高架铁路客运站平天窗的多目标优化

蒋涛 路洲

高架铁路客运站平天窗的多目标优化

蒋涛1，2，3路洲1

（1. 华南理工大学 建筑学院，广东 广州 510640；2. 华南理工大学建筑设计研究院有限公司，广东 广州 510640；3. 华南理工大学 亚热带建筑科学国家重点实验室，广东 广州 510640）

高架铁路客运站通常为大跨度建筑，需设置天窗。传统的天窗设计方法难以解决复杂的采光需求和节能需求构成的多目标问题。为实现高铁站平天窗的多目标优化，文中基于高架高铁站平天窗的前期设计参数设置，采用Rhino和Grasshopper平台、Ladybug建筑性能模拟工具、Octopus多目标优化工具构建了一套基于遗传算法的平天窗多目标优化方法。该方法经过确定变量、确定优化目标、构建模型和程序编写等步骤，用Rhino和Grasshopper建立简化的参数化模型，导入Ladybug工具进行性能分析，依据分析结果用Octopus工具进行迭代的多目标优化；在优化过程中能够自动地对模型参数化的部分进行不断变更和模拟，记录每次变更、模拟的结果并进行比较，最终找出最满足设定的多个目标的参数；将参数返回到参数化模型即可得到最优结果的模型及对应的建筑性能模拟结果。对广州白云站的候车空间进行建模，依据国内外主要采光规范的要求，将采光强度达标、采光均匀度达标、采光有效性尽量大、眩光发生可能性尽量小、太阳辐射量尽量小作为目标体系，使用文中提出的方法进行多目标优化。结果表明：相比于原方案，经该流程多目标优化后最终生成的方案在满足规范要求的采光强度条件下，采光均匀度、采光有效性、眩光发生可能性、太阳辐射量方面均有很大程度的改善。文中提出的方法具有广泛的应用场景和较强的灵活性，可以为相关研究提供参考。

高架铁路客运站；平天窗；多目标优化；广州白云站

高架铁路客运站属于大跨度公共建筑，多数需设置平天窗来满足采光需求，其采光需求包括强度要求，节能及均匀度、防眩光等舒适度需求，传统的单目标优化方法难以满足这些需求。目前国内对于高架式铁路客运站平天窗多目标优化的研究较少，多停留在对优化策略的定性分析，缺少定量化的方法，且少部分定量化分析操作难度大，难以对多目标问题下的高架铁路客运站平天窗设计起到实际指导作用。

多目标优化问题（MOP）是指使多个目标在给定区域同时尽可能最佳的优化问题［1］，这种问题通常通过求解“帕累托最优”解来解决。帕累托最优是指资源分配的一种理想状态。帕累托最优的状态就是不可能再有更多的帕雷托改善的状态［1］，在多个目标无法同时满足最优时，达到帕累托最优状态即可认为该问题达到了某个期望下的最优状态。在解决建筑性能方面的问题时，可以认为是各性能目标都满足且都达到了该平衡下的极限的状态。简而言之，多目标优化就是针对多目标问题，用一定方法求其“帕累托最优”解集。

多目标优化在建筑学方面有广阔的应用前景，可以应用于整体布局设计［2］、建筑空间组合［3］、局部构件优化等多个方面。借助计算机实现人脑难以完成的大量方案的比较、优选，最终实现设计愿景。如今，国内外均有对多目标优化方法的研究，也已进行了一些实践验证并取得了较好的效果［4-8］。

理论研究方面，张少飞［9］利用多目标优化软件Octopus研究了机构养老建筑侧向采光口形状和角度优化的实验，从方法论角度验证了多目标优化工作流的可行性；吴杰［10］利用热岛强度、人均面积和日照时间作为变量，提出了城市住区性能评价与多目标优化的方法；李彤［11］归纳了建筑形体生成的3种方法，综合考虑夏季和冬季热工性能相对最优，尝试自动生成多目标优化下的最优形体。Motamedi等［12］提出了一种多目标优化算法，同时考虑采光和能源性能，基于照明和空调系统负载，研究天窗与建筑面积不同比率的影响，并以旧金山一栋小型办公楼作了模拟验证；Toutou［13］在对炎热干旱地区一栋五层高建筑的采光和热力性能采用遗传算法进行优化的研究中，通过对多目标优化过程的观察，找到了变量变化规律，并提出了最佳解决方案。类似研究报告数量较多，涉及各类型建筑的不同构件优化，可以看出在该方向上的理论研究已得到一定重视。

实践应用方面，最具代表性的案例为多伦多Autodesk公司办公室设计。在设计过程中，建筑师收集了办公人员对于工作氛围偏好、室内空间尺度偏好、房间数量要求等信息，结合办公室的环境物理因素，总结出6个需求作为设计目标，通过算法生成了上万个方案，选择出了编号#3251的方案，该方案在各个参数的评价中，每个方面都比较优秀，且各方面较为平均，与其他结果相比能最大程度地满足6个参数需求。类似地，在上海阿里巴巴总部的设计中，福斯特事务所将软件模拟建筑采光效果、通风效果、景观视野等的结果作为目标，采用多目标优化的方法生成了能够同时满足各效果平衡最佳的建筑体量布局，然后收集员工对于办公空间的期望作为目标体系，采用多目标优化方法优化家具的摆放，生成综合满足各种需求的空间。在国内，多目标优化方法也逐渐得到应用，如华南理工大学建筑设计研究院在中国（海南）南海博物馆的结构设计［14］中，室内大空间的Y型立柱需要在满足支撑不规则曲面屋顶的同时，尽量减少遮挡游客看室外环境的视线，所以采用了多目标优化，最终实现了设计构思。

已有的多目标优化方面的研究提供了相关的工具、思路，在高架铁路客运站天窗的多目标问题上，针对现有研究的不足，本研究提出一种高架铁路客运站平天窗多目标优化方法。通过该方法，能够找到某个地区气候条件下最适宜的设计前期天窗参数，以最大限度地优化其平天窗设计。最后结合广州白云站实际应用进行验证。

1　相关软件简介

本研究建模采用建筑设计常用软件Rhino和参数化工具Grasshopper，建筑性能模拟软件Ladybug，多目标优化工具Octopus。

当前建筑设计行业中，Rhino建模软件的使用正逐渐成为主流，其内置的Grasshopper平台在建筑参数化设计方面极为便捷，许多基于Grasshopper开发的工具也极大扩展了Rhino软件的应用领域，能够将原本需要应用多个独立的分析软件的流程在一个平台上完成。

Ladybug&Honeybee插件是基于Grasshopper平台的一款建筑环境模拟插件，可以利用在Rhino中建立的模型，引入当地epw气候文件，用一个模型进行多种性能分析，分析引擎均为当前国际比较认可和通用的分析引擎。相对于其他功能比较单一的分析插件，该插件集成了建筑光环境、热环境、风环境、城市热环境等多种分析引擎，能够满足各种的建筑性能分析，避免了多个插件混用可能导致的问题。

Octopus是基于Grasshopper平台的一款以遗传算法为核心的多目标优化工具，因其界面简单、过程可视化，且网上相关介绍较多，学习难度小，在目前建筑学多目标优化研究中较为流行。

2　高架高铁站平天窗多目标优化流程

本流程（见图1）适合设计前期确定天窗具体参数的方案阶段，流程主要包括确定变量、确定优化目标、构建参数化模拟模型、进行多目标优化4个部分。其间，根据高架铁路客运站其他设计和要求的不同，可以代入不同的优化目标和优化模型，利用计算机进行多目标优化后，根据需求选出多目标优化结果中符合期望的结果，反向找到相应设计参数及模型。

图 1　高架高铁站平天窗多目标优化流程示意图

2.1　确定变量

多目标流程原则上应囊括尽量多的设计变量，算法本质上是机械地寻找所有变量的综合最优结果，更多的结果期望将产生更加精确的结果集合。在高架铁路客运站平天窗设计相关变量中，包括形式变量、材料变量、构造变量3方面，形式变量包括天窗的形状、面积比、数量与布局等，材料变量包括不同的材料，以及带来的透光率、传热系数等变量，构造变量包括由形式决定的天窗构造，以及可能的支撑系统构造等。在实际操作中，变量的选择主要取决于目标的关键性、该阶段能够确定的具体变量和计算成本。由于计算需要的时间根据计算量增加而延长，未完成的计算结果不具有参考性，所以当时间有限时，应选择关键性变量进行多目标优化，保证计算能完成。当不同设计阶段能确定的变量不同时，应根据设计阶段选择变量，避免后续才需要确定的参数限制了优化可能性。

在高架高铁站天窗设计中，一般首先确定其形式和材料，进一步才确定构造和其他细部，据此本文样本中仅对天窗的形式变量面积比、数量与布局和材料透光率进行应用分析。因为面积比、数量与布局是在设计前期需要确定的造型设计参数，透光率同时影响采光效果和室内视觉效果，它们对于天窗下空间建筑性能的影响最显著，是进一步优化的基础。只要确定这三者，就可以根据需要的特性选择材料、设计构造。它们是后续深化设计的基础设计条件，在优化成本有限的情况下应首先考虑。

2.2　确定优化目标

优化目标应根据规范要求、实际需求进行选择。增加优化目标也会增加计算量，导致计算成本提高，其筛选原则与变量的选择相似。在高架铁路客运站平天窗的设计目标中，主要考虑设计的美观性、采光效果、节能能力、经济性等。其中经济性等目标取决于构造、材料等多个方面，难以在设计前期控制，可以后置考虑。一些重要目标在前期也难以定量，可以采用表现较为明显的物理量代替，来保证结果的参考性。

由天窗直接影响的建筑性能目标主要分为光环境目标和节能目标两类，在进行建筑性能多目标优化时，应全面判断设计参数对两类指标的影响。其中，光环境指标主要受到建筑形体参数的影响，设计前期确定形体参数有决定性的作用。节能目标受到材料、构造、运营等多方面影响，在前期的平天窗设计中，无法决定其最终节能性能，可采用平天窗直接影响的太阳年辐射量评判平天窗本身的节能能力。

对于光环境目标，国内外不同标准的侧重点不同：国内评价标准主要以《建筑采光设计标准》GB 50033—2013和《绿色建筑评价标准》GB/T 50378—2019为主，关注采光强度、均匀度；美国较为流行的绿色建筑标准LEED V4EQ 则较为关注有效性和眩光可能性，采用了美国照明协会（I.E.S）提出的评价指标。国内评价标准对于有效性和眩光的评价与国外通行的LEED评价体系类似，但指标相比更宽松，且对于室内照度上限没有明确规定；而LEED评价标准对于上下限有明确规定，但缺少采光系数和均匀度评价。为同时满足不同的评价标准，需要兼顾国内外评价的侧重点，取二者的并集，同时对评价方面重合的指标进行取舍和重构。

经过对比，国内外光环境评价的并集为采光强度、采光均匀度、采光有效性、眩光控制4个方面，本研究的光环境优化目标取全部4个方面，并根据太阳直接辐射量作为节能指标。

采光强度评价指标原为采光系数（DF），《绿色建筑评价标准》GB/T 50378—2019规定：不小于最小采光系数的使用面积的60%可获得最高分。据此新建一个相应评价指标sDF，用来评价测试面满足国内采光系数标准的面积比大小，该值应大于0.6且越大越优。

采光均匀度评价指标为采光均匀度，根据《绿色建筑评价标准》GB/T 50378—2019，有天窗的建筑该指标应不小于0.7。

采光有效性的指标有空间日光自治度（sDA）：指的是全年范围内，满足采光强度的时间超过某一给定比例的计算点占所有计算点的百分比，即是基于时间标准对某个空间进行的面积指标评估；有效日光照度（UDI）指的是对用户有效范围内的年度日光照度，通常有100 lx和2 000 lx两个照度分界值，在两值之外的照度会令人不适。UDI计算的是计算点照度在全年时间内处于两值之间的时间比，根据国内交通建筑采光标准将二者进行合并，修正上下限，新建一个同时评价采光有效性的时间和空间水平的指标sUDI（495，2 000），表示在全年时间中，测试面上照度在495～2 000 lx的照度时间超过50%的区域面积。sUDA可以认为是融合了sDA和UDI的评价，对sDA增加了照度上限的规定，对UDI增加了面积区域的评价。sUDI指标数值应尽量大。

眩光可能性评价指标为年度太阳暴露指数（ASE），该指标反映太阳直射在测试面情况下，照度大于1 000 lx的时间大于250 h的情况的空间占比，根据LEED标准，该值应小于10%。

节能能力评价指标为太阳直接辐射量（RAD），反映阳光直射测试面的量，该值应根据项目实际情况决定目标范围，如在岭南地区，建筑空调设备耗能完全是供冷耗能的地区，该值应尽量小，而在北方地区，空调设备耗能有供冷和供热两部分，太阳辐射量则应分别讨论或采用差值计算控制。

在确定了优化目标后，将他们代入多目标优化的目标函数，得到如下目标函数：

(1)低成本。问卷数据显示47.13%的人觉得网约车在价格方面更加实惠。因为打车软件通过利用闲置的出租车或者私家车为广大市民的出行提供了便利，以共享经济的方式用较低的成本，为广大市民提供打车服务。

2.3　构建模型和程序编写

计算模型应根据确定的变量采用参数化建模方式进行构建。利用控制变量的值控制天窗区域的生成与整个模型进行复合，再将模型整体导入计算引擎中进行计算，将计算结果输入多目标工具中进行对比，找到在整个解集空间中的位置，利用多目标引擎自动变更变量实现循环。

参数化模型可以按建筑部件进行建模，将建筑分为墙、屋面、天窗、地面、窗户等，分别在Ladybug程序中进行透光率、反射率的设置。应注意保证研究部位的参数灵活性和值域，避免随机生成参数时发生错误，或产生与现实不符的取值结果。

本案天窗参数化建模程序、模型材质赋予程序如图2、图3所示。

模拟程序（见图4、图5）分别以Ladybug中动态采光模拟和静态采光模拟的相应模块为核心进行设置，利用DaylightFactor模块、AnnualDaylight模块、AnnualRadiation模块和ASE模块分别计算采光系数、UDI、太阳辐射量和眩光发生的可能性。4个模块需要设置相同的模拟参数，按绿色建筑评定常用的8：00 —18：00的10 h模拟时段设置时间表，将计算引擎输出端的数据分别连接至Octopus的输入端，完成后启动模拟引擎，进行一次随机参数的模拟，为多目标优化输入原始数据。

图2　天窗参数化建模程序

图3　模拟模型材质赋予程序及参数

2.4　进行多目标寻优

寻优采用遗传算法进行，具体采用遗传算法中的HypeE算法。计算机科学领域的研究中，HypeE算法具有对大量数据收敛性好、计算效率高、避免陷入局部最优解等优点。在Octopus工具中，计算结果以可视化的界面展示，并在每次迭代中记录全部结果，根据帕累托最优原理求解出帕累托前沿。最终可以通过人工选择，在帕累托前沿解集中找到最符合期望的解。

帕累托前沿通常是一个包含不同优化方向最优结果的解集，在以满足采光强度和采光均匀度为前提进行结果筛选后，根据实际需求可以选择某倾向最突出的结果，或最均衡的结果。

图6为Octopus中结算完成后的三维解集空间，图中每个小方块代表一个解，有两种方块，一种代表帕累托前沿解，其颜色代表单位面积年太阳辐射量，越接近红色代表数值更大，越接近绿色代表数值更小；一种是一般解，其颜色深浅代表解出现的时间，较深的颜色出现时间较近。当关闭非前沿解后，可以明显观察到帕累托前沿解的分布，将解传回软件计算后可得到精确结果，进行进一步的选择。

3　实证分析

图4　采光系数、采光有效性、太阳辐射量模拟程序及参数

图5　ASE模拟程序及参数

图6　解空间透视图

图7　白云站总平面分析

图8　白云站屋顶平面图

图9　白云站站厅层采光分析

表1　主要功能空间采光系数分析

图10的空间①为白云站站房高架候车层候车厅，东西长约223 m，南北宽约107 m，设计高度27 m，是进行分析的空间。空间②为候车厅两侧设置的检票、旅客服务、商业等辅助功能空间，东西长约223 m，南北进深约20 m，高约6.5 m，空间③表示候车厅安检等候区，是旅客快速通过、短暂驻留的空间。空间④为设计光谷，空间⑤为商业空间和交通空间。空间⑥为从站厅层至站台层的交通空间，属于户外，空间⑦为进站厅，为半开放空间，对测试面的模拟指标不构成影响，故建模时只构建标示的室内空间以及屋顶。其中候车厅部分是天窗采光所服务的空间，将候车厅地面上1.5 m平面作为照度分析的分析面，

3.1　变量设置

变量设置主要包括天窗参数化生成的变量、模拟模型各部分材质特性的变量、测试面的变量的设置。本案例中，天窗变量包括天窗的面积比、数量与布局、透光率。其中面积比根据规范要求，设置1%～20%区间，数量根据单个天窗的尺度控制，设置在1～20个之间。材质特性的变量主要包括各界面的透射比、反射率的设置，根据《建筑采光设计标准》中透光材料表的透光率范围，透光率在0.65～0.91区间，反射率根据材料设置。测试面的变量主要包括测试面的选择、测试点的数量，本案设置每6米一个测试点，共有820个测试点平均分布。该网格大小兼顾了计算精度与计算速度。

图10　白云站站厅层平面图

3.2　构建模型和输入程序

模型依据白云站BIM模型（见图11）简化，按《绿色建筑设计标准》对建筑采光模拟的要求，设置墙体反射率为0.5，屋顶反射率为0.75，地面反射率为0.3，侧界面窗透射比为0.65。天窗透射比根据《建筑采光设计标准》提供的范围在0.65～0.91间变化，步长为0.01；根据《建筑采光设计标准》屋顶透光面积不大于20%的要求，面积比设置为0.01%～20.00%，数量为1～21，步长为1。设置依据为21条时，天窗宽度约为3 m，属于常见的较小的天窗尺度，更小的天窗尺度将不适于这种大体量建筑。该模拟模型中还包括光谷处玻璃屋顶，候车空间东西立面的玻璃幕墙、东西立面的悬挑“花瓣”形遮阳雨棚。但将弯曲的花瓣造型简化为平屋顶挑檐。屋顶在南北侧作为遮阳构件的条形构件按设计图纸的宽度和标高进行建模，但为了模拟数据简化不作弯曲处理，材质同屋顶材质。最后建立的模型如图12所示。

在模型顶界面具有遮阳作用的各部分进行分别设置，以达到切合实际的效果。其中屋面板、中心跨结构柱、夹层构件等均采用相同的面层材质，光谷顶部、天窗、侧窗采用相同的透光材料，根据《建筑采光设计标准》引入窗玻璃的污染折减系数为0.6，窗结构的挡光折减系数为0.65，广州为污染一般城市、南方多雨地区，水平天窗按倾斜天窗取窗玻璃污染系数。垂直幕墙的玻璃污染折减系数为0.75，结构挡光折减系数为0.65，经计算后作为天窗和光谷的材料总透射比。

图11　白云站BIM模型

图12　白云站多目标优化模型

3.3　多目标优化

将模型各界面在Ladybug中设置好材料、反射率、透射比等数值后，将广州的中国标准气象数据文件输入计算引擎，进行计算。经过约24 h的运行后计算收敛，此时迭代计算大约进行了27代。在设置中选择只显示最后一代的帕累托前沿解后，采用采光均匀度-sDF平面观察，手动筛选出帕累托前沿中满足采光均匀度大于0.7且sDF大于0.6的点，作为初步的理想解集（见图13）。

解空间的平面视图（如图13所示）示出了sDF（3.3）大于0.6且采光均匀度大于0.7的区域，该区域符合对优化结果的预期。将区域内的3个点参数返回模拟模块读取，并按面积比大小排序（见表1）。

3个样本对应的伪彩图见表2，彩图上用颜色表达数值的高低，红色为更高值，蓝色为更低值，由蓝-黄-红过渡，其中采光系数的蓝色-红色代表的值域为0～7%，UDI（495，2 000）蓝色-红色代表的值域为0～100%，RAD蓝色-红色代表的值域为0～50 000 mW/㎡，ASE（1 000，250）蓝色-红色代表的值域为0～250 h。3个样本的模拟结果及对应的天窗参数见表3。

图13　帕累托前沿解的优选示意图

表2　优选的优化方案伪彩图对比

表 3　优选的优化方案参数及指标对比

通过对优化结果和伪彩图的分析可知，3个样本在sDF（3.3）方面均满足超过60%，采光均匀度方面均达到70%，满足基本要求。样本3的sUDI（495，2 000）明显小于样本1和样本2，且年太阳辐射量更大，表现较差。对比3个样本的ASE（1 000，250）模拟，样本3的ASE指数大于10%，不符合LEED对于该指标的要求，故舍弃样本3。对比样本1、2，在基本要求均达标的情况下，样本1有更高的采光有效性，且年太阳辐射低于样本2，达18%，为更优。

3.4　优化结果与原方案对比

在相同的气候条件和模拟精度下，对原方案进行模拟，与经过多目标优化的方案进行对比，结果见表4、表5。

从优化前后的结果分析可知，原方案在国内采光设计标准体系下，只考虑了采光系数要求，对于天窗同时满足各类指标的情况考虑不足。对比模拟结果，原方案采光系数满足要求的区域为100%，伪彩图显示采光系数整体偏高，而优化方案采光系数在4%～5%之间，属于能够正常作业且比较柔和的强度，有71%的面积满足采光标准，大于规范要求的60%，已能够达到绿色建筑的高标准采光要求。采光均匀度方面优化方案达到73%，具有更好的采光均匀度；原方案均匀度较高，是因为整体采光系数均高，虽然接近70%，但实际情况劣于优化方案。综合sUDI（495，2 000）指标看，原方案采光的有效性不佳，全年分析采光过度的时段过长，sUDI（495，2 000）指标只有6%，而优化方案全年照度处于［495，2 000］lx的人眼舒适区间超过50%的时间的面积有91%，使用者可以在更加符合人眼适应度的环境下候车和工作。从年太阳辐射分析，原方案单位面积接受的年太阳辐射达到55 544.07 mW/㎡，高于优化方案84%，优化方案能够接受更少的太阳辐射从而节约空调能耗，更加符合绿色建筑要求。在眩光控制方面，原方案ASE（1 000，250）指数达46.6%，远超LEED指标中的10%，证明有较高可能发生眩光，而优化方案中该指数为0%，发生眩光的可能性很低。

表 4　优化方案与原方案指标对比

表 5　优化方案与原方案伪彩图对比

图14　原方案模型

图15　优化方案模型

综上所述，当天窗的面积比调整为10%，数量调整为16条，透光率增加至0.76时，能够获得更好的建筑综合性能。生成的优化方案模型与原方案模型分别见图14和图15。

4　结论

文中从高架铁路客运站前期平天窗形式确定后的具体天窗参数着手，采用Rhino、Grasshopper参数化建模和Ladybug、Octopus工具结合，整合了一套可以多目标优化的方案量化生成方法，并以广州白云站为例进行了应用和分析，得出以下结论：

（1）对于建筑性能的优化，应采用多目标方法进行，保证设计时能够尽量全面地均衡各方面的性能，并同时满足多种评价体系的要求。

（2）通过多目标优化工具，利用算法寻优和计算机的强大算力，可以有效实现多目标设计，并且能够可视化地、量化地对优化的程度进行评判。计算机能够给出多样化的运算结果，简化了调整方案的过程，提高了设计效率。

（3）本研究提出的多目标优化设计方法可以应用于不同的地区，通过简单修改也能够应用于建筑的不同部位，可为更多高铁站平天窗设计和多目标设计方法提供研究思路和参考。

［1］ 肖晓伟，肖迪，林锦国，等．多目标优化问题的研究概述‍［J‍］‍．计算机应用研究，2011，28（3）：805-808，827.

XIAO Xiao-wei，XIAO Di，LIN Jin-guo，et al．Overview on multi-objective optimization problem［J］．Application Research of Computers，2011，28（3）：805-808，827.

［2］ 李京津．基于“日照适应性”的城市设计理论和方法［D］．南京：东南大学，2018.

［3］ LAGIOS K，NIEMASZ J，REINHART C F．Animated building performance simulation （ABPS）-linking Rhinoceros/Grasshopper with Radiance/Daysim［C］∥ Proceedings of Fourth National Conference of IBPSA-USA．New York City：IBPSA 2010：321-327.

［4］ 骆汉宾，周迎，朱凌，等．大型公共建筑项目节能建造智能技术研究与应用［Z］．武汉：华中科技大学，2019.

［5］ 董轶欣，李绥，Martin Wollensak．基于参数化技术的建筑方案阶段节能设计研究——以德国北部地区能源学校项目为例［J］．建筑节能（中英文），2021，49（6）：21-29.

DONG Yi-xin，LI Sui，Martin Wollensak．Energy-saving design of building scheme stage based on parametric technology：analysis of the energy school project in Northern Germany［J］．Journal of BEE，2021，49（6）：21-29.

［6］ 王静．绿色建筑节能设计平台中算法的研究与应用［D］．西安：西安电子科技大学，2018.

［7］ 袁一美，韩昀松，梁静，等．基于太阳辐射利用的寒地建筑组团形态优化设计研究［J］．南方建筑，2018（2）：14-18.

YUAN Yimei，HAN Yunsong，LIANG Jing，et al．A study on community form optimization in the severe cold zones based on solar radiation utilization［J］．South Architecture，2018（2）：14-18.

［8］ 王鑫．赖特建筑创作中的节能策略及其设计启示［J］．新建筑，2006（3）：86-88.

WANG Xin．Energy-saving methods in Wright’s design and inspirations obtained ［J］．New Architecture，2006（3）：86-88.

［9］ 张少飞．基于Galapagos和Octopus的自然采光优化设计方法论证——以机构养老建筑居室侧向采光口为例［D］．天津：天津大学，2017.

［10］ 吴杰．基于参数化方法的城市住区热环境多目标优化设计研究［D］．广州：华南理工大学，2017.

［11］ 李彤．基于太阳热辐射的建筑形体生成研究［D］．南京：南京大学，2016.

［12］ MOTAMEDI S，LIEDL P．Integrative algorithm to optimize skylights considering fully impacts of daylight on energy［J］．Energy and Buildings，2017，138：655-665.

［13］ TOUTOU A．‍A parametric approach for achieving optimum residential building performance in Hot Arid Zone［D］．Mansurah：Mansoura University，2013.

［14］ 苏朝浩，向科，施立阳．基于参数化设计之大跨度结构形态及表皮体系优化——以中国（海南）南海博物馆屋盖为例［J］．建筑技艺，2019（6）：64-69.

SU Chaohao，XIANG Ke，SHI Liyang．Optimization of long-span structural morphology and skin system based on parametric design：a case study of the roof of China（Hainan）Museum of South China Sea［J］．Architecture Technique，2019（6）：64-69.

Multi-objective Optimization of Flat Skylights in the Elevated Railway Station

JIANG Tao1，2，3LU Zhou1

（1. School of Architecture，South China University of Technology，Guangzhou 510640，Guangdong，China； 2. Architecture Design & Research Institute of SCUT Co.，Ltd.，South China University of Technology， Guangzhou 510640，Guangdong，China；3. State Key Laboratory of Subtropical Building Science， South China University of Technology，Guangzhou 510640，Guangdong，China）

Elevated railway stations are usually large-span buildings and require skylights. Traditional skylight design methods have difficulties in solving the multi-objective problem of complex requirements in lighting and energy-saving. In order to realize the multi-objective optimization of the flat skylight of the high-speed railway station, based on the pre-design parameter settings of the flat skylight of the elevated high-speed railway station, this paper constructed a set of genetic algorithm-based multi-objective optimization methods using Rhino and Grasshopper platforms, building performance simulation tool called Ladybug, and multi-objective optimization tool called Octopus. Multi-objective optimization method for flat skylight goes through the steps of determining variables, determining optimization objectives, building models and programming, using Rhino and Grasshopper to build a simplified parametric model, importing the Ladybug tool for performance analysis, and using Octopus tool to carry out iterative multi-objective optimization according to the analysis results. The optimization process can automatically change and simulate the parameterized part of the model, and record and compare the results of each change and simulation. And finally, it finds out the parameters that best meet the set multiple objectives. Returning the parameters to the parametric model can yield the optimal model and the corresponding building performance simulation results. Furthermore, an empirical analysis was carried out by taking Guangzhou Baiyun Station as an example. According to the requirements of the main lighting standards at home and abroad, the study first set the daylighting factor and the daylighting uniformity up to the standard, the useful daylighting illuminance as significant as possible, the possibility of glare occurrence as small as possible, and the solar radiation as small as possible as the target system. Then it used the method for multi-objective optimization. The results show that compared with the original scheme, the final scheme meets the basic standard of daylighting factor and has better lighting uniformity, useful daylighting illuminance, glare occurrence possibility, and solar radiation under the lighting intensity conditions. The proposed method has a wide range of application scenarios and more flexibility and can provide references for related research.

elevated railway station；flat skylight；multi-objective optimization；Guangzhou Baiyun Station

Supported by the Open Fund of State Key Laboratory of Subtropical Building Science （2020KA01，2015ZB09）and the General Program of Natural Science Foundation of Guangdong Province （2021A1515012378）

TU248.1

1000-565X（2022）07-0013-12

10.12141/j.issn.1000-565X.210631

2021-09-30

亚热带建筑科学国家重点实验室开放研究基金资助项目（2020KA01，2015ZB09）；广东省自然科学基金面上项目（2021A1515012378）

蒋涛（1970-），男，博士，教授级高级工程师，主要从事绿色建筑与建筑设计理论研究。E-mail： 13302335888@126.com