蔣濤 路洲

高架鐵路客運(yùn)站平天窗的多目標(biāo)優(yōu)化

蔣濤1，2，3路洲1

（1. 華南理工大學(xué) 建筑學(xué)院，廣東 廣州 510640；2. 華南理工大學(xué)建筑設(shè)計(jì)研究院有限公司，廣東 廣州 510640；3. 華南理工大學(xué) 亞熱帶建筑科學(xué)國家重點(diǎn)實(shí)驗(yàn)室，廣東 廣州 510640）

高架鐵路客運(yùn)站通常為大跨度建筑，需設(shè)置天窗。傳統(tǒng)的天窗設(shè)計(jì)方法難以解決復(fù)雜的采光需求和節(jié)能需求構(gòu)成的多目標(biāo)問題。為實(shí)現(xiàn)高鐵站平天窗的多目標(biāo)優(yōu)化，文中基于高架高鐵站平天窗的前期設(shè)計(jì)參數(shù)設(shè)置，采用Rhino和Grasshopper平臺(tái)、Ladybug建筑性能模擬工具、Octopus多目標(biāo)優(yōu)化工具構(gòu)建了一套基于遺傳算法的平天窗多目標(biāo)優(yōu)化方法。該方法經(jīng)過確定變量、確定優(yōu)化目標(biāo)、構(gòu)建模型和程序編寫等步驟，用Rhino和Grasshopper建立簡化的參數(shù)化模型，導(dǎo)入Ladybug工具進(jìn)行性能分析，依據(jù)分析結(jié)果用Octopus工具進(jìn)行迭代的多目標(biāo)優(yōu)化；在優(yōu)化過程中能夠自動(dòng)地對模型參數(shù)化的部分進(jìn)行不斷變更和模擬，記錄每次變更、模擬的結(jié)果并進(jìn)行比較，最終找出最滿足設(shè)定的多個(gè)目標(biāo)的參數(shù)；將參數(shù)返回到參數(shù)化模型即可得到最優(yōu)結(jié)果的模型及對應(yīng)的建筑性能模擬結(jié)果。對廣州白云站的候車空間進(jìn)行建模，依據(jù)國內(nèi)外主要采光規(guī)范的要求，將采光強(qiáng)度達(dá)標(biāo)、采光均勻度達(dá)標(biāo)、采光有效性盡量大、眩光發(fā)生可能性盡量小、太陽輻射量盡量小作為目標(biāo)體系，使用文中提出的方法進(jìn)行多目標(biāo)優(yōu)化。結(jié)果表明：相比于原方案，經(jīng)該流程多目標(biāo)優(yōu)化后最終生成的方案在滿足規(guī)范要求的采光強(qiáng)度條件下，采光均勻度、采光有效性、眩光發(fā)生可能性、太陽輻射量方面均有很大程度的改善。文中提出的方法具有廣泛的應(yīng)用場景和較強(qiáng)的靈活性，可以為相關(guān)研究提供參考。

高架鐵路客運(yùn)站；平天窗；多目標(biāo)優(yōu)化；廣州白云站

高架鐵路客運(yùn)站屬于大跨度公共建筑，多數(shù)需設(shè)置平天窗來滿足采光需求，其采光需求包括強(qiáng)度要求，節(jié)能及均勻度、防眩光等舒適度需求，傳統(tǒng)的單目標(biāo)優(yōu)化方法難以滿足這些需求。目前國內(nèi)對于高架式鐵路客運(yùn)站平天窗多目標(biāo)優(yōu)化的研究較少，多停留在對優(yōu)化策略的定性分析，缺少定量化的方法，且少部分定量化分析操作難度大，難以對多目標(biāo)問題下的高架鐵路客運(yùn)站平天窗設(shè)計(jì)起到實(shí)際指導(dǎo)作用。

多目標(biāo)優(yōu)化問題（MOP）是指使多個(gè)目標(biāo)在給定區(qū)域同時(shí)盡可能最佳的優(yōu)化問題［1］，這種問題通常通過求解“帕累托最優(yōu)”解來解決。帕累托最優(yōu)是指資源分配的一種理想狀態(tài)。帕累托最優(yōu)的狀態(tài)就是不可能再有更多的帕雷托改善的狀態(tài)［1］，在多個(gè)目標(biāo)無法同時(shí)滿足最優(yōu)時(shí)，達(dá)到帕累托最優(yōu)狀態(tài)即可認(rèn)為該問題達(dá)到了某個(gè)期望下的最優(yōu)狀態(tài)。在解決建筑性能方面的問題時(shí)，可以認(rèn)為是各性能目標(biāo)都滿足且都達(dá)到了該平衡下的極限的狀態(tài)。簡而言之，多目標(biāo)優(yōu)化就是針對多目標(biāo)問題，用一定方法求其“帕累托最優(yōu)”解集。

多目標(biāo)優(yōu)化在建筑學(xué)方面有廣闊的應(yīng)用前景，可以應(yīng)用于整體布局設(shè)計(jì)［2］、建筑空間組合［3］、局部構(gòu)件優(yōu)化等多個(gè)方面。借助計(jì)算機(jī)實(shí)現(xiàn)人腦難以完成的大量方案的比較、優(yōu)選，最終實(shí)現(xiàn)設(shè)計(jì)愿景。如今，國內(nèi)外均有對多目標(biāo)優(yōu)化方法的研究，也已進(jìn)行了一些實(shí)踐驗(yàn)證并取得了較好的效果［4-8］。

理論研究方面，張少飛［9］利用多目標(biāo)優(yōu)化軟件Octopus研究了機(jī)構(gòu)養(yǎng)老建筑側(cè)向采光口形狀和角度優(yōu)化的實(shí)驗(yàn)，從方法論角度驗(yàn)證了多目標(biāo)優(yōu)化工作流的可行性；吳杰［10］利用熱島強(qiáng)度、人均面積和日照時(shí)間作為變量，提出了城市住區(qū)性能評價(jià)與多目標(biāo)優(yōu)化的方法；李彤［11］歸納了建筑形體生成的3種方法，綜合考慮夏季和冬季熱工性能相對最優(yōu)，嘗試自動(dòng)生成多目標(biāo)優(yōu)化下的最優(yōu)形體。Motamedi等［12］提出了一種多目標(biāo)優(yōu)化算法，同時(shí)考慮采光和能源性能，基于照明和空調(diào)系統(tǒng)負(fù)載，研究天窗與建筑面積不同比率的影響，并以舊金山一棟小型辦公樓作了模擬驗(yàn)證；Toutou［13］在對炎熱干旱地區(qū)一棟五層高建筑的采光和熱力性能采用遺傳算法進(jìn)行優(yōu)化的研究中，通過對多目標(biāo)優(yōu)化過程的觀察，找到了變量變化規(guī)律，并提出了最佳解決方案。類似研究報(bào)告數(shù)量較多，涉及各類型建筑的不同構(gòu)件優(yōu)化，可以看出在該方向上的理論研究已得到一定重視。

實(shí)踐應(yīng)用方面，最具代表性的案例為多倫多Autodesk公司辦公室設(shè)計(jì)。在設(shè)計(jì)過程中，建筑師收集了辦公人員對于工作氛圍偏好、室內(nèi)空間尺度偏好、房間數(shù)量要求等信息，結(jié)合辦公室的環(huán)境物理因素，總結(jié)出6個(gè)需求作為設(shè)計(jì)目標(biāo)，通過算法生成了上萬個(gè)方案，選擇出了編號(hào)#3251的方案，該方案在各個(gè)參數(shù)的評價(jià)中，每個(gè)方面都比較優(yōu)秀，且各方面較為平均，與其他結(jié)果相比能最大程度地滿足6個(gè)參數(shù)需求。類似地，在上海阿里巴巴總部的設(shè)計(jì)中，福斯特事務(wù)所將軟件模擬建筑采光效果、通風(fēng)效果、景觀視野等的結(jié)果作為目標(biāo)，采用多目標(biāo)優(yōu)化的方法生成了能夠同時(shí)滿足各效果平衡最佳的建筑體量布局，然后收集員工對于辦公空間的期望作為目標(biāo)體系，采用多目標(biāo)優(yōu)化方法優(yōu)化家具的擺放，生成綜合滿足各種需求的空間。在國內(nèi)，多目標(biāo)優(yōu)化方法也逐漸得到應(yīng)用，如華南理工大學(xué)建筑設(shè)計(jì)研究院在中國（海南）南海博物館的結(jié)構(gòu)設(shè)計(jì)［14］中，室內(nèi)大空間的Y型立柱需要在滿足支撐不規(guī)則曲面屋頂?shù)耐瑫r(shí)，盡量減少遮擋游客看室外環(huán)境的視線，所以采用了多目標(biāo)優(yōu)化，最終實(shí)現(xiàn)了設(shè)計(jì)構(gòu)思。

已有的多目標(biāo)優(yōu)化方面的研究提供了相關(guān)的工具、思路，在高架鐵路客運(yùn)站天窗的多目標(biāo)問題上，針對現(xiàn)有研究的不足，本研究提出一種高架鐵路客運(yùn)站平天窗多目標(biāo)優(yōu)化方法。通過該方法，能夠找到某個(gè)地區(qū)氣候條件下最適宜的設(shè)計(jì)前期天窗參數(shù)，以最大限度地優(yōu)化其平天窗設(shè)計(jì)。最后結(jié)合廣州白云站實(shí)際應(yīng)用進(jìn)行驗(yàn)證。

1　相關(guān)軟件簡介

本研究建模采用建筑設(shè)計(jì)常用軟件Rhino和參數(shù)化工具Grasshopper，建筑性能模擬軟件Ladybug，多目標(biāo)優(yōu)化工具Octopus。

當(dāng)前建筑設(shè)計(jì)行業(yè)中，Rhino建模軟件的使用正逐漸成為主流，其內(nèi)置的Grasshopper平臺(tái)在建筑參數(shù)化設(shè)計(jì)方面極為便捷，許多基于Grasshopper開發(fā)的工具也極大擴(kuò)展了Rhino軟件的應(yīng)用領(lǐng)域，能夠?qū)⒃拘枰獞?yīng)用多個(gè)獨(dú)立的分析軟件的流程在一個(gè)平臺(tái)上完成。

Ladybug&Honeybee插件是基于Grasshopper平臺(tái)的一款建筑環(huán)境模擬插件，可以利用在Rhino中建立的模型，引入當(dāng)?shù)豦pw氣候文件，用一個(gè)模型進(jìn)行多種性能分析，分析引擎均為當(dāng)前國際比較認(rèn)可和通用的分析引擎。相對于其他功能比較單一的分析插件，該插件集成了建筑光環(huán)境、熱環(huán)境、風(fēng)環(huán)境、城市熱環(huán)境等多種分析引擎，能夠滿足各種的建筑性能分析，避免了多個(gè)插件混用可能導(dǎo)致的問題。

Octopus是基于Grasshopper平臺(tái)的一款以遺傳算法為核心的多目標(biāo)優(yōu)化工具，因其界面簡單、過程可視化，且網(wǎng)上相關(guān)介紹較多，學(xué)習(xí)難度小，在目前建筑學(xué)多目標(biāo)優(yōu)化研究中較為流行。

2　高架高鐵站平天窗多目標(biāo)優(yōu)化流程

本流程（見圖1）適合設(shè)計(jì)前期確定天窗具體參數(shù)的方案階段，流程主要包括確定變量、確定優(yōu)化目標(biāo)、構(gòu)建參數(shù)化模擬模型、進(jìn)行多目標(biāo)優(yōu)化4個(gè)部分。其間，根據(jù)高架鐵路客運(yùn)站其他設(shè)計(jì)和要求的不同，可以代入不同的優(yōu)化目標(biāo)和優(yōu)化模型，利用計(jì)算機(jī)進(jìn)行多目標(biāo)優(yōu)化后，根據(jù)需求選出多目標(biāo)優(yōu)化結(jié)果中符合期望的結(jié)果，反向找到相應(yīng)設(shè)計(jì)參數(shù)及模型。

圖 1　高架高鐵站平天窗多目標(biāo)優(yōu)化流程示意圖

2.1　確定變量

多目標(biāo)流程原則上應(yīng)囊括盡量多的設(shè)計(jì)變量，算法本質(zhì)上是機(jī)械地尋找所有變量的綜合最優(yōu)結(jié)果，更多的結(jié)果期望將產(chǎn)生更加精確的結(jié)果集合。在高架鐵路客運(yùn)站平天窗設(shè)計(jì)相關(guān)變量中，包括形式變量、材料變量、構(gòu)造變量3方面，形式變量包括天窗的形狀、面積比、數(shù)量與布局等，材料變量包括不同的材料，以及帶來的透光率、傳熱系數(shù)等變量，構(gòu)造變量包括由形式?jīng)Q定的天窗構(gòu)造，以及可能的支撐系統(tǒng)構(gòu)造等。在實(shí)際操作中，變量的選擇主要取決于目標(biāo)的關(guān)鍵性、該階段能夠確定的具體變量和計(jì)算成本。由于計(jì)算需要的時(shí)間根據(jù)計(jì)算量增加而延長，未完成的計(jì)算結(jié)果不具有參考性，所以當(dāng)時(shí)間有限時(shí)，應(yīng)選擇關(guān)鍵性變量進(jìn)行多目標(biāo)優(yōu)化，保證計(jì)算能完成。當(dāng)不同設(shè)計(jì)階段能確定的變量不同時(shí)，應(yīng)根據(jù)設(shè)計(jì)階段選擇變量，避免后續(xù)才需要確定的參數(shù)限制了優(yōu)化可能性。

在高架高鐵站天窗設(shè)計(jì)中，一般首先確定其形式和材料，進(jìn)一步才確定構(gòu)造和其他細(xì)部，據(jù)此本文樣本中僅對天窗的形式變量面積比、數(shù)量與布局和材料透光率進(jìn)行應(yīng)用分析。因?yàn)槊娣e比、數(shù)量與布局是在設(shè)計(jì)前期需要確定的造型設(shè)計(jì)參數(shù)，透光率同時(shí)影響采光效果和室內(nèi)視覺效果，它們對于天窗下空間建筑性能的影響最顯著，是進(jìn)一步優(yōu)化的基礎(chǔ)。只要確定這三者，就可以根據(jù)需要的特性選擇材料、設(shè)計(jì)構(gòu)造。它們是后續(xù)深化設(shè)計(jì)的基礎(chǔ)設(shè)計(jì)條件，在優(yōu)化成本有限的情況下應(yīng)首先考慮。

2.2　確定優(yōu)化目標(biāo)

優(yōu)化目標(biāo)應(yīng)根據(jù)規(guī)范要求、實(shí)際需求進(jìn)行選擇。增加優(yōu)化目標(biāo)也會(huì)增加計(jì)算量，導(dǎo)致計(jì)算成本提高，其篩選原則與變量的選擇相似。在高架鐵路客運(yùn)站平天窗的設(shè)計(jì)目標(biāo)中，主要考慮設(shè)計(jì)的美觀性、采光效果、節(jié)能能力、經(jīng)濟(jì)性等。其中經(jīng)濟(jì)性等目標(biāo)取決于構(gòu)造、材料等多個(gè)方面，難以在設(shè)計(jì)前期控制，可以后置考慮。一些重要目標(biāo)在前期也難以定量，可以采用表現(xiàn)較為明顯的物理量代替，來保證結(jié)果的參考性。

由天窗直接影響的建筑性能目標(biāo)主要分為光環(huán)境目標(biāo)和節(jié)能目標(biāo)兩類，在進(jìn)行建筑性能多目標(biāo)優(yōu)化時(shí)，應(yīng)全面判斷設(shè)計(jì)參數(shù)對兩類指標(biāo)的影響。其中，光環(huán)境指標(biāo)主要受到建筑形體參數(shù)的影響，設(shè)計(jì)前期確定形體參數(shù)有決定性的作用。節(jié)能目標(biāo)受到材料、構(gòu)造、運(yùn)營等多方面影響，在前期的平天窗設(shè)計(jì)中，無法決定其最終節(jié)能性能，可采用平天窗直接影響的太陽年輻射量評判平天窗本身的節(jié)能能力。

對于光環(huán)境目標(biāo)，國內(nèi)外不同標(biāo)準(zhǔn)的側(cè)重點(diǎn)不同：國內(nèi)評價(jià)標(biāo)準(zhǔn)主要以《建筑采光設(shè)計(jì)標(biāo)準(zhǔn)》GB 50033—2013和《綠色建筑評價(jià)標(biāo)準(zhǔn)》GB/T 50378—2019為主，關(guān)注采光強(qiáng)度、均勻度；美國較為流行的綠色建筑標(biāo)準(zhǔn)LEED V4EQ 則較為關(guān)注有效性和眩光可能性，采用了美國照明協(xié)會(huì)（I.E.S）提出的評價(jià)指標(biāo)。國內(nèi)評價(jià)標(biāo)準(zhǔn)對于有效性和眩光的評價(jià)與國外通行的LEED評價(jià)體系類似，但指標(biāo)相比更寬松，且對于室內(nèi)照度上限沒有明確規(guī)定；而LEED評價(jià)標(biāo)準(zhǔn)對于上下限有明確規(guī)定，但缺少采光系數(shù)和均勻度評價(jià)。為同時(shí)滿足不同的評價(jià)標(biāo)準(zhǔn)，需要兼顧國內(nèi)外評價(jià)的側(cè)重點(diǎn)，取二者的并集，同時(shí)對評價(jià)方面重合的指標(biāo)進(jìn)行取舍和重構(gòu)。

經(jīng)過對比，國內(nèi)外光環(huán)境評價(jià)的并集為采光強(qiáng)度、采光均勻度、采光有效性、眩光控制4個(gè)方面，本研究的光環(huán)境優(yōu)化目標(biāo)取全部4個(gè)方面，并根據(jù)太陽直接輻射量作為節(jié)能指標(biāo)。

采光強(qiáng)度評價(jià)指標(biāo)原為采光系數(shù)（DF），《綠色建筑評價(jià)標(biāo)準(zhǔn)》GB/T 50378—2019規(guī)定：不小于最小采光系數(shù)的使用面積的60%可獲得最高分。據(jù)此新建一個(gè)相應(yīng)評價(jià)指標(biāo)sDF，用來評價(jià)測試面滿足國內(nèi)采光系數(shù)標(biāo)準(zhǔn)的面積比大小，該值應(yīng)大于0.6且越大越優(yōu)。

采光均勻度評價(jià)指標(biāo)為采光均勻度，根據(jù)《綠色建筑評價(jià)標(biāo)準(zhǔn)》GB/T 50378—2019，有天窗的建筑該指標(biāo)應(yīng)不小于0.7。

采光有效性的指標(biāo)有空間日光自治度（sDA）：指的是全年范圍內(nèi)，滿足采光強(qiáng)度的時(shí)間超過某一給定比例的計(jì)算點(diǎn)占所有計(jì)算點(diǎn)的百分比，即是基于時(shí)間標(biāo)準(zhǔn)對某個(gè)空間進(jìn)行的面積指標(biāo)評估；有效日光照度（UDI）指的是對用戶有效范圍內(nèi)的年度日光照度，通常有100 lx和2 000 lx兩個(gè)照度分界值，在兩值之外的照度會(huì)令人不適。UDI計(jì)算的是計(jì)算點(diǎn)照度在全年時(shí)間內(nèi)處于兩值之間的時(shí)間比，根據(jù)國內(nèi)交通建筑采光標(biāo)準(zhǔn)將二者進(jìn)行合并，修正上下限，新建一個(gè)同時(shí)評價(jià)采光有效性的時(shí)間和空間水平的指標(biāo)sUDI（495，2 000），表示在全年時(shí)間中，測試面上照度在495～2 000 lx的照度時(shí)間超過50%的區(qū)域面積。sUDA可以認(rèn)為是融合了sDA和UDI的評價(jià)，對sDA增加了照度上限的規(guī)定，對UDI增加了面積區(qū)域的評價(jià)。sUDI指標(biāo)數(shù)值應(yīng)盡量大。

眩光可能性評價(jià)指標(biāo)為年度太陽暴露指數(shù)（ASE），該指標(biāo)反映太陽直射在測試面情況下，照度大于1 000 lx的時(shí)間大于250 h的情況的空間占比，根據(jù)LEED標(biāo)準(zhǔn)，該值應(yīng)小于10%。

節(jié)能能力評價(jià)指標(biāo)為太陽直接輻射量（RAD），反映陽光直射測試面的量，該值應(yīng)根據(jù)項(xiàng)目實(shí)際情況決定目標(biāo)范圍，如在嶺南地區(qū)，建筑空調(diào)設(shè)備耗能完全是供冷耗能的地區(qū)，該值應(yīng)盡量小，而在北方地區(qū)，空調(diào)設(shè)備耗能有供冷和供熱兩部分，太陽輻射量則應(yīng)分別討論或采用差值計(jì)算控制。

在確定了優(yōu)化目標(biāo)后，將他們代入多目標(biāo)優(yōu)化的目標(biāo)函數(shù)，得到如下目標(biāo)函數(shù)：

(1)低成本。問卷數(shù)據(jù)顯示47.13%的人覺得網(wǎng)約車在價(jià)格方面更加實(shí)惠。因?yàn)榇蜍囓浖ㄟ^利用閑置的出租車或者私家車為廣大市民的出行提供了便利，以共享經(jīng)濟(jì)的方式用較低的成本，為廣大市民提供打車服務(wù)。

2.3　構(gòu)建模型和程序編寫

計(jì)算模型應(yīng)根據(jù)確定的變量采用參數(shù)化建模方式進(jìn)行構(gòu)建。利用控制變量的值控制天窗區(qū)域的生成與整個(gè)模型進(jìn)行復(fù)合，再將模型整體導(dǎo)入計(jì)算引擎中進(jìn)行計(jì)算，將計(jì)算結(jié)果輸入多目標(biāo)工具中進(jìn)行對比，找到在整個(gè)解集空間中的位置，利用多目標(biāo)引擎自動(dòng)變更變量實(shí)現(xiàn)循環(huán)。

參數(shù)化模型可以按建筑部件進(jìn)行建模，將建筑分為墻、屋面、天窗、地面、窗戶等，分別在Ladybug程序中進(jìn)行透光率、反射率的設(shè)置。應(yīng)注意保證研究部位的參數(shù)靈活性和值域，避免隨機(jī)生成參數(shù)時(shí)發(fā)生錯(cuò)誤，或產(chǎn)生與現(xiàn)實(shí)不符的取值結(jié)果。

本案天窗參數(shù)化建模程序、模型材質(zhì)賦予程序如圖2、圖3所示。

模擬程序（見圖4、圖5）分別以Ladybug中動(dòng)態(tài)采光模擬和靜態(tài)采光模擬的相應(yīng)模塊為核心進(jìn)行設(shè)置，利用DaylightFactor模塊、AnnualDaylight模塊、AnnualRadiation模塊和ASE模塊分別計(jì)算采光系數(shù)、UDI、太陽輻射量和眩光發(fā)生的可能性。4個(gè)模塊需要設(shè)置相同的模擬參數(shù)，按綠色建筑評定常用的8：00 —18：00的10 h模擬時(shí)段設(shè)置時(shí)間表，將計(jì)算引擎輸出端的數(shù)據(jù)分別連接至Octopus的輸入端，完成后啟動(dòng)模擬引擎，進(jìn)行一次隨機(jī)參數(shù)的模擬，為多目標(biāo)優(yōu)化輸入原始數(shù)據(jù)。

圖2　天窗參數(shù)化建模程序

圖3　模擬模型材質(zhì)賦予程序及參數(shù)

2.4　進(jìn)行多目標(biāo)尋優(yōu)

尋優(yōu)采用遺傳算法進(jìn)行，具體采用遺傳算法中的HypeE算法。計(jì)算機(jī)科學(xué)領(lǐng)域的研究中，HypeE算法具有對大量數(shù)據(jù)收斂性好、計(jì)算效率高、避免陷入局部最優(yōu)解等優(yōu)點(diǎn)。在Octopus工具中，計(jì)算結(jié)果以可視化的界面展示，并在每次迭代中記錄全部結(jié)果，根據(jù)帕累托最優(yōu)原理求解出帕累托前沿。最終可以通過人工選擇，在帕累托前沿解集中找到最符合期望的解。

帕累托前沿通常是一個(gè)包含不同優(yōu)化方向最優(yōu)結(jié)果的解集，在以滿足采光強(qiáng)度和采光均勻度為前提進(jìn)行結(jié)果篩選后，根據(jù)實(shí)際需求可以選擇某傾向最突出的結(jié)果，或最均衡的結(jié)果。

圖6為Octopus中結(jié)算完成后的三維解集空間，圖中每個(gè)小方塊代表一個(gè)解，有兩種方塊，一種代表帕累托前沿解，其顏色代表單位面積年太陽輻射量，越接近紅色代表數(shù)值更大，越接近綠色代表數(shù)值更小；一種是一般解，其顏色深淺代表解出現(xiàn)的時(shí)間，較深的顏色出現(xiàn)時(shí)間較近。當(dāng)關(guān)閉非前沿解后，可以明顯觀察到帕累托前沿解的分布，將解傳回軟件計(jì)算后可得到精確結(jié)果，進(jìn)行進(jìn)一步的選擇。

3　實(shí)證分析

圖4　采光系數(shù)、采光有效性、太陽輻射量模擬程序及參數(shù)

圖5　ASE模擬程序及參數(shù)

圖6　解空間透視圖

圖7　白云站總平面分析

圖8　白云站屋頂平面圖

圖9　白云站站廳層采光分析

表1　主要功能空間采光系數(shù)分析

圖10的空間①為白云站站房高架候車層候車廳，東西長約223 m，南北寬約107 m，設(shè)計(jì)高度27 m，是進(jìn)行分析的空間?？臻g②為候車廳兩側(cè)設(shè)置的檢票、旅客服務(wù)、商業(yè)等輔助功能空間，東西長約223 m，南北進(jìn)深約20 m，高約6.5 m，空間③表示候車廳安檢等候區(qū)，是旅客快速通過、短暫駐留的空間?？臻g④為設(shè)計(jì)光谷，空間⑤為商業(yè)空間和交通空間。空間⑥為從站廳層至站臺(tái)層的交通空間，屬于戶外，空間⑦為進(jìn)站廳，為半開放空間，對測試面的模擬指標(biāo)不構(gòu)成影響，故建模時(shí)只構(gòu)建標(biāo)示的室內(nèi)空間以及屋頂。其中候車廳部分是天窗采光所服務(wù)的空間，將候車廳地面上1.5 m平面作為照度分析的分析面，

3.1　變量設(shè)置

變量設(shè)置主要包括天窗參數(shù)化生成的變量、模擬模型各部分材質(zhì)特性的變量、測試面的變量的設(shè)置。本案例中，天窗變量包括天窗的面積比、數(shù)量與布局、透光率。其中面積比根據(jù)規(guī)范要求，設(shè)置1%～20%區(qū)間，數(shù)量根據(jù)單個(gè)天窗的尺度控制，設(shè)置在1～20個(gè)之間。材質(zhì)特性的變量主要包括各界面的透射比、反射率的設(shè)置，根據(jù)《建筑采光設(shè)計(jì)標(biāo)準(zhǔn)》中透光材料表的透光率范圍，透光率在0.65～0.91區(qū)間，反射率根據(jù)材料設(shè)置。測試面的變量主要包括測試面的選擇、測試點(diǎn)的數(shù)量，本案設(shè)置每6米一個(gè)測試點(diǎn)，共有820個(gè)測試點(diǎn)平均分布。該網(wǎng)格大小兼顧了計(jì)算精度與計(jì)算速度。

圖10　白云站站廳層平面圖

3.2　構(gòu)建模型和輸入程序

模型依據(jù)白云站BIM模型（見圖11）簡化，按《綠色建筑設(shè)計(jì)標(biāo)準(zhǔn)》對建筑采光模擬的要求，設(shè)置墻體反射率為0.5，屋頂反射率為0.75，地面反射率為0.3，側(cè)界面窗透射比為0.65。天窗透射比根據(jù)《建筑采光設(shè)計(jì)標(biāo)準(zhǔn)》提供的范圍在0.65～0.91間變化，步長為0.01；根據(jù)《建筑采光設(shè)計(jì)標(biāo)準(zhǔn)》屋頂透光面積不大于20%的要求，面積比設(shè)置為0.01%～20.00%，數(shù)量為1～21，步長為1。設(shè)置依據(jù)為21條時(shí)，天窗寬度約為3 m，屬于常見的較小的天窗尺度，更小的天窗尺度將不適于這種大體量建筑。該模擬模型中還包括光谷處玻璃屋頂，候車空間東西立面的玻璃幕墻、東西立面的懸挑“花瓣”形遮陽雨棚。但將彎曲的花瓣造型簡化為平屋頂挑檐。屋頂在南北側(cè)作為遮陽構(gòu)件的條形構(gòu)件按設(shè)計(jì)圖紙的寬度和標(biāo)高進(jìn)行建模，但為了模擬數(shù)據(jù)簡化不作彎曲處理，材質(zhì)同屋頂材質(zhì)。最后建立的模型如圖12所示。

在模型頂界面具有遮陽作用的各部分進(jìn)行分別設(shè)置，以達(dá)到切合實(shí)際的效果。其中屋面板、中心跨結(jié)構(gòu)柱、夾層構(gòu)件等均采用相同的面層材質(zhì)，光谷頂部、天窗、側(cè)窗采用相同的透光材料，根據(jù)《建筑采光設(shè)計(jì)標(biāo)準(zhǔn)》引入窗玻璃的污染折減系數(shù)為0.6，窗結(jié)構(gòu)的擋光折減系數(shù)為0.65，廣州為污染一般城市、南方多雨地區(qū)，水平天窗按傾斜天窗取窗玻璃污染系數(shù)。垂直幕墻的玻璃污染折減系數(shù)為0.75，結(jié)構(gòu)擋光折減系數(shù)為0.65，經(jīng)計(jì)算后作為天窗和光谷的材料總透射比。

圖11　白云站BIM模型

圖12　白云站多目標(biāo)優(yōu)化模型

3.3　多目標(biāo)優(yōu)化

將模型各界面在Ladybug中設(shè)置好材料、反射率、透射比等數(shù)值后，將廣州的中國標(biāo)準(zhǔn)氣象數(shù)據(jù)文件輸入計(jì)算引擎，進(jìn)行計(jì)算。經(jīng)過約24 h的運(yùn)行后計(jì)算收斂，此時(shí)迭代計(jì)算大約進(jìn)行了27代。在設(shè)置中選擇只顯示最后一代的帕累托前沿解后，采用采光均勻度-sDF平面觀察，手動(dòng)篩選出帕累托前沿中滿足采光均勻度大于0.7且sDF大于0.6的點(diǎn)，作為初步的理想解集（見圖13）。

解空間的平面視圖（如圖13所示）示出了sDF（3.3）大于0.6且采光均勻度大于0.7的區(qū)域，該區(qū)域符合對優(yōu)化結(jié)果的預(yù)期。將區(qū)域內(nèi)的3個(gè)點(diǎn)參數(shù)返回模擬模塊讀取，并按面積比大小排序（見表1）。

3個(gè)樣本對應(yīng)的偽彩圖見表2，彩圖上用顏色表達(dá)數(shù)值的高低，紅色為更高值，藍(lán)色為更低值，由藍(lán)-黃-紅過渡，其中采光系數(shù)的藍(lán)色-紅色代表的值域?yàn)?～7%，UDI（495，2 000）藍(lán)色-紅色代表的值域?yàn)?～100%，RAD藍(lán)色-紅色代表的值域?yàn)?～50 000 mW/㎡，ASE（1 000，250）藍(lán)色-紅色代表的值域?yàn)?～250 h。3個(gè)樣本的模擬結(jié)果及對應(yīng)的天窗參數(shù)見表3。

圖13　帕累托前沿解的優(yōu)選示意圖

表2　優(yōu)選的優(yōu)化方案偽彩圖對比

表 3　優(yōu)選的優(yōu)化方案參數(shù)及指標(biāo)對比

通過對優(yōu)化結(jié)果和偽彩圖的分析可知，3個(gè)樣本在sDF（3.3）方面均滿足超過60%，采光均勻度方面均達(dá)到70%，滿足基本要求。樣本3的sUDI（495，2 000）明顯小于樣本1和樣本2，且年太陽輻射量更大，表現(xiàn)較差。對比3個(gè)樣本的ASE（1 000，250）模擬，樣本3的ASE指數(shù)大于10%，不符合LEED對于該指標(biāo)的要求，故舍棄樣本3。對比樣本1、2，在基本要求均達(dá)標(biāo)的情況下，樣本1有更高的采光有效性，且年太陽輻射低于樣本2，達(dá)18%，為更優(yōu)。

3.4　優(yōu)化結(jié)果與原方案對比

在相同的氣候條件和模擬精度下，對原方案進(jìn)行模擬，與經(jīng)過多目標(biāo)優(yōu)化的方案進(jìn)行對比，結(jié)果見表4、表5。

從優(yōu)化前后的結(jié)果分析可知，原方案在國內(nèi)采光設(shè)計(jì)標(biāo)準(zhǔn)體系下，只考慮了采光系數(shù)要求，對于天窗同時(shí)滿足各類指標(biāo)的情況考慮不足。對比模擬結(jié)果，原方案采光系數(shù)滿足要求的區(qū)域?yàn)?00%，偽彩圖顯示采光系數(shù)整體偏高，而優(yōu)化方案采光系數(shù)在4%～5%之間，屬于能夠正常作業(yè)且比較柔和的強(qiáng)度，有71%的面積滿足采光標(biāo)準(zhǔn)，大于規(guī)范要求的60%，已能夠達(dá)到綠色建筑的高標(biāo)準(zhǔn)采光要求。采光均勻度方面優(yōu)化方案達(dá)到73%，具有更好的采光均勻度；原方案均勻度較高，是因?yàn)檎w采光系數(shù)均高，雖然接近70%，但實(shí)際情況劣于優(yōu)化方案。綜合sUDI（495，2 000）指標(biāo)看，原方案采光的有效性不佳，全年分析采光過度的時(shí)段過長，sUDI（495，2 000）指標(biāo)只有6%，而優(yōu)化方案全年照度處于［495，2 000］lx的人眼舒適區(qū)間超過50%的時(shí)間的面積有91%，使用者可以在更加符合人眼適應(yīng)度的環(huán)境下候車和工作。從年太陽輻射分析，原方案單位面積接受的年太陽輻射達(dá)到55 544.07 mW/㎡，高于優(yōu)化方案84%，優(yōu)化方案能夠接受更少的太陽輻射從而節(jié)約空調(diào)能耗，更加符合綠色建筑要求。在眩光控制方面，原方案ASE（1 000，250）指數(shù)達(dá)46.6%，遠(yuǎn)超LEED指標(biāo)中的10%，證明有較高可能發(fā)生眩光，而優(yōu)化方案中該指數(shù)為0%，發(fā)生眩光的可能性很低。

表 4　優(yōu)化方案與原方案指標(biāo)對比

表 5　優(yōu)化方案與原方案偽彩圖對比

圖14　原方案模型

圖15　優(yōu)化方案模型

綜上所述，當(dāng)天窗的面積比調(diào)整為10%，數(shù)量調(diào)整為16條，透光率增加至0.76時(shí)，能夠獲得更好的建筑綜合性能。生成的優(yōu)化方案模型與原方案模型分別見圖14和圖15。

4　結(jié)論

文中從高架鐵路客運(yùn)站前期平天窗形式確定后的具體天窗參數(shù)著手，采用Rhino、Grasshopper參數(shù)化建模和Ladybug、Octopus工具結(jié)合，整合了一套可以多目標(biāo)優(yōu)化的方案量化生成方法，并以廣州白云站為例進(jìn)行了應(yīng)用和分析，得出以下結(jié)論：

（1）對于建筑性能的優(yōu)化，應(yīng)采用多目標(biāo)方法進(jìn)行，保證設(shè)計(jì)時(shí)能夠盡量全面地均衡各方面的性能，并同時(shí)滿足多種評價(jià)體系的要求。

（2）通過多目標(biāo)優(yōu)化工具，利用算法尋優(yōu)和計(jì)算機(jī)的強(qiáng)大算力，可以有效實(shí)現(xiàn)多目標(biāo)設(shè)計(jì)，并且能夠可視化地、量化地對優(yōu)化的程度進(jìn)行評判。計(jì)算機(jī)能夠給出多樣化的運(yùn)算結(jié)果，簡化了調(diào)整方案的過程，提高了設(shè)計(jì)效率。

（3）本研究提出的多目標(biāo)優(yōu)化設(shè)計(jì)方法可以應(yīng)用于不同的地區(qū)，通過簡單修改也能夠應(yīng)用于建筑的不同部位，可為更多高鐵站平天窗設(shè)計(jì)和多目標(biāo)設(shè)計(jì)方法提供研究思路和參考。

［1］ 肖曉偉，肖迪，林錦國，等．多目標(biāo)優(yōu)化問題的研究概述?［J?］?．計(jì)算機(jī)應(yīng)用研究，2011，28（3）：805-808，827.

XIAO Xiao-wei，XIAO Di，LIN Jin-guo，et al．Overview on multi-objective optimization problem［J］．Application Research of Computers，2011，28（3）：805-808，827.

［2］ 李京津．基于“日照適應(yīng)性”的城市設(shè)計(jì)理論和方法［D］．南京：東南大學(xué)，2018.

［3］ LAGIOS K，NIEMASZ J，REINHART C F．Animated building performance simulation （ABPS）-linking Rhinoceros/Grasshopper with Radiance/Daysim［C］∥ Proceedings of Fourth National Conference of IBPSA-USA．New York City：IBPSA 2010：321-327.

［4］ 駱漢賓，周迎，朱凌，等．大型公共建筑項(xiàng)目節(jié)能建造智能技術(shù)研究與應(yīng)用［Z］．武漢：華中科技大學(xué)，2019.

［5］ 董軼欣，李綏，Martin Wollensak．基于參數(shù)化技術(shù)的建筑方案階段節(jié)能設(shè)計(jì)研究——以德國北部地區(qū)能源學(xué)校項(xiàng)目為例［J］．建筑節(jié)能（中英文），2021，49（6）：21-29.

DONG Yi-xin，LI Sui，Martin Wollensak．Energy-saving design of building scheme stage based on parametric technology：analysis of the energy school project in Northern Germany［J］．Journal of BEE，2021，49（6）：21-29.

［6］ 王靜．綠色建筑節(jié)能設(shè)計(jì)平臺(tái)中算法的研究與應(yīng)用［D］．西安：西安電子科技大學(xué)，2018.

［7］ 袁一美，韓昀松，梁靜，等．基于太陽輻射利用的寒地建筑組團(tuán)形態(tài)優(yōu)化設(shè)計(jì)研究［J］．南方建筑，2018（2）：14-18.

YUAN Yimei，HAN Yunsong，LIANG Jing，et al．A study on community form optimization in the severe cold zones based on solar radiation utilization［J］．South Architecture，2018（2）：14-18.

［8］ 王鑫．賴特建筑創(chuàng)作中的節(jié)能策略及其設(shè)計(jì)啟示［J］．新建筑，2006（3）：86-88.

WANG Xin．Energy-saving methods in Wright’s design and inspirations obtained ［J］．New Architecture，2006（3）：86-88.

［9］ 張少飛．基于Galapagos和Octopus的自然采光優(yōu)化設(shè)計(jì)方法論證——以機(jī)構(gòu)養(yǎng)老建筑居室側(cè)向采光口為例［D］．天津：天津大學(xué)，2017.

［10］ 吳杰．基于參數(shù)化方法的城市住區(qū)熱環(huán)境多目標(biāo)優(yōu)化設(shè)計(jì)研究［D］．廣州：華南理工大學(xué)，2017.

［11］ 李彤．基于太陽熱輻射的建筑形體生成研究［D］．南京：南京大學(xué)，2016.

［12］ MOTAMEDI S，LIEDL P．Integrative algorithm to optimize skylights considering fully impacts of daylight on energy［J］．Energy and Buildings，2017，138：655-665.

［13］ TOUTOU A．?A parametric approach for achieving optimum residential building performance in Hot Arid Zone［D］．Mansurah：Mansoura University，2013.

［14］ 蘇朝浩，向科，施立陽．基于參數(shù)化設(shè)計(jì)之大跨度結(jié)構(gòu)形態(tài)及表皮體系優(yōu)化——以中國（海南）南海博物館屋蓋為例［J］．建筑技藝，2019（6）：64-69.

SU Chaohao，XIANG Ke，SHI Liyang．Optimization of long-span structural morphology and skin system based on parametric design：a case study of the roof of China（Hainan）Museum of South China Sea［J］．Architecture Technique，2019（6）：64-69.

Multi-objective Optimization of Flat Skylights in the Elevated Railway Station

JIANG Tao1，2，3LU Zhou1

（1. School of Architecture，South China University of Technology，Guangzhou 510640，Guangdong，China； 2. Architecture Design & Research Institute of SCUT Co.，Ltd.，South China University of Technology， Guangzhou 510640，Guangdong，China；3. State Key Laboratory of Subtropical Building Science， South China University of Technology，Guangzhou 510640，Guangdong，China）

Elevated railway stations are usually large-span buildings and require skylights. Traditional skylight design methods have difficulties in solving the multi-objective problem of complex requirements in lighting and energy-saving. In order to realize the multi-objective optimization of the flat skylight of the high-speed railway station, based on the pre-design parameter settings of the flat skylight of the elevated high-speed railway station, this paper constructed a set of genetic algorithm-based multi-objective optimization methods using Rhino and Grasshopper platforms, building performance simulation tool called Ladybug, and multi-objective optimization tool called Octopus. Multi-objective optimization method for flat skylight goes through the steps of determining variables, determining optimization objectives, building models and programming, using Rhino and Grasshopper to build a simplified parametric model, importing the Ladybug tool for performance analysis, and using Octopus tool to carry out iterative multi-objective optimization according to the analysis results. The optimization process can automatically change and simulate the parameterized part of the model, and record and compare the results of each change and simulation. And finally, it finds out the parameters that best meet the set multiple objectives. Returning the parameters to the parametric model can yield the optimal model and the corresponding building performance simulation results. Furthermore, an empirical analysis was carried out by taking Guangzhou Baiyun Station as an example. According to the requirements of the main lighting standards at home and abroad, the study first set the daylighting factor and the daylighting uniformity up to the standard, the useful daylighting illuminance as significant as possible, the possibility of glare occurrence as small as possible, and the solar radiation as small as possible as the target system. Then it used the method for multi-objective optimization. The results show that compared with the original scheme, the final scheme meets the basic standard of daylighting factor and has better lighting uniformity, useful daylighting illuminance, glare occurrence possibility, and solar radiation under the lighting intensity conditions. The proposed method has a wide range of application scenarios and more flexibility and can provide references for related research.

elevated railway station；flat skylight；multi-objective optimization；Guangzhou Baiyun Station

Supported by the Open Fund of State Key Laboratory of Subtropical Building Science （2020KA01，2015ZB09）and the General Program of Natural Science Foundation of Guangdong Province （2021A1515012378）

TU248.1

1000-565X（2022）07-0013-12

10.12141/j.issn.1000-565X.210631

2021-09-30

亞熱帶建筑科學(xué)國家重點(diǎn)實(shí)驗(yàn)室開放研究基金資助項(xiàng)目（2020KA01，2015ZB09）；廣東省自然科學(xué)基金面上項(xiàng)目（2021A1515012378）

蔣濤（1970-），男，博士，教授級(jí)高級(jí)工程師，主要從事綠色建筑與建筑設(shè)計(jì)理論研究。E-mail： 13302335888@126.com