数字建筑设计与研究
——一种广义的空间认知

2022-12-05 06:56黄蔚欣王露莹

世界建筑 2022年11期

黄蔚欣，王露莹

关键字：人机结合，空间认知，视频数据分析，算法辅助设计，编织结构

0 引言

把数字化和信息化的技术用在建筑设计和建筑建造中，是过去十几年中数字建筑领域的学者一直在探索的重要议题。图1 是建筑设计全生命周期的循环：以理解空间为基础，在设计中创造空间，再通过建造将其实现出来。这个过程始终与人的认知活动有关。首先，人们在日常生活中对建成空间形成认知；其次，基于对空间的理解，建筑师创造性地设计空间[1]；最后，恰当的建造技术也成为设计思维的理性延伸。如何在这些与人的认知相关的活动中，充分利用当代先进的计算机技术，是众多国内外学者探讨的有趣问题。最近数年，我们团队也分别在3 个阶段开展了不同的研究。

1 建筑设计全生命周期

1 理解空间：基于时空轨迹数据的环境行为分析

理解空间环境与人的关系，常采用环境行为学的实证方法。近10 年来大数据的发展，使得我们可以更深入分析复杂空间系统中纷繁多变的人员行为。在建筑室内可以使用的人员轨迹数据包括Wi-Fi 数据[2]、UWB（超宽带）数据[3]和视频数据等，其中，通过计算视觉的方法从监控视频里提取比较复杂的、大量移动人群的轨迹，是未来非常有潜力的研究方向。为此，我们提出了一种两阶段的人群时空轨迹提取方法，并且使用动态卷积的方法实现了行人重识别与轨迹提取（图2）。

2 跨镜头行人重识别结果示例

利用该算法对天津某大型商场144 个点位的监控视频数据集进行分析，从两天的数据中共识别出29881 条轨迹（占商场顾客数55%）。在此基础上，可以做频繁项集分析（图3）找出区域的联系，也可分析空间关系（图4）以及人员在空间中的分布，还可做空间网络聚类（图5）得出空间的内部结构。

3 频繁项集分析

4 各楼层人群转移相关性分析

5 各类簇节点人流量转移可视化

2 创造空间：设计生成与认知

设计是建筑学的核心工作。我们尝试用深度学习方法来辅生成建筑设计，例如用生成对抗网络（GAN）来实现建筑平面的理解与生成[4]（图6）。研究基于一个既有框架，使用较少数据就取得了不错的效果。在此基础上，Chaillou 提出了ArchiGAN——一个三阶段的建筑平面生成方法[5]。

6 使用生成对抗网络（GAN）的建筑平面理解与生成结果

我们新研究了FloorplanGAN 算法，它在GAN 算法中加入了可微渲染与注意力机制，实现了矢量格式住宅平面图的生成（图7）。该方法突破了传统GAN 只能基于栅格图生成建筑图的局限，更加符合建筑设计的需求[6]。

7 FloorplanGAN的算法原理流程示意图

当然，用深度学习生成建筑设计是一种“黑箱”对“黑箱”的做法，并不利于对设计思维中复杂机制的深入理解。因此，我们探索了深度学习模型的可解释性，尝试了显著性分析、卷积层可视化、线性分类器探针以及注意力图等方法。初步实验发现了一些可能合理的结论，例如客厅是重要的，房间的类型属性对方案结果有显著影响等。通过注意力机制，还能分析空间之间的相互联系强度。其中很有意思的是，我们发现机器学习的思维方式与人类很可能是不同的。

此外，建筑师与算法的协作，也是一种具有潜力的模式，不仅可以发挥人与算法各自所长的工作，也能有效把握设计的方向。一些早期的研究仍然具有启发，相关的模式也值得进一步的探索[7-8]。

3 建造空间：编织结构空间网壳

空间的建造（materialise）是实体建筑与元宇宙建筑的本质区别。在数字建造领域，近20 年各种创造性的自由曲面建造方法将形态、几何、结构和制造融为一体，是建筑师设计思维的延伸，也成为一种广义的认知系统。我们提出的编织结构空间网壳系统，具有丰富的造型能力、良好的结构性能，以及建造的便捷性（图8）[9]。为2022 年冬奥会设计并建造的水立方南广场 “雪绒星”雕塑，实现了空间结构与灯光艺术较理想的结合（图9）[10]。

8 编织结构系统实现的多种自由曲面形态

9 “雪绒星”夜景拍摄

4 小结：人机结合的空间认知