引言

城市作为人类建成环境的密集区域，其对人类生活环境和全球范围自然生态的影响殊为重大。有数据显示，城市耗能为全球主要耗能的3/4，温室气体排放则为60%。面对城市建成环境的设计问题时，需要城市规划和建设领域的决策者们拥有谨慎的全局性观念，并创新性的使用先进的技术方法，尽可能探索出最优的解决方案。

目前绿色建筑、智慧城市、性能预测以及计算机优化算法等是在该领域的几大新兴技术。这些新趋势之间相互融合，并与逐渐普及的参数化设计相互渗透，催生出大量的整合性工作方法。有些业内人士因此认为当下和未来的理想建筑设计工作模式是“建模+模拟+分析+整合+优化的完整流程”。可见城市设计和建筑设计的实践流程甚至其设计工作的本体都已发生了根本的改变。

城市设计是介于规划设计与建筑单体设计之间的设计环节，由于相对较晚被确立为独立的研究范畴，其重要性获得了越来越多的关注，成为热点的研究领域。从绿色生态的设计理念角度看，为了将城市整体层面的节能减排和环境改善的目标落实到各个建设项目，需要充分利用城市设计的纽带作用，这也是城市设计层面物理环境优化设计的意义。

颜森（1986）指出，吉安方言属于赣语吉莲片，吉莲片的主要特点是没有入声，而全省其他地区一般都有入声，吉莲片古入声清声母字归阴平，浊声母字归去声。而油田镇地处新余市与吉安市交界之处，而新余话属于赣语宜萍片，宜萍片有入声，且入声不分阴阳，声母送气影响调类分化。油田话发音方式沾有新余话些许特征，较为特殊。因此，在选择发音字表上，单字调分为五类，阴平，阳平，上声，去声和入声。每一个调类选取13个单字，所有的单字都为日常常用字。

在规划设计和建筑设计领域的新技术趋势同样也出现在城市设计的当前发展中。在物理环境的舒适健康性能优化方面，整合型的“模拟+分析+优化”工作流程成为学者们探索的新课题：刘慧杰等人基于日照约束条件对住区建筑自动布局工具进行研究；陈佳明等人以住区室外热环境为评价标准开发了居住区热环境计算程序DUTE；申杰等人研究了居住区组团室外风环境优化工具以便优化住区室外风环境以及容积率。

然而，就研究的总体数量、覆盖范围以及研究深度而言，对城市设计中的性能自动优化的探讨仍不够深入，如各种物理环境性能状况与城市设计形式要素、形式组合之间的相互作用的机理研究较少，将自动优化技术用于城市设计多目标设计的实践经验也较为缺乏，此外各种方法研究中的整合度较低。这些都是我们开展整合性优化方法研究的出发点。

需求情况：国内市场方面，磷复肥会议过后，东北、西北地区二铵市场价格明朗，冬储价格较前期有所上涨，下游接受度不高，新单跟进放缓；华北地区有零星成交，价格延续秋季市场报价。出口市场方面，国际需求总体放缓，采购需求仍存，我国部分企业出口接单持续，但出口商谈价继续走低。

1 本研究的目标及框架

在城市设计中物理性能优化问题，尤其是应用了数值模拟技术作为分析手段的优化实践中，可以发现衔接不顺畅，或者说“脱节”，这一普遍性问题。本研究试图有针对性的提出一种整合性优化方法来解决，因此以下几个主要目标是其题中应有之义。

（1）该方法的框架设计具有在上下层次设计工作中传递优化目标和数据的可行性。

越秀带来一只藤箱，递给乔瞧。箱子里，满满的全是纸，纸上的字，全是秀容月明写的，写的只有两个字：乔，瞧。

为了获得整体较优的物理性能优化效果，避免各不同尺度、不同层次间工作的南辕北辙，应从城市规划到城市设计至单体设计，全流程贯彻相应的理念和量化目标。因此本研究将优化方法设计为“区域规划中的密度布局”和“城市设计中的多目标优化”的两阶段架构，根据这种架构选择适当的优化目标要素和数据形式，从而实现城市设计的纽带作用。

在包括总体规划和区域规划等层次的城市规划层面，目前能较好的将城市气候现象与城市环境信息、规划要素结合起来的方法是城市气候地图（UCM）理论。该方法最早由德国的学者提出，适用于分析大尺度的城市风、热综合环境效应以及城市污染物扩散情况等。我们参考香港的相关研究，使用UCM-PET的方法作为设计优化中的权重计算核心，其估算方法的特点主要是栅格化和赋值法。通过统计各种形态和属性的热累积综合结果获得整体风热环境评价值。具体来说，该方法在热累积方面考虑建筑体积值、地形、绿化等特征，在热削减（通风影响）方面考虑覆盖率、自然景观、海风、开放空间、临近坡地情况等特征，不同特征图层均有特定的热影响赋值。该方法便于在城市整体的背景下对各区域依据其地理环境特征和人为建设环境特征进行局地热环境的估算。

对于普遍采用模拟技术作为性能预测和优化手段的设计工作流程，其优化过程和性能预测过程的脱离往往造成工作过程的重复和时间成本增加。为解决这一矛盾，应将基于模拟的优化引擎作为核心，实现性能预测与设计优化的过程合一。

转型的“火山”——跨越不过去就可能被烧死。处于价值链低端的不利位置，需要企业选择转型求发展，但转型就像跨越火山那样不容易，一旦转型失败，可能会遭受灭顶之灾。

（3）在要素层面实现多种性能共同优化（或达标）。

这一问题与过程层面问题有内在的联系，当性能预测与设计优化脱节时，常常通过牺牲某些性能要素来换取另一些要素性能的提升，且优化的方向和效果不确定。通过采用目前前沿的多目标寻优技术能够更好的解决多种各性能要素之间错综的竞争关系，取得共同优化或用户定制优化的效果。

中国海油海外勘探布局特点：一是集中在海域，以海域勘探为主；二是以美国墨西哥湾、南美圭亚那、巴西为核心勘探区域，同时注重非洲尼日利亚及塞内加尔等周边的勘探；三是紧密关注勘探热点，圭亚那这一炙手可热的热点区域是中国海油并购尼克森能源所获得的意外惊喜，在巴西成功进入桑托斯盆地Libra深水项目、获取592区块100%权益，进入ACF Oeste区块则是中国海油力图抓住巴西深水潜力机会的表现，进入塞内加尔，是其对勘探热点感兴趣的一个标注；四是主要在政治稳定、投资环境良好国家开展业务，中东、北非等动荡地区资产明显单薄。

而那一个下午，老婆足足打了几个小时的电话，几乎把手机都打热了，我甚至感觉老婆似乎要把后半生所有的电话都在那个下午打完。值得庆幸的是，几乎所有接到电话的人，都无一例外地支持我做气管镜。尤其是我父亲，当即便决定乘坐当晚列车赶往哈尔滨。老婆也有此意，可惜的是，明天上午就要做手术，只怕父亲赶不上我手术了。

2 寻优技术方法和平台的选择

本研究对优化技术及平台进行选择的原则是能与多项性能预测技术，特别是性能数值模拟技术相耦合，同时需要考虑到前期工程的特点和快速决策的要求。

我们通过对自动优化在建筑设计领域应用的情况研究发现，近年来该类研究的技术方法方面有若干明显的共同特点：在软件开发方面，自主开发情况减少，以使用Rhino-Grasshopper（GH）（实际上也就是对电池组的连接）平台为主；在性能预测方面，全面转向采用数值模拟技术并集中于能耗、采光、热舒适方面；采用多目标进化算法（multi-objective evolution algorithm,MOEA）逐渐成为主流，当应用于Rhino-GH平台时主要采用Octopus模块SPEA 2算法。（SPEA 2与PAES、NSGAⅡ、NPGA 2、Micro-GA等都是第二代多目标优化算法的代表算法。第二代多目标优化算法以精英保留策略为主要特点，并大多采用Pareto支配的松弛形式调整收敛；在电子、结构、机器人等工程领域应用较多。）

  

图1 本研究所提出优化方法的基本特征图示

基于以上原则和发现，本研究没有采用Matlab、Modefronter、Genopt等非建筑类优化平台，此类优化平台有对自主编程要求较高、界面可视性较差的共同局限。此外由于优化设计的起点往往是形式要素设计接近于零的状态，因此对模拟建模完整性要求较高因此建模时间代价较高的BIM平台也不适用用。本研究选用的是在前期快速设计方面更有优势的Rhino- GH平台。此外由于Rhino-GH平台上有以Diva、Geco、Ladybug、Honeybee、Buttterfly等为代表的大量的环境性能分析插件，设置灵活以及交互性强，是实现模拟过程与设计过程整合的方便工具。在优化算法方面，本研究同样是采用主流做法，将Octopus 多目标优化模块的SPEA 2算法作为寻优运行的驱动核心。

本研究的区域尺度密度布局优化逆向使用UCM-PET原理，采用参数化设计的方法，对标准化单元模块进行自动的布局设计。

3 优化阶段1：区域尺度的密度布局单目标寻优

3.1 具有可传递性的优化目标

城市设计中的物理性能要求理论上应包含环境品质和能量要求的两大方面，我们的研究主要针对环境品质性能，其中包括热、风、光、声等四个基本性能。在上层次的区域优化设计中，作为优化目标的性能要素应与城市规划、城市设计相关度高、具有重大的影响并会对下层次设计产生可传递的数据，这样才能实现上层次优化对下层次的城市设计的有效约束。

从这个角度看，风环境与热环境由于能量传递影响范围较大、有能量累积的效果，从而具有在局域水平相互影响的显著特点，尤其适于从区域角度甚至城市规划进行整体优化，因而被确定为该层次的性能优化目标。而噪声能量水平较低，衰减效应明显，不具有在区域内累积和传递的特点，因此声环境优化适合较小尺度的研究。光环境主要包含日照条件与天然采光条件两方面，与声环境的优化问题类似，也不具有能量水平高、影响范围广的特点，因此在区域尺度优化中暂时排除。不过需要注意到，无法在不同尺度设计中传递的性能优化目标，如光环境中的日照问题，虽然无法从区域规划尺度开始考虑，但仍适合于在城市设计尺度的研究中作为增加的优化目标。

3.2 优化原理

（2）在过程层面实现预测过程与设计过程合一，以便迅速决策。

离子源：电喷雾离子源；扫描方式：负离子扫描；检测方式：多反应检测模式；干燥气体温度：325℃；干燥气体流速：6 L/min；喷雾电压：206.8 kPa。

3.3 自动寻优设计实验及结果

由于UCM-PET方法是将城市风热环境经权重后统一为热累积值进行评价，因此使用该理论核心的优化设计是单目标优化问题。与之适应，我们使用了Rhino-GH中的Galapagos遗传算法组件驱动参数化设计，以减小城市热岛效应为寻优设计的目的，即将优化目标设定为寻优区域内整体热累积值最小，计算搜寻最理想的密度布局解。这一阶段的优化设计以121Ha以内范围的抽象实验和蛇口某片区实际案例为对象，进行了两大类不同的实验。

第二阶段的优化设计选取了第一阶段的蛇口某片区案例中的局部用地，并采用了第一阶段密度布局优化结果所形成的该用地数据作为设计约束条件，进行进一步的城市形态设计优化。

实验经过50代遗传计算后，结果即趋于稳定，获得整体热累积最少的布局方案。对不同大小范围的抽象情况进行运行的结果如图2、表1以及图3所示。

日照优化目标：提高日照平均时数。参数选取建筑南立面0.9m高度处大寒日日照时数平均值，单位h；

我虽然以家庭为重，俯首甘为孺子牛，但仍会孜孜不倦地追求自己的所爱：文学与艺术。这只是为了追求过程中所得到的乐趣，并不是为了什么虚名。

该阶段的自动寻优设计在适宜的约束条件下形成了确定的空间设计格栅式的量化指标，这些量化指标可以成为下阶段优化设计的数据约束条件，由此便能实现物理环境性能的优化目标从区域规划向城市设计的上下传递。

4 优化阶段2：城市设计的多目标寻优

在运行中，首先确定总体区域开发强度以及网格化的周边环境属性作为约束条件，并依据深圳城市建设的典型情况定义出5种基本模块，分别用来代表绿地、道路、多层社区、中高层社区与高层社区。寻优求解分为：（1）对建筑模块的具体数量和比例不进行控制；（2）对各种建筑模块的最小比例进行控制，即布局包括至少10%多层、20%中高层及30%高层建筑区模块，这两种情况进行。

由于第二阶段的城市设计寻优中需要共同优化日照、热以及风等多个目标，且这些目标存在着互相制约或约束的关系，因此属于多目标优化（multi-objective problem, MOP）问题。在多目标优化问题中，可行解通常以集合的形式出现，因此求解多目标优化问题通常是指求解问题最优解集的问题。其数学描述如下：

两年后，老板终于松口，答应放李高明回家，条件是他必须做到春节前。李高明高兴，但他没有日历、手表，靠什么算日子呢？李高明看着工地旁的包谷地，估摸着等包谷收完了，再过一段时间，他应该就能回去了。“真的是看着那个包谷地过，等着时间回家。”

 

其中，fi（1≤i≤k）为目标函数，gi是约束条件。即求解具有k个目标函数和h种约束条件下的最优解的集合。

考虑到Rhino-grasshopper是目前最为适合的“模拟+设计生成”的整合平台，我们选取了该平台上的Octopus模块中的SPEA 2算法（此算法是较新的MOEA方法中较为可靠和主流的一种）来求解该MOP问题。

4.1 优化目标及目标函数计算

在第二个优化阶段，除了延续风、热环境优化的理念外，还加入了日照标准控制和日照环境优化的目标。具体的优化目标设置如下：

我们尝试了对同一种约束情况（指场地条件、建设强度限制等约束）从不同的优化初始状况开始优化，发现可以得到一致的优化设计结果，这也从侧面印证了自动寻优设计过程的收敛和结果的有效。

根据以上目标，本研究的优化方法以“传递性、多目标、快速决策”为特点，其中传递性决定了流程和目标要素范围，多目标和快速决策的要求决定了预测技术和优化平台的整合性能。整体构思和流程如图1所示。

 

表1 密度布局优化设计（范围为49ha）的结果参数统计

  

整体容积率1 无控制情况 2 有控制情况Δ P E T建筑模块数量绿地模块数量 平均P E T 建筑模块数量绿地模块数量 平均P E T 1.2 2 0 2 9 -1.5 5 2 2 2 7 -1.3 7 0.1 7 1.6 2 6 2 3 -0.8 2 3 0 1 9 -0.4 3 0.3 9 2.0 3 3 1 6 0.0 4 3 8 1 1 0.5 3 0.4 9 2.4 3 9 1 0 0.8 0 4 2 7 1.7 3 0.9 3

 

表2 优化参数设置

  

优化项 值的范围1.单体平面长宽比例 1、1.5、2、2.5、3 2.位置定位 随机3.单体高度 25～40层（代表高度75～120m的高层建筑），最小改变幅度为1层

 

表3 自动生成的不同目标最优解以及综合最优解的相关数据

  

辐射最优解值/优化率风速最优解值/优化率日照最优解值/优化率综合最优解值/优化率基准情况值/优化率辐射(kWh/m2)283.5/-2.7% 319.6/-9.7% 320.4/-10.0% 300.8/-3.3% 291.3风速放大比 0.314/+4.1% 0.325/+7.8% 0.324/+7.4% 0.325/+7.8% 0.301日照 (h) 6.82/+45.4%） 6.76/+44.1% 7.77/+65.7% 7.29/+55.4% 4.69

  

图2 不同用地情况的试验结果

  

图5 显示三目标寻优运算过程趋于收敛和结果有效的图表

  

图4 基准方案和自动优化设计的综合最优方案

  

图3 深圳蛇口某片区的密度布局自动优化设计案例（保证模块多样性情况下的结果：PET-1.44，A-7，B-13，C-30，G-6）

热环境优化目标：降低夏季场地辐

射得热。参数选取项目场地及周边100m范围内夏季日平均太阳辐射量I，单位kWh/m2；通过模拟获得，寻优中的目标函数为γ，γ=I。

风环境优化目标：针对深圳城市背景风场特点，以平均风速增高为优化目的。参数选取项目场地内的平均风速放大比。由于普通CFD模拟要求的运算代价较大，为适应城市设计中快速设计以及方案优化调整的需要，场地风速评估采用《城市居住区热环境设计标准》JGJ286-2013中所规定的公式计算得到，即其中，C为建筑密度，为平均迎风面积比，vTMD为典型气象日风速。寻优目标函数为

3.2 特色资源建构生物种类多样性 课前安排指导学生小组对尤溪特色的植物与动物种类进行调查，并对学生的调查结果总结进行课前必要的辅导。上课时请两组学生代表对尤溪珍稀植物与尤溪特色动物调查结果进行介绍。展示中师生适时地评价，其他学生补充不完善的地方，让学生交流中明确所在家乡具有的丰富特色生物资源(如尤溪的野生水松等)。

1906年12月，汪优游、朱双云、王幻身等在上海创立开明演剧会。“是年（1906年）江皖患水，饿殍载道。双云、优游辈，谋有以赈之者，乃发起开明演剧会，演剧助赈。”[2]541907年2月，开明演剧会在上海县城举行赈灾公演，历时5天，受到上海市民的欢迎，成为清末民初上海学生演剧活动成功的范例之一。[2]52在汪优游撰写的《我的俳优生活》一文中也有开明演剧会的详细记录：

4.2 约束条件及运行设置

以深圳实际工程中较为典型的情况作为项目限制条件，场地规模200m×200m，整体容积率5，各建筑单体正南北向布置，平面面积800m2，位置定位在满足南北24m、东西13m间距要求下随机定位，场地周边有已建成建筑。一些基本设置具体见表2。

O ctopus提供了两种收敛机制和三种变异机制，实验选用SPEA-2（标准改进强度帕累托收敛）和Polynomial Mutate（多项式变异算法）相配合，以获得较好收敛性和均匀性。Octopus中的主要参数设置：精英比例0.5，交叉概率0.8，突变概率0.1，突变比例0.5，种群大小50，最大迭代次数250，并将满足日照要求设置为随机约束条件。

4.3 优化结果及分析

计算约用时72小时，计算128代。通过观察优化指标的波动情况发现计算已收敛。

设置统一建筑单体的均匀错列式布局作为基准方案（图4a），比较寻优结果的优化程度。基准布局有局部不满足日照要求，如图中绿色部分所示。在进行所有较优解的目标值归一化计算的基础上确定综合最优解（图4b），并将各优化解的数据列于表3。

代表综合优化情况的归一化生成距离在优化中途（约66代）后基本停止波动（图5a）；在三个寻优目标函数之间形成了有效的帕累托前沿（图5b，5c）。说明系统寻优具有方向性，能够有效地接近最优解集。此外通过对各优化目标此消彼长的量化关系的研究，也能为具体的多目标优化问题中的牵制机理提供更多信息，便于做出符合用户偏好的科学、精准的决策。

结语

本文分析了城市设计中物理性能优化问题的多重优化目标，以最新的多目标优化算法为技术核心，提出了一套耦合了性能数值模拟和形式自动优化的设计方法。为使这种方法具有更强的适用性，本研究提出该设计方法应侧重于不同层次工作的数据传递、多性能目标共同优化以及快速决策这些重点进行整合，形成平台和流程的框架。通过解决具体技术问题，调试模型和基本模块的参数等办法，完成了针对实践案例不同规划和设计阶段的优化运行，并证实了该方法的可行性和合理性。本文提出的方法提高了多专业协同设计工作的效率，并减少了传统设计工作在性能优化方面对直觉式模糊认识的依赖，提高了设计决策的可靠性。

图、表来源

图3：深圳市蛇口地区法定图则；

其他图、表均由作者绘制。

参考文献

[1] Shi Z , Fonseca J, Schlueter A. A review of simulation-based urban form generation and optimization for energy-driven urban design[J]. Building and Environment. 2017，121: 119-129.

[2]吴杰.基于参数化方法的城市住区热环境多目标研究[D].广州：华南理工大学，2017.

[3]任超，吴恩融. 城市环境气候图——可持续城市规划辅助信息系统工具[M].北京:中国建筑工业出版社,2012.

[4] Urban Climatic Map and Standards for Wind Environment-Feasibility Study[M]. Department of Architecture, CUHK, 2008: 47-50.

[5]葛平安. 适宜快速城市化背景下的湿热地区城市气候图初步研究[D]. 广州：华南理工大学, 2014.

[6]郑向伟，刘弘.多目标进化算法研究进展[J].计算机科学，2007，34(1)：187-192.

[7]冯锦滔. 基于城市风热环境的空间布局自动寻优方法研究[D]．深圳：深圳大学，2017.

[8] Hamdy M, Nguyend A, Hensen Jan. A performance comparison of multi-objective optimization algorithms for solving nearly-zero-energy-building design problems[J]. Energy and Buildings 2016(121): 57–71.

[9] Kristoffer Negendahl, Toke Rammer Nielsen. Building energy optimization in the early design stages:A simplified method[J]. Energy and Buildings. 2015(105):88–99.