寒地鐵路客運(yùn)樞紐候乘空間光環(huán)境多目標(biāo)優(yōu)化設(shè)計(jì)

宋海宏,謝法連,王魯帥,鄭殿煬,張慧娜

(1.東北林業(yè)大學(xué)園林學(xué)院,哈爾濱 150040； 2.中國城市規(guī)劃設(shè)計(jì)研究院深圳分院,深圳 518040)

引言

立足于“性能驅(qū)動(dòng)”[1]設(shè)計(jì)思維蓬勃興起的時(shí)代背景，綠色建筑性能模擬技術(shù)[2]與參數(shù)化設(shè)計(jì)方法[3]日趨廣泛。候乘空間作為旅客完成從進(jìn)站候車到乘車的主要活動(dòng)空間，由于其諸多優(yōu)勢，早已成為國內(nèi)外交通樞紐中重要的空間形式，解決旅客基本使用需求已無法滿足當(dāng)前客運(yùn)樞紐綠色化、人性化的發(fā)展趨勢，還要考慮其舒適性。另外寒地鐵路客運(yùn)樞紐建筑因受地域氣候等條件的影響，冬季日照時(shí)間短，進(jìn)而導(dǎo)致人工照明時(shí)間增加。基于寒地地域特征的考慮，本研究以自然采光性能[4]為切入點(diǎn)，旨在提出寒地鐵路客運(yùn)樞紐候乘空間光環(huán)境數(shù)字化優(yōu)化設(shè)計(jì)流程、平臺(tái)與策略，從而提升寒地鐵路客運(yùn)樞紐建筑優(yōu)化設(shè)計(jì)決策精度，提高優(yōu)化設(shè)計(jì)效率，增強(qiáng)優(yōu)化設(shè)計(jì)過程對于復(fù)合性能的權(quán)衡能力。

隨著對建筑設(shè)計(jì)要求的不斷提升，既有的建筑設(shè)計(jì)理論的局限性逐漸凸顯。韓昀松建立了寒地辦公建筑形態(tài)GANN-BIM數(shù)字化優(yōu)化設(shè)計(jì)平臺(tái)，指出了跨平臺(tái)交互的優(yōu)勢[5]；楊鴻瑋基于Ecotect-Radiance-Daysim聯(lián)動(dòng)平臺(tái)，對建筑進(jìn)行建筑綠色化改造設(shè)計(jì)[6]；王振宇基于參數(shù)化設(shè)計(jì)平臺(tái)，提出了嚴(yán)寒地區(qū)的高層辦公建筑形態(tài)和表皮優(yōu)化設(shè)計(jì)流程[7]；周白冰以Grasshopper為平臺(tái)運(yùn)用多目標(biāo)遺傳算法優(yōu)化技術(shù)對寒地多層辦公建筑空間自然采光性能進(jìn)行優(yōu)化[8]；本文在此基礎(chǔ)上基于參數(shù)化設(shè)計(jì)平臺(tái)Rhinoceros & Grasshopper[9-10]展開，通過耦合建筑環(huán)境信息模型和多目標(biāo)優(yōu)化算法[11-12]，提出了綠色性能導(dǎo)向下的寒地鐵路客運(yùn)樞紐候乘空間光環(huán)境數(shù)字化設(shè)計(jì)流程，促發(fā)了建筑優(yōu)化設(shè)計(jì)過程由自上而下主觀決策轉(zhuǎn)變?yōu)樽韵露献越M織與性能導(dǎo)向自適應(yīng)相協(xié)同的建筑環(huán)境雙系統(tǒng)動(dòng)態(tài)耦合過程，解決了現(xiàn)有方法中存在的對空間參數(shù)考慮不周、優(yōu)化用時(shí)長等問題，然后依據(jù)該流程提出寒地鐵路客運(yùn)樞紐候乘空間光環(huán)境數(shù)字化設(shè)計(jì)策略，并結(jié)合建筑實(shí)例展開探討。

1 寒地鐵路客運(yùn)樞紐候乘空間光環(huán)境數(shù)字化設(shè)計(jì)流程

寒地鐵路客運(yùn)樞紐候乘空間光環(huán)境數(shù)字化設(shè)計(jì)流程由建筑與環(huán)境信息參數(shù)集成、設(shè)計(jì)參量與性能映射關(guān)系建構(gòu)和多目標(biāo)建筑空間優(yōu)化3組子流程組成。以哈爾濱西站候乘空間為研究案例，首先應(yīng)用寒地鐵路客運(yùn)樞紐候乘空間光環(huán)境數(shù)字化設(shè)計(jì)流程(圖1)，然后采用基于自然采光性能的候乘空間光環(huán)境優(yōu)化設(shè)計(jì)策略展開案例實(shí)踐。

圖1 寒地鐵路客運(yùn)樞紐候乘空間光環(huán)境數(shù)字化設(shè)計(jì)流程

1.1 建筑與環(huán)境信息集成

建筑與環(huán)境信息集成是寒地鐵路客運(yùn)樞紐候乘空間光環(huán)境數(shù)字化設(shè)計(jì)的第一項(xiàng)子流程。該子流程從設(shè)計(jì)目標(biāo)、設(shè)計(jì)條件和設(shè)計(jì)參量三方面出發(fā)，立足寒地地域環(huán)境特征與設(shè)計(jì)條件，應(yīng)用建筑信息建模技術(shù)[13-14]、參數(shù)化編程技術(shù)以及建筑性能模擬技術(shù)完成對建筑信息、環(huán)境信息和建筑性能指標(biāo)的整合。研究首先展開建筑與環(huán)境信息集成，應(yīng)用自然采光性能考量下的寒地鐵路客運(yùn)樞紐候乘空間數(shù)字化設(shè)計(jì)策略，選取建筑朝向、平面長寬比、東西向窗墻比、天窗洞口與候乘空間面積比值、天窗高度等建筑幾何信息為設(shè)計(jì)參量，結(jié)合寒地鐵路客運(yùn)樞紐候乘空間參數(shù)的抽樣調(diào)查結(jié)果，設(shè)計(jì)參量數(shù)值約束條件見表1。

表1 寒地鐵路客運(yùn)樞紐候乘空間光環(huán)境設(shè)計(jì)參量約束條件

同時(shí)把全自然采光百分比(DA)、有效自然采光照度百分比(UDI)[15]以及全自然眩光概率(DGP)作為優(yōu)化設(shè)計(jì)目標(biāo)，應(yīng)用建筑環(huán)境信息模型有序疊加寒地鐵路客運(yùn)樞紐候乘空間材料與構(gòu)造、幾何以及運(yùn)行等建筑信息，構(gòu)建的建筑參數(shù)化模型見圖2。

圖2 哈爾濱西站候乘空間參數(shù)化模型

構(gòu)建多層級的建筑信息參數(shù)網(wǎng)絡(luò)，需要復(fù)合相應(yīng)模塊體形、側(cè)窗、天窗設(shè)計(jì)要素及其子決策變量的信息。第一類決策變量由平面長寬比與建筑朝向兩個(gè)影響建筑體形設(shè)計(jì)的參量組成，對建筑案例實(shí)地測量，候乘空間為矩形，東西長度為318.6 m，南北向長度為68 m，即候乘空間的面積為21 664.8 m2，平面長寬比為4.69。經(jīng)過查閱文獻(xiàn)與實(shí)際調(diào)研，將平面長寬比值域定為4.5～6.0，依據(jù)優(yōu)化計(jì)算的時(shí)間確定參量模數(shù)為0.1。本文以寒地城市哈爾濱為例，寒地鐵路客運(yùn)樞紐候乘空間最佳朝向?yàn)闁|偏北30°～東偏南30°，因此將實(shí)驗(yàn)選取的建筑朝向值域定為-30°～30°，參量的模數(shù)定為2.5°。并且考慮自然采光模擬計(jì)算結(jié)果的準(zhǔn)確性，疊加建筑高度等建筑幾何形態(tài)信息。第二類決策變量由東西向窗墻比2個(gè)影響側(cè)窗設(shè)計(jì)的參量組成，通過實(shí)地測量與參閱文獻(xiàn)，將建筑東、西方向窗墻比的值域定為0.45～0.55，參量的模數(shù)為0.01。第三類決策變量則主要針對由天窗洞口與候乘空間面積比值以及天窗高度組成的天窗設(shè)計(jì)參量[16]進(jìn)行優(yōu)化，從而確保天窗洞口的比例與高度都達(dá)到最優(yōu)效果。對三類決策變量進(jìn)行整合，圖3為其算法模塊。

圖3 參數(shù)化模型生成算法模塊

1.2 空間與性能關(guān)系建構(gòu)

空間與性能映射關(guān)系建構(gòu)子流程是寒地鐵路客運(yùn)樞紐候乘空間光環(huán)境數(shù)字化設(shè)計(jì)的第二項(xiàng)子流程，設(shè)計(jì)者在該流程中將從建筑性能設(shè)計(jì)目標(biāo)和建筑空間設(shè)計(jì)參量兩方面入手，應(yīng)用建筑性能模擬技術(shù)構(gòu)建建筑空間與建筑性能目標(biāo)的映射關(guān)系。

自然采光性能模擬的優(yōu)化目標(biāo)分別為全自然采光百分比(DA)、有效自然采光照度百分比(UDI)以及全自然眩光概率(DGP)。利用Honeybee& Ladybug數(shù)字化技術(shù)平臺(tái)，模擬寒地鐵路客運(yùn)樞紐候乘空間的自然采光性能，把性能模擬數(shù)據(jù)導(dǎo)入儲(chǔ)存模塊，形成可調(diào)用的數(shù)據(jù)庫。該流程分為三部分：模擬數(shù)據(jù)的前期采集、軟件模擬精度的實(shí)測驗(yàn)證以及3個(gè)自然采光性能指標(biāo)的模擬。

首先對模擬數(shù)據(jù)進(jìn)行前期的采集，可分為搭建天空模型、賦予材料構(gòu)造屬性以及設(shè)置環(huán)境參數(shù)等環(huán)節(jié)。日照環(huán)境影響建筑的自然采光性能，建筑案例位于典型的寒地城市哈爾濱，年平均的日照時(shí)間為4.4 h，冬季日照時(shí)長短，由圖4可知，哈爾濱地區(qū)的日照輻射量月均值在六月達(dá)到最大值，隨后逐漸降低，冬季達(dá)到最小值。針對寒地鮮明的地域氣候特征，本研究從實(shí)際觀測出發(fā)，以基于實(shí)測數(shù)據(jù)得出的天空亮度分布替代IWEC數(shù)據(jù)庫中的直射和散射輻射值，使用實(shí)測數(shù)據(jù)校正Perez天空模型，生成反映哈爾濱地區(qū)真實(shí)天空狀態(tài)的寒地光氣候特征的天空模型，即修正的Perez天空模型，提高對局地光氣候環(huán)境的反映精度。隨后設(shè)計(jì)者基于對候乘空間內(nèi)建筑材料的反射率和透射率等光學(xué)屬性的實(shí)測，創(chuàng)建寒地鐵路客運(yùn)樞紐候乘空間內(nèi)常用材料的光學(xué)屬性數(shù)據(jù)組，設(shè)計(jì)者可依據(jù)需要調(diào)用不同材料的光學(xué)屬性數(shù)據(jù)，并將其與候乘空間參數(shù)構(gòu)建自適應(yīng)關(guān)聯(lián)關(guān)系，從而避免因調(diào)整方案造成重復(fù)建模，減少模擬實(shí)驗(yàn)的耗時(shí)。本文將依據(jù)自然采光性能模擬所需的候乘空間和室內(nèi)材料的光學(xué)屬性以及天空模型的數(shù)據(jù)要求，將寒地鐵路客運(yùn)樞紐建筑和環(huán)境數(shù)據(jù)導(dǎo)入Ladybug、Radiance等模擬軟件中，并啟動(dòng)模擬軟件計(jì)算自然采光性能指標(biāo)。

在自然采光性能模擬中，需要對軟件模擬的準(zhǔn)確性與可靠性進(jìn)行驗(yàn)證。對哈爾濱西站候乘空間光環(huán)境進(jìn)行現(xiàn)場測量，候乘空間測量選取的高度為0.75 m，共選取32個(gè)測點(diǎn)，測試時(shí)間為2019年8月1日～8月16日，測量時(shí)間段為8:00～17:00，在每次測試時(shí)，分別對各測點(diǎn)測量3次，然后取其平均值作為實(shí)測照度值。在實(shí)測過程中候乘空間內(nèi)人工照明裝置均處于關(guān)閉狀態(tài)僅自然采光，測點(diǎn)分布見圖5。

圖4 太陽輻射分析

圖5 測點(diǎn)布置示意

將照度模擬值與實(shí)測值導(dǎo)入SPSS軟件，對768組模擬數(shù)據(jù)與實(shí)測數(shù)據(jù)的Pearson相關(guān)性進(jìn)行分析，由分析結(jié)果可知，自然采光照度模擬數(shù)據(jù)與實(shí)測數(shù)據(jù)相關(guān)系數(shù)為0.981，屬于高度相關(guān)。顯著性P值為0.000，小于0.01，具有高度統(tǒng)計(jì)學(xué)意義，可見實(shí)測數(shù)據(jù)與模擬數(shù)據(jù)之間為極顯著相關(guān)的關(guān)系。另外引入均方根誤差(Root Mean Square Error， rmse)來驗(yàn)證數(shù)據(jù)的準(zhǔn)確性。由計(jì)算結(jié)果可知，模擬值與實(shí)測值的均方根誤差為97.7，屬于允許的誤差范圍，因此，Ladybug與Honeybee等軟件對候乘空間內(nèi)自然采光性能光環(huán)境的參數(shù)化模擬較為準(zhǔn)確。

在DA與UDI模擬計(jì)算過程中，選取候乘空間的地面作為自然采光性能研究的測試網(wǎng)格面，把測點(diǎn)的高度定為0.75 m。根據(jù)上述搭建天空模型等環(huán)節(jié)對模擬數(shù)據(jù)的前期準(zhǔn)備，應(yīng)用Honeybee全年日照模擬方法對候乘空間自然采光性能進(jìn)行模擬，獲得全自然采光百分比(DA)和有效自然采光照度百分比(UDI)的數(shù)據(jù)，其模擬程序流程見圖6。在DGP模擬計(jì)算中，對候乘空間中離窗邊1 m處的測點(diǎn)進(jìn)行眩光分析，因?yàn)檫@里具有良好的采光，易生成劇烈明暗差異的眩光現(xiàn)象，圖7為其模擬程序的流程。

1.3 多目標(biāo)建筑空間優(yōu)化

設(shè)計(jì)者在進(jìn)行候乘空間多目標(biāo)性能優(yōu)化的子流程中，通過擬作為評價(jià)條件的建筑性能指標(biāo)和擬進(jìn)行參數(shù)優(yōu)化的候乘空間設(shè)計(jì)參量，采用遺傳優(yōu)化搜索技術(shù)[17-18]，開展基于性能導(dǎo)向的寒地鐵路客運(yùn)樞紐候乘空間光環(huán)境決策變量遺傳優(yōu)化搜索的設(shè)計(jì)過程。候乘空間多目標(biāo)優(yōu)化的子流程是在性能驅(qū)動(dòng)設(shè)計(jì)思維引導(dǎo)下，利用遺傳優(yōu)化算法在解集空間中搜索出候乘空間帕累托最優(yōu)解集的過程。

圖6 DA、UDI自然采光性能評價(jià)指標(biāo)模擬程序流程

圖7 眩光指標(biāo)DGP模擬程序流程

全自然采光百分比(DA)與有效自然采光照度百分比(UDI)屬于兩個(gè)自然采光性能動(dòng)態(tài)評價(jià)指標(biāo)。本實(shí)驗(yàn)的目標(biāo)為尋求兩個(gè)評價(jià)指標(biāo)的最大值，首先通過遺傳算法分別累加測點(diǎn)DA、UDI的數(shù)值并求取平均值，由于Octopus模塊僅能求解目標(biāo)函數(shù)最小值，而DA、UDI取值越大表示自然采光性能越好，因此需將上述均值運(yùn)用函數(shù)轉(zhuǎn)換為負(fù)數(shù)的形式，然后通過代數(shù)運(yùn)算連接至Octopus[19]模塊的O端。全自然眩光概率(DGP)作為第三個(gè)適應(yīng)度目標(biāo)，是衡量不舒適眩光的評價(jià)指標(biāo)。根據(jù)表2將DGP模擬結(jié)果中小于0.4的時(shí)刻占全年總時(shí)刻的比例設(shè)為優(yōu)化目標(biāo)，在此范圍內(nèi)會(huì)使旅客感受到舒適的自然光環(huán)境。選取候乘空間內(nèi)距離窗邊1 m處的人視點(diǎn)模擬計(jì)算其一年內(nèi)21日上午12點(diǎn)DGP的均值，利用代數(shù)運(yùn)算，連接至Octopus模塊的O端。

表2 眩光發(fā)生概率(DGP)等級分類[20]

對優(yōu)化目標(biāo)的數(shù)據(jù)交互接口進(jìn)行連接，在把3個(gè)目標(biāo)函數(shù)連接至Octopus模塊的O端之后，將體形、側(cè)窗、天窗空間變量連接至Octopus模塊的G端。通對各參數(shù)控制模塊進(jìn)行多層級關(guān)聯(lián)關(guān)系建構(gòu)，其算法流程見圖8。在Octopus主界面將種群數(shù)量設(shè)置為100，變異率設(shè)置為0.100，交叉率設(shè)置為0.800，精英比例設(shè)置為0.500，最大代數(shù)設(shè)置為0，然后開始進(jìn)行優(yōu)化。

圖8 Octopus多目標(biāo)優(yōu)化算法流程與框架

2 寒地鐵路客運(yùn)樞紐候乘空間光環(huán)境數(shù)字化設(shè)計(jì)實(shí)踐結(jié)果分析

本實(shí)驗(yàn)共進(jìn)行了50次迭代計(jì)算，在第15代優(yōu)化收斂完成，獲得120個(gè)優(yōu)化方案。對各代優(yōu)化解集3個(gè)目標(biāo)函數(shù)的最值和均值分布狀況進(jìn)行解析，如圖9所示。由圖9可以看出，Pareto最優(yōu)解的最小值的浮動(dòng)范圍很小，但最大值的變化范圍較大，3個(gè)目標(biāo)函數(shù)逐漸呈現(xiàn)出收斂的態(tài)勢，表明在所有解中Pareto最優(yōu)解所占比例呈上升的趨勢，同時(shí)也反映出另外各代解集的支配集逐漸趨近于Pareto最優(yōu)解；15代之后兩個(gè)最值分布狀態(tài)都趨于良好，優(yōu)化率也呈穩(wěn)定態(tài)勢。以全自然采光百分比(DA)為例，目標(biāo)函數(shù)值在最初的幾代變化較為劇烈，隨著進(jìn)化過程的推進(jìn)，解集質(zhì)量的收斂性雖有波動(dòng)，但呈穩(wěn)態(tài)發(fā)展，前15代的優(yōu)化率顯著提高，15代之后優(yōu)化率趨于平穩(wěn)。DA與DGP也呈相似的態(tài)勢，優(yōu)化率在15代之后呈現(xiàn)穩(wěn)定態(tài)勢。通過對各代解集兩個(gè)最值以及平均值的分布狀況分析可以判定實(shí)驗(yàn)呈優(yōu)化收斂態(tài)勢，驗(yàn)證了建筑空間設(shè)計(jì)過程中優(yōu)化設(shè)計(jì)決策能夠在迭代計(jì)算中逐步改善候乘空間內(nèi)的自然采光性能。

圖9 DA、UDI、DGP優(yōu)化目標(biāo)收斂分析

在Pareto最優(yōu)解集中選定3種代表不同性能傾向的設(shè)計(jì)方案進(jìn)行對比研究，由表3可知，多目標(biāo)權(quán)衡較優(yōu)方案①相比原始方案，優(yōu)化目標(biāo)DA與UDI分別提升了73.9%與20.7%，DGP則為95.0%；DA性能評價(jià)指標(biāo)最優(yōu)方案②相較于原始方案，3個(gè)優(yōu)化目標(biāo)DA、UDI與DGP分別提升了84.3%、17.5%與71.6%；UDI性能評價(jià)指標(biāo)最優(yōu)方案③與原始方案相比，3個(gè)優(yōu)化目標(biāo)分別提升了65.2%、30.6%與74.6%，3個(gè)優(yōu)化設(shè)計(jì)方案的自然采光性能相較于原始方案都有顯著的提升。通過Octopus模塊對寒地鐵路客運(yùn)樞紐候乘空間參數(shù)化模型的建筑性能指標(biāo)進(jìn)行多目標(biāo)優(yōu)化設(shè)計(jì)，設(shè)計(jì)者依據(jù)不同的性能傾向在龐大的解空間中選擇各項(xiàng)性能最優(yōu)數(shù)值與設(shè)計(jì)約束條件下的單項(xiàng)性能相對最優(yōu)值，使優(yōu)化方案的多樣性得到了很大程度的改善，從而大幅提升候乘空間自然采光利用率。

表3 優(yōu)化方案自然采光性能的提升分析

3 寒地鐵路客運(yùn)樞紐候乘空間光環(huán)境優(yōu)化設(shè)計(jì)策略

基于寒地日照時(shí)間短、氣候惡劣的地域環(huán)境特征，對寒地鐵路客運(yùn)樞紐候乘空間進(jìn)行多目標(biāo)優(yōu)化設(shè)計(jì)，分別從體形、側(cè)窗和天窗設(shè)計(jì)參量三方面總結(jié)出寒地鐵路客運(yùn)樞紐候乘空間光環(huán)境數(shù)字化設(shè)計(jì)策略。

3.1 體形參量的設(shè)計(jì)策略

首先選取南北向的寒地鐵路客運(yùn)樞紐候乘空間運(yùn)行多目標(biāo)優(yōu)化，得出相應(yīng)的帕累托前沿最優(yōu)解集。由優(yōu)化解集的實(shí)驗(yàn)結(jié)果可以得知，建筑朝向的改變對全天然采光百分比(DA)影響最大，對有效自然采光照度百分比(UDI)和全自然眩光概率(DGP)的影響次之，南北向候乘空間最適宜的朝向范圍為東偏北30°～東偏南30°，隨著建筑在此范圍內(nèi)向東偏北進(jìn)行偏轉(zhuǎn)，目標(biāo)函數(shù)DA逐漸增加，提高了對自然光的利用能力；UDI呈減小趨勢，即候乘空間自然采光質(zhì)量逐漸降低；DGP則存在較小浮動(dòng)，因此在候乘空間設(shè)計(jì)中需要預(yù)防不舒適眩光的發(fā)生，從而創(chuàng)造一個(gè)視覺愉悅的候乘空間光環(huán)境。

基于寒地氣候、地理環(huán)境等條件的制約，平面形態(tài)多以規(guī)則的長方形為主，在候乘空間的平面設(shè)計(jì)中，應(yīng)當(dāng)注意對平面長寬比的控制，過大容易導(dǎo)致體形系數(shù)的增加。由多目標(biāo)優(yōu)化實(shí)驗(yàn)可知，平面長寬比的改變對目標(biāo)函數(shù)DA和DGP影響較大，對目標(biāo)函數(shù)UDI的優(yōu)化率則改變較小。通過解析Pareto最優(yōu)解集中平面長寬比變量對3個(gè)優(yōu)化目標(biāo)的影響，可以發(fā)現(xiàn)在建筑面積一定的情況下，在4.6～5.0范圍內(nèi)的平面長寬比可有效提升全自然采光百分比(DA)，提升了候乘空間對自然采光的利用率；同時(shí)確保全年中候乘空間內(nèi)自然采光照度值在有效值域(100～2 000 lx)內(nèi)的時(shí)間百分比；并且可有效控制候乘空間的全自然眩光概率(DGP)在最適宜范圍內(nèi)。從而為旅客創(chuàng)造良好的空間品質(zhì)，有益于旅客生理、心理健康。

3.2 側(cè)窗參量的設(shè)計(jì)策略

建筑側(cè)窗是最常見的一種采光口形式，光線具有很強(qiáng)的方向性，有利于顯現(xiàn)立體造型，易與室外聯(lián)系等優(yōu)點(diǎn)，缺點(diǎn)是光線分布不均勻，近窗處亮，遠(yuǎn)窗處暗，易形成直接眩光，影響側(cè)窗采光效果的因素很多，主要集中在側(cè)窗形狀、側(cè)窗布置方式、側(cè)窗間間距。

候乘空間自然采光性能很大程度上受建筑側(cè)窗的影響，在寒地鐵路客運(yùn)樞紐候乘空間光環(huán)境多目標(biāo)優(yōu)化實(shí)驗(yàn)中，選擇的候乘空間為南北向，由于南北向沒有側(cè)窗，因此把東、西兩個(gè)方向的窗墻比側(cè)窗設(shè)計(jì)參量作為實(shí)驗(yàn)的決策變量。通過寒地鐵路客運(yùn)樞紐候乘空間光環(huán)境多目標(biāo)優(yōu)化實(shí)驗(yàn)得出，增大東西向窗墻比增加了DA的數(shù)值，可大幅提升有效利用自然光的能力，但同時(shí)也提升了不舒適眩光發(fā)生的概率，因此在適當(dāng)增加?xùn)|西向窗墻比的同時(shí)應(yīng)對眩光現(xiàn)象進(jìn)行預(yù)防。另外考慮到西立面在夏季易產(chǎn)生嚴(yán)重的眩光現(xiàn)象，在設(shè)計(jì)中必須充分考慮其遮陽設(shè)計(jì)以避免長時(shí)間西曬。目前我國鐵路客運(yùn)樞紐候乘空間主要采用外遮陽措施，外遮陽系統(tǒng)一般和建筑整體外立面結(jié)合在一起，可有效的遮蔽直射光，使柔和的自然光進(jìn)入建筑內(nèi)部。

3.3 天窗參量的設(shè)計(jì)策略

人們對自然光的心理需求愈加重視，近年來建成的國內(nèi)外寒地鐵路客運(yùn)樞紐建筑中多構(gòu)建大量條形天窗，目的是將室外自然光引入建筑內(nèi)部，提升候乘空間品質(zhì)，因此研究天窗設(shè)計(jì)參量對候乘空間自然采光性能的影響十分必要。

由Pareto最優(yōu)解集的解析可知，隨著天窗洞口與候乘空間面積比值的增加，優(yōu)化目標(biāo)DA的數(shù)值增幅較大，優(yōu)化目標(biāo)UDI和DGP的優(yōu)化率則改變不大。因此適當(dāng)擴(kuò)大天窗比例提高了全自然采光百分比(DA)的數(shù)值，可有效提升自然采光的利用率，提高了工作面照度值在100～2 000 lx有效值域內(nèi)的小時(shí)數(shù)與全年工作時(shí)間小時(shí)數(shù)的百分比。所以可適當(dāng)增加天窗洞口與候乘空間面積比值，提升對自然采光的利用能力，但同時(shí)應(yīng)控制不舒適度眩光(DGP)發(fā)生的概率。通過增加候乘空間的天窗高度有助于提高全自然采光百分比(DA)，從而更加充分地利用自然采光，但同時(shí)也會(huì)提高不舒適眩光DGP發(fā)生的概率。由多目標(biāo)優(yōu)化實(shí)驗(yàn)可知，天窗高度的最佳的取值范圍為17～18 m，在此范圍內(nèi)提高天窗的高度，可充分引入自然采光，避免直射陽光的大量進(jìn)入，對有效提升候乘空間對自然光的利用率有重要的現(xiàn)實(shí)意義。

4 結(jié)論

本文建立了寒地鐵路客運(yùn)樞紐候乘空間光環(huán)境數(shù)字化設(shè)計(jì)流程，提出了綠色性能導(dǎo)向下的多目標(biāo)優(yōu)化方法的流程框架。

(1)立足于寒地氣候特征，提出了候乘空間光環(huán)境優(yōu)化設(shè)計(jì)流程與策略，基于自然采光性能設(shè)計(jì)目標(biāo)展開建筑空間設(shè)計(jì)方案優(yōu)化搜索，生成寒地鐵路客運(yùn)樞紐候乘空間光環(huán)境帕累托前沿最優(yōu)解集，提高了寒地鐵路客運(yùn)樞紐候乘空間光環(huán)境優(yōu)化設(shè)計(jì)精度。

(2)應(yīng)用建筑信息建模技術(shù)對建筑、環(huán)境與建筑性能信息進(jìn)行集成，然后利用參數(shù)化編程技術(shù)對各參數(shù)模塊進(jìn)行編寫，將多層級關(guān)聯(lián)關(guān)系的建筑信息參數(shù)化控制模塊平行建構(gòu)于數(shù)字化節(jié)能設(shè)計(jì)平臺(tái)中，從而將寒地建筑環(huán)境信息模型中的復(fù)雜數(shù)據(jù)結(jié)構(gòu)降維，實(shí)現(xiàn)建筑信息的平板化布局、參數(shù)化控制以及自適應(yīng)協(xié)同。

(3)通過耦合建筑環(huán)境信息模型和多目標(biāo)優(yōu)化算法，建構(gòu)綠色性能導(dǎo)向下的候乘空間多目標(biāo)優(yōu)化設(shè)計(jì)流程，彌補(bǔ)了現(xiàn)有設(shè)計(jì)方法中存在的空間參數(shù)考慮不周、優(yōu)化用時(shí)長等問題。

(4)應(yīng)用建模、模擬與優(yōu)化的流程框架，立足于自然采光性能，分別從建筑體形、側(cè)窗和天窗等設(shè)計(jì)參量對3個(gè)優(yōu)化目標(biāo)進(jìn)行優(yōu)化。對得出的Pareto最優(yōu)解集的實(shí)驗(yàn)結(jié)果進(jìn)行解析，梳理出體形、側(cè)窗、天窗設(shè)計(jì)參量方面的寒地鐵路客運(yùn)樞紐候乘空間光環(huán)境數(shù)字化優(yōu)化設(shè)計(jì)策略。