高层高密度条件下,建筑群自动布局在城市规划领域具有潜在应用价值,但是若要满足现行建筑日照标准,技术实现难度很大。近年来,人工智能领域出现了深度强化学习方法,为解决这一技术难题提供了新的途径。本研究提出了两阶段布局方法,第一阶段基于控规指标产生初始布局,满足城市规划对建筑面积、建筑高度等的基本要求;第二阶段遵从深度强化学习的“一轴、二元、四要素”理论框架,对第一阶段的初始布局,在三维空间中进行优化,目标是满足城市规划的各项规定、指标,对于日照,综合考虑待建建筑、既有建筑之间的相互遮挡和叠加,最终布局符合常理。在北京、沈阳、郑州、上海、福州各选一个街坊,基于上述方法,做实验性的计算、求解,初步验证了该方法有效、可靠。
本研究仅针对住宅用地,对规划中的商业、办公建筑,人为纳入既有建筑。
该自动布局方法与一般控制性详细规划之间有两种应用模式:
(1)规划控制指标容易达成共识。可以检验常用指标是否适用,如:建筑的容积率、高度、最小间距、密度、后退红线,基地内、外的日照要求。
(2)规划控制指标敏感而存在争议。当外部条件比较苛刻,某些规则、指标很敏感,容易产生争议时,可以将指标设定在敏感性的边缘(如:容积率偏高、建筑密度偏低、建筑高度偏低或偏高),利用本系统检验规则、指标是否可行,对其他指标有什么影响。还可以不断调整规则、指标,产生多种布局,探索在什么条件下可突破经验值,接近极限值,这种策略近似于用规则、指标反推布局。
需要特别指出,本方法的计算结果是可行的布局,不是完整的设计方案,供有经验的规划设计人员参考,进一步深化、完善,不鼓励无经验的技术人员用本方法去“充当”设计高手,“战胜”有经验的设计者。
对人工智能的再认识。人工智能的应用,往往要符合如下条件:对事物的认知必须清晰,优化的目标无争议,判断是非的价值观应该中立。城市规划往往是:认知不清晰,目标有争议,价值观难妥协。对此,人工智能可以反过来发挥自己的优势:怎样揭示不清晰的认知?目标的冲突点在哪里?如何促使价值观妥协?