日照限定下的建筑形体设计方法*

谷一弘，林 波，王陈栋

1 研究背景

在不同气候区中，日照条件往往是建筑师在进行建筑设计时所要考虑的重要因素之一。《城市居住区规划设计标准》对住宅建筑的日照标准作了明确规定，例如对于地处Ⅲ类气候区、常住人口≥50 万人的城市，其住宅建筑应满足大寒日日照时数不低于2 小时的标准[1]。因此，当新建建筑周边有上述类型的既有建筑时，建筑设计必须考虑新建建筑对周边建筑带来的日照影响。

随着城市化的发展，中国城市规模正在不断扩大，高密度已成为城市建筑的发展趋势[2]。建筑密度的增加，使得建筑之间更容易产生日光遮挡问题。在高建筑密度的环境下进行建筑形体设计时，过大的建筑体量将不利于使周边建筑满足日照标准，而过小的体量又不利于土地资源的有效利用。因此，为避免新建建筑对周边既有建筑的日照现状造成过多的不利影响，在满足日照要求的前提下，如何充分利用有限的场地营造更大的建筑空间便成为了设计师需要考虑的问题。

在高密度城市环境下进行日照分析时，新建建筑往往会对多个周边建筑不同朝向的立面造成日照遮挡。建筑物的不同立面具有不同的朝向，在这些具有不同朝向的建筑立面中，照射外窗的太阳直射光会被周围环境以不同的方式阻碍。因此，在进行日照分析的时间段内，不同立面及其外窗将获得不同数量的日照时间。以北京地区为例，在图1 所示的日照分析中，某些（住宅）建筑立面的日照小时数，既存在低于两小时的区域，也存在高于两小时的区域。这意味着，在场地现状条件下，同一立面的某些外窗现状已经不满足住宅建筑大寒日的日照要求，因此在后续的设计与分析时，需要将这些外窗与其他满足日照要求的外窗区分对待。由此可以看出，建筑立面上日照小时数的时间差异性，以及不同朝向立面受不同建筑环境影响的空间差异性，是高密度城市环境下日照分析所具有的重要特征。

图1 北京某地区高密度建筑群的日照分析（大寒日8 点～16 点）1a 项目位置示意 ;1b 日照分析

日照限定下的建筑形体优化问题可以看作是一个组合优化问题，当前已有很多学者采用了遗传算法对此进行优化设计。例如，宋小冬等[3]利用遗传算法研究了日照限定下的建筑容积率的估算方法；任燕翔等[4]利用改进遗传算法计算并模拟求解拟建建筑的最大体量；张雷等[5]通过Sunlight 软件并应用遗传算法，进行了日照约束下建筑极限容积的计算；成三彬[6]应用遗传算法的原理，从体积最大的角度提出了拟建建筑在日照约束下的最大容积率估算方法；郭芳[7]通过Grasshopper 平台及Galapagos 插件，应用遗传算法与退火算法探讨了以日照标准为约束条件的建筑形体生成方法；张岚[8]采用遗传算法进行了日照约束下拟建建筑极限容积的计算与设计。

遗传算法是一种寻求近似最优解的优化算法，适用于解决各种组合优化问题[9]。以往的研究表明，通过遗传算法进行日照限定下的建筑形体分析拥有较高的可行性和有效性，并且相对于穷举法来说具有更高的效率[3-6]，但同时也存在一定的不足：1）普通的遗传算法只能解决存在上下限的约束优化问题，而对于复杂的约束条件的处理仍然无能为力[10]；2）遗传算法需要在一定的样本数量基础之上进行优化工作，并且这些样本是随机生成的[11]。当存在较为严格的约束条件时，采用遗传算法进行随机生成和交叉变异等操作将会产生大量非可行解，大大降低了遗传算法的优化效率[6，12，13]。

对于采用遗传算法解决日照限定下的建筑形体优化问题而言，当遗传算法随机生成的建筑形体有较大概率可以满足日照要求时，遗传算法能够快速进行优化迭代，这种情况适用于低密度建筑区较为简单的日照环境；相反的，在高密度城市环境下，受时间与空间差异因素的制约，日照条件较为复杂，遗传算法随机生成的形体有较大概率不能满足日照要求，大量非可行解的产生将不利于优化效率的提高。遗传算法适用于低密度建筑区较为简单的日照环境，但在高密度建筑区较为复杂的日照环境下难以应用。通过现有的手段难以得到将较为复杂的时间和空间差异因素考虑在内的建筑形体。

为寻求高密度建筑群中日照限制条件较为复杂情况下的建筑形体生成方法，本文提出了网格累积法的理念。其形体生成的过程为自下而上累积的方式，即从建筑底层开始，逐层生成建筑体块，在生成体块的同时对其进行日照分析与判断，将无法满足日照要求的体块删除，最终剩余的体块即为满足日照要求的建筑形体。本文对比了高密度城市建筑在日照条件的限制下，分别采用遗传算法与网格累积法进行建筑形体优化的情况，并对两种优化方法的适用性进行了分析。

2 研究方法

近年来，参数化分析的方法在建筑性能优化领域应用广泛[14]。本文基于Rhinoceros 软件，借助参数化设计工具Grasshopper 及其日照分析插件Ladybug、遗传算法插件Octopus 等工具进行日照限定下的建筑形体参数化设计，其流程如图2 所示。

图2 基于Rhinoceros 和Grasshopper的参数化分析流程

2.1 建筑形体构建

本文采用了两种建筑形体构建方法，通过Grasshopper 平台完成拟建建筑的参数化形体生成。

方法A：多面体法。采用多面体法进行建筑形体构建的流程如图3 所示。首先在拟建建筑绿线上等间隔生成20 个点，并以5 个点为一组，将其分为4 组；每组在5 个点中选取一个点，相互连接生成底面模型，同时将建筑绿线进行等比例缩放。在完成对建筑绿线的缩放与取样点选取后，在建筑限高范围内，对4 个取样点进行高度赋予。

图3 多面体法形体生成步骤(3a取等分点；3b 等分点取样 ；3c取样点缩放；3d 取样点高度赋予；

方法B：柱状网格法。采用柱状网格法进行建筑形体构建的流程如图4 所示。首先在拟建建筑绿线范围内取等分点划分网格，然后分别对每个网格分批进行高度赋予。网格高度按建筑层高进行分批赋予，网格平面尺寸划分越精细，网格数量越多，计算量越大，最终生成的形体体积也越大。在设计初期可以先根据场地尺寸进行粗略的网格划分，控制网格数量以便于较快的得出计算结果，用于后续的形体推敲。当建筑形体大致确定后，需要对体块进行更为精细的日照分析时，可以进行精细的网格划分，以便得到更大的形体体积。

图4 柱状网格法形体生成步骤（4a划分网格；4b 高度赋予；4c 形体整合）

2.2 日照分析

《建筑日照计算参数标准》GB/T 50947-2014 对日照分析的各项参数，如日照时间计算精度、最小连续日照时间[15]等做出了明确的规定。由于本研究的目的在于探讨日照限定下的建筑形体生成方法，而非验证建筑形体是否严格满足日照要求，因此没有按照标准对日照分析面进行精细的建模分析。

为简化模型，在进行日照分析时，将所分析立面按2m×2m 进行网格划分，并将建筑第一层窗台0.9m 以下的部分忽略。利用Grasshopper 平台中的Ladybug 插件进行日照分析，其计算所得的数值结果即为每个网格面的平均日照小时数。通过网格面平均日照小时数的变化，来判断拟建建筑对周边建筑受遮挡立面的影响情况。

2.3 形体优化方法

方法A：遗传算法。Grasshopper平台中的Octopus 插件具备遗传算法的演算功能。Octopus 插件是基于多目标的进化优化算法，其允许同时搜索多个目标，并能在目标的极端值之间产生一系列优化权衡的解决方案。利用Octopus 插件进行遗传算法的参数设置，其中3 个适应度指标分别为受遮挡立面的日照时数、拟建建筑体积和体型系数。采用方法A 的形体生成方法进行计算时，分别以建筑绿线缩放比例、取样点的选取以及取样点的高度作为基因库的变量。采用方法B 的形体生成方法进行计算时，以每个网格的高度作为基因库的变量。

方法B：网格累积法。在进行建筑形体构建时，采用柱状网格法，从建筑底层开始，逐层生成网格立方体，并在生成立方体的同时对其进行日照分析与判断，将那些会导致建筑整体无法满足日照要求的网格立方体删除，最终剩余的体块即为满足日照要求的建筑形体。其步骤流程图如图5 所示。

图5 网格累积法流程图

3 案例分析

3.1 场地现状

该案例项目位于北京市，地处Ⅲ类气候区。场地建筑密度较大，通过Grasshopper 平台构建出场地周边既有建筑及拟建项目的建筑形体，其场地建筑现状如图6所示。其中红色轮廓为住宅建筑，黑色轮廓为非住宅建筑，绿色轮廓为场地退线。场地限高为60m。位于基地北侧及西北侧有两栋住宅，其日照时数可能会因受到拟建建筑形体的遮挡而受到影响，因而将这两栋建筑作为本项目的被遮挡建筑进行日照分析。其余建筑均为非住宅建筑，不考虑其日照影响。根据拟建建筑与被遮挡建筑的相对位置，选择出三个可能会受拟建建筑遮挡的建筑立面进行日照分析，其中立面1 和立面3 为东向，立面2为南向（图7）。

图6 场地日照分析模型

图7 日照分析立面的位置关系

运用Grasshopper 平台中的Ladybug 插件进行日照分析，立面1、立面2 及立面3 的日照现状分析结果如图8 所示。

3.2 日照限制条件

对于立面1 和立面2，其所有分析网格的日照现状均满足《城市居住区规划建设标准》规定的大寒日2 小时的日照要求，因此将“大寒日日照时数不得低于2 小时”作为立面1 和立面2 日照限制条件。将仅在立面1 和立面2 这两个立面的日照时数限制下的建筑形体生成情形作为日照限制情形A。

对于立面3，将其所有网格按日照现状是否满足“大寒日2 小时”的标准，进一步拆解为两个分析面（图8）。其中，立面3.1 为在场地现状条件下所有满足大寒日2小时日照要求的网格面；立面3.2 为在场地现状条件下所有不满足大寒日2 小时日照要求的网格面。对于立面3.1，其日照限制条件为大寒日日照小时数不得低于2 小时；对于立面3.2，其当前大寒日的日照小时数已经低于2 小时，因此立面3.2 的日照限制条件为不得降低当前大寒日的日照小时数。将在立面1、立面2 和立面3 这三个立面的日照时数限制下的建筑形体生成情形作为日照限制情形B。

图8 日照分析现状

3.3 计算结果与分析

本文分别采用了不同的建筑形体生成与优化方法，在不同的日照限制情形下进行了建筑形体参数化分析。受场地日照条件的限制，采用柱状网格法进行建筑形体生成并采用遗传算法进行形体优化时产生了大量非可行解，难以在短时间内完成建筑形体优化工作，因而没有得出最终的优化结果。采用多面体法进行建筑形体生成、遗传算法进行建筑形体优化，以及采用柱状网格法进行建筑形体生成、网格累积法进行建筑形体优化的计算结果如表1 所示。

表1 不同情形下的建筑形体优化结果

对比两种建筑形体生成方法，采用柱状网格法进行建模时，无论是在情形A 或是情形B 的日照条件限制下，遗传算法都难以生成足够的第一代个体。在这样的限制条件下，若仍想使用遗传算法进行形体优化，则需要采用适当的建模手段，例如采用多面体法的建筑形体生成方法。对于探索建筑形体的样式而言，多面体法具有较大的局限性，生成的形体较为规整。相比之下，柱状网格法为形体生成的样式提供了更多种可能性。

对比遗传算法在情形A 的日照限制下和网格累积法在情形B 的日照限制下的优化结果可知（图9a），网格累积法的优化结果基本在遗传算法优化结果的形体范围之内，符合日照限定条件越苛刻建筑形体体积越小的规律；对比同样在情形B 的日照限制下分别采用遗传算法和网格累积法优化所得的结果可知（图9b），网格累积法优化后的建筑形体体积为47124m3，远大于遗传算法优化后的8083m3的形体体积。

图9 不同情形下的建筑形体优化结果对比（注：黑色轮廓形体为遗传算法的优化结果；红色轮廓形体为网格累积法的优化结果）9a 情形A 下遗传算法和情形B 下网格累积法的结果对比9b 情形B 下遗传算法和网格累积法的结果对比

结论

本文对比了在高密度城市建筑日照条件限制下，分别采用遗传算法与网格累积法进行建筑形体生成的情况。对两种算法采用不同的形体生成方法分别得到了两种不同的形体，且网格累积法的最终结果优于遗传算法。

当限制建筑形体生成的条件较为复杂与严格时，由遗传算法随机生成的个体可以作为优化样本被保留的几率很小，大量非可行解的产生使其难以在短时间内生成足够的样本基础，因而难以使用遗传算法进行建筑形体优化工作。此时若仍使用遗传算法进行优化计算，则需要通过适当的形体构建方法降低遗传算法生成非可行解的概率，以减少其种群生成与迭代所需的时间。然而，这样的形体构建方法往往存在一定的局限性，并不能涵盖所有的可能性，其最终得出的结果也不理想。

不同的建筑形体构建方法和不同的日照限定条件都有可能带来复杂的约束条件，从而影响遗传算法的优化效率。相比之下，采用网格累积法的建筑形体生成方法简单，形体优化不需要基于大量随机生成的样本，因而日照条件是否复杂不会对优化效率造成影响。遗传算法有诸多优点，其可以进行基于多目标的优化计算，并能给出多种不同倾向的优化结果以供设计师选择。然而，就本文的研究结果而言，网格累积法更适用于高密度城市建筑环境中复杂日照限定条件下的建筑形体优化设计。

图、表来源

文中图、表均由作者绘制。