基于大數(shù)據(jù)類型及應用的智能建筑與規(guī)劃研究

蒯文彬

摘要：本文論述了基于大數(shù)據(jù)類型及應用的智能建筑與規(guī)劃，對智能建筑與規(guī)劃的意義與作用進行了分析，從大數(shù)據(jù)與智能結(jié)合的角度梳理了智能建筑與城市發(fā)展脈絡，闡述了基于大數(shù)據(jù)類型及應用的新時代建筑設計與城市規(guī)劃的發(fā)展沿革，最后以人工神經(jīng)網(wǎng)絡法研究六安市河西新城為例，展示了智能建筑與規(guī)劃的技術特點.

關鍵詞：大數(shù)據(jù);智能;建筑;城市;人工神經(jīng)網(wǎng)絡法;規(guī)劃

中圖分類號：TP18;TU984? 文獻標識碼：A? 文章編號：1673-260X（2019）04-0069-04

1 引言

本文研究的主要內(nèi)容是基于大數(shù)據(jù)類型及應用的智能建筑與規(guī)劃[1].目前國家特別重視如何利用人工智能[2]（英文縮寫AI，以研究、開發(fā)用于模擬、延伸和擴展人類智能的理論、方法、技術及應用系統(tǒng)的一門新的技術科學）加快各行各業(yè)經(jīng)濟的升級與轉(zhuǎn)型，促進國民經(jīng)濟的發(fā)展.

2 智能建筑與規(guī)劃的意義與作用

2.1 意義

在基于大數(shù)據(jù)類型及應用的智能建筑與規(guī)劃思想指導下，我們就會發(fā)現(xiàn)過去傳統(tǒng)的建筑與規(guī)劃存在著許多問題.第一，很多現(xiàn)象說不出準確的規(guī)律;第二，很多現(xiàn)象能說出大致的規(guī)律，但是不全面;第三，能夠研究出一些規(guī)律的時候，不能夠及時的解決問題[3].

研究建筑與城市規(guī)劃除了可以利用最傳統(tǒng)的統(tǒng)計數(shù)據(jù)，還可以借助地圖、衛(wèi)星、傳感器、遙感數(shù)據(jù)、視頻、手機信令等各種大數(shù)據(jù)[4].

傳統(tǒng)的建筑與城市規(guī)劃，我們是憑借老建筑師與規(guī)劃師的經(jīng)驗來診斷建筑與城市的問題.但是通過人工智能（英文縮寫AI）的輔助以后，實際上所有面臨的問題就不同了，我們在分析建筑與城市問題的時候，可以利用各種大數(shù)據(jù)，而且是可重復的.并且在五個度上：精度+強度+廣度+速度+深度，遠遠超越傳統(tǒng)的建筑與規(guī)劃，達到一個全新的水平與境界[5].

2.2 作用

2.2.1 AI帶來建筑與規(guī)劃項目廣度與速度的改變與提升

人工智能可以快速地學習上千萬個項目，遠遠超過一般個體的學習應變能力;原來做城市總體規(guī)劃，五六年修編一次，但是現(xiàn)在利用人工智能每一刻對城市即時的運行問題都可以識別，做出即時的判斷與反應，這是原來城市規(guī)劃根本無法實現(xiàn)的.

2.2.2 AI帶來學習速度的改變與提升

培養(yǎng)一個建筑師規(guī)劃師，從入門到能夠完全獨立完成建筑規(guī)劃，起碼十年左右，大學本科五年還有碩士博士，然后出去工作.但是用人工智能培養(yǎng)建筑師城市規(guī)劃師，十幾天訓練一個城市模型，這個速度是大不一樣的[6].

2.2.3 AI帶來城市規(guī)劃深度與精度的改變與提升

以前能判斷五六年左右的規(guī)劃，已經(jīng)是很了不起了.但是用人工智能，可以用長久的數(shù)據(jù)積累，可以外推的時間要長得多;過去做城市規(guī)劃做到一個小區(qū)，做到一個建筑，但是現(xiàn)今我們用的各種大數(shù)據(jù)都是真正的個體人.一直說城市規(guī)劃是為人民服務的，但是這個人是抽象的，現(xiàn)今的人是具像的.

2.2.4 AI帶來學習與研究強度的改變與提升

各種類型大數(shù)據(jù)可以用來感知建筑與城市，而利用智能可以來認知大量的建筑與城市發(fā)展規(guī)律，認知建筑與城市.城鄉(xiāng)規(guī)劃方法的演進，從傳統(tǒng)的分析、綜合、定義，在老一輩建筑與規(guī)劃專家的努力下，盡最大努力做定量分析，接著導入了復雜科學.這個時候復雜科學沒有大數(shù)據(jù)做支撐還是很難進行研究，然后就不斷開拓數(shù)據(jù)源，后來有了大數(shù)據(jù).現(xiàn)今我們直接用智能導入建筑與城市規(guī)劃.

但這并不是說過去這些研究規(guī)劃的土地、模型，判斷、概率、聚類、回歸、相關組成分析已經(jīng)失效了，這些東西實際上都會用到，還是在大量使用，完全可以代入我們新的體系中間來運行.利用智能城市規(guī)劃設計這種研究方法與手段使我們能更科學地揭示城市的發(fā)展規(guī)律.

3 智能建筑與城市的發(fā)展

3.1 新技術帶來的影響

城市在演化過程中變得更加復雜，我們聚焦的主題也是一直在變，這是一種社會進步.新信息與通信技術以及財富物質(zhì)和開拓了集體和個人的眼界，也讓城市呈現(xiàn)出更加復雜的模型，以及表現(xiàn)出新的生產(chǎn)和消費方式而變得更加不可預測和更加異質(zhì)[7].利用智能城市規(guī)劃可以將這種日益復雜的狀況進一步凸顯出來.當新信息技術被植入公共城市領域時，會產(chǎn)生大量關于城市各種功能的大數(shù)據(jù).

當今世界Internet發(fā)展迅速，PC廣泛分布，遍布網(wǎng)絡以各種各樣方式將每個人聯(lián)系在一起，時空距離的逐漸邊緣化，增加了城市的獨特性與復雜性.智能建筑與城市規(guī)劃是一系列信息技術之間的無縫的接口集合.我們在研究信息技術時要借助對全球定位信息的讀取，也需要通過對遠距離交互成本和全球聯(lián)系的研究探索市民的行為.社交媒體、郵件、網(wǎng)絡等使未來建筑與城市規(guī)劃變得令人困惑.智能技術方法將應用于未來的建筑與城市規(guī)劃研究中.

智能城市時代主要技術特征是通訊與計算機，是一個全新的無線時代，計算機之間可以在任意地點與任意時間通訊.信息的微型化是熱點，它們被應用于社會和醫(yī)學，以應對氣候變化以及新異化的經(jīng)濟結(jié)構、老齡化等問題.新技術的上升以及技術應用在日常生活方面，比如app、智能手機、以及無人駕駛、人工智能、醫(yī)學領域的創(chuàng)新等.

3.2 大數(shù)據(jù)類型與智能建筑與城市規(guī)劃的結(jié)合

智能城市規(guī)劃建筑和大數(shù)據(jù)類型存在一個結(jié)合點，即智能城市規(guī)劃中傳感器可以提供帶有精確位置信息的實時數(shù)據(jù)流，以及隨后產(chǎn)生的數(shù)據(jù)如何被整合.這些數(shù)據(jù)涉及實體流、移動和運輸能源，有時擴展至空間與市場數(shù)據(jù)，即住房市場和與其他商品消費類型有關的各種數(shù)據(jù)，這些都是智能城市規(guī)劃的內(nèi)容.

智能城市規(guī)劃的重點轉(zhuǎn)移到對短期內(nèi)城市系統(tǒng)功能的深層理解.作為正在構建的復雜理論的一部分，大數(shù)據(jù)和各式各樣的工具，被用于處理、應對非常短期的危機.這些危機包括困擾交通系統(tǒng)的問題、居住問題以及社會和其他城市公共服務提供的問題.但是，如果想要真正抓住這些問題的本質(zhì)，就需要新的理論.大數(shù)據(jù)需要有理論指導，沒有理論指導的數(shù)據(jù)是無意義的.我們所要做的就是在大數(shù)據(jù)中尋找更多的關聯(lián)性.就建筑與城市而言，這種關聯(lián)性的研究會發(fā)生變化，通過理論的研究將能發(fā)現(xiàn)在大數(shù)據(jù)中尋找的東西.另一方面，大數(shù)據(jù)如果能夠采集很長時間，就可變化不同時間維度的大數(shù)據(jù).例如，我們可以在大數(shù)據(jù)中觀察到曾經(jīng)許多年進行一次的人口普查中看到的實時變化.

智能城市本質(zhì)上是將計算和通信植入城市中，從而產(chǎn)生更加高效、更加公平的規(guī)劃.從定義和范疇看，智能城市包含城市數(shù)據(jù)、大數(shù)據(jù)的問題，它也擴展至到了城市與建筑分析研究，可以引入預測和分析影響因子相關的城市與建筑模型.這個領域所遇到的主要問題是，時間維度已經(jīng)發(fā)生改變，這是由于在智能城市中關注的是日常的、實時的變化，給仿真解釋帶來壓力.

4 開拓新時代

4.1 歷史沿革

中國城市規(guī)劃與建筑設計和世界城市規(guī)劃與建筑設計一樣，長久以來就是兩種思路.從1500年開始，第一種思路就是古典理想導向，要創(chuàng)造一個經(jīng)典的城市，從而完成對社會的改造.也就是從這個時候就開始，古典理想不斷地指引我們，帶動了這些建筑規(guī)劃人，以自己的最大熱情，去追求一個古典理想而又美好的城市.但是殘酷的現(xiàn)實很快來了，到了工業(yè)革命以后，城市規(guī)劃與建筑設計有了第二種思路.第二種思路就是功能問題導向，大量的功能問題.這個中間包括了馬克思對歐洲城市里面的工人階級生產(chǎn)生活狀態(tài)的分析，到后來進行大量的反思與批判，這就是功能問題導向的建筑規(guī)劃思路.

4.2 新的變化

但是現(xiàn)今智能建筑與城市規(guī)劃給本項目提供了一條新的思路，城市與建筑并不是說我們自己想要做什么，或者說今天解決現(xiàn)在的問題.我們必須要知道，城市與建筑是有生命發(fā)展規(guī)律的，我們要學會尊重建筑與城市發(fā)展規(guī)律，按照建筑與城市發(fā)展規(guī)律來做，利用智能科學地分析推測城市發(fā)展問題.

在現(xiàn)代建筑與城市規(guī)劃發(fā)展過程中，從古典主義發(fā)展到功能主義再后來的生態(tài)主義，實際上一直在跟跑，只有這一次在智能與大數(shù)據(jù)方面，基于大數(shù)據(jù)類型及應用的智能建筑與城市規(guī)劃，中國這一次與世界上整個的建筑與規(guī)劃行業(yè)進展是同步的.本文用人工神經(jīng)網(wǎng)絡法對六安河西新城開展了相關研究，取得了成果，如下所述.

5 實例分析：人工神經(jīng)網(wǎng)絡法研究六安市河西新城某建筑能耗

5.1 人工神經(jīng)網(wǎng)絡法

人工神經(jīng)網(wǎng)絡法是通過將輸入和輸出樣本數(shù)據(jù)輸入到人工神經(jīng)網(wǎng)絡模型中，模型經(jīng)過學習和訓練，掌握輸入數(shù)據(jù)間的隱藏規(guī)律，之后輸入新的輸入樣本，使其得出預測數(shù)據(jù).該模型的優(yōu)點是模型相對簡單，能夠處理非線性問題，有一定的自學習和適應能力，適用性強.但該方法的缺點也比較明顯，因其是模擬人腦神經(jīng)信號傳遞原理發(fā)展出來的，缺乏理論指導，在確定模型參數(shù)時，往往根據(jù)經(jīng)驗進行試湊.

5.2 人工神經(jīng)網(wǎng)絡模型

人工神經(jīng)網(wǎng)絡模型是從微觀結(jié)構和功能上對人腦的簡化和模擬，具有人腦的學習、聯(lián)想、記憶等能力.神經(jīng)網(wǎng)絡由大量神經(jīng)元及節(jié)點構成，節(jié)點與節(jié)點之間通過連接信號進行連接，連接信號權重的改變使得神經(jīng)網(wǎng)絡具有一定的自適應及記憶能力.

神經(jīng)元模型是神經(jīng)網(wǎng)絡的基本構成單元，是一個多輸入單輸出的模型.圖1表示一個n維輸入的神經(jīng)元模型，其激活函數(shù)和基函數(shù)分別用f（·）和u（·）表示.基函數(shù)u（·）是多輸入函數(shù)，用權重Wk表示輸入對神經(jīng)元的影響程度，其中Wk=（Wk1，Wk2，…，Wkn）

5.3 RBF神經(jīng)網(wǎng)絡模型

RBF的網(wǎng)絡結(jié)構如下所示.其中x1，x2，x3，…，xn表示輸入數(shù)據(jù)，數(shù)據(jù)被輸入到神經(jīng)網(wǎng)絡內(nèi)部之后，在輸入層并未做任何改變.隱含層對輸入數(shù)據(jù)做簡單的線性變化，線性加權后輸出.

數(shù)據(jù)被輸入到神經(jīng)網(wǎng)絡內(nèi)部之后，在輸入層并未做任何改變.隱含層對輸入數(shù)據(jù)做簡單的線性變化，線性加權后輸出.

隱含層可用公式（4）表示：

其中，c表示基函數(shù)中心，||·||表示范數(shù)，wi是權值.？鬃||x-ci||基函數(shù)集合，通常有如下所示的幾種形式：

因此，RBF輸出函數(shù)為：

其中，wiq表示隱含層第i個神經(jīng)元與輸出層第q個神經(jīng)元的權值，q的閾值用bq表示.

通常采用調(diào)整最小化目標函數(shù)各隱節(jié)點的參數(shù)訓練RBF神經(jīng)網(wǎng)絡.RBF目標誤差函數(shù)可用公式（9）表示：

表示隱節(jié)點i對xj的輸入，？濁1，？濁2和？濁3分別表示學習速率.

采用此種算法，基函數(shù)神經(jīng)網(wǎng)絡能夠自動更新隱含層處理單元的中心位置，提高徑向及網(wǎng)絡的性能，但延長了訓練時間、提高了網(wǎng)絡復雜性.

5.4 RBF人工神經(jīng)網(wǎng)絡進行訓練

不同建筑物因建筑材料、用途等不同，其能耗不同，本研究選取六安市河西新城某高層寫字樓進行能耗分析，其供熱面積為5000平米.

六安市河西新城某高層寫字樓建筑能耗影響因素主要包括氣候條件、時間等等因素.其中，氣候因素包括溫度、濕度等，是影響能耗的主要因素.在分析預測過程中，將室外溫度、風速、日照條件進行測量作為輸入數(shù)據(jù).時間因素是指因人們的作息方式導致能耗在24小時內(nèi)進行小循環(huán)、在一周內(nèi)進行中循環(huán).對能耗影響還包括其他影響因素如開窗通風等獨立用戶的隨機行為.為防止計算過程中個別數(shù)據(jù)溢出，首先進行歸一化處理.RBF均為3層神經(jīng)網(wǎng)絡，取12月份4天有效數(shù)據(jù)，用RBF人工神經(jīng)網(wǎng)絡進行訓練，神經(jīng)網(wǎng)絡的學習速率均為0.01，目標值設定為0.001，從中可以得到神經(jīng)網(wǎng)絡模型得到的熱負荷與實際值，RBF神經(jīng)網(wǎng)絡的均方差分別為0.38，平均相對誤差分別為0.0017.

5.5 RBF人工神經(jīng)網(wǎng)絡預測

利用RBF人工神經(jīng)網(wǎng)絡進行預測，擴展常數(shù)為0.32，目標值為0.005.將12月份接下來4天的數(shù)據(jù)輸入RBF人工神經(jīng)網(wǎng)絡進行預測.結(jié)果見圖2所示.

從圖中可以看出，RBF神經(jīng)網(wǎng)絡能夠很好的預測出樣本值在波峰和波谷時的波動規(guī)律.為達到預測精度要求，迭代次數(shù)為24次.平均絕對誤差為0.80w/m2，均方差是14.8，如圖3圖4所示.

綜上所述，本文采用RBF人工神經(jīng)網(wǎng)絡模型對六安河西新城某高層寫字樓建筑能耗進行預測，預測方法可行有效.

結(jié)束語

總而言之，采用基于大數(shù)據(jù)類型及應用的智能手段研究建筑與規(guī)劃能實現(xiàn)傳統(tǒng)手段達不到的精確度和實時性，具有廣泛的市場應用前景，是產(chǎn)業(yè)升級和優(yōu)化建筑與城市結(jié)構的重要手段.

參考文獻：

〔1〕葉宇，魏宗財，王海軍.大數(shù)據(jù)時代的城市規(guī)劃響應[J].規(guī)劃師，2014（08）.

〔2〕張望.智能交通對城市空間的影響[J].規(guī)劃師，2017（10）.

〔3〕黃敏，鄭健，劉芳.城市興趣點指路標志指引路徑規(guī)劃模型及算法[J].交通運輸系統(tǒng)工程與信息，2016，16（05）.

〔4〕黃鼎曦.基于機器學習的人工智能輔助規(guī)劃前景展望[J].城市發(fā)展研究，2017，24（05）.

〔5〕余莊，何濤.采用人工神經(jīng)網(wǎng)絡的城市規(guī)劃智能評價系統(tǒng)[J].城市規(guī)劃，1995，19（05）.

〔6〕周思逸.智能交通對城市空間的影響[J].農(nóng)家參謀，2017（12）.

〔7〕王蘭，顧浩.匹茲堡中心城區(qū)轉(zhuǎn)型的過程及其規(guī)劃[J].國際城市規(guī)劃，2013（06）.