基于生成式设计的居住区生成强排方案研究

王瑞东

（龙信建设集团有限公司 江苏南通 226000）

0 引言

居住区的设计规划与建筑开发会收到受种因素影响，如绿化面积、场地规模、光照条件等，若相关人员难以找到各影响指标的平衡点，不仅会降低建筑用户的使用体验，还会削弱房地产企业的利润水平。据此，我们有必要对基于生成式设计的居住区生成强排方案进行研究讨论。

1 基于生成式设计的居住区生成强排方案应用背景

1.1 现实背景

近几年来，随着我国社会的不断发展以及城市化进程的持续推进，各地的土地资源日益紧张，促使城市建筑设计发生了由平面扩张转向立体延伸的发展变化。在此背景下，各类高层、超高层建筑越来越多地出现在人们的生活视野当中，并逐渐成为现代住宅区建筑设计的主流类型。此时，如何保证高层建筑中各家各户的采光质量、如何实现住宅区公共环境的有效绿化，成为了从业人员及人民群众普遍关注的重点问题。为了解决这一问题，“强排”这一概念产生出来，并越来越多地融入到居住区布局方案的合理设计当中[1]。

所谓“强排”，即高盈利强度的排布建筑总图，要求相关人员对单位面积内的建筑业态组合进行合理规划，以此实现高层、小高层、洋房等多种建筑类型的科学搭配，保证各建筑用户享受到最优化的建筑服务。同时，税后利润最大化是房地产企业实施“强排”的最根本目的，要求相关人员在满足建筑密度、容积率、建设用地面积等约束条件的前提下，寻找出居住区建筑获利水平最大化的设计路径。

1.2 理论背景

居住区生成强排方案主要以生成式设计理论作为基础。这一理论希望通过计算机数据处理的方式，实现建筑物、建筑系统的建模生成与设计调整，进而使设计成果逐渐趋近于设计者的目标，发挥出最佳的方案效果。现阶段，相关学界对“生成式设计”的理论定义尚未明确：Kristina Shea认为，生成式设计系统以创造新的设计流程为目标，该流程主要基于现代计算机技术的数据处理能力，实现生产空间上可制造的高效合理设计；Celestin Soddu认为，生成式设计对自然规律具有模仿性，其将设计者的创意转变为代码，进而获得“无穷种变化”的结果；Frank Piller认为，生成式设计被限制在设计者预设好的目标空间当中，引导建筑物的形态、样式进行自发的算法改良，并获取到随机性、无穷多的改良版本。

2 基于生成式设计下居住区生成强排方案应用策略

2.1 居住区生成强排方案的设计框架

基于生成式设计这一新型建筑设计模式，应以计算机系统平台、可编程语言以及配套软件模块作为工具，开展居住区强排方案的设计活动。现阶段，可选择Grasshopper这一数据设计的主流软件作为编程语言，其具有模型流媒体化、方案可视化、模拟算法自动化等优势特点，在强排方案的生成与优化中可表现出高度应用价值。为了保证Grasshopper编程语言的应用可行性，需将Rhino这一3D造型软件作为建模搭载平台，并结合遗传算法、进化策略算法以及Galapagos、Octopus、Opossum等插件工具，以确保强排方案中日照模拟、建筑规划、容积运算等环节的技术实现。此外，为了在方案模型中完成精确化的能量、采光、舒适等要素模拟，还引入Radiance、OpenStudio等绿色建筑评估软件。

2.2 居住区生成强排方案的应用算法

高水平的数据求解能力，是人工智能融入建筑行业的技术基础，同时也是满足强排方案设计目标的核心要求。因此，应将以下几种应用算法落实到居住区生成强排方案的数据处理当中：①遗传算法与退火算法。这两种算法是Grasshopper编程语言的基础算法，可通过Galapagos插件实现两种算法下各类数据参数的手动调节；②Goat插件。该插件配备有综合性的非线性函数优化库，包含多种由MIT人员开发的优化函数。在Galapagos无法满足模型优化运算的数据处理需求时，可用Goat插件作为替代。同时，Goat插件还具备高水准的数据分析能力，在配合Wallacei插件使用的情况下，可完成多目标求解、演算聚类、选项进化等多种数据运算任务；③Opossunm插件。该插件配备有IBM人员开发的RBFOpt算法工具，具有良好的仿真优化能力，可实现方案模型的无导数优化处理。

2.3 居住区生成强排方案的模型构建

在居住区强排方案模型的搭建当中，对人工导入数据的量级进行了控制，仅将楼层平面、用地平面的面积及规程数据输入到Rhino软件平台中。通过这样的建模方式，不仅有助于降低模型的应用难度，还有助于模型自适应、自调整机制的形成，为最优方案的设计生成创造充足空间。此外，为了更加灵活地进行Grasshopper程序控制，并保证强排方案最优取向与设计人员的思路目标相一致，还应预留出一定量的外部数据接口与人工控制选项，如层高数据接口、层数数据接口、“是否进行详细日照模拟”选项等。基于此，将基本数据导入Rhino平台后，Grasshopper程序便会在各种优化算法的加持之下，完成现有居住区条件下建筑布局、建筑间隔、层级设置等强排方案要素单项最大值、单项最小值以及整体最优解的配比生成。

2.4 居住区生成强排方案的实现流程

在居住区生成强排方案的模型搭建、算法运用过程中，首先需要将居住区原数据及目标值输入到GUI界面当中。其后，Grasshopper程序的遗传算法会进行黑盒模拟，进而形成各项模型数据的优化方向，并在运算结果的迭代中不断趋近目标值，最终寻找到最优化的强排方案指标。同时需要注意的是，算法涉及到的模拟活动具有单向性，即仅围绕某一目标的最优解展开数据处理。此时，由于强排方案体系包含有较多指标成分，如绿化率、建筑密度、容积率、日照角度等，故而难免会出现多种最优指标相冲突的问题。对此，相关人员还需根据强排方案的目标取向，对各类指标进行权重，并根据权重结果完成不同指标的目标函数比例调整，最终形成相互协调、可行性强的住宅区强排方案[2]。

现阶段，在上述方案实现流程的基础上，还可选择两种不同的模型调整模式：①将单个建筑物作为建模对象，在实现建筑物采光、层高、布局、结构等方面的最优化设计后，再将相关建模成果植入到住宅区的整体强排方案当中；②将住宅区设计中的同类建筑纳入到同一模型矩阵内，在各指标权重值相同的基础上，进行多个建筑的同步规划、同时生成。从实际的应用表现来看，前一种模式具有布局设计灵活、强排方案多样性高的特点，但因为只作用于单个建筑物的最优化模拟，故而较容易出现不同建筑物指标函数间相互冲突的问题，存在大量的重复调试需求；后一种模式的灵活性虽不如前者，但胜在迭代速度快、设计效率高，且不会出现指标数据、地界布局的冲突问题。因此，后一种模式的应用效果更好。

3 总结

总而言之，将生成式设计作为居住区建筑规划设计的理论基础，可实现可视化程序、建模平台、遗传算法等现代技术工具的有效应用，进而帮助设计者更加快速、全面地寻找到最优强排方案，为建筑用户与房地产企业的双重受益创造条件。