《Journal of Building Engineering》:Deep Learning and Computer Vision for Small Residential Space Layout Generation and Quantitative Evaluation
编辑推荐:
本提出一种结合图神经网络与生成对抗网络的小规模住宅平面图生成与评估框架,从空间开放性、通行效率、功能布局合理性和空间适应性四个维度进行量化评价,实验表明预测结果与居民实际体验高度一致。
易曼|丁长香|张志环|舒萍
河北工业大学建筑与艺术设计学院
摘要
住宅平面布局的生成设计越来越受到关注;然而,关于小规模住宅空间布局生成和评估的研究仍然相对有限。为了解决这一差距,提出了一种集成模型,该模型利用深度学习和计算机视觉技术进行小规模住宅空间的布局生成和定量评估。该模型结合了图神经网络Graph2Plan和生成对抗网络Pix2PixHD,以生成功能性布局方案和带家具的布局计划。在此基础上,通过整合计算机视觉技术、空间句法分析和多标准决策方法,建立了一个分析框架,能够从四个维度对生成的方案进行定量评估:空间开放性、流通效率、功能布局合理性以及空间关系适应性。实验在一个30平方米的住宅单元上进行,对不同用户群体进行了定量布局分析。结果显示,模型预测与居民实际空间体验评估之间的平均Spearman等级相关系数为0.92,表明一致性很高。该评估系统基于空间逻辑和居住行为,支持生成设计模型,并通过理论和实践贡献促进了数据驱动和智能生成方法在建筑设计中的应用。
引言
随着生成式人工智能的快速发展,建筑设计正逐渐从经验驱动的模式转向数据驱动和算法生成的方法,显著提高了设计过程的效率。生成式设计利用数据集和算法,在相同的约束条件下能够创建大量的住宅平面图,从而突破了传统设计类型的限制,使得通过数据驱动的推理探索更有前景的空间组织成为可能。图神经网络(GNNs)和生成对抗网络(GANs)作为代表性的深度学习生成算法,为自动生成建筑平面图提供了新的可能性。然而,由于生成的功能性布局计划数量庞大,建筑师和居民在对其进行合理定量评估时面临挑战,难以选择和匹配合适的住房类型。现有的住宅平面图评估指标(如Fréchet Inception Distance (FID) 和 Graph Edit Distance (GED))主要针对计算机视觉任务(例如,评估真实平面图和生成平面图之间的相似性),无法提供有意义的建筑评估。因此,有必要建立一个全面且特定于领域的住宅布局评估框架。
城市化进程的加速导致城市人口持续增长,对有限的土地资源压力不断加大,许多大中型城市出现了日益严重的住房短缺问题。为应对空间限制和住房成本上升的双重挑战,小型住宅空间作为一种紧凑高效的住房类型应运而生,为城市住房问题提供了有希望的解决方案。这些空间旨在通过高效的空间组织、开放的空间布局和合理的功能布局,在有限的空间范围内满足完整的居住功能。其核心设计目标是最大化空间效率和适应性。在空间体验方面,小型住宅空间强调日常活动的效率和视觉通透性,旨在减轻有限楼面面积带来的封闭感。
本文建立了一个智能高效的框架,用于空间布局生成和定量评估。利用图神经网络Graph2Plan生成多种功能性布局方案,并结合生成对抗网络Pix2pixHD、计算机视觉技术、RPLAN数据集和空间句法理论,从四个维度(空间开放性、流通效率、功能合理性和适应性)对生成的平面图进行定量评估。该框架为建筑师在早期设计阶段提供了有价值的参考,并提供了灵活的优化路径以满足个性化用户需求。从技术上讲,它旨在扩展小型住宅空间的设计边界;从方法论上讲,它旨在解决城市住房的实际挑战。
相关研究
生成设计在平面图生成领域的应用
生成设计在图像生成、图像翻译和图像修复等领域展现了显著的能力,并近年来逐渐被引入建筑设计领域。在平面图生成的背景下,基于规则的生成方法目前主要分为两类:基于图像的像素级生成方法和基于图的结构性生成方法。研究方法
所提出的框架包括两个主要组成部分:“布局生成”和“评估与验证”。在布局生成阶段,基于RPLAN数据集和房间样本数据进行基本数据分析,然后使用图神经网络Graph2Plan生成功能性布局方案,并结合生成对抗网络Pix2PixHD生成带家具的布局计划,从而形成完整的平面图生成工作流程。
平面图的定量评估指标
为了系统地评估生成的功能性布局计划,开发了一个智能的平面图评估模型。该框架使用Python实现,并在Visual Studio Code等集成开发环境中进行开发。评估重点关注四个关键维度:空间开放性、流通效率、功能布局合理性和空间适应性,旨在提供准确和定量的住宅平面图性能评估。
实验验证
为了验证所提出的小型住宅空间生成和评估方法的适用性和有效性,选择了一个典型的矩形公寓布局作为案例研究。该布局的前沿宽度为4.0米,深度为7.5米,总楼面积为30平方米,位于住宅单元的西南角。根据这些空间参数,绘制了一个包含五个核心功能单元(公共区域、卧室、阳台、厨房和浴室)的气泡图。
讨论与局限性
通过开发一个用于平面图生成、布局筛选、家具布置和行为模拟的框架和工作流程,解决了小规模住宅空间生成设计中定量评估的挑战。通过将图神经网络Graph2Plan与生成对抗网络Pix2PixHD相结合,实现了从功能图到带家具布局图的端到端生成过程。
结论
随着人口增长和城市化的加速,城市对中小型住宅空间的需求持续增加。然而,住宅设计过程的迭代性质及其高昂的时间和劳动力成本带来了重大挑战,特别是用户群体的空间需求和使用偏好存在显著差异,进一步增加了设计的复杂性。在这种背景下,人工智能的出现
作者贡献声明
丁长香:可视化、软件、方法论、研究。张志环:可视化、监督、研究。舒萍:监督、项目管理、资金获取、数据整理。易曼:写作——审稿与编辑、撰写——初稿、可视化、软件、项目管理、方法论、研究、资金获取、形式分析、概念化
利益冲突声明
作者声明他们没有已知的可能会影响本文工作的竞争性财务利益或个人关系。
致谢
本研究得到了国家自然科学基金“微型住宅空间健康宜居性研究”(项目编号52078178)的支持。