數(shù)據(jù)驅(qū)動(dòng)的圖書館閱覽空間光環(huán)境提升研究*

黃兆旭，宣 蔚

引言

數(shù)據(jù)驅(qū)動(dòng)型設(shè)計(jì)作為一種高效的邏輯集成化設(shè)計(jì)方法，近年來受到建筑學(xué)相關(guān)領(lǐng)域?qū)W者們的普遍關(guān)注。尤其是在建筑性能優(yōu)化領(lǐng)域中，相較于以往通過反復(fù)將建筑設(shè)計(jì)模型導(dǎo)入到性能模擬軟件中進(jìn)行窮舉尋優(yōu)的方法而言，參數(shù)化技術(shù)的合理運(yùn)用會(huì)極大程度上提高建筑性能的優(yōu)化效率與多目標(biāo)權(quán)衡能力，體現(xiàn)在只需對(duì)模型中的關(guān)鍵設(shè)計(jì)參數(shù)進(jìn)行多目標(biāo)尋優(yōu)，便可實(shí)現(xiàn)建筑性能的全局優(yōu)化。然而，以參數(shù)化技術(shù)為依托的建筑性能優(yōu)化模式也往往受制于建筑模型的復(fù)雜程度與計(jì)算機(jī)配置，導(dǎo)致性能優(yōu)化過程普遍耗時(shí)較長，難以及時(shí)得出優(yōu)化結(jié)果以指導(dǎo)建筑師進(jìn)行方案深化。因此，目前在建筑設(shè)計(jì)實(shí)踐中該技術(shù)并沒有得到廣泛運(yùn)用。

當(dāng)前，人工智能飛速發(fā)展，相關(guān)機(jī)器學(xué)習(xí)技術(shù)已經(jīng)介入到各個(gè)研究領(lǐng)域。由于眾多建筑性能預(yù)測(cè)問題可以看作為回歸預(yù)測(cè)問題，其中也包括了建筑采光性能的預(yù)測(cè)。同時(shí)，機(jī)器學(xué)習(xí)算法在解決結(jié)構(gòu)化數(shù)據(jù)回歸預(yù)測(cè)問題具備廣闊的應(yīng)用前景。因此，結(jié)合機(jī)器學(xué)習(xí)與多目標(biāo)優(yōu)化算法開展更為高效的數(shù)據(jù)驅(qū)動(dòng)型建筑性能優(yōu)化研究成為了當(dāng)下趨勢(shì)[1-3]。在理論層面，姚佳偉等人提出了環(huán)境性能驅(qū)動(dòng)的建筑生成模式及其工作流程，以人機(jī)交互與協(xié)同性的觀點(diǎn)看待建筑設(shè)計(jì)[4]。朱姝妍與馬辰龍?zhí)岢隽恕爸槭健苯ㄖ膳c優(yōu)化方法，并將建筑性能優(yōu)化問題區(qū)分為量化優(yōu)化與多解優(yōu)化[5]。在通過機(jī)器學(xué)習(xí)實(shí)現(xiàn)建筑性能預(yù)測(cè)方面，Chuan-Hsuan Lin 等人通過訓(xùn)練ANN 代理模型，實(shí)現(xiàn)了對(duì)不同類型建筑立面的采光性能預(yù)測(cè)的功能[6]。Ke Yan 等人提出了基于物聯(lián)網(wǎng)數(shù)據(jù)訓(xùn)練的建筑能耗預(yù)測(cè)模型框架[7]。韓昀松等人基于ANN 代理模型，提出了具有較高泛化能力且預(yù)測(cè)準(zhǔn)確度較好的采光性能預(yù)測(cè)模型[8]。燕海南等人構(gòu)建了基于數(shù)據(jù)驅(qū)動(dòng)的辦公建筑性能預(yù)測(cè)工作流，實(shí)現(xiàn)對(duì)建筑性能的綜合評(píng)估與快速預(yù)測(cè)[9]。在通過遺傳算法進(jìn)行建筑性能多目標(biāo)優(yōu)化方面，楊煥宇等人基于參數(shù)化平臺(tái)，針對(duì)典型民居進(jìn)行建筑室內(nèi)采光性能模擬，并提出了影響民居室內(nèi)光環(huán)境的因素及其優(yōu)化措施[10]。劉博等人使用遺傳算法求解北京地區(qū)典型中小學(xué)教室采光窗口的最優(yōu)反光構(gòu)件形態(tài)[11]。Afshin Razmi 等人基于宿舍建筑，提出了PCAANN 集成遺傳算法的研究框架，實(shí)現(xiàn)了一種高效且準(zhǔn)確的建筑性能預(yù)測(cè)與優(yōu)化方法[12]。這些研究均取得了較好的成果，充分證明了數(shù)據(jù)驅(qū)動(dòng)型建筑性能多目標(biāo)優(yōu)化在建筑設(shè)計(jì)初期決策中的可行性與必要性。

閱覽空間作為圖書館建筑的核心功能空間，良好的自然采光條件不僅可以為使用者提供舒適的閱讀環(huán)境，還能夠起到降低人工照明能耗的作用[13]，進(jìn)而實(shí)現(xiàn)建筑節(jié)能減排的目的。然而，在當(dāng)今圖書館建筑實(shí)際使用過程中，閱覽空間普遍存在沿房間進(jìn)深方向照度分布不均勻的問題，接近采光口處照度過高，遠(yuǎn)離采光口處又存在明顯的照度不足，白天室內(nèi)拉窗簾與開燈并存的現(xiàn)象屢見不鮮。對(duì)于建筑采光性能優(yōu)化方面，目前相關(guān)研究主要聚焦在提升室內(nèi)照度水平的方法上，而對(duì)于室內(nèi)采光均勻度較差、采光過曝引起的視覺不舒適、眩光等因素考慮較少。由于圖書館閱覽空間功能的特殊性，將照度值控制在合適的范圍內(nèi)以及確保合適的采光均勻度顯得尤為重要。為解決該類問題，本文以夏熱冬冷地區(qū)圖書館閱覽空間簡(jiǎn)化模型為例，通過引入三項(xiàng)采光性能指標(biāo)以達(dá)到采光性能多目標(biāo)優(yōu)化，有效解決建筑室內(nèi)空間照度分布不均導(dǎo)致的眩光問題與照度不足問題。同時(shí)，通過引入機(jī)器學(xué)習(xí)與遺傳算法優(yōu)化等數(shù)據(jù)驅(qū)動(dòng)型設(shè)計(jì)方法，從而加速建筑性能優(yōu)化效率，為建筑設(shè)計(jì)初期的方案決策提供理論支持。

1 研究方法

1.1 總體研究思路

本研究的核心在于基于數(shù)據(jù)驅(qū)動(dòng)型方法對(duì)圖書館閱覽空間的采光性能進(jìn)行多目標(biāo)優(yōu)化，其流程可以歸納為建立實(shí)驗(yàn)?zāi)Ｐ?、設(shè)計(jì)參數(shù)采樣、采光性能模擬、回歸模型訓(xùn)練以及遺傳算法尋優(yōu)5個(gè)步驟（圖1）。

圖1 總體研究思路與技術(shù)路線

首先，依據(jù)相關(guān)建筑設(shè)計(jì)資料搜集與調(diào)研結(jié)果，建立閱覽空間簡(jiǎn)化模型，并將模型中的待優(yōu)化設(shè)計(jì)參數(shù)在參數(shù)化設(shè)計(jì)平臺(tái)中實(shí)現(xiàn)聯(lián)動(dòng)調(diào)控。其次，針對(duì)待優(yōu)化設(shè)計(jì)參數(shù)進(jìn)行數(shù)據(jù)集采樣以得到一系列設(shè)計(jì)參數(shù)組合，并將每種參數(shù)組合對(duì)應(yīng)下的閱覽空間模型進(jìn)行采光性能模擬，以得到與設(shè)計(jì)參數(shù)組合相對(duì)應(yīng)的性能模擬結(jié)果。在此基礎(chǔ)上，通過數(shù)據(jù)集預(yù)處理與機(jī)器學(xué)習(xí)模型訓(xùn)練，得到能夠快速預(yù)測(cè)建筑性能的機(jī)器學(xué)習(xí)代理模型，并驗(yàn)證其訓(xùn)練效果與預(yù)測(cè)準(zhǔn)確性。最后，在機(jī)器學(xué)習(xí)代理模型的基礎(chǔ)上運(yùn)用遺傳算法優(yōu)化插件對(duì)各項(xiàng)設(shè)計(jì)參數(shù)進(jìn)行多目標(biāo)尋優(yōu)實(shí)驗(yàn)，一方面得到一系列設(shè)計(jì)優(yōu)化解集，另一方面可以進(jìn)一步分析數(shù)據(jù)以得到各項(xiàng)設(shè)計(jì)參數(shù)對(duì)于三種采光性能評(píng)價(jià)指標(biāo)的非線性影響趨勢(shì)。通過對(duì)數(shù)據(jù)驅(qū)動(dòng)型設(shè)計(jì)方法的整合運(yùn)用，有望提高建筑性能優(yōu)化流程的效率與精度，為數(shù)據(jù)驅(qū)動(dòng)型設(shè)計(jì)在建筑學(xué)領(lǐng)域的應(yīng)用提供參考。

1.2 研究指標(biāo)選取

圖書館閱覽空間采光性能優(yōu)化涉及到多目標(biāo)權(quán)衡問題，其中包含了照度適度問題，采光均勻問題以及眩光問題等。其中，有效天然采光百分比、采光均勻度以及日光眩光概率三項(xiàng)采光性能評(píng)價(jià)指標(biāo)在該領(lǐng)域認(rèn)可度較高，并且三者對(duì)于室內(nèi)采光品質(zhì)的評(píng)判標(biāo)準(zhǔn)與側(cè)重點(diǎn)各不相同，因此將三種采光性能評(píng)價(jià)指標(biāo)相結(jié)合能夠?qū)崿F(xiàn)對(duì)圖書館閱覽空間采光性能更加全面的評(píng)價(jià)。

有效天然采光百分比（Useful Daylight Illuminance，后文簡(jiǎn)稱UDI）是 2005 年由Mardaljevic.J 和Nabil.A 提出的一種動(dòng)態(tài)采光評(píng)價(jià)指標(biāo)[14]。UDI 指標(biāo)依據(jù)一年中測(cè)量平面自然光的照度值處在100～2000lx 范圍內(nèi)的時(shí)間占工作總時(shí)間的百分比進(jìn)行室內(nèi)采光性能評(píng)價(jià)[14，15]，其規(guī)定低于100lx 會(huì)被判定為照度不足，高于2000lx 會(huì)被認(rèn)定為照度過大。因此，UDI 指標(biāo)可以充分考慮到照度不足或照度過大對(duì)室內(nèi)照度所產(chǎn)生的影響。同時(shí)，《圖書館建筑設(shè)計(jì)規(guī)范 JGJ38-2015》規(guī)定我國圖書館閱覽室側(cè)窗采光照度標(biāo)準(zhǔn)值是 450 lx[16]，因此本研究將UDI 指標(biāo)的限制范圍設(shè)置為450～2000lx，對(duì)圖書館閱覽空間的采光性能評(píng)價(jià)更具有參考意義。

采光均勻度（Uniformity of Daylighting，后文簡(jiǎn)稱UOD）是指在采光測(cè)量面上照度最小值與平均值的比值[17]。在圖書館閱覽空間中，均勻的采光分布往往是營造良好圖書閱讀環(huán)境的必要條件，較差的采光分布會(huì)導(dǎo)致某些區(qū)域過度昏暗或過度明亮，從而給讀者帶來不適感和視覺疲勞[18]。UOD 指標(biāo)能夠很好地反映室內(nèi)采光的均勻度情況，其值越接近1 代表室內(nèi)采光越均勻，通過優(yōu)化UOD指標(biāo)可以有效避免閱讀空間照度分布不均勻等問題。

日光眩光概率（Daylight Glare Probability，后文簡(jiǎn)稱DGP）。眩光是指在人眼視線范圍內(nèi)，局部亮度過高從而導(dǎo)致人眼的極度不舒適的光線[17]。作為供人們進(jìn)行書籍閱讀的圖書館閱覽空間，在設(shè)計(jì)之初就需要避免出現(xiàn)眩光問題。DGP 指標(biāo)是目前相關(guān)領(lǐng)域主要參考的眩光評(píng)價(jià)指標(biāo)[19，20]，隨著DGP 數(shù)值越大，表明人受到的眩光干擾程度越大[17]。對(duì)于圖書館閱覽空間而言，依據(jù)國際照明委員會(huì)CIE 標(biāo)準(zhǔn)以及相關(guān)領(lǐng)域研究，本文以閱覽桌平面中心向上0.75m 水平高度為測(cè)量點(diǎn)，測(cè)得其DGP指標(biāo)小于0.35 為限制標(biāo)準(zhǔn)[20]。

1.3 研究工具選取

本研究選取基于 Grasshopper 平臺(tái)的 Ladybug Tools 插件進(jìn)行建筑性能模擬，該插件能夠與主流的Radiance 建筑采光性能模擬引擎進(jìn)行銜接[21]，其模擬準(zhǔn)確性得到相關(guān)學(xué)者們的普遍認(rèn)可[22]。同時(shí)，通過采用Python 第三方庫中的隨機(jī)森林回歸模型（Random Forest Regression）機(jī)器學(xué)習(xí)算法進(jìn)行模型訓(xùn)練與回歸預(yù)測(cè)，其能夠有效減少結(jié)構(gòu)化數(shù)據(jù)訓(xùn)練時(shí)出現(xiàn)過擬合的風(fēng)險(xiǎn)，在處理建筑采光性能預(yù)測(cè)問題時(shí)具有良好表現(xiàn)。最后，通過 Grasshopper 平臺(tái)的遺傳算法[23]插件Octopus[24]進(jìn)行建筑性能多目標(biāo)優(yōu)化，其具有實(shí)現(xiàn)多目標(biāo)優(yōu)化的功能，并且擁有較為完備的優(yōu)化算法組合系統(tǒng)以及計(jì)算結(jié)果可視化功能。

2 模型建立與性能模擬

2.1 閱覽空間簡(jiǎn)化模型設(shè)定

如果以整棟圖書館建筑為研究目標(biāo)進(jìn)行采光性能模擬與優(yōu)化，則會(huì)花費(fèi)大量時(shí)間與計(jì)算資源。因此，本研究采用建立閱覽空間簡(jiǎn)化模型的方式，依據(jù)《圖書館建筑設(shè)計(jì)規(guī)范 JGJ38-2015》[16]（后文中簡(jiǎn)稱為“規(guī)范”）以及筆者實(shí)地調(diào)研國內(nèi)部分夏熱冬冷地區(qū)公共圖書館閱覽空間的設(shè)計(jì)尺寸特點(diǎn)，形成用于采光性能優(yōu)化實(shí)驗(yàn)的閱覽空間簡(jiǎn)化模型（圖2），具體設(shè)計(jì)參數(shù)選取依據(jù)如下。

圖2 閱覽空間簡(jiǎn)化模型立面圖與平面圖

對(duì)于圖書館閱覽空間設(shè)計(jì)尺寸而言，調(diào)研結(jié)果表明大部分閱覽空間進(jìn)深處于12m 至28m范圍內(nèi)，其中以16m 居多。結(jié)構(gòu)柱跨普遍集中在7.2m 至8.8m 左右，其中以8m 居多[25]。同時(shí)，規(guī)范中明確規(guī)定對(duì)于進(jìn)深跨度大于9m 的閱覽空間，規(guī)范要求其層高需要大于4.5m[16]。對(duì)于室內(nèi)空間布局而言，目前圖書館閱覽空間主要采用六人雙面閱覽桌平行式布局[26]，閱覽桌位于采光側(cè)窗附近，而書架靠近內(nèi)墻側(cè)?；谏鲜稣{(diào)研結(jié)果，本研究中閱覽空間簡(jiǎn)化模型設(shè)計(jì)數(shù)據(jù)如下：朝向正南，面闊40m，進(jìn)深16m，層高4.5m，框架結(jié)構(gòu)柱跨8m。在室內(nèi)布局上，采用開架閱覽方式，置有雙面書架與六人雙面閱覽桌。其中，圖2 粉色區(qū)域（閱覽區(qū)域）為本研究中采光模擬范圍。

2.2 設(shè)計(jì)參數(shù)設(shè)定與采樣

由于研究涉及到機(jī)器學(xué)習(xí)模型訓(xùn)練與遺傳算法尋優(yōu)相關(guān)技術(shù)，因此在數(shù)據(jù)集采樣環(huán)節(jié)中需要先賦予五項(xiàng)設(shè)計(jì)參數(shù)較高的調(diào)節(jié)自由度以獲得廣泛的設(shè)計(jì)解空間。同時(shí)，結(jié)合建筑調(diào)研結(jié)果，形成表1 中閱覽空間簡(jiǎn)化模型開窗長度、開窗高度、窗臺(tái)高度以及遮陽板挑出深度、遮陽板旋轉(zhuǎn)角度五項(xiàng)設(shè)計(jì)參數(shù)的取值范圍與調(diào)整步長。

表1 室內(nèi)開窗遮陽方式相關(guān)參數(shù)取值范圍

拉丁超立方采樣（Latin hypercube sampling，后文簡(jiǎn)稱LHS）是一種常用的多維隨機(jī)采樣方法[27]，通過LHS得到的數(shù)據(jù)集有助于提高機(jī)器學(xué)習(xí)模型的泛化能力[28]。本研究通過對(duì)五項(xiàng)設(shè)計(jì)參數(shù)組成的數(shù)據(jù)集進(jìn)行拉丁超立方采樣，共采集1800 組設(shè)計(jì)參數(shù)，用于后續(xù)的建筑采光性能模擬與機(jī)器學(xué)習(xí)模型訓(xùn)練過程。

2.3 采光性能模擬及其參數(shù)設(shè)定

本研究通過在 Grasshopper 參數(shù)化平臺(tái)中編寫程序，將閱覽空間簡(jiǎn)化模型中的墻體、樓板、窗體、遮陽板4 種類別的建筑構(gòu)件分別實(shí)現(xiàn)參數(shù)控制，并針對(duì)不同的材質(zhì)類型賦予不同的光學(xué)屬性，實(shí)現(xiàn)了采光性能模擬模型的搭建工作。其中，窗體材質(zhì)的透射率為0.65，遮陽板材質(zhì)的反射率為0.6，各面圍護(hù)墻體材質(zhì)的反射率為0.5，建筑屋頂天花板材質(zhì)的反射率為0.8，室內(nèi)地面材質(zhì)的反射率為0.2[29，30]。同時(shí)，根據(jù)《采光測(cè)量方法（GB/T 5699—2017）》規(guī)定，模擬過程中采用合肥市EPW 氣象數(shù)據(jù)文件作為輸入[31]，模擬天空為氣象數(shù)據(jù)通過測(cè)量全年8760h 所得到的真實(shí)天空[10]。并將工況時(shí)間設(shè)置為每天上午9 時(shí)至下午5 時(shí)。最后，本次模擬采用 Ladybug Tools 中的測(cè)量網(wǎng)格工具設(shè)置本次照度測(cè)量網(wǎng)格。為保證本次實(shí)驗(yàn)的測(cè)量精度，照度測(cè)量點(diǎn)所在的網(wǎng)格間距為1m，并且測(cè)量點(diǎn)高度位于距室內(nèi)水平面0.75m 的高度，以符合圖書館閱覽空間中人們的實(shí)際使用方式[24，25]。最后，將1800 組設(shè)計(jì)參數(shù)導(dǎo)入至采光性能模擬運(yùn)算器中進(jìn)行模擬（圖3），得到了對(duì)應(yīng)的UDI、UOD、DGP 三組采光指標(biāo)模擬結(jié)果。

圖3 部分閱覽空間采光性能模擬結(jié)果

3 模型訓(xùn)練與性能優(yōu)化

3.1 機(jī)器學(xué)習(xí)模型訓(xùn)練

本研究用于模型訓(xùn)練的數(shù)據(jù)集包括1800組設(shè)計(jì)參數(shù)作為機(jī)器學(xué)習(xí)的特征輸入，以及與之相對(duì)應(yīng)的模擬結(jié)果作為目標(biāo)變量。經(jīng)過數(shù)據(jù)集歸一化處理后，隨機(jī)選擇80%的數(shù)據(jù)集作為訓(xùn)練集，剩下20%作為測(cè)試集，將兩者載入隨機(jī)森林回歸模型[32]中進(jìn)行訓(xùn)練，并采用貝葉斯算法進(jìn)行模型超參數(shù)優(yōu)化[33]。

隨機(jī)森林回歸預(yù)測(cè)模型訓(xùn)練完成后，其R2score 為0.98，表明其預(yù)測(cè)結(jié)果對(duì)數(shù)據(jù)的擬合效果較好，能夠解釋因變量中98%的方差。同時(shí)，圖4 為記錄模型訓(xùn)練過程的學(xué)習(xí)曲線，紅色線為訓(xùn)練集曲線，隨著模型迭代訓(xùn)練，其上升趨勢(shì)趨近于平穩(wěn)，最高值接近0.994，表明其具有較好的擬合效果。而綠色線則為交叉驗(yàn)證集曲線，隨著模型迭代訓(xùn)練，其值越接近訓(xùn)練集曲線，代表模型訓(xùn)練沒有出現(xiàn)過擬合現(xiàn)象，并且有較強(qiáng)的泛化能力。

圖4 隨機(jī)森林回歸模型學(xué)習(xí)曲線

通過繪制原始數(shù)據(jù)與預(yù)測(cè)數(shù)據(jù)的三維散點(diǎn)分布圖（圖5），可以更直觀地了解預(yù)測(cè)結(jié)果與真實(shí)結(jié)果之間的差異，以分析機(jī)器學(xué)習(xí)模型的訓(xùn)練情況。圖中，預(yù)測(cè)結(jié)果的散點(diǎn)分布與原始數(shù)據(jù)的散點(diǎn)分布擬合程度較高，顏色映射圖也顯示出預(yù)測(cè)結(jié)果的誤差相對(duì)較小，整體呈現(xiàn)出較為平滑的過渡，證明模型預(yù)測(cè)結(jié)果的準(zhǔn)確性和穩(wěn)定性較高。

圖5 原始數(shù)據(jù)與預(yù)測(cè)數(shù)據(jù)的3D 散點(diǎn)圖分布圖

3.2 建筑性能多目標(biāo)優(yōu)化

本研究通過 Octopus 遺傳算法插件進(jìn)行多目標(biāo)尋優(yōu)。在遺傳算法相關(guān)參數(shù)的設(shè)定中，種群規(guī)模設(shè)置為100，進(jìn)化最大代數(shù)設(shè)置為手動(dòng)終止，交叉率設(shè)置為0.8，變異率設(shè)置為0.9[34]。本研究經(jīng)過遺傳算法第50 代尋優(yōu)后，順利完成收斂。共得到796 個(gè)基于UDI 指標(biāo)、UOD 指標(biāo)以及DGP 指標(biāo)三者的帕累托前沿解集。

對(duì)于圖書館建筑而言，相關(guān)規(guī)范要求閱覽室窗地比不應(yīng)低于1/6[16，18]，同時(shí)DGP 指標(biāo)應(yīng)小于0.35。因此本文對(duì)796 個(gè)優(yōu)化解集按照該標(biāo)準(zhǔn)進(jìn)行篩選，最終共有344個(gè)解集滿足該要求。圖6 為從344 組解集中選取的6 組具有代表性的優(yōu)化解集，其中有3 組源于通過K-MEANS聚類算法[35]將344 個(gè)帕累托前沿解集依據(jù)其優(yōu)化結(jié)果中三個(gè)性能指標(biāo)評(píng)分進(jìn)行聚類分析得到的三組聚類結(jié)果的中心位置，另外3 組源于三項(xiàng)性能指標(biāo)各自最優(yōu)解的解集位置。

圖6 聚類分析結(jié)果與6 組代表性解集展示

在這6 組解集中，解集1 特點(diǎn)為采光較為充足且照度分布均勻，但會(huì)存在輕微的眩光干擾。解集2 特點(diǎn)在于具有充足采光的同時(shí)也能夠很好的避免眩光干擾，但采光分布不夠均勻。解集3 特點(diǎn)在于能夠提供較為均勻采光的同時(shí)也能夠很好的避免眩光干擾。解集4 為UDI 指標(biāo)的最優(yōu)解，其能夠提供適宜的光線亮度。解集5 為UOD 指標(biāo)的最優(yōu)解，其能夠提供較為均勻的采光分布。解集6 為DGP 指標(biāo)的最優(yōu)解，其能夠有效避免眩光干擾問題。

3.3 建筑采光性能預(yù)測(cè)準(zhǔn)確性分析

為了驗(yàn)證機(jī)器學(xué)習(xí)預(yù)測(cè)的準(zhǔn)確性，本文選取上述6組優(yōu)化解集數(shù)據(jù)，通過將設(shè)計(jì)參數(shù)導(dǎo)入建筑性能模擬插件進(jìn)行計(jì)算得到性能指標(biāo)模擬結(jié)果，并與機(jī)器學(xué)習(xí)模型預(yù)測(cè)結(jié)果進(jìn)行誤差比對(duì)分析，得到了以下結(jié)果（表2）。可以發(fā)現(xiàn)，在使用機(jī)器學(xué)習(xí)代理模型進(jìn)行建筑性能預(yù)測(cè)時(shí)，其預(yù)測(cè)值與模擬結(jié)果仍然存在著一定的誤差，但大部分誤差低于2%，處在合理誤差范圍內(nèi)。

表2 優(yōu)化解集預(yù)測(cè)準(zhǔn)確性分析

4 結(jié)果討論

4.1 設(shè)計(jì)參數(shù)與性能目標(biāo)變化趨勢(shì)分析

基于數(shù)據(jù)驅(qū)動(dòng)方法得到的數(shù)據(jù)分析結(jié)果能夠更加準(zhǔn)確的描述不同設(shè)計(jì)參數(shù)在調(diào)整過程中對(duì)于建筑采光性能的非線性影響趨勢(shì)，進(jìn)而為建筑師提供精準(zhǔn)的優(yōu)化策略。圖7 為基于采樣數(shù)據(jù)得出的五項(xiàng)設(shè)計(jì)參數(shù)與三項(xiàng)性能指標(biāo)之間的變化趨勢(shì)分析。

圖7 設(shè)計(jì)參數(shù)與性能目標(biāo)變化趨勢(shì)分析

對(duì)于UDI 指標(biāo)而言，隨著開窗長度不斷增加，其在6m 處時(shí)UDI 指標(biāo)的達(dá)到峰值，繼續(xù)加大開窗長度則會(huì)導(dǎo)致UDI 指標(biāo)降低。開窗高度在2.6m 處時(shí)，UDI 指標(biāo)達(dá)到峰值。窗臺(tái)高度對(duì)于UDI 指標(biāo)的影響較為復(fù)雜，隨著窗臺(tái)高度的增大，UDI 指標(biāo)先出現(xiàn)降低趨勢(shì)，在0.6m 處達(dá)到UDI 指標(biāo)的最小值，隨著窗臺(tái)高度繼續(xù)增大，UDI 指標(biāo)隨之上升，并在1.3m 處取得UDI 指標(biāo)的最大值。隨著遮陽板挑出深度增大，UDI 指標(biāo)會(huì)出現(xiàn)小幅度降低，遮陽板挑出深度在1.5m 處達(dá)到UDI 指標(biāo)的最小值。遮陽板旋轉(zhuǎn)角度會(huì)在0°處取得UDI 指標(biāo)的最大值，隨著遮陽板旋轉(zhuǎn)角度加大，UDI 指標(biāo)存在略微降低趨勢(shì)。

對(duì)于UOD 指標(biāo)而言，開窗長度從1m 增大至3.5m 時(shí)，UOD 指標(biāo)存在快速升高的現(xiàn)象，而當(dāng)開窗長度繼續(xù)增大時(shí)，UOD 指標(biāo)則基本保持穩(wěn)定不變狀態(tài)。隨著開窗高度、窗臺(tái)高度以及遮陽板旋轉(zhuǎn)角度三項(xiàng)設(shè)計(jì)參數(shù)的增大，UOD 指標(biāo)都會(huì)出現(xiàn)升高趨勢(shì)，其中開窗高度在3m 處得到了UOD 指標(biāo)最大值，窗臺(tái)高度在1.5m 處達(dá)到UOD指標(biāo)的最大值。遮陽板旋轉(zhuǎn)角度改變對(duì)于UOD 指標(biāo)的影響相對(duì)較小，其在30°處得到了UOD 指標(biāo)最大值。與之不同的是，隨著遮陽板挑出深度增大，UOD 指標(biāo)會(huì)出現(xiàn)顯著增高趨勢(shì)，并在1.5m 處達(dá)到UOD 指標(biāo)的最大值。

對(duì)于DGP 指標(biāo)而言，開窗長度參數(shù)的改變對(duì)其影響較大，隨著開窗長度不斷增大，DGP 指標(biāo)呈現(xiàn)快速上升趨勢(shì)，開窗長度在7m 處取得DGP 指標(biāo)的最大值。同樣，開窗高度的增大也會(huì)使得DGP 指標(biāo)上升，開窗高度3m處取得DGP 指標(biāo)的最大值。相反，窗臺(tái)高度、遮陽板挑出深度以及遮陽板旋轉(zhuǎn)角度三者的增大會(huì)略微降低DGP指標(biāo)，但影響較為微弱。

4.2 閱覽空間采光設(shè)計(jì)策略分析

依據(jù)上述量化分析結(jié)果，針對(duì)閱覽空間簡(jiǎn)化模型可以得到以下采光設(shè)計(jì)策略。

（1）增大開窗長度可以有效的改善室內(nèi)照度水平，獲得較為明亮的閱覽空間，但是過大的開窗長度也會(huì)導(dǎo)致室內(nèi)局部照度過曝等問題，同時(shí)其對(duì)于室內(nèi)采光均勻度的改善效果也有限。

（2）開窗高度是調(diào)節(jié)室內(nèi)光環(huán)境的關(guān)鍵設(shè)計(jì)參數(shù)之一，適當(dāng)增大開窗高度對(duì)于室內(nèi)采光均勻度的增益較大，能夠顯著改善室內(nèi)照度分布問題，并且不會(huì)明顯增大室內(nèi)眩光隱患，但是過大的開窗高度在補(bǔ)足進(jìn)深較遠(yuǎn)處室內(nèi)照明的同時(shí)，也會(huì)造成離開窗過近處的照度過曝。

（3）調(diào)節(jié)窗臺(tái)高度對(duì)于室內(nèi)照度的影響較為復(fù)雜，原因在于增大窗臺(tái)高度的過程中會(huì)導(dǎo)致近窗處的窗臺(tái)下部陰影空間面積增大，但隨著窗臺(tái)高度繼續(xù)增大，側(cè)窗采光便能夠照射到室內(nèi)進(jìn)深較遠(yuǎn)的空間，室內(nèi)整體照度水平會(huì)得到相應(yīng)的提升。

（4）增大遮陽板挑出深度在一定程度上會(huì)削弱室內(nèi)照度水平，但能顯著提升室內(nèi)采光的均勻性，由于其可以遮擋一部分近窗處過亮的光線，使得室內(nèi)采光更為均勻，并且能夠有效避免眩光影響，但過深的遮陽板挑出也會(huì)導(dǎo)致室內(nèi)進(jìn)深較遠(yuǎn)的空間難以獲得足夠的自然采光。

（5）增大遮陽板旋轉(zhuǎn)角度同樣可以阻擋一部分靠近采光口的太陽直射光，對(duì)于進(jìn)深較遠(yuǎn)處的采光則受到的影響較小，雖然降低了近采光口處的照度水平，但也會(huì)形成更為均勻的室內(nèi)采光環(huán)境，并可以有效解決室內(nèi)眩光問題。

值得注意的是，在實(shí)際的閱覽空間采光優(yōu)化過程中，不同的項(xiàng)目會(huì)因其所處的環(huán)境而存在特異性的采光問題。因此，建筑師應(yīng)針對(duì)不同的采光問題與實(shí)際需求，合理地調(diào)整各項(xiàng)設(shè)計(jì)參數(shù)，從而實(shí)現(xiàn)采光性能的全局優(yōu)化。

4.3 數(shù)據(jù)驅(qū)動(dòng)型設(shè)計(jì)方法的優(yōu)勢(shì)探討

本研究通過構(gòu)建完整的數(shù)據(jù)驅(qū)動(dòng)型建筑性能優(yōu)化工作流程，實(shí)現(xiàn)了對(duì)閱覽空間簡(jiǎn)化模型采光性能的快速預(yù)測(cè)與多目標(biāo)耦合優(yōu)化?；诖搜芯?，可以得出數(shù)據(jù)驅(qū)動(dòng)型建筑性能優(yōu)化流程其優(yōu)勢(shì)主要體現(xiàn)在以下幾個(gè)方面：

（1）客觀性：數(shù)據(jù)驅(qū)動(dòng)的建筑性能優(yōu)化方法以性能指標(biāo)數(shù)據(jù)為判斷依據(jù)，通過計(jì)算機(jī)大量迭代計(jì)算與算法尋優(yōu)，進(jìn)而為建筑師提供更加客觀、準(zhǔn)確的建筑性能優(yōu)化結(jié)果，有效降低由建筑師主觀認(rèn)知偏差所帶來的不利決策。

（2）高效性：數(shù)據(jù)驅(qū)動(dòng)的建筑性能優(yōu)化方法中結(jié)合了遺傳算法和機(jī)器學(xué)習(xí)等技術(shù)，能夠在短時(shí)間內(nèi)生成大量的優(yōu)化解集供建筑師進(jìn)行后續(xù)的篩選與深化。對(duì)于大型建筑項(xiàng)目而言，由于其通常涉及到復(fù)雜的設(shè)計(jì)參數(shù)和多項(xiàng)優(yōu)化目標(biāo)，傳統(tǒng)的建筑性能優(yōu)化過程往往需要耗費(fèi)大量的時(shí)間和資源，而數(shù)據(jù)驅(qū)動(dòng)方法則能夠顯著的加快設(shè)計(jì)優(yōu)化進(jìn)程，極大程度上減少人力、物力以及時(shí)間成本的付出。

（3）全局性：數(shù)據(jù)驅(qū)動(dòng)的建筑性能優(yōu)化方法能夠有效解決多目標(biāo)耦合優(yōu)化問題。建筑師可以根據(jù)實(shí)際的設(shè)計(jì)需求，設(shè)定多個(gè)優(yōu)化目標(biāo)，程序便可通過遺傳算法進(jìn)行迭代尋優(yōu)，進(jìn)而全方位協(xié)同考慮多種不同的乃至相互對(duì)立的建筑性能需求，為建筑師提供更為合理的全局優(yōu)化設(shè)計(jì)方案。

（4）創(chuàng)新性：數(shù)據(jù)驅(qū)動(dòng)型方法能夠通過對(duì)大量輸入數(shù)據(jù)與輸出數(shù)據(jù)進(jìn)行分析學(xué)習(xí)，提取隱藏在數(shù)據(jù)中潛在的規(guī)律和趨勢(shì)，從而在建筑性能優(yōu)化過程中為建筑師提供更為廣闊的設(shè)計(jì)啟發(fā)與創(chuàng)新，幫助建筑師跳出傳統(tǒng)的思維模式，探索更多在建筑性能優(yōu)化策略上的可能性。

結(jié)語

本文基于圖書館閱覽空間簡(jiǎn)化模型，通過構(gòu)建三項(xiàng)采光性能評(píng)價(jià)指標(biāo)的多目標(biāo)優(yōu)化體系，并運(yùn)用數(shù)據(jù)驅(qū)動(dòng)的建筑性能優(yōu)化方法，得到了一系列關(guān)于閱覽空間室內(nèi)采光性能的優(yōu)化結(jié)果與設(shè)計(jì)策略，并探討了數(shù)據(jù)驅(qū)動(dòng)的設(shè)計(jì)方法的可行性與優(yōu)勢(shì)所在。

在能源問題日益加劇的當(dāng)代社會(huì)中，以環(huán)境性能為導(dǎo)向的數(shù)據(jù)驅(qū)動(dòng)型建筑設(shè)計(jì)方法無疑可以有效地化解傳統(tǒng)建筑行業(yè)能源消耗過渡的問題。隨著社會(huì)群體對(duì)于建筑低碳節(jié)能的要求不斷加大，使用者對(duì)于建筑使用舒適性的不斷提高，建筑師進(jìn)行建筑設(shè)計(jì)決策的困難程度也會(huì)大幅度提升，僅僅依靠人力則很難做到眾多建筑性能優(yōu)化難題的權(quán)衡考慮。通過運(yùn)用數(shù)據(jù)驅(qū)動(dòng)型設(shè)計(jì)方法，一方面能夠充分輔助建筑師去分析、簡(jiǎn)化建筑性能優(yōu)化問題，另一方面也可以讓建筑師擺脫憑借直覺去解決某些客觀的建筑設(shè)計(jì)問題的習(xí)慣，使得建筑師在面對(duì)客觀問題時(shí)可以依據(jù)準(zhǔn)確的數(shù)據(jù)從而得到較為可靠的設(shè)計(jì)決策，極大程度上避免了傳統(tǒng)設(shè)計(jì)方法容易出現(xiàn)的主觀性與盲目性[36]。

圖、表來源

本文圖、表均為作者繪制。