基于生成式設計的居住區生成強排方案研究

王瑞東

（龍信建設集團有限公司 江蘇南通 226000）

0 引言

居住區的設計規劃與建筑開發會收到受種因素影響，如綠化面積、場地規模、光照條件等，若相關人員難以找到各影響指標的平衡點，不僅會降低建筑用戶的使用體驗，還會削弱房地產企業的利潤水平。據此，我們有必要對基于生成式設計的居住區生成強排方案進行研究討論。

1 基于生成式設計的居住區生成強排方案應用背景

1.1 現實背景

近幾年來，隨著我國社會的不斷發展以及城市化進程的持續推進，各地的土地資源日益緊張，促使城市建筑設計發生了由平面擴張轉向立體延伸的發展變化。在此背景下，各類高層、超高層建筑越來越多地出現在人們的生活視野當中，并逐漸成為現代住宅區建筑設計的主流類型。此時，如何保證高層建筑中各家各戶的采光質量、如何實現住宅區公共環境的有效綠化，成為了從業人員及人民群眾普遍關注的重點問題。為了解決這一問題，“強排”這一概念產生出來，并越來越多地融入到居住區布局方案的合理設計當中[1]。

所謂“強排”，即高盈利強度的排布建筑總圖，要求相關人員對單位面積內的建筑業態組合進行合理規劃，以此實現高層、小高層、洋房等多種建筑類型的科學搭配，保證各建筑用戶享受到最優化的建筑服務。同時，稅后利潤最大化是房地產企業實施“強排”的最根本目的，要求相關人員在滿足建筑密度、容積率、建設用地面積等約束條件的前提下，尋找出居住區建筑獲利水平最大化的設計路徑。

1.2 理論背景

居住區生成強排方案主要以生成式設計理論作為基礎。這一理論希望通過計算機數據處理的方式，實現建筑物、建筑系統的建模生成與設計調整，進而使設計成果逐漸趨近于設計者的目標，發揮出最佳的方案效果。現階段，相關學界對“生成式設計”的理論定義尚未明確：Kristina Shea認為，生成式設計系統以創造新的設計流程為目標，該流程主要基于現代計算機技術的數據處理能力，實現生產空間上可制造的高效合理設計；Celestin Soddu認為，生成式設計對自然規律具有模仿性，其將設計者的創意轉變為代碼，進而獲得“無窮種變化”的結果；Frank Piller認為，生成式設計被限制在設計者預設好的目標空間當中，引導建筑物的形態、樣式進行自發的算法改良，并獲取到隨機性、無窮多的改良版本。

2 基于生成式設計下居住區生成強排方案應用策略

2.1 居住區生成強排方案的設計框架

基于生成式設計這一新型建筑設計模式，應以計算機系統平臺、可編程語言以及配套軟件模塊作為工具，開展居住區強排方案的設計活動。現階段，可選擇Grasshopper這一數據設計的主流軟件作為編程語言，其具有模型流媒體化、方案可視化、模擬算法自動化等優勢特點，在強排方案的生成與優化中可表現出高度應用價值。為了保證Grasshopper編程語言的應用可行性，需將Rhino這一3D造型軟件作為建模搭載平臺，并結合遺傳算法、進化策略算法以及Galapagos、Octopus、Opossum等插件工具，以確保強排方案中日照模擬、建筑規劃、容積運算等環節的技術實現。此外，為了在方案模型中完成精確化的能量、采光、舒適等要素模擬，還引入Radiance、OpenStudio等綠色建筑評估軟件。

2.2 居住區生成強排方案的應用算法

高水平的數據求解能力，是人工智能融入建筑行業的技術基礎，同時也是滿足強排方案設計目標的核心要求。因此，應將以下幾種應用算法落實到居住區生成強排方案的數據處理當中：①遺傳算法與退火算法。這兩種算法是Grasshopper編程語言的基礎算法，可通過Galapagos插件實現兩種算法下各類數據參數的手動調節；②Goat插件。該插件配備有綜合性的非線性函數優化庫，包含多種由MIT人員開發的優化函數。在Galapagos無法滿足模型優化運算的數據處理需求時，可用Goat插件作為替代。同時，Goat插件還具備高水準的數據分析能力，在配合Wallacei插件使用的情況下，可完成多目標求解、演算聚類、選項進化等多種數據運算任務；③Opossunm插件。該插件配備有IBM人員開發的RBFOpt算法工具，具有良好的仿真優化能力，可實現方案模型的無導數優化處理。

2.3 居住區生成強排方案的模型構建

在居住區強排方案模型的搭建當中，對人工導入數據的量級進行了控制，僅將樓層平面、用地平面的面積及規程數據輸入到Rhino軟件平臺中。通過這樣的建模方式，不僅有助于降低模型的應用難度，還有助于模型自適應、自調整機制的形成，為最優方案的設計生成創造充足空間。此外，為了更加靈活地進行Grasshopper程序控制，并保證強排方案最優取向與設計人員的思路目標相一致，還應預留出一定量的外部數據接口與人工控制選項，如層高數據接口、層數數據接口、“是否進行詳細日照模擬”選項等。基于此，將基本數據導入Rhino平臺后，Grasshopper程序便會在各種優化算法的加持之下，完成現有居住區條件下建筑布局、建筑間隔、層級設置等強排方案要素單項最大值、單項最小值以及整體最優解的配比生成。

2.4 居住區生成強排方案的實現流程

在居住區生成強排方案的模型搭建、算法運用過程中，首先需要將居住區原數據及目標值輸入到GUI界面當中。其后，Grasshopper程序的遺傳算法會進行黑盒模擬，進而形成各項模型數據的優化方向，并在運算結果的迭代中不斷趨近目標值，最終尋找到最優化的強排方案指標。同時需要注意的是，算法涉及到的模擬活動具有單向性，即僅圍繞某一目標的最優解展開數據處理。此時，由于強排方案體系包含有較多指標成分，如綠化率、建筑密度、容積率、日照角度等，故而難免會出現多種最優指標相沖突的問題。對此，相關人員還需根據強排方案的目標取向，對各類指標進行權重，并根據權重結果完成不同指標的目標函數比例調整，最終形成相互協調、可行性強的住宅區強排方案[2]。

現階段，在上述方案實現流程的基礎上，還可選擇兩種不同的模型調整模式：①將單個建筑物作為建模對象，在實現建筑物采光、層高、布局、結構等方面的最優化設計后，再將相關建模成果植入到住宅區的整體強排方案當中；②將住宅區設計中的同類建筑納入到同一模型矩陣內，在各指標權重值相同的基礎上，進行多個建筑的同步規劃、同時生成。從實際的應用表現來看，前一種模式具有布局設計靈活、強排方案多樣性高的特點，但因為只作用于單個建筑物的最優化模擬，故而較容易出現不同建筑物指標函數間相互沖突的問題，存在大量的重復調試需求；后一種模式的靈活性雖不如前者，但勝在迭代速度快、設計效率高，且不會出現指標數據、地界布局的沖突問題。因此，后一種模式的應用效果更好。

3 總結

總而言之，將生成式設計作為居住區建筑規劃設計的理論基礎，可實現可視化程序、建模平臺、遺傳算法等現代技術工具的有效應用，進而幫助設計者更加快速、全面地尋找到最優強排方案，為建筑用戶與房地產企業的雙重受益創造條件。