摘要：本文通过Python编程语言研发了基于Grasshopper的设计决策信息记录与回溯工具——transDATA，旨在通过自动记录多方案物理环境模拟数据比较设计过程中的建筑参数和绿色性能数值波动，向设计者呈现不同设计决策对建筑绿色性能的影响，从而为面向节能的设计决策提供技术支持。本文以寒地某居住建筑为例展开案例研究实践，结果表明该工具能向设计者反馈窗墙比、建筑开间进深比变化等参数对建筑能耗和自然采光性能的影响，可有效支持设计决策过程。

关键词：绿色性能导向；Grasshopper二次研发；transDATA;数据记录与可视化；

一、引言：

截止到2010年，建筑耗能占全球能源消耗的32%，其中，居住建筑耗能所占比例为24%，商业建筑耗能所占比例为8%[1]。建筑能耗所占比例较大，使得建筑绿色性能研究成为建筑领域的重点。其中，绿色建筑评价与决策支持工具的研发是一项重要内容，国内外学者在此方面已有不少成果，例如国内的刘煜学者倡导建立面向不同建筑参与者的绿色建筑设计辅助工具体系[2]，提出目前绿建辅助设计工具涉及面广而不专的缺点[3]，并认为面向建筑师的绿色建筑设计工具所包含的操作内容应为建筑师方案设计时所涉及的内容[4]；有王成国等学者开发了基于《绿色建筑评价标准》的绿色建筑评价与辅助设计软件，可提供智能知识库显示、绿色建筑指导设计、专家辅助设计与决策等高级功能[5]；有重庆大学的Yan Hang学者研发了基于文字与案例推理功能的TM-CBR(Text Mining Case-Based Reasoning)体系，实现了建筑设计前期将体系中储存的绿色建筑技术案例的提取与展示，方便绿色建筑设计技术使用种类的快速决策[6]；有依希克大学Senem Seyis学者研发了GB-CS tool(Green Building Credits Selection tool)绿色建筑等级评分工具，依据专家意见与设计要素分配权重自动生成绿色建筑等级，减少了后期决策的隐性成本[7]；有伊斯坦布尔的大学的Bahriye Ilhan等学者研发了基于BIM技术的GBAT(Green Building Assessment Tool)绿色建筑辅助决策工具，实现从BIM模型中抽取建筑数据并进行绿色等级评估[8]。

然而，面向建筑师方案设计过程中的决策工具较少，现有的主要为如Ecotect等独立建筑物理环境仿真工具，这类软件不能将“窗墙比”“开间进深比”等建筑师语汇囊括，与建筑师方案设计流程不能很好的结合，在大型项目中需要建筑师进行权衡与比较的因素更为复杂，鉴于此，为更方便建筑师在方案设计时对复杂参数进行多方案比较与性能能模拟结果的比较，本文基于Rhino与Grasshopper参数化平台，创建了一种新的基于性能仿真模拟的多方案比较工作流（图1），并研发了绿色性能导向下的建筑设计决策信息记录与回溯工具——transDATA，弥补了现有Grasshopper平台建筑仿真模拟结果数据量复杂，决策效率低的缺陷。

二、方法

（1）transDATA工具构成

Rhino软件中Grasshopper插件的每个电池块功能是由相应内置的一组代码执行实现的，其中电池块Gh_CPython可将Python语言编程环境内置入Grasshopper平台，在Grasshopper平台中完成Python功能的调用。transDATA工具是以Gh_CPython为编程环境，以Python语言为编程基础进行构建，并包括数据生成，数据交互以及数据可视化三个功能模块的数据处理工具。其中，数据生成模块是transDATA的额外配置功能块，可决定后期进行建筑模拟的设计参量，以此优化性能目标。例如，在数据生成模块中可生成建筑的窗面积数据，在后期可对室内热辐射性能进行模拟与优化；数据交互模块可将Python语言中的Xlrd与Xlwt模块内置入Grasshopper平台[9]，实现前者数据生成模块中生成数据的记录与读取；数据可视化模块可依托Python编程中的matplotlib模块实现记录数据库中数据的图形化转换[10]，方便建筑师对多方案的多组数据进行比较，或对一组方案的多组历史数据进行比较，图形化的数据相对于多组数据更易于比较，这较符合建筑师工作特点，因此提高了设计方案的决策效率。

（2）基于transDATA模块的仿真模拟与多方案比较工作流介绍

TransDATA的研发为了完成在Grasshopper平台下的绿色性能导向的建筑设计工作流，该工作流可将影响某优化性能目标的设计参量的多组数据进行记录与比较，在建筑师设计过程中即可查找性能优化模型所对应的设计参量，即方案创作与方案评价并行的设计方式，这较符合建筑师的创作思路。其主要工作流为以下几个步骤：

首先，在Grasshopper平台中进行参数化模型建构，并确定后期影响性能模拟的设计参量及相应设计值域，在参数化模型构建完成后可提取设计参量数据完成transDATA的数据生成模块的建构，并将数据生成模块中需要进行统计的数据接口接入到transDATA数据交互模块中；然后，运用Grasshopper内置的性能模拟引擎对不同设计参量生成的参数化模型进行模拟，完成所有方案组的模拟后，transDATA的数据交互模块可将模拟数据导入到数据库中；接下来，可根据建筑师的需求对不同性能优化目标进行多方案模拟数据的可视化比较，选出最优方案组；最后，依据transDATA的数据交互模块可将最优方案组相关设计参量信息从数据库中调取出来，完成最优方案的参数化建模。

三、 案例实践

为说明与验证transDATA工具是否能够满足绿色性能导向下的建筑设计要求及其执行效果的准确性，现以某寒地单层居住建筑作为实践案例对象，展开基于该建筑相关设计参量与建筑性能优化的实验，运用transDATA完成最优性能方案设计参量的决策。

（1）某寒地居住建筑设计条件及统计参量

该案例选取寒地某实际单层居住住宅作为绿色性能优化实验对象（图2）,该建筑为单层砖混居住建筑，建筑开间10.5m，建筑进深8.5m，建筑层高为3m，开间进深比为1.23；设计要求南面为三个1.5m*1.5m的方形窗，北面为两个1m*1.5m与一个1m*1m的长窗，6个窗户窗台高度为0.7m；实验运用控制变量法对此居住建筑的南墙窗墙比、北墙窗墙比，建筑窗台高，建筑进深比作为优化参量，以全天然采光百分比DA300值[11]，有效天然采光照度UDI100-2000值[12]和照度均匀度U值（室内最小自然采光照度与平均照度的比值）作为评价指标，对室内自然采光性能进行优化，以提高室内自然采光质量。

实验仿真模拟平台采用的是Grasshopper中的Honeybee室内自然采光模拟工具，实验小组1的控制变量为窗墙比，其中窗高定为1.5m，建筑面宽定为10.5m，根据《严寒和寒冷地区居住建筑节能设计标准》（JGJ26-2010）[13]与建筑高度3m的条件限制，将北墙窗墙比值域设为0.1-0.25，以0.05为模拟步长，将南窗窗墙比值域设为0.2-0.3，以0.05为模拟步长；实验小组2的控制变量为窗台高，其高度值域为0.4-1.3，以0.1为模拟步长；实验小组3的控制变量为开间进深比，其中建筑面宽10.5m为定量，其比值值域为1.1-2.0，以0.1为模拟步长；每个实验小组有10个模拟方案（图3.1-3.3），在每个实验方案模拟完成后，transDATA将对模拟结果数据进行记录；在每个实验小组方案全部完成模拟之后，transDATA将依据记录的模拟数据对10个方案的评价指标进行可视化，以方便实验者对优秀模型设计参量的提取。

（2）模拟结果分析

2.1实验小组1模拟结果分析：

实验小组1的控制变量为窗墙比，以北墙窗墙比为控制变量设置4个实验方案，以南墙窗墙比为控制变量设置6个实验方案，分别对其DA300值，UDI100-2000值以及室内采光照度进行模拟，结果如下（图4）：

全天然自然采光百分比DA300模拟结果分析：DA300值与南北窗墙比呈正相关，且随着窗墙比的增大，室内DA300值的均匀度也呈上升趋势；对前四次模拟结果分析可得，在近窗约为1m以内部位的DA300值均可达到100%，而窗间墙部位却不到60%；在距离墙约为1m-3m处的DA300值为室内最理想的部位，这部分受窗墙比影响不大；在距离墙约为2m-4m处为DA300值下降较快的部位，该部分受窗墙比影响较大；当北窗窗墙比低于0.15，以及南墙窗墙比低于0.2时，室内DA300值低于60%部分超过了50%，不利于室内自然采光。

有效天然采光照度UDI100-2000模拟结果分析：UDI100-2000值与南墙窗墙比呈正相关，且随着窗墙比的增大，室内UDI100-2000值呈上升趋势，而UDI100-2000值与北墙窗墙比关系不大；与DA300值相反，靠近窗间墙0-1m部位的UDI100-2000值较靠近窗0-1m部位的UDI100-2000值更为理想；南墙近窗0-1m部位因照度过大导致UDI100-2000值不理想；北墙近窗部位UDI100-2000值适中；当南墙窗墙比低于0.15时，室内低于80%的UDI100-2000值明显增多。

室内自然采光照度模拟结果分析：室内照度值与窗墙比呈正相关，且随着窗墙比的增大，室内自然采光平均照度值也增大；近窗0-1m处的自然采光照度值受窗墙比影响较大，其理想照度范围随窗墙比增大而增大；整体室内照度均匀度不佳，且室内距离墙2m-4m部分照度值不理想。

2.2实验小组2模拟结果分析：

实验小组2的控制变量为窗台高，且南窗台与北窗台同高，设置10个方案分别对其DA300值，UDI100-2000值以及室内采光照度进行模拟，结果如下（图5）：

全天然自然采光百分比DA300模拟结果分析：DA300值与窗台高呈正相关，且随着窗台高度的增大，室内DA300平均值也增大；靠近窗间墙0-1m处的DA300值不理想，靠近窗0-2m处的DA300值较理想；南侧理想DA300值普遍比北侧理想DA300值分布范围大且均匀；距离墙2-4m部分因距离窗较远，其DA300值受窗台影响不是很大；在窗台高取到上限1.3m时，室内DA300分布较理想。

有效天然采光照度UDI100-2000模拟结果分析：UDI值与窗台高呈正相关，且随着窗台高度的增大，室内UDI100-2000值总体呈上升趋势，北侧与南侧近窗0-1m部位的UDI100-2000值也逐渐上升，且在窗台高1.3m的情况下，室内UDI均可达到60%。

室内自然采光照度模拟结果分析：室内照度值与窗墙比呈负相关，且随着窗台高度的增大，室内自然采光照度平均值减小，但室内照度均匀度可得到有效改善；在窗台高度为1.3m时，北侧近窗部位照度值已小于1200Lx。

2.3 实验小组3模拟结果分析：

实验小组3的控制变量为开间进深比，设计要求开间进深比为1.45，现将该小组设置10个实验方案，并分别对其DA300值，UDI100-2000值及室内采光照度进行模拟，结果如下（图6）：

.

全天然自然采光百分比DA300模拟结果分析：DA300值与开间进深比呈正相关，且随着比值的增大，室内DA300均匀度呈上升趋势，距离墙2m之外部分的DA300值逐渐趋于80%，但近窗间墙0-1m处DA300值不理想的情况不会改变，且在开间进深比为1.8-2.0的情况时，室内中间部位DA300值基本达到80%，较为理想。

有效天然采光照度UDI100-2000模拟结果分析：UDI100-2000值与开间进深比呈正相关，且随着开间进深比的增大，室内UDI100-2000的均匀度呈上升趋势，在开间进深比为1.3-2.0的情况时，室内UDI100-2000值除近窗0-1m部位基本达到90%。

室内自然采光照度模拟结果分析：室内照度均与度与开间进深比呈正相关，且随着开间进深比的增大，距墙2-4m处照度值逐渐呈现理想状态，在开间进深比为2时，室内中间位置照度值可达到600lx。

（3）设计决策信息记录结果

对各个实验小组完成模拟试验后，仅从模拟图像结果上可对评价指标在建筑空间内的分布与变化进行分析，得出理想评价指标数值的空间分布范围与大体变化趋势。对模拟结果的精确评价可通过对模拟记录数据的分析获得，transDATA可将实验模拟评价指标DA300值，UDI100-2000值记录到一个数据库中，将U值记录到一个数据库中，并依据三组实验对3个评价指标模拟的数据分别生成三张图表进行详细分析：

3.1 实验小组1以窗墙比为控制变量的模拟结果数据可视化图表分析（图7）：

全天然自然采光百分比DA300模拟数据可视化图表分析：实验模拟DA300值与窗墙比呈正相关，方案1-4的北墙窗墙比逐渐减小，故图表折线下滑；方案5的南墙窗墙比为最低值，故在图表出现一个转折点；方案6- 10的南墙窗墙比逐渐增大，故图表折线上升；南北墙窗墙比的变化对DA300影响度不同， DA300对南墙窗墙比变化更为敏感。在10个实验方案中，方案1与方案10的室内平均DA300较为理想，其值分别为76.52与73.79，此时的控制变量为北向窗墙比0.25与南墙窗墙比0.3。

有效天然采光照度UDI100-2000模拟数据可视化图表分析：室内UDI100-2000值与北墙窗墙比呈负相关，与南墙窗墙比相关性不大。由前四组实验方案生成的折线图可知北向窗墙比对UDI100-2000的影响并不大，窗墙比由0.25下降至0.1，UDI100-2000值仅下降约1.0，在北向窗墙比为0.25时可获得UDI100-2000最大值80.95；由后四组实验方案生成的折线图可知UDI100-2000随南向窗墙比的增大呈现先增大后减小的规律，并在方案8南向窗墙比为0.2时获得室内最大UDI100-2000值79.73。

室内自然采光照度模拟数据可视化图表分析：室内照度均匀度与UDI100-2000值的变化趋势相同，在前四组实验方案中，方案1的北向窗墙比为0.25时，可获得最大室内照度均匀度0.107，在后六组实验方案中，方案10的南向窗墙比为0.2时，可获得最大室内照度均匀度0.07。

3.2 实验小组2以窗台高为控制变量的模拟结果数据可视化图表分析（图8）：

全天然自然采光百分比DA300模拟数据可视化图表分析： DA300值与窗台高呈正相关，方案1-10为南北向窗台高度逐渐增大，图表折线呈上升趋势，但在方案8以后其上升趋势减缓趋平；在窗台高度为1.1-1.3时，室内DA300值较为理想。

有效天然采光照度UDI100-2000模拟数据可视化图表分析：室内UDI100-2000值与窗台高呈正相关，但在方案9以后的UDI100-2000值趋平并下降，因此，在方案9-10窗台高为1.1-1.2时，室内UDI100-2000值较为理想。

室内自然采光照度模拟数据可视化图表分析：室内照度均匀度与窗台高呈正相关，方案1-3窗台高为0.4-0.6，对室内照度均匀度影响不大，照度均匀度值为0.06左右；方案9-10窗台高为1.2-1.3时，室内照度均匀度达到较大值且趋平，均匀度值为0.107左右。

3.3 实验小组3以开间进深比为控制变量的模拟结果数据可视化图表分析（图9）：

全天然自然采光百分比DA300模拟数据可视化图表分析：DA300值与开间进深比呈正相关，且随着开间进深比的增大，室内DA300值呈上升趋势，在方案10的开间进深比为2时，可获得最大DA300值77.19。

有效天然采光照度UDI100-2000模拟数据可视化图表分析：室内UDI100-2000值与开间进深比呈正相关，方案1-5的室内UDI100-2000值随开间进深比的增大而增大；方案5- 7的室内UDI100-2000值随开间进深比增大呈趋平状态；方案7- 10的室内UDI100-2000值随开间进深比增大而呈现下降趋势，当开间进深比为1.1-1.2时，室内UDI100-2000值较为理想。

室内自然采光照度模拟数据可视化图表分析：室内照度均匀度总体上与开间进深比呈正相关，方案1-6开间进深比为1.1-1.6，室内照度均匀度呈上升趋势；但在方案8开间进深比为1.8时，室内照度均匀度骤然降低至0.068，之后随比值增大而上升；当开间进深比为2时，室内均匀度可达到最大值0.09。

（4）设计决策支持结果分析

由模拟结果图像可对室内评价指标进行定性分析，对不同控制变量模拟出的DA300值，UDI100-2000值与采光均匀度评价指标理想值的空间分布范围有大致了解，而基于transDATA可将数据转化为可视化图形并进行关于评价指标的定量分析。综合实验案例中的三种控制变量对三个评价指标影响的定量分析可以总结得到：实验小组1中的三种评价指标达到理想状态时，设计参量设置为南向窗墙比0.2，DA300值与室内最大UDI100-2000值为79.73，室内照度均匀度为0.07；实验小组2中的三种评价指标达到理想状态时，设计参量设置为窗台高1.2m；实验小组3中的三种评价指标达到理想状态时，设计参量设置为开间进深比2。由此可得，该寒地单层居住建筑的室内自然采光性能优化结果相对应的设计变量为南墙窗墙比0.2，窗台高1.2m，开间进深比为2。transDATA的数据记录回溯与可视化功能简化了性能优化方案设计及决策流程，提高了相关优化设计参量选取效率。

四、结语

本文论述了在Rhino平台下，运用Python工具进行Grasshopper的二次开发，设计出了绿色性能导向下的建筑设计决策信息记录与回溯工具——transDATA和基于transDATA的绿建设计工作流，经寒地某单层居住建筑自然采光性能优化实际案例的验证，transDATA可实现影响绿色建筑性能参量数据的记录回溯与可视化。运用该工具，有效解决了Grasshopper平台下性能模拟数据量大、种类多而导致的决策效率低的缺陷，方便建筑师在方案设计过程中对设计参量与模拟数据进行分析与优化，使最终建筑方案满足绿色节能设计要求。在该绿色建筑辅助决策工具的帮助下，建筑师的设计质量与设计效率可得到明显改善，因此可将更多时间利用在方案前期的主观艺术创作上。

参考文献：

[1] Berardi U. a cross country comparison of the building energy consumptions and their trends[J]. Resources, Conservation and Recycling. 2016, 123(2017): 230-241.

[2] 刘煜. 绿色建筑工具的分类及系统开发[J]. 建筑学报. 2006(07): 36-40.

[3] 刘煜. 绿色建筑工具的因素分析与成套开发[J]. 建筑学报. 2007(07): 34-38.

[4] 刘煜. 面向建筑师建立绿色建筑设计决策支持工具的思考[J]. 南方建筑. 2010(5): 14-16.

[5] 王成国，姜立，张雷，等. 绿色建筑评价与辅助设计系统软件[Z]. 中国北京: 20106.

[6] Shen L, Yan H, Fan H, et al. An integrated system of text mining technique and case-based reasoning (TM-CBR) for supporting green building design[J]. Building and Environment. 2017, 124: 388-401.

[7] Seyis S, Ergen E. A decision making support tool for selecting green building certification credits based on project delivery attributes[J]. Building and Environment. 2017, 126: 107-118.

[8] Ilhan B, Yaman H. Green building assessment tool (GBAT) for integrated BIM-based design decisions[J]. Automation in Construction. 2016, 70: 26-37.

[9] Withers C. Working with Excel files in Python[M]. Birmingham: Simplistix Ltd, 2009: 5-40.

[10] Tosi S. Matplotlib for Python Developers[M]. Birmingham, B27 6PA, UK.: Packt Publishing, 2009: 30-40.

[11] Nabil A, Mardaljevic J. Useful daylight illuminance: a new paradigm for assessing daylight in buildings[J]. Lighting Research & Technology. 2005, 37(1): 41-57.

[12] Reinhart C F W O. Validation of dynamic RADIANCE-based daylight simulations for a test of?ce with external blinds[J]. Energy & Buildings. 2001, 33(7): 683-697.

[13] 中华人民共和国行业标准. 《严寒和寒冷地区居住建筑节能设计标准》（JGJ26-2010）[S]. 2010.

分享让更多人看到