AI进化之旅 | 以高层最大化强排算法为例

Supers227

战斧版上线以来，我们先后进行了12次更新，智能衍生经历了数次迭代，目前已经能较顺利地辅助设计师完成大部分高层强排项目的早期工作，虽然有些衍生方案直达性仍有不足，还需要设计师对算法衍生的理解更深一个层次。但诺亚仍在快速迭代的路上，下一站，这些算法会更加好用、直达，不断降低设计师应用它的门槛。

设计住宅总有这样的苦恼：

1、开局一头雾水，“这几套产品指标哪个能排下？”要做好多强排才能逐渐了解项目。2、反复算指标、反复圈面积、反复测日照。这些难道不应该一键生成？3、终于确定理想方案，日照就是不过差一点，反复努力看着时间流逝……4、千辛万苦排出一版方案，思维已被卡死。但业主需要更多的选择可能性！

"智能衍生"：制图、算日照、算指标就应该一键完成。

为了解决住宅设计中的这些苦恼，“智能衍生”孕育而生。我们需要的是前期多种方案生成对比，希望能全自动计算日照和经济指标，尽可能把所有非创意制图交给算法一键完成。这也是我们开发住宅AI强排算法的初衷，每一次智能衍生出的方案都成果在尽力从不同的角度满足设计需求，虽然生成的大部分方案还不是真正意义的最终成果，但每种可能、每套数据都可以为设计师提供参考，让我们更全面地了解项目特征并成为指导下一步设计的重要参考依据。短时间内获取的基础信息越多，我们对项目的可能性就越清晰，进而在提高效率的同时，也能将设计出来的成果推向更成熟的方向。

以诺亚住宅AI强排三大算法之一的“高层最大化强排”的应用场景为例

第一步，一键生成方案：2mins

在高层最大化强排算法中，设计师可以自由录制所需要的楼型和项目用地信息及当地规范，然后一键开始进入“智能衍生”运算，即可在2分钟内生成一版符合日照规范的强排方案。

第二步，多方案对比，确定优选方向：10mins

通过修改方案种子，可以得到多个不同的对比方案，对比这些方案和经济技术指标，即可快速确认理想的设计方向。

第三步：控制参数，逼近完美结果：15mins

经验丰富的诺亚用户可以通过对建筑产品最大楼栋数量、建筑层数、建筑朝向等参数的精准控制，从而使得生成方案在2min的“智能衍生”阶段直达（即直接一键生成理想方案），但即便初级用户目前做不到这些熟练，也可以通过简单地变量调试快速逼近设计目标，最后再转手动完成成果。

当然，无论我们习惯用了上述的哪种方法来完成工作，在诺亚的AHA工作模式下都不用大家亲自画图，设计师的角色重回到思考方案的本位上，图纸和指标都是一键自动快速修改。

"智能衍生"直达良品率将大幅度提升。

目前在诺亚开发团队对“高层最大化强排”的实际项目案例测试中，有近30%的强排目标存在调控参数一键直达的可能性（也就是不用转手动）。而这套算法我们仍在优化中，根据大家给与我们的支持和反馈，这个指数会在短期内大幅度提升。

实战案例分析：

在不少情况下，算法是可能直接生成理想结果的。

第五代AI强排算法潜行开发中……

自18年诺亚着手住宅AI开发以来，我们已经进行了四轮大的迭代，目前的第四版“半动态大程序”框架已经初见成熟，但面对我们国土幅员辽阔，规范要求复杂繁多，目前而言任何一套固定的大程序算法，仍无法满足千变万化的设计需求，同一套方案对不同的设计师而言评判大相径庭。所以，我们也萌生了对第五代“全动态大程序”框架的研究和讨论。它意味着不同的设计师面对不同的项目时将不再只拿到一套固态逻辑。更意味着第五代AI住宅强排算法会更快速生成更多版富有特色的方案。

AHA，未来设计师 “实战&成长” 的 “神兵利器”

让AI智能衍生，设计师通过自己的判断指挥AI（通过不断修改衍生参数）快速得到新的反馈，循环迭代，最终找到较优的方案。

△ 建筑师设计的迭代过程

实测使用中，我们没有做过住宅强排的年轻设计师通过这种工作方法在20mins内就能找到满足各项需求的较优方案，在传统设计方法中，没有三年以上的设计经验，住宅强排几乎很难上手。但当设计师可以通过智能衍生算法快速生成并反馈方案之后，就会自然而言地关注到很多细节的宏观控制参数。具体分析如下：

强排分析1：建筑朝向参数对容积率的影响

通过修改建筑朝向，调整方案生成的排布形态，从而影响了容积率（可见住宅朝向和场地的朝向关系对楼栋排布影响较大，新版算法已自动根据场地改变建筑朝向）

△ 朝向方案对比图

强排分析2：建筑侧向间距参数对容积率的影响

通过修改侧向间距控制，调整方案生成形态，使其更符合设计师设计的逻辑（在这一小案例中我们不难发现，住宅中侧向间距虽然是一个硬性规范，但是如果我们仅按照最小要求来排布，并不一定能得到最优的结果，场地南侧高层间距过小可能导致整个场地日照情况变差，从而影响整个场地的楼栋排布情况，毕竟对于住宅强排来说，满足日照才是最主要驱动逻辑，这部分内容我们暂且不表）

△ 侧向间距方案对比图

强排分析3：建筑产品参数对容积率的影响

通过修改某一楼型的最大数量，控制各户型配比及容积率，从而达到设计目标（这一点不难理解，面宽大的楼型对容积率的提高影响显著，但在项目中通常不是主力产品，所以这就需要设计师的判断来修改参数）

△ 最大数量方案对比图

AHA，可以让设计师自如的尝试各种全局参数修改进行强排，这无疑是当今最合理高效的工作模式

通过上述案例，我们能清楚的感受到设计师 （设计‑反馈‑修改）的设计流程，在诺亚主推的“AHA”的工作场景中，设计师能够快速地了解项目的规模，让设计方向和思路逐渐清晰，也正符合我们正常设计推敲的本质，这样大大地缩短了制图时间，做到了真正意义上提效。如此，除了构思效率提升之外，建筑师还有精力探索更优的设计方向，不至于被制图工作掩埋。同时，我们不难想象这种工作方法，也将成为年轻一代设计师快速汲取设计经验的神兵利器。

开发过程-一场AI算法的进化之旅

我们从开发伊始经历了无数次的更新，从最开始的一次性的梅花排楼算法，到手动辅助排楼算法，再到后来的全自动排楼，从只能排一种楼型到多种楼型的混合排布，从高层到小高层，从定高度到根据需求合理砍层，我们一直在进步。到今天，我们已经发展出了日照驱动、验算驱动，两大类五种不同的排楼算法，再结合全新GAAE的系统，我们从必须一次直达目标的“一杆进洞式”升级为了可以多次运算的“高尔夫球式”，我们已经可以做到不同排楼算法的结合顺序使用，从某个角度看，诺亚使参数化技术提升了一个维度，更是国人在AI设计算法体系上独创的一条蹊径。这一路走来，其实一直是一个量变到质变的过程，每次的算法更新，我们都是经历了实际项目的测试和洗礼来寻找当下算法中的漏洞和缺陷，再经历一个周期的讨论和沉淀后进行新的修改，对于我们来讲，每一次更新都是一个结束，也是一个新的开始，这是一场永不停歇的进化之旅。

未来已至

算法设计师和方案设计师的使命是一致的，实际上一个算法的升级迭代是无止境的，就像是一个方案，如果有足够的时间，我们总是有更加优化的可能，不同的是，我们在一个算法中是可以无限的迭代下去，保留精华，去掉不合理的部分，并且不断地把优秀设计师的需求和设计思想转化成算法加入我们的算法中。我们会持续的优化算法逻辑，例如根据需求自动布局不同楼型，高层强排实现定容，根据用地自动旋转合理的角度等等，都在我们接下来的升级计划中。未来，诺亚希望这样的工作方法能够帮助更多设计师，高效省时的完成满意的方案设计，同时算法智能生成的结果也会越来越接近去直接得到理想方案。乾坤未定，一切皆有可能。