基于形狀語法的AutoCons可持續住區生成設計研究
——以章丘岳滋新村為例

王 江，范 偉，郭道夷，楊 陽，趙繼龍，董廷路

(1.山東建筑大學 建筑城規學院，山東 濟南 250101；2.山東省綠色建筑協同創新中心，山東 濟南 250101；3.同濟大學建筑設計研究院(集團)有限公司，上海 200092；4.上海棲舍建筑設計事務所有限公司，上海 201800)

我國傳統住區本質上是一種經長期多階段衍生而形成的自組織形態，空間要素在特定規則約束下自發形成一定的秩序．然而，常規的住區設計模式卻是基于“藍圖式”、單步驟展開，多強調對單一結果進行自上而下的控制．如何以自上而下的整體設計方法，有效“復制”傳統住區的空間形態，一直是困擾建筑師的經典難題．傳統住區具有統一、多變的風貌特征，其住宅建筑具有體小、量大的特點，居民的個體化需求和建設參與權是空間衍生的動力．在“大型化、批量化”的建筑工業化時代，很多杰出的建筑師試圖從這種“傳統智慧”中汲取靈感，對住區或住宅設計開展有益的探索[1]．例如，Walter Gropius在德國特爾頓進行的住宅開發實驗(1926—1928)中，設計了由3種類型組成的316套住宅；Le Corbusier在法國佩薩克建立的多米諾住宅體系(1926—1929)中，設計了由4種類型組成的200套住宅，每種類型基于不同的室內空間可再次細分；Frank Lloyd Wright在美國設計的47棟傳統郊區住宅(1946—1954)中，清晰地闡述了其“住宅隨居民不同而不同”的主張；Balkrishna Doshi在印度印多爾的阿蘭若項目(1981—1986)中，對其中80套住宅進行示范設計與建造，定義了三種核心住宅類型與一套詳細的自助建造規則表[2]；Alvaro Siza在葡萄牙的馬拉蓋拉項目(1977—至今)中，設計了超過35種不同類型的住宅，涵蓋了從一居室至五居室[3]；Alejandro Aravena在智利金塔蒙羅伊住宅(2004)中，設計了100套由“半成品房子”組成的增量住宅．

以上案例具有四個共同點：其一，設計任務均指向一定數量、具有可承擔性的工業化住宅，在面向中低收入群體的住區設計中大規模重復使用；其二，對基礎設施和核心住宅進行統一建造，并為居民預留自助建造空間且盡可能降低成本；其三，由于設計結合了居民需求，住宅被注入定向生長的動力，呈現出時空衍生的多元特征；其四，它們是耦合統一建造與自助建造的上佳樣本，其中隱藏的衍生規則具有很好的應用潛力．需要指明的是，這些案例均采用常規的設計方法——先根據具體的實際要求形成想法，再設計初步方案草圖和藍圖，最后借由工具實現設計結果．這種經由“想法提出—藍圖設計—工具實現”的設計流程，往往以單一狀態的形式或模式呈現出最后的設計結果，卻難以在有限的設計周期內產生預定義、分階段的多種設計成果．在應對住區設計中關聯“空間與需求”的復雜性問題時，這種“藍圖式”的方法很難將全部規則傳達至每一位居民；由于以上規則未能被明確地描述和歸納，其他建筑師難以打開“黑箱”，也很難能繼續應用規則；盡管建筑師有能力同時完成多項住區設計任務，但是他們經常依賴標準化設計和經驗主義，導致設計成果均質、單調且難以響應所有的空間需求．

基于以上背景，本文嘗試利用“定義形式發生的語法規則”取代“定義全局控制的設計藍圖”，著重運用具有更高靈活性的多步驟生成設計方法，并為此定義了一種基于形狀語法(Shape Grammar)的AutoCons可持續住區模型——AutoCons是自主(Autonomous)或自動(Automatic)建造(Construction)的縮寫——是一個具有需求適應性、持續更新性及階段可控性的專家模型．通過AutoCons模型的構建邏輯研究，以章丘岳滋新村為例，制定空間生成的語法規則，探索兼顧住區“統一性與多樣性”的設計流程．

1 生成設計

生成設計的哲學根基源于Gilles Deleuze的生成論思想．他針對工業社會普遍存在的“重復性與差異性”問題提出了創造非標準“可能性”的后現代思維模式，這種模式因為能夠兼顧動態生成邏輯與多向交互過程，所以深刻影響了數字建筑設計的發展，促使建筑師更加關注于建筑設計的生成過程．Oxman歸納了五種數字設計模型[4]，其中生成設計模型可通過元素或符號的定義并對其施以規則或運算符，進行自動或半自動運算，為復雜性設計任務提供更多具有靈活性的解決方案．Vishal和Ning比較了五種最主要的生成設計方法[5]，其中，L系統(L-system)通過定義初始值，模擬具有自然植物特質的生長類模型，將轉換為字符串的圖形進行重寫，通過遞歸規則“重新映射”出適當的形式，但用于模擬具有規則形體與分類圖層特征的建筑模型時，表現出一定的局限性；元胞自動機(Cellular Automata)可將離散空間單元(建筑、場地、街區等)與元胞自動機的網格、單元、狀態、領域、規則和時間等要素對應，通過局部運算模擬自組織空間的動態變化，但不易細化和修正規則；多智能體(Swarm Intelligence)一般通過并行計算系統涌現過程而獲得設計雛形，與元胞自動機一樣適用于行為驅動的設計過程；遺傳算法(Genetic Algorithms)多用于設計優化，允許對設計空間進行無方向的隨機探索；形狀語法是以帶符號的形狀作為基本要素，使用語法規則進行分析并生成新形狀，在設計的推理過程中，逐步將基本語匯重新編譯形成完整獨立的語法，更適于形式驅動的建筑風格和樣式的設計過程．Kwiecinski等比較了分別利用遺傳算法和形狀語法建立的住宅設計系統：對于要素相對單一的住宅建筑而言，基于形狀語法的生成設計系統運算效率更高[6]．

2 形狀語法

形狀語法是由加州大學洛杉磯分校的George Stiny和James Gips在1972年提出的[7]，它脫胎于通訊科學的符號語言(Formal Language)理論，是由VT(形狀的有限集合，Shapes)、VM(符號的有限集合，Symbols)、I(初始形狀，Initial Shape)、R(規則的有限集合，Rules)共同構成的四元組(4-tuple)〈VT,VM,R,I〉．其中VT∩VM=?；R是一系列由u和v組成的規則集合，使得u是由VT中的形狀和VM中的符號組成的標記形狀集合；v是由u中的形狀組成的衍生形狀集合，或由u中的標記形狀組成的衍生形狀集合，或由u中的標記形狀與附加形狀組成的衍生形狀集合；I同樣是由VT中的形狀和VM中的符號組成的標記形狀[8]．形狀語法基于初始形狀(I)，按照規則(R)借由符號(VM)指引對各類形狀(VT)進行編碼，生成特定的形式語言．當其運用于模型構建時，描述方式和閱讀視角的類型與數量取決于建筑師在設計調研時捕獲的數據源、建模的目的性以及所期望的細節程度．

形狀語法常用于描述和分析經典的歷史性建筑語言，使用一組既有的設計作品作為語言或語法素材，推斷出語法規則，在新設計的具體應用中測試語法構建的合理性．1978年，George Stiny和William J.Mitchell使用形狀語法建立了適用于帕拉第奧別墅平面的語法規則，并將其轉譯為可用計算機程序生成的具體方法[9]．后來，基于相近的目的，許多其它的語法被建構出來，側重于探討圖形的二維及三維關系，它們的優勢在于不僅可以生成不同類型的圖形，還能定義與圖形匹配的語義，為生成設計賦予特定的使用功能、服務對象與象征意義．

3 基于形狀語法的AutoCons模型構建

參照模塊化程序設計的“三層架構”思想，AutoCons模型可按照交互界面層、業務邏輯層和數據訪問層進行構建(圖1)，三層架構間通過數據的傳遞和返回進行聯系，并通過數據庫儲存數據．這種分層建模的邏輯因為具有結構清晰、易維護、解耦、標準化、可重復使用和易擴展等優勢，所以當三層中任意一層發生變更時，均不會影響其他兩層的正常工作，有利于建模任務的同步進行，且容易適應設計任務變更的需求；此外，它能夠高效地將建筑師、模型、甚至居民關聯在一起，提升各方在交互過程中的滿意度．

圖1 AutoCons模型的三層架構圖Fig.1 Three-layer composition diagram of AutoCons model

3.1 交互界面層

該層是AutoCons模型中唯一可見的部分，主要功能有兩項：一是接收建筑師的指令，傳達和反饋建筑師的需求，為建筑師提供一種交互式操作的界面；二是顯示數據進而生成結果．為了提升模型使用的滿意度，交互界面層在構建時應盡可能地使設計流程簡化并易于導航．具體操作步驟包括：①建筑師輸入基本信息，此時系統會自動識別并生成一系列與其需求最相近的可視化方案以供選擇；②當建筑師發出不同指令時，界面上會同步顯示建筑面積、功能組合和空間形式等信息；③若建筑師對推薦方案不滿意，可繼續發出指令對方案進行調整，直到滿意為止．對具有編程語言知識的建筑師而言，為了便于他們修正規則和修改程序的約束條件，在構建AutoCons模型的過程中，一般會并行使用由高級腳本語言開發的程序和由低級編程語言開發的程序插件．例如，采用面向對象的計算機編程語言Python作為編碼工具，并利用具有腳本編輯功能的軟件插件輸出，建筑師能夠在開源環境下獨立進行編碼并轉譯圖形邏輯，通過多次獲取自動派生的可視化腳本，最終輸出滿足其需求的理想方案．

3.2 業務邏輯層

該層是AutoCons模型的中樞及聯系各層數據處理和傳遞的橋梁，建筑師在界面層發出的指令信息在該層處理后發送至下一層的數據訪問層；同時，這一層也是通過制定語法規則對相關數據進行封裝保存和刪除修正的地方，即“黑箱”．語法規則主要包括圖形與代碼的定義，圖形定義是指借助形狀語法，以二維或三維圖形作為輸入源，定義形式的初始及衍生規則，通過不同層級的圖形生成，快速輸出設計結果；代碼定義是指基于數理邏輯，利用程序語言對圖形定義中的規則進行轉譯，獲得數字化軟件可讀取的代碼[10]．具體的操作步驟包括：①利用Rhino-Grasshoper、AutoCAD等軟件插件將語法規則進行分類與編號；②根據建筑師的需求數據和形狀約束規則對圖形進行計算和加工，獲得若干二維關系的衍生模型和規劃布局結構；③根據水平和垂直方向衍生的閾值、日照和覆蓋率等進行限制刪減，生成三維關系的研究對象實例庫和衍生數據集；④最終根據建筑師指令在腳本中進行調用，將生成結果反饋至交互界面層，實現可視化方案的輸出．

3.3 數據訪問層

該層主要管理數據，實現對數據的增添、刪除、修改、查找等操作，一方面將交互界面層提交的建筑師指令和需求數據保存，另一方面將業務邏輯層請求的語法規則數據返回至業務邏輯層．其操作步驟主要包括：①數據輸入——由初始數據輸入、基地布局文件識別和基地布局初始化三個模塊構成；②預定義——由建立坐標體系和預定義空間衍生數據兩個模塊構成；③語法規則——由具體使用功能的空間數據構成，包括研究對象實例庫及衍生數據集；④數據輸出——由輸入總體約束、生成模型數據和模型數據輸出三個模塊構成，可輸出dwg、dxf、scr等多種格式的文件，并反饋至交互界面層．

4 岳滋新村的生成設計

在以上提出的AutoCons模型中，業務邏輯層的構建是建筑師的主要工作，而其他兩層一般是通過界面設計師、軟件開發工程師等開發．為此，以下內容將結合岳滋新村的生成設計，重點討論業務邏輯層的設計實現方法，并對其基本流程進行界定．一方面，結合具體的設計任務，制定宅基地布局及核心住宅的語法規則；基于岳滋村的詳細調研，剖析傳統住區中與居民生活、生產等需求密切相關的自助建造行為及其典型空間特征，結合居民的個體化需求，為居民參與的定制空間制定語法規則．為了使以上兩種語法規則良好銜接，首先應對AutoCons模型的基本模數、規劃空間、定制空間、約束條件等進行預定義；而后，為宅基地內住宅衍生的可能性制定語法規則，主要包括規劃空間中的核心住宅與其定制空間．

4.1 預定義

4.1.1 基本模數

根據住宅建筑設計的基本原理，選取較為經濟的房間面寬尺寸：臥室3.0 m、廚房1.5 m、衛生間1.5 m、起居室4.0 m、室內樓梯2.0 m等；將1.5 m作為住宅平面的基本模數，在預定義的坐標體系中對應為1個坐標單位．

4.1.2 規劃空間

規劃空間通過統一建造完成，可保障住區的空間統一性和功能高效性．其設計內容主要包括宅基地的形態特征、規劃總平面、路網系統、水電暖等基礎服務設施、經濟技術指標等，以及核心住宅的初始設計及其與宅基地的相對位置關系．宅基地在東-西向與南-北向進行排列時，其組合數量分別控制為2、2(或3)；每個宅基地的長邊和短邊應分別與另一個宅基地的長邊與短邊重合；組團之間通過4.5 m寬的道路相連．在核心住宅的可能性設計、宅基地的最適宜比例、定制空間的多階段衍生等研究中，經過多輪草圖比較后，確定了以1.5 m為模數的宅基地網格系統；含有2間臥室、適合三口之家居住的核心住宅形式，其平面比例為4∶4(6∶6 m)，面積為每層36 m2；宅基地的平面比例被確定為7∶10(10.5∶15 m)，其面積是157.5 m2．

4.1.3 定制空間

定制空間通過自助建造完成，可滿足居民的需求異質性和建設參與性．它在構造上屬于輕質、可變、易于與核心住宅進行連接與拆解，其功能根據居民入住后可能出現的居住、生產、租住和商業等需求進行定義．所有的定制空間均要以各自的核心住宅為基準點，且應遵循以下三個原則：充分利用各自的宅基地空間，以確保高效性；通過建筑密度等指標對住區建設強度進行監控，以確保約束性；遵守日照標準等約束條件減少對鄰域的影響，以確保公平性．此外，核心住宅與定制空間在組合時應盡可能地按照“L”或“U”形進行布局．

4.1.4 約束條件

核心住宅應至少保證有1個居住房間達到大寒日兩小時的日照標準，但僅適用于兩種情況：(1)在確定核心住宅位置時，南側宅基地的核心住宅不能遮擋北側核心住宅的南向房間．(2)該核心住宅的定制空間在衍生初期，南側宅基地的定制空間不能遮擋北側的核心住宅；這里存在一種特殊情況，如果同一個宅基地內的定制空間遮擋了自己的核心住宅，那么其南側宅基地的定制空間對北側宅基地的核心住宅的影響可以忽略．

4.2 制定語法規則

4.2.1 圖形定義

制定語法規則的首要操作即針對岳滋新村的設計要求進行圖形定義．按照形狀語法的構成四元組，AutoCons模型的語法四元組定義如下：VT是指核心住宅與定制空間的所有衍生形狀，VM是指定制空間衍生時用于標記規則觸發點的符號，I是指核心住宅在衍生前的初始形狀，R是指各類型空間的具體衍生規則．大多數的衍生規則在應用描述時只需要使用“形狀a衍生出形狀b”表示，這類規則僅對局部性設計產生影響，它們會在衍生過程中依據特定狀態在符號標記處被觸發．核心住宅的定位是制定語法規則的起點，而隨后出現的定制空間在衍生過程中不斷受到其核心住宅的約束．一旦核心住宅的位置被固定，觸發點會先根據定制空間的橫向衍生情況發生位移；當橫向衍生結束后，觸發點的位置隨即改變，以激活定制空間的縱向衍生．如圖2所示，R1.1-1.4描述了核心住宅在宅基地內的相對位置關系；R2.1-2.2描述了核心住宅定位后定制空間沿橫向衍生的規則；R3.1.1-3.2.3描述了定制空間沿縱向衍生的規則；R4.1-4.5描述了定制空間沿縱向衍生時不與核心住宅連接的規則．

圖2 AutoCons模型的語法四元組Fig.2 Grammar quadruple of AutoCons model

在AutoCons模型的語法樹形圖中(圖3)，階段1-4綜合表示了核心住宅與定制空間的衍生次序．字母A-D表示定制空間的形態類型，數字1-4表示同一種形態類型的不同布局形式．階段1表示核心住宅在宅基地內可能存在的位置關系；階段2表示定制空間沿橫向衍生的情況，盡可能地延長核心住宅的南向展開立面；階段3表示定制空間沿縱向相鄰衍生的情況；階段4表示定制空間沿縱向分離衍生的情況．通過圖4的三維圖形定義可以清晰表達出核心住宅和定制空間的相互關系．如圖4(1)所示，核心住宅與宅基地的相對位置關系被定義為A1、A2、A3、A4四種基本情況：當相鄰宅基地組合時，其東(或西)邊界可以重合，而北(或南)邊界若不重合，兩者之間的距離應≥2個坐標單位(兩者北邊界重合時除外)，即A1模式中僅有前院，而A2、A3、A4模式中可同時有前院和后院．如圖4(2)所示，定制空間向北縱向衍生時可以占滿北側整個面寬；向南縱向衍生時，為滿足南側房間采光應避免南側整個面寬被占滿．定制空間基于其與核心住宅的相對位置可分為B、C、D三種情況，根據其形態、數量與位置又可進一步分為更多情況，如圖4(3)～(5)所示，對B、C兩種情況舉例示意．這些情況盡可能地與居民的居住、生產、租住和商業等需求相匹配．

圖3 AutoCons模型的語法樹形圖Fig.3 The grammar tree of AutoCons model

圖4 AutoCons模型的三維圖形定義Fig.4 3D graph definition of AutoCons model

4.2.2 代碼定義

圖形定義完成后，按照數理邏輯對其衍生規則進行轉譯．使用Python編碼時應用到的相關函數主要包括：函數UnifiedCons(plot,location,area)將使用宅基地、核心住宅的位置及其面積等參數作為輸入值，模擬階段1和2；函數SelfCons(plot,constraints)將使用宅基地及建筑密度等參數作為輸入值，模擬階段3和4；函數SelfCons(plot,constraints)可進一步分解為Extending(directions)等子函數，它能夠根據給定的方向和位置執行自助定制，并檢查Consistency(constraints)．根據AutoCons模型的數據訪問層構建要求，將代碼定義的實現方式按照以下步驟執行：

(1)數據輸入：初始數據輸入——讀取預設的建筑密度及宅基地布局的txt文件路徑參數；基地布局文件識別——在對參數有效性驗證后對宅基地布局文件內容進行讀取并解析，識別出宅基地的初始坐標列表；新村基地布局初始化——進行宅基地對象的初始化．

(2)預定義的編譯：建立空間坐標值——基于宅基地對象文件與基本模數，定義衍生參照坐標體系；生成規劃空間衍生數據——根據定義的宅基地位置關系衍生出規劃空間的對象實例．

(3)語法規則的編譯：生成核心住宅衍生對象實例；生成定制空間沿橫向衍生的對象實例；生成定制空間沿縱向衍生的對象實例；生成定制空間按分離衍生的對象實例．以上規則依次執行，最終控制整體的定制空間．

(4)數據輸出：輸入總體約束——將規劃空間與定制空間的對象實例列表，根據輸入的建筑密度參數進行限制、刪減，保證實際的建筑密度不超標；生成模型數據——讀取刪減后的兩類空間實例矢量數據，依據AutoCAD軟件支持的數據方式對該矢量數據進行解析并生成模型，便于在AutoCAD中可視化；模型數據輸出——輸出CAD模型腳本scr格式文件．

利用Python根據上述步驟完成語法規則的編碼后，獲得AutoCons模型的腳本程序．

4.3 可視化衍生

4.3.1 初步設計

首先，對宅基地的初始坐標(x，y)定義，獲得txt格式的宅基地布局文件；其次，在與AutoCons模型程序“CA-global ratio”同級的目錄下，新建schemes目錄；其三，運行 AutoCons模型程序，在schemes文件夾中得到0.4.scr/0.5.scr/0.6.scr/0.7.scr四個文件，這是基于預設的建筑密度生成的規劃空間及定制空間衍生結果；其四，在AutoCAD軟件中繼續加載上一步生成的文件，對衍生結果進行可視化輸出，并對完善后續模型進行下一步操作．

4.3.2 深化設計

將具有二維空間屬性的建筑密度，視為衍生過程中進行階段性控制的關鍵數據．通過修改AutoCons模型腳本程序中的建筑密度參數，獲得不同建筑密度指標下的階段性住區形態結果(圖5)．在初始階段中，從宅基地和核心住宅的衍生結果中隨機抽取一個，實現核心住宅的規劃生成，該狀態的建筑密度為22.9%，容積率0.5，說明其狀態較為松散；在生長階段中，當定制空間集中于核心住宅西(或東)側時，宅基地的建筑密度和容積率分別上升至37.7%和0.7；而后定制空間隨機發生，按照之前定義的語法規則，每一個宅基地中逐漸生成“L”或“U”形的住宅布局，建筑密度達到50%．在飽和狀態中，建筑密度增至62.4%，居民的基本需求接近于滿足，定制空間的衍生幾乎停止．最后，將隨機生成的結果導入實際地形，完成住區的生成設計．

圖5 單步驟實現的常規設計結果與多步驟實現的生成設計結果比較Fig.5 Comparison of the results between the conventional design of single step implementation and the generative design of multi-step implementation

5 結論

在AutoCons可持續住區模型中，探索了基于形狀語法、可耦合統一建造的規劃空間與自助建造的定制空間的設計實現方法，建立了由“預定義—制定語法規則—可視化衍生”等多步驟組成的設計流程，結合章丘岳滋新村的生成設計，驗證了該模型的專家模型特征，在需求適應、持續更新及階段可控等方面具有一定的優勢．主要結論如下：

(1)從需求適應的角度來看，形狀語法既能夠作為一種關聯“空間與需求”的生成設計方法，將需求數據與語法規則匹配，基于圖形的可視化衍生使規則簡明、易懂，也便于建筑師同時開展規則驅動的手動和自動運算，快速生成滿足其需求的理想方案；

(2)從持續更新的角度來看，AutoCons模型可對語法規則進行圖形及代碼定義，使建筑師能夠根據需求補充約束條件與更新語法規則，通過實時獲取可視化的結果反饋，不斷地對模型進行調整和優化，提升生成結果的準確性；

(3)從階段可控的角度來看，基于“規則”、由多步驟建立的設計流程更易于通過建筑密度、容積率等指標實現對整體空間形態衍生過程的分階段控制，其生成設計結果具有明顯的“統一性與多樣性”，因此優于基于“藍圖”、單步驟實現的常規設計結果．