CN117150633A - 一种基于集群智能与性能模拟的室外公共空间寻优方法 - Google Patents
一种基于集群智能与性能模拟的室外公共空间寻优方法 Download PDFInfo
- Publication number
- CN117150633A CN117150633A CN202311407574.6A CN202311407574A CN117150633A CN 117150633 A CN117150633 A CN 117150633A CN 202311407574 A CN202311407574 A CN 202311407574A CN 117150633 A CN117150633 A CN 117150633A
- Authority
- CN
- China
- Prior art keywords
- public space
- outdoor public
- building
- outdoor
- simulation
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000004088 simulation Methods 0.000 title claims abstract description 71
- 238000000034 method Methods 0.000 title claims abstract description 56
- 238000013461 design Methods 0.000 claims abstract description 18
- 238000011156 evaluation Methods 0.000 claims abstract description 13
- 241000254032 Acrididae Species 0.000 claims abstract description 9
- 230000006399 behavior Effects 0.000 claims description 47
- 238000004458 analytical method Methods 0.000 claims description 42
- 238000005457 optimization Methods 0.000 claims description 17
- 230000000694 effects Effects 0.000 claims description 14
- 238000004422 calculation algorithm Methods 0.000 claims description 12
- 230000005855 radiation Effects 0.000 claims description 11
- 241000255749 Coccinellidae Species 0.000 claims description 6
- 230000002068 genetic effect Effects 0.000 claims description 6
- 230000008878 coupling Effects 0.000 claims description 4
- 238000010168 coupling process Methods 0.000 claims description 4
- 238000005859 coupling reaction Methods 0.000 claims description 4
- 238000012545 processing Methods 0.000 claims description 4
- 230000004888 barrier function Effects 0.000 claims description 3
- 238000005070 sampling Methods 0.000 claims description 3
- 238000004364 calculation method Methods 0.000 abstract description 2
- 238000007405 data analysis Methods 0.000 abstract description 2
- 230000006870 function Effects 0.000 description 7
- 230000008569 process Effects 0.000 description 6
- 241000238413 Octopus Species 0.000 description 5
- 238000003491 array Methods 0.000 description 4
- 238000010586 diagram Methods 0.000 description 4
- 230000003993 interaction Effects 0.000 description 3
- 235000011201 Ginkgo Nutrition 0.000 description 2
- 241000218628 Ginkgo Species 0.000 description 2
- 235000008100 Ginkgo biloba Nutrition 0.000 description 2
- 241000218378 Magnolia Species 0.000 description 2
- 238000010276 construction Methods 0.000 description 2
- 235000013305 food Nutrition 0.000 description 2
- 230000002452 interceptive effect Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 241000894007 species Species 0.000 description 2
- 241000251468 Actinopterygii Species 0.000 description 1
- 108010078777 Colistin Proteins 0.000 description 1
- 241000238631 Hexapoda Species 0.000 description 1
- 241000863434 Myxococcales Species 0.000 description 1
- 241000282806 Rhinoceros Species 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 229910052799 carbon Inorganic materials 0.000 description 1
- 238000009960 carding Methods 0.000 description 1
- 229960003346 colistin Drugs 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000005265 energy consumption Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 230000002431 foraging effect Effects 0.000 description 1
- 238000011835 investigation Methods 0.000 description 1
- 238000013178 mathematical model Methods 0.000 description 1
- 235000012054 meals Nutrition 0.000 description 1
- JORAUNFTUVJTNG-BSTBCYLQSA-N n-[(2s)-4-amino-1-[[(2s,3r)-1-[[(2s)-4-amino-1-oxo-1-[[(3s,6s,9s,12s,15r,18s,21s)-6,9,18-tris(2-aminoethyl)-3-[(1r)-1-hydroxyethyl]-12,15-bis(2-methylpropyl)-2,5,8,11,14,17,20-heptaoxo-1,4,7,10,13,16,19-heptazacyclotricos-21-yl]amino]butan-2-yl]amino]-3-h Chemical compound CC(C)CCCCC(=O)N[C@@H](CCN)C(=O)N[C@H]([C@@H](C)O)CN[C@@H](CCN)C(=O)N[C@H]1CCNC(=O)[C@H]([C@@H](C)O)NC(=O)[C@H](CCN)NC(=O)[C@H](CCN)NC(=O)[C@H](CC(C)C)NC(=O)[C@@H](CC(C)C)NC(=O)[C@H](CCN)NC1=O.CCC(C)CCCCC(=O)N[C@@H](CCN)C(=O)N[C@H]([C@@H](C)O)CN[C@@H](CCN)C(=O)N[C@H]1CCNC(=O)[C@H]([C@@H](C)O)NC(=O)[C@H](CCN)NC(=O)[C@H](CCN)NC(=O)[C@H](CC(C)C)NC(=O)[C@@H](CC(C)C)NC(=O)[C@H](CCN)NC1=O JORAUNFTUVJTNG-BSTBCYLQSA-N 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000008447 perception Effects 0.000 description 1
- XDJYMJULXQKGMM-UHFFFAOYSA-N polymyxin E1 Natural products CCC(C)CCCCC(=O)NC(CCN)C(=O)NC(C(C)O)C(=O)NC(CCN)C(=O)NC1CCNC(=O)C(C(C)O)NC(=O)C(CCN)NC(=O)C(CCN)NC(=O)C(CC(C)C)NC(=O)C(CC(C)C)NC(=O)C(CCN)NC1=O XDJYMJULXQKGMM-UHFFFAOYSA-N 0.000 description 1
- KNIWPHSUTGNZST-UHFFFAOYSA-N polymyxin E2 Natural products CC(C)CCCCC(=O)NC(CCN)C(=O)NC(C(C)O)C(=O)NC(CCN)C(=O)NC1CCNC(=O)C(C(C)O)NC(=O)C(CCN)NC(=O)C(CCN)NC(=O)C(CC(C)C)NC(=O)C(CC(C)C)NC(=O)C(CCN)NC1=O KNIWPHSUTGNZST-UHFFFAOYSA-N 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000009423 ventilation Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
- 230000002747 voluntary effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/10—Geometric CAD
- G06F30/13—Architectural design, e.g. computer-aided architectural design [CAAD] related to design of buildings, bridges, landscapes, production plants or roads
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/10—Geometric CAD
- G06F30/18—Network design, e.g. design based on topological or interconnect aspects of utility systems, piping, heating ventilation air conditioning [HVAC] or cabling
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
- G06F30/27—Design optimisation, verification or simulation using machine learning, e.g. artificial intelligence, neural networks, support vector machines [SVM] or training a model
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/12—Computing arrangements based on biological models using genetic models
- G06N3/126—Evolutionary algorithms, e.g. genetic algorithms or genetic programming
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/08—Construction
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2111/00—Details relating to CAD techniques
- G06F2111/04—Constraint-based CAD
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2111/00—Details relating to CAD techniques
- G06F2111/06—Multi-objective optimisation, e.g. Pareto optimisation using simulated annealing [SA], ant colony algorithms or genetic algorithms [GA]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2111/00—Details relating to CAD techniques
- G06F2111/10—Numerical modelling
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2119/00—Details relating to the type or aim of the analysis or the optimisation
- G06F2119/08—Thermal analysis or thermal optimisation
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Geometry (AREA)
- Evolutionary Computation (AREA)
- Computer Hardware Design (AREA)
- Health & Medical Sciences (AREA)
- General Engineering & Computer Science (AREA)
- Biophysics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Mathematical Optimization (AREA)
- Mathematical Analysis (AREA)
- Business, Economics & Management (AREA)
- Artificial Intelligence (AREA)
- General Health & Medical Sciences (AREA)
- Pure & Applied Mathematics (AREA)
- Software Systems (AREA)
- Computational Mathematics (AREA)
- Evolutionary Biology (AREA)
- Biomedical Technology (AREA)
- Computing Systems (AREA)
- Architecture (AREA)
- Structural Engineering (AREA)
- Physiology (AREA)
- Genetics & Genomics (AREA)
- Medical Informatics (AREA)
- Computational Linguistics (AREA)
- Data Mining & Analysis (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Molecular Biology (AREA)
- Civil Engineering (AREA)
- Mathematical Physics (AREA)
- Computer Networks & Wireless Communication (AREA)
- Economics (AREA)
- Human Resources & Organizations (AREA)
- Marketing (AREA)
- Primary Health Care (AREA)
Abstract
本发明公开了一种基于集群智能与性能模拟的室外公共空间寻优方法，属于智能建筑设计的技术领域，该方法包括：S1：将简化后的建筑方案及用地红线录入Grasshopper中，构建参数化信息模型；S2：运用集群智能行为模拟对人体在室外公共空间进行行为模拟，以生成室外公共空间系统；运用性能模拟对多个不同的维度进行仿真模拟，进行室外公共空间的热舒适度评级；S3：对室外公共空间系统和热舒适度评级进行拟合评估，通过自动寻优获取室外公共空间布局方案。通过性能模拟与集群智能行为模拟相结合，对影响因素进行数据分析和计算，为室外公共空间的设计提供可靠依据，并以多目标自动寻优设计为解决策略，快速达到合理优选布局。
Description
技术领域
本发明属于智能建筑设计的技术领域，具体而言，涉及一种基于集群智能与性能模拟的室外公共空间寻优方法。
背景技术
随着城市的不断发展和扩张，校园已成为学生与自然环境接触最主要的媒介之一。合理的室外公共空间布局可以提供给学生以及教职工一个舒适、安全、高效的学习和交互环境，因此，室外公共空间的设计中变得愈发重要。
传统的中小学室外空间设计往往依赖于设计师的经验和直觉，缺乏系统性和科学性，导致公共空间的实际利用效率和使用体验有待提高。同时，室外公共空间涵盖的内容纷繁复杂，涉及到多个因素的综合考虑，如环境条件、学生行为、交通流线等。对于设计师而言，在缺乏计算机辅助的情况下，难以在多个因素中进行平衡与判断。
因此，本发明以性能模拟和集群智能行为模拟相结合，来对影响因素进行数据分析和计算，为室外公共空间的深化设计提供可靠依据，并以多目标自动寻优设计为解决策略，以便设计师在短时间内快速得到合理的优选布局成果。
发明内容
鉴于此，为了解决现有技术存在的上述问题，本发明的目的在于提供一种基于集群智能与性能模拟的室外公共空间寻优方法以达到通过将两类模拟相结合，来分别对“人”和“自然”的影响因素进行数据分析和计算，为室外公共空间的深化设计提供可靠依据，并以多目标自动寻优设计为解决策略，以快速达到合理优选布局成果的目的。
本发明所采用的技术方案为：一种基于集群智能与性能模拟的室外公共空间寻优方法，该方法包括以下：
S1：将简化后的建筑方案及用地红线录入至Grasshopper插件中，构建一个可调整的参数化信息模型；
S2：运用集群智能行为模拟对人体在室外公共空间内的活动规律和路径选择偏好进行行为模拟，以生成室外公共空间系统；
运用性能模拟对多个不同的环境维度进行仿真模拟，以进行室外公共空间的热舒适度评级；
S3：对室外公共空间系统和热舒适度评级进行拟合评估，并通过自动寻优获取室外公共空间布局方案；
其中，在上述S3进行拟合评估后，通过多目标遗传算法对参数化信息模型的参数配置进行优化。
进一步地，在上述S1中，对原始的建筑方案进行提取用地红线、建筑的外轮廓位置以及建筑的开口位置，通过简化后得到建筑方案及用地红线并将该建筑方案及用地红线录入至建模软件Rhinoceros平台中的Grasshopper插件。
进一步地，所述集群智能行为模拟包括以下方法：
A201：明确室外公共空间内的障碍物和点位；
A202：对人体在该室外公共空间内的活动行为归纳为N个行为场景；
A203：通过集群智能行为模拟人流的路径流线，以生成室外公共空间系统。
进一步地，在上述A201中，其具体方法如下：
A2011：将室外公共空间内的建筑体量设置为室外公共空间的障碍物；
A2012：以室外公共空间的界定范围作为集群智能行为模拟的运行环境；
A2013：以室外公共空间内场地出入口及各个建筑的出入口作为出发点位或达到点位。
进一步地，在上述A203中，所述集群智能行为模拟的具体方法为：
A2031：生成路网体系；
通过黏菌算法模拟室外公共空间内的人流得到黏菌的轨迹点，再利用Proximity3D+Shortest Walk电池组进行处理，将黏菌的轨迹点整合为若干条路径流线；
A2032：多时段叠合；
将N个行为场景下获得的路径流线进行叠合生成路网体系，重叠三条及以上的路径设为一级道路，重叠两条的路径为二级道路，剩下的则为三级道路，并根据室外公共空间的场地尺度为不同等级的道路赋予不同的宽度；
A2033：确定公共空间节点；
基于上一步A2032获得的路网体系，以道路的交点定义节点：一级道路与其他道路的交点设为一级节点；二、三级道路之间的交点设为二级节点；不在道路交汇处且由性能模拟得出的高舒适度采样点，设为三级节点。
进一步地，所述性能模拟包括：
B201：对室外公共空间所在地区的气象数据进行录入和分析，并采用UTCI作为室外公共空间的舒适度评价指标；
B202：将录入的建筑方案及用地红线的界定范围转化生成分析点网；
B203：根据各所述行为场景在预设分析时段，生成以UTCI为评价指标的室外舒适度分析。
进一步地，所述B203中的室外舒适度分析方法包括：
B2031：将EPW气象文件、人体高度、建筑体量、预设分析时段作为输入条件，利用Ladybug插件中的太阳直接辐射占比分析，结合室外平均温度，得出室外公共空间的UTCI平均辐射温度分析；
B2032：利用Butterfly插件寻找到所述预设分析时段的盛行风向和平均风速；将盛行风向和平均风速与室外公共空间相结合，以得到室外公共空间的平均风速分析；
B2033：将平均风速分析耦合到UTCI舒适度分析当中，最终得到室外公共空间的室外舒适度分析。
进一步地，在S3中，自动寻优获取室外公共空间布局方案的方法如下：
S301：定义设计变量；
根据建筑体量，将建筑的出入口位置定义为在建筑边界上的多个点位坐标；根据一级道路、消防通道和建筑体量的约束，将景观树的位置定义为在三者以外且同时在建筑方案及用地红线内的多个点位坐标；
S302：设置优化目标；
以建筑出入口的点位坐标作为变量，以一级道路、消防通道和建筑体量为约束，定义路径长度之和的最小值为优化目标；
以景观树的点位坐标及数量作为变量，以一级道路、消防通道和建筑体量为约束，在每个分析时段中，定义路径和节点所在区域的舒适度之和的最大值为优化目标；
通过多目标遗传算法基于上述定义的优化目标，以生成室外公共空间布局方案。
本发明的有益效果为：
1.本发明所提供的基于集群智能与性能模拟的室外公共空间寻优方法，其通过集群智能行为模拟人体在室外公共空间的行为方式，深入理解他们的活动轨迹和交互行为；再通过温度、太阳辐射及风向风速三个层面相耦合的性能模拟过程，了解到室外公共空间的舒适度水平，将性能模拟和集群智能行为模拟分析数据相结合，实现了多目标自动寻优布局方案。
附图说明
图1是本发明所提供的基于集群智能与性能模拟的室外公共空间寻优方法的整体逻辑框图；
图2是本发明所提供的基于集群智能与性能模拟的室外公共空间寻优方法中明确障碍物和点位的逻辑图；
图3是本发明所提供的基于集群智能与性能模拟的室外公共空间寻优方法定义优化目标的逻辑图；
图4是本发明所提供的基于集群智能与性能模拟的室外公共空间寻优方法在实施例2中的逻辑图。
具体实施方式
下面详细描述本申请的实施例，所述实施例的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的模块或具有相同或类似功能的模块。下面通过参考附图描述的实施例是示例性的，仅用于解释本申请，而不能理解为对本申请的限制。相反，本申请的实施例包括落入所附加权利要求书的精神和内涵范围内的所有变化、修改和等同物。
实施例1
在本实施例中提供了一种基于集群智能与性能模拟的室外公共空间寻优方法，本发明是通过整合性能模拟、集群智能行为模拟与智能优化过程，建立了一套用于解决多目标设计需求的室外公共空间布局智能优化方法。
本实施例将以四川天府新区某小学项目为例来阐述具体技术逻辑，如图1所示，该室外公共空间寻优方法包括以下：
S1：将简化后的建筑方案及用地红线录入至Grasshopper插件中，构建一个可调整的参数化信息模型；其中，Grasshopper插件（简称GH）是一款可视化编程语言，它基于Rhinoceros平台运行，是数据化设计方向的主流软件之一，同时与交互设计也有重叠的区域。
上述的简化方法为：对原始的建筑方案提取用地红线、建筑的外轮廓位置以及建筑的开口位置，通过简化后得到建筑方案及用地红线，并将该建筑方案及用地红线录入至建模软件Rhinoceros平台中的Grasshopper插件。
S2：一方面，运用集群智能行为模拟对人体在室外公共空间内的活动规律和路径选择偏好进行行为模拟，以生成高效的室外公共空间系统。集群智能行为被认为是目前模拟仿真领域之中最接近人类行为方式的模型，通过模拟昆虫、兽群、鸟群和鱼群的群体行为，形成以计算机语言构建的智能算法，进而为景观空间构成、路网布局等维度提供了全新的解题思路。黏菌是一种原生生物，在觅食过程中，黏菌展现出惊人的路线搜寻以及解决几何问题的能力，例如为东京的铁路系统设计出高效的路线方案。因此，利用黏菌这种捕食行为实现自动寻找最优路径，可以帮助设计师理解师生在校园中的活动轨迹和路径选择偏好，提高路径规划、节点布置、最优路线等实际问题的求解速度和准确度。
上述的集群智能行为模拟包括以下方法：
A201：明确室外公共空间内的障碍物和点位；对建筑方案及用地红线场地中各个建筑、首层出入口、景观功能节点进行梳理，各类功能节点将作为集群智能行为模拟的运算基础。具体的，黏菌算法分析对象：模拟环境、每个黏菌出生的位置和食物，分别与本实例中代表对象：红线内室外公共空间、出发点和吸引点/到达点相对应。
基于上述集群智能行为模拟的运算原理，如图2所示，明确障碍物和点位具体如下：
A2011：将室外公共空间内的建筑体量设置为室外公共空间的障碍物；
A2012：以室外公共空间的界定范围作为集群智能行为模拟的运行环境；
A2013：以室外公共空间内场地出入口及各个建筑的出入口作为出发点位或达到点位，即将对校园内老师、学生两类主要人群的行为起止点进行设定。
A202：对人体在该室外公共空间内的活动行为归纳为N个行为场景；具体还是以该学校的校园行为为例，如下：
将师生不同时段的行为进行分析，可以发现基本必要性活动带有强目的属性，例如：在上学放学期间集中在校园广场及集散场地、以及早操、体育课、大型活动对操场和室外活动场地的需求、还有上下课常用的步行道和走廊。而互动交往形活动模式和随意自发性活动模式是弱目的性行为，主要集中与庭院和花园空间。
根据对中小学作息安排的调查与研究，将学生在校的强目的性活动主要归为4个行为场景，分别是：上学/放学，午饭/晚饭、室外集会、室内集会。具体的，（1）上学/放学：早晨由大门到达各个教学楼，其流线是校门/宿舍到教学楼，行进速度快；（2）午饭/晚饭：分为饭前和饭后，由于用餐时间都在课后，餐前流线是由教学楼、操场到食堂，行进速度快；而餐后的流线是由食堂到宿舍或教学楼，行进速度慢；（3）室外集会：如体育课、运动会、跑操等一系列在室外操场上进行的活动，其流线是教学楼/宿舍到操场，行进速度快；（4）室内集会：如各种会议、讲座、以及室内典礼等等，教学楼/宿舍到会议厅，行进速度快。
A203：通过集群智能行为模拟人流的路径流线，以生成室外公共空间系统。该集群智能行为模拟的具体方法为：
A2031：生成路网体系；
通过黏菌算法模拟室外公共空间内的人流得到黏菌的轨迹点，再利用Proximity3D+Shortest Walk电池组进行处理，将黏菌的轨迹点整合为若干条路径流线；
由于黏菌算法得到的是若干黏菌轨迹点，我们可以用Proximity3D输入端接收这些黏菌点的数据，对于其中的每一个点，寻找其附近一定范围内一定数量的最近点，并将其连接起来，由此得到由无数黏菌点组成的连线网络，再利用Shoetest Walk求出这些连线网络中连接食物点到发射点的最近路径，筛选出路径骨架（即：路径流线）。
A2032：多时段叠合；
将N个行为场景下获得的路径骨架进行叠合生成路网体系，重叠三条及以上的路径设为一级道路，重叠两条的路径为二级道路，剩下的则为三级道路，并根据室外公共空间的场地尺度为不同等级的道路赋予不同的宽度；
A2033：确定公共空间节点；
基于上一步A2032获得的路网体系，以道路的交点定义节点：一级道路与其他道路的交点设为一级节点；二、三级道路之间的交点设为二级节点；不在道路交汇处且由性能模拟得出的高舒适度采样点，设为三级节点；
通过上述所获得的路网体系和各个节点则构成了室外公共空间系统。
另一方面，基于建筑方案及用地红线对应场地所在地区的气象数据，运用性能模拟对多个不同的环境维度进行仿真模拟，以进行室外公共空间的热舒适度评级；具体的，通过性能模拟插件Ladybug Tools对进行温度、太阳辐射及通风三个维度的性能模拟后，进行室外热舒适度评级，判断室外公共空间的舒适度是否达到UTCI的舒适标准。性能模拟是在各项建筑性能数学模型的基础上，利用计算机计算在一定时间和空间上定量描述建筑性能的数值，来得到仿真结果，从而辅佐设计师优化方案，来使建筑获得更低的能耗或使空间更加舒适。目前，大多数性能模拟都在设计的中后期进行，在倡导绿色低碳设计的号召下，设计师正将性能模拟越来越早的介入和指导设计。
上述的性能模拟包括：
B201：为保证对不同地域的不同项目进行模拟的普适性，本实施例以EPW气象数据文件为依据，利用Grasshopper插件中的Ladybug及Butterfly插件，对室外公共空间所在地区的气象数据进行录入和分析，并采用UTCI（Universal Thermal Climate Index，全球热气候指数）作为室外公共空间的舒适度评价指标；
B202：由于ladybug及Butterfly插件是以分析点网为分析载体，因此，需将录入的建筑方案及用地红线的界定范围转化生成分析点网；
B203：根据各所述行为场景进行预设分析时段的舒适度分析。在实际应用时，根据前文的集群智能行为模拟所列举的行为场景，做出相应预设分析时段以UTCI为评价标准的室外舒适度分析，具体的，室外舒适度分析方法包括：
B2031：将EPW气象文件、人体高度、建筑体量、预设分析时段作为输入条件，利用Ladybug插件中的太阳直接辐射占比分析，结合室外平均温度，得出室外公共空间的UTCI平均辐射温度分析；
B2032：除了太阳辐射外，风环境也会改变人体对于室外舒适度的感知，因此，需要利用Butterfly插件寻找到所述预设分析时段的盛行风向和平均风速；将盛行风向和平均风速与室外公共空间的对应场地相结合，以得到室外公共空间的平均风速分析；
B2033：将平均风速分析耦合到B2031中的UTCI平均辐射温度分析当中，最终得到室外公共空间的室外舒适度分析。
S3：对室外公共空间系统和热舒适度评级进行拟合评估，并通过自动寻优获取室外公共空间布局方案，本实施例中，室外公共空间布局方案兼顾效率、舒适与美观。其中，在步骤S3进行拟合评估后，若拟合程度低，通过多目标遗传算法对参数化信息模型的参数配置，参数配置的优化对象为：建筑的开口位置、景观树配置等。本实施例中，主要采用Octopus插件来进行多目标寻优设计，对参数模型执行进化过程，以产生多个解决方案，以定义的优化目标和参数为标准，然后递归运行以产生若干代，生成符合要求的解决方案，具体的，自动寻优获取室外公共空间布局方案的方法如下：
S301：定义设计变量；
根据建筑体量，将建筑的出入口位置定义为在建筑边界上的多个点位坐标；根据一级道路、消防通道和建筑体量的约束，将景观树的位置定义为在三者以外且同时在建筑方案及用地红线内的多个点位坐标。
S302：设置优化目标；
如图3所示，以建筑出入口的点位坐标作为变量，以一级道路、消防通道和建筑体量为约束，定义路径长度之和的最小值为优化目标；
如图3所示，以景观树的点位坐标及数量作为变量，以一级道路、消防通道和建筑体量为约束，在每个预设分析时段中，定义路径和节点所在区域的舒适度之和的最大值为优化目标；
通过多目标遗传算法基于上述定义的优化目标，对参数化信息模型的配置参数调整，以生成最佳的室外公共空间布局方案，以实现将室外路径的最便捷和公共节点的舒适度最大化为优化目标。
实施例2
基于上述实施例1所提供的基于集群智能与性能模拟的室外公共空间寻优方法，如图4所示，使用Octopus插件对多个时段下的树木位置进行优化，根据业主对树种的要求，设置用地内布置50棵含笑和银杏树（高度6~7米，冠幅3~4米），利用octopus插件运行室外公共空间寻优方法可以求得树木布置在何处可使室外空间的主要路径和节点获得最佳舒适度。
需要说明的是，流程图中或在此以其他方式描述的任何过程或方法描述可以被理解为，表示包括一个或更多个用于实现特定逻辑功能或过程的步骤的可执行指令的代码的模块、片段或部分，并且本申请的优选实施方式的范围包括另外的实现，其中可以不按所示出或讨论的顺序，包括根据所涉及的功能按基本同时的方式或按相反的顺序，来执行功能，这应被本申请的实施例所属技术领域的技术人员所理解。
应当理解，本申请的各部分可以用硬件、软件、固件或它们的组合来实现。在上述实施方式中，多个步骤或方法可以用存储在存储器中且由合适的指令执行系统执行的软件或固件来实现。例如，如果用硬件来实现，和在另一实施方式中一样，可用本领域公知的下列技术中的任一项或他们的组合来实现：具有用于对数据信号实现逻辑功能的逻辑门电路的离散逻辑电路，具有合适的组合逻辑门电路的专用集成电路，可编程门阵列(PGA)，现场可编程门阵列(FPGA)等。
实施例2
基于上述实施例1所提供的基于集群智能与性能模拟的室外公共空间寻优方法，如图4所示，使用Octopus插件对多个时段下的树木位置进行优化，根据业主对树种的要求，设置用地内布置50棵含笑和银杏树（高度6~7米，冠幅3~4米），利用octopus插件运行室外公共空间寻优方法可以求得树木布置在何处可使室外空间的主要路径和节点获得最佳舒适度。
需要说明的是，流程图中或在此以其他方式描述的任何过程或方法描述可以被理解为，表示包括一个或更多个用于实现特定逻辑功能或过程的步骤的可执行指令的代码的模块、片段或部分，并且本申请的优选实施方式的范围包括另外的实现，其中可以不按所示出或讨论的顺序，包括根据所涉及的功能按基本同时的方式或按相反的顺序，来执行功能，这应被本申请的实施例所属技术领域的技术人员所理解。
应当理解，本申请的各部分可以用硬件、软件、固件或它们的组合来实现。在上述实施方式中，多个步骤或方法可以用存储在存储器中且由合适的指令执行系统执行的软件或固件来实现。例如，如果用硬件来实现，和在另一实施方式中一样，可用本领域公知的下列技术中的任一项或他们的组合来实现：具有用于对数据信号实现逻辑功能的逻辑门电路的离散逻辑电路，具有合适的组合逻辑门电路的专用集成电路，可编程门阵列(PGA)，现场可编程门阵列(FPGA)等。
本技术领域的普通技术人员可以理解实现上述实施例方法携带的全部或部分步骤是可以通过程序来指令相关的硬件完成，所述的程序可以存储于一种计算机可读存储介质中，该程序在执行时，包括方法实施例的步骤之一或其组合。
此外，在本申请各个实施例中的各功能单元可以集成在一个处理模块中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个模块中。上述集成的模块既可以采用硬件的形式实现，也可以采用软件功能模块的形式实现。所述集成的模块如果以软件功能模块的形式实现并作为独立的产品销售或使用时，也可以存储在一个计算机可读取存储介质中。
上述提到的存储介质可以是只读存储器，磁盘或光盘等。
尽管上面已经示出和描述了本申请的实施例，可以理解的是，上述实施例是示例性的，不能理解为对本申请的限制，本领域的普通技术人员在本申请的范围内可以对上述实施例进行变化、修改、替换和变型。
Claims (8)
1.一种基于集群智能与性能模拟的室外公共空间寻优方法，其特征在于，该方法包括以下：
S1：将简化后的建筑方案及用地红线录入至Grasshopper插件中，构建一个可调整的参数化信息模型；
S2：运用集群智能行为模拟对人体在室外公共空间内的活动规律和路径选择偏好进行行为模拟，以生成室外公共空间系统；
运用性能模拟对多个不同的环境维度进行仿真模拟，以进行室外公共空间的热舒适度评级；
S3：对室外公共空间系统和热舒适度评级进行拟合评估，并通过自动寻优获取室外公共空间布局方案；
其中，在上述S3进行拟合评估后，通过多目标遗传算法对参数化信息模型的参数配置进行优化。
2.根据权利要求1所述的基于集群智能与性能模拟的室外公共空间寻优方法，其特征在于，在上述S1中，对原始的建筑方案进行提取用地红线、建筑的外轮廓位置以及建筑的开口位置，通过简化后得到建筑方案及用地红线并将该建筑方案及用地红线录入至建模软件Rhinoceros平台中的Grasshopper插件。
3.根据权利要求1所述的基于集群智能与性能模拟的室外公共空间寻优方法，其特征在于，所述集群智能行为模拟包括以下方法：
A201：明确室外公共空间内的障碍物和点位；
A202：对人体在该室外公共空间内的活动行为归纳为N个行为场景；
A203：通过集群智能行为模拟人流的路径流线，以生成室外公共空间系统。
4.根据权利要求3所述的基于集群智能与性能模拟的室外公共空间寻优方法，其特征在于，在上述A201中，其具体方法如下：
A2011：将室外公共空间内的建筑体量设置为室外公共空间的障碍物；
A2012：以室外公共空间的界定范围作为集群智能行为模拟的运行环境；
A2013：以室外公共空间内场地出入口及各个建筑的出入口作为出发点位或达到点位。
5.根据权利要求3所述的基于集群智能与性能模拟的室外公共空间寻优方法，其特征在于，在上述A203中，所述集群智能行为模拟的具体方法为：
A2031：生成路网体系；
通过黏菌算法模拟室外公共空间内的人流得到黏菌的轨迹点，再利用Proximity3D+Shortest Walk电池组进行处理，将黏菌的轨迹点整合为若干条路径流线；
A2032：多时段叠合；
将N个行为场景下获得的路径流线进行叠合生成路网体系，重叠三条及以上的路径设为一级道路，重叠两条的路径为二级道路，剩下的则为三级道路，并根据室外公共空间的场地尺度为不同等级的道路赋予不同的宽度；
A2033：确定公共空间节点；
基于上一步A2032获得的路网体系，以道路的交点定义节点：一级道路与其他道路的交点设为一级节点；二、三级道路之间的交点设为二级节点；不在道路交汇处且由性能模拟得出的高舒适度采样点，设为三级节点。
6.根据权利要求3所述的基于集群智能与性能模拟的室外公共空间寻优方法，其特征在于，所述性能模拟包括：
B201：对室外公共空间所在地区的气象数据进行录入和分析，并采用UTCI作为室外公共空间的舒适度评价指标；
B202：将录入的建筑方案及用地红线的界定范围转化生成分析点网；
B203：根据各所述行为场景在预设分析时段，生成以UTCI为评价指标的室外舒适度分析。
7.根据权利要求6所述的基于集群智能与性能模拟的室外公共空间寻优方法，其特征在于，所述B203中的室外舒适度分析方法包括：
B2031：将EPW气象文件、人体高度、建筑体量、预设分析时段作为输入条件，利用Ladybug插件中的太阳直接辐射占比分析，结合室外平均温度，得出室外公共空间的UTCI平均辐射温度分析；
B2032：利用Butterfly插件寻找到所述预设分析时段的盛行风向和平均风速；将盛行风向和平均风速与室外公共空间相结合，以得到室外公共空间的平均风速分析；
B2033：将平均风速分析耦合到UTCI平均辐射温度分析当中，最终得到室外公共空间的室外舒适度分析。
8.根据权利要求1所述的基于集群智能与性能模拟的室外公共空间寻优方法，其特征在于，在S3中，自动寻优获取室外公共空间布局方案的方法如下：
S301：定义设计变量；
根据建筑体量，将建筑的出入口位置定义为在建筑边界上的多个点位坐标；根据一级道路、消防通道和建筑体量的约束，将景观树的位置定义为在三者以外且同时在建筑方案及用地红线内的多个点位坐标；
S302：设置优化目标；
以建筑出入口的点位坐标作为变量，以一级道路、消防通道和建筑体量为约束，定义路径长度之和的最小值为优化目标；
以景观树的点位坐标及数量作为变量，以一级道路、消防通道和建筑体量为约束，在每个分析时段中，定义路径和节点所在区域的舒适度之和的最大值为优化目标；
通过多目标遗传算法基于上述定义的优化目标，生成室外公共空间布局方案。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311407574.6A CN117150633B (zh) | 2023-10-27 | 2023-10-27 | 一种基于集群智能与性能模拟的室外公共空间寻优方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311407574.6A CN117150633B (zh) | 2023-10-27 | 2023-10-27 | 一种基于集群智能与性能模拟的室外公共空间寻优方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN117150633A true CN117150633A (zh) | 2023-12-01 |
| CN117150633B CN117150633B (zh) | 2024-02-23 |
Family
ID=88901042
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202311407574.6A Active CN117150633B (zh) | 2023-10-27 | 2023-10-27 | 一种基于集群智能与性能模拟的室外公共空间寻优方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117150633B (zh) |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20120265501A1 (en) * | 2011-04-12 | 2012-10-18 | Goldstein Rhys | Generation of occupant activities based on recorded occupant behavior |
| CN112100718A (zh) * | 2020-08-28 | 2020-12-18 | 东南大学 | 一种基于智能算法及能耗综合优化的城市建筑群设计方法 |
| CN112507439A (zh) * | 2020-12-23 | 2021-03-16 | 深圳万都时代绿色建筑技术有限公司 | 一种改善建筑场地及建筑室内环境性能的优化设计方法 |
| CN112634437A (zh) * | 2020-12-23 | 2021-04-09 | 深圳万都时代绿色建筑技术有限公司 | 一种针对建筑外表皮改善室内环境性能的设计方法 |
| CN114662201A (zh) * | 2022-03-31 | 2022-06-24 | 中国石油大学(华东) | 一种自然通风智能调控的寻优方法 |
| US20220309202A1 (en) * | 2020-12-18 | 2022-09-29 | Southeast University | Artificial intelligence-based urban design multi-plan generation method for regulatory plot |
-
2023
- 2023-10-27 CN CN202311407574.6A patent/CN117150633B/zh active Active
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20120265501A1 (en) * | 2011-04-12 | 2012-10-18 | Goldstein Rhys | Generation of occupant activities based on recorded occupant behavior |
| CN112100718A (zh) * | 2020-08-28 | 2020-12-18 | 东南大学 | 一种基于智能算法及能耗综合优化的城市建筑群设计方法 |
| US20220309202A1 (en) * | 2020-12-18 | 2022-09-29 | Southeast University | Artificial intelligence-based urban design multi-plan generation method for regulatory plot |
| CN112507439A (zh) * | 2020-12-23 | 2021-03-16 | 深圳万都时代绿色建筑技术有限公司 | 一种改善建筑场地及建筑室内环境性能的优化设计方法 |
| CN112634437A (zh) * | 2020-12-23 | 2021-04-09 | 深圳万都时代绿色建筑技术有限公司 | 一种针对建筑外表皮改善室内环境性能的设计方法 |
| CN114662201A (zh) * | 2022-03-31 | 2022-06-24 | 中国石油大学(华东) | 一种自然通风智能调控的寻优方法 |
Non-Patent Citations (4)
| Title |
|---|
| 刘宇鹏;虞刚;徐小东;: "基于遗传算法的形态与微气候环境性能自动优化方法", 中外建筑, no. 06, pages 71 - 157 * |
| 白晓伟;刘德明;张伶伶;夏柏树;: "基于响应面的全民健身中心自然通风性能优化研究", 工业建筑, vol. 50, no. 03, pages 51 - 57 * |
| 袁磊;李冰瑶;: "住区布局多目标自动寻优的模拟方法", 深圳大学学报(理工版), vol. 35, no. 01, pages 78 - 84 * |
| 辛阳鹏等: "基于黏菌行为模拟优化的高层商业建筑体块互动生成研究", 智筑未来-2021年全国建筑院系建筑数字技术教学与研究学术研讨会论文集, pages 262 - 269 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN117150633B (zh) | 2024-02-23 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Klarqvist | A space syntax glossary | |
| Itami et al. | RBSim 2: Simulating the complex interactions between human movement and the outdoor recreation environment | |
| Pan et al. | Integrating multi-functional space and long-span structure in the early design stage of indoor sports arenas by using parametric modelling and multi-objective optimization | |
| CN117313931B (zh) | 一种基于火灾场景下地铁站台乘客疏散时间的预测方法 | |
| CN111784830B (zh) | 一种基于规则的三维地理信息模型空间分析方法与系统 | |
| CN114065348A (zh) | 一种人群应急疏散方法、系统、终端以及存储介质 | |
| Gu et al. | Rediscovering the amenity value of urban landscapes in the mountainous areas with high-rise buildings from the perspective of 3D vertical urban systems | |
| CN117150633B (zh) | 一种基于集群智能与性能模拟的室外公共空间寻优方法 | |
| Topcu et al. | The analysis of urban features that affect land values in residential areas | |
| Zeng et al. | Real-time traffic signal control with dynamic evolutionary computation | |
| Zandavali | Cellular automata: a bridge between building variability and urban form control | |
| CN115631867A (zh) | 一种人群流动下传染病风险量化评估方法与系统 | |
| Kim et al. | A Study on the Population Distribution Prediction in Large City using Agent-Based Simulation | |
| CN110245371A (zh) | 一种基于Pathfinder模拟仿真软件的防灾避险公园入口优化方法 | |
| Lo et al. | Application of space syntax theory to the sustainable development of Tunghai university campus environment | |
| Shan et al. | Research on Computer Aided Urban Space Environment Design | |
| Zhang et al. | Calibration of cellular automata model with adaptive genetic algorithm for the simulation of urban land-use | |
| Zhou et al. | A Study of Negative Space Accessibility of University Campus Based on Spatial Syntax Theory Take Hubei University of Technology as an Example | |
| Gao et al. | Research on Urban Street Spatial Quality Based on Street View Image Segmentation. | |
| Kazak et al. | Wind Comfort Analysis and Design of Small Scale Elements for Improving Urban Space Livability | |
| Kannan et al. | Spatial crime mapping | |
| Zhujia et al. | Research Progress and Case Analysis of Suspended Particulate Matter Distribution Control in Integrated Transportation Hubs | |
| Dweik | Evaluation of Pedestrian Wind Comfort within the Contemporary Residential Complexes in Palestine | |
| Xue | Analysis of Computer Aided Landscape Architecture Planning and Design Strategy | |
| Mengshu et al. | On the Method of Architectural Formation Generation Based on the Control of Wind Environment Under the View of Micro Urban Regeneration |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |