“基于人工智能的建筑性能设计”不能解决那些问题

摘要

基于人工智能的建筑性能设计能够解决一些的问题，当然这项技术还是有很多问题是无法解决的。最主要的原因是建筑是复杂的，人工智能分析需要统一的数据。可行的解决方案是在项目早期使用人工智能技术设计通用特性，在设计后期使用详细的性能分析设计个性化的特征。

背景

如何提高建筑的性能是很多研究者所共同关注的问题，应用机器学习等算法预测建筑的能耗的研究可谓汗牛充栋，有兴趣的可以阅读两篇最近发表的综述论文（Amasyali，2018）和（Wei, 2018）。虽然研究是很多的，但是实际工程项目中是很少有使用的。如果稍微阅读这两篇综述文献就能够发现这样的技术路径存在的问题。首先来说这些研究中使用的建筑参数是非常少的，（Amasyali，2018）表1调研的文献前25篇中使用的建筑参数平均为5.7个。作为对比，完成详细建筑能耗模拟，例如EnergyPlus模型，需要输入2000-4000个参数（引用缺失）。

建筑是创意、本体、设备和使用者为一体的复杂体，这使得建筑很难用统一的数据来完整表述。现阶段的人工智能技术解决的是能够使用标准数据格式描述的对象，例如人脸识别采用的图片可以分解成小片的像素，人脸也都是由两只眼睛、一个鼻子、一张嘴和两个耳朵等特征。也就是说复杂的建筑和人工智能技术所需的统一数据参数产生了巨大的冲突，即复杂和统一的冲突。

图1 苹果公司新总部大楼

总结来说应用机器学习算法进行建筑能耗模拟存在的问题主要有：

使用的参数量过少。这就导致参数不能够很好地将建筑进行描述，例如人的行为对建筑影响很大，不包含其中会导致分析的不确定性很大。

数据量过少（建筑的数量）。当数据量过小时，新的建筑很可能就处在训练数据集之外。近年来深度学习应用的发展最重要的是发现当数据量巨大时能够提高预测的准确度，也是李飞飞在这方面研究的突破（缺少引用）。

仅能用于能耗、负荷和室内温度等预测，不能用于性能设计。用于性能设计需要对建筑的细节有很好的描述，也从来另外一方面来说是由于参数问题导致的。

可能的解决方案

除了增加数据参数量和收集更多的建筑信息，组建更大的数据库外，最终要的是平衡好“建筑的复杂性”和“人工智能分析数据统一”之间的关系。幸运的是，详细的建筑性能分析软件或者平台，例如基于grasshopper的参数化分析平台，能够很好地表达出“建筑的复杂性”。而人工智能的建筑性能设计可以从宏观上辅助设计建筑上的主要特征。可能的解决方案就是在项目早期阶段使用人工智能技术辅助进行设计，在项目后期使用详细的能耗信息分析软件进行细节的个性化的分析。在这种情况下两者的分析数据和模型要能够很容易地相互转化。在整个项目优化的流程如下图2所示。

其他信息

参考文献

Amasyali, K., & El-Gohary, N. M. (2018). A review of data-driven building energy consumption prediction studies.Renewable & Sustainable Energy Reviews,81, 1192-1205.

Wei, Y., Zhang, X., Shi, Y., Xia, L., Pan, S., & Wu, J., et al. (2018). A review of data-driven approaches for prediction and classification of building energy consumption. Renewable & Sustainable Energy Reviews,82, 1027-1047.