绿建小筑周报 | 第十九期
亲爱的绿建小伙伴们：
愉快的七月，绿建小筑又与大家见面了！本周我们将聚焦建筑与城市尺度的“生成式设计”和“性能优化”，探究人工智能如何赋能建筑设计从概念到实践的飞跃，助力我们应对气候变化，实现可持续发展目标！🌿
📚 本周论文分享
1️⃣ 《生成式设计中的性能优化：一种可持续建筑设计自动化通用性能优化框架》
建筑能耗占全球能源消耗的40%，而早期设计阶段的决策对建筑的最终环境性能具有决定性影响。然而，传统建筑性能模拟工具往往在设计后期才介入，难以在早期设计阶段提供快速反馈，且现有生成设计研究多为定制化，缺乏通用性策略。
为此，本研究提出了一种通用生成式设计性能优化框架（GGPOF）。该框架通过整合生成设计、性能模拟、敏感性分析和多目标优化，致力于提升多层紧凑型建筑的热舒适、采光和太阳辐射等多种环境性能。它定义了一套参数系统来控制建筑形式和立面元素，并通过自定义API和Grasshopper插件，与EnergyPlus、Radiance和OpenFOAM等主流模拟引擎实现自动化连接。
GGPOF的工作流程包括：生成策略开发、参数化模拟模型生成、性能模拟、敏感性分析与优化策略设置，以及通过遗传算法(由Octopus插件实现)进行多目标优化。优化目标包括最小化预测平均投票值（PMV，表示热舒适）、最大化屋顶太阳辐射值（SRV，表示能源生成潜力）以及最大化日照系数达标率（DFCR，表示采光性能）。
通过对南京某办公建筑的案例研究，GGPOF展现了其高效性。研究发现窗墙比、中庭高宽比和朝向增量等对性能影响显著。优化结果显示，GGPOF将PMV提升高达86.57%，DFCR提升高达72.73%，SRV提升13.42%。更令人惊叹的是，GGPOF平均每1.72分钟即可生成一个优化设计方案，相比手动调整和重新模拟，效率提升了约34.97倍，极大地节省了时间和劳力。
这项研究为建筑师在概念设计阶段提供了智能且易于使用的工具，使他们能够快速探索大量高性能设计方案，克服了传统设计方法的局限性，为实现可持续建筑设计提供了全面的支持。
城市化进程的加速使得建筑能耗和环境问题日益突出。城市街区形态对建筑能耗、可再生能源利用及室外环境性能（如日照）有显著影响。然而，传统基于性能模拟的多目标优化方法计算成本高昂，难以在早期规划阶段快速迭代。
本研究为了解决这一挑战，提出了一套利用机器学习技术（特别是XGBoost模型）来加速节能城市街区形态多目标优化的集成框架。研究以南京典型住宅街区为案例，提取12种建筑原型构建参数化控制系统。通过Ladybug工具的EnergyPlus引擎（修正气象数据）模拟年均街区能耗强度（EUI）、屋顶光伏发电量（PVE）和最冷日室外日照时数（SH）的合格区域比例。
研究通过拉丁超立方抽样生成了1000个样本进行性能模拟，构建数据集。然后比较了ANN、SVM、RF和XGBoost四种模型，最终发现XGBoost在EUI、PVE、SH预测中表现最佳，其预测精度高，RMSE最低，证实其作为替代模拟的优越性。随后，将训练好的XGBoost模型集成到Grasshopper平台上的Wallacei插件（使用NSGA-II算法）中，以最小化EUI，最大化PVE和SH为优化目标，实现了高效的城市街区形态优化。
该框架的关键发现在于计算效率的巨大提升：传统模拟方法通常耗时7分钟，而通过引入XGBoost模型，优化速度提升了420倍以上，仅需不到1秒即可完成计算，极大加速了优化过程。优化后的帕累托最优解在各项性能指标上均优于被支配解，验证了优化过程的有效性。
SHAP分析（一种解释机器学习模型的方法）表明，形体因子（SF）和建筑朝向（BO）对能耗的影响最为显著；建筑密度（BD）对光伏发电量有显著的正向作用；建筑朝向与天空视野因子（SVF）共同影响室外日照时数（SH）。具体建议包括：当建筑朝向介于-15°与0°之间时，能耗强度（EUI）不利，而朝向为-45°、-30°与45°时更有利于冬季日照性能。优化结果更倾向于建筑朝向为-15°和0°，并且呈现出南低北高的垂直布局，多以P-3（高层点式）和S-1、S-2（多层板式）原型为主。
这项研究为城市规划师和设计师提供了高效、可靠的工具，用于早期阶段优化城市设计决策，助力实现城市能源效率和碳减排目标，为零碳或正能源城区的规划提供指导。
🔍 想了解更多细节？请访问网站【论文分享】板块查看完整解读和原文链接。
💡 人工智能赋能设计效率的思考
本周分享的两篇论文都共同指向一个前沿方向：如何利用人工智能和生成式设计，大幅提升建筑和城市规划的效率和性能。第一篇论文展示了在建筑单体层面，AI如何帮助设计师快速探索大量高性能方案；第二篇则将AI的应用扩展到城市街区层面，实现能耗、发电和日照的多目标优化。
这些研究共同证明了AI作为“替代模拟”模型的巨大潜力，它能够将耗时的物理模拟转化为秒级的预测，极大地加速了设计迭代和优化过程。这不仅意味着设计周期的缩短，更重要的是，它使得设计师能够在早期设计阶段就充分考虑复杂的性能指标，从而做出更科学、更可持续的决策。
在应对气候变化的当下，这种提质增效的AI工具将是绿色建筑行业不可或缺的利器。它们将帮助我们更高效地设计出既能满足功能需求，又能最大限度利用可再生能源、提升室内外环境质量的建筑和城市空间。
感谢每一位关注和支持绿建小筑的朋友！希望本期分享能为您带来启发。我们将继续关注绿色建筑领域的前沿技术和研究进展，与各位一同探索可持续建筑的未来。祝愿大家度过一个愉快的一周！