面向人工智能的建筑計算性設計研究

趙楠

摘 要：隨著大數據技術以及計算機技術不斷發展，人工智能時代不斷到來。在這個基礎上，進一步推動了人居環境系統的信息化轉型。本文在對建筑計算性設計特點進行分析的技術上，從三個方面提出了面向人工智能的建設計算機設計應用。最后，對建設計算性設計的發展進行了闡述。

關鍵詞：人工智能；建筑計算性；應用；發展

隨著大數據、云計算以及物聯網技術的不斷發展，其共同構成了人工智能時代的基本舞臺，加深了科學技術和哲學思想的密切融合，更好的促進了人居環境系統信息化轉型[1]。折舊出現了建筑計算性設計思想以及流程和技術系統，讓其成為了突破科學的問題，解決工程難題提供了有效途徑。建筑計算性設計的出現不但受到了人工智能技術的影響，也受到復雜性以及系統性科學思想的促進。本文在對建筑計算性設計特點進行分析的技術上，從三個方面提出了面向人工智能的建設計算機設計應用。最后，對建設計算性設計的發展進行了闡述。

1 建筑計算性設計思維的特征分析

1.1 系統化和動態化特征

建筑計算性設計在發展過程當中受到了科學思想的影響，融合了復雜性科學和系統科學的思想，形成了系統化思維系統[2]。在系統科學和復雜性科學思想的基礎上，建筑計算性設計思維將人們居住環境系統分成了環境子系統和建筑子系統。天空亮度、溫濕度以及日照的輻射改變等環境的影響對人們居住環境系統的平衡情況帶來影響，并且利用兩個系統間的物質以及能量交互而回到平衡的狀態當中[3]。所以，建筑計算性設計思維有著比較強的動態化以及系統化特征。系統化特征促進了建筑設計過程要從建筑系統主導向建筑環境向著雙系統的協同進行轉變，繼而加深了建筑設計對人們居住環境系統的平衡。動態化特征推動了建筑設計決策的時候從自上而下主觀決策變成自下而上組織導向相協同的建筑環境雙系統動態進行耦合的一個過程。

1.2 自適應和自組織的特征

建筑計算性設計對“過程”進行關注，而不是對“結果”進行關注。它是在計算機程序的基礎來實現自組織的生成。在建筑性能的指導下來對參量數值進行優化，進而能夠達到自適應的優化。從下到上的自組織變為和性能導向的自適應優化是建筑計算性設計在流程方面的特征。自下而上的自組織生成是建筑設計元素根據設計的規則來對建設設計方案進行形成的一個過程。性能導向自適應優化是在自組織生成方案的基礎上，在建筑性能目標的指導下對建設設計的參數值進行自適應的調整，進而不斷對建筑多性能目標進行優化。在自適應和自組織流程的特征下，建筑計算性設計將建筑設計的決策主體從建筑師變成了人工智能體，進而更好的對計算機較強的數據運算水平進行發揮出來。

1.3 信息化和智能化特征

人們居住環境系統的子系統就是建筑。它的自適應和自組織的演變受到建筑性能的要求而促進了和人們居住環境系統的約束。建筑計算性的設計要分析和集成人們居住環境的大數據，并且程序化和自動化的進行性能的優化和方案生成。在建筑計算性的設計思維特點要求之下，建筑環境系統的信息集成以及性能導向決策支撐是建筑計算性設計過程中的重要技術問題。

2 建筑計算性設計過程中人工智能技術的應用分析

2.1 人工智能環境下建筑環境的信息集成應用

建筑環境系統的信息集成是在人們的居住環境系統當中，環境和建筑相互進行作用，根據建筑子系統的形態空間建立邏輯，構建建筑環境的信息參數化關系的一個過程。它讓環境和建筑子系統信息翻譯成能夠進行計算的數據，進而給工程的實踐問題提供強有力的數據基礎。除此之外，構建的關聯關系能夠確保建筑計算性設計過程當中環境和建筑子系統信息的協同轉變。因此我們可以看出，建筑環境系統信息集成是開展建筑計算性設計的基礎和前提條件。

在大數據、云計算的發展過程中，人工智能造成了建筑環境信息集成新的研究，陸續出現了動態建筑環境信息建模以及建筑信息云管理等研究成果。動態建筑環境信息建模的技術是在動態建筑信息建模的技術方面新的發現。它利用云計算以及參數化的編程，能夠更好的實現環境、建筑和性能等多個層次的信息參數化關聯，繼而實現氣候數據、建筑建模分析以及仿真工具平臺當中存在數據的協同交互。

2.2 人工智能環境下建筑性能映射建模的應用

建筑性能映射建模是指建構建筑設計參量與建筑性能設計目標之間數值關聯關系的過程。建筑設計參量與建筑性能之間的映射模型是建筑計算性設計自組織生成邏輯和自適應優化適應度評價函數的制定依據。如建筑性能仿真模擬、建筑設計參量與性能回歸模型建構等都是建筑性能映射建模技術。同時，建筑形態空間、材料構造、設備工況、局地氣候、使用者行為等設計參量與建筑節能、熱舒適、光舒適、造價等性能之間的映 射關系具有非線性特征，建模難度較高。面對建筑計算性設計的大數據量、高效率處理需求，基于物理建模的建筑性能與設計參量映射建模技術局限日趨突顯，難以滿足建筑計算性設計對海量數據的分析處理需求。

2.3 人工智能語境下的性能導向決策支持

性能導向決策支持是基于建筑性能優化設計目標，通過數據、 模型和策略反饋，支撐設計者完成設計決策制定的過程。數據挖掘、聯機分析處理、優化搜索等均屬于決策支持技術。建筑計算性設計的自組織與自適應流程特征要求決策支持過程需權衡建筑多性能目標要求。近年來，多目標進化搜索和深度學習建模等人工智能技術逐步應用于建筑計算性設計的性能導向決策支持研究中，衍生出多目標優化決策支持和深度學習決策支持兩方面研究熱點。

3 結論和展望

建筑計算性設計是早工程實踐的需求和科學的進步共同發展而來的。在人工智能的環境下，它正在持續健康的發展，其變為解決目前復雜工程設計問題的一個重要建筑設計方法以及思想。和傳統設計方法相對比，建筑計算性設計融合了計算機科學、建筑學以及環境科學等知識體系，將先進的計算工程和算法融入到建筑設計的過程當中，有利于提高建筑設計信息化更好的水平。

最近幾年，國外一些高校研究團隊都陸續進行了建筑計算性的設計探討，力求進一步推動建筑計算性設計的思維、技術以及流程的發展。在未來發展過程中，建筑計算性設計將會在人工智能環境下，融入惡劣先進的技術理論，面向建筑工業化以及持續發展的建筑產業戰略，從建筑設計方面不斷發展到城市設計和區域規劃等領域中來。

參考文獻

[1]李誡.營造法式圖樣[M].中國建筑設計研究院建筑歷史研究所，編.北京：中國建筑工業出版社，2017.

[2]孫澄，韓昀松.“性能驅動”思維下的動態建筑信息建模技術研究[J].建筑學報，2017（8）：68-71.

[3]孫澄，韓昀松.光熱性能考慮下的嚴寒地區辦公建筑形態節能設計研究[J].建筑學報.2016（2）：38-42.