JP7362473B2 - 架構データ判断装置、架構データ判断方法及び架構データ判断プログラム - Google Patents

Description

本技術は、架構データ判断装置、架構データ判断方法及び架構データ判断プログラムに関する。

従来、設計者が操作して入力を行う入力操作手段と、各種画面を表示する表示手段と、入力操作手段による入力信号を受けて信号処理して表示手段に出力する演算処理装置を備えたコンピュータシステムが提案されている（例えば、特許文献１）。本コンピュータシステムは、建物の階数に応じた柱、梁、床の基本構成要素の大きさ・構造を構造計算して予めその標準を決め記録したデータベースを有し、演算処理装置は、設計者の入力操作手段の操作によりＸスパン数、Ｙスパン数、階数、各スパン長、各階高などの建物の規模、構造の種類および建物の用途などの基本構造データを設定する基本構造データ設定手段と、基本構造データ設定手段により設定された建物の階数および用途に基づきデータベースから検索して基本構成要素の大きさ・構造の標準を設定する基本構成要素データ設定手段と、設計者の入力操作手段の操作により基本構造データおよび基本構成要素データを変更した変更データを設定する変更データ設定手段と、設定された基本構造データと基本構成要素データおよび設定された変更データに基づいて建物の形状，柱，梁を配置して構造モデルを構成する構造モデル構成手段と、構造モデル構成手段が構成した構造モデルの階ごとのおよびスパンごとの構造モデル図等を表示手段に表示させる画像処理手段と、を備えている。

特開２００３－３４３００６号公報

従来、設定された建物の階数および用途に基づき、ルールベースで基本構成要素の大きさ・構造の標準を設定するという技術が提案されていた。しかしながら、コストや耐震性、施工性、応力の均等性といった様々な評価基準を考慮して好ましい架構形状を出力するためのルールを定義することは困難であった。

本発明は、機械学習を利用して好ましい架構形状を提案するための技術を提供することを目的とする。

本発明に係る架構形状判断装置は、設計する建築物の平面形状、高さ及び階数を含む建築物の条件の入力を受ける条件取得部と、建築物の条件の下で、主架構のスパン割りを異ならせた複数の候補の架構形状データを生成する架構形状生成部と、建築物の平面形状、高さ及び階数を含む建築物の条件ごとに主架構のスパン割りを異ならせた複数の架構形状であって、当該架構形状の各々の評価を示す情報が対応付けられた教師データの架構形状を用いて、教師データの架構形状と評価を示す情報との関係を学習した学習済みモデルを用いて、候補の架構形状データから評価が高いと予測される架構形状データを選択して出力する形状判断部とを備える。

このようにすれば、建築物の平面形状、高さ及び階数を含む建築物の条件ごとに主架構のスパン割りを異ならせた複数の架構形状について、当該架構形状の各々の評価を示す情
報が対応付けられた教師データを用いて機械学習を行うため、建築物の規模に対して好ましいスパン割りを提案できるようになる。すなわち、機械学習を利用して好ましい架構形状を提案するための技術を提供することができるようになる。

また、評価を示す情報は、スパン割りを異ならせた複数の架構形状の各々について、部材数量、層間変形角、ピース数、剛性率、偏心率、又は荷重に対する応力の均等性を算出して提示し、ユーザが順位付けした値であってもよい。このようにすれば、例えば経験を積んだ設計者であるユーザが多くの架構形状データを評価する際に評価基準として利用することができる。また、条件取得部は、建築物の積載荷重又は当該積載荷重を決定するための情報の入力をさらに受け、層間変形角、剛性率、偏心率、又は荷重に対する応力の均等性を算出するために用いるようにしてもよい。

また、学習済みモデルは、教師データの架構形状及び部材数量、層間変形角、ピース数、剛性率、偏心率、と評価を示す情報との関係に基づいてパラメータが調整された所定の関数であってもよい。このような評価基準の特徴を機械学習することにより、架構形状を規定するスパン割等のパラメータだけでなく、架構形状の評価基準である部材数量（換言すればコスト）、層間変形角（耐震性能）、ピース数（施工性）又は剛性率、偏心率若しくは荷重に対する応力の均等性と、架構形状の評価との関係を学習することができる。このようにして生成される学習済みモデルによれば、表面的な形状は異なっていても、上述した評価基準の値が同じような架構形状について、同じような評価を出力できるようになることが期待できる。

なお、課題を解決するための手段に記載の内容は、本発明の課題や技術的思想を逸脱しない範囲で可能な限り組み合わせることができる。また、課題を解決するための手段の内容は、コンピュータ等の装置若しくは複数の装置を含むシステム、コンピュータが実行する方法、又はコンピュータに実行させるプログラムとして提供することができる。該プログラムはネットワーク上で実行されるようにすることも可能である。また、当該プログラムを保持する記録媒体を提供するようにしてもよい。

本発明によれば、機械学習を利用して好ましい架構形状を提案するための技術を提供することができる。

図１は、本発明に係る架構形状判断装置の一例を示すブロック図である。 図２は、架構形状判断装置が実行する処理の一例を示す処理フロー図である。 図３は、学習処理の一例を示す処理フロー図である。 図４は、ユーザによって評価される複数の架構形状データの一例を示す図である。 図５は、運用処理の一例を示す処理フロー図である。 図６は、ユーザに建物の形状及び用途を入力させるための画面の一例を示す図である。 図７は、躯体数量の精度を向上させる概算処理の一例を示す処理フロー図である。 図８は、１次設計に基づく主架構の自動設計の一例を示す処理フロー図である。 図９は、床面の主要用途と荷重との対応付けの一例を示す図である。 図１０は、２次設計に基づく主架構の自動設計を行う処理の一例を示す処理フロー図である。

以下、本発明の実施形態について図面を用いて説明する。

＜装置構成＞
図１は、本発明に係る架構形状判断装置の一例を示すブロック図である。架構形状判断装置１は、一般的なコンピュータであり、建築物の複数の架構形状をユーザが評価したデータを教師データとして機械学習を行い、学習済みモデルを生成する。また、架構形状判断装置１は、建築物の平面形状、高さ、階数等の条件が入力された場合に、学習済みモデルを用いて架構形状を出力する。このようにして、例えば経験を積んだ設計者であるユーザが評価した好ましい架構形状を機械学習し、利用することができる。

本発明に係る架構形状判断装置１は一般的なコンピュータであり、通信Ｉ／Ｆ（Interface）１１と、記憶装置１２と、入出力Ｉ／Ｆ（Interface）１３と、プロセッサ１４と、バス１５とを備える。

通信Ｉ／Ｆ１１は、例えば有線のネットワークカード又は無線の通信モジュール等であり、図示していないネットワークを介し他のコンピュータとの間で情報を送受信する。

記憶装置１２は、ＲＡＭ（Random Access Memory）やＲＯＭ（Read Only Memory）等の主記憶装置及びＨＤＤ（Hard-disk Drive）やＳＳＤ（Solid State Drive）、フラッシュメモリ等の補助記憶装置（二次記憶装置）である。主記憶装置は、プロセッサが読み出したプログラムやデータをキャッシュしたり、プロセッサの作業領域を確保したりする。補助記憶装置は、プロセッサが実行するプログラムやＢＩＭ（Building Information Modeling）等の規格に従って表される設計データを記憶する。

入出力Ｉ／Ｆ１３は、例えばキーボード、マウス、タッチパネル等の入力装置や、プリンタ等の出力装置と接続される。入出力Ｉ／Ｆ１３を介して、ユーザの操作を受け付けたり、ユーザへ情報を出力したりする。

プロセッサ１４は、ＣＰＵ（Central Processing Unit）等の演算処理装置であり、プ
ログラムを実行することにより本実施の形態に係る各処理を行う。具体的には、プロセッサ１４は、評価取得部１４１、学習処理部１４２、条件取得部１４３、架構形状生成部１４４、形状判断部１４５、及び躯体概算部１４６として機能する。

評価取得部１４１は、建築物の平面形状、高さ及び階数を含む建築物の条件ごとに主架構のスパン割りを異ならせた複数の架構形状について、例えば経験を積んだ設計者であるユーザから入出力Ｉ／Ｆ１３を介して、評価を示す情報を取得する。なお、柱や梁について、鉄骨の種別（形状）及び各部の大きさも定められているものとする。評価は、例えば複数の架構形状に対して、ユーザが総合的な好ましさの観点で順位付けした値として入力される。また、評価取得部１４１は、評価を示す情報の取得に先立ち、各架構形状について、コスト、耐震性能、施工性、又は応力の均等性を表す情報を評価基準としてユーザに提示するようにしてもよい。

学習処理部１４２は、上述した架構形状と評価を示す情報とを教師データとして、機械学習により、架構形状と評価を示す情報との関係を学習する。そして、学習処理部１４２は、評価の高い架構形状の特徴を学習したプログラム及びパラメータを含む学習済みモデルを、記憶装置１２に記憶させる。

条件取得部１４３は、入出力Ｉ／Ｆ１３を介して本装置のユーザから、これから設計を
行う建築物について、平面形状、高さ及び階数を含む初期的な条件の入力を受け付ける。また、条件取得部１４３は、さらに建物の用途の入力を受け付けるようにしてもよい。

架構形状生成部１４４は、入力された条件の下で、主架構のスパン割りを異ならせた複数の候補の架構形状データを生成する。架構形状生成部１４４は、各架構形状について、コスト、耐震性能、施工性、又は剛性率、偏心率、若しくは荷重に対する応力の均等性を表す情報を算出するようにしてもよい。

形状判断部１４５は、架構形状生成部１４４が生成した複数の候補の架構形状データの中から、上述した学習済みモデルを用いて、好ましいと判断する架構形状データを選択する。

躯体概算部１４６は、選択された架構形状データに基づいて、コンクリート、型枠、鉄筋、鉄骨等の総量等の躯体数量（部材数量）を算出する。

以上のような構成要素が、バス１５を介して接続されている。なお、架構形状判断装置１は、例えば通信Ｉ／Ｆ１１や入出力Ｉ／Ｆ１３のような一部の構成要素を備えていなくてもよい。また、架構形状判断装置１は、いわゆるクラウド上に設けられ、インターネット等の図示していないネットワークを介して他のコンピュータに対し本実施形態に係る処理の結果を出力するものであってもよい。また、後述する学習処理と、運用処理とは、異なる装置によって実行されるものであってもよい。

＜処理＞
図２は、架構形状判断装置が実行する処理の一例を示す処理フロー図である。架構形状判断装置１は、主として学習処理（図２：Ｓ１）と、運用処理（図２：Ｓ２）とを実行する。なお、学習処理と運用処理とは異なる装置によって実行されてもよく、学習処理によって生成された学習済みモデルを用いて運用処理のみを提供するようにしてもよい。

＜学習処理＞
図３は、学習処理の一例を示す処理フロー図である。架構形状判断装置１の評価取得部１４１は、複数の架構形状データに対する評価を示すデータを取得する（図３：Ｓ１１）。本ステップでは、評価を示すデータとして、入出力Ｉ／Ｆ１３を介してユーザが順位を付けたデータを取得し、記憶装置１２に記憶させる。

図４は、ユーザによって評価される複数の架構形状データの一例を示す図である。図４の例では、建物平面の縦横の長さ（「建物長さ縦」、「建物長さ横」）と、「建物高さ」と、「階数」と、「積載荷重」とを含む「入力条件」、「スパン数」と、「スパン」（長さ）と、「階高」と、「ブレース数」と、「ブレース配置」と、「小梁割り」とを含む「パラメータ解析」、「鉄骨数量」（すなわちＳ造における躯体数量又はコスト）と、「層間変形角」（耐震性）と、「ピース数」（施工性）とを含む「構造計算結果」、及び、「判断」（「ランク」）の各属性を含む。「建物長さ縦」及び「建物長さ横」のフィールドには、長方形である建物の平面形状の縦横の長さが登録される。「建物高さ」のフィールドには、建物の高さが登録される。「階数」のフィールドには、建物の階数の値が登録される。「スパン数」のフィールドには、柱と柱との間の数が登録される。「スパン」のフィールドには、柱と柱との間隔の長さが登録される。「階高」のフィールドには、建築物の高さを階数で除して求められる階高の値が登録される。「ブレース数」のフィールドには、当該架構形状の建物に必要なブレースの数が登録される。「ブレース配置」のフィールドには、ブレースの配置パターンを示す情報が登録される。「小梁割り」のフィールドには、小梁割りの配置パターンを示す情報が登録される。また、「鉄骨数量」のフィールドには、当該架構形状の情報から算出（積算）される鉄骨数量の値が登録される。「層間
変形角」のフィールドには、当該架構形状の情報から算出される最大層間変形角の値が登録される。１つの階の層間変形角ｒは、地震時における当該階の水平変位を階高で除した値であり、次の式（１）で求められる。
ｒ＝δ／ｈ ・・・（１）
なお、δは層間変位、ｈは階高である。最大層間変形角は、各階の層間変形角のうち、最も大きな値として求められる。ピース数のフィールドには、当該架構形状の情報から算出される、建築物に使用される部材数の値が登録される。また、「剛性率」のフィールドには、例えば、各階のＸ方向及びＹ方向について剛性率を算出し、Ｘ方向及びＹ方向の各々について複数の階における最小値が登録される。また、「偏心率」のフィールドには、重心と剛心の差の大きさを示す偏心率が登録される。偏心率も、例えば、各階のＸ方向及びＹ方向について算出し、Ｘ方向及びＹ方向の各々について複数の階における最大値を求める。また、「均等性」のフィールドには、大梁にかかる荷重の分布を表す均等性の値が登録される。例えば、均等性の値として、Ｘ方向及びＹ方向の各々について、大梁にかかる応力の標準偏差を階ごとに平均し、Ｘ方向及びＹ方向の各々について複数の階における平均値を求める。応力は、例えば大梁の両端部にかかる長期荷重のうち大きい方を用いる。また、大梁にかかる応力は、符号ごとに求めるようにしてもよい。すなわち、短大梁、標準大梁、長大梁など、スパンの同じ大梁には同一の符号を付しておく。そして、各大梁にかかる応力を求め、これらの標準偏差を方向ごと、階ごと、同一の符号が付された大梁ごとに求める。そして、階ごとに標準偏差の平均を求め、複数の平均の平均値をＸ方向及びＹ方向について求め、均等性の値とする。そして、「判断（ランク）」のフィールドには、図３のＳ１において、ユーザが、架構形状データの順位を示す情報を登録する。なお、「入力条件」、「パラメータ解析」、及び「構造計算結果」のフィールドには、過去に設計された複数の建物の情報、又はコンピュータによって機械的に生成された建物の複数のバリエーションの情報が予め登録されているものとする。

また、学習処理部１４２は、Ｓ１において取得された評価済みの架構形状データを読み出す（図３：Ｓ１２）。本ステップでは、図４に示したようなデータが読み出される。

そして、学習処理部１４２は、建物の架構形状と評価との関係を機械学習する（図３：Ｓ１３）。本ステップは、既存の機械学習手法を用いて実行することができる。例えば、「入力条件」、「パラメータ解析」、及び「構造計算結果」のフィールドに登録された値から、ランクの高さを示す値を出力するために、例えば関数が選択され、パラメータ（係数）が調整される。このようにして、教師データの架構形状とその評価を示す情報との関係を学習した学習済みモデルが生成される。構造計算結果の値についても、架構形状の評価との関係を学習するために用いることで、表面的な形状は異なっていても、上述した評価基準の値が同じような架構形状について、同じような評価を出力できるようになることが期待できる。構造計算結果については、コスト、耐震性能、施工性、並びに剛性率、偏心率、及び荷重に対する応力の均等性の一部の値を用いるようにしてもよい。

また、学習処理部１４２は、学習結果を検証する（図３：Ｓ１４）。本ステップでは、例えば学習に用いた教師データとは異なる架構形状とその評価を示す情報とを用いて、Ｓ１３において生成された学習済みモデルの判定精度を検証する。判定精度が所定の基準を満たすと判断された場合、学習済みモデルを後述する運用処理で利用するものとする。以上で、学習処理を終了する。

＜運用処理＞
図５は、架構形状を評価する運用処理の一例を示す処理フロー図である。架構形状判断装置１の条件取得部１４３は、入出力Ｉ／Ｆ１３を介してユーザから、建物の形状及び用途を取得する（図５：Ｓ２１）。本ステップでは、ユーザから、例えばこれから設計する建物の形状と用途の入力を受ける。

図６は、ユーザに建物の形状及び用途を入力させるための画面の一例を示す図である。図６の例では、直方体形状の建築物の幅、奥行き及び高さの大きさと、階数の入力欄と、建築物の用途の入力欄とを含む。なお、階層ごとに屋根、基準階、パラペット、壁、耐火被覆等の固定荷重をさらに入力できるようにしてもよい。用途は、例えば、事務所、集合住宅、ホテル、物流・倉庫等の種別を含むようにしてもよい。また、記憶装置１２には用途の種別と対応付けて積載荷重を予め記憶させておき、構造計算に用いることができる。積載荷重は、スラブ・小梁用、架構用（柱・大梁の長期用）、地震用（柱・大梁の地震用）等に分けて設定されていても良い。Ｓ２１で取得する情報は、図４に示した「入力条件」のフィールドに登録される値に相当する。

また、架構形状判断装置１の架構形状生成部１４４は、Ｓ２１で取得した建築物の条件の下で、主架構のスパン割りを異ならせた複数の候補の架構形状データを生成する（図５：Ｓ２２）。本ステップでは、図４に示した「パラメータ解析」のフィールドに登録される値のバリエーションを生成する。本ステップでは、例えばスパンが所定の範囲内の長さになるようにスパン数を増加させ、複数の架構形状を生成する。なお、架構形状のスパンは、等スパンになるようにしてもよいし、ランダムになるようにしてもよい。柱や梁について、鉄骨の種別及び各部の大きさも初期的に定められる。また、ブレースをさらに配置するようにしてもよい。また、架構形状生成部１４４は、図４の「構造計算結果」のフィールドに登録される値も算出するようにしてもよい。

そして、架構形状判断装置１の形状判断部１４５は、学習処理で生成した学習済みモデルを用いて、Ｓ２２で生成された架構形状データの中から好ましい架構形状データを選択する（図５：Ｓ２３）。本ステップでは、例えば学習処理によってパラメータが調整された所定の関数に、Ｓ２１で取得した値及びＳ２２で算出した値を入力し、Ｓ２２で生成された複数の架構形状データについて、ランクの高さを示す値を算出し、算出された値に基づいて好ましい架構形状データを選択する。

また、架構形状判断装置１の躯体概算部１４６は、選択された躯体形状データに基づいて躯体数量を算出する（図５：Ｓ２４）。本ステップにおいては、断面の大きさを仮の大きさに設定した構造部材を含む架構形状データを用いて構造計算を行い、所定の基準を満たすまで構造部材の断面を拡大することで断面形状を決定し直すようにしてもよい。

＜概算処理＞
図７は、躯体数量の精度を向上させる概算処理の一例を示す処理フロー図である。図５のＳ２４においては、例えば図７に示すような処理が行われる。躯体概算部１４６は、運用処理のＳ２３（図５）で選択された架構形状データを読み出す（図７：Ｓ４１）。また、躯体概算部１４６は、架構形状データを構造解析モデルに変換し、変換後の構造解析モデルを記憶装置１２に記憶させる（Ｓ４２）。構造解析モデルとは、建築物の構造躯体を表す３Ｄモデル等の設計情報をいうものとする。

Ｓ４２において出力される構造解析モデルは、架構形状データが示す、スパン、階高、柱の位置、大梁の位置、壁の位置、床の位置、建物の用途を含む情報に基づいて、これらの架構等を配置した簡易的なＢＩＭモデルである。このとき、躯体概算部１４６は、柱や大梁の断面形状は、Ｓ２２（図５）で生成されたものではなく、想定される最低の大きさのように、十分に小さい仮の大きさの初期値を設定する。

なお、大梁には、柱を介して水平方向に直線状に接続される大梁であってスパンの等しいものに同一の符号を付し、同一の符号が付された大梁については後述する処理において断面を統一するようにしてもよい。また、鉛直方向に直線状に配置される異なる階の柱に
ついても同一の符号を付し、同一の符号が付された柱については後述する処理において断面を統一するようにしてもよい。

断面形状の初期値は、柱及び大梁について、鉄骨の種別（形状）及び各部の大きさが定められているものとする。Ｓ造の大梁は、端部と中心部とについてそれぞれ部材が定められていてもよい。また、柱及び大梁について、鉄骨の種別及び大きさを段階的に拡大する順序が予め定められているものとする。

また、躯体概算部１４６は、Ｓ４２で出力された構造解析モデルに対し、２次部材を配置する（図７：Ｓ４３）。本ステップでは、小梁、間柱、耐風梁等の２次部材を所定の規則に基づいて配置する。例えば小梁は、所定の面積の床面に対して所定数の小梁が配置されるよう、大梁間に所定の間隔で配置される。間柱は、壁の端部に配置される。耐風梁は、壁に設けられた開口部の上下に配置される。

また、躯体概算部１４６は、１次設計に基づく主架構の自動設計を行う（図２：Ｓ４４）。本ステップの詳細は、図８に基づいて説明する。

図８は、１次設計に基づく主架構の自動設計の一例を示す処理フロー図である。躯体概算部１４６は、Ｓ４３において２次部材が配置された構造解析モデルに基づいて荷重計算を行う（図８：Ｓ５１）。本ステップでは、予め床面の用途に対応づけられた荷重に基づいて、想定される荷重を算出する。

図９は、床面の主要用途と荷重との対応付けの一例を示す図である。図９の例では、屋根、居室、廊下、バルコニー、エントランスホール、設備室、車路、倉庫、・・・といった主要用途と対応付けて、各用途が設定された領域の単位面積当たりの力の大きさ（Ｎ／ｍ^２）が記憶されている。本実施形態では、図６の画面に入力された建物の用途に基づいて、床面の各領域について用途を対応付け、荷重の大きさを算出する。荷重の情報は、積載荷重と仕上荷重とを定義しておき、利用するようにしてもよい。

また、躯体概算部１４６は、応力解析を行う（図８：Ｓ５２）。本ステップでは、柱及び大梁にかかる応力を算出する。すなわち、躯体概算部１４６は、柱や大梁といった部材に生じる単位面積当たりの垂直応力やせん断力を算出する。応力の計算は、既存の手法を用いることができる。また、各部材について、当該部材が受ける応力を算出するものとする。

また、躯体概算部１４６は、柱及び大梁について、曲げ応力度（縁応力度）やせん断応力度を算出する（Ｓ５３）。曲げ応力度やせん断応力度も、既存の手法により、例えば断面係数を用いて算出することができる。

そして、躯体概算部１４６は、算出された縁応力度やせん断応力度が許容応力度を超えないか判断する（Ｓ５４）。許容応力度は、建築部材の断面積並びに断面形状等に応じて定められる。また、本ステップは、柱や大梁といった主架構の応力度について許容応力度を超えないか判断する。

構造解析モデルの部材にかかる曲げ応力が、所定の許容応力度を超えると判断された場合（Ｓ５４：ＮＯ）、躯体概算部１４６は、当該部材について断面を拡大する（Ｓ５５）。上述の通り、鉄骨の断面及び材種について拡大する順序を定義するテーブルを予め記憶装置１２に記憶させておき、Ｓ５５においては、当該テーブルに基づいて断面を拡大するものとする。

一方、Ｓ５４において応力度が許容応力度を超えていないと判断された場合（Ｓ５４：ＹＥＳ）、躯体概算部１４６は、断面の大きさを統一する。本ステップでは、例えば柱を介して水平に直線状に接続される大梁であってスパンの等しいものについて断面の大きさ及び鉄筋の配置を統一するようにしてもよい。また、上下階において対応する位置に存在する柱についても断面の大きさ及び鉄筋の配置を統一するようにしてもよい。以上で１次設計に基づく主架構の自動設計処理を終了する。

また、躯体概算部１４６は、２次設計に基づく主架構の自動設計を行う（図７：Ｓ４５）。図１０は、２次設計に基づく主架構の自動設計を行う処理の一例を示す処理フロー図である。躯体概算部１４６は、架構形状データを用いて保有水平耐力を算出する（図７：Ｓ６１）。保有水平耐力は（Ｑｕ）は、各階の柱、耐力壁及びブレース（筋交い）の水平せん断力の総和として求められる。保有水平耐力の算出手法は、既存の技術を利用することができる。

また、躯体概算部１４６は、すべての階において保有水平耐力が所定の基準を満たしているか判断する（Ｓ６２）。所定の基準は、必要保有水平耐力又はこれに基づく値を採用することができる。また、各階の必要保有水平耐力（Ｑｕｎ）は、例えば以下の式（２）によって求められる。
Ｑｕｎ＝Ｄｓ×Ｆｅｓ×Ｑｕｄ ・・・（２）
なお、Ｄｓは、各階の構造特性係数、Ｆｅｓは各階の形状特性係数、Ｑｕｄは地震力によって各階に生じる水平力である。ステップＳ６２では、必要保有水平耐力よりもＳ６１で求めた保有水平耐力が大きいか判断するようにしてもよいし、安全のために必要保有水平耐力に所定の係数を乗じた値を基準として、当該基準よりもＳ６１で求めた保有水平耐力が大きいか判断するようにしてもよい。

すべての階において保有水平耐力が所定の基準を超えると判断された場合（Ｓ６２：ＹＥＳ）、処理を終了する。一方、いずれかの階において保有水平耐力が所定の基準を超えないと判断された場合（Ｓ６２：ＮＯ）、躯体概算部１４６は、基準を満たさない階についてブレースの有無を判断する（Ｓ６３）。

ブレースが存在しない場合（Ｓ６３：ＮＯ）、躯体概算部１４６は、梁部材の断面を拡大する（Ｓ６４）。鉄骨の種別及び各部の大きさについて増大させる順序を定めたテーブルを予め記憶装置２２に記憶させておき、本ステップでは順序に従って梁の断面を拡大する。

一方、Ｓ３３においてブレースが存在すると判断された場合（Ｓ６３：ＹＥＳ）、躯体概算部１４６は、βｕ値が閾値未満であるか判断する（Ｓ６５）。βｕの値は、保有水平耐力に対する耐力壁の水平耐力の総和の比として求めることができる。βｕ値が閾値未満でない場合（Ｓ６５：ＮＯ）、躯体概算部１４６は、ブレースの断面を拡大する（Ｓ６６）。本ステップでも、鉄骨の種別及び各部の大きさについて増大させる順序を定めたテーブルに従い、ブレースの断面を拡大する。そして、Ｓ６１の処理に戻る。

また、βｕ値が閾値以上である場合（Ｓ６５：ＹＥＳ）、躯体概算部１４６は、梁部材の断面を拡大する（Ｓ６７）。本ステップでも、鉄骨の種別及び各部の大きさについて増大させる順序を定めたテーブルに従い、梁の断面を拡大する。また、Ｓ６５で用いる閾値（第１の閾値）よりも小さい第２の閾値を用いて、βｕ値が第２の閾値以下になるまで梁の断面を拡大する処理を、Ｓ６５において繰り返すようにしてもよい。そして、Ｓ６１の処理に戻る。

以上のように、保有水平耐力がすべての階で基準を満たすまで処理を繰り返す。

また、躯体概算部１４６は、躯体数量を算出（積算）する（図７：Ｓ４６）。本ステップでは、躯体概算部１４６は、構造解析モデルを用いて、鉄骨の総量（ｔ）等を算出する。さらに、躯体数量に基づいてコストの見積もりを行うようにしてもよい。また、躯体数量の算出に当たり、架構形状データに基づいて基礎の自動設計を行うようにしてもよい。

また、架構形状判断装置１の躯体概算部１４６は、Ｓ２３（図５）において選択された躯体形状データや、Ｓ４６（図７）において算出された躯体数量等を出力する（図５：Ｓ２５）。出力される架構形状は、上述した構造解析モデルやいわゆるＢＩＭ（Building Information Modeling）モデルで生成するようにしてもよい。以上で、運用処理を終了す
る。

＜効果＞
本実施形態に係る学習処理及び運用処理によれば、機械学習を利用して好ましい架構形状を提案するための技術を提供することができるようになる。建築物の平面形状、高さ及び階数を含む建築物の条件ごとに主架構のスパン割りを異ならせた複数の架構形状について、当該架構形状の各々の評価を示す情報が対応付けられた教師データを用いて機械学習を行うため、建築物の規模に対して好ましいスパン割りを提案できるようになる。また、評価を示す情報は、上述したスパン割りを異ならせた複数の架構形状の各々について、部材数量、層間変形角、又はピース数を算出してユーザに提示し、ユーザが順位付けした値である。このようにすれば、例えば経験を積んだ設計者であるユーザが多くの架構形状データを評価する際に評価基準として利用することができる。

また、図５のＳ２４において架構の断面形状を所定の順序で拡大する処理によれば、Ｓ２２（図５）において初期的に決定された断面形状について、さらに大きさを絞っても十分な耐震性能を得られる場合に、適切な断面形状を設定することができる。

＜その他＞
なお、実施形態は例示であり、本発明は上述した構成には限定されない。実施形態ではＳ造の建築物を設計するものとして説明したが、ＲＣ造の建築物に適用し、柱や梁の断面形状、鉄筋の数や配置も提案できるようにしてもよい。また、本発明の対象は、上述した処理を実行するコンピュータプログラムや、当該プログラムを記録した、コンピュータ読み取り可能な記録媒体を含む。当該プログラムが記録された記録媒体は、プログラムをコンピュータに実行させることにより、上述の処理が可能となる。

なお、コンピュータ読み取り可能な記録媒体とは、データやプログラム等の情報を電気的、磁気的、光学的、機械的、または化学的作用によって蓄積し、コンピュータから読み取ることができる記録媒体をいう。このような記録媒体のうちコンピュータから取り外し可能なものとしては、フレキシブルディスク、光磁気ディスク、光ディスク、磁気テープ、メモリカード等がある。また、コンピュータに固定された記録媒体としては、ＨＤＤやＳＳＤ（Solid State Drive）、ＲＯＭ等がある。

１ ：架構形状判断装置
１１ ：通信Ｉ／Ｆ
１２ ：記憶装置
１３ ：入出力Ｉ／Ｆ
１４ ：プロセッサ
１４１ ：評価取得部
１４２ ：学習処理部
１４３ ：条件取得部
１４４ ：架構形状生成部
１４５ ：形状判断部
１４６ ：躯体概算部

Claims (6)

1. 設計する建築物の平面形状、高さ及び階数を含む前記建築物の条件の入力を受ける条件取得部と、
   前記建築物の条件の下で、主架構のスパン割りを異ならせた複数の候補の架構形状データを生成する架構形状生成部と、
   建築物の平面形状、高さ及び階数を含む建築物の条件ごとに主架構のスパン割りを異ならせた複数の架構形状であって、当該架構形状の各々の評価を示す情報が対応付けられた教師データの架構形状を用いて、前記教師データの架構形状と前記評価を示す情報との関係を学習した学習済みモデルを用いて、前記候補の架構形状データから評価が高いと予測される架構形状データを選択して出力する形状判断部と、
   を備える架構データ判断装置。
2. 前記評価を示す情報は、前記スパン割りを異ならせた複数の架構形状の各々について、部材数量、層間変形角、ピース数、剛性率、偏心率、又は荷重に対する応力の均等性を算出して提示し、ユーザが順位付けした値である
   請求項１に記載の架構データ判断装置。
3. 前記条件取得部は、前記建築物の積載荷重又は当該積載荷重を決定するための情報の入力をさらに受け、前記層間変形角、前記剛性率、前記偏心率、又は前記荷重に対する応力の均等性を算出するために用いる
   請求項２に記載の架構データ判断装置。
4. 前記学習済みモデルは、前記教師データの架構形状及び前記部材数量、前記層間変形角、前記ピース数、又は前記剛性率、前記偏心率、若しくは前記荷重に対する応力の均等性と前記評価を示す情報との関係に基づいてパラメータが調整された所定の関数である
   請求項２又は３に記載の架構データ判断装置。
5. 設計する建築物の平面形状、高さ及び階数を含む前記建築物の条件の入力を受けるステップと、
   前記建築物の条件の下で、主架構のスパン割りを異ならせた複数の候補の架構形状データを生成するステップと、
   建築物の平面形状、高さ及び階数を含む建築物の条件ごとに主架構のスパン割りを異ならせた複数の架構形状であって、当該架構形状の各々の評価を示す情報が対応付けられた教師データの架構形状を用いて、前記教師データの架構形状と前記評価を示す情報との関係を学習した学習済みモデルを用いて、前記候補の架構形状データから評価が高いと予測される架構形状データを選択して出力するステップと、
   をコンピュータが実行する架構データ判断方法。
6. 設計する建築物の平面形状、高さ及び階数を含む前記建築物の条件の入力を受けるステップと、
   前記建築物の条件の下で、主架構のスパン割りを異ならせた複数の候補の架構形状データを生成するステップと、
   建築物の平面形状、高さ及び階数を含む建築物の条件ごとに主架構のスパン割りを異ならせた複数の架構形状であって、当該架構形状の各々の評価を示す情報が対応付けられた教師データの架構形状を用いて、前記教師データの架構形状と前記評価を示す情報との関係を学習した学習済みモデルを用いて、前記候補の架構形状データから評価が高いと予測される架構形状データを選択して出力するステップと、
   をコンピュータに実行させるための架構データ判断プログラム。

Images