnhausgrundriss, bewertet durch das vorgeschlagene Rahmenwerk und basierend auf den vorhergesagten architektonischen Merkmalen und regelbasierten Klassifikationskriterien der Kategorie Altenpflege. Bitte klicken Sie hier, um eine größere Version dieser Abbildung anzusehen.

Ein repräsentatives Beispiel in Abbildung 16 zeigt, dass das Modell eine Quadratfußfläche von 2233,16 Quadratmetern im Vergleich zum tatsächlichen Wert von 2268,00 vorhersagte, was auf einen relativ kleinen Vorhersagefehler hinweist. Ebenso lagen die vorhergesagten Werte für Schlafzimmer (3,23 vs. 3), Badezimmer (2,65 vs. 2) und Garagen (1,11 vs. 1) nahe an den entsprechenden Ground-Truth-Werten. Basierend auf diesen vorhergesagten Attributen kategorisierte die regelbasierte Entscheidungsschicht das Layout als medizinische Versorgung. Dieses Beispiel veranschaulicht, wie das Framework vorhergesagte architektonische Attribute anwendet, um anwendungsbezogene Wohnraumklassifikationen zu erstellen.

Ein zweites Beispiel in Abbildung 17 zeigt einen Grundriss, der als allgemeine Wohnnutzung klassifiziert ist. Die prognostizierte Quadratmeterzahl (1692,76) war niedriger als der tatsächliche Wert (1879,00), während die prognostizierten Anzahl von Schlafzimmern, Badezimmern und Garagen nahe an den entsprechenden Ground-Truth-Werten blieb. Basierend auf den vorhergesagten architektonischen Attributen ordnete die Entscheidungsschicht das Layout der allgemeinen Wohnkategorie zu. Dieses Beispiel zeigt die Anwendung des Klassifikationsrahmens auf eine mittelgroße Wohnanlage trotz geringfügiger Abweichungen in den individuellen Vorhersagen.

Abbildung 18 zeigt eine kompakte Wohnanlage mit einer tatsächlichen Quadratmeterzahl von 981,00 und einer prognostizierten Quadratfußfläche von 1076,17. Die vorhergesagten Werte für Schlafzimmer (1,99 vs. 2), Badezimmer (1,75 vs. 2) und Garagen (0,98 vs. 1) waren ebenfalls nahe an den entsprechenden Ground-Truth-Werten. Basierend auf diesen vorhergesagten Eigenschaften kategorisierte die Entscheidungsschicht das Layout als Altenpflege. Dieses Beispiel veranschaulicht die Anwendung der vordefinierten Klassifikationsregeln auf Layouts, die durch kleinere Bodenflächen und weniger Räume gekennzeichnet sind.

Insgesamt zeigen die repräsentativen Beispiele die Integration von architektonischer Attributvorhersage und regelbasierter Wohnraum-Kategorisierung im CARE-MIRV-Net-Framework. In den in den Abbildungen 16–18 gezeigten Beispielen stimmten die vorhergesagten architektonischen Attribute im Allgemeinen mit den entsprechenden Ground-Truth-Werten überein, was die Verwendung des vorgeschlagenen Rahmens für die automatisierte Analyse des Wohnraumplans und die Klassifikation auf Anwendungsebene unterstützte.

Datenverfügbarkeit:

Der in dieser Studie verwendete Datensatz ist öffentlich über das Kaggle-Repository²⁸ mit dem Titel "Floor Plan Images and Their Details" verfügbar und kann unter folgender https://www.kaggle.com/datasets/adilmohammed/floor-plan-images-and-their-details abgerufen werden. Alle in dieser Studie berichteten Analysen wurden mit Daten aus dieser öffentlich zugänglichen Quelle durchgeführt. Der Quellcode, die Implementierungsdokumentation und die Umgebungskonfigurationsinformationen, die zur Reproduktion der gemeldeten Ergebnisse erforderlich sind, werden in Supplementary File 1 bereitgestellt.

Ergänzende Akte 1. CARE-MIRV-Net Implementierungspaket. Diese Datei enthält den Quellcode, README-Dokumentation, Softwareabhängigkeitsspezifikationen, Umgebungsinformationen und Implementierungsskripte, die zur Reproduktion des CARE-MIRV-Net-Workflows erforderlich sind. Bitte klicken Sie hier, um diese Datei herunterzuladen.

Ergänzende Akte 2. Algorithmus zur CARE-MIRV-Net Wohnungsgrundrissanalyse. Diese Datei stellt Algorithmus 1 bereit, einschließlich der Datenvorverarbeitung, der Basismodellvorhersage, der Meta-Feature-Konkatenation, der Meta-Ensemble-Vorhersage, der Entscheidungsschichtklassifikation, der SHAP-basierten Erklärbarkeit und des Evaluationsmetrik-Workflows, die in der Studie verwendet werden. Bitte klicken Sie hier, um diese Datei herunterzuladen.

Diskussion

Diese Studie präsentiert CARE-MIRV-Net, ein stapelbasiertes Meta-Ensemble-DL-Framework zur automatisierten Analyse von Wohnraumplanbildern. Das Framework integriert vier komplementäre CNN-Architekturen – MobileNetV2, InceptionV3, ResNet101 und VGG16 –, um wichtige architektonische Eigenschaften wie Quadratmeterzahl, Anzahl der Schlafzimmer, Badezimmer und Garagen vorherzusagen. Diese Vorhersagen werden anschließend durch einen Meta-Learner kombiniert und innerhalb einer regelbasierten Entscheidungsschicht verwendet, um Wohnanlagen in Altenpflege, medizinische Versorgung oder allgemeine Wohnkategorien zu kategorisieren. Die Integration von prädiktiver Modellierung, Ensemble-Lernen und erklärbarer KI bietet einen einheitlichen Rahmen für die Analyse von Wohngrundrissen 3,7,17,20.

Die repräsentativen Ergebnisse zeigen, dass CARE-MIRV-Net eine verbesserte prädiktive Leistung im Vergleich zu den einzelnen Basismodellen über mehrere architektonische Attribute hinweg erzielte. Das Ensemble-Framework reduzierte im Allgemeinen Vorhersagefehler und verbesserte das R², was darauf hindeutet, dass die Kombination heterogener CNN-Architekturen die prädiktive Robustheit^12,20 verbessern kann. Darüber hinaus ermöglichte die Einbindung von SHAP die Interpretation der relativen Beiträge der einzelnen Basismodelle zu den endgültigen Vorhersagen, wodurch die Modelltransparenz ^11,17 erhöht wurde. Das Rahmenwerk kann daher einen nützlichen Ansatz für Studien bieten, die sowohl prädiktive Leistung als auch Modellinterpretierbarkeit erfordern.

Das vorgeschlagene Rahmenwerk könnte zur Weiterentwicklung von Forschung beitragen, die automatisierte architektonische Analysen, Bewertung des Wohnentwurfs und datengetriebene Entscheidungsunterstützungssysteme betreffen. Durch die Integration von Multioutput-Vorhersage mit der Kategorisierung auf Anwendungsebene geht das Framework über traditionelle Ansätze zur Grundrisserkennung oder Merkmalsextraktion hinaus. Die Methodik kann in Studien zu Wohnplanung, intelligenten Wohnumgebungen und räumlicher Grundrissbewertung 1,2,8,22 anwendbar sein. Es sollten jedoch mehrere Einschränkungen berücksichtigt werden. Erstens wurde das Framework mit einem einzigen öffentlich verfügbaren Datensatz entwickelt und evaluiert, und eine externe Validierung unabhängiger Datensätze wurde nicht durchgeführt. In der vorliegenden Studie wurde keine externe Validierung durchgeführt, und die Modellbewertung erfolgte mit dem vorgesehenen Testteilset, das aus dem öffentlich verfügbaren Datensatz abgeleitet wurde. Zweitens stammen die vom Rahmen generierten Wohnkategorien aus vordefinierten, regelbasierten Kriterien und nicht aus unabhängig validierten Gesundheitsdesign-Labels. Die vom Rahmen generierten Kategorien für Altenpflege, medizinische Versorgung und allgemeine Wohnheime stammen aus vordefinierten, regelbasierten Kriterien und sollten nicht als klinisch validierte Gesundheitsdesign-Bewertungen interpretiert werden. Drittens stützt sich das Rahmenwerk hauptsächlich auf architektonische Merkmale, die aus Grundrissbildern abgeleitet sind, und berücksichtigt keine gesundheitsspezifischen Designstandards, Barrierefreiheitskriterien oder nutzerzentrierten Ergebnismaße. Es wurden keine formalen Standards für Zugänglichkeit, Gesundheitsdesign oder Wohndesign verwendet, um die Klassifikationsregeln zu definieren. Stattdessen wurde das Kategorisierungsrahmen unter Verwendung der verfügbaren Grundrissattribute und anwendungsorientierter Entscheidungskriterien entwickelt. Zukünftige Arbeiten könnten externe Validierung unabhängiger Datensätze, die Einbindung formaler Barrierefreiheits- und Gesundheitsdesignstandards sowie die Bewertung zusätzlicher Design- und nutzerzentrierten Ergebnismaße umfassen, um die Anwendbarkeit und Generalisierbarkeit des Rahmens weiter zu verbessern.

Alternative Ansätze können ebenfalls verwendet werden, um dieselbe Hypothese zu untersuchen. Beispielsweise könnten transformatorbasierte Visionsmodelle, graphbasierte räumliche Darstellungen oder hybride DL-Architekturen eingesetzt werden, um räumliche Beziehungen innerhalb von Wohnanlagen zu erfassen 13,15,19. Ebenso können Klassifikationsrahmen, die auf von Experten markierten Datensätzen oder Gesundheitsdesignstandards basieren, alternative Methoden für die Bewertung des Wohnraumlayouts^bieten. ^8,22. Obwohl diese Methoden komplementäre Vorteile bieten können, demonstriert das vorgeschlagene CARE-MIRV-Net-Framework die Machbarkeit, mehrere CNN-Architekturen innerhalb eines stapelbasierten Ensemble-Frameworks für Multioutput-Vorhersage und Wohnraum-Kategorisierung zu kombinieren.

Zukünftige Arbeiten könnten sich darauf konzentrieren, das Rahmenwerk zu erweitern, um fortgeschrittenere räumliche Argumentation und eine breitere praxisnahe Anwendbarkeit zu unterstützen. Mögliche Richtungen umfassen die Integration graphbasierter Grundrissrepräsentationen zur Modellierung der Raumkonnektivität, die Bewertung von Vision-Transformer-(ViT)-basierten Architekturen zur Feature-Extraktion sowie die Entwicklung von Multiclass- oder Multilabel-Klassifikationsstrategien 13,15,18. Darüber hinaus könnten zukünftige Studien gesundheitsspezifische Designattribute, Barrierefreiheitsstandards und unabhängige Validierungsdatensätze einbeziehen, um die Anwendbarkeit des Rahmens in gesundheitsorientierten Wohnumgebungen weiter zu bewerten ^8,22. Das Framework kann auch für die Integration in Smart-City-Plattformen und Entscheidungsunterstützungssysteme für die Wohnplanung^angepasst werden^.

Materialien

Liste der in diesem Artikel verwendeten Materialien

Name	Unternehmen	Katalognummer	Kommentare
CARE-MIRV-Net-Implementierungspaket	Ergänzendes Datei 1	Version 1.0	N/A
Skripte zur Neugenerierung von Abbildungen und Tabellen	Ergänzendes Datei 1	Version 1.0	N/A
Grundrissbilder und ihr Detail-Datensatz	Kaggle	Öffentlicher Datensatz	N/A
GPU	NVIDIA Corporation	Tesla T4 × 2	N/A
Intel Xeon Prozessor	Intel Corporation	2,20 GHz	N/A
Keras	Keras Team	Version 3.13.2	N/A
Matplotlib	Matplotlib Development Team	Version 3.9	RRID:SCR_008624
NumPy	NumPy Entwickler	Version 2.4.6	RRID:SCR_008633
Betriebssystem	Linux	Ubuntu 22.04 LTS	N/A
Pandas	Pandas Development Team	Version 2.3.3	RRID:SCR_018214
Python	Python Software Foundation	Version 3.12.12	RRID:SCR_008394
Scikit-learn	Scikit-learn Entwickler	Version 1.6.1	RRID:SCR_002577
SHAP	SHAP Development Team	Version 0.51.0	N/A
Systemspeicher (RAM)	Cloud-Computing-Umgebung	31 GB	N/A
TensorFlow	Google	Version 2.19.0	RRID:SCR_016345
Konfigurationsdatei für das Trainingsumgebung	Ergänzendes Datei 1	Version 1.0	N/A