Index of /rozprawy2/11288

Pełen tekst

(1)Akademia Górniczo-Hutnicza im. Stanisława Staszica w Krakowie Wydział Geodezji Górniczej i Inżynierii Środowiska Katedra Geomatyki. Rozprawa doktorska PARAMETRY NASŁONECZNIENIA BUDYNKÓW JAKO ELEMENTY SKŁADOWE BAZY DANYCH CITYGML. mgr inż. Mateusz Ilba. Promotor: dr hab. inż. Piotr Cichociński, prof. n. AGH. Kraków, 2017.

(2) Składam serdeczne podziękowania Panu Profesorowi Piotrowi Cichocińskiemu za cierpliwość, wsparcie, pomoc oraz wskazywanie drogi do realizacji niniejszej pracy. Pragnę również podziękować Fundacji im. Anny Pasek za udzielone wsparcie w trakcie realizacji niniejszej pracy. 2.

(3) Pracę dedykuję moim najbliższym. 3.

(4) PARAMETRY NASŁONECZNIENIA BUDYNKÓW JAKO ELEMENTY SKŁADOWE BAZY DANYCH CITYGML Streszczenie W dysertacji została podjęta problematyka nasłonecznienia oraz usłonecznienia w powiązaniu z modelami miast zapisanymi w standardzie CityGML. Sformułowano tezy dotyczące możliwości zbudowania kompleksowego narzędzia do wykonywania analiz insolacji z wykorzystaniem danych zapisanych w standardzie CityGML, rozszerzenia tego standardu o atrybuty odnoszące się do nasłonecznienia oraz korzyści prowadzenia analizy w środowisku trójwymiarowym. W celu potwierdzenia tez autor pracy wykorzystał funkcjonalność otwartego oprogramowania do grafiki 3D o nazwie Blender. Za jego pomocą w języku programowania Python przedstawił szereg programów, rozwiązujących problemy stawiane w niniejszej rozprawie. Jednym z nich było wykorzystanie danych zapisanych w formacie CityGML do analiz nasłonecznienia, posiłkując się bazą danych obiektów CityGML prowadzoną w systemie PostgreSQL z rozszerzeniem PostGIS. Pozwoliło to na wczytanie oraz pracę z danymi. Za pomocą własnych autorskich algorytmów zautomatyzował analizę usłonecznienia oraz nasłonecznienia, wykorzystując do tego celu dostępne narzędzia renderingu. Za pomocą algorytmu śledzenia promieni oraz metody energetycznej opracował programy wyznaczające czas usłonecznienia w analizie dziennej, prognozowaną wartość nasłonecznienia dla dowolnego bezchmurnego dnia oraz wartość nasłonecznienia rocznego obliczoną z wykorzystaniem statystycznych danych klimatycznych. Przewagą proponowanego rozwiązania nad istniejącymi metodami i aplikacjami jest wykorzystanie do prowadzenia analiz pełnego środowiska 3D, wysoka dokładność w obliczaniu usłonecznienia oraz nowatorski model generowania odbić promieniowania słonecznego od różnych powierzchni, przy obliczaniu wartości nasłonecznienia. Nowatorskie jest również użycie CityGML, jako miejsca przechowywania wyników analizy. Autor opracował szereg atrybutów odnoszących się do insolacji, które mogą być przechowywane w bazie danych lub pliku CityGML. Po przeprowadzonych licznych testach można stwierdzić, że postawione tezy zostały udowodnione. Opracowane narzędzie pozwoliło na wykonanie analizy na modelach testowych, dzięki czemu możliwe było porównanie wyników z wartościami uzyskanymi w komercyjnych aplikacjach. Opracowane narzędzie może pozwolić na półautomatyczną analizę usłonecznienia otworów okiennych w celu egzekwowania przepisów prawnych dotyczących budowy i użytkowania budynków. Rozbudowanie danych CityGML o zaprezentowane atrybuty może w znaczny sposób zautomatyzować proces analiz wyboru najlepszych lokalizacji obiektów, służących do pozyskiwania czystej energii słonecznej, jak również może posłużyć do automatycznej weryfikacji założeń, związanych z zacienieniem budynków i związanych z nim ograniczeń w wykorzystaniu obiektów na określone cele. Możliwe są również dalsze prace nad ulepszaniem dokładności oraz wydajności rozwiązania a także uwzględnieniem większej liczby czynników wpływających na wynik analizy.. 4.

(5) INSOLATION PARAMETERS OF THE BUILDINGS AS COMPONENTS OF CITYGML DATABASE Abstract In the dissertation, the issue of insolation and sunshine in association with city models stored in CityGML standard was analysed. Theses on the possibility of creating a comprehensive tool were formulated. The tool will be used to analyse insolation using data saved in CityGML and extending the data standard with attributes related to insolation. A thesis on the usefulness of analysis performed in a 3D environment was also formulated. In order to confirm the theses, the author utilised the functionality of open-source 3D graphics software called Blender, whereby, a number of programs were presented in the Python programming language addressing the problems met in this study. The problem of using data saved in CityGML format for insolation analysis was resolved by using the PostgreSQL database with PostGIS extension with CityGML data. This made it possible to load and work with data. Using the author’s own authoritative algorithms, the analysis of insolation was automated using the available tools for rendering. By using a raytracing algorithm and energy method, insolation programs were developed to record daily sunshine time, predict insolation values for any one clear-sky day and also calculate annual insolation values using weather file. The advantage of the created solution over existing methods and applications is the use of a full 3D analysis environment, high accuracy obtained in the calculation of sunshine time, and an innovative model for generating reflected solar radiation from different surfaces. It is also innovative to use CityGML as a place to store analysis results. The author has developed a number of attributes related to insolation which can be stored in a database or CityGML file. After numerous tests, the theses have been proven. The developed tool allowed performing of thorough analysis on the test models. This has made it possible to compare the results with the values obtained in commercial applications. The developed tool can allow semi-automatic sunshine window analysis to enforce laws relating to the construction and use of buildings. Extending CityGML data with the presented attributes can significantly automate the process of selection of the best localized objects used to generate clean solar energy. It can also be used to automatically verify assumptions related to shading of buildings and related restrictions on the use of objects for specific purposes. Further work is also possible on improving the accuracy and efficiency of the solution, as well as taking into account additional factors influencing the results of the analysis.. 5.

(6) Spis treści 1.. WSTĘP........................................................................................................................................... 8. 2.. PROBLEMATYKA PRACY .............................................................................................................. 10 2.1. 2.2.. 3.. ANALIZA USŁONECZNIENIA I NASŁONECZNIENIA ........................................................................ 15 3.1. 3.2. 3.3. 3.4.. 4.. STANDARDY CAD..................................................................................................................... 29 VRML ORAZ X3D .................................................................................................................... 30 STANDARD CITYGML................................................................................................................ 30 BAZY DANYCH PRZESTRZENNYCH .................................................................................................. 37. ZAŁOŻENIA KOMPLEKSOWEGO ROZWIĄZANIA PROBLEMU ANALIZ NASŁONECZNIENIA............. 40 5.1. 5.2. 5.3.. 6.. ANALIZA USŁONECZNIENIA .......................................................................................................... 15 ANALIZA NASŁONECZNIENIA ........................................................................................................ 17 AKTUALNY STAN WIEDZY NA TEMAT ANALIZ SOLARNYCH NA TERENACH MIEJSKICH ..................................... 21 PRZEGLĄD DOSTĘPNYCH APLIKACJI ................................................................................................ 26. STANDARDY PRZECHOWYWANIA DANYCH 3D ............................................................................ 29 4.1. 4.2. 4.3. 4.4.. 5.. CEL ORAZ ZAKRES PRACY ............................................................................................................ 10 TEZY PRACY ............................................................................................................................ 13. ŹRÓDŁO DANYCH WEJŚCIOWYCH – BAZA DANYCH CITYGML ............................................................... 41 ŚRODOWISKO ANALIZ 3D – ALGORYTMY ROZCHODZENIA SIĘ WIRTUALNEGO ŚWIATŁA ................................ 43 ZAKRES ORAZ OGRANICZENIA PROPONOWANEGO ROZWIĄZANIA ........................................................... 45. METODOLOGIA ........................................................................................................................... 47 6.1. IMPORT DANYCH Z POSTGIS DO APLIKACJI BLENDER ......................................................................... 47 6.1.1. Struktura danych w Blenderze ..................................................................................... 47 6.1.2. Import geometrii ......................................................................................................... 50 6.2. ANALIZA USŁONECZNIENIA .......................................................................................................... 54 6.2.1. Tekstury i materiały..................................................................................................... 54 6.2.2. Mapowanie tekstur ..................................................................................................... 55 6.2.3. Rendering oraz zapis informacji o oświetleniu.............................................................. 57 6.2.4. Położenie wirtualnego Słońca ...................................................................................... 59 6.2.5. Algorytm usłonecznienia ............................................................................................. 60 6.3. ANALIZA NASŁONECZNIENIA ........................................................................................................ 63 6.3.1. Nasłonecznienie prognozowane .................................................................................. 63 6.3.2. Nasłonecznienie z wykorzystaniem danych klimatycznych............................................ 71 6.3.3. Analiza odbić od obiektów........................................................................................... 73 6.4. EKSPORT WYNIKU ..................................................................................................................... 76 6.4.1. Rodzaje wyników i ich zapis ......................................................................................... 77 6.4.2. Koncepcja rozszerzenia standardu CityGML ................................................................. 78 6.4.3. Realizacja zapisu radiacji słonecznej przez atrybuty ogólne .......................................... 82. 7.. UZYSKANE WYNIKI ...................................................................................................................... 86 7.1. 7.2.. 8.. ANALIZA ZACIENIENIA ................................................................................................................ 88 ANALIZA NASŁONECZNIENIA ........................................................................................................ 94. DYSKUSJA OTRZYMANYCH WYNIKÓW ...................................................................................... 103 8.1.. OCENA DZIAŁANIA ALGORYTMU USŁONECZNIENIA I INSOLACJI ............................................................ 103. 6.

(7) 8.2. 9.. INTEGRACJA NARZĘDZI ANALITYCZNYCH Z BAZAMI DANYCH ................................................................ 107. PODSUMOWANIE ..................................................................................................................... 113. LITERATURA ...................................................................................................................................... 116 SPIS RYSUNKÓW................................................................................................................................ 124 SPIS TABEL......................................................................................................................................... 128 SPIS ZAŁĄCZNIKÓW ........................................................................................................................... 129. 7.

(8) 1. Wstęp Słońce to najważniejsze źródło energii dające życie na Ziemi. Prawie wszystkie rodzaje energii odnawialnej koncentrują się na energii słonecznej. Oprócz oczywistego źródła samego światła słonecznego, inne postacie energii wynikają wprost ze skutków jego promieniowania. Woda krąży w przyrodzie dzięki temperaturze pochodzącej od promieni słonecznych, wiatry mogą wiać dzięki różnicom temperatury w różnych częściach planety. Nawet energia nieodnawialna, węgiel, ropa, gaz nie powstałyby bez udziału światła. Bez światła nie byłoby życia w formie, jaką obserwujemy. Dla ludzi, roślin i zwierząt światło jest niezastąpionym bogactwem życiodajnej energii. Dowodem tego jest bogactwo gatunków roślin i zwierząt żyjących na terenach, w których energii dociera najwięcej, obszarach równika Ziemi zasobnych w wodę. Rozwój człowieka spowodował, że zaczął się on łączyć w grupy społeczne, zaczął budować małe osady, następnie miasteczka, aż do ogromnych metropolii miejskich. Niestety tworzenie coraz wyższych i położonych blisko siebie budynków służących do stałego przebywania ludzi prowadzi do ograniczania dostępnej energii słonecznej pomiędzy nimi. Liczne badania uczonych potwierdzają, że drastyczne ograniczanie dostępu do światła słonecznego źle wpływa na zdrowie i funkcjonowanie ludzi i zwierząt [1]. Rozwój wielkich miast pogłębia problem niedoboru światła słonecznego. Dlatego w terenach miejskich ważne jest, aby móc wykorzystywać to źródło możliwie najefektywniej jak to jest możliwe, poprzez przemyślane projektowanie nowych obiektów architektonicznych. Architekci i planiści przy projektowaniu budynków przeznaczonych do stałego przebywania ludzi, już od wielu lat korzystają z wielu pomocniczych przyrządów do określania wielkości usłonecznienia budynków – czasu, w jakim światło słoneczne dociera bez przeszkód do określonego obszaru [2]. Początkowo przed erą rozwoju komputerów używano narzędzi zwanych linijkami słońca, służących do wyznaczania obszarów zacienionych [1]. Są to praktyczne urządzenia w formie przezroczystej kalki z naniesionymi liniami, które pozwalają w prosty sposób określić długość cieni w zależności od wybranego dnia, szerokości geograficznej miejsca analizy, oraz wysokości obiektu rzucającego cień. Niestety analiza z użyciem linijki słońca jest problematyczna, czasochłonna, oraz może prowadzić do wielu błędów. Nie pozwala ona również w sposób precyzyjny określić wartości zacienienia dla ścian obiektów. Wraz z rozwojem technologii komputerowej analizy zacienienia przeniesiono do wirtualnego świata.. Oprócz analiz usłonecznienia, zaczęły pojawiać się automatyczne. 8.

(9) algorytmy umiejące wyznaczać moc docierającego promieniowania słonecznego — nasłonecznienia. Wpływ usłonecznienia na stan zdrowia ludzi w Polsce zauważył Minister Infrastruktury i Rozwoju, który wydał stosowne rozporządzenie. Zostały w nim określone wymogi dotyczące nasłonecznienia budynków, oraz pomieszczeń z nimi związanych [3]. W §60 tego rozporządzenia określono przedziały czasowe, w jakich usłonecznienie jest wymagane dla miejsc przebywania małych dzieci i pomieszczeń mieszkalnych. Odnoszą się one głównie do usłonecznienia otworów okiennych w ścianach budynków. Dla żłobków, przedszkoli i szkół podstawowych określono minimalny czas usłonecznienia wynoszący 3 godziny w przedziale czasowym od 8: 00 do 16: 00 w dniu równonocy. W przypadku pokoi mieszkalnych długość ta wynosi 3 godziny, w przedziale czasowym od 7: 00 do 17: 00 w dniu równonocy, natomiast w przypadku mieszkań wielopokojowych, wymóg ten musi zostać spełniony przez minimum jeden pokój. W zabudowie śródmiejskiej dopuszcza się ograniczenie czasu usłonecznienia do 1,5 godziny, a w przypadku mieszkania jednopokojowego nie określa się wymaganego czasu usłonecznienia. Wymienione wyżej rozporządzenie oraz przegląd dostępnych rozwiązań, prowadzących do wyprowadzania wniosków i decyzji o tym, czy budynek i pomieszczenia wewnętrzne odpowiadają rozporządzeniu, skłoniły autora do podjęcia rozważań na temat usłonecznienia oraz nasłonecznienia budynków, znajdujących się w przestrzeni większych miast. Zasadniczym problemem stały się wiarygodność przeprowadzanych analiz, a w szczególności wiarygodność danych służących do przeprowadzania analizy, oraz sposób prezentacji i interpretacji wyniku.. 9.

(10) 2. Problematyka pracy 2.1.. Cel oraz zakres pracy. Jednym z głównych problemów podczas analizy usłonecznienia i nasłonecznienia jest wybór przestrzeni, w której odbywa się analiza. Początkowe rozważania naukowców dotyczące tematyki nasłonecznienia opierały się na założeniu dwuwymiarowości przestrzeni, w jakiej odbywała się analiza. Niestety w przypadku analiz na terenach zabudowanych, to informacja zawarta w trzecim wymiarze (wymiarze wysokościowym dotyczącym ścian oraz okien) jest najbardziej istotna. Aby uzyskać taką informację, wymagana jest trójwymiarowa przestrzeń analizy. Jest to jedno z głównych założeń, jakie zostały przyjęte przy opracowywaniu kompleksowego rozwiązania analizy nasłonecznienia. Niezbędny jest oczywiście czwarty niewidoczny wymiar, wymiar czasu. Różne typy analizy nasłonecznienia opierają się na rozciągłości w czasie. Nasłonecznienie lub usłonecznienie, jakie występuje w jednym wybranym momencie, ma zastosowanie bardzo rzadkie. Większą wartość ma analiza wykonywana przez pewien okres. W przypadku nasłonecznienia będzie to wartość podawana w watogodzinach (Wh) lub kilowatogodzinach (kWh), która niesie informację o ilości energii docierającej do obszaru w przeciągu jednej godziny. Natomiast w przypadku usłonecznienia, podstawową wartością będzie długość czasu, w jakim światło słoneczne dociera do analizowanego obiektu, podawana najczęściej w minutach lub godzinach. Aby analiza mogła zostać wykonana, potrzebne są dane, które umożliwiają modelowanie przestrzeni trójwymiarowej. Od ich jakości zależy efekt finalny analizy. Dane można podzielić na dwa rodzaje: opisujące obecnie istniejącą sytuację terenową oraz planowaną. W przypadku sytuacji planowanej architekt dysponuje projektem budowli, w dzisiejszych czasach posiada również model 3D wykonany w technice komputerowej. Problem pojawia się przy pozyskiwaniu danych opisujących otoczenie planowanej inwestycji. Kształt obrysów budynków oraz ich przybliżoną wysokość może uzyskać z udostępnianych danych o obiektach przestrzennych (w Polsce dane można pozyskać w Ośrodkach Dokumentacji Geodezyjnej i Kartograficznej). Natomiast nie są to dane trójwymiarowe, a jedynie dane dwuwymiarowe, które muszą zostać zamienione na postać trójwymiarową. Kolejnym problemem jest zdefiniowanie położenia okien budynków sąsiadujących z planowaną inwestycją, w celu przeprowadzenia symulacji wpływu projektowanej budowli na dostępność światła słonecznego zgodnego z rozporządzeniem [3]. Idealną sytuacją byłoby przechowywanie danych. 10.

(11) o zabudowaniach. w przestrzeni. trójwymiarowej. przez. instytucje. odpowiedzialne. za. zarządzanie miastem. W przypadku naszego kraju dużą nadzieją w dziedzinie dostępnych danych 3D jest projekt Głównego Urzędu Geodezji i Kartografii pod tytułem „Polska 3D+”, którego założenia opierają się na zbudowaniu i aktualizacji modeli budynków w przestrzeni trójwymiarowej. W raporcie podsumowującym konsultacje z osobami reprezentującymi organy administracji rządowej, instytuty badawcze oraz ośrodki naukowe wynika, że projekt zostanie wdrożony w ramach nowej perspektywy finansowej 2014–2020 (Programu Operacyjnego Polska Cyfrowa) [4]. W raporcie. można znaleźć informacje, o planowanym. zapisaniu modeli. budynków. w standardzie CityGML LOD2 (level of detail – poziom szczegółowości). Są już prowadzone prace nad tworzeniem modeli dla największych miast Polski. Kraje sąsiednie, inicjatywę tworzenia modeli 3D podjęły znacznie wcześniej. Na przykładzie publikacji dotyczącej zapotrzebowania energetycznego budynków można dojść do informacji, że już w roku 2003 powstały dane 3D reprezentujące budynki całego miasta Berlina [5]. Warto również wspomnieć o dyrektywie INSPIRE [6], która wyznacza standardy przechowywania danych o budynkach w przestrzeni dwuwymiarowej i trójwymiarowej. Specyfikacja opiera się na schemacie danych CityGML. Poszerza ona jedynie stronę semantyczną dodając wiele atrybutów opisowych i słowników. Skoro planowane jest wprowadzenie oraz wymiana danych w standardzie CityGML [7], kolejnym założeniem definiującym zakres rozpatrywanego problemu jest możliwość wykorzystania tego typu danych przez aplikację wykonującą analizę usłonecznienia i nasłonecznienia. Problem nasłonecznienia na obszarach miejskich jest bardziej złożony niż poza nim. Oprócz źródeł energii słonecznej, jakimi są słońce (energia bezpośrednia) oraz niebo (energia rozproszona), silne oddziaływanie ma energia pochodząca z odbić od budowli pokrytych materiałami różnego typu. Powstawanie przeszklonych wieżowców w różnych kształtach może przyczynić się do znacznych wahań energii nasłonecznienia na analizowanych obszarach. Znakomitym przykładem kumulacji energii jest budynek Walkie-Talkie w Londynie i nie do końca przewidziane skutki skupiania energii słonecznej przez wysoko refleksyjne pokrycie ścian budynku, skutkiem czego było stopienie plastikowych elementów samochodu zaparkowanego obok budynku, jak i niszczenie przez wysoką temperaturę sąsiadujących budynków [8]. Wszystkich. negatywnych. skutków. można. było. uniknąć,. przeprowadzając. analizę. nasłonecznienia jeszcze przed powstaniem wieżowca. Ostatnim, a zarazem. najważniejszym. problemem dotyczącym. szczególnie. analiz. usłonecznienia i nasłonecznienia jest wizualizacja i zapis otrzymanego wyniku. Wizualizacja 11.

(12) musi przedstawiać wykonaną analizę w sposób jak najbardziej czytelny. Użytkownik powinien mieć możliwość jednoznacznie odczytać wartość wynikową analizy oraz mieć dostęp do prezentacji wyniku w formie liczbowej. Jest to bardzo ważny aspekt dotyczący wykonywania analizy usłonecznienia, gdyż wykonawca musi z dużą dokładnością określić, czy zawarte w aktach prawnych warunki zostały spełnione, czy nie. Pomyłki w trakcie analizy mogą pociągać za sobą dodatkowe koszty odszkodowań, a nawet spowodować zablokowanie inwestycji [9]. Istotne jest jednoznaczne określenie wartości czasu trwania usłonecznienia na rozpatrywanym obiekcie, a najlepiej jego kategoryzację na obszary o spełnionym warunku według odpowiednich przepisów prawnych oraz na obszary, które go nie spełniają. Dobrą praktyką byłoby przechowywanie wyników w formie bazy danych, a następnie ich aktualizowanie przy wprowadzaniu nowych parametrów analizy. Baza danych pozwala również na gromadzenie kilku parametrów dotyczących obiektu jednocześnie. Przykładowo wynik usłonecznienia może być magazynowany dla kilku odrębnych okresów bądź przy kilku wariantach analizy. Przedstawione powyżej rozważania doprowadziły do sformułowania trzech celów dysertacji: •. naukowo – technologicznego,. •. praktycznego,. •. ekonomicznego.. Celem naukowo – technologicznym jest przedstawienie koncepcji kompleksowego rozwiązania analiz nasłonecznienia i usłonecznienia na terenach miejskich, poczynając od źródła danych wykorzystanych do analizy, algorytmów użytych do obliczania wartości insolacji, kończąc na możliwościach wizualizacji wyniku oraz jego prezentacji w formie liczbowej na obiektach poddawanych analizie. Celem. praktycznym. jest. implementacja. przedstawionej. koncepcji. środkami. informatycznymi w środowisku wybranego otwartego programu służącego do modelowania 3D — Blender, z wykorzystaniem języka programowania Python wraz z zastosowaniem baz danych prowadzonych w systemie PostgreSQL z rozszerzeniem PostGIS. Przedstawione w pracy zadania mają istotny i wymierny cel ekonomiczny, między innymi usprawnienie wykonywania analiz zacienienia okien pomieszczeń w mieszkaniach a także dokładne prognozowanie wartości energii słonecznej na płaszczyznach dachów i elewacji budynków.. 12.

(13) 2.2.. Tezy pracy. Podsumowując powyższe rozważania można stwierdzić, że głównymi założeniami rozwiązania problemu analiz usłonecznienia i nasłonecznienia w miastach są: użycie rozbudowanego środowiska 3D służącego do wczytywania, prezentacji i wizualizacji danych, ścisła współpraca narzędzia z jednolitym standardem wymiany danych o budynkach CityGML, oraz dokładna analiza w przestrzeni trójwymiarowej, umożliwiająca w szczególności określanie wpływu odbić promieniowania słonecznego na wynik analizy. Narzędzie musi również współpracować z bazą danych w celu łatwego zapisu wielu wyników analizy, oraz umożliwiać wymianę informacji w ogólnodostępnym standardzie. Baza danych powinna umożliwiać tworzenie raportów liczbowych podsumowujących analizę. W związku z powyższym autor stawia następujące tezy pracy: I.. Możliwe jest kompleksowe rozwiązanie problemu określenia nasłonecznienia i usłonecznienia na terenach miejskich poprzez zbudowanie narzędzia, które na podstawie. dostępnych. w zestandaryzowanej. danych. postaci). 3D. w sposób. o budynkach. (zapisanych. zautomatyzowany. przeprowadzi. niezbędne analizy, a następnie dokona wizualizacji uzyskanych wyników oraz zapisze je w sposób umożliwiający dalsze wykorzystanie. II.. Możliwe jest rozszerzenie modelu (danych) CityGML o elementy, których zadaniem. byłoby. przechowywanie. wyników. analiz. nasłonecznienia. i usłonecznienia obiektów. III.. Wykonywanie analiz w pełnym środowisku 3D i ich prezentacja na wszystkich elementach modelu niesie ze sobą znaczne korzyści w trakcie oceny wyników oraz ich wykorzystania do różnych celów.. Pierwsza teza bazuje na możliwości użycia do analizy danych CityGML. Jest to bardzo ważny aspekt, gdyż format ten został uznany przez cenioną organizację OGC (Open Geospatial Consortium) za otwarty standard wymiany danych opisujących modele miast 3D. Danych zapisanych w tym formacie będzie przybywać, więc narzędzie umożliwiające obsługę takich danych ma szansę na dalszy rozwój i perspektywę zwiększania swojej popularności. Druga teza polega na założeniu możliwości przekazania wyników do dalszej analizy, na przykład do osób zajmujących się analizami przestrzennymi. Wykorzystanie standardu CityGML daje duże możliwości w zakresie przekazywania atrybutów opisujących elementy danych 3D. Struktura zapisu danych bazująca na XML (Extensible Markup Language – Rozszerzalny Język Znaczników) umożliwia tworzenie atrybutów przypisanych do określonych obiektów. Dzięki temu możliwy jest łatwy odczyt atrybutów opisowych oraz ich analiza. 13.

(14) Trzecia teza dotyczy wykorzystania w analizie pełnego środowiska 3D. Nasłonecznienie lub usłonecznienie może zostać obliczone nie tylko na obiektach płaskich i skośnych (dachy budynków), ale również na elementach pionowych takich jak elewacje budynków. Nawiązując do wymogów dotyczących usłonecznienia otworów okiennych, jakie stawia rozporządzenie Ministra Infrastruktury i Rozwoju [3] możliwość zapisu wartości liczbowej usłonecznienia dla elementów okiennych, które są osobną klasą obiektów CityGML LOD3 oraz LOD4, pozwala na jednoznaczne rozwiązanie problemu spełniania zawartych w nim warunków czasu usłonecznienia. Eliminuje również problem właściwej interpretacji wyniku analizy, gdyż w atrybucie opisowym podany jest dokładny czas (o określonej dokładności), w jakim wybrany element wystawiony jest na działanie promieni słonecznych. Rozwiązuje to problem podważania wyników analizy przez osoby trzecie, a także sprawia, że wynik nie jest zależny od interpretacji osoby wykonującej analizę.. 14.

(15) 3. Analiza usłonecznienia i nasłonecznienia Jednymi z najpopularniejszych analiz związanych ze światłem pochodzącym od naszej najbliższej gwiazdy są analizy usłonecznienia i nasłonecznienia. Analiza usłonecznienia często jest nazywana analizą zacienienia, natomiast analiza nasłonecznienia przyjmuje nazwę insolacji. Terminy te będą zamiennie używane w dalszej części pracy.. 3.1.. Analiza usłonecznienia. Analiza usłonecznienia występuje wtedy, jeśli badane jest zjawisko zasłaniania bezpośrednich promieni słonecznych przez różnego typu przeszkody w danym okresie. Mogą to być bariery stworzone przez człowieka, między innymi wysokie budowle, lub przeszkody pochodzenia naturalnego, drzewa oraz formy terenu. Analizy tego typu najczęściej wykonuje się dla określonych przedziałów czasowych np. dziennych, miesięcznych lub rocznych. Wynik analizy przedstawia czas, w jakim bezpośrednie promienie słoneczne docierają do rozpatrywanego fragmentu przestrzeni. Dawniej do wykonania analizy służyły linijki słońca [1]. Dzisiaj wykorzystuje się wyłącznie obliczenia komputerowe oparte na geometrii analizowanych obiektów.. Rysunek 1. Ogólny schemat analizy usłonecznienia. Analiza trwa przez zakładany okres oraz przy założonych interwałach, w którym analizuje się zacienienie. Źródło: opracowanie własne. 15.

(16) Teoretycznie obliczenia dążące do oszacowania usłonecznienia nie są skomplikowane. Najbardziej złożoną operacją jest określenie, czy analizowany fragment modelu jest zacieniony przez inny obiekt w określonym interwale czasu. Jeśli nie jest, można mu przypisać wartość insolacji wyrażoną w czasie (minutach lub godzinach). Bardzo ważnym aspektem w czasie analiz jest prawidłowe określenie pozycji słońca w ściśle sprecyzowanym czasie. Pozycja ta niesie ze sobą informację, jak będą wyglądały cienie rzucane przez poszczególne obiekty. Dokładność analizy zależy od interwału czasowego, w jakim bada się położenie cieni. Im interwał jest mniejszy, tym precyzyjniejszy jest ruch zmieniających się cieni w czasie. Jeśli analiza usłonecznienia wykonywana jest w interwale czasu wynoszącym 1 minutę, należy przestudiować wszystkie minuty dnia od wschodu do zachodu słońca, za każdym razem sprawdzić, czy cień występuje na analizowanym obiekcie, oraz przypisać wartość interwału (określającą czas padania promieni słonecznych – 1 minutę), jeśli cień nie występuje. W przeciwnym przypadku przypisywana jest wartość 0. Każdy następny krok analizy powoduje sumowanie wartości z wcześniejszego momentu. Schemat przedstawia rysunek 1.. Rysunek 2. Wizualizacja przejścia dwóch wirtualnych promieni imitujących światło słoneczne. Promień A dociera do szarej powierzchni bez zasłaniania, natomiast promień B jest zasłaniany przez zielony sześcian generując cień. Źródło: opracowanie własne. Przykładowo, jeśli w pierwszej minucie po wschodzie słońca cień nie występuje na analizowanym obszarze, otrzyma on wartość 1, jeśli w drugiej minucie również cień nie wystąpi, dalej obszar uzyskuje wartość 1, ale z uwagi na wcześniejszy moment należy zsumować obie wartości, więc obszar otrzymuje wartość 2. W kolejnej minucie obszar dalej nie jest zacieniony, a więc zgodnie z obliczeniami otrzymuje wartość 1 +2 = 3. Przez 3 minuty na określony obszar oddziałuje bezpośrednie światło słoneczne. Analizę należy wykonywać aż do. 16.

(17) momentu. zachodu. słońca. za. horyzont.. Końcowa. wartość. prezentuje. informację. o usłonecznieniu obszaru w czasie analizowanego dnia. Istnieją różne sposoby określania, czy cień znajduje się w analizowanym obszarze. W przypadku metod tradycyjnych używana jest linijka słońca, która pomaga określić długość cieni w określonej godzinie i dniu. Metoda zdecydowanie wyszła już z użycia, z uwagi na pracochłonność, a jej miejsce zajęły techniki komputerowe, które za pomocą analiz matematycznych określają położenie cieni w wirtualnej przestrzeni 3D. Symulują one położenie źródła światła (sztucznego słońca) oraz analizują przebieg wirtualnych promieni w odniesieniu do zdefiniowanych przeszkód. W grafice komputerowej analizę nazwano ray tracing (śledzenie promieni) [10]. Rysunek 2 prezentuje sposób powstawania cieni podczas działania algorytmu ray tracing. Analiza zacienienia jest realizowana przez szereg autorskich algorytmów, które zostaną zaprezentowane w dalszej części pracy.. 3.2.. Analiza nasłonecznienia. Nasłonecznienie jest sumą natężenia światła słonecznego padającego na daną powierzchnię przez określony okres. Wyraża się ją w kilku popularnych jednostkach, określających energię możliwą do uzyskania z powierzchni jednego metra kwadratowego przez pewien okres (na przykład jedną godzinę). Najczęściej podawana jest w watogodzinach na metr kwadratowy (Wh/m²) oraz w kilowatogodzinach na metr kwadratowy (kWh/m²), rzadziej w megadżulach na metr kwadratowy (MJ/m²) oraz giga dżulach na metr kwadratowy (GJ/m²). W odróżnieniu od usłonecznienia do określenia nasłonecznienia potrzebne są bardziej skomplikowane obliczenia. Energia, która dociera ze Słońca do powierzchni Ziemi, poprzez atmosferę ulega znacznemu rozproszeniu. W próżni okołoziemskiej energia ta ma średnią wartość 1367 W/m2 i zmienia się w zależności od odległości Ziemi od Słońca, jak i cyklu aktywności plam słonecznych na jego tarczy [11]. W trakcie przechodzenia promieni przez atmosferę energia jest absorbowana częściowo przez nią i oddawana w postaci promieniowania rozproszonego, w dużym stopniu może też być ograniczana przez chmury. Docierając do powierzchni Ziemi, ulega również odbiciu. Aby oszacować docierającą do powierzchni Ziemi energię, należy znać szereg jej składowych, czyli energię bezpośrednią, rozproszoną oraz odbitą. Szkic przedstawiający podział energii słonecznej zaprezentowano na rysunku 3. Bardziej skomplikowane modele definiują poziom energii rozproszonej w zależności do położenia Słońca na sferze niebieskiej, gdyż promieniowanie nie jest jednolite z każdego kierunku na niebie [12]. 17.

(18) Obliczając analitycznie energię dla określonej powierzchni, należy znać jej współrzędne geograficzne, wysokość bezwzględną, na której znajduje się analizowana powierzchnia, a nawet przybliżony skład atmosfery. Do obliczania wartości nasłonecznienia stworzonych zostało wiele algorytmów, najpopularniejsze zawarte zostały w artykule podsumowującym, który dodatkowo określa ich dokładność [13]. Można zauważyć, że proste metody analityczne dają czasami lepsze wyniki od skomplikowanych wzorów oraz algorytmów bazujących na sieciach neuronowych. Jest to spowodowane tym, że w danym momencie nie da się określić składu atmosfery na tyle dokładnie, aby wynik obliczeń pokrywał się z wartościami mierzonymi.. Jeden. z najprostszych. i efektywnych. algorytmów. do. obliczania. mocy. nasłonecznienia bezpośredniego dla poziomej płaszczyzny opracował Hottel [14]. Natomiast wzór na obliczenie wartości promieniowania rozproszonego został wyprowadzony przez Liu & Jordana [15]. Są to stosunkowo proste wzory, które wymagają znajomości położenia analizowanej płaszczyzny, w celu oszacowania modelowego typu klimatu (głównie uproszczonej budowy atmosfery) oraz wysokości terenu nad poziomem morza.. Rysunek 3. Rozkład promieniowania słonecznego na trzy główne składowe, A – promieniowania bezpośredniego, B – promieniowania odbitego oraz C – promieniowania rozproszonego. Źródło: opracowanie własne. Przytoczone powyżej rozważania dotyczą tylko sytuacji, w której niebo jest bezchmurne. Oszacowanie nasłonecznienia w sytuacji, gdy na niebie pojawiają się chmury, jest obarczone dużym błędem, słońce w każdej chwili może zostać przysłonięte, czego wynikiem jest całkowite ograniczenie niosącego najwięcej energii promieniowania bezpośredniego. Z tego względu nie. 18.

(19) da się z dużą dokładnością oszacować insolacji dla dokładnego dnia. Dla analiz dziennych najprościej jest przyjąć założenie, że w dniu obliczania nasłonecznienia niebo będzie bezchmurne, co nie do końca może być zgodne ze stanem faktycznym. Jeśli chodzi o dłuższe okresy, jak na przykład miesiąc lub rok, dzięki danym statystycznym (dane klimatyczne) możliwe jest przeprowadzenie obliczeń, które w znacznym stopniu będą odpowiadać pomiarom.. Rysunek 4. Uproszczony schemat analizy nasłonecznienia dla jednego wybranego momentu w czasie dnia. Źródło: opracowanie własne. Dla obliczania nasłonecznienia w dłuższych okresach stosuje się dane klimatyczne. Są one zbierane przez wiele lat przez stacje pogodowe, jako dane obserwacyjne dla różnych lokalizacji. Dane opisują kierunki i siłę wiatru, temperaturę, zachmurzenie, opady oraz energię nasłonecznienia bezpośredniego i rozproszonego [16]. Wiele ośrodków opracowuje te dane, tworząc średnie wartości z dłuższych okresów, które w przybliżony sposób modelują stan faktyczny w danym okresie. Takie dane bardzo często używane są do obliczeń nasłonecznienia. Uwzględniają one wpływ zachmurzenia w ciągu roku, dzięki czemu oszacowana insolacja jest najbliżej tej, która będzie obserwowana w praktycznych pomiarach. W Polsce dane zostały opracowane przez Ministerstwo Infrastruktury i Budownictwa [17]. Zawierają one uśrednione dane standardowego roku meteorologicznego dla wybranych stacji meteorologicznych położonych w różnych częściach Polski (dane dla każdego dnia). Dla części stacji dane pochodzą z ciągłych 10-letnich pomiarów, jednak zdecydowana większość została opracowana na podstawie obserwacji ponad 30-letnich. Istnieją również źródła danych dla całego świata, w tym i Polski [18]. Udostępniane są one w ustandaryzowanych formatach EPW, DDY oraz STAT. 19.

(20) W czasie wykonywania analizy z wykorzystaniem danych klimatycznych wartości promieniowania bezpośredniego oraz rozproszonego pobierane są z pliku, nie są prognozowane. w sposób. obliczeniowy. [19].. Jedynymi. modyfikacjami. są:. korekta. promieniowania bezpośredniego ze względu na kąt padania promieni słonecznych oraz korekta dotycząca zacienienia obydwu składowych nasłonecznienia (Rysunek 4). Dzięki temu końcowy wynik jest najbliższy stanowi faktycznemu, jaki może zostać zaobserwowany w kolejnych latach. Zarówno nasłonecznienie teoretyczne, jak i to obliczane na podstawie danych meteorologicznych, dla płaszczyzny innej niż pozioma wymaga korekcji. Jedną z nich jest wykorzystanie zacienienia, które zostało omówione przy okazji usłonecznienia [20]. Promieniowanie bezpośrednie występuje tylko na niezacienionych powierzchniach, jeśli są zacienione, jest równe 0. Inaczej wygląda zacienienie promieniowania rozproszonego. Jego zacienianie jest stopniowe, zależnie głównie od tego, w ilu procentach widoczne jest niebo z danego obszaru [21]. Łatwo jest to zaobserwować między budynkami, im bliżej siebie są położone i są wyższe, tym mniej światła rozproszonego dociera do powierzchni między nimi. Natomiast przy długich tunelach, dochodzi do stopniowego całkowitego zacienienia ich wnętrza. Kolejną. korektą,. wymaganą. do. prawidłowego. oszacowania. promieniowania. bezpośredniego jest kąt padania promieni na analizowaną płaszczyznę [22]. Im jest on bardziej ostry, tym promieniowanie pozostaje rozłożone na większą powierzchnię i tym samym jest mniejsze.. Natomiast. prostopadłe. przecięcie. płaszczyzny. z promieniami. słonecznymi. teoretycznie pozwala płaszczyźnie przejąć 100% mocy promieniowania. Redukcję można wykonać za pomocą wzorów trygonometrycznych [22]. Problemem może stanowić obliczenie kąta przecięcia promieni słonecznych z płaszczyzną pochyloną w danym kierunku i pod pewnym kątem do poziomu. W takim przypadku musi być znane dokładne położenie słońca (azymut i wysokość nad horyzontem), aby możliwe było takie obliczenie. Najbardziej skomplikowany do oszacowania jest wpływ promieniowania odbitego na analizę nasłonecznienia. Zależne jest ono od wielu czynników. Jednym z nich jest albedo (poziom odbijania) powierzchni otaczających analizowany obiekt [22]. Duży stosunek ilości promieniowania odbitego do padającego, a tym samym duże albedo mają powierzchnie gładkie typu woda, szkło, beton. Każdy materiał ma inną wartość siły odbicia. Sprawę komplikuje fakt, że aby obliczyć dokładne wpływy odbić promieniowania słonecznego, należy analizować kąty nachylenia obiektów, od których odbijane jest promieniowanie. Dodatkowo promieniowanie może być odbite wielokrotnie. Obecnie wpływ odbicia obliczany jest tylko w odniesieniu do powierzchni podłoża wokół analizowanego obiektu [23]. W miastach wpływ 20.

(21) odbić potęguje się, z uwagi na wysokie budynki często wykończone szklanymi powierzchniami, które. w znacznym. stopniu. generują. odbicia. radiacji. słonecznej.. Schemat. analizy. nasłonecznienia dla jednego momentu w czasie dnia przedstawia rysunek 4. Albedo może być również zmienne w ciągu roku kalendarzowego. Zależne jest to od wegetacji roślin, (które pochłaniają znaczną część promieniowania w czasie wzmożonej aktywności) oraz opadów atmosferycznych (mokre powierzchnie w znacznym stopniu zwiększają poziom odbicia światła). Szczególnie zjawisko zwiększania udziału odbicia promieni słonecznych jest widoczne od klimatu umiarkowanego do okołobiegunowego ze śnieżnymi zimami. Śnieg ma bardzo wysoką wartość albedo, dlatego odbicia z tego tytułu są znaczące w dokładnej analizie insolacji i mogą powodować zmiany wyników analizy nasłonecznienia.. 3.3.. Aktualny stan wiedzy na temat analiz solarnych na terenach miejskich. Dostępnych jest wiele publikacji poruszających zagadnienie analiz nasłonecznienia na terenach miejskich. Na przykład zastosowanie analizy na terenach zurbanizowanych opisuje artykuł Sobierajewicza [24], który uświadamia, jak ważna jest analiza dla obiektów budowlanych, oraz jak wielkie korzyści może przynieść prawidłowa analiza i poprawna jej interpretacja, a następnie wprowadzenie poprawek do projektu architektonicznego. Dostępne rozwiązania pozwalające wykonać analizę nasłonecznienia na terenach miejskich, można podzielić na dwa główne typy, charakteryzujące się rodzajem danych użytych do analizy. Są to analizy rastrowe oraz wektorowe, których nazwa sugeruje, jakie dane muszą być wykorzystane do ich wykonania. Dane rastrowe są popularnym nośnikiem informacji o sytuacji terenowej. Obraz jest rozpoznawany od kilkuset lat, był podstawowym środkiem zapisu i wymiany informacji aż do czasu rozwoju technologii komputerowych. Dziś został zamieniony na postać cyfrową, która zachowała. właściwości. jego. analogowego. poprzednika.. Dane. prezentowane. są. w dwuwymiarowej ograniczonej przestrzeni, natomiast wartości danych przedstawiane są przez pojedyncze piksele. Główną widoczną różnicą, oprócz formy zapisu, pomiędzy wersją cyfrową a analogową, jest z góry założone ograniczenie rozdzielczości wersji cyfrowej (piksele). Niewątpliwą przewagą wersji cyfrowej jest możliwość łatwej modyfikacji zapisu, jak i odczytania wartości kolorów przechowywanych w pikselach, a także zastąpienie wartości kolorów dowolnymi wartościami liczbowymi opisującymi rozpatrywane zjawisko (reklasyfikacja obrazu). To właśnie dzięki tej właściwości, różnego typu analizy rastrowe są z powodzeniem używane w badaniach z zakresu systemów informacji przestrzennej i teledetekcji [25].. 21.

(22) W odniesieniu do analiz nasłonecznienia bądź usłonecznienia na terenach miejskich, w pikselach obrazu zapisywany jest nie kolor, a wartość wysokości. Te dane są podstawą do określenia innych pochodnych danych potrzebnych do analizy nasłonecznienia, między innymi wartości spadków oraz ekspozycji. Podstawowym atutem analiz rastrowych jest przejrzystość danych wynikowych oraz łatwość ich przechowywania i interpretacji. Niestety w zakresie rozpatrywanego problemu możliwości zastosowania analizy rastrowej są mocno ograniczone. W wyniku ich przeprowadzenia informacja jest magazynowana i przetwarzana tylko dla powierzchni poziomych i skośnych. Elementy pionowe nie mogą być reprezentowane przez dane rastrowe. Automatycznie wyklucza to możliwość użycia tego typu analiz do określenia nasłonecznienia fasad budynków oraz usłonecznienia otworów okiennych. Dodatkowo wraz ze wzrostem nachylenia analizowanej powierzchni maleje rozdzielczość analizy. Użycie danych rastrowych stoi w sprzeczności z założeniami pracy.. Rysunek 5. Wyolbrzymiona różnica w prezentacji powierzchni dachowej budynku w przestrzeni 3D (lewa część rysunku) oraz w 2D na rastrze (prawa część budynku). Źródło: opracowanie własne. Można dostrzec kolejny zasadniczy problem użycia danych rastrowych w analizach nasłonecznienia, szczególnie w przypadku rozważania opłacalności montażu instalacji pozyskiwania energii słonecznej. Jest nim realna powierzchnia, która na rastrze jest zawsze sprowadzona do płaszczyzny poziomej. Aby poznać właściwą powierzchnię możliwą do wykorzystania, należy włączyć do analizy dane wektorowe (np. raster zamienić na postać wektorową TIN (Triangulated Irregular Network – nieregularną siatkę trójkątów)) lub wykonać dodatkowe obliczenia [26]. Wizualizacja 2D takiej analizy może wprowadzać w błąd osoby ją oglądające, gdyż nie daje prawidłowego poglądu na powierzchnię dostępnego obszaru (dachu) pod projektowaną instalację (Rysunek 5). Ma to szczególne znaczenie w gęstej zabudowie występującej na terenach miejskich. 22.

(23) W przypadku analiz wektorowych to bryła 3D, która jest opisana współrzędnymi wierzchołków pojedynczych płaszczyzn, stanowi podstawę do analizy nasłonecznienia obiektu. Dzięki współrzędnym dostępne są dokładne dane określające położenie danego elementu bryły 3D w wirtualnej przestrzeni trójwymiarowej. Podstawową przewagą danych wektorowych nad danymi rastrowymi jest dokładność opisu bryły 3D oraz pełny przestrzenny wymiar. Oznacza to możliwość zapisu wielu elementów o pionowej geometrii, jak i elementów wielopoziomowych (na przykład przejazdów pod budynkami czy tuneli) [27]. Niestety zastosowanie danych wektorowych rodzi problemy przechowywania informacji o przeprowadzanej analizie. Atrybuty opisowe mogą być przypisane do jednego pojedynczego obiektu 3D. W celu zwiększania dokładności wiele rozwiązań bazuje na pokrywaniu modelu siatką punktów lub płaszczyzn sensorycznych (o ustalonym jednakowym rozmiarze), do których zostają przypisane wartości liczbowe wyników analizy (Rysunek 6).. Rysunek 6. Pokrywanie analizowanego modelu 3D siatką mniejszych powierzchni w celu zagęszczenia wyników analizy. Źródło: [43]. Aktualnie dużą popularnością wśród badaczy cieszą się analizy solarne powierzchni dachowych budynków. Są to najczęściej opracowania danych pochodzących ze skanowania laserowego LIDAR [28], [29], [30], [31], [32], [33], [34], które są bardzo dobrym źródłem danych o wysokości przestrzeni miasta. Można znaleźć również analizy bazujące na danych LIDAR, związane z analizą usłonecznienia [35]. Wszystkie wymienione wcześniej metody łączy wspólna cecha, że są to analizy w przestrzeni dwuwymiarowej, w której informacja o nasłonecznieniu na elementach pionowych budynków nie jest obliczana, a więc soją one 23.

(24) w sprzeczności z podstawowymi założeniami pracy, dotyczącymi wyboru pełnego środowiska 3D. W literaturze można znaleźć różnego typu rozwiązania bazujące na pełnych analizach trójwymiarowych. Większość z nich dotyczy użycia komercyjnych aplikacji CAD, jak na przykład analiza usłonecznienia placu zabaw w zabudowie miejskiej przygotowana w programie AutoCad Revit [36]. Modelowanie usłonecznienia zostało również podjęte przez autorów artykułu [37]. Wychodząc z danych 3D (pochodzących z skaningu laserowego) utworzono model bryłowy cienia, który w końcowym etapie został zamieniony na dane rastrowe prezentujące zacienienie. W literaturze światowej można również znaleźć interesujące opracowania autorskich algorytmów analizy nasłonecznienia w środowisku 3D. Już w 2004 roku powstawały narzędzia do wykonywania analiz nasłonecznienia z wykorzystaniem danych wektorowych [38]. Jednym z nowszych opracowań jest algorytm bazujący na danych LIDAR, ale wykonujących analizę w pełnej przestrzeni trójwymiarowej nazwany przez autorów SOL [39]. Podobnym podejściem wykazali się autorzy pracy [40], którzy zaproponowali własne rozwiązanie nawiązujące do danych LIDAR, wykonując analizę w pełnej przestrzeni 3D. Bardzo ciekawym rozwiązaniem może być użycie specyficznych danych 3D – danych wokselowych. Woksele są formą pośrednią między danymi rastrowymi a wektorowymi, od zwykłego rastra różnią się tym, że oprócz dwuwymiarowości mają dodatkowy trzeci wymiar, natomiast od wektora różnią się brakiem płaszczyzn ukośnych. Woksele można wizualizować w formie sześcianów, które posiadają położenie określone trzema współrzędnymi [41]. Takie rozwiązanie. zostało. zastosowane. przy. analizie. nasłonecznienia. wykonywanej. w oprogramowaniu GRASS GIS [42]. Ciekawym rozwiązaniem jest użycie aplikacji CAD do wykonywania analiz nasłonecznienia. Posiadają one pełny dostęp do danych wektorowych. Analiza może odbywać się także w przestrzeni trójwymiarowej, rozważania na ten temat zostały podjęte w artykule [44], w którym autorzy uwzględniają analizę na elementach modelu 3D poprzez naniesienie rastrów na każdy element wektorowy. Niestety rozwiązanie posiada wiele ograniczeń, na przykład brak prezentacji wyników w formie liczbowej. Nawiązując do danych CityGML, w polskiej literaturze autor nie znalazł żadnej pracy dotyczącej problemu nasłonecznienia. Zagłębiając się w literaturę światową, można znaleźć kilka opracowań dotyczących powiązania danych CityGML oraz nasłonecznienia. Jedną z nich jest praca [45]. W swoim rozwiązaniu autorzy zaproponowali użycie danych CityGML w celu oszacowania zacienienia. Niestety zaproponowane rozwiązanie ogranicza się do wyznaczania wartości usłonecznienia i jest przydatne wyłącznie dla analiz wyznaczania najlepszych miejsc montażowych kolektorów słonecznych. Artykuł porusza także kwestię dokładności modeli LOD 24.

(25) CityGML użytych do analizy, dzięki czemu można potwierdzić, że minimalny poziom szczegółowości danych użytych do analiz nasłonecznienia to LOD2. Rozwiązanie ma pewne niedoskonałości, między innymi brak uwzględniania odbić promieni słonecznych, brak światła rozproszonego oraz nie jest wyjaśnione, czy wynik analizy w jakikolwiek sposób jest zapisywany w danych CityGML, w osobnym pliku, lub bazie danych. Kolejnym przykładem zastosowania danych prezentujących wirtualne modele miast 3D w analizach nasłonecznienia jest artykuł [46], w którym dane CityGML użyte są do obliczenia nasłonecznienia samych dachów budynków. Analiza odbywa się w programie napisanym w języku Python działającym według autorskiego algorytmu. Niestety rozwiązanie ma spore ograniczenia, autorzy zrezygnowali z jednej z najważniejszych zmiennych opisujących nasłonecznienie – zacienienia obiektów. Spowodowane to było, według autorów, zbyt dużym skomplikowaniem obliczeń w języku Python. Obliczanie nasłonecznienia odbywa się tylko i wyłącznie dzięki informacji o lokalizacji, spadku i azymucie nachylenia danej płaszczyzny. Niemniej jednak praca jest cennym źródłem informacji o sposobie wykorzystania danych zapisanych w formacie XML, autorzy również upublicznili swój algorytm na ogólnodostępnej platformie GitHub pod nazwą Solar3DCity [47]. Ostatnim dostępnym rozwiązaniem w literaturze ogólnoświatowej jest rozwiązanie opracowane w systemie zarządzania bazą danych PostgreSQL z rozszerzeniem PostGIS [48]. W tym przypadku została użyta baza danych CityGML, która pełniła funkcję źródła danych, ale również miejsca do przechowywania wyników analizy. Poszczególne obiekty 3D pokrywane są siatką punktów, w których przeprowadzana jest analiza. Następnie dzięki poleceniom SQL możliwe jest badanie zacienienia (analizy przecięć linii utworzonej z wektora słońca z płaszczyznami obiektów) oraz nasłonecznienia. Niestety także i tym razem rozwiązanie nie jest pełne. Rozważany problem został rozwiązany tylko dla nasłonecznienia bezpośredniego. Promieniowanie rozproszone i odbite jest pomijane. Według autorów szybkość analizy jest bardzo mała, z uwagi na ogromną liczbę zapytań SQL w czasie wyznaczania zmiennej dotyczącej zacienienia. Niemniej jednak rozwiązanie zaciekawiło autora dysertacji z uwagi na przejrzystą strukturę zapisu wyników analizy. Podsumowując przegląd literatury autorskich rozwiązań zagadnienia usłonecznienia i nasłonecznienia, można zauważyć, że wiele opracowań przedstawia tylko częściowe rozwiązania tego problemu. W żadnym z rozpatrywanych przypadków nie udało się uwzględnić wszystkich zmiennych, nasłonecznienia bezpośredniego, rozproszonego oraz odbitego. Tylko w nielicznych rozwiązaniach możliwy jest dostęp do danych liczbowych informujących o analizowanej wielkości. Patrząc przez pryzmat dostępności przedstawionych rozwiązań dla osób zainteresowanych użyciem opisywanych metod, tylko jedno rozwiązanie, aplikacja 25.

(26) Solar3DCity opracowana przez naukowców z Holandii [47], jest dostępna on-line i może być wykorzystana bądź ulepszana przez inne osoby.. 3.4.. Przegląd dostępnych aplikacji. W wielu aplikacjach uwzględniających w swoich analizach dane rastrowe można zauważyć duże możliwości wykonywania badań nasłonecznienia w zabudowie miejskiej. Są to między innymi analizy powierzchni dachowych budynków, wykonanych np. przy pomocy komercyjnego oprogramowania ArcGIS, przy bezpośrednim [49] oraz pośrednim [33] użyciu danych rastrowych, jak i przy pomocy wolnego oprogramowania GRASS GIS z narzędziem r.sun [50]. Również mniej znane aplikacje, jak na przykład ILWIS oraz SAGA GIS mają możliwość analizy nasłonecznienia bazującej na danych rastrowych [51]. Wymienione powyżej aplikacje są popularnymi rozwiązaniami służącymi do analiz promieniowania słonecznego. Analiza wykonywana jest przy użyciu wejściowego rastra zawierającego dane o wysokościach poszczególnych pikseli. Wynikiem takiej analizy w każdym przypadku jest nowy raster, który w wartościach pikseli przechowuje dane o nasłonecznieniu. Mogą one być z kolei wizualizowane w postaci różnych palet barwnych. W przypadku analiz wykorzystujących dane wektorowe dostępne są liczne propozycje rozwiązania problemu analizy nasłonecznienia oraz usłonecznienia. Przegląd większości dostępnych aplikacji zawarty został w artykule [52]. Główną różnicą w stosunku do aplikacji wykorzystujących rastry, jest możliwość użycia zaawansowanych modeli 3D do wykonania analizy.. Wiele. aplikacji ma dodatkowo wbudowane. algorytmy, które. obudowują. trójwymiarowy model dodatkowymi punktami sensorycznymi, bądź jednakowej wielkości płaszczyznami (Rysunek 6). W takim przypadku wartość nasłonecznienia lub usłonecznienia obliczana jest tylko dla tych nowopowstałych elementów. Najbardziej popularnymi komercyjnymi aplikacjami używanymi do wykonywania analiz nasłonecznienia oraz usłonecznienia są Autodesk Ecotect Analysis 2011, dodatek Solar Analysis do aplikacji Bentley Microstation, Autodesk Revit oraz dodatek do aplikacji Rhino o nazwie DIVA. Zostały one wyróżnione z uwagi na znaczną popularność rozwiązań CAD wyżej wymienionych firm. Pozwalają one na bezproblemowy import danych 3D do przeprowadzenia analizy z najpopularniejszych formatów wymiany danych trójwymiarowych. Niektóre aplikacje przeznaczone są tylko do obliczania wartości usłonecznienia jak dodatek do aplikacji SketchUp o nazwie Shadow Analysis. Autodesk Ecotect Analysis 2011 jest jedną z najpopularniejszych aplikacji używanych przez architektów. Posiada rozbudowane możliwości analizy nasłonecznienia, jak i usłonecznienia. 26.

(27) Aplikacja wykonuje analizę na podstawie punktów sensorycznych wygenerowanych na modelu 3D, bądź w oparciu o jednolitą siatkę kwadratów, którą obudowywany jest analizowany model [53]. Niestety dokumentacja określająca metody analizy nie jest dostępna. Wynikiem analizy jest wizualizacja 3D wraz z dodatkowymi informacjami o wartościach liczbowych wynikowej analizy. W aplikacji Bentley Microstation narzędzie posiada tylko dwie opcje, do analizy energii nasłonecznienia oraz czasu usłonecznienia. Analiza odbywa się bezpośrednio na modelu 3D, a wynik prezentowany jest w postaci wizualizacji. Odczytanie wartości liczbowych wiąże się z manualną czynnością przy pomocy kursora myszy komputerowej (wartości są pobierane w miejscu jego położenia i wyświetlane na ekranie). Program Autodesk Revit dysponuje rozbudowaną funkcjonalnością w zakresie analiz energetycznych budynków. Posiada narzędzia do pełnej analizy nasłonecznienia oraz usłonecznienia [54]. Problemem w trakcie przeprowadzania analizy są dane wejściowe 3D, przygotowane powinny być one w aplikacji Revit, nie istnieje prosta możliwość importu danych 3D utworzonych w innych aplikacjach. W wyniku analizy powstaje wizualizacja 3D obliczonych wartości nasłonecznienia. Symulacje w oprogramowaniu Rhino z użyciem dodatku DIVA są wykonywane w podobny sposób jak w aplikacji Ecotect. W programie tworzona jest siatka jednakowej wielkości płaszczyzn bądź punktów sensorycznych pokrywających analizowane obiekty, dla których obliczane są wartości nasłonecznienia bądź usłonecznienia. Możliwy jest import obiektów mesh (obiektów złożonych z siatki trójkątów na wzór modelu TIN) utworzonych w innej aplikacji. Wyniki mogą zostać wyeksportowane do formatu CSV [55]. Ostatnią rozpatrywaną przez autora aplikacją komercyjną jest płatny dodatek do aplikacji SketchUp o nazwie Shadow Analysis. W odróżnieniu od poprzednich aplikacji, możliwości algorytmu ograniczają się tylko do wyznaczenia wartości usłonecznienia wyrażonej w godzinach. Wynikiem działania algorytmu jest wizualizacja 2D prezentująca rozkład usłonecznienia na analizowanym modelu 3D. Nie jest przewidziany żaden dostęp do wyniku analizy w formie liczbowej [56]. Wszystkie wymienione powyżej rozwiązania mają jedną główną wadę, nie posiadają jednoznacznego odniesienia danych liczbowych do elementu 3D. Osoba wykonująca analizę, aby wykonać raport z analizowanej powierzchni, prawie zawsze musi manualnie odczytać wynikowe wartości. Innym wyjściem byłoby przeprowadzenie analizy dla każdego obiektu z osobna i tym samym zapisywanie wynikowych statystyk dla obiektów, niestety spowoduje to znaczne skomplikowanie procesu analizy. W niektórych aplikacjach nie ma możliwość odczytu. 27.

(28) wartości liczbowej wyniku (na przykład w aplikacji Shadow Analysis dla SketchUp), wynik prezentowany jest tylko i wyłącznie w ustalonej palecie barw. Kolejnym problemem, który został zauważony w związku z obranymi celami pracy, jest brak jakiejkolwiek współpracy z danymi CityGML. Aby wykonać analizę na takich danych, musiała by być przeprowadzona ich konwersja na standardowy model 3D, spowodowałoby to utratę wszelkich atrybutów opisujących elementy budynków zapisanych w standardzie CityGML oraz zniszczenie struktury danych. Podsumowując powyższe rozważania, można dojść do wniosku, że nie istnieją komercyjne ani. otwarte. rozwiązania,. które. pozwalałyby. wykonywać. analizę. nasłonecznienia. i usłonecznienia z wykorzystaniem danych zapisanych w standardzie CityGML. Nie ma także programów umożliwiających wykorzystanie baz danych do składowania wyników analizy, w celu ich późniejszego porównania. Powyższe analizy dostępnej literatury, jak i dostępnych rozwiązań na rynku aplikacji Windows utwierdzają autora w przekonaniu, że podjęcie próby rozwiązania problemu nasłonecznienia i usłonecznienia, przyjmując opracowane. założenia, jest. działaniem. pionierskim na polu analiz danych opisujących wirtualne miasta 3D CityGML. Opracowanie algorytmu i sposobu postępowania, w celu ustalenia dokładnej wartości nasłonecznienia, oraz opracowanie metody analizy usłonecznienia w kontekście wspomnianej we wstępie ustawy [3] będzie opracowaniem pozwalającym na rozwiązanie wielu problemów dotyczących światła słonecznego w zabudowie miejskiej.. 28.

(29) 4. Standardy przechowywania danych 3D Analizy związane ze światłem słonecznym wymagają danych wejściowych. Mnogość dostępnych. formatów. zapisu. danych. zainspirowała. autora. do. przeanalizowania. najpopularniejszych formatów zapisu i wymiany informacji o obiektach 3D mogących opisywać obszary miejskie.. 4.1.. Standardy CAD. Popularnymi formatami zapisu danych są standardy zapisu danych CAD, które wynikają z aplikacji użytych do modelowania danych. Najpopularniejszymi plikami w wymianie danych są pliki DXF pochodzące od aplikacji AutoCAD firmy Autodesk oraz pliki z rozszerzeniem DGN konkurencyjnej aplikacji Microstation firmy Bentley. Pliki DXF są plikami tekstowymi zapisanymi w formacie ASCII. Każdy plik składa się z kilku głównych sekcji [57]: •. HEADER – nagłówka, w którym przechowywane są ogólne informacje o rysunku,. •. TABLES – sekcji z opisem wszystkich rodzajów elementów użytych w rysunku, są one zorganizowane w tablice,. •. BLOCKS – definicji bloków, czyli elementów powtarzających się wielokrotnie w rysunku,. •. ENTITIES – sekcji opisująca kształty i właściwości wszystkich elementów rysunku,. •. END OF FILE – zakończenia pliku.. Niestety pliki DXF nie oferują efektywnej współpracy z atrybutami opisowymi obiektów. Jest to główna cecha, która dyskwalifikuje standard w przypadku wymiany danych wraz z zaawansowanym systemem opisowym obiektów geometrycznych. Pliki DGN mają podobną strukturę, ale zapis jest wykonywany w systemie binarnym, a nie tekstowym. Kolejną cechą, która budzi obawy przy wykorzystywaniu obu formatów do zapisu danych, są specyficzne klasy obiektów występujące tylko w określonym oprogramowaniu, np. klasa SOLID (oznaczająca zespolony element 3D) w plikach DGN rozpoznawana głównie w Microstation [58]. Liczba innych dostępnych formatów jest duża. Dane 3D są także zapisywane w formacie OBJ, stworzonym przez firmę Wavefront Technologies zajmującą się grafiką w wytwórniach filmowych i stosowanym w wielu aplikacjach. Występują również inne mniej uniwersalne formaty jak 3DS (3DS Max), 3DM (Rhino), C4D (Cinema 4D) i wiele innych. Wszystkie dostępne obecnie formaty wymiany danych 3D zostały opisane w artykule przeglądowym [59]. 29.

(30) Wszystkie formaty mają wspólną cechę braku możliwości zawarcia w pliku rozbudowanych informacji opisowych o obiektach. Jednakże istnieje możliwość, w niektórych aplikacjach, podłączenia bazy danych zawierających informacje opisowe [60], miedzy innymi podłączenie pliku Excel w programie AutoCAD Map [61] lub podłączenie bazy danych MS Access do oprogramowania Bentley Microstation [62]. W takim przypadku rozbudowane dane opisowe są zawarte w osobnym pliku, który dodatkowo jest obsługiwany przez aplikacje trzecie. Przeniesienie samego pliku wymiany danych 3D spowoduje utratę połączenia z bazą danych.. 4.2.. VRML oraz X3D. VRML (Virtual Reality Modeling Language – język modelowania wirtualnej rzeczywistości) – jest to standard pliku 3D stworzony głównie do wizualizacji obiektów na stronach www. Dane są zapisywane w formie pliku tekstowego, oprócz samej geometrii obiektów w jego wnętrzu znajdują się wszelkie informacje o wyglądzie danego elementu składającego się na pełny model 3D. Oprócz tego zawarte są wszelkie możliwe interakcje użytkownika z modelem, np. uruchamianie odpowiednich dźwięków po zaznaczeniu danego elementu. Konsorcjum Web3D zajęło się standaryzacją formatu VRML i w roku 1997 wersja VRML97 została zatwierdzona jako norma ISO [63]. Niestety format wymiany danych nie uzyskał wysokiej popularności zastosowania na stronach www głównie za sprawą niewystarczającej szybkości Internetu w czasach jego powstania. Tym samym został zastąpiony nowszymi rozwiązaniami, między innymi standardem X3D. X3D (eXtensible 3D) – jest standardem ISO bazującym na języku XML. Standard jest rezultatem wieloletnich badań X3D Task Group i Browser Working Group, zrzeszonych w Web 3D Consortium. Standard jest bardziej rozbudowany, udostępnia lepszą wizualizację modeli 2D oraz 3D, oraz umożliwia ciągłe poszerzanie funkcjonalności [64]. Oba standardy są jednak przeznaczone głównie do współpracy z środowiskiem www oraz umożliwiają zaawansowaną interakcją użytkownika z prezentowanymi danymi. Duży nacisk kładzie się na sposoby wizualizacji zapisanych danych, a także ich animację oraz zaawansowane powiązania z elementami multimedialnymi. Standard bazujący na języku XML umożliwia dowolne rozbudowywanie wartości opisowych, co zostało zauważone przy opracowywaniu standardu przeznaczonego tylko do wymiany zbiorów danych – CityGML.. 30.

(31) 4.3.. Standard CityGML. CityGML (City Geography Markup Language – w dosłownym tłumaczeniu miejski geograficzny język znaczników) jest otwartym standardem wymiany danych opisujących trójwymiarowe przestrzenie miast [7]. Pace nad nim rozpoczęła już w 2002 roku grupa SIG 3D (Special Interest Group 3D). Pierwszym projektem, w którym zademonstrowano gotowy standard, było opracowanie „Pilot 3D”, w którym w roku 2005 w Niemczech przedstawiono przykład planowania i zarządzania miastem w przestrzeni 3D [65]. Od roku 2008 CityGML jest standardem wymiany danych modeli miast uznanym przez OGC (Open Geospatial Consortium – międzynarodową organizację zajmującą się opracowywaniem otwartych standardów w zakresie danych i usług przestrzennych). Aktualnie najnowsza wersja standardu oznaczona jest numerem 2.0 i została udostępniona w roku 2012.. Rysunek 7. Schemat UML prezentujący dostępne moduły w standardzie CityGML. Źródło: [67]. CityGML jest specyficznym standardem opisu danych bazującym na zapisie XML i GML. XML (Extensible Markup Language – rozszerzalny język znaczników) jest prostym językiem przeznaczonym do zapisu różnych danych w postaci strukturalnej [66]. Dane zapisane w tym standardzie mogą zostać w prosty sposób zinterpretowane, gdyż cały zapis jest jawny i czytelny dla osoby przeglądającej dane. Każdy ciąg danych poprzedzony jest odpowiednimi znacznikami. Dużym plusem zapisu XML jest jego przejrzystość i możliwość definiowania swoich własnych znaczników. Wadą w porównaniu do innych typów danych jest objętość, jaka musi zostać przewidziana na zapis danych. Jest ona znacznie większa od objętości danych binarnych lub plików innego typu. GML jest językiem bazującym na XML przeznaczonym do 31.

(32) opisu danych przestrzennych, używanym do wymiany danych w systemach informacji geograficznej. Aktualnie jego najnowsza wersja opisana jest numerem 3.3 [67]. Dane zapisane w standardzie CityGML są podzielone na moduły. Podstawowe i najpopularniejsze z nich to Building – budynki, Bridge – mosty, CityFurniture – drobne elementy miejskie, LandUse – użytkowanie terenu oraz WaterBody – modele powierzchni wodnych. Wszystkie dostępne moduły zaprezentowane zostały na rysunku 7. Standard uwzględnia także pięć różnych poziomów szczegółowości modelu nazwanych LOD (Level Of Detail). Niektóre elementy składające się na wirtualny model miasta znajdują się tylko na określonych poziomach szczegółowości. Budynki zaprezentowane są na wszystkich pięciu poziomach szczegółowości. Na poziomie LOD0 wszystkie dane prezentowane są za pomocą poziomych płaskich obrysów w przestrzeni 3D. Jedyna różnica w porównaniu do mapy 2D polega na umiejscowieniu płaszczyzny obrysu budynku w przestrzeni 3D. Płaszczyzna może być na wysokości przyziemia budynku lub na wysokości obrysu krawędzi dachowej. W przypadku poziomu LOD1 modele są prezentowane w postaci blokowej, który tworzony jest poprzez wyniesienie geometrii LOD0 przyziemia na wysokość spłaszczonego dachu. Model jest maksymalnie uproszczony. Przechodząc do bardziej szczegółowego poziomu LOD2, rozróżnić już można kształty dachów oraz podzielone tematycznie powierzchnie: ścian, dachu oraz przyziemia budynku. Przy poziomie LOD3 uwzględniane są wszystkie przestrzenne szczegóły modelu nie mniejsze od 0,5 m, w tym okna, drzwi. W przypadku LOD4 rozróżniane jest dodatkowo wnętrze budynku wraz z lokalami, umeblowaniem oraz schodami. Modelowane są wszystkie szczegóły większe od 0,2 m. Dokładne różnice pomiędzy poszczególnymi LOD można zobaczyć w tabeli 1 oraz na rysunku 8.. Rysunek 8. Budynek przedstawiony na różnych poziomach szczegółowości LOD. Źródło: opracowanie własne na podstawie [7]. 32.

(33) Tabela 1. Wybrane informacje opisujące poszczególne poziomy szczegółowości budynków. Źródło: [7] Poziom. LOD0. LOD1. LOD2. LOD3. LOD4. Dokładność. >5m. 5m. 2m. 0,5 m. 0,2 m. Najniższa. Niska. Średnia. Wysoka. Bardzo. modelu 3D Klasa dokładności Generalizacja. wysoka Maksymalna. Obiekty. Obiekty. Obiekty. (dł x szer /. o wymiarach. o wymiarach. o wymiarach. wys). mniejszych. mniejszych od. mniejszych. od 6 x 6 m/3. 4 x 4 m/2 m. od 2 x 2 m/1. m Kształt dachu. Brak. m. W postaci. Płaski. Zbliżony do. atrybutu. w przestrzeni. rzeczywistego. Rzeczywisty. Rzeczywisty. 3D. Jednym z głównych założeń przy tworzeniu standardu CityGML było opracowanie spójnego modelowania semantyki obiektów oraz sposobu zapisu geometrii przy zachowaniu topologii. Obiekty świata realnego są przypisywane do rodzin obiektów posiadających określone cechy. Są to między innymi ściany, dachy, okna, drzwi itp.. Każdy obiekt dodatkowo może zawierać elementy opisowe w postaci atrybutów. Wiele atrybutów zapisanych jest za pomocą zdefiniowanych kodów, reprezentujących np. typ dachu lub typ budynku. W celach rozbudowy bazy danych atrybutów udostępnione zostały atrybuty uniwersalne, dzięki czemu można zdefiniować swoje własne dane opisowe w różnych dostępnych typach. Dzięki zapisowi XML możliwe jest utrzymanie hierarchii obiektów, która ułatwia wykonywanie analiz. Poszczególne obiekty są zagnieżdżane w sobie zgodnie z regułą „od ogółu do szczegółu”. Przykładowo obiekt odwzorowujący okno lub drzwi musi być opisany wewnątrz obiektu pojedynczej ściany lub dachu. W tym celu opis okna lub drzwi znajduje się pomiędzy znacznikami określającymi daną powierzchnię ściany, lub dachu: •. <bldg:WallSurface> …</bldg:WallSurface> w przypadku ściany,. •. <bldg:RoofSurface>… </bldg:RoofSurface> w przypadku dachu.. Pojedynczym elementem geometrycznym w zapisie CityGML jest poligon 3D. Składa się on z ciągu współrzędnych XYZ opisujących obwiednię w przestrzeni 3D, a także może posiadać. 33.

(34) ciągi współrzędnych definiujące obwiednie enklaw, znajdujących się w definiowanym poligonie. Bardziej skomplikowane geometrie tworzone są z sumowania odpowiednich poligonów składających się na pełny model np. budynku. Współrzędne użyte do opisu definiowane są w określonym układzie współrzędnych, który przypisywany jest dla całego zestawu danych CityGML. Przykład zapisu pojedynczego poligonu zaprezentowany został poniżej.. <bldg:boundedBy> <bldg:WallSurface> <gml:name>Wall South</gml:name> <bldg:lod2MultiSurface> <gml:MultiSurface> <gml:surfaceMember> <gml:Polygon gml:id="GML_1d350a50-6acc-4d3c-8c28-326ca4305fd1"> <gml:exterior> <gml:LinearRing> <gml:posList> 458875.0 5438350.0 112.0 458885.0 5438350.0 112.0 458885.0 5438350.0 115.0 458875.5 438350.0 115.0 458875.0 5438350.0 112.0 </gml:posList> </gml:LinearRing> </gml:exterior> </gml:Polygon> </gml:surfaceMember> </gml:MultiSurface> </bldg:lod2MultiSurface> </bldg:WallSurface> </bldg:boundedBy> W powyższym zapisie można zobaczyć przykład definiowania poligonu odpowiedzialnego za reprezentację geometrii ściany budynku, informuje o tym znacznik <bldg:WallSurface>. Zdefiniowana jest jego nazwa oraz dla jakiego poziomu szczegółowości odnosi się prezentowana geometria – znacznik <bldg:lod2MultiSurface>. Za pomocą znacznika <gml:Polygon gml:id=…> przyporządkowany jest unikalny identyfikator natomiast znacznik <gml:posList> otwiera i zamyka ciąg współrzędnych XYZ opisujących geometrię. Zastosowanie topologii pozwala uniknąć nadmiarowości danych. Każdy obiekt 3D może dzielić geometrię z innym obiektem. Przykładem może być ściana łącząca dwa różne przylegające do siebie budynki. Jeśli dwa obiekty korzystają z jednego poligonu stosowany jest znacznik XLink, zgodny ze standardem XML [68]. Służy on do tworzenia odnośników do innych obiektów. Stanowi on swego rodzaju łącze pomiędzy zasobami, dzięki czemu dane nie są dublowane. Każdy obiekt geometryczny powinien być opisany unikalnym identyfikatorem, dzięki czemu może zostać wielokrotnie użyty do opisu zagregowanych obiektów 34.