面向人工智能的建筑计算性设计研究

摘 要：随着大数据技术以及计算机技术不断发展，人工智能时代不断到来。在这个基础上，进一步推动了人居环境系统的信息化转型。本文在对建筑计算性设计特点进行分析的技术上，从三个方面提出了面向人工智能的建设计算机设计应用。最后，对建设计算性设计的发展进行了阐述。

关键词：人工智能；建筑计算性；应用；发展

随着大数据、云计算以及物联网技术的不断发展，其共同构成了人工智能时代的基本舞台，加深了科学技术和哲学思想的密切融合，更好的促进了人居环境系统信息化转型[1]。折旧出现了建筑计算性设计思想以及流程和技术系统，让其成为了突破科学的问题，解决工程难题提供了有效途径。建筑计算性设计的出现不但受到了人工智能技术的影响，也受到复杂性以及系统性科学思想的促进。本文在对建筑计算性设计特点进行分析的技术上，从三个方面提出了面向人工智能的建设计算机设计应用。最后，对建设计算性设计的发展进行了阐述。

1 建筑计算性设计思维的特征分析

1.1 系统化和动态化特征

建筑计算性设计在发展过程当中受到了科学思想的影响，融合了复杂性科学和系统科学的思想，形成了系统化思维系统[2]。在系统科学和复杂性科学思想的基础上，建筑计算性设计思维将人们居住环境系统分成了环境子系统和建筑子系统。天空亮度、温湿度以及日照的辐射改变等环境的影响对人们居住环境系统的平衡情况带来影响，并且利用两个系统间的物质以及能量交互而回到平衡的状态当中[3]。所以，建筑计算性设计思维有着比较强的动态化以及系统化特征。系统化特征促进了建筑设计过程要从建筑系统主导向建筑环境向着双系统的协同进行转变，继而加深了建筑设计对人们居住环境系统的平衡。动态化特征推动了建筑设计决策的时候从自上而下主观决策变成自下而上组织导向相协同的建筑环境双系统动态进行耦合的一个过程。

1.2 自适应和自组织的特征

建筑计算性设计对“过程”进行关注，而不是对“结果”进行关注。它是在计算机程序的基础来实现自组织的生成。在建筑性能的指导下来对参量数值进行优化，进而能够达到自适应的优化。从下到上的自组织变为和性能导向的自适应优化是建筑计算性设计在流程方面的特征。自下而上的自组织生成是建筑设计元素根据设计的规则来对建设设计方案进行形成的一个过程。性能导向自适应优化是在自组织生成方案的基础上，在建筑性能目标的指导下对建设设计的参数值进行自适应的调整，进而不断对建筑多性能目标进行优化。在自适应和自组织流程的特征下，建筑计算性设计将建筑设计的决策主体从建筑师变成了人工智能体，进而更好的对计算机较强的数据运算水平进行发挥出来。

1.3 信息化和智能化特征

人们居住环境系统的子系统就是建筑。它的自适应和自组织的演变受到建筑性能的要求而促进了和人们居住环境系统的约束。建筑计算性的设计要分析和集成人们居住环境的大数据，并且程序化和自动化的进行性能的优化和方案生成。在建筑计算性的设计思维特点要求之下，建筑环境系统的信息集成以及性能导向决策支撑是建筑计算性设计过程中的重要技术问题。

2 建筑计算性设计过程中人工智能技术的应用分析

2.1 人工智能环境下建筑环境的信息集成应用

建筑环境系统的信息集成是在人们的居住环境系统当中，环境和建筑相互进行作用，根据建筑子系统的形态空间建立逻辑，构建建筑环境的信息参数化关系的一个过程。它让环境和建筑子系统信息翻译成能够进行计算的数据，进而给工程的实践问题提供强有力的数据基础。除此之外，构建的关联关系能够确保建筑计算性设计过程当中环境和建筑子系统信息的协同转变。因此我们可以看出，建筑环境系统信息集成是开展建筑计算性设计的基础和前提条件。

在大数据、云计算的发展过程中，人工智能造成了建筑环境信息集成新的研究，陆续出现了动态建筑环境信息建模以及建筑信息云管理等研究成果。动态建筑環境信息建模的技术是在动态建筑信息建模的技术方面新的发现。它利用云计算以及参数化的编程，能够更好的实现环境、建筑和性能等多个层次的信息参数化关联，继而实现气候数据、建筑建模分析以及仿真工具平台当中存在数据的协同交互。

2.2 人工智能环境下建筑性能映射建模的应用

建筑性能映射建模是指建构建筑设计参量与建筑性能设计目标之间数值关联关系的过程。建筑设计参量与建筑性能之间的映射模型是建筑计算性设计自组织生成逻辑和自适应优化适应度评价函数的制定依据。如建筑性能仿真模拟、建筑设计参量与性能回归模型建构等都是建筑性能映射建模技术。同时，建筑形态空间、材料构造、设备工况、局地气候、使用者行为等设计参量与建筑节能、热舒适、光舒适、造价等性能之间的映 射关系具有非线性特征，建模难度较高。面对建筑计算性设计的大数据量、高效率处理需求，基于物理建模的建筑性能与设计参量映射建模技术局限日趋突显，难以满足建筑计算性设计对海量数据的分析处理需求。

2.3 人工智能语境下的性能导向决策支持

性能导向决策支持是基于建筑性能优化设计目标，通过数据、 模型和策略反馈，支撑设计者完成设计决策制定的过程。数据挖掘、联机分析处理、优化搜索等均属于决策支持技术。建筑计算性设计的自组织与自适应流程特征要求决策支持过程需权衡建筑多性能目标要求。近年来，多目标进化搜索和深度学习建模等人工智能技术逐步应用于建筑计算性设计的性能导向决策支持研究中，衍生出多目标优化决策支持和深度学习决策支持两方面研究热点。

3 结论和展望

建筑计算性设计是早工程实践的需求和科学的进步共同发展而来的。在人工智能的环境下，它正在持续健康的发展，其变为解决目前复杂工程设计问题的一个重要建筑设计方法以及思想。和传统设计方法相对比，建筑计算性设计融合了计算机科学、建筑学以及环境科学等知识体系，将先进的计算工程和算法融入到建筑设计的过程当中，有利于提高建筑设计信息化更好的水平。

最近几年，国外一些高校研究团队都陆续进行了建筑计算性的设计探讨，力求进一步推动建筑计算性设计的思维、技术以及流程的发展。在未来发展过程中，建筑计算性设计将会在人工智能环境下，融入恶劣先进的技术理论，面向建筑工业化以及持续发展的建筑产业战略，从建筑设计方面不断发展到城市设计和区域规划等领域中来。

参考文献

[1]李诫.营造法式图样[M].中国建筑设计研究院建筑历史研究所，编.北京：中国建筑工业出版社，2017.

[2]孙澄，韩昀松.“性能驱动”思维下的动态建筑信息建模技术研究[J].建筑学报，2017（8）：68-71.

[3]孙澄，韩昀松.光热性能考虑下的严寒地区办公建筑形态节能设计研究[J].建筑学报.2016（2）：38-42.

推荐访问： 人工智能 面向 计算 建筑 研究

---