鄧巧明，林文強(qiáng)，劉宇波（通訊作者），梁凌宇（通訊作者）/DENG Qiaoming,LIN Wenqiang,LIU Yubo (Corresponding Author),LIANG Lingyu (Corresponding Author)

0 引言

隨著計(jì)算機(jī)計(jì)算能力的飛速提升、算法的不斷改進(jìn)，以及信息技術(shù)帶來(lái)的海量數(shù)據(jù)，人工智能技術(shù)的發(fā)展又達(dá)到了一個(gè)嶄新的高度。在建筑領(lǐng)域，用于設(shè)計(jì)和建造的數(shù)字技術(shù)，在過(guò)去的20～30 年里一直在改變著建筑師的工作方式，今天的人工智能技術(shù)，特別是基于統(tǒng)計(jì)學(xué)理論，通過(guò)經(jīng)驗(yàn)數(shù)據(jù)來(lái)提升機(jī)器智能化水平的機(jī)器學(xué)習(xí)方法也將進(jìn)一步推動(dòng)建筑行業(yè)的變革。近些年，在結(jié)合大量數(shù)據(jù)樣本與機(jī)器學(xué)習(xí)算法模型特點(diǎn)進(jìn)行建筑風(fēng)格判別、城市空間特征識(shí)別、基于建筑形體的物理性能指標(biāo)預(yù)測(cè)、住宅平面的識(shí)別與生成等方面已有較多研究[1-5]，但結(jié)合設(shè)計(jì)邏輯思維過(guò)程探討基于用地條件與功能需求進(jìn)行總平布局生成設(shè)計(jì)的相關(guān)研究仍然較少。

總平布局作為設(shè)計(jì)前期多方案比較與確定深化方向的重要環(huán)節(jié)，通常需要建筑師綜合考慮場(chǎng)地條件、各功能要素的使用需求、設(shè)計(jì)規(guī)范法規(guī)等多種條件的限制與要求。以小學(xué)總平布局設(shè)計(jì)為例，既要考慮場(chǎng)地周圍道路情況、用地形狀等因素合理選擇場(chǎng)地主要出入口位置，也要滿足教學(xué)樓、體育館、運(yùn)動(dòng)場(chǎng)等功能要素的布局與相互位置關(guān)系的合理性，同時(shí)還要兼顧教學(xué)樓的朝向、噪聲間距等多方面的要求。這通常需要依賴建筑師大量的設(shè)計(jì)經(jīng)驗(yàn)與對(duì)全局的把控能力，進(jìn)行反復(fù)測(cè)算和比較，才能尋求一個(gè)最優(yōu)布局。本文希望以小學(xué)校園總平布局設(shè)計(jì)作為切入點(diǎn)，探討利用對(duì)抗生成網(wǎng)絡(luò)的機(jī)器學(xué)習(xí)的理念與方法，實(shí)現(xiàn)基于用地周邊道路和用地形狀等用地條件的校園總平布局設(shè)計(jì)自動(dòng)生成的思路與方法。

1 機(jī)器學(xué)習(xí)在布局設(shè)計(jì)領(lǐng)域的相關(guān)研究

布局設(shè)計(jì)是指在一定范圍內(nèi)將各種要素以合理的位置和相互關(guān)系進(jìn)行有目的組織的過(guò)程，涵蓋了包括海報(bào)排版、文檔布局、游戲場(chǎng)景設(shè)計(jì)、室內(nèi)家具布局、工藝生產(chǎn)線布局等多個(gè)領(lǐng)域，一直是計(jì)算機(jī)科學(xué)領(lǐng)域的重要研究課題。以往的研究更多是將布局設(shè)計(jì)看作一種模式計(jì)算問(wèn)題，并從計(jì)算機(jī)視覺(jué)、圖形學(xué)與機(jī)器學(xué)習(xí)等領(lǐng)域引入多種方法[6-7]。最近，神經(jīng)網(wǎng)絡(luò)的復(fù)興通過(guò)深度學(xué)習(xí)的方法再次推進(jìn)了相關(guān)研究，通過(guò)學(xué)習(xí)和訓(xùn)練可以建立一個(gè)針對(duì)布局設(shè)計(jì)的生成器或預(yù)測(cè)器[8-9]。

針對(duì)建筑布局問(wèn)題，保羅·梅里爾（Paul Merrell）等人（2010）使用貝葉斯網(wǎng)絡(luò)學(xué)習(xí)房間屬性關(guān)系，在不固定邊界的情況下使用隨機(jī)方法合成住宅的平面布局[10]。劉利剛等人（2019）提出了一種使用深度神經(jīng)網(wǎng)絡(luò)與概率推論的方法預(yù)測(cè)平面各房間位置，并計(jì)算房間大小與墻壁位置的兩階段方法來(lái)最終生成具有給定建筑邊界的住宅建筑平面圖[7]。黃蔚欣、鄭豪（2018）利用生成對(duì)抗網(wǎng)絡(luò)GAN 實(shí)現(xiàn)基于公寓平面圖紙的功能識(shí)別與基于功能色塊圖的平面圖紙生成過(guò)程[11]；斯坦尼斯拉斯（Stanislas Chaillou，2019）通過(guò)訓(xùn)練3 個(gè)GAN模型實(shí)現(xiàn)從基地到建筑輪廓，再到平面功能布局以及最后的家具布置的生成過(guò)程[12]；戴維·牛頓（David Newton，2019）探討了樣本量有限的柯布西耶風(fēng)格住宅平面布局生成問(wèn)題，并通過(guò)增加噪聲、旋轉(zhuǎn)等方法擴(kuò)充樣本量，提高GAN 模型的訓(xùn)練效果[13]。

上述研究中，計(jì)算機(jī)領(lǐng)域的劉利剛、建筑領(lǐng)域的斯坦尼斯拉斯都探討了利用機(jī)器學(xué)習(xí)的方法在只給定住宅輪廓的條件下生成住宅平面布局的方法與效果。值得注意的是，斯坦尼斯拉斯的研究還嘗試建立了從用地輪廓到住宅平面輪廓的映射變換，從而實(shí)現(xiàn)從用地條件到住宅平面功能布局以及家具布置的完整方案生成過(guò)程。但如果從設(shè)計(jì)師進(jìn)行總平布局設(shè)計(jì)時(shí)的設(shè)計(jì)邏輯與思維過(guò)程的視角來(lái)考慮，作為影響建筑布局設(shè)計(jì)的用地條件，除了用地輪廓或形狀之外，基地道路及周邊功能情況（住宅、商業(yè)、辦公等）也都是用地條件的重要組成部分，將直接影響總平布局中主要出入口位置、各功能要素的擺放結(jié)果。此外，用地條件與功能需求首先決定了一個(gè)合理的總平布局關(guān)系，建筑輪廓是在總平布局關(guān)系的基礎(chǔ)上各功能體塊大小與形態(tài)的結(jié)果，而不是總平布局關(guān)系的先決條件。因此，本文希望從設(shè)計(jì)的邏輯思維與機(jī)器學(xué)習(xí)算法模型特點(diǎn)入手，進(jìn)一步探討利用生成對(duì)抗網(wǎng)絡(luò)實(shí)現(xiàn)特定用地條件的小學(xué)校園布局生成設(shè)計(jì)的方法與效果。

2 基于Pix2Pix模型的小學(xué)校園設(shè)計(jì)布局生成方法

生成對(duì)抗神經(jīng)網(wǎng)絡(luò)（Generative Adversarial Networks，簡(jiǎn)稱GAN）是伊恩·古德費(fèi)洛（Ian Goodfellow）于2014 年提出的一種機(jī)器學(xué)習(xí)方法[14]，它包括一個(gè)生成模型（Generative Model）和一個(gè)判別模型（Discriminative Model），通過(guò)兩者之間互相博弈的方式來(lái)讓模型能夠解釋真實(shí)的數(shù)據(jù)分布規(guī)律，進(jìn)而生成新的圖像數(shù)據(jù)[15]。GAN與其衍生出的變種模型如CGAN、Pix2Pix（匹配圖像生成對(duì)抗網(wǎng)絡(luò)）、Pix2Pix_HD 等，被廣泛應(yīng)用于視覺(jué)與圖像領(lǐng)域，實(shí)現(xiàn)圖像補(bǔ)全、圖像生成（從文字到圖像以及從圖像到圖像等）、圖像風(fēng)格轉(zhuǎn)換等功能。本文采用的Pix2Pix 模型是菲利普·伊索拉（Phillip Isola）等人2017 年在GAN 基礎(chǔ)上改進(jìn)提出，將原有GAN 模型的輸入由隨機(jī)噪點(diǎn)改為圖片，并將輸入圖片與生成結(jié)果一起輸入判別器，最終實(shí)現(xiàn)從圖像到圖像的學(xué)習(xí)過(guò)程[16]。

本研究構(gòu)建的基于Pix2Pix 實(shí)現(xiàn)小學(xué)校園總平布局生成的主要流程：

（1）小學(xué)總平布局解析：解析小學(xué)校園總平面布局的基本組成部分與特點(diǎn)；

（2）構(gòu)建數(shù)據(jù)庫(kù)：收集和篩選小學(xué)校園案例，結(jié)合總平布局特點(diǎn)進(jìn)行樣本標(biāo)注，構(gòu)建小學(xué)校園總平面數(shù)據(jù)庫(kù)；

（3）模型建構(gòu)：利用構(gòu)建的數(shù)據(jù)庫(kù)劃分出來(lái)的訓(xùn)練數(shù)據(jù)集訓(xùn)練一個(gè)Pix2Pix 模型，實(shí)現(xiàn)校園總平布局生成；

（4）實(shí)驗(yàn)測(cè)試：利用構(gòu)建的數(shù)據(jù)庫(kù)劃分出來(lái)的測(cè)試數(shù)據(jù)集測(cè)試訓(xùn)練好的模型，對(duì)輸出數(shù)據(jù)進(jìn)行定性與定量相結(jié)合的分析，評(píng)價(jià)Pix2Pix 模型的訓(xùn)練效果。

2.1 小學(xué)總平布局解析

小學(xué)校園的總平布局設(shè)計(jì)是整個(gè)方案設(shè)計(jì)過(guò)程中極為重要的一步（圖1），需要綜合考慮學(xué)校辦學(xué)規(guī)模要求、各功能區(qū)使用需求與相互關(guān)系、交通流線等多種因素，合理安排校園各主要功能區(qū)位置，從而實(shí)現(xiàn)對(duì)資源高效合理的利用，并為進(jìn)一步的深化設(shè)計(jì)奠定重要基礎(chǔ)。

1 小學(xué)校園方案設(shè)計(jì)流程圖

小學(xué)校園的基本功能區(qū)主要包括由各種教學(xué)用房（教學(xué)樓、實(shí)驗(yàn)樓、辦公樓等）組成的教學(xué)區(qū)；由各種體育場(chǎng)、球類場(chǎng)地、體育館、游泳館等組成的體育活動(dòng)區(qū)；由學(xué)生宿舍、食堂等組成的生活區(qū)、綠化景觀區(qū)等[17]。在進(jìn)行總平布局設(shè)計(jì)時(shí)，應(yīng)以滿足師生教學(xué)活動(dòng)及管理需求為原則，結(jié)合學(xué)校用地條件與各區(qū)的功能特點(diǎn)、物理環(huán)境要求、流線組織關(guān)系以及相關(guān)設(shè)計(jì)規(guī)范法規(guī)等對(duì)校園主要出入口和主要功能區(qū)進(jìn)行合理安排和組織（圖2）。

2 中小學(xué)主要功能區(qū)關(guān)系簡(jiǎn)圖

2.2 構(gòu)建數(shù)據(jù)庫(kù)

2.2.1 數(shù)據(jù)篩選

樣本數(shù)據(jù)的收集與標(biāo)注是機(jī)器學(xué)習(xí)研究的基礎(chǔ)。小學(xué)校園總平設(shè)計(jì)樣本來(lái)自政府建設(shè)公告官網(wǎng)、各建筑設(shè)計(jì)網(wǎng)站以及建筑雜志與書籍等多種媒介，需要對(duì)收集到的樣本按一定的數(shù)據(jù)篩選規(guī)則進(jìn)行篩選（圖3）?？紤]到氣候、地形地貌以及經(jīng)濟(jì)發(fā)展水平等條件對(duì)總平布局的影響，樣本來(lái)源集中在具有相似的氣候區(qū)、地形條件和開(kāi)發(fā)建設(shè)強(qiáng)度的設(shè)計(jì)案例中，以減少不必要的樣本方差從而保證模型訓(xùn)練效果。按篩選要求共收集到302 個(gè)小學(xué)校園總平設(shè)計(jì)樣本。

3 樣本數(shù)據(jù)篩選規(guī)則示意

2.2.2 數(shù)據(jù)處理與標(biāo)注

收集到的樣本需要進(jìn)一步統(tǒng)一比例和標(biāo)注方式用于模型訓(xùn)練。首先以標(biāo)準(zhǔn)籃球場(chǎng)作為換算統(tǒng)一比例的基準(zhǔn)，將所有樣本比例調(diào)整為1:1800 放在240mm×240mm 大小的白色背景圖像上。然后使用不同的RGB 色塊來(lái)表示周邊道路、用地范圍、不同的功能建筑、運(yùn)動(dòng)場(chǎng)以及主要出入口（圖4）。

4 用不同RGB色塊表示的用地條件標(biāo)簽和布局標(biāo)簽（1-4繪制：林文強(qiáng)）

2.3 模型建構(gòu)

2.3.1 模型架構(gòu)

根據(jù)目前樣本的特點(diǎn)和規(guī)模以及從圖像到圖像的生成任務(wù)，我們采用基于cGAN 的Pix2Pix 作為小學(xué)校園總平布局生成的基本模型[16]。Pix2Pix模型中，生成器采用U-net 架構(gòu)[17]，判別器采用PatchGAN 架構(gòu)[18]（圖5）。

生成器（圖5，紅框所示）：生成器采用了16層卷積神經(jīng)網(wǎng)絡(luò)（CNN）的U-Net 結(jié)構(gòu)，每層網(wǎng)絡(luò)的神經(jīng)元個(gè)數(shù)分別為64,128,256,512,512,512,512,512,512,512,512,512,256,128,64,3，下采樣的卷積核與上采樣的反卷積核的大小均設(shè)置為4，步長(zhǎng)均設(shè)置為2，這使得生成器的輸入與輸出均為相同的大?。?56×256），輸入的圖像先通過(guò)前半部分的卷積層進(jìn)行關(guān)鍵信息提取，然后通過(guò)后半部分反卷積將提取到的信息轉(zhuǎn)譯為布局生成，通過(guò)淺層的特征圖短接到相應(yīng)大小的反卷積層，能夠使生成的布局圖像更好地保留場(chǎng)地形狀、大小和附近主干道信息等約束條件。

判別器（圖5，綠框所示）：判別器采用了5 層的卷積神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)，每層卷積網(wǎng)絡(luò)神經(jīng)元個(gè)數(shù)分別為64,128,256,512,1，判別器的輸入為生成器生成的圖像并接上生成器的輸入圖像，即需要判別真假的布局圖像和場(chǎng)地條件圖像。網(wǎng)絡(luò)的最后輸出為單通道32×32 的取值為0-1 的真假預(yù)測(cè)圖，預(yù)測(cè)圖上的每個(gè)數(shù)值對(duì)應(yīng)判別器輸入圖像的相應(yīng)位置上的70×70 大小圖像分塊的真假程度，取值接近0 說(shuō)明判別器認(rèn)為生成布局圖像上該圖像分塊的生成效果不佳，取值為1 則說(shuō)明判別器認(rèn)為該圖像分塊的生成效果接近真實(shí)布局圖像。

2.3.2 模型訓(xùn)練與測(cè)試

模型訓(xùn)練：Pix2Pix 模型訓(xùn)練會(huì)同時(shí)使用生成器與判別器；損失函數(shù)采用二分類常用的交叉熵?fù)p失，用于度量判別器上每個(gè)相應(yīng)圖像分塊上真假分類的損失；模型優(yōu)化采用Adam 優(yōu)化器進(jìn)行。在訓(xùn)練過(guò)程中，我們會(huì)隨機(jī)抽取15%的數(shù)據(jù)集樣本作為測(cè)試集（45 個(gè)），其余樣本作為訓(xùn)練集（257 個(gè)）。模型會(huì)將所有的樣本對(duì)學(xué)習(xí)一次，一個(gè)完整的周期稱為一次迭代，為了讓生成對(duì)抗網(wǎng)絡(luò)進(jìn)行充分學(xué)習(xí)。在參數(shù)設(shè)置方面，我們把epochs 設(shè)為2000，迭代優(yōu)化次數(shù)設(shè)為2000 次。由于GAN 訓(xùn)練的不穩(wěn)定性，初始學(xué)習(xí)率設(shè)置為較小的0.0002，在前600 次迭代保持初始學(xué)習(xí)率；在第600 次迭代后采用線性學(xué)習(xí)率衰減策略，每過(guò)100 個(gè)迭代學(xué)習(xí)率衰減為之前的0.1，優(yōu)化器動(dòng)量參數(shù)設(shè)置為0.5。迭代過(guò)程中算法會(huì)利用訓(xùn)練數(shù)據(jù)不斷優(yōu)化模型權(quán)重值，減少輸出圖像與真實(shí)圖像之間的損失值，從而使生成圖像越來(lái)越逼近真實(shí)圖像。

模型測(cè)試：當(dāng)模型訓(xùn)練完成后，在具有U-net架構(gòu)的生成器中輸入為帶有用地形狀和周邊道路標(biāo)注的圖片，就能獲得輸出為相應(yīng)地條件下的總平布局圖，如圖5 紅框所示。

5 基于cGAN的Pix2Pix模型，包含生成器與判別器（繪制：梁凌宇）

2.4 實(shí)驗(yàn)測(cè)試

將訓(xùn)練集樣本輸入到訓(xùn)練好的模型中輸出對(duì)應(yīng)的測(cè)試樣本，通過(guò)對(duì)測(cè)試輸入（input）、測(cè)試輸出（output）與真實(shí)樣本（ground-truth）進(jìn)行對(duì)比來(lái)分析檢驗(yàn)?zāi)Ｐ偷纳尚Чū?）。從整體上看，雖然大部分的生成結(jié)果與真實(shí)樣本并不完全一致，但主要出入口的選擇、功能布局關(guān)系等基本都能符合小學(xué)校園的設(shè)計(jì)要求，均具有很好的總平布局設(shè)計(jì)合理性，部分生成結(jié)果甚至優(yōu)于真實(shí)樣本的設(shè)計(jì)，如No.301 生成的布局較原有布局更注重教學(xué)樓、運(yùn)動(dòng)場(chǎng)長(zhǎng)軸方向的南北朝向布置，而真實(shí)樣本與道路平行布置的方式并不能滿足設(shè)計(jì)規(guī)范的要求；No.296 將校園主要出入口設(shè)置在次路上，相比真實(shí)樣本來(lái)說(shuō)能更好地避免學(xué)校主入口對(duì)城市交通的影響?？梢哉f(shuō)，經(jīng)過(guò)訓(xùn)練的Pix2Pix 能夠捕捉到用地條件與總平布局之間的映射關(guān)系，基本實(shí)現(xiàn)了預(yù)期的小學(xué)校園總平布局生成效果。下面主要從校園出口位置以及功能區(qū)關(guān)系等方面對(duì)45 個(gè)測(cè)試結(jié)果進(jìn)行統(tǒng)計(jì)分析。

表1 訓(xùn)練集測(cè)試的部分生成結(jié)果（繪制：林文強(qiáng)）

2.4.1 校園主要出入口位置

中小學(xué)校園主要出入口應(yīng)與市政道路相連，但要盡量避免設(shè)置在城市主干道上。首先統(tǒng)計(jì)生成結(jié)果與真實(shí)樣本中主要出入口位置位于不同等級(jí)周圍道路的占比情況（圖6），再?gòu)慕ㄖO(shè)計(jì)專業(yè)角度進(jìn)一步分析生成結(jié)果整體布局是否合理（搜集樣本時(shí)會(huì)刪掉設(shè)計(jì)明顯不合理的樣本數(shù)據(jù)，因而統(tǒng)計(jì)結(jié)果是否合理時(shí)，將生成結(jié)果與真實(shí)樣本的主入口一致的視為合理結(jié)果，表2）。結(jié)果表明，生成結(jié)果與真實(shí)樣本完全一致的占53.4%，當(dāng)有兩條或以上的周圍道路時(shí)，生成的主入口大部分位于次路，符合小學(xué)校園主入口與城市道路關(guān)系的一般設(shè)計(jì)需求。部分不一致的生成結(jié)果中有28.8%的測(cè)試結(jié)果屬于雖不一致但合理甚至更好的情況。總體來(lái)看，82.2%的生成結(jié)果具有合理的主入口選擇。

6 生成結(jié)果主入口位置的道路等級(jí)情況

表2 主入口選擇結(jié)果綜合評(píng)價(jià)（繪制：林文強(qiáng)）

2.4.2 教學(xué)樓與體育館、體育場(chǎng)的布局關(guān)系

體育館、體育場(chǎng)屬于小學(xué)校園體育區(qū)部分，是學(xué)生進(jìn)行體育教學(xué)、比賽及運(yùn)動(dòng)鍛煉的主要場(chǎng)所，其與教學(xué)區(qū)的布局關(guān)系需要注意噪聲控制方面要求。體育場(chǎng)與教學(xué)區(qū)的布局關(guān)系一般可以分為并列式、環(huán)繞式和復(fù)合式3 種模式，體育館依據(jù)其規(guī)模大小與教學(xué)區(qū)可分為獨(dú)立式、串聯(lián)式和組合式3 種組織方式。

將生成結(jié)果的教學(xué)樓與體育館、體育場(chǎng)的布局關(guān)系按上述模式進(jìn)行統(tǒng)計(jì)（表3），可以發(fā)現(xiàn)有95.6%的生成結(jié)果中包含體育館，其中91.2%是獨(dú)立式布局，這既符合我們訓(xùn)練集樣本中大部分體育館的布局模式，也符合一般條件下小學(xué)校園的設(shè)計(jì)思維。全部生成結(jié)果都包含體育場(chǎng)，且體育場(chǎng)與教學(xué)樓都是并列式布局模式，最大限度地避免相互干擾。

表3 生成結(jié)果的教學(xué)樓與體育館、體育場(chǎng)布局模式統(tǒng)計(jì)表（繪制：林文強(qiáng)）

2.4.3 教學(xué)樓朝向與體育場(chǎng)長(zhǎng)軸方向

考慮到采光與日照的需要，中小學(xué)校的教學(xué)樓應(yīng)盡量爭(zhēng)取南北向布置，或南偏東一定角度。同時(shí)，由于地球磁場(chǎng)和太陽(yáng)眩光等因素影響，《中小學(xué)建筑設(shè)計(jì)規(guī)范》也明確提出體育場(chǎng)長(zhǎng)軸宜南北向布置，因此教學(xué)樓朝向和體育場(chǎng)長(zhǎng)軸方向是否滿足南北向布置也是小學(xué)布局設(shè)計(jì)合理性的一個(gè)重要評(píng)價(jià)因素。

通過(guò)統(tǒng)計(jì) 45 個(gè)生成結(jié)果、45 個(gè)真實(shí)樣本以及257 個(gè)訓(xùn)練樣本中教學(xué)樓朝向和體育館長(zhǎng)軸方向在0°～180°分布情況（表4、圖7），可以發(fā)現(xiàn)，相較于真實(shí)案例和訓(xùn)練樣本，生成結(jié)果中教學(xué)樓和體育場(chǎng)長(zhǎng)軸是正南北朝向的占比更大，均超過(guò)80%，整體上優(yōu)于真實(shí)案例和其他訓(xùn)練樣本對(duì)設(shè)計(jì)規(guī)范中南北朝向的考慮，具有更好地合理性。

表4 教學(xué)樓朝向與體育場(chǎng)長(zhǎng)軸方向分布情況統(tǒng)計(jì)（繪制：林文強(qiáng)）

7 教學(xué)樓朝向和體育場(chǎng)長(zhǎng)軸方向分布概率圖（6.7繪制：林文強(qiáng)）

2.4.4 教學(xué)樓的噪聲間距

教學(xué)樓的噪聲控制分為教學(xué)樓樓間噪聲控制和教學(xué)樓與室外體育場(chǎng)噪聲控制兩個(gè)方面，規(guī)范要求間距控制均為不小于25m。樣本庫(kù)中教學(xué)樓均為單側(cè)布房，統(tǒng)一總進(jìn)深為11m，包括教室8m 和走廊3m，故只需教學(xué)樓間距不小于22m 即可滿足噪聲間距要求。教學(xué)樓與室外體育場(chǎng)間距核算方式為：當(dāng)室外體育場(chǎng)在教學(xué)樓南側(cè)時(shí)，室外體育場(chǎng)邊緣與教學(xué)樓邊緣最近的垂直距離不小于 22m，當(dāng)室外體育場(chǎng)在教學(xué)樓北側(cè)時(shí)，則該距離不小于25m（在一般的中小學(xué)設(shè)計(jì)中，對(duì)于單側(cè)布房的教學(xué)樓，考慮到陽(yáng)光直射的眩光問(wèn)題，常將走廊布置在南側(cè)，教室布置在北側(cè)）。

所有 45 個(gè)生成結(jié)果的噪聲間距統(tǒng)計(jì)結(jié)果見(jiàn)表5。生成結(jié)果中超過(guò)90%符合間距控制要求，其中教學(xué)樓樓間間距占比為 93.3%，教學(xué)樓與體育場(chǎng)間距占比為 95.6%，其中不符合要求的生成結(jié)果其間距計(jì)算值僅比22m 略小，原因可能在于數(shù)據(jù)標(biāo)記過(guò)程中的細(xì)微誤差以及樣本壓縮過(guò)后圖片分辨率過(guò)小而導(dǎo)致的統(tǒng)計(jì)精度誤差?？傮w來(lái)說(shuō)，訓(xùn)練好地模型在教學(xué)樓噪聲間距控制方面很好地掌握了設(shè)計(jì)規(guī)范的要求。

表5 生成結(jié)果噪聲間距統(tǒng)計(jì)結(jié)果（繪制：林文強(qiáng)）

2.4.5 功能一致性

進(jìn)一步對(duì)測(cè)試樣本的生成結(jié)果與原始樣本的功能要素組成是否一致進(jìn)行統(tǒng)計(jì)與分析，原始樣本具有的某功能要素在生成結(jié)果中也有的即視為一致，原始樣本具有的某功能要素在生成結(jié)果中沒(méi)有即視為不一致，統(tǒng)計(jì)結(jié)果詳見(jiàn)表6。在45 個(gè)測(cè)試樣本中，教學(xué)樓、走廊、體育場(chǎng)3 種功能的生成結(jié)果都達(dá)到了100%的一致性，體育館的一致性達(dá)到93%，其中No.270 和No.273 未生成體育館功能，No.275原始樣本未包含體育館，測(cè)試樣本自己生成了體育館功能，且與運(yùn)動(dòng)場(chǎng)相鄰。報(bào)告廳功能的一致性為51%，其中No.293，No.295 等16 個(gè)測(cè)試結(jié)果未生成報(bào)告廳功能，No.296，No.301 等6 個(gè)真實(shí)樣本沒(méi)有而測(cè)試結(jié)果自己生成報(bào)告廳功能，且這些報(bào)告廳都與教學(xué)樓毗鄰，布局關(guān)系具有一定的合理性。整體來(lái)看，體育館和報(bào)告廳不一致樣本中，生成結(jié)果的校園主要出入口位置大部分與原樣本不一致，甚至選在了另一條道路上，部分樣本更強(qiáng)調(diào)教學(xué)樓的南北向布局而非與道路平行，這些都導(dǎo)致生成結(jié)果功能布局與組成和真實(shí)樣本有較大差異。此外，用作訓(xùn)練的302 個(gè)樣本本身包含教學(xué)樓、連廊、體育場(chǎng)功能要素的樣本占100%，含有體育館功能的樣本有265 個(gè)，占比87.7%，而含有獨(dú)立報(bào)告廳功能的樣本僅102 個(gè)，約占33.8%，也一定程度上影響了模型對(duì)于該功能的學(xué)習(xí)效果。

表6 功能要素一致性統(tǒng)計(jì)結(jié)果（繪制：鄧巧明）

3 結(jié)論

本文從設(shè)計(jì)的邏輯思維過(guò)程與機(jī)器學(xué)習(xí)算法模型特點(diǎn)入手，以小學(xué)校園總平布局設(shè)計(jì)為研究對(duì)象，探討利用對(duì)抗生成網(wǎng)絡(luò)實(shí)現(xiàn)基于特定用地條件的校園總平布局生成設(shè)計(jì)的思路與方法。研究結(jié)果表明，依據(jù)建筑設(shè)計(jì)專業(yè)思維與任務(wù)特點(diǎn)構(gòu)建生成對(duì)抗網(wǎng)絡(luò)模型能夠獲得更好的總平布局生成效果。

與此同時(shí)，我們也看到，在將機(jī)器學(xué)習(xí)方法引入到建筑設(shè)計(jì)領(lǐng)域的探索中時(shí)，既要學(xué)習(xí)了解計(jì)算機(jī)領(lǐng)域各種機(jī)器學(xué)習(xí)算法模型的特點(diǎn)與適用領(lǐng)域，也要重視結(jié)合建筑學(xué)專業(yè)自身的特點(diǎn)。在模型構(gòu)建階段，需要充分結(jié)合專業(yè)設(shè)計(jì)特點(diǎn)與任務(wù)特點(diǎn)去選擇合適的機(jī)器學(xué)習(xí)模型，構(gòu)建具有建筑設(shè)計(jì)邏輯的輸入與輸出數(shù)據(jù)的映射變換，才能獲得更好的生成效果。在評(píng)價(jià)訓(xùn)練后的模型效果時(shí)，同樣不能簡(jiǎn)單按生成樣本與真實(shí)樣本的相似程度判斷結(jié)果的好壞，建筑學(xué)專業(yè)評(píng)價(jià)有其特殊性，以總平布局為例，相同用地條件與功能需求往往有多個(gè)合理的布局設(shè)計(jì)模式，需要結(jié)合專業(yè)特點(diǎn)才能對(duì)生成結(jié)果得出更為全面客觀的評(píng)價(jià)。

雖然本文構(gòu)建的思路與方法只能面向特定的小學(xué)校園總平布局設(shè)計(jì)類型，且需要在訓(xùn)練數(shù)據(jù)庫(kù)的構(gòu)建中有較多人工，但從生成結(jié)果來(lái)看，絕大部分案例具有很好的總平布局合理性，甚至部分測(cè)試結(jié)果優(yōu)于原有的真實(shí)樣本，這讓我們看到了基于數(shù)據(jù)驅(qū)動(dòng)的機(jī)器學(xué)習(xí)方法在生成設(shè)計(jì)研究中的潛力和可能性?！?/p>

注釋

1）實(shí)驗(yàn)設(shè)備硬件環(huán)境：CPU為Intel i7-8700K，GPU為NVIDIA GeForce GTX2080（顯存6G）。實(shí)驗(yàn)代碼采用Pix2pix，代碼運(yùn)行環(huán)境Python版本3.7，系統(tǒng)環(huán)境Ubuntu18.04，生成器采用U-net架構(gòu)，判別器算法采用PatchGAN架構(gòu)。