能源驅(qū)動(dòng)的城市智能生成
——設(shè)計(jì)早期的區(qū)域能耗優(yōu)化設(shè)計(jì)

黃辰宇 張耿嘉 張星曌 殷明剛

建筑業(yè)能源消耗巨大，排放大量溫室氣體，是空氣污染和全球變暖不可忽略的重要因素。2020年，國家主席習(xí)近平在第七十五屆聯(lián)合國大會(huì)一般性辯論中提出：“中國將提高國家自主貢獻(xiàn)力度，采取更加有力的政策和措施，二氧化碳排放力爭于2030年前達(dá)到峰值，努力爭取2060年前實(shí)現(xiàn)碳中和?！痹凇疤歼_(dá)峰”和“碳中和”的語境下，降低城市能耗，充分利用可再生資源，提升能源系統(tǒng)的可持續(xù)性，已經(jīng)成為城市規(guī)劃和建筑設(shè)計(jì)亟待解決的問題。

精準(zhǔn)的區(qū)域能耗預(yù)測模型，對設(shè)計(jì)師預(yù)估規(guī)劃和建筑設(shè)計(jì)的影響以及決策者制定能源政策和定價(jià)至關(guān)重要[1]。建筑設(shè)計(jì)早期的設(shè)計(jì)決策對建筑能耗優(yōu)化起決定作用[2]，然而傳統(tǒng)的城市建筑能耗評估軟件操作門檻較高，當(dāng)前成熟的建筑能耗預(yù)測軟件如EnergyPlus、DeST、DOE-2等需要詳盡的參數(shù)設(shè)置和跨領(lǐng)域的建筑物理知識(shí)，在設(shè)計(jì)過程中不僅缺少參數(shù)，同時(shí)建筑師僅靠“試錯(cuò)式”人工優(yōu)化很難產(chǎn)生實(shí)際的優(yōu)化效果。同時(shí)，區(qū)域能耗模擬往往非常耗時(shí)，不利于與方案決策進(jìn)行實(shí)時(shí)交互和反饋。因此，建筑能耗評估僅存在于設(shè)計(jì)后期，即“后評估模式（Post-evaluation Paradigm）”[3]。本研究基于“性能驅(qū)動(dòng)的生成設(shè)計(jì)（Performance-driven Generative Design）”的工作流和技術(shù)框架，提出數(shù)據(jù)驅(qū)動(dòng)的城市智能建模方法和以能耗為目標(biāo)的生成設(shè)計(jì)工作流。將區(qū)域能耗預(yù)測和優(yōu)化置于設(shè)計(jì)早期，通過快速評估和判斷持續(xù)對方案進(jìn)行能源性能優(yōu)化，極大地增加設(shè)計(jì)決策與其性能評估的交互和反饋。通過引入建筑生成設(shè)計(jì)和多目標(biāo)優(yōu)化的概念，建筑將基于生成邏輯以可控的方式進(jìn)行高效的設(shè)計(jì)迭代和遺傳優(yōu)化，最終為環(huán)境性能優(yōu)化提供高維的策略空間。

1 研究綜述

1.1 建筑能耗的早期優(yōu)化

在過去的30年中，建筑能耗模擬（Building Energy Simulation,BES）已經(jīng)建立了成熟的工具和應(yīng)用。建筑能耗模擬是一個(gè)復(fù)雜的任務(wù)，即使是最簡單的模擬，也需要建筑幾何、材料熱性能、空調(diào)系統(tǒng)等大量數(shù)據(jù)輸入和跨領(lǐng)域的專家知識(shí)以及大量時(shí)間成本方能實(shí)現(xiàn)[4]，這使其難以介入信息匱乏的早期設(shè)計(jì)階段。研究表明，建筑設(shè)計(jì)早期的決策對建筑的環(huán)境性能影響更大，并且設(shè)計(jì)的變更成本更小[5-7]，在此基礎(chǔ)上，已經(jīng)有很多學(xué)者研究了建筑設(shè)計(jì)早期的性能優(yōu)化框架，Pil Brix Purup綜述了早期設(shè)計(jì)階段建筑性能模擬工具開發(fā)的研究，發(fā)現(xiàn)當(dāng)前開發(fā)的模擬工具存在諸多障礙[8]。Hyunjoo Kim提出一種基于數(shù)據(jù)挖掘的方式，調(diào)研建筑位置、圍護(hù)結(jié)構(gòu)（墻、窗、門和屋頂）、空調(diào)系統(tǒng)、照明、控制和設(shè)備對節(jié)能設(shè)計(jì)的影響，為設(shè)計(jì)早期的決策提供依據(jù)[9]。楊崴等以降低建筑的使用能耗、生命周期一次能耗、碳排放及生命周期成本為目標(biāo)，建立了設(shè)計(jì)早期階段的參數(shù)優(yōu)化設(shè)計(jì)方法與工具[10]。林波榮提出了早期設(shè)計(jì)階段多目標(biāo)建筑性能優(yōu)化（Building Performance Optimization,BPO）的系統(tǒng)解決方案，確定了在早期設(shè)計(jì)階段影響B(tài)PO流程實(shí)施的三個(gè)關(guān)鍵問題——模型集成、實(shí)時(shí)性能分析和交互式優(yōu)化設(shè)計(jì)[11]。當(dāng)前，關(guān)于建筑設(shè)計(jì)早期階段能耗優(yōu)化的研究仍然不足，有必要進(jìn)一步開發(fā)相關(guān)工作流和工具。

1.2 區(qū)域能耗建模方式

已有的研究多數(shù)關(guān)注建筑單體能耗的評估和優(yōu)化[12-15]。楊峰綜述了建筑能耗模擬在單體、街區(qū)和城市等不同尺度的原理差異，并提出不能忽略能耗模擬尺度增大后的規(guī)模效應(yīng)，同時(shí)指出當(dāng)前面向規(guī)劃的設(shè)計(jì)尺度仍然缺乏有效的能耗模擬工具。在物理建模和數(shù)值模擬中，過度簡化城市環(huán)境，未能考慮城市小氣候、建筑間效應(yīng)以及城市風(fēng)力發(fā)電潛力成為主要限制因素。單純的物理建模因城市系統(tǒng)的復(fù)雜性、數(shù)據(jù)的缺乏以及高保真的城市細(xì)節(jié)所需的過高時(shí)間成本，難以實(shí)現(xiàn)對于城市環(huán)境的真實(shí)模擬[16]。Narjes Abbasabadi的綜述中提到了當(dāng)前能耗建模的方式，包括數(shù)據(jù)驅(qū)動(dòng)和基于物理模型模擬的方式。使用物理模型區(qū)域綜合能耗模擬是一項(xiàng)具有挑戰(zhàn)性的任務(wù)，由于在城市規(guī)劃的初始階段尚未形成任何城市形態(tài)，因此能耗模擬程序和優(yōu)化引擎需要與城市形態(tài)生成的參數(shù)化模型相連接[17]。夏冰提出了基于性能分析的中尺度城市形態(tài)設(shè)計(jì)優(yōu)化方法，指出區(qū)域的形態(tài)控制指標(biāo)如容積率、密度和高度與能源消耗顯著相關(guān)[18]。此外，傳統(tǒng)方式無法應(yīng)對復(fù)雜的非線性耦合關(guān)系，例如建筑屋頂和立面配備太陽能電池板用于城市發(fā)電，但相鄰建筑物之間可能會(huì)產(chǎn)生遮擋，影響太陽能收集[19]。數(shù)據(jù)驅(qū)動(dòng)的能耗建模在過去幾年已有諸多成果，但該方法的主要局限性在于無法描述自變量系統(tǒng)的細(xì)小擾動(dòng)造成的能耗波動(dòng)，泛化性和可解釋性不足。因此，有必要在考慮區(qū)域多因素耦合的基礎(chǔ)上，開發(fā)更加穩(wěn)健的區(qū)域能耗建模方式，以應(yīng)對跨尺度帶來的復(fù)雜性變化。

1.3 性能驅(qū)動(dòng)的生成設(shè)計(jì)

為增強(qiáng)設(shè)計(jì)與性能評估的交互性，避免性能優(yōu)化流于形式，可將生成設(shè)計(jì)、模擬程序與多目標(biāo)優(yōu)化相結(jié)合形成性能驅(qū)動(dòng)的生成設(shè)計(jì)[20]。建立仿真程序的結(jié)果作為優(yōu)化的目標(biāo)函數(shù)。作為建筑性能的重要組成部分，建筑能源評估和優(yōu)化與生成設(shè)計(jì)相結(jié)合形成了能源驅(qū)動(dòng)的生成設(shè)計(jì)。例如，為了減少加熱需求，可以通過調(diào)整立面開洞面積或建筑朝向，獲得更多太陽能；為了提高太陽能利用率，可以使光伏板或屋頂面積最大化。能源驅(qū)動(dòng)的城市設(shè)計(jì)將塑造城市形態(tài)，以適應(yīng)能源基礎(chǔ)設(shè)施和技術(shù)的要求。孫一民團(tuán)隊(duì)綜述了一種概念設(shè)計(jì)階段的基于仿真多目標(biāo)的性能優(yōu)化方法，并指出該方法有助于獲得更好的定量和更多樣化的帕累托解[21]。Berk Ekici綜述了使用進(jìn)化算法和多目標(biāo)優(yōu)化進(jìn)行性能優(yōu)化的計(jì)算性設(shè)計(jì)方法[22]；孫澄綜述了基于計(jì)算性思維的建筑綠色性能智能優(yōu)化設(shè)計(jì)，解析了“智能預(yù)測”和“決策支持”關(guān)鍵技術(shù)，指出人工智能技術(shù)的應(yīng)用能夠有效支撐多目標(biāo)優(yōu)化的設(shè)計(jì)決策過程[23]。

綜上，在當(dāng)前“性能驅(qū)動(dòng)的生成設(shè)計(jì)”基礎(chǔ)上結(jié)合人工智能和機(jī)器學(xué)習(xí)，能夠優(yōu)化和加速能耗模擬過程并將其置入設(shè)計(jì)早期，使得作為“后評估”分析結(jié)果的區(qū)域能耗成為“前置性”建筑生成目標(biāo)，完善了建筑師在設(shè)計(jì)早期的性能優(yōu)化策略，有利于創(chuàng)造高質(zhì)量城市環(huán)境。

2 研究方法

2.1 研究工作流

首先，在能耗模擬的過程中考慮周圍環(huán)境及小氣候的影響，同時(shí)結(jié)合城市的光伏發(fā)電潛力評估和全年發(fā)電量預(yù)測提供接近真實(shí)的應(yīng)用場景。然后，使用機(jī)器學(xué)習(xí)對區(qū)域關(guān)鍵設(shè)計(jì)參數(shù)與能耗的映射關(guān)系進(jìn)行建模，并分析相關(guān)性和可解釋性，這一過程有助于建筑師理解不同能耗組成部分之間的關(guān)系，掌握高效的設(shè)計(jì)方法，做好不同規(guī)劃和建筑設(shè)計(jì)策略之間的權(quán)衡。最后，使用基于遺傳算法的集成機(jī)器學(xué)習(xí)實(shí)時(shí)預(yù)測模型，進(jìn)行區(qū)域能耗和光伏發(fā)電潛力的多目標(biāo)優(yōu)化，產(chǎn)生待深化的高性能區(qū)域模型的帕累托解集（圖1）。

1 研究工作流

2.2 區(qū)域參數(shù)化建模

基于Grasshopper形狀語法，本研究的城市生成算法能夠適應(yīng)不同的基地紅線作為輸入，自動(dòng)分割內(nèi)部街廓，并生成建筑模型。按照基地的使用設(shè)定改變形態(tài)，區(qū)域建筑形態(tài)分為圍合式、混和式以及單點(diǎn)式三種（圖2），提供更多設(shè)計(jì)生成數(shù)據(jù)的可能性。圍合式建筑在街廓中以回字形排布，混和式建筑則分出底層回字形裙房以及上部塔樓，而單點(diǎn)式劃分用地的單元更小，高度和位置受參數(shù)控制?；谙嚓P(guān)研究[24-25]建立二級(jí)形態(tài)控制指標(biāo)，包括容積率、建筑密度、平均建筑高度、建筑高度標(biāo)準(zhǔn)差、平均街道高寬比、體形系數(shù)和朝向，其中朝向?yàn)閰?shù)化建模過程用地切分的軸線方向。在自動(dòng)化生成街廓與區(qū)域模型的過程中，盡可能將基地完全劃分，避免產(chǎn)生畸零地，導(dǎo)致土地浪費(fèi)，根據(jù)不同形狀的街廓生成對應(yīng)的體量，通過控制形態(tài)指標(biāo)，保證生成模型適應(yīng)真實(shí)應(yīng)用場景。

模型生成邏輯如下：1）生成數(shù)據(jù)樹，用于分割街廓（圖3）；2）分割基地區(qū)塊，根據(jù)數(shù)據(jù)樹計(jì)算的比例去劃分地塊；3）根據(jù)分割線生成道路；4）分割的街廓線退距出建筑區(qū)域以及人行道；5）根據(jù)街廓長寬比區(qū)分圍合狀態(tài)與條形狀態(tài)兩種建筑形態(tài)，街廓外形為正方形時(shí)，采用圍合式建筑策略，街廓外形為長方形時(shí)，采用條形建筑策略；6）建筑輪廓根據(jù)建筑密度決定偏移距離；7）將街廓用路徑分割為更小的區(qū)域，同時(shí)分割建筑體量；8）最后，根據(jù)容積率隨機(jī)生成建筑高度。全部建模過程如圖4所示。

2.3 區(qū)域總能耗和總光伏發(fā)電量模擬

能耗和光伏模擬以處于夏熱冬冷地區(qū)的上海市為例。區(qū)域能耗計(jì)算采用Rhino&Grasshopper三維設(shè)計(jì)平臺(tái)的Dragonfly插件，該插件以O(shè)penStudio為計(jì)算內(nèi)核，融合國外建筑節(jié)能設(shè)計(jì)標(biāo)準(zhǔn)的數(shù)據(jù)庫，可以快速生成區(qū)域能耗模擬模型。Dragonfly可以滿足不同設(shè)計(jì)階段對區(qū)域能耗模型的創(chuàng)建，支持建筑輪廓圖、建筑平面圖、三維體量模型和三維詳細(xì)模型，同時(shí)支持CityGML、GeoJSON等開源的GIS數(shù)據(jù)。

區(qū)域能耗模擬的輸入數(shù)據(jù)有兩類，即幾何數(shù)據(jù)和能耗計(jì)算數(shù)據(jù)。幾何數(shù)據(jù)主要有建筑平面圖、建筑高度、層高、窗墻比、房間進(jìn)深等。能耗計(jì)算數(shù)據(jù)主要有建筑功能、圍護(hù)結(jié)構(gòu)、遮陽、時(shí)間表、空調(diào)系統(tǒng)等。針對設(shè)計(jì)早期的能耗評估，時(shí)間表、空調(diào)系統(tǒng)等參數(shù)設(shè)置使用默認(rèn)值。

Dragonfly內(nèi)置了ASHRAE90.1和ASHRAE140標(biāo)準(zhǔn)的數(shù)據(jù)庫，包含能耗模擬計(jì)算需要的所有相關(guān)數(shù)據(jù)。在內(nèi)置數(shù)據(jù)庫的架構(gòu)上，根據(jù)我國現(xiàn)行《民用建筑綠色性能計(jì)算標(biāo)準(zhǔn)》（JGJ/T 449-2018）附錄的規(guī)定，詳細(xì)輸入了商業(yè)、辦公和住宅的人員、設(shè)備、照明、新風(fēng)、空調(diào)系統(tǒng)、時(shí)間表等數(shù)據(jù)。其中，商業(yè)和辦公的圍護(hù)結(jié)構(gòu)參數(shù)參考《公共建筑節(jié)能設(shè)計(jì)標(biāo)準(zhǔn)》（GB50189-2015），住宅的圍護(hù)結(jié)構(gòu)參數(shù)參考上海市《居住建筑節(jié)能計(jì)算標(biāo)準(zhǔn)》（DGJ08-205-2015）（表1）。

在區(qū)域能耗計(jì)算中，建筑群之間的互相遮擋是一個(gè)較難處理的問題。Dragonfly的處理流程分四步（圖5）：第一步，生成單體建筑模擬，同時(shí)考慮周邊50m范圍的建筑遮擋，形成一個(gè)完整的單體能耗模型；第二步，將區(qū)域能耗模型轉(zhuǎn)換為多個(gè)單體能耗模型，在這一過程中，區(qū)域的功能配比很大程度上影響能源使用模式，本研究能耗模擬設(shè)置為辦公（15%～35%）、商業(yè)（15%～35%）和住宅（30%～70%）三種功能，在區(qū)域模型中隨機(jī)分配（圖6）；第三步，利用并行計(jì)算完成大規(guī)模的單體能耗計(jì)算；第四步，匯總所有單體建筑能耗，至此完成一個(gè)案例的能耗計(jì)算。

本次能耗計(jì)算包含空調(diào)系統(tǒng)、照明、設(shè)備等，同時(shí)在屋頂設(shè)置太陽能光伏發(fā)電系統(tǒng)。項(xiàng)目凈能耗為建筑總能耗減去太陽能光伏系統(tǒng)發(fā)電量。運(yùn)用參數(shù)化模型，在同一用地紅線內(nèi)隨機(jī)取樣，單次模擬時(shí)長為3～13min，最終獲得444條樣本（115條單點(diǎn)式數(shù)據(jù)、175條圍合式數(shù)據(jù)、154條混合式數(shù)據(jù)），用于后續(xù)機(jī)器學(xué)習(xí)回歸模型構(gòu)建。

2 基于形狀語法的區(qū)域參數(shù)化生成模型

3 地塊劃分?jǐn)?shù)據(jù)樹

表1 能耗模擬基礎(chǔ)設(shè)置

4 參數(shù)化建模過程

5 區(qū)域能耗計(jì)算模型的建立過程

6 典型建筑的能耗模型

3 結(jié)果分析

3.1 多元統(tǒng)計(jì)分析

采用相關(guān)性分析研究區(qū)域形態(tài)控制指標(biāo)和功能配置與能耗的關(guān)系。首先繪制10項(xiàng)特征變量與3項(xiàng)響應(yīng)變量的雙變量散點(diǎn)矩陣，檢驗(yàn)特征變量與響應(yīng)變量間是否具有線性相關(guān)性，如圖7（左）所示，橫坐標(biāo)從左到右分別是10個(gè)特征變量（容積率、建筑密度、平均高度、高度標(biāo)準(zhǔn)差、平均街道高寬比、體形系數(shù)、朝向、辦公比例、商業(yè)比例和住宅比例）和3個(gè)響應(yīng)變量（總能耗、總光伏發(fā)電量、凈能耗），縱坐標(biāo)由上至下同橫坐標(biāo)內(nèi)容一致。圖中多個(gè)特征變量與響應(yīng)變量存在明顯線性相關(guān)關(guān)系，故應(yīng)使用皮爾森（Pearson）方法對各變量進(jìn)行相關(guān)性分析。按顏色繪制皮爾森相關(guān)系數(shù)矩陣，如圖7（右）所示。

通過相關(guān)性分析得出三點(diǎn)結(jié)論：1）指標(biāo)之間存在一定自相關(guān)，這說明在指標(biāo)選取過程中存在特征重疊，應(yīng)篩選掉重疊較大的指標(biāo)或采用降維方法，本研究在建立回歸模型前使用主成分分析（PCA）降維，避免重復(fù)特征的影響；2）相關(guān)性分析得出容積率、建筑密度、平均高度、朝向以及商業(yè)比例與總能耗和凈能耗存在較強(qiáng)正相關(guān)，體形系數(shù)以及住宅比例與總能耗存在較強(qiáng)負(fù)相關(guān)，總光伏發(fā)電量同高度標(biāo)準(zhǔn)差呈正相關(guān)；3）多項(xiàng)指標(biāo)與總能耗的相關(guān)性略優(yōu)于凈能耗，推測是由于光伏因素加入后，凈能耗的復(fù)雜性上升，因此機(jī)器學(xué)習(xí)建模僅對總能耗和總光伏發(fā)電量進(jìn)行回歸建模。

3.2 機(jī)器學(xué)習(xí)建模

7 指標(biāo)雙變量散點(diǎn)矩陣和相關(guān)性分析

8 XGBoost 機(jī)器學(xué)習(xí)算法特征重要性

使用機(jī)器學(xué)習(xí)的目的是通過數(shù)據(jù)驅(qū)動(dòng)的方式建模區(qū)域形態(tài)指標(biāo)和功能配置與其對應(yīng)的能耗和光伏發(fā)電量的映射關(guān)系，同時(shí)加速能耗模擬過程，為多目標(biāo)遺傳優(yōu)化提供快速的性能反饋工具。本研究使用Python的開源機(jī)器學(xué)習(xí)工具Scikit-learn進(jìn)行多種機(jī)器學(xué)習(xí)算法比選，以避免不同機(jī)器學(xué)習(xí)算法歸納偏好帶來的影響，將10個(gè)形態(tài)指標(biāo)和功能配置特征分別與總能耗、總光伏發(fā)電量進(jìn)行回歸。使用留出法將444條數(shù)據(jù)中的80%作為訓(xùn)練集，20%作為測試集，訓(xùn)練機(jī)器學(xué)習(xí)回歸模型，使用多種機(jī)器學(xué)習(xí)算法進(jìn)行性能對比（表2）。

其中RMSE為均方根誤差，R2表示擬合性能，RMSE越小，R2越大，模型性能越好?？梢钥吹郊蓸淙〉昧俗顑?yōu)的結(jié)果，具體算法為XGBoost，根據(jù)其內(nèi)置特征重要性函數(shù)分別繪制10個(gè)指標(biāo)對于總能耗和總光伏發(fā)電的權(quán)重（圖8）。通過超參數(shù)調(diào)優(yōu)，優(yōu)化XGBoost回歸模型的性能并導(dǎo)出，通過CPython插件導(dǎo)入Grasshopper，進(jìn)行區(qū)域總能耗和總光伏發(fā)電量的快速預(yù)測和遺傳優(yōu)化。通過機(jī)器學(xué)習(xí)加速，單次區(qū)域能耗評估的速度約為7～13s，比模擬時(shí)長加速25～60倍。

3.3 遺傳優(yōu)化和最優(yōu)解集

本研究使用Octopus結(jié)合機(jī)器學(xué)習(xí)快速預(yù)測能耗并進(jìn)行遺傳優(yōu)化。Octopus是基于Rhino&Grasshopper平臺(tái)的多目標(biāo)優(yōu)化算法插件，內(nèi)置了帕累托優(yōu)化原理和遺傳算法。對于多目標(biāo)優(yōu)化問題，該插件提供用戶自定義的優(yōu)化參數(shù)選項(xiàng)，具有較高自由度，同時(shí)提供豐富的交互操作方式和便捷的數(shù)據(jù)存儲(chǔ)、傳輸功能。Octopus具有較高可視化程度，在三維界面中給出了求解過程和多目標(biāo)優(yōu)化的可行解，供設(shè)計(jì)師選擇。在本研究中，區(qū)域建筑參數(shù)化模型基于形態(tài)參數(shù)控制和隨機(jī)抽樣，使用Octopus的目標(biāo)是最大化光伏發(fā)電量和最小化總能耗，在優(yōu)化的過程中改變參數(shù)化模型的形態(tài)指標(biāo)生成新的區(qū)域模型，將指標(biāo)輸入機(jī)器學(xué)習(xí)模型從而獲得其性能的快速預(yù)測結(jié)果。Octopus趨近收斂之后停止計(jì)算，得到有效數(shù)據(jù)154組，選取具有代表性的區(qū)域模型（圖9），可以看到優(yōu)化工作流能夠有效推動(dòng)能源驅(qū)動(dòng)的區(qū)域智能生成設(shè)計(jì)的實(shí)現(xiàn)。

表2 機(jī)器學(xué)習(xí)回歸算法性能對比

9 最優(yōu)解集圖

4 結(jié)語

本研究面向設(shè)計(jì)早期的能源驅(qū)動(dòng)的城市設(shè)計(jì)，旨在提供低能源需求的城市配置，簡化和加速能耗模擬過程，重視能源系統(tǒng)和城市形式之間的相互依賴性，以便通過設(shè)計(jì)提高能源性能。使用機(jī)器學(xué)習(xí)建模區(qū)域關(guān)鍵設(shè)計(jì)參數(shù)與能耗的映射關(guān)系加速了能耗模擬過程。使用基于遺傳算法的集成機(jī)器學(xué)習(xí)實(shí)時(shí)預(yù)測模型進(jìn)行區(qū)域能耗和光伏發(fā)電潛力的多目標(biāo)優(yōu)化，提供待深化的高性能區(qū)域模型的帕累托解集，為設(shè)計(jì)早期的區(qū)域能耗優(yōu)化提供工具。本文提出的研究方法和設(shè)計(jì)工作流有利于提高設(shè)計(jì)階段的區(qū)域能耗優(yōu)化潛力和優(yōu)化效率，為設(shè)計(jì)師提供高性能的設(shè)計(jì)策略空間，實(shí)現(xiàn)交互式人機(jī)協(xié)同的設(shè)計(jì)過程。

致謝：本研究來源于2021 年由同濟(jì)大學(xué)建筑與城市規(guī)劃學(xué)院主辦的DigitalFUTURES——“設(shè)計(jì)中的環(huán)境智能”工作營，感謝DigitalFUTURES 平臺(tái)給予的學(xué)習(xí)和交流機(jī)會(huì)，感謝姚佳偉副教授在研究過程中的辛勤指導(dǎo)和無私幫助。

圖表來源

表1,2 作者自繪

1-9 作者自繪