UrbanFlow-3K: A Dataset of 3,000 Lattice-Boltzmann Simulations of Random Building Layouts

Dit paper introduceert UrbanFlow-3K, een open-source dataset van 3.000 tweedimensionale stromingssimulaties rondom willekeurige gebouwindelingen, die is ontwikkeld om de schaarste aan trainingsdata voor machine learning-modellen in de stedelijke stromingsdynamica aan te vullen.

De kern

Stel je voor dat je een enorme stad bouwt, maar dan in een computer. Je wilt weten hoe de wind door de straten waait, waar het oncomfortabel koud wordt voor wandelaars, of hoe rook van een fabriek zich verspreidt. Om dit precies te weten, moeten wetenschappers ingewikkelde berekeningen maken. Dit heet CFD (Computational Fluid Dynamics).

Het probleem? Deze berekeningen zijn als het koken van een gigantische, 100-gangen maaltijd voor een heel dorp: het kost enorm veel tijd en energie. Als je duizenden verschillende steden wilt testen, duurt het jaren voordat je klaar bent.

Hier komt dit nieuwe onderzoek om de hoek kijken. De auteurs hebben een oplossing bedacht die we "UrbanFlow-3K" noemen. Laten we het uitleggen alsof het een recept voor een nieuwe soort LEGO-stad is.

1. Het Probleem: De Dure 3D-Simulatie

Stel je voor dat je een echte, driedimensionale stad wilt simuleren. Je moet elke steen, elk raam en elke boom in 3D modelleren. Dat is als het bouwen van een volledig uitgewerkte maquette van Amsterdam, inclusief alle details, in een computer. Het resultaat is prachtig en accuraat, maar het kost zoveel rekenkracht dat je er maar heel weinig van kunt maken. Voor kunstmatige intelligentie (AI) die deze steden moet leren begrijpen, is dit te weinig data. Het is alsof je een kind wilt leren fietsen, maar je hebt maar één fiets en één minuut tijd.

2. De Oplossing: De Slimme 2D-Versie

De onderzoekers zeggen: "Laten we eerst een twee-dimensionale (2D) versie maken."
Denk aan dit als het verschil tussen een volledige 3D-robot en een platte tekening op papier. Een platte tekening mist diepte, maar je ziet wel precies hoe de wind langs gebouwen stroomt, waar het snel gaat en waar het vastloopt.

Ze hebben 3.000 van deze 2D-steden gegenereerd.

• De Gebouwen: Elke stad heeft tussen de 3 en 6 gebouwen.
• De Variatie: De gebouwen zijn willekeurig groot, staan op willekeurige plekken en staan soms schuin (tot 90 graden gedraaid).
• De Wind: Ze hebben de windkracht (de 'Reynolds-getal') variëren, alsof je de ventilator op standje 3, 4 of 5 zet.

Dit is als het hebben van een enorme doos met LEGO-stenen. Je kunt er duizenden verschillende steden mee bouwen, allemaal in een paar seconden, in plaats van uren.

3. Waarom is dit zo handig voor AI?

Kunstmatige intelligentie (zoals AI-modellen die we gebruiken voor zelfrijdende auto's of chatbots) heeft veel voorbeelden nodig om te leren.

• De Oude Weg: Je traint de AI op de dure 3D-steden. Omdat die zo zwaar zijn, heb je maar een paar honderd voorbeelden. De AI wordt dan niet heel slim.
• De Nieuwe Weg (UrbanFlow-3K): Je traint de AI eerst op de 3.000 goedkope 2D-steden. De AI leert de basisregels van wind en gebouwen: "Als er een muur staat, stroomt de wind eromheen," of "Tussen twee hoge gebouwen wordt de wind sneller."

Dit noemen ze Transfer Learning. Het is alsof je eerst een kind laat leren fietsen op een vlakke, veilige weg (de 2D-data). Zodra het kind de balans heeft, zet je het pas op de heuvels en in het verkeer (de dure 3D-data). Het kind moet dan niet meer bij nul beginnen, maar kan direct door met de moeilijke taken.

4. Wat zit er in de doos?

De onderzoekers hebben niet alleen de data gemaakt, maar ook de gereedschappen om het te gebruiken:

• Ze hebben de ruwe data omgezet in een formaat dat AI-modellen makkelijk kunnen lezen (zoals een raster voor een foto of een netwerk van punten).
• Ze hebben gecontroleerd of de simulaties kloppen. Ze hebben het gedrag van de wind vergeleken met bekende natuurwetten en andere wetenschappelijke studies. Het bleek dat hun 'virtuele wind' zich precies zo gedraagt als de echte wind.

Samenvattend: Wat levert dit op?

Stel je voor dat je een architect bent die een nieuwe wijk ontwerpt. Vroeger moest je wachten tot de dure computers hun werk deden om te zien of het er prettig zou zijn. Met deze dataset kunnen onderzoekers nu snel AI-modellen trainen die direct voorspellen hoe de wind door jouw nieuwe wijk waait.

Het is een brug tussen de theorie en de praktijk. Het biedt een enorme bibliotheek met voorbeelden (3.000 steden) die gratis beschikbaar is, zodat iedereen kan experimenteren met het voorspellen van windstromen in steden, zonder eerst een fortuin in rekenkracht te moeten investeren.

Kortom: Ze hebben de "vliegsimulator" voor steden gebouwd, zodat we straks echte steden veiliger en comfortabeler kunnen maken.

Technische samenvatting

Probleemstelling

De analyse van stroming rond gebouwen is cruciaal voor diverse domeinen zoals voetgangersveiligheid, verontreinigingsverspreiding, natuurlijke ventilatie en energie-efficiëntie. Hoewel Computational Fluid Dynamics (CFD) de standaard is voor het verkrijgen van gedetailleerde data, zijn deze simulaties computationally zeer duur. Dit beperkt hun directe toepassing in real-time besluitvorming of grote parametrische studies.

Machine Learning (ML) modellen worden steeds vaker ingezet als snelle vervangers (surrogates) voor CFD. Een groot obstakel voor de ontwikkeling van deze modellen is echter het gebrek aan open-source datasets, met name voor twee-dimensionale (2D) stedelijke stromingsvelden. Bestaande datasets zijn vaak drie-dimensionaal (3D) en realistisch, maar door de hoge rekentijd zijn ze beperkt in omvang en minder geschikt voor de vroege ontwikkel- en debug-fasen van ML-modellen. Er is een behoefte aan grote, gevarieerde 2D-datasets om ML-architecturen te trainen en te valideren voordat ze worden toegepast op kostbare 3D-simulaties.

Methodologie

De auteurs hebben een dataset samengesteld genaamd UrbanFlow-3K, bestaande uit 3.000 twee-dimensionale stedelijke stromingssimulaties.

• Simulatie Methode: De stromingen zijn gesimuleerd met de Lattice-Boltzmann Methode (LBM) met de BGK-kollisieoperator, geïmplementeerd in het m-AIA simulatiekader. De simulaties zijn uitgevoerd op de GPU-partitie van de JURECA-supercomputer.
• Computational Domein:
  • Het domein heeft een lengte van $L = 45d_{ref}$ en een hoogte van $H = 30d_{ref}$ (waarbij $d_{ref}$ de karakteristieke lengte van een gebouw is).
  • Geometrische Variatie: Elke configuratie bevat tussen de 3 en 6 niet-overlappende gebouwen. De gebouwen hebben willekeurige afmetingen ($d_{ref} < d < 2d_{ref}$), posities binnen een specifiek "Region of Interest" (ROI), en rotatiehoeken tussen $0^\circ$ en $90^\circ$.
  • Reynolds Getallen: De dataset dekt drie verschillende stromingsregimes met $Re = 3.000$, $4.000$ en $5.000$ (1.000 simulaties per getal).
• Netwerk en Randvoorwaarden:
  • Er wordt gebruik gemaakt van ongestructureerde hiërarchische Cartesische roosters (octree-structuur) met lokale verfining rond gebouwen.
  • Randvoorwaarden omvatten een uniforme inlaat, een uitlaat met constante druk, slip-voorwaarden aan de boven- en onderkant, en een bounce-back schema voor de wanden van de gebouwen (no-slip).
• Data Verwerking voor ML:
  • De ruwe simulatiegegevens (op een verfinde rooster) worden omgezet naar ML-vriendelijke formaten.
  • Voor CNN's (Convolutional Neural Networks): De data wordt via nearest-neighbor resampling gemapt naar een uniform verfinde Cartesische grid over de ROI.
  • Voor GNN's (Graph Neural Networks): De uniforme grid wordt geïnterpreteerd als een graaf, waarbij cellen knopen zijn en ruimtelijke nabijheid de randen definieert.

Kernbijdragen

1. UrbanFlow-3K Dataset: Een openbare dataset met 3.000 unieke 2D-stedelijke stromingssimulaties, wat een aanzienlijke omvang is voor dit type data.
2. Geometrische Diversiteit: De dataset dekt een breed scala aan stedelijke configuraties door het randomiseren van het aantal gebouwen, hun grootte, positie en rotatie. Dit zorgt voor diverse stromingsfenomenen zoals wake-vorming, afschermingseffecten en recirculatiezones.
3. ML-Ready Voorverwerking: Het bieden van scripts (gen_CNN.ipynb en gen_GNN.ipynb) die de ruwe CFD-gegevens direct omzetten in formaten die compatibel zijn met gangbare ML-architecturen, zonder dat gebruikers de CFD-solver hoeven aan te passen.
4. Transfer Learning Ondersteuning: De dataset is ontworpen als een schaalbaar testbed voor de vroege fasen van algoritme-ontwikkeling, waarmee modellen kunnen worden vooringesteld (pre-trained) voordat ze worden aangepast aan duurdere 3D-datasets.

Resultaten en Validatie

• Grid Refinement Studie: Er is een grid-onafhankelijkheidsstudie uitgevoerd voor zowel een enkel vierkant cilinder-geval als een multi-gebouw configuratie. Een "medium" grid-resolutie werd geselecteerd omdat deze een goede balans bood tussen nauwkeurigheid en rekentijd (fouten ten opzichte van een "fine" grid waren klein, <4%).
• Validatie: De resultaten voor het medium grid werden gevalideerd tegen literatuurwaarden voor een vierkante cilinder bij $Re=500$.
  • De weerstandcoëfficiënt ($C_d$) had een relatieve fout van 5,3% ten opzichte van referentiewaarden.
  • Het Strouhal-getal ($St$) was 0,14, wat binnen het verwachte bereik van [0,13, 0,18] voor deze stroming ligt.
• Stromingsanalyse:
  • De dataset toont duidelijk verschillende stromingspatronen afhankelijk van de Reynolds-getallen en de gebouwarrangementen.
  • Bij hogere Reynolds-getallen (tot 6.000) werden geen significante structurele veranderingen in de wake-gebieden waargenomen, wat aangeeft dat de dataset fysiek robuust is voor het bereik 3.000-5.000.
  • Dichtere gebouwarrangementen leiden tot sterke jets tussen gebouwen en samenvloeiende wake-structuren, terwijl verspreide gebouwen geïsoleerde wake-gebieden vertonen.

Betekenis en Toekomstperspectief

De UrbanFlow-3K dataset vult een kritieke lacune in de literatuur door een grote, gecontroleerde en openbare 2D-dataset te bieden. Dit stelt onderzoekers in staat om:

• ML-architecturen en trainingsstrategieën systematisch te testen en te benchmarken zonder de hoge kosten van 3D-simulaties.
• Transfer-learning strategieën te ontwikkelen waarbij kennis uit 2D wordt overgedragen naar complexe 3D-omgevingen.
• De dataset dient als een brug naar toekomstig werk, waarbij de auteurs plannen om een grotere 3D-dataset te genereren met behulp van de urbanFlowGen bibliotheek.

De dataset is beschikbaar via Harvard Dataverse (DOI: 10.7910/DVN/J2DRQO) en bevat zowel de ruwe NetCDF-bestanden als de scripts voor data-conversie.