Classification and modeling of elements for monitoring the evolution of historical buildings using pattern recognition for enhancing cultural heritage

Abstract

The dissertation examines the integration of digital technologies and interdisciplinary methods for the documentation, analysis, and classification of architectural heritage, focusing on the rich historical building stock of Athens. The research addresses urgent challenges affecting historical buildings, such as rapid urbanization, neglect, environmental hazards, and natural disasters, which threaten Greece's architectural heritage. Through the development of semi-automated and automated decision-making processes, the study leverages technologies such as pattern recognition using Multi-Criteria Decision Analysis (MCDA) for the classification of architectural features, Artificial Intelligence (AI) for process automation, Building Information Modeling (HBIM) for detailed documentation, and deep learning algorithms (YOLO) for real-time classification of building facades. By employing digital tools and advanced algorithms, the research introduces innovative methods to simplify the classification of residential buildings based on architectural characteristics, construction periods, and facade typologies. The study evaluates discrepancies in building documentation from various research efforts and provides solutions for harmonizing methodologies and improving data reliability. One of the key contributions of this research is demonstrating how Pattern Recognition through Artificial Intelligence can revolutionize cultural heritage management worldwide by automating the classification of historical buildings based on facade features. The integration of 3D modeling, ontologies, and digital databases further enhances documentation efforts, enabling more effective heritage management strategies that can be applied to other cities in Greece and internationally. In summary, this dissertation offers a comprehensive initial framework for using digital technologies in architectural heritage management. Focusing on the facades of Athenian residences from 1830 onward, the work emphasizes the importance of continuously and dynamically updating records and repositories. It highlights the role of digital technologies in promoting transparency, interdisciplinary collaboration, improving decision-making processes, and strengthening proactive conservation efforts in response to contemporary threats such as the lack of resilience and building degradation. The dissertation also aligns with contemporary environmental goals, such as the European Green Deal, by advancing energy-efficient and environmentally friendly urban management methods while safeguarding Greece's architectural heritage.

Η διατριβή εξετάζει την ενσωμάτωση ψηφιακών τεχνολογιών και διεπιστημονικών μεθόδων για την τεκμηρίωση, ανάλυση και κατηγοριοποίηση της αρχιτεκτονικής κληρονομιάς, με επίκεντρο το πλούσιο ιστορικό κτηριακό απόθεμα της Αθήνας. Η έρευνα εστιάζει στις επείγουσες προκλήσεις που αφορούν τα ιστορικά κτίρια, όπως η ταχεία αστικοποίηση, η εγκατάλειψη, οι περιβαλλοντικοί κίνδυνοι, και οι φυσικές καταστροφές, οι οποίες απειλούν την αρχιτεκτονική κληρονομιά της Ελλάδας. Μέσα από την ανάπτυξη ημιαυτόματων και αυτόματων διαδικασιών λήψης αποφάσεων, η μελέτη αξιοποιεί τεχνολογίες όπως η αναγνώριση προτύπων μέσω πολυκριτηριακών συστημάτων λήψης αποφάσεων (MCDA) για την ταξινόμηση αρχιτεκτονικών χαρακτηριστικών, η Τεχνητή Νοημοσύνη (AI) για την αυτοματοποίηση διαδικασιών, η μοντελοποίηση κατασκευαστικών πληροφοριών (HBIM) για λεπτομερή τεκμηρίωση και αλγόριθμους βαθιάς μάθησης (YOLO) για την ταξινόμηση προσόψεων κτιρίων σε πραγματικό χρόνο. Χρησιμοποιώντας ψηφιακά εργαλεία και προηγμένους αλγόριθμους, η έρευνα εισάγει καινοτόμους τρόπους για την απλοποίηση της ταξινόμησης των κατοικιών με βάση τα αρχιτεκτονικά χαρακτηριστικά, τις περιόδους κατασκευής και τις τυπολογίες των προσόψεών τους. Η μελέτη αξιολογεί τις αποκλίσεις στην τεκμηρίωση κτιρίων από διαφορετικές έρευνες και προσφέρει λύσεις για την εναρμόνιση των μεθοδολογιών και τη βελτίωση της αξιοπιστίας των δεδομένων. Μία από τις βασικές συμβολές αυτής της έρευνας είναι η επίδειξη του πώς η Αναγνώριση Προτύπων μέσω της Τεχνητής Νοημοσύνης μπορούν να φέρουν επανάσταση στη διαχείριση της πολιτιστικής κληρονομιάς παγκοσμίως, αυτοματοποιώντας την κατηγοριοποίηση των ιστορικών κτιρίων με βάση τα στοιχεία των προσόψεών τους. Η ενσωμάτωση της τρισδιάστατης μοντελοποίησης, των οντολογιών και των ψηφιακών βάσεων δεδομένων ενισχύει περαιτέρω τις προσπάθειες τεκμηρίωσης, επιτρέποντας την πιο αποτελεσματική διαχείριση της κληρονομιάς, με στρατηγικές που μπορούν να εφαρμοστούν και σε άλλες πόλεις της Ελλάδας και διεθνώς. Με την προώθηση ενεργειακά αποδοτικών και φιλικών προς το περιβάλλον μεθόδων διαχείρισης του αστικού χώρου και του υφιστάμενου κτηριακού αποθέματος, η έρευνα συμβάλλει στον ευρύτερο στόχο της βιωσιμότητας, ενώ ταυτόχρονα προστατεύει την αρχιτεκτονική κληρονομιά της Ελλάδας. Συνοψίζοντας, αυτή η διατριβή παρέχει ένα ολοκληρωμένο αρχικό πλαίσιο για τη χρήση ψηφιακών τεχνολογιών στη διαχείριση της αρχιτεκτονικής κληρονομιάς. Εστιάζοντας στις προσόψεις των αθηναϊκών κατοικιών από το 1830 και έπειτα, η εργασία υπογραμμίζει τη σημασία της συνεχούς και δυναμικής ενημέρωσης των αρχείων και αποθετηρίων. Τονίζεται ο ρόλος των ψηφιακών τεχνολογιών, οι οποίες προάγουν τη διαφάνεια, τη διεπιστημονική συνεργασία, βελτιώνουν τις διαδικασίες λήψης αποφάσεων και ενισχύουν τις προληπτικές προσπάθειες διατήρησης στο πλαίσιο της διάσωσης της ιστορικής μνήμης αλλά και της βιώσιμης αστικής ανάπτυξης, σε απάντηση των σύγχρονων απειλών όπως η έλλειψη ανθεκτικότητας και η υποβάθμιση των κτιρίων.