城市作为人类生活最主要的场所之一，是人们工作、居住、游憩和交通的载体。随着全球经济高速发展，各地城市化进程普遍加快，原有自然环境被现代城市物质空间所取代，新的城市微气候日渐形成^[1]。城市化发展固然能给人们的日常生活带来便利，但在传统设计方法下，城市规划的滞后性与发展建设的无序性使得当下城市发展失衡，透支未来城市资源，制约了城市的可持续发展。

在此背景下，通过计算机模拟技术推动气候适应性城市规划的需求日渐迫切^[2]。CFD、Pheonics、Ecotect、WinAir和ENVI-met等软件被广泛地应用在城市微气候研究中，但由于同其他软件之间的数据同步困难，因此无法对形态动态变化的模型进行有效模拟^[3-4]。本研究基于Grasshopper工具构建出“参数化形态建模、建筑生态性能分析、设计方案算法优化”于一体的研究框架，探究城市空间形态对微气候的影响，打破传统设计方法的限制，提高城市规划与设计的效率。以湿热地区城市广州为例，提取当地城市形态原型，在夏季典型的高温、高湿和盛行东南风的气象条件下，展开基于风环境优化的街区尺度建筑布局研究，技术路线如图1所示。

▲ 图1 技术路线图

研究数据与方法

1.1 研究区域概况

研究范围选取广州市，位于中国华南地区、广东省中南部（112°57′~114°3′E，22°26′~23°56′N），地处珠江三角洲北缘地区，东连惠州，西邻佛山，北靠清远和韶关，南接东莞和中山，与香港特别行政区、澳门特别行政区隔珠江口相望。广州地处亚热带，属亚热带季风气候，温暖多雨、光热充足且季风明显。全年日照时长约2 000h，年平均气温约 21～22℃，七月份平均气温约28.5℃，相对湿度约82%，一月份平均气温约13℃，相对湿度约80%。春季和夏季的主导风向为东南风，秋季和冬季的主导风向为偏北风。

研究结合Openstreetmap提供的开放地理数据和现场实地调研，构建出广州市天河区三维建筑模型数据库（图2）。

▲ 图2 广州市天河区局部三维建筑模型示意图

1.2 研究数据提取

1.2.2 城市气象数据

利用EnergyPlus官网提供的气象文件作为本研究的气象数据，包含研究区域各时间段的太阳辐射、空气温度、相对湿度、平均风速和主要风向等。根据各月份的风玫瑰图（图4），可对研究区域特定月份的风频进行可视化表达，分析盛行风向与风速，并进一步模拟广州夏季高温高湿的气候环境。

▲ 图4 广州市风玫瑰图  

1.3 研究平台搭建

通过Rhinoceros软件内置的Grasshopper插件，将建筑实体形态转化为几何模型，实现场地的参数化建模与可视化表达，达到控制参数与场地模型实时联动的效果。此部分共设置两组变量，分别为街区建筑类型和街道宽度。街区建筑类型分为5种，包括上述4种城市形态原型和无建筑的开放空间；街道宽度分为3种，分别为0m、20m和30m（图5）。

1.3.2 建筑生态性能分析

基于Rhinoceros软件的Ladybug与Butterfly生态性能模拟插件，可以模拟场地风环境与热环境，实现场地微气候定量化分析，为设计方案的生态性能评估提供衡量指标。其中，Ladybug的作用是导入气象文件数据，包括研究区域特定时间段的太阳辐射、温度、湿度和风速等数据；Butterfly的作用是将几何体导入OpenFOAM，运行CFD对几何体进行流体动力学仿真模拟。常见气流的模拟包括城市室外风环境模拟和室内通风效果模拟等。

风热环境模拟都需要先设定测试平面及网格尺寸以确定模拟范围。Ladybug和Butterfly具有相同的测试面参数电池，将testGeometry一端接入测试面，gridSize（用来设置测试点密度）设定为10，distBaseSrf（用来设置测试面高度）设定为行人高度1.5m^[6]（图6）。

▲ 图6 Ladybug和Butterfly测试平面设定

Butterfly风环境模拟电池设定步骤如下（图7）：将待模拟的模型分别输入对应的分析物体接口；根据当地气象数据，将初始风速设定为2.4m/s，输入至wind_speed 接口；根据Ladybug得到的风玫瑰图，将OpenFOAM初始风向设置为南偏东45°，输入至wind_direction接口。

▲ 图7 Butterfly风环境分析电池设定 

Ladybug热环境模拟电池设定步骤如下（图8）：调用Analysis Period电池进行模拟时段设定；bodyPosture用于设定人体状态，如站姿、坐姿等，数字代表对应姿势；contextShading端口接入模拟模型和周边可以形成阴影的环境模型；最终在wind_speed接口处输入由前面Butterfly计算得到的风速值。

▲ 图8 Ladybug热环境分析电池设定 

以上各参数设定完成后，将Boolean Toggle开关打开即可运行模拟模块，并获取实验数据，以供后期研究使用。

1.3.3 设计方案算法优化

通过Grasshopper插件内置的Galapagos优化算法运算器，构建场地微气候优化平台，以街区舒适度为优化指标，实现算法自动寻优，再结合数据的人工处理与场地优化模型比选，得到最终设计方案。

在Galapagos优化算法运算器中，选取遗传算法实现设计方案优化。Galapagos参数设置界面（图9）中，基因（Genome）端口连接5种建筑类型和3种街道宽度；适应度（Fitness）端口连接人体热舒适度；右侧的适应度（Fitness）数值栏设置为求解目标最小值；其余设置使用默认值。优化过程中产生的运算数据，利用插件TT toolbox存储并导出至电子表格进行统计分析。

▲ 图9 Galapagos设置界面

结果与分析

2.1 有效性检验

将软件记录导出的数据整理后按舒适度从优到劣重新排序，提取各项数据，制成图表并进行分析。

根据系统收敛情况与布局变化趋势，对提取遗传过程中的初始代、中间代和最优代数据进行比较分析。通用热气候指标（UTCI）从35.84℃下降到 34.96℃，由此确定Galapagos对目标作出了有效优化，系统运行具有方向性并且有效，通过系统寻优可以得到较理想的建筑布局方案（图10）。

▲ 图10 Galapagos运行界面 

2.2 优化结果

经过持续优化过程，在Galapagos显示数值趋近稳定之后停止计算，得到有效数据321组。将全部数据样本输入Excel表格，得到UTCI收敛到最小的遗传折线（图11）。舒适度指标随遗传算法运行呈明显下降趋势，从35.84℃下降至34.96℃，降温幅度达0.88℃（图12）。

▲ 图11 优化过程中舒适度指标变化趋势折线图 

▲ 图12 优化过程中舒适度指标散点图

提取典型建筑布局形态并截取热舒适分布图（图13），其中，颜色差异反映UTCI的分布变化，颜色越浅，对应UTCI数值越高，体感越不舒适；反之，颜色越深，对应UTCI 数值越小，体感越舒适。根据图中形态分布的变化趋势，初始状态建筑平面布局灵活多变，建筑高度布局参差不齐，室外开敞空间尺度多样，场地分布位置各异，场地整体吸收的太阳辐射量较大，气流引导作用较差。随着舒适度指标自动优化，街区建筑种类与空间分布规律渐趋明显。

▲ 图13 典型建筑布局形态及其对应的热舒适分布图

2.3 结果分析

（1）在街区建筑形态类型方面，舒适度指标最优的三组区域内建筑形态原型均为两种，包括集体宿舍和小区住宅，且两种建筑形态的原型数量基本相等；舒适度指标最差的三组，区域内包含的建筑形态原型皆为三种及以上，且包含的建筑形态原型种类越多，舒适度越差。

（2）在街区建筑的平面布局方面，舒适度指标最优的三组室外开敞空间面积适中，在场地内的布局较为均匀，形成了相对明显的通风廊道；舒适度指标最差的三组，零星封闭的小尺度室外开敞空间与集中分布的大尺度室外开敞空间并存。

（3）在街区建筑的高度布局方面，舒适度指标最优的三组，建筑高度布局均采用了盛行风向下前低后高且过渡均匀的布局；舒适度指标最差的三组建筑高度布局较为混乱。

（4）在规划控制指标方面，当建筑密度、容积率相等时，街区内建筑平面、高度布局的改变，将导致场地舒适度的变化；当场地舒适度指标相等时，有多种街区建筑布局方案。在Galapagos计算所得的321组数据样本中，当舒适度指标为35.01℃时，对应的不同建筑布局方案多达8种。

结 论

3.1 主要研究结论

（1）在街区建筑形态类型方面，建筑形态及其在街区中的布局可对场地微气候产生显著影响，如密集低矮的住宅建筑群的风环境相对不佳，高层商务办公建筑的室外热环境相对不佳。对场地进行规划设计时，需基于场地气候特征进行建筑设计，充分考虑建筑类型的土地经济效益与建筑布局的通风采光效果，合理平衡土地利用效率与微气候环境，提高人体舒适度。

（2）在街区建筑的平面布局方面，合理设计道路、广场和绿地等公共空间与建筑的组合方式，打造完整连续的室外开敞空间，有利于形成城市通风廊道，促进街区内部空气流通与地表热量散发，改善城市热环境。

（3）在街区建筑的高度布局方面，建筑高度变化平稳的布局形式，可引导气流深入场地内部，创造良好的城市风环境。

（4）在规划控制指标方面，城市规划前期需明确场地整体空间形态最优布局，在此基础上落实以标量形式规定的各街区规划控制指标，以期实现气候适应性城市规划，获得城市整体微气候性能的近似最优解。

3.2 不足与展望

本研究通过软件模拟得出的数值需与场地实测结果进行对比，以验证研究结果的准确性；设计目标未考虑到不同季节的热舒适环境、街区旋转角度、建筑密度和容积率等因素，后续研究可尝试多目标优化求解；研究结果精度不足，Ladybug等插件由于研发时间所限，模拟精度和运算效率与传统风热环境模拟软件有所差别，后续研究可考虑城市下垫面材质、植被和水体等因素。此外，建筑性能模拟与优化所耗费的时间成本巨大，使得本研究提出的研究框架难以被设计师和研究人员大范围使用，亟需新技术的提出以降低研究所需时间成本。而当今新兴的机器学习技术可以对建筑性能模拟进行快速预测，进而辅助设计师和研究人员更为高效地量化分析设计方案和优化设计工作，因此该技术将成为本研究后续主要探究方向。

本文刊登于《建筑技艺》杂志

2021年9月刊

（点击杂志封面了解本期详情）