寒地鐵路客運樞紐候乘空間光環境多目標優化設計

宋海宏,謝法連,王魯帥,鄭殿煬,張慧娜

(1.東北林業大學園林學院,哈爾濱 150040； 2.中國城市規劃設計研究院深圳分院,深圳 518040)

引言

立足于“性能驅動”[1]設計思維蓬勃興起的時代背景，綠色建筑性能模擬技術[2]與參數化設計方法[3]日趨廣泛。候乘空間作為旅客完成從進站候車到乘車的主要活動空間，由于其諸多優勢，早已成為國內外交通樞紐中重要的空間形式，解決旅客基本使用需求已無法滿足當前客運樞紐綠色化、人性化的發展趨勢，還要考慮其舒適性。另外寒地鐵路客運樞紐建筑因受地域氣候等條件的影響，冬季日照時間短，進而導致人工照明時間增加。基于寒地地域特征的考慮，本研究以自然采光性能[4]為切入點，旨在提出寒地鐵路客運樞紐候乘空間光環境數字化優化設計流程、平臺與策略，從而提升寒地鐵路客運樞紐建筑優化設計決策精度，提高優化設計效率，增強優化設計過程對于復合性能的權衡能力。

隨著對建筑設計要求的不斷提升，既有的建筑設計理論的局限性逐漸凸顯。韓昀松建立了寒地辦公建筑形態GANN-BIM數字化優化設計平臺，指出了跨平臺交互的優勢[5]；楊鴻瑋基于Ecotect-Radiance-Daysim聯動平臺，對建筑進行建筑綠色化改造設計[6]；王振宇基于參數化設計平臺，提出了嚴寒地區的高層辦公建筑形態和表皮優化設計流程[7]；周白冰以Grasshopper為平臺運用多目標遺傳算法優化技術對寒地多層辦公建筑空間自然采光性能進行優化[8]；本文在此基礎上基于參數化設計平臺Rhinoceros & Grasshopper[9-10]展開，通過耦合建筑環境信息模型和多目標優化算法[11-12]，提出了綠色性能導向下的寒地鐵路客運樞紐候乘空間光環境數字化設計流程，促發了建筑優化設計過程由自上而下主觀決策轉變為自下而上自組織與性能導向自適應相協同的建筑環境雙系統動態耦合過程，解決了現有方法中存在的對空間參數考慮不周、優化用時長等問題，然后依據該流程提出寒地鐵路客運樞紐候乘空間光環境數字化設計策略，并結合建筑實例展開探討。

1 寒地鐵路客運樞紐候乘空間光環境數字化設計流程

寒地鐵路客運樞紐候乘空間光環境數字化設計流程由建筑與環境信息參數集成、設計參量與性能映射關系建構和多目標建筑空間優化3組子流程組成。以哈爾濱西站候乘空間為研究案例，首先應用寒地鐵路客運樞紐候乘空間光環境數字化設計流程(圖1)，然后采用基于自然采光性能的候乘空間光環境優化設計策略展開案例實踐。

圖1 寒地鐵路客運樞紐候乘空間光環境數字化設計流程

1.1 建筑與環境信息集成

建筑與環境信息集成是寒地鐵路客運樞紐候乘空間光環境數字化設計的第一項子流程。該子流程從設計目標、設計條件和設計參量三方面出發，立足寒地地域環境特征與設計條件，應用建筑信息建模技術[13-14]、參數化編程技術以及建筑性能模擬技術完成對建筑信息、環境信息和建筑性能指標的整合。研究首先展開建筑與環境信息集成，應用自然采光性能考量下的寒地鐵路客運樞紐候乘空間數字化設計策略，選取建筑朝向、平面長寬比、東西向窗墻比、天窗洞口與候乘空間面積比值、天窗高度等建筑幾何信息為設計參量，結合寒地鐵路客運樞紐候乘空間參數的抽樣調查結果，設計參量數值約束條件見表1。

表1 寒地鐵路客運樞紐候乘空間光環境設計參量約束條件

同時把全自然采光百分比(DA)、有效自然采光照度百分比(UDI)[15]以及全自然眩光概率(DGP)作為優化設計目標，應用建筑環境信息模型有序疊加寒地鐵路客運樞紐候乘空間材料與構造、幾何以及運行等建筑信息，構建的建筑參數化模型見圖2。

圖2 哈爾濱西站候乘空間參數化模型

構建多層級的建筑信息參數網絡，需要復合相應模塊體形、側窗、天窗設計要素及其子決策變量的信息。第一類決策變量由平面長寬比與建筑朝向兩個影響建筑體形設計的參量組成，對建筑案例實地測量，候乘空間為矩形，東西長度為318.6 m，南北向長度為68 m，即候乘空間的面積為21 664.8 m2，平面長寬比為4.69。經過查閱文獻與實際調研，將平面長寬比值域定為4.5～6.0，依據優化計算的時間確定參量模數為0.1。本文以寒地城市哈爾濱為例，寒地鐵路客運樞紐候乘空間最佳朝向為東偏北30°～東偏南30°，因此將實驗選取的建筑朝向值域定為-30°～30°，參量的模數定為2.5°。并且考慮自然采光模擬計算結果的準確性，疊加建筑高度等建筑幾何形態信息。第二類決策變量由東西向窗墻比2個影響側窗設計的參量組成，通過實地測量與參閱文獻，將建筑東、西方向窗墻比的值域定為0.45～0.55，參量的模數為0.01。第三類決策變量則主要針對由天窗洞口與候乘空間面積比值以及天窗高度組成的天窗設計參量[16]進行優化，從而確保天窗洞口的比例與高度都達到最優效果。對三類決策變量進行整合，圖3為其算法模塊。

圖3 參數化模型生成算法模塊

1.2 空間與性能關系建構

空間與性能映射關系建構子流程是寒地鐵路客運樞紐候乘空間光環境數字化設計的第二項子流程，設計者在該流程中將從建筑性能設計目標和建筑空間設計參量兩方面入手，應用建筑性能模擬技術構建建筑空間與建筑性能目標的映射關系。

自然采光性能模擬的優化目標分別為全自然采光百分比(DA)、有效自然采光照度百分比(UDI)以及全自然眩光概率(DGP)。利用Honeybee& Ladybug數字化技術平臺，模擬寒地鐵路客運樞紐候乘空間的自然采光性能，把性能模擬數據導入儲存模塊，形成可調用的數據庫。該流程分為三部分：模擬數據的前期采集、軟件模擬精度的實測驗證以及3個自然采光性能指標的模擬。

首先對模擬數據進行前期的采集，可分為搭建天空模型、賦予材料構造屬性以及設置環境參數等環節。日照環境影響建筑的自然采光性能，建筑案例位于典型的寒地城市哈爾濱，年平均的日照時間為4.4 h，冬季日照時長短，由圖4可知，哈爾濱地區的日照輻射量月均值在六月達到最大值，隨后逐漸降低，冬季達到最小值。針對寒地鮮明的地域氣候特征，本研究從實際觀測出發，以基于實測數據得出的天空亮度分布替代IWEC數據庫中的直射和散射輻射值，使用實測數據校正Perez天空模型，生成反映哈爾濱地區真實天空狀態的寒地光氣候特征的天空模型，即修正的Perez天空模型，提高對局地光氣候環境的反映精度。隨后設計者基于對候乘空間內建筑材料的反射率和透射率等光學屬性的實測，創建寒地鐵路客運樞紐候乘空間內常用材料的光學屬性數據組，設計者可依據需要調用不同材料的光學屬性數據，并將其與候乘空間參數構建自適應關聯關系，從而避免因調整方案造成重復建模，減少模擬實驗的耗時。本文將依據自然采光性能模擬所需的候乘空間和室內材料的光學屬性以及天空模型的數據要求，將寒地鐵路客運樞紐建筑和環境數據導入Ladybug、Radiance等模擬軟件中，并啟動模擬軟件計算自然采光性能指標。

在自然采光性能模擬中，需要對軟件模擬的準確性與可靠性進行驗證。對哈爾濱西站候乘空間光環境進行現場測量，候乘空間測量選取的高度為0.75 m，共選取32個測點，測試時間為2019年8月1日～8月16日，測量時間段為8:00～17:00，在每次測試時，分別對各測點測量3次，然后取其平均值作為實測照度值。在實測過程中候乘空間內人工照明裝置均處于關閉狀態僅自然采光，測點分布見圖5。

圖4 太陽輻射分析

圖5 測點布置示意

將照度模擬值與實測值導入SPSS軟件，對768組模擬數據與實測數據的Pearson相關性進行分析，由分析結果可知，自然采光照度模擬數據與實測數據相關系數為0.981，屬于高度相關。顯著性P值為0.000，小于0.01，具有高度統計學意義，可見實測數據與模擬數據之間為極顯著相關的關系。另外引入均方根誤差(Root Mean Square Error， rmse)來驗證數據的準確性。由計算結果可知，模擬值與實測值的均方根誤差為97.7，屬于允許的誤差范圍，因此，Ladybug與Honeybee等軟件對候乘空間內自然采光性能光環境的參數化模擬較為準確。

在DA與UDI模擬計算過程中，選取候乘空間的地面作為自然采光性能研究的測試網格面，把測點的高度定為0.75 m。根據上述搭建天空模型等環節對模擬數據的前期準備，應用Honeybee全年日照模擬方法對候乘空間自然采光性能進行模擬，獲得全自然采光百分比(DA)和有效自然采光照度百分比(UDI)的數據，其模擬程序流程見圖6。在DGP模擬計算中，對候乘空間中離窗邊1 m處的測點進行眩光分析，因為這里具有良好的采光，易生成劇烈明暗差異的眩光現象，圖7為其模擬程序的流程。

1.3 多目標建筑空間優化

設計者在進行候乘空間多目標性能優化的子流程中，通過擬作為評價條件的建筑性能指標和擬進行參數優化的候乘空間設計參量，采用遺傳優化搜索技術[17-18]，開展基于性能導向的寒地鐵路客運樞紐候乘空間光環境決策變量遺傳優化搜索的設計過程。候乘空間多目標優化的子流程是在性能驅動設計思維引導下，利用遺傳優化算法在解集空間中搜索出候乘空間帕累托最優解集的過程。

圖6 DA、UDI自然采光性能評價指標模擬程序流程

圖7 眩光指標DGP模擬程序流程

全自然采光百分比(DA)與有效自然采光照度百分比(UDI)屬于兩個自然采光性能動態評價指標。本實驗的目標為尋求兩個評價指標的最大值，首先通過遺傳算法分別累加測點DA、UDI的數值并求取平均值，由于Octopus模塊僅能求解目標函數最小值，而DA、UDI取值越大表示自然采光性能越好，因此需將上述均值運用函數轉換為負數的形式，然后通過代數運算連接至Octopus[19]模塊的O端。全自然眩光概率(DGP)作為第三個適應度目標，是衡量不舒適眩光的評價指標。根據表2將DGP模擬結果中小于0.4的時刻占全年總時刻的比例設為優化目標，在此范圍內會使旅客感受到舒適的自然光環境。選取候乘空間內距離窗邊1 m處的人視點模擬計算其一年內21日上午12點DGP的均值，利用代數運算，連接至Octopus模塊的O端。

表2 眩光發生概率(DGP)等級分類[20]

對優化目標的數據交互接口進行連接，在把3個目標函數連接至Octopus模塊的O端之后，將體形、側窗、天窗空間變量連接至Octopus模塊的G端。通對各參數控制模塊進行多層級關聯關系建構，其算法流程見圖8。在Octopus主界面將種群數量設置為100，變異率設置為0.100，交叉率設置為0.800，精英比例設置為0.500，最大代數設置為0，然后開始進行優化。

圖8 Octopus多目標優化算法流程與框架

2 寒地鐵路客運樞紐候乘空間光環境數字化設計實踐結果分析

本實驗共進行了50次迭代計算，在第15代優化收斂完成，獲得120個優化方案。對各代優化解集3個目標函數的最值和均值分布狀況進行解析，如圖9所示。由圖9可以看出，Pareto最優解的最小值的浮動范圍很小，但最大值的變化范圍較大，3個目標函數逐漸呈現出收斂的態勢，表明在所有解中Pareto最優解所占比例呈上升的趨勢，同時也反映出另外各代解集的支配集逐漸趨近于Pareto最優解；15代之后兩個最值分布狀態都趨于良好，優化率也呈穩定態勢。以全自然采光百分比(DA)為例，目標函數值在最初的幾代變化較為劇烈，隨著進化過程的推進，解集質量的收斂性雖有波動，但呈穩態發展，前15代的優化率顯著提高，15代之后優化率趨于平穩。DA與DGP也呈相似的態勢，優化率在15代之后呈現穩定態勢。通過對各代解集兩個最值以及平均值的分布狀況分析可以判定實驗呈優化收斂態勢，驗證了建筑空間設計過程中優化設計決策能夠在迭代計算中逐步改善候乘空間內的自然采光性能。

圖9 DA、UDI、DGP優化目標收斂分析

在Pareto最優解集中選定3種代表不同性能傾向的設計方案進行對比研究，由表3可知，多目標權衡較優方案①相比原始方案，優化目標DA與UDI分別提升了73.9%與20.7%，DGP則為95.0%；DA性能評價指標最優方案②相較于原始方案，3個優化目標DA、UDI與DGP分別提升了84.3%、17.5%與71.6%；UDI性能評價指標最優方案③與原始方案相比，3個優化目標分別提升了65.2%、30.6%與74.6%，3個優化設計方案的自然采光性能相較于原始方案都有顯著的提升。通過Octopus模塊對寒地鐵路客運樞紐候乘空間參數化模型的建筑性能指標進行多目標優化設計，設計者依據不同的性能傾向在龐大的解空間中選擇各項性能最優數值與設計約束條件下的單項性能相對最優值，使優化方案的多樣性得到了很大程度的改善，從而大幅提升候乘空間自然采光利用率。

表3 優化方案自然采光性能的提升分析

3 寒地鐵路客運樞紐候乘空間光環境優化設計策略

基于寒地日照時間短、氣候惡劣的地域環境特征，對寒地鐵路客運樞紐候乘空間進行多目標優化設計，分別從體形、側窗和天窗設計參量三方面總結出寒地鐵路客運樞紐候乘空間光環境數字化設計策略。

3.1 體形參量的設計策略

首先選取南北向的寒地鐵路客運樞紐候乘空間運行多目標優化，得出相應的帕累托前沿最優解集。由優化解集的實驗結果可以得知，建筑朝向的改變對全天然采光百分比(DA)影響最大，對有效自然采光照度百分比(UDI)和全自然眩光概率(DGP)的影響次之，南北向候乘空間最適宜的朝向范圍為東偏北30°～東偏南30°，隨著建筑在此范圍內向東偏北進行偏轉，目標函數DA逐漸增加，提高了對自然光的利用能力；UDI呈減小趨勢，即候乘空間自然采光質量逐漸降低；DGP則存在較小浮動，因此在候乘空間設計中需要預防不舒適眩光的發生，從而創造一個視覺愉悅的候乘空間光環境。

基于寒地氣候、地理環境等條件的制約，平面形態多以規則的長方形為主，在候乘空間的平面設計中，應當注意對平面長寬比的控制，過大容易導致體形系數的增加。由多目標優化實驗可知，平面長寬比的改變對目標函數DA和DGP影響較大，對目標函數UDI的優化率則改變較小。通過解析Pareto最優解集中平面長寬比變量對3個優化目標的影響，可以發現在建筑面積一定的情況下，在4.6～5.0范圍內的平面長寬比可有效提升全自然采光百分比(DA)，提升了候乘空間對自然采光的利用率；同時確保全年中候乘空間內自然采光照度值在有效值域(100～2 000 lx)內的時間百分比；并且可有效控制候乘空間的全自然眩光概率(DGP)在最適宜范圍內。從而為旅客創造良好的空間品質，有益于旅客生理、心理健康。

3.2 側窗參量的設計策略

建筑側窗是最常見的一種采光口形式，光線具有很強的方向性，有利于顯現立體造型，易與室外聯系等優點，缺點是光線分布不均勻，近窗處亮，遠窗處暗，易形成直接眩光，影響側窗采光效果的因素很多，主要集中在側窗形狀、側窗布置方式、側窗間間距。

候乘空間自然采光性能很大程度上受建筑側窗的影響，在寒地鐵路客運樞紐候乘空間光環境多目標優化實驗中，選擇的候乘空間為南北向，由于南北向沒有側窗，因此把東、西兩個方向的窗墻比側窗設計參量作為實驗的決策變量。通過寒地鐵路客運樞紐候乘空間光環境多目標優化實驗得出，增大東西向窗墻比增加了DA的數值，可大幅提升有效利用自然光的能力，但同時也提升了不舒適眩光發生的概率，因此在適當增加東西向窗墻比的同時應對眩光現象進行預防。另外考慮到西立面在夏季易產生嚴重的眩光現象，在設計中必須充分考慮其遮陽設計以避免長時間西曬。目前我國鐵路客運樞紐候乘空間主要采用外遮陽措施，外遮陽系統一般和建筑整體外立面結合在一起，可有效的遮蔽直射光，使柔和的自然光進入建筑內部。

3.3 天窗參量的設計策略

人們對自然光的心理需求愈加重視，近年來建成的國內外寒地鐵路客運樞紐建筑中多構建大量條形天窗，目的是將室外自然光引入建筑內部，提升候乘空間品質，因此研究天窗設計參量對候乘空間自然采光性能的影響十分必要。

由Pareto最優解集的解析可知，隨著天窗洞口與候乘空間面積比值的增加，優化目標DA的數值增幅較大，優化目標UDI和DGP的優化率則改變不大。因此適當擴大天窗比例提高了全自然采光百分比(DA)的數值，可有效提升自然采光的利用率，提高了工作面照度值在100～2 000 lx有效值域內的小時數與全年工作時間小時數的百分比。所以可適當增加天窗洞口與候乘空間面積比值，提升對自然采光的利用能力，但同時應控制不舒適度眩光(DGP)發生的概率。通過增加候乘空間的天窗高度有助于提高全自然采光百分比(DA)，從而更加充分地利用自然采光，但同時也會提高不舒適眩光DGP發生的概率。由多目標優化實驗可知，天窗高度的最佳的取值范圍為17～18 m，在此范圍內提高天窗的高度，可充分引入自然采光，避免直射陽光的大量進入，對有效提升候乘空間對自然光的利用率有重要的現實意義。

4 結論

本文建立了寒地鐵路客運樞紐候乘空間光環境數字化設計流程，提出了綠色性能導向下的多目標優化方法的流程框架。

(1)立足于寒地氣候特征，提出了候乘空間光環境優化設計流程與策略，基于自然采光性能設計目標展開建筑空間設計方案優化搜索，生成寒地鐵路客運樞紐候乘空間光環境帕累托前沿最優解集，提高了寒地鐵路客運樞紐候乘空間光環境優化設計精度。

(2)應用建筑信息建模技術對建筑、環境與建筑性能信息進行集成，然后利用參數化編程技術對各參數模塊進行編寫，將多層級關聯關系的建筑信息參數化控制模塊平行建構于數字化節能設計平臺中，從而將寒地建筑環境信息模型中的復雜數據結構降維，實現建筑信息的平板化布局、參數化控制以及自適應協同。

(3)通過耦合建筑環境信息模型和多目標優化算法，建構綠色性能導向下的候乘空間多目標優化設計流程，彌補了現有設計方法中存在的空間參數考慮不周、優化用時長等問題。

(4)應用建模、模擬與優化的流程框架，立足于自然采光性能，分別從建筑體形、側窗和天窗等設計參量對3個優化目標進行優化。對得出的Pareto最優解集的實驗結果進行解析，梳理出體形、側窗、天窗設計參量方面的寒地鐵路客運樞紐候乘空間光環境數字化優化設計策略。