一种改善建筑场地及建筑室内环境性能的优化设计方法

摘要

本发明公开了一种改善建筑场地及建筑室内环境性能的优化设计方法，该方法的具体步骤如下：S1：目标建筑群的参数化建模；S2：场地室外环境性能模拟；S3：建筑室内环境性能及能耗模拟；S4：规划建筑AI智能优化：根据室内外环境性能及能耗模拟进行智能寻优，获取到各标准层的场地规划、室外环境和室内环境的性能良好的集合。通过模拟建筑的朝向和窗墙比与建筑室内外的环境性能之间的关系，获取到建筑室内外环境性能良好时的建筑的朝向和窗墙比，以此获取到建筑环境性能良好的建筑设计方案，另外，建筑的朝向影响建筑的所在场地，根据建筑环境性能良好时的建筑朝向的获取，实现对建筑场地的规划，达到建筑场地的规划和改善。

说明书

技术领域

本发明属于建筑设计技术领域，特别涉及一种通过计算机程序改善建筑场地及建筑室内环境性能的优化设计方法。

背景技术

城市的高速发展，人们越来越重视工作以及生活的品质感，对场地及建筑室内的环境性能需求日益见长，住区的绿色建筑设计技术应运而生。

如专利号为“CN105220896A”、名称为“一种绿色建筑的性能化设计方法”的专利中，公开了一种绿色建筑的性能化设计方法，包括以下步骤：步骤1)由建筑师完成草模建立；步骤2)由工程师完成气候条件、声环境和风环境的基地分析；步骤3)由建筑师和工程师完成风环境、光环境和热环境的平立剖深化；步骤4)由建筑师和工程师完成评价体系、节能、非传统水源综合管理的专业整合与绿色建筑集成；步骤5)由建筑师和工程师完成方案定稿。

但是随着人工智能技术的发展，传统的基于设计师的规划建筑设计法正在被人工智能逐渐替代。市面上已经出现有人工智能加载建筑规划的设计方法，如专利号为“CN109684662A”、名称为“一种智能式装配式建筑的构建方法”的专利中，公开了一种智能式装配式建筑构建方法。该方式包括：初步模型设计，根据场地分析、建筑造型、建筑景观、交通流线进行空间规划；利用BIM技术组成建筑全模型；优化模型设计，将建筑全模型放入特定的模拟环境，完善建筑的户型、尺寸以及建筑的方位；深化模型设计，将所述优化模型拆分为单个构件，根据构件的拆分,对单个构件进行形体优化、钢筋配置、碰撞检测；根据检测结果对各个要素进行调整,进一步完善各要素之间的关系,并利用BIM模型直接出构件深化详图,图纸应包括构件尺寸图、预埋定位图、材料清单表、构建H维视图。但是上述专利也是以满足国家及城市的规划日照基础要求为单一目标要求的设计方法，未综合考虑规划场地的环境及建筑性能的解决方法。

发明内容

为解决上述问题，本发明的首要目的在于提供一种改善建筑场地及建筑室内环境性能的优化设计方法，该方法综合考虑场地的通风、太阳辐射、建筑单体的能耗和采光性能等因素，设计出既能改善场地的规划，又能提高建筑环境性能的设计方案。

本发明的另一个目的在于提供一种改善建筑场地及建筑室内环境性能的优化设计方法，该方法利用人工智能优化的方式，集中考虑建筑场地及建筑环境性能，优化并筛选出场地与建筑性能综合最优规划方案。

本发明的再一个目的在于提供一种改善建筑场地及建筑室内环境性能的优化设计方法，该方法基于建筑场地及建筑环境性能的设计需求，将多个模拟软件(风、光、热等)集中建模并综合考虑各种环境因素，大大提高了建筑性能设计的整体效率。

为实现上述目的，本发明的技术方案如下。

一种改善建筑场地及建筑室内环境性能的优化设计方法，其特征在于，该方法的具体步骤如下：

S1：目标建筑群的参数化建模：对目标建筑群进行建模，选取目标建筑群的各建筑的标准层，获取各标准层的朝向和窗墙比，并分别作为第一变量和第二变量，且所述目标建筑群的场地随各标准层的朝向的变化而变化；

S2：场地室外环境性能模拟：根据各标准层的朝向建立建筑室外环境系统，获取各建筑层的室外各环境性能参数作为室外的因变量；

S3：建筑室内环境性能及能耗模拟：根据各标准层的朝向和窗墙比，建立建筑室内环境及能耗系统，获取建筑室内各环境性能参数及能耗参数作为室内的因变量；

S4：规划建筑AI智能优化：根据第一变量、第二变量、室外的因变量和室内的因变量进行智能寻优，获取到各标准层的场地规划、室外环境和室内环境的性能良好的集合。建筑的朝向和窗墙比对建筑室内的环境性能是有影响的，最重要的影响就是通光，本发明通过模拟建筑的朝向和窗墙比与建筑室内外的环境性能之间的关系，获取到建筑室内外环境性能良好时的建筑的朝向和窗墙比，以此获取到建筑环境性能良好的建筑设计方案(建筑朝向和窗墙比)，另外，建筑的朝向影响建筑的所在场地，根据建筑环境性能良好时的建筑朝向的获取，实现对建筑场地的规划，达到建筑场地的规划和改善。

进一步地，所述S3中，根据各标准层的朝向和窗墙比建立日照时数数字模拟系统，获取冬至日日照时数，并以目标建筑群所在地的日照规划强制条件作为第一约束条件，当冬至日的日照时数不满足第一约束条件时，重新调整第一变量和第二变量。冬至日是对住区内各栋建筑是否在全年获得足够的日照的判断日期，国家以及各个地区基本均是以冬至日作为建筑是否满足日照要求的标准。因为我们处于北半球，在冬至日时，太阳光与我们北半球各个地方的角度是最小的，也是获取日照最难的日期，如果这个日期时，日照满足要求，那么全年其他时间自然也会满足日照要求。

进一步地，所述S3中，根据各标准层的朝向和窗墙比建立建筑辐射数字模拟系统，获取冬至日建筑辐射值，并设定建筑辐射值的最小值，将该最小值作为第二约束条件，当冬至日建筑辐射值不满足第二约束条件时，重新调整第一变量和第二变量。

第一约束条件和第二约束条件的设置，限定了该建筑设计所满足的条件，当该建筑设计满足第一约束条件和第二约束条件后，该建筑便具备了基本的光照需求。

进一步地，所述S2中，所述的室外的因变量包括第一因变量，所述建筑室外环境系统包括场地太阳辐射模拟系统，利用场地太阳辐射模拟系统获取该目标建筑群的平均辐射值，并将该平均辐射值作为第一因变量。

进一步地，所述S2中，所述的室外的因变量包括第二因变量，根据目标建筑群的各标准层的初始朝向，获取该目标建筑群的迎风面积比，并将该迎风面积比作为第二因变量。

进一步地，所述S3中，所述的室内的因变量包括第三因变量和第四因变量，所述建筑室内环境及能耗系统包括室内光环境数字模拟系统和建筑能耗数字模拟系统，利用室内光环境数字模拟系统获取室内平均照度值，作为第三因变量；利用建筑能耗数字模拟系统获取建筑全年平均能耗值，作为第四因变量。

室外的第一因变量、第二因变量和室内的第三因变量、第四因变量的设置，作为室内外环境性能的参数，分别代表着室外的太阳辐射、通风和室内的采光、建筑单体的能耗，在进行智能寻优过程后，获取到满足室外太阳辐射、通风和室内的采光、建筑单体的能耗的性能的建筑的设计(建筑朝向和窗墙比的设计)，以此可获取到符合建筑室内外环形性能的建筑的设计。而建筑的朝向的设计代表着对建筑的场地的规划。

进一步地，所述S4的智能寻优过程中，将第三因变量进行转化，转化的具体方法为：将第三因变量除1000。其中，在智能优化过程中，为了使第一因变量、第二因变量、第三因变量和第四因变量能够与智能寻优的方向(越小越好)的趋势保持一致，将第三因变量作除1000的操作。

进一步地，所述S4中的智能寻优包括将第一变量、第二变量、室外的因变量和室内的因变量连接到Rhnio+Grasshopper中的Octopus中，并设置Octopus的种群数量和种群变异指数。其中，将第一变量和第二变量与Octopus的输入端连接，将第一因变量、第二因变量、第三因变量和第四因变量与Octopus的输出端连接。

进一步地，该方法还包括智慧决策模块，利用该智慧决策模块筛选出场地和建筑性能综合较优的设计方案。在智慧决策模块中，将Octopus的输出端与Wallacei连接，通过AI智慧决策，筛选出场地与建筑性能综合最优的规划方案。

进一步地，所述场地太阳辐射模拟系统获取夏季的平均辐射值。日照选择冬至日，考量的是室内，则是因为在国家及地方的规范上，对于日照的规定是以建筑窗口的日照时数作为评价指标的，冬季建筑窗口的日照满足要求，那么对应的场地内满足冬季日照要求的面积占比自然会增大(因为建筑获得日照与建筑遮挡有关)；其次，室外热环境以夏季模拟为基础，主要是因为夏季是影响室外场地热舒适的重要季节，如果场地的热环境得到改善，人们自然愿意到场地内进行活动，而不用呆在室内，这样就会减少室内空调的使用，进而节电。

本发明通过模拟建筑的朝向和窗墙比与建筑室内外的环境性能之间的关系，获取到建筑室内外环境性能良好时的建筑的朝向和窗墙比，以此获取到建筑环境性能良好的建筑设计方案(建筑朝向和窗墙比)，另外，建筑的朝向影响建筑的所在场地，根据建筑环境性能良好时的建筑朝向的获取，实现对建筑场地的规划，达到建筑场地的规划和改善。

本发明通过建筑室内光环境与建筑能耗的多个环境性能优化目标，并利用人工智能算法在方案前期进行优化设计方法，简化了建筑风、光、热、能耗等多环境性能整合模拟的同时，并通过人工智能技术，在对场地及建筑室内环境性能综合优化决策后，智能生成了综合场地风环境与热环境、室内光环境与建筑能耗最优的解决方案。

附图说明

图1是本发明的流程图。

图2是图1中A部分的局部放大图。

图3是图1中B部分的局部放大图。

图4是本发明的优化前后的室内平均照度对比的曲线图。

图5是本发明的优化前后的建筑场地平均辐射对比的曲线图。

图6是本发明的优化前后的建筑群平均能耗对比的曲线图。

图7是本发明的优化前后的建筑场地平均风速对比的曲线图。

具体实施方式

为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。

参照图1-7所示，为本发明的一种改善建筑场地及建筑室内环境性能的优化设计方法，该方法的具体步骤如下：

S1：目标建筑群的参数化建模：对目标建筑群进行建模，选取目标建筑群的各建筑的标准层，获取各标准层的朝向和窗墙比，并分别作为第一变量和第二变量，且所述目标建筑群的场地随各标准层的朝向的变化而变化；

在本实施例中，将目标建筑群及周边建筑群平面导入到Rhnio中，并利用导入的建筑群平面，根据实际的建筑高度进行建模，生成3D模型，完成目标建筑群的建模。

其中，各建筑的标准层作为本建筑的代表，其中标准层选取该栋建筑中性能最差的底层，反映该栋建筑整体的性能。朝向的取值范围为-180°-180°。

将建筑划分成屋顶、外墙、外窗以及楼板等图层，并据此获取各标准层的窗墙比。

S2：场地室外环境性能模拟：根据各标准层的朝向建立建筑室外环境系统，获取各建筑层的室外各环境性能参数作为室外的因变量；

S3：建筑室内环境性能及能耗模拟：根据各标准层的朝向和窗墙比，建立建筑室内环境及能耗系统，获取建筑室内各环境性能参数及能耗参数作为室内的因变量；

S4：规划建筑AI智能优化：根据第一变量、第二变量、室外的因变量和室内的因变量进行智能寻优，获取到各标准层的场地规划、室外环境和室内环境的性能良好的集合。建筑的朝向和窗墙比对建筑室内的环境性能是有影响的，最重要的影响就是通光，本发明通过模拟建筑的朝向和窗墙比与建筑室内外的环境性能之间的关系，获取到建筑室内外环境性能良好时的建筑的朝向和窗墙比，以此获取到建筑环境性能良好的建筑设计方案(建筑朝向和窗墙比)，另外，建筑的朝向影响建筑的所在场地，根据建筑环境性能良好时的建筑朝向的获取，实现对建筑场地的规划，达到建筑场地的规划和改善。

其中，所述S3中，根据各标准层的朝向和窗墙比建立日照时数数字模拟系统，获取冬至日日照时数，并以目标建筑群所在地的日照规划强制条件作为第一约束条件，当冬至日的日照时数不满足第一约束条件时，重新调整第一变量和第二变量。冬至日是对住区内各栋建筑是否在全年获得足够的日照的判断日期，国家以及各个地区基本均是以冬至日作为建筑是否满足日照要求的标准。因为我们处于北半球，在冬至日时，太阳光与我们北半球各个地方的角度是最小的，也是获取日照最难的日期，如果这个日期时，日照满足要求，那么全年其他时间自然也会满足日照要求。

其中，所述S3中，根据各标准层的朝向和窗墙比建立建筑辐射数字模拟系统，获取冬至日建筑辐射值，并设定建筑辐射值的最小值，将该最小值作为第二约束条件，当冬至日建筑辐射值不满足第二约束条件时，重新调整第一变量和第二变量。建筑辐射值的最小值以该建筑所在地的冬至日正午11:30～12:30的最大1小时辐射量。

第一约束条件和第二约束条件的设置，限定了该建筑设计所满足的条件，当该建筑设计满足第一约束条件和第二约束条件后，该建筑便具备了基本的光照需求。当当冬至日的日照时数不满足第一约束条件或者冬至日建筑辐射值不满足第二约束条件时，调整各标准层的朝向和窗墙比。使其分别满足第一约束条件和第二约束条件的需求。

其中，所述S2中，所述的室外的因变量包括第一因变量，所述建筑室外环境系统包括场地太阳辐射模拟系统，利用场地太阳辐射模拟系统获取该目标建筑群的平均辐射值，并将该平均辐射值作为第一因变量。

其中，所述S2中，所述的室外的因变量包括第二因变量，根据目标建筑群的各标准层的初始朝向，获取该目标建筑群的迎风面积比，并将该迎风面积比作为第二因变量。迎风面积比为当前建筑群主导风向上的迎风面积与最大可能迎风面积的比值。

其中，所述S3中，所述的室内的因变量包括第三因变量和第四因变量，所述建筑室内环境及能耗系统包括室内光环境数字模拟系统和建筑能耗数字模拟系统，利用室内光环境数字模拟系统获取室内平均照度值，作为第三因变量；利用建筑能耗数字模拟系统获取建筑全年平均能耗值，作为第四因变量。

室外的第一因变量、第二因变量和室内的第三因变量、第四因变量的设置，作为室内外环境性能的参数，分别代表着室外的太阳辐射、通风和室内的采光、建筑单体的能耗，在进行智能寻优过程后，获取到满足室外太阳辐射、通风和室内的采光、建筑单体的能耗的性能的建筑的设计(建筑朝向和窗墙比的设计)，以此可获取到符合建筑室内外环形性能的建筑的设计。而建筑的朝向的设计代表着对建筑的场地的规划。

其中，所述S4的智能寻优过程中，将第三因变量进行转化，转化的具体方法为：将第三因变量除1000。其中，在智能优化过程中，为了使第一因变量、第二因变量、第三因变量和第四因变量能够与智能寻优的方向(越小越好)的趋势保持一致，将第三因变量作除1000的操作。

其中，所述S4中的智能寻优包括将第一变量、第二变量、室外的因变量和室内的因变量连接到Rhnio+Grasshopper中的Octopus中，并设置Octopus的种群数量和种群变异指数。其中，将第一变量和第二变量与Octopus的输入端连接，将第一因变量、第二因变量、第三因变量和第四因变量与Octopus的输出端连接。

在本实施例中，在智能寻优过程中，以Rhnio+Grasshopper中Octopus为核心，利用遗传进化算法SPEA2(标准改变强度帕累托收敛)为核心算法，并加载变异算法Polynomial(多项式变异法)，将第一变量和第二变量与Octopus的输入端连接。

在本实施例中，为保证环境性能的值域变化趋势与Octopus的寻优方向为“越小越好”的趋势一致，将第一因变量R调整为R’＝R*1，第二因变量V调整为V’＝V*1，第三因变量I调整为I’＝1000/I，第四因变量E调整为E’＝E*1；并将调整后的第一因变量R’、第二因变量V’、第三因变量I’和第四因变量E’到Octopus的输出端。

在本实施例中，将Octopus中的种群数量设置为100代，种群变异指数为0.2，运行Octopus并进行智慧寻优。

其中，该方法还包括智慧决策模块，利用该智慧决策模块筛选出场地和建筑性能综合较优的设计方案。在智慧决策模块中，将Octopus的输出端与Wallacei连接，通过AI智慧决策，筛选出场地与建筑性能综合最优的规划方案。

其中，所述场地太阳辐射模拟系统获取夏季的平均辐射值。日照选择冬至日，考量的是室内，则是因为在国家及地方的规范上，对于日照的规定是以建筑窗口的日照时数作为评价指标的，冬季建筑窗口的日照满足要求，那么对应的场地内满足冬季日照要求的面积占比自然会增大(因为建筑获得日照与建筑遮挡有关)；其次，室外热环境以夏季模拟为基础，主要是因为夏季是影响室外场地热舒适的重要季节，如果场地的热环境得到改善，人们自然愿意到场地内进行活动，而不用呆在室内，这样就会减少室内空调的使用，进而节电。

实施例：

1)选取深圳地区居住区建筑群，并将住区内的6栋建筑及周边建筑平面导入Rhnio，拉伸建立3D模型；

2)调用Grasshopper定义各栋建筑的初始朝向为正南向为0°，定义各栋建筑的朝向在-180°到180°变化，并将建筑朝向作为住区性能优化的变量1；

3)拾取住区内各栋建筑群，将各栋建筑等分成32层，并调取各栋建筑性能最差的底层标准层作为反映场地及各栋建筑整体性能的对象；

4)调用Grasshopper及Honeybee组件编程，并赋予各栋建筑群初始窗墙比W为0.5，并拾取底层标准层的外墙、外窗、楼板及屋顶图层；

5)拾取4)中的外窗图层，并调用Ladybug套件，建立日照时数数字模拟系统进行模拟，得出各栋底层外窗的在冬至日直射日照时数变化为(1.1h～6.5h)，以深圳地区住宅建筑日照要求的冬至日1小时作为约束条件1；

6)调用Ladybug套件，建立建筑辐射数字模拟系统进行模拟，选取场地中无建筑遮挡场地的在正午11:30～12:30的1小时的平均太阳辐射强度R0为1.34kwh/㎡，将R0作为建筑辐射模拟系统的约束条件2；

7)拾取4)中的外窗图层，与6)中的建筑辐射数字模拟系统进行连接，进行模拟得出各栋各外窗的在冬至日的平均辐射强度变化范围为(0.62～1.98kwh/㎡)；

8)由于此范围的最小值0.62kwh/㎡小于约束条件2的1.34kwh/㎡；故调整2)中的各栋建筑初始朝向，各栋均调整为30°，重复5)、6)的步骤，得出冬至日直射日照时数变化为(1.3h～5.4h)、冬至日的平均辐射强度变化范围为(1.36～1.74kwh/㎡)，均满足约束条件1与约束条件2的要求；

9)调用Honeybee套件，并拾取4)中的各栋的建筑底层的各个图层，建立室内光环境数字模拟系统，以及Honeybee建筑能耗数字模拟系统，运行两个系统，得出初始室内平均照度值I为350.62lux以及初始建筑能耗值E为96.78kwh/㎡；

10)调用Grasshopper组件，拾取1)中的各栋建筑模型，并建立住区建筑群迎风面积比计算公式，得出现有建筑朝向下的迎风面积比V为0.43；

11)调用Ladybug套件，建立场地辐射环境数字模拟系统，得出建筑群场地内的夏季累计太阳辐射强度R为3521kwh；

12)将2)中的建筑朝向，与4)中的窗墙比作为变量；将9)中的平均照度值I及建筑能耗E作为反应建筑性能的因变量1和因变量2，将10)和11)的迎风面积比V和太阳辐射强度R作为反应场地性能的因变量3和因变量4；

13)将12)中的变量与因变量分别连接到Octopus中的变量端和因变量端；

14)运行系统，经过1天的智慧决策优化，决策出场地风环境、场地辐射环境、室内光环境、以及建筑能耗综合最优的帕累托方案解集45个；

15)将Octopus的帕累托解集连接到Wallacie的数据处理端，智慧筛选出在室内光环境、热环境以及建筑能耗综合排名第1的方案，此方案中住区的最优迎风面积比V＝0.32，夏季最优场地辐射强度为2765kwh，室内最优平均照度值为435lux，建筑能耗最优为81.67kwh/㎡，此时对应的各栋建筑朝向分别是27°、15°、-13°、32°、25°、-9°，对应的窗墙比为0.27。

本发明提供的针对场地环境与建筑室内环境的参数化设计方法，提出了一套针对场地风环境与热环境，以及建筑室内光环境与建筑能耗的多个环境性能优化目标，并利用人工智能算法在方案前期进行优化设计方法，简化了建筑风、光、热、能耗等多环境性能整合模拟的同时，并通过人工智能技术，在对场地及建筑室内环境性能综合优化决策后，智能生成了综合场地风环境与热环境、室内光环境与建筑能耗最优的解决方案。

以上仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明的保护范围之内。