基于户外热舒适引导的三维城市建筑布局自动生成：一种无分类器条件扩散模型

《BUILDING AND ENVIRONMENT》：Outdoor Thermal Comfort-Guided Automatic Generation of 3D Urban Building Layouts: A Classifier-Free Conditional Diffusion Model

　　● 提出了一个以舒适为导向的3D城市布局生成的概念验证框架。● 开发了一种动态混合掩码策略以提升训练效率。● 引入了无分类器引导以实现可控的热舒适优化。● 提出了一种样本选择策略以实现性能导向的分布学习。● 将热舒适评估集成到生成模型的训练过程中。**引言**城市建筑布局是决定城市发展、公共健康和环境质量的关键因素，而非仅仅是物理配置 [1]。在快速城市化和气候变化的背景下，城市形态特征会对碳排放和人类福祉产生长期影响 [2]。建筑需求已经从基本功能性转向更健康、更舒适的生活环境。例如，《建筑能效指令》(EPBD) [3] 已将室内环境质量、热舒适、通风和使用者健康正式纳入法定建筑性能框架。同样，《住宅项目规范》[4] 强调住房应融入舒适性、可持续性、智能化和韧性，以全面提升住宅设计标准和环境质量。这些国际政策和标准表明，城市规划和社区设计正向以人为本的方向转变。随着全球变暖加剧和极端热事件频发，户外热环境已成为城市研究的主要关注点。现有研究表明，长时间的热应激与心血管疾病风险升高以及公共空间活力下降密切相关 [5,6]。城市空间配置会导致户外热舒适度的差异，包括城市峡谷效应 [7] 和城市热岛效应 [8] 等现象。因此，合理的城市规划和社区设计已成为提升热舒适度和城市可持续性的重要策略。在传统城市或社区设计过程中，设计师通常基于经验提出候选方案，同时考虑诸如规划法规、经济要求和政策目标等约束 [9]。随后通过模拟工具评估环境性能指标 [10,11]。这种工作流程计算成本高昂，限制了以舒适为导向的城市设计的创造力和有效性。人工智能的近期进展为城市规划和社区设计带来了新的机遇 [12]。与人类设计师相比，AI 模型能够快速探索设计空间，为空间配置、布局优化和多目标决策生成多样化的候选方案 [13]。设计范式逐渐从传统的演绎式工作流程转向数据驱动和迭代式方法。因此，城市规划和社区设计的数字化转型已成为全球趋势。例如，美国建筑师协会 (AIA) 不断推动参数化设计和智能决策工具在公共建筑项目中的应用 [14]。同时，英国数字建成英国中心 (CDBB) [15] 提议为基础设施和建成环境建立数字孪生系统，以支持规划决策和资产管理。这些政策和项目表明，智能设计已成为建筑、工程和施工 (AEC) 领域的长期方向。AI 辅助技术也越来越多地被采用以支持设计目标和决策。尽管在户外热舒适研究和智能设计方面都取得了进展，但这两个领域之间的系统性整合仍然 largely 缺失。首先，户外热舒适通常被视为事后评估指标，而非生成式设计过程中的指导目标 [16,17]。结果是，优化工作流仍依赖于由生成、模拟和重新设计组成的低效迭代循环。其次，城市规划和社区设计受到多种因素的制约，包括规划法规、人口状况、经济要求和环境考量 [18]。该领域当前基于 AI 的设计方法主要强调视觉表达或形态生成，而对设计规则与环境舒适之间交互的关注有限。因此，将热舒适目标嵌入到 AI 驱动的生成工作流中仍然是城市设计中的主要挑战。为了应对这些挑战，本研究提出了一个户外热舒适导向的社区级 3D 城市建筑布局生成框架，旨在探索将环境性能融入条件建筑体量布局。所提出的框架整合了人工智能、城市形态和环境评估，将环境舒适度指标纳入模型优化过程，同时满足基本的设计约束。基于从几个中国城市收集的城市建筑布局数据集，开发了一个用于 3D 城市建筑布局生成的条件扩散模型。城市规划指标，包括建筑高度、建筑类别、容积率 (FAR) 和建筑数量，被纳入多通道表示和条件输入以约束生成的布局。这些指标代表本研究考虑的主要全局规划约束，同时在设计早期阶段易于获取。此外，建立了一系列自动流水线来评估生成布局的普遍热气候指数 (UTCI)。对于每个目标区域，对扩散模型生成的多个候选方案进行跨不同测试用例的顺序评估，以识别具有优越热舒适性能的候选布局。选出的高性能布局随后被纳入原始训练数据集，以获得舒适导向的条件扩散模型。结果表明，所提出的模型在评估的测试用例中保持了稳定的布局生成和形态多样性。与评估用例下的其他生成模型相比，代表性 UTCI 舒适时长比性能的最大相对提升达到 1.54%，方差降低了 13.61%。所提出的框架探索了环境模拟结果与条件扩散模型的整合，为传统的事后评估工作流提供了一个概念验证的替代方案。总体而言，结果表明了将热舒适偏好融入生成式城市布局设计的可行性。**各节摘要****城市建筑布局中的 AI**城市建筑布局设计方法正逐渐从显式的基于规则的生成系统向数据驱动的生成范式转变。然而，平衡设计可控性、空间多样性和环境性能仍然困难 [19,20]。Stiny [21] 提出了形状语法方法，将建筑设计形式化为一种递归的基于规则的系统，能够通过确定性产生规则生成空间配置。随后，Hillier [**方法论**本研究提出了一个基于 AI 生成模型和户外热舒适的城市建筑布局评估与优化框架，如图 1 所示。在第一阶段，将城市级建筑数据集划分为多个社区级建筑簇，包含建筑高度和类别信息，以形成原始训练数据集。一个由规则引导的条件扩散模型使用从几个城市收集的建筑布局数据进行训练**结果与讨论**本研究设计了一系列对比实验，以在相同的目标区域和约束设置下评估条件 DDPM 框架和 CFG 机制的性能。基线模型是在数据集 $E_{ori}$ 上训练的条件 DDPM，没有 UTCI 引导或 CFG 机制。对于每个测试用例，在预设条件下生成多个建筑布局方案。使用函数 $S_{UTCI}$ 评估其户外热舒适，以评估整体**结论**本研究通过整合条件扩散建模与性能导向的环境评估及样本筛选策略，提出了一个以热舒适为导向的社区级城市建筑体量生成的概念验证框架。与传统的事后评估工作流相比，所提出的框架通过舒适导向的样本选择和无分类器引导，将热舒适信息引入模型优化阶段。实验结果**局限性与未来方向**初始训练数据集是从几个中国城市收集的，因此生成的布局形态表现出明显的区域特征。未来的研究可以纳入来自其他区域的数据集以改善模型泛化能力。尽管本研究采用了代表性的气候边界条件，但未明确模拟每小时风向变化、季节性气象变化和极端天气事件。未来的工作将扩展**生成式 AI 及 AI 辅助技术在写作过程中的使用说明**在本工作的准备过程中，作者使用 ChatGPT 协助翻译稿件并提高其可读性。在使用该工具后，作者根据需要审核并编辑了内容，并对本文的全部内容承担全部责任。**CRediT 作者贡献声明**李思浩：原稿撰写、可视化、软件、资源、方法、获取资助、数据整理、概念化。陈光耀：原稿撰写、资源、调查、形式化分析。梁阳泽：原稿撰写、资源、方法、调查。徐昭：审阅与编辑、指导、获取资助、概念化。Ivan Bratoev：审阅与编辑、可视化、验证、概念化。李林飞：撰写 李思浩|陈光耀|梁阳泽|徐昭|Ivan Bratoev|李林飞|Frank Petzold