Ai輔助建築2零基礎學會利用AI設計和優化綠色建築性能！（系統學習）

首先上半場會主要講一下關於數字建築 或者說具體學習跟濾鏡設計相結合的研究領域 它有哪些研究前沿進行的概述 然後會講解一下咱們這邊講師 比較熟悉的或者比較主流的科研工作流 以及相關的論文解讀 下半場我們會具體講解 怎麼樣去撰寫一份研究計劃書 有哪些注意事項 以及結合着我自己之前寫過的一份研究計劃書 進行一個案例的解讀 至於研究計劃書 事實上在我們春節前Part A部分的課程 就是建築科研閱讀與寫作的部分 裏面其實有一堂課是涉及到研究計劃書的內容 當時沒有說系統的非常展開的來講 我們這邊的話就是銜接一下 再去講解一下研究計劃書的撰寫指引 以及相關的案例 在第一部分我們來看一下 關於數字建築前研究概述 以及相關的科研工作流和論文的解讀部分 就我們所從事的相關研究 或者說我們所瞭解到的一些方面 當前我們認爲比較主流的 或者說比較能夠爲初學者 所能夠快速進入的 把握一個整體的一個框架的研究領域 大概有這麼三個方面 分別是性能模擬優化與決策方面 以及呢就是數據驅動建築 或者說驅動城市來生存設計這個方面 再以及就是現在比較實行的人工智能 或者說機器學習生動學習 它們來輔助性能評估 來輔助數字建築設計這方面的一個研究 當然除了這三個領域之外呢 也有一些其他現在比較實行的是吧 比如說涉及到VR技術 涉及到這個元宇宙 甚至現在比較火的這個多模態是吧 甚至像這個ChatDBT是吧 前陣子比較流行的這個 就給他一段話 他能夠跟你對話的這樣一個 一個算法模型 類似一個機器人一樣的一個一個技術 總之呢這方面的內容 或者說新興的技術 它一直是發展比較快速的 但是呢我們在這個課程裏面呢 我們是希望能夠通過這三個方面 建立一個基本的認知 讓大家知道主流的研究內容 主流的研究團隊 他們的研究的題目大概有哪些 我們來一一做一個介紹 也方便大家就是能夠把握到 一個主體的框架 那第一部分呢 就是性能模擬優化與決策 這一部分呢 事實上我們很多人接觸到這一塊 可能最初是通過學那個 Grasshopper裏面的一些插件來做的是吧 就比如說假 假設你有了這個Run跟Grasshopper基礎 那麼可能會接觸到 比如說性能模擬這一塊 Ladybug Tools 或者是ID3D做風環境模擬的是吧 等等這些 Ladybug做這個風光熱模擬這一塊 通過性能模擬的 得到一些性能模擬的結果 之後呢 可能用這個遺傳算法 或者說其他一些變種 像這個鳥羣算法呀 等等這些吧 就是一些啓發式算法 來進行一個遺傳優化 最後輔助我們的設計決策是吧 也就是所謂的 從這個大規模的模擬結果中 提煉出若干個最優解極 支持數據驅動的這樣一個決策制定 可以說這塊研究 它現在來講 是已經是比較成熟的 也是比較經典的一個研究的思路 無論是從性能模擬的方面 比如說你是在模擬通風啊 海光啊 能耗啊 舒適啊 甚至是現在比較流行的大排放 這塊的一個數值都是OK的是吧 通過模擬的結果呢 我們再通過 遺傳優化的手段 得到相應的優化解 對 這塊可能大概十年前 甚至更早 就已經開始流行這塊的研究 當然目前呢 這塊研究呢 我感覺它可能在做出很大的新意 如果說你想發一些 比較傳統的領域是OK的 但是如果想做出新意的 可能下面兩個領域可能更爲適合一點 不如設計到第二塊的是 數據驅動的這樣一個建築與城市生成設計 這塊呢 它其實也是聚焦在這樣一個建築設計 或者城市設計 比較早期的一個設計階段是吧 我們通過一些數據的生成 甚至說通過一些 自動的體塊的生成 這樣一些技術 去看一下建築體塊也好 或者城市街區體塊也好 他們怎麼樣去快速的生成一些基本的形體 來輔助設計師進行一個下一步的操作 這邊呢 它有一個難點或者一個重點 就是在於如何通過參數化的技術 或者現在來講 如何通過這樣的積極學習的技術 去構建建築或者城市的數字模型 然後來定義這樣一個生成設計的方法 這塊呢 它其實也是用到的方法 可能結合了像參數化的手段 或者說結合了人工智能 積極學習這些手段 去做一個生成設計 第三塊呢 就是現在可能用的要多的 這個人工智能技術 來輔助性能的評估 這塊它其實可能對於上面這個來說 做性能模擬來說 它是又進一步拓展了一下 這個拓展呢 就是說它可研究的領域 不僅在於綠色電動這一塊 可能也可以拓展到 比如說從計算機的力學 到太陽和射 到空間可達性 到城市交通評測 以及空氣污染模擬等等方面 因爲就是說這塊呢 它的一個主要思路在於說 你只要有數據 這個數據呢 可以是一些數值性數據 也可以是一些圖片的數據 甚至視頻都是OK的是吧 那現在比較流行的這個 比如說街景大數據 大數據分析 很多時候都是一些圖像數據 這塊呢 它仍然可以通過我們的人工智能技術 來進行一個輔助的性能評估 這個時候的人工智能技術 它可以提供實施有效的 一個性能的評估結果 總而言之呢 就是這三塊 他們其實很多時候 都是涉及到一些數據的處理 無論是說在數據的模擬也好 數據的採樣 數據的優化 和數據的通過人工智能來進行預測 等等這些也好是吧 它的本質呢 很多時候都是說 要換到數據這個階段 可能大家如果對這塊有興趣的 更多時候需要考慮的有幾個方面 第一個就是你的數據是怎麼獲取 第二個就是你的數據該如何分析 第三個就是你的數據分析的結果 它到底有什麼實際的意義 它是直接反饋到你的研究目標 或者說你的研究價值方面 就是說大家如果 這樣的有一個基本的一個認知的 我們再往下進行一個細看 結合着案例解讀來進行一個講解 首先第一個呢 就是關於這個新的模擬優化的決策 這塊呢 剛纔講過 大家很多時候可能就是通過在 運用那個Grasshopper裏面的插件 來就是熟悉他們的 是吧 然後這裏的話呢 我們先準備這兩個的話呢 我來講一下案例 就是介紹一下 他們在具體使用中是怎麼運用的 然後右邊呢 是幾個關於插件的一些介紹 首先第一個 這個也是我之前比較喜歡講的一個案例 是 也是業界 是在工作實踐中做的比較成功的 一個一家這個國際性的設計設計單位 叫做KPF KPF下面有個團隊叫UI團隊 這個團隊的應該是有十年前了 他們就是結合着這樣一個新的模擬 新的優化設計決策 這樣一個工作流 是做了一些比較成功的案例 那在這個界面中呢 他們就是列舉了 他們做過的三個案例 有三個case studies 我們來一一看一下 分別是位於這個區 紐約地區的一個摩天塔樓的一個設計 是吧 這個時候的話呢 像我們之前傳統的設計來說 可能你會有不同的一個切入點 你可能去 比如說告訴你在一個高密度街區的環境中 讓你去設計一棟塔樓 你可能會去考慮它的這個採光 人流啊 經濟適用性啊 或者說建築成本 然後交通可打性 美學等等方面 甚至是政治 社會議題等等 這些都是有可能的 你的那個切入點可以是多樣的 對於KBF來說 他們的切入點呢 就是去考慮通過數據 通過一些量化的手段 來去輔助他們找到一個最優解 就是逼近這樣一個最優解 去做這樣一個建築設計 這樣呢 就是說他們的一個基本思路 仍然就是說 對於這樣一個建築體量 建築體塊周邊的環境 進行一個基本分析 是吧 比如分析它的這樣一個天空可視度 分析它的這樣一個 這個天空 這天空裸露度 是吧 包括是人流 可能涉及到消防問題 涉及到這個空間的一個 使用效率問題等等這些 對於這樣一個建築周邊 進行了各個方面的 可能是業主比較關心的 也可能是考慮到 使用者是吧 比較關心的一些側面 對他們進行一個量化分析 量化分析之後呢 他們會從各個維度是吧 去判斷 有一些這個體量 他們在各個維度的一個得分情況 判斷這樣一個體量 它是不是我們想要的一個結果 他們這樣的 一方面是構建一套評價體系 是吧 從各個維度 比如這邊看到一個delete 採光問題 local view 然後這樣一個 這個叫行人角度的一個視野 這樣叫做surface areas 就是這樣一個表面積 然後這樣可能是一個價值的意思 是吧 這樣子去判斷 從各個維度去判斷 這樣一個形體的一個 一個就是打分 給它量化進去 進行打分的一個情況 當然呢 還有一個問題在於說 這個體量是怎麼生成的 是吧 它可能會有一些 約束的參數 比如說你用grasp 這樣的參數化工具 去生成這樣的體量 是吧 那你可能會去 用到一些設計參數的一個約束 可能是10個參數 或者20個參數 比如說控制高度 控制寬度 控制層高 控制這個表皮 控制它的一個基座 是吧 等等這些 就是它有一個生成體系 也有一個評估體系 進而它通過一些模擬的手段 或者一些計算的手段 是吧 對於各個維度的一個指標 進行一個計算 得到結果 最後呢 它再通過這樣一個預算算法 一個簡單的一個 單表優化的手段 是吧 對於它每個體量 去進行評估 最終呢 找到那個最優解 是吧 這個呢 就是一個非常典型的一個 我們通過性能模擬 預算優化 最終呢 輔助設計角色的 這樣一個思路 剩下的兩個案例 也是他們團隊做的 諸如像在倫敦地區 他們就做了一個 街區尺度的 這樣一個建築佈局的 一個優化研究 是吧 那這樣子的一個建築佈局 他們同樣道理 首先有一套設計的生成體系 其次呢 有一套指標的評估體系 進而的通過一個 可能預算優化的 這樣一個算法 或者其他的一個優化算法 其實就是一個什麼 就是一個篩選的 一個過程 是吧 最終的得到 他們所認爲的最優解 或者說最優解級 可能不是唯一解 是吧 可能會有一堆的最優解 取得到這樣一些結果 最終輔助他們最終的 一個設計的決策 是吧 像這樣子 這是一個過程性的 一個展示 通過各項指標 去評估它的一個 一個各個維度的 一個量化指標 去評估它的一個生成結果 那麼同樣道理 在他們在中國上海 上海浦東地區 大概在黃浦江東岸 在南灣大橋 這個大橋 還是南浦大橋 南浦大橋附近 有這樣一個商業綜合體 中文叫做經藥前攤 經藥前攤 他們在做這樣一個項目的時候呢 同樣道理 也是說需要去考慮 一些建築的佈局情況 去考慮它的一個優化佈局 比如說 可能這樣一個商業廣場 有一些是商業綜合體 就是商用樓 有一些呢 住宅樓在後面 在北面 然後商業綜合體 是在南面 層高也不太一樣 總高也不太一樣 那種體塊啊 等等這些都是有差別的 他們需要考慮的是說 怎麼樣去最優化的 去佈局這些建築體塊 使得他們在一些維度上面 表現爲最優 比如說 這個樓間距啊 比如採光問題啊 比如說它這樣一個容積率問題 是吧 等等這些 去進行一個動標優化 同樣道理 他們同樣也是需要去設置一套 它的一個生成體系 是吧 通過三刷的手段去設計它 怎麼樣去生成這樣一套 這樣一些結果 有一些可能性 其次呢 有一套評估體系 是吧 就是樓間距啊 光啊這些 去評估它 最後呢 進行一個優化的一個 一個生產過程 最終呢 得到一些初步的優化結果 是吧 像這樣子 這樣呢 這幾個案例 是吧 這是最後的結果 這幾個案例呢 其實它就是在去 比較直觀的展示 怎麼樣去運用這樣一個性能模擬和優化的 這樣一個操作流程 除了他們團隊的一些實際項目呢 我這邊也介紹一下 關於論文方面的一些案例 那就這樣一篇論文 這個論文呢 是我們大概在去年 二二年年初的時候 當時開設的一枚專門的性能模擬 優化的這樣一枚專門課程的時候 當時的一位學員 他是在上海讀研 讀研的一位碩士生 他就是上我們的課的期間呢 最終的結果是產生一篇論文出版 最後的話得以發表 這個論文呢 就是講的是 關於上海地區 其實就是他們那個學校 有一些是這個東西朝向的 教學建築 就是叫教學樓 在他們高校裏面的東西朝向的教學樓 怎麼樣去通過30W設計的手段 去讓他們這個空間達到 達到一個優化 建築佈局的優化 甚至是建築內部 建築鐵塊的開窗問題 建築的朝向問題 這些去最優化 使得他的那個採光是最優的 他這個文章呢 主要考慮的是 整個建築的一個採光情況 這篇文章呢 我們可以來簡單的看一下摘要 我把它給翻一下 能看到就是說 他們研究的目標 是確定適合教室居住者的空間形狀 同時來節約能源 然後大概使用 就是30W設計手段和一轉三法 來實現這個目標 他們設置的性能指標 不光是採光方面 也有一些能耗 比如說能源使用強度 EUI 這個日光照度 UDI是一個動態採光指標 這些呢 如果你可能 PD8用的比較多 或者說建築物理 學的還不錯的 應該都比較熟悉 以及像日光吸水和日光自主性DA 等等這些 主要就是結合着採光指標和能耗指標 來作爲研究的評價指標 使用的是中國 測量的是中國上海大學的 六個東西朝向的這個教室 他們的研究方法呢 其實就是四個步驟 首先呢 用一個三維的參數化建模 是吧 來使用性能 來做性能模擬 模擬的是這個採光 跟這個能耗 這兩個方面 其次的話 做算法優化 最後的話 輸出的遊用結果 然後對最後的 對這個結果 進行一些量化的分析 在主要研究 研究的結果 就是給出了一些 一些量化的 一些這個指標 比如說 這個優化後的教室 可以在採光方面呀 在室內的照明方面 在能耗方面 等等這些 是怎麼樣去 得到一個量化的改善 然後呢 整個的研究結論呢 可以幫助在教學空間的 早期設計過程中 來節省這個設計的時間 給出一些設計的 一些輔助的建議 一些設計的參考 那我們可以看到 整個論文寫的 其實是比較中規中矩的 比較中規中矩 首先他們調研的是 上海地區的是吧 給出了一個基本的 一個氣象的數據分佈 氣象數據方面的一些表現 比如說風向 風速 風玫瑰這一塊 比如說這些溫度 輻射方面是吧 相對溼度這方面的一些指標 現在是聚焦在 他們所研究的 上海大學內部的一些教科樓 教科樓建築 後面呢 看一下後面這些圖 好像展示的不是很完整 我來找一下 我這邊在課件裏面 是把這個文章 下載下來的 是已經準備好的 後面的這裏是 他的一個研究的路線圖 是吧 主要涉及的就是一個 三維建模 加一個性能模擬優化 性能模擬和這個多目標優化 這樣的框架 他這個文章做的比較仔細 做的比較比較這個規整 內容的話比較詳實 是吧 他是通過實際測量 通過繪圖的手段 去得到一些具體的 他們東西朝向建築的 一個基本的情況 之後的比較詳實的 這樣一個數據測量的結果 包括這邊的話 是模擬的一些結果 在這裏的 他們是考慮到 怎麼設置性能模擬 性能模擬的這個指標 主要關注在冷靠 跟採光方面的一些指標 後面的是得到了一些 通過多目標優化 得到一些這個 最優解極 是吧 最優解極的話 進行了一個展示 給出最優解極的一些 性能的具體表現 獲得到一些結論 給出一些 比如說定向 定性的一些 一些結論 比如在窗戶方面 整體方面 朝向方面 等等這些 給出一些優化的一些結論 做的還是比較詳細而紮實的 如果有興趣的 可以去仔細看一下 這篇文章 這篇文章總體的 我的感受是 他在我們 他在上我們的課程之後 對於這一套流程的把握 還是比較準確的 而且每個細節呢 就是能夠鋪開來 具體的講 但是呢 如果說他還有新意 其實新意不太足 創新性不太足 因爲他這套流程呢 已經是非常成熟的 他只是可能在 那些方面呢 是選的比較具體 越具體的 說的越清楚 越紮實 其實你的一個價值 也就體現出來了 可能並不一定 非得有多麼強烈的創新性 他這塊就可以看成是一篇 一篇比較中規中矩的一篇文章 最終的話呢 也是發表在了 這樣一個CI 如果是按那個 JCR分區 但是QE 中科院分區的話 可能低一點 可能是個四區 或者三區的一篇文章上面來 但是鑑於他 也只是可能研究生在讀 所以能夠發出這篇 這樣一篇文章呢 我覺得也是很不錯了 這是第一個 可能我們介紹的 關於這個流程 就是性能模擬優化與決策的 這樣一個方面 具體的工具應用方面呢 像如果是說 你在做性能模擬這一塊 現在我們可能非常常用的 或者說非常主流的 這個工具 其實就是Ladybug 是吧 Ladybug裏面包含了 像Ladybug Honeybee 和這個Butterfly 以及Dragonfly 這四個組塊 已經基本能夠 具體的運用到 風光日等等很多方面的 一個模擬的過程中 其他的還有一些 比如像ID3D 它是專門做風光機模擬的 也能做到風射偶 和這樣一個機制 還有其他一些像MMX 或者等等 其他一些Linux 這些等等 這樣一些比較 也是比較主流的一些工具 等等這些 但是我們這邊建議 就是Ladybug是比較優先的 因爲它能夠比較好的 跟下面的流程優化 或者其他一些數據採用 這些環節 能夠結合到一起 就是它能夠統一到 Grasshopper這個平臺上面來 所以呢 還是比較建議這樣的工具 而在我們下一節課 就第二講 明天晚上呢 會有另外一位 新加坡國立大學的 一個博士生 來具體講解 這些新的模擬 和優化的一些工具的使用 我這邊呢 只是說在講到 新的模擬之後呢 關於這個優化的工具 我來具體的 就是簡單的說一說 關於優化的工具 可能大家非常熟悉的 第一個就是這個 Grasshopper的一個插件 叫Valise是吧 這個呢 我之前也在公衆號裏面 寫過一篇文章 來介紹這樣工具的一個使用 它就是專門做這個 多目標性能優化的一個工具 它這邊呢 官網上會給出 它很多的一個案例 案例的演示 包括具體的 每個細節的一個介紹 都是非常齊全的 大家可以翻一翻 他們這邊給出的 一個教學文檔 具體的安裝呢 也是在這裏會有download 可能需要你去 掛個VPN翻牆一下 去download這樣的Valise 安裝在你的 Grasshopper上面即可 除了Valise之外的 還有那個Octopus是吧 也是另外一個 多目標優化的工具 可以選擇其中 一個使用來 這個就可以 後來呢 除了這個Valise之外 需要說明一點的 後來在我自己的 一個桌子上 發現有一個問題 就是說這個Valise 它是需要集成 在Grasshopper裏面 比如說它是需要 跟Ladybug進行一個 同步協作的 是吧 比如說我Ladybug 去跑一個採光 或者是濃厚的 一個模擬 Valise的話 是需要同步來 進行一個優化 這個其實也是 一傳三法的一個特點 它是需要讓性能模擬 跟一傳優化 同步進行的 但是呢 後來我在研究中呢 我發現 很多時候 我是需要先通過 性能模擬 產生一定批量的 一定數量的 這個模擬結果 比如說做採光 我先模擬五千個 得到五千個性能模擬的結果 一些數值結果 和一些這個圖像結果 這些結果呢 可能我後面 還需要再進一步的 去做一些分析 比如說我中間 可能會運用到 這些學習算法 去把這些結果的擴充 從把五千個擴充到五萬個 是吧 或者說 這是一方面 也可以呢 把這五千個結果 進行採樣 是吧 進行一個隨機採樣 因爲可能數據太多 我沒法處理 那我就採樣 採樣出來五百個 或者一千個這樣子 就是說 可能是說 你性能模擬 做完之後 是需要對這些結果 進行一定的二次處理 處理完之後呢 可能最後一步 纔是做一個 是吧 做一傳優化 這個時候的一傳優化 跟這個性能模擬是什麼 是分開的 分開了之後呢 可能你再用這個 Valise 或者Octopus的話 這不是那麼適用 是吧 他就沒法去跑這個 他這個工具就沒法用了 那這個時候呢 後來進行一個探索 就是說 我這邊給大家推薦兩個工具 一個是Python的工具包 這個叫 中文應該叫Pymo 是吧 這個這些工具包呢 它就能夠比較好的 處理這個問題 先去模擬 得到一些結果 你可以儘管去分析 分析完之後 整理好你的數據集 整理完成之後呢 我再通過這個Python的這樣一個工具包 進行一個數值的評估 因爲這個優化 其實說到底 它就是一個評估的一個過程 是吧 就是評估你這些建築性的數據集裏面 有哪些解是比較好的 是吧 就是一個評估的過程 或者是一個篩選的過程 所以這邊給大家推薦一下 關於這個Python的一些工具包 大家可以去看一下這個網站 去大概瞭解一下這樣的工具 然後如果你說 我可能沒有Python基礎 或者說這個基礎還不是很紮實 沒法很好的使用這個代碼 我也給大家推出 介紹第三個這個工具 建議的工具 就是關於這個Metalab的一個工具包 Metalab的話 我相信大部分學校裏面 可能會給你們去購買 它一個正版的一個工具的 或者說你用破解版的也OK 總之呢就是說 這個這個平臺的還是非常不錯的 它中間也集成了 像注入這個全局優化的一些工具包 Toolbox 然後它的使用的比較簡便 你可以去網上面去down一些代碼 直接copy到Metalab裏面進行使用 然後呢 使用起來的這個整體的體驗 應該說比Python要好一點 因爲Python的唯一有弊 Python的話自由度很高 但是如果你平臺 你的環境配置沒有做好 或者說你的代碼基礎比較薄弱的 可能用起來比較費心是吧 就不太好用 Metalab的則是 就是直接集成到一個工具箱裏面 可能用起來 包括操作起來的體驗感會好一點 OK 那這樣呢 介紹了幾個這個一貫看法的工具包的一個 一個運用 大家可以留心一下 如果你做這塊研究 第二個方面呢 就是我們剛纔提到的 關於數據驅動的建築與城市生存設計這塊 這塊呢也是當前 就是說比較做的比較多的 比較容易出成果 比較容易做出創新性的一個領域 然後我們這邊呢 介紹兩個案例 來具體看一下 他們是怎麼來運用的 首先第一個想要介紹的這個案例 稍等一下 這個比較卡頓 我想介紹的是 關於這樣一個工具的開發團隊 是叫做Decoding Space Decoding Space的話呢 也是Grasshopper的一個插件 我們可以來先看一下 比如說吧 先把這個主頁打開 介紹這個案例 這是它的一個主頁 Decoding Space的話呢 它其實主要的功能就是在於說 通過計算性的分析與生成 比如說街區網絡 然後這個plots 這個建築 等等這些 就街區建築 街道網絡 等等這些 它會設置一些生成的一些規則 介紹一些生成的規則 來具體的進行一個城市街區 或者說建築的一些生成手段 稍等一下 我這邊這個網頁好像稍微有點卡 看這細節談不出來 這裏其實就是介紹它 關於這個Decoding Space的一些具體的組件 比如說這個街區網絡的生成呀 街區的生成 建築的生成 等等這些 它有一些分析的一些工具 比如說分析的可視性 分析它的一些數值 分析它的水文 分析它的這個街區網絡 等等這些 它是生成跟分析是一體化的 但是比較遺憾的是 我這邊這個是網絡不太好 一直談不出來 如果現在過慢 可以回頭自己再看一下 這個工具的對應的 就是我們所熟知的 剛纔我們介紹的 數據驅動的建築與城市生存設計 這一部分 可能是我這邊網絡問題 這邊也不是很好的 能夠展現出來 那我們還是回到 剛纔想要介紹的這個案例 這個工具的 我就不再多介紹了 我們直接講解這個案例 這個案例呢 就是說是Decoding Space 他們這樣一個開發團隊 和新加坡 新加坡這邊有個團隊 進行合作的一個項目 新加坡這邊的話呢 我這邊相對熟悉一點 因爲是去年在他們那裏 就是進行聯合培養的一年 他們有一個實驗室 叫未來城市實驗室 這個實驗室和這個Decoding Space的 開發團隊一起 和一起 一起針對新加坡地區的 這樣一個南部 南部有一塊區域 這樣一個區域的一個 新城建設 做了一些 生存式的 生存設計的一些 一些 做了一些 一些研究吧 我們來看一下這個案例 但是尷尬的是 這個排行量怎麼這麼慢 OK我們看到了 我來翻譯一下 他就是說 這裏是關於認知城市設計計算 FCL的話 則是剛纔介紹的 新加坡的這樣一個 未來城市實驗室的 這樣一個機構 他們這個項目呢 其實 他們在新加坡未來城市實驗室 這樣一個項目中 去針對新加坡 丹榮八個海濱 這樣一個地塊 去展示 他們是如何通過 認知城市設計計算 這樣一個理念 去做他這樣一個 新城建設的一個過程 在這裏呢 他是說明了 這樣一個認知城市設計 他的一個框架 是吧 就先去構建他的一個 城市街道網絡 去構建他的一個 整體的規劃體系 最後的是落實到 每一個具體的 建築體塊的一個生成 得到這樣一個 一個基本的 一個新城建設的 一個結果 是吧 這裏會有一個具體介紹 介紹他這個丹榮八個 濱水區空間合成的過程概述 但他這個應該是放在了 那個YouTube上面 可能需要翻牆什麼的 來試一試 這個案例呢 也是非常有趣的一個案例 他不光是作爲一個研究 而且是他是有實際的一個項目 在支撐着他 他的這個研究會 更加有現實意義一些 我們來看看 他能不能展示出來 動畫 這個視頻 我明白了 可能是跟我家裏面的 網絡有關 網絡確實有點差 然後大概是這樣子 在新加坡南部 大概這塊 是吧 旁邊就是首腦山 這塊的他一個 丹榮八個地區 他的一個新城建設的一個過程 這裏的其實 說到底 他也是涉及到一個 你的生成式的一個 生成體系 是吧 就怎麼去生成這樣一些東西 然後還有一個評估體系 就是怎麼評估 這個結果是好的和壞的 最後也有一個 類似於傳算法的一個優化體系 去篩選出來 哪個是最好的 把這個好的結果 給他留下來 其實他整體的是吧 也是通過這樣的量化的手段 和剛纔介紹的生成體系 評估體系和篩選 這個過程是一樣的 但這裏可能看着比較卡 我們再往下來 再看一下 他們同樣也是去關注 這塊區域內部 有一些指標 比如說 經濟潛力呀 是吧 適度分析和應用分析 等等這些方面 他只是研究對象的 空間尺度更大一點 是吧 去研究這些 比較大空間尺度的一些對象 他的那個設計參數的 或者說 需要兼顧的方面 會更加多一點 參數比較複雜了一些 所以他們這邊也是開發了 這樣一套交互體系 是吧 這個使用者業主 或者開發 政府可以通過這個面板 去調這個每個參數 實時的看一下這個結果 有什麼區別 這個呢 一般是一個整個團隊 可能耗時很長時間內 去做出來一個比較大的項目 他需要投入的精力和時間 是比較巨大的 是吧 這個視頻看起來 還是比較直觀的 看一下整個區域 他是怎麼生成出來 好 我們就不看完了 大概到這裏 他下面是也是具體介紹了 就這整個路網 他的劃分的一些依據 是吧 像這樣子 他有一些內在的 一些數學邏輯在裏面 而這塊呢 就比較貼近於 像做研究的一個過程 是吧 你需要給他賦予一套體系 讓他去生成具體的 這樣一個基礎體塊 是吧 包括路網的生成 體塊的生成都是一樣的 下面是做了一些 這個數據可視化的一些 一些研究 看一下那些結果是最優的 他們在各個參數上面 表現如何 是吧 這裏呢 也有一個動畫 看一下這個體塊 最終的結果 大概是什麼樣子 包括其中的每個建築 是吧 具體的表現如何 大概的是這樣一個案例的介紹 這個案例呢 大家有興趣 也可以在後面去仔細的看一下 包括在YouTube上面 也有他們的一個項目介紹 大概是38分鐘 這個我們就不仔細介紹了 就跟你講 說一下這個 關於我們所謂的數據驅動的建築 或者城市生存設計 這塊的一個案例 除了這個案例之外的話 事實上還有另外一個 可能想給大家介紹的這個案例 是一位國內學者 東南大學的這樣一位 徐曉冬老師 他們這個團隊 像這位徐老師 他們團隊呢 也是在做城市設計這塊 做這個領域 做的比較多的一個團隊 他們在無論是項目方面 還是文章產出方面 也是比較豐富的 然後這邊呢 我是給大家看一下 在這個researchkit上面 他們團隊的一些文章產出 而且都是非常成體系的一些文章 那麼我們這邊的話呢 是具體的去介紹其中一篇文章 就是這樣一篇文章 是他們21年8月份的時候 發表在這個叫什麼 再生能源方這個期刊上面的一篇文章 這個文章 這個期刊好像也是一個一趣的文章 一趣的期刊 也是非常不錯的 他這個文章中呢 題目就從性能模擬 到數據驅動的研究路徑 一個框架 這個框架呢 是整合了這樣一個城市設計 這樣一個城市生成 城市現代生成 和這樣一個低能耗的 一個城市設計的一個方法 一個框架 當然你看題目呢 可能寫的感覺比較空洞 是吧 或者寫的比較宏觀 具體內容呢 都是這篇文章的一個內容 我們可以結合着 我這邊下載下來的文章來看 這篇文章呢 我們其實可以先 先了解這篇文章 先看一下他的這樣一個研究框架 他這邊大概 我們看一下 有五個步驟是吧 step one到step 六個步驟 到step six 六個步驟 你看的話呢 就是他們結合着 他們工作室所做的一個項目 好像是在江蘇 江蘇大概揚州周邊 揚州地區的一個 一個縣城 他們在那個縣城 可能要規劃一個新城 然後他們要做一些城市設計 完了呢 就是他們通過這個項目的 實施彙總成一篇文章 來去在研究過程中 進行一個 一個一個付現 一個展現 大概分了這麼幾個步驟 首先就是說 對於這樣一個 一個實際地塊 他這樣一個街道 水系路網啊 其實都已經是比較這個成熟的 然後包括當地 那個縣城當地 等他會有一些 基本的建築佈局的一些 一些原型 一些形態的一些 一些原型 所以說他第一步就是說 他先去 先去調調研 先去彙總一下這些 比較基本的 這樣一個城市體塊的一些 一些原型的提取 比如有這樣子的 是吧 三乘三的 比如像這種像板樓一樣的 像這個院落式的 還有像這種高樓 塔樓是吧 等等這些 有這樣一些基本的建築的一些原型形態 其次呢 他們就是把這樣一個 一些基本的體塊 去放到這樣一個 一個實際的地塊中 把他們抽取的 這個建築的原型 放到這個實際的地塊中 來做一些生存的可能性 是吧 其實就是一個生存體系 是吧 生存體系之後 第三步 他們需要去判斷 這些體塊的 有一些具體的約束條件 他們怎麼樣在 整個街區中的 有一個放置 去兼顧到 比如說路網 重心率 流動高度 等等這些 是吧 其次呢 他們去做一些 他們這個題目中 所體現出來的 就是說一個 低能耗的城市設計的 一個研究目標 是吧 所以他們可能需要去判斷一下 這樣一個街區中 他們比如說 判斷他的這個熱輻射 然後這個日照時數 能耗 等等這幾個方面 是吧 去做一個性能模擬 和一個優化的一個評估 在性能模擬和優化評估之後 他們需要去 就是通過一些 這積極學習的手段 去預測 比如說整個街區 整個這樣一個城市設計的 這樣一個尺度內 去預測 他可能 比如說一年 他的一個大概能耗的 一個情況 這個預測的 也需要結合 這他這樣一個 設計生成的 這樣一個體塊 和他們那個當地的 實際的建築的耗電量 進行一個對比 進行一個驗證 然後來判斷 他這個預測的結果準不準確 所以最後的話 他是加了這樣一步 這個積極學習的 這樣一個方法 就預測這個建築能耗的 一個過程 最後的話呢 是得到 在怎麼樣的一個建築佈局中 能夠使得整個地塊 他的一個建築能耗 是最少的 就是最爲這個生態友好性 和這個地能耗的 這樣一個表現的 一個街區體塊 大概是這樣一個 研究的一個思路 那下面我們可以看到 在這邊 他會具體介紹一下 比如說這個case 是在什麼位置 是吧 在這樣一個 一個可能在一個縣城裏面 之後呢 他們需要去具體的設置 這樣一個 比如像一個block 在一個街區block裏面 這個體塊的一個生成規則 以及怎麼佈置的 看到在這裏的 就是他們其實是在 具體的提取 當地的這樣一個街區 常見的一些類型 是吧 把它給提取出來 進行一個這樣一個展示 這裏展示的 則是現在模擬和 遺傳優化的一些 一些一些過程 是吧 他的文章的內容 還是比較多的 這裏的則介紹的是 他關於那個能源 能耗數據的 這樣一個預測的一個算法 使用的是LSTM 長短期記憶的 這樣一個 一個生前網絡的一個算法 其實這個算法的話 比較簡單 因爲他沒有改動 這個算法也是 可能在計算機學科那邊 也是用了比較長時間的 可能用了一二十年前 就有人在用的這樣的算法 他們這個文章呢 因爲這塊不是重點 或者說 不是主要的一個重點 他們就直接拿來算法 直接來用進行一個預測 其實你可以不用LSTM 用其他算法也行 但是你的研究目標 你的目的要明確的 算法是可以替換 下面的話則是一些 結果的一些分析 是吧 比如說像這樣子的 這個結果 是吧 他們具體的表現如何 在這裏是吧 是一個優化的結果出來 像這樣子 我們可以看到 像這樣的一些研究 他其實更多時候 也是在這個設計的 早期階段 是吧 所做的一些探索 就是看一下 大概怎麼樣的一個 建築的佈局 能夠體現出來 他們所追求的 這樣一個低能耗的 一個設計目標 是吧 但事實上在最終的 落實的話 還會進行一些改變 所以他們這邊只是 早期的一些探索的 一些過程 如果大家有興趣的 可以去深入的去看一下 他們團隊 像這樣一個文章 是其中一篇 他們 我印象中 他們是這一系列的 應該是連續發了好幾年 可能從1819年 開始發 一直髮到現在 應該是有好幾篇 都是關於這樣一套體系的 我覺得他這個好處在於說 他這個研究框架 非常非常 不能說容易理解 就是非常的 值得我們學習 他整個研究的 一個思路 也是比較清楚的 他們研究的框架 其實也是 可以靈活變動的 比如說你前面的 這個建築體塊的 生成體系 你的評估體系 你的遺傳優化的 一些算法 包括你這樣一個 經濟學習的算法 都是可以替換的 是吧 如果我們 我們可以拿來借鑑 進行學習 你可能會在某一個 具體的局部 進行一些替換 或者你的應用對象 進行一個 一個具體的 應用框架的 一個一個創建 是吧 非常不錯的一篇研究 這塊 這樣的話 就是這兩個案例 來介紹一下 關於數據驅動式的 建築與城市 生成設計 這樣一個方面 第三個方面 則是可能當下 比較實心的 或者說 比較容易做出創新性的 第三個方面 就是關於人工智能 來輔助性能評估 這塊 這塊呢 事實上 我剛纔講過了 就於人工智能 或者技術學習 這個技術 它所能處理的 不光是像 我們前面介紹的 風光日 這些綠界方面的 一些指標 它能夠進行 進一步拓展 比如說 你所有能夠用數據 或者所有能夠用 這個深圳市圖像 都來表示的 一些數值 它都能夠去 進行一個數據 進行一個分析 是吧 你比如說 我們常用的 ANN這樣的 深圳網絡來做 數值的一些分析 或者CNN這樣的 一些技術 做圖像數據的 一些評估分析 或者RNN 或者GNN 幹案技術 是吧 甚至現在比較 實行的一些 像definition model 等等這些 像什麼 遷移學習 模糊學習 等等這些技術 它能夠處理的 數據類型 能夠處理的 這個數據的 甚至說數據的 這個量級 都是進一步 大大拓展的 儘管呢 我們這邊選用的 兩個案例 選用介紹的 兩個案例 你仍然是 關注在 濾箭方面 但是我們的提議呢 就是說 如果你後面 有一些比較好的 idea 你想寫一份 結合了你的 研究的一份 研究計劃書 是可以進一步拓展的 也是當下的 一個比較實行的 一個方面 那這邊介紹的 案例 首先還是 第一個 這樣一個實驗室 這個實驗室呢 我們看一下 叫做CIL 就是城市智能實驗室 這個實驗室呢 是應該是那個 叫什麼 奧地利理工大學吧 奧地利理工大學 他們的一個 實驗室 這個實驗室呢 它其實 我們看一下 看能不能訪問點 它其實主要的 就是前幾年 比較火的 一個方面 是在於 他們開發了 一套體系 這個體系呢 我們來看一下 一套project 他們比如說 是做了這樣的事情 比如這個事情 他們通過 自己學習的 方法呢 去預測 比如說 這個分環境的 一個結果 左邊最左邊 這個是吧 是一個建築的體塊 中間呢 是通過這個 分環境模擬 得到一個結果 右邊這個呢 是通過他們 他們通過那個 機器學習算法 直接預測的一個結果 是吧 就是這個input 這個是模擬的output 這個是預測的output 它是直接可以 繞過這個模擬的 這個過程 直接進行預測 給我一個圖 我直接給你一個 給我一個這個平面圖 我直接把它預測出來 這個分環境如何 是這樣子 他們做了這樣一個事情 說白了呢 就是說 如果你通過 分環境模擬 是吧 你是通過那 計算機邏輯力學 是吧 一點點算上這個結果 而它這個預測的 則是通過對圖像 對於比如說RGB 是吧 這些色 這些顏色 直接進行預測 它不考慮背後的 計算機邏輯力學的 一些原理 是直接從圖像 到圖像的一個 預測的一個過程 它的好處呢 就是當它加快了 這樣的過程 大大的 就是說加快了 這樣一個圖像 正能模擬結果的 一個生成 是吧 像這樣的 是吧 直接拉出來幾塊 直接給你個結果 就不需要再去做一個 非常耗時的 這樣一個模擬了 這個是他們團隊 之前做的比較 非常不錯的 一個成果 也是 前陣子 也是有很多 國內的自媒體 在轉發他們 這樣的成果 然後我們這裏呢 是介紹的 他的這樣一篇文章 是說是 看一下 這篇會議論文 是關於維也納 高層建築的優化 這個文章呢 事實上 是發表在 去年的Cadre 2022上面 的一篇會議論文 他這篇論文的話呢 其實跟 剛纔我們講過的 那個新的模擬 和以上優化 那個體系 是非常類似的 是吧 在這邊 他會有這個 論文的全文 但是他這裏呢 一個主要的區別 就是在於 他們也是 在做以上優化的時候 是加入了這樣一個 積極學習的 一個部分 比如體塊的生成 是吧 後面是這個圖像 圖像的生成呢 有一部分是進行 模擬出來的 另外一部分是通過 這個積極學習 直接預測出來的 就跑一個 以上優化的 一個結果 他其實就是在 比較傳統的 三維形態生成 性能評估模擬 以上優化 這三個步驟 中間的話呢 在這個性能模擬 和以上優化中間 加上了一步 加上積極學習 進行預測 進行大批單的預測 預測完之後呢 再把數據進行整合 最後跑了 以上優化 大概加上這樣一步 所以呢 這個面呢 我們也把它就是歸類到 我們這個人工智能 輔助性能評估 這樣一個領域內 這個研究呢 就這方面的研究 在近兩年也是比較流行的 剛纔我們講過是吧 像這種 這種項目 研究也好 或者說論文也好 它的創新性 可能不是那麼的足 後面呢 就主要體現爲 就是在性能模擬 和遺傳性化中間呢 加上這樣一個 積極學習的一個方法 那麼像下面這篇文章呢 也是大概這樣一個思路 點不開呢 我們就直接看這篇文章 也是直接下載好的 我們看一下 這篇文章呢 是清華大學 林波榮老師 他們這個團隊 應該是在去年發佈的一篇文章 發表的一篇文章 是這篇 我們來看一下 他這個題目就是說 基於CNN和GNN的總平面佈置 日光性能預測模型 概念與驗證研究 這樣一篇文章 他們的研究的整體框架 我們可以來看一下 也是看他們這個框架圖 能看到 首先呢 也是通過Skytrap也好 Rhino和Grasshopper也好 先把這個形體是構建出來 是吧 構建出來之後呢 他們是通過Radiance 或者是這個Honeybee 來去做它的一個採光的 一個性能模擬的結果 是吧 就在這邊能看到 它左邊的是編碼 編碼這個基本的幾何形態信息 這個建築長什麼樣子 右邊呢 則是編碼它這樣一個模擬的結果 是吧 模擬的結果信息 兩塊的分別作爲input和output 中間是通過這個CNN和GNN技術 是吧 去自動的生成 去生成它這樣一個模擬的結果 去訓練 就訓練input和output嘛 後面的話 它就能夠自己的話去生成 就是說你給我一個 這樣一個平面圖 我就會自動告訴你 這個平面圖 它所對應的這個採光模擬的結果 是什麼樣子的 而且會給你一套這個採圖 是吧 告訴你這個結果如何 這中間呢 其實也就是主要的一個亮點 就是在於這個CNN技術 CNN呢 就是這個整體神經網絡 它是一個比較大的一個範圍 它中間的具體使用的算法模型 模型結構是這個ResNet50 這樣一個模型結構 去進行做這個圖像數據的一個處理 轉型神經網絡的一個處理 然後下面呢 他們就是比較具體的 去列舉出來 他們這個研究的各個部分 首先的話 是這樣一個體塊的一個生成 下面呢 就是它這個體塊內部的話 是這樣一個 這個空間怎麼劃分的是吧 他們有一套比較仔細的 這樣一個劃分的一個體系 之後呢 他把這個input和output 輸入進來 去做一個積極學習的一個性能評估 積極學習的這個學習的預測結果 進行一個展示 他們爲了證明 這個積極學習是有效的 之後呢 是來進行判斷是吧 能看到像這裏 這是一個真實的一個模擬結果 這邊是預測結果 這邊是一個參差值 這個差別大概如何 這邊是一個性能模擬 積極學習預測的一個指標 大概都能夠說預測的精度在90%以上 是吧 0.908 0.902 0.910 這樣呢 就是他們這篇文章的主要亮點 大於說是來處理圖像數據 是吧 對於圖像的一個處理 怎麼來做具體的 這樣一個採光的圖像的一個生成 這樣呢 就這兩篇文章 包括這個林博榮老師的 他們在做這方面的研究也是蠻多的 也是有一系列 這個文章的一個產出 大家有興趣的話 也可以去看一下 就像在這兩篇文章的一個介紹下 就是我們能夠來看到人工智能 或者說他所具體的積極學習技術 深度學習技術 是怎麼在這個性能評估中進行運用的 主要是這個方面 然後這樣呢 就是咱們前面大概花了一個小時的時間 去具體介紹這三個方面 是吧 一個是性能模擬優化與決策 數據驅動 建築成人設計 以及人工智能輔助性能評估 這三個方面的一個研究 而我們這個課程呢 其實也主要是圍繞在這三個方面 進行一個講解 那剛纔我們也講了 是吧 也可能有其他一些比較實心的技術 像VR 元宇宙啊這些 這些呢 其他一方面 如果你是有興趣 或者說有一定研究基礎的 也是非常歡迎大家能夠跟我們討論 我們這邊也是開放式的 如果說需要我們這邊進一步的補充師資 來跟你對接的 來進行輔導的 我們這邊也可以去找到相應的講師 在我們這些範圍之外的 如果你有需求 我們也可以找到相應的講師 來幫你進行 和你一起討論 幫助你來完成你的研究 就是輔助你的研究 好了 那上面的話呢 我先把這塊講完 講完呢 我們看時間呢 應該是差不多一小時 我們現在稍微休息一會兒 過會兒十分鐘之後 再回來講 好吧 我們現在稍微休息一會兒