Architable:基于案例设计与新原型

魏力恺，张 颀，张 备，许 蓁，张昕楠

(1.天津大学建筑学院，天津300072;2.美国加利福尼亚州Google公司，California 94043)

建筑数字技术的本质是根据设计师的深层需求和习惯，将信息技术适应性地应用于建筑实践之中，使设计过程更加理性、高效和令人愉悦[1]。在设计前期阶段，设计师常常需要参考记忆或文档资料中的相关案例，根据限定条件推敲后得到设计方案(见图1)。这一过程在信息技术领域被称为“基于案例推理”，并被发展为多种“基于案例设计”工具应用于建筑实践中。这种将数字化技术聚焦于设计过程和方式而非设计结果的研究，在未来建筑数字技术发展中具有巨大潜力，但却往往被我国建筑学界所忽视。

图1 传统设计与基于案例设计过程示意

一、基于案例设计思想

基于案例设计思想起源于计算机领域的基于案例推理理论，是20世纪90年代初兴起的一项崭新的建筑数字技术，在建筑设计实践和教学等方面发挥了重要作用。

1.基于案例推理

基于案例推理(CBR)从广义上讲，就是借鉴以往相似问题解决方案来处理新问题的过程。CBR最早可以追溯到1982年，美国耶鲁大学人工智能专家罗杰[2](Roger Schank)教授建立的“动态记忆”(dynamic memory)理论，在此基础上他的学生珍尼特[3](Janet Kolodner)创建了最早的CBR系统“CYRUS”。随着20世纪80年代相关研究机构相继推出了“法律推理”、“基于记忆推理”和其他与CBR结合的系统。20世纪90年代，国际计算机领域已开始广泛关注基于案例推理系统，并于1995年建立了“基于案例推理国际会议”。CBR理论目前在军事、医疗、法律、教育和土木建设等领域均占有不可忽视的地位。

挪威科技大学的奥莫特[4](Agnar Aamodt)教授是CBR理论的重要奠基人和开拓者。他将基于案例推理形式化描述为包括4个主要过程的“CBR环”(见图2)。

图2 CBR环

A.检索:从案例记忆库中搜索得到相关方案以解决目标问题;

B.再利用:经过适应性调整，将检索得到的“建议解决方案”应用于目标问题之中;

C.修改:对再利用过程得到的新解决方案，在现实世界(或模拟)中进行测试并进行修改，得到“最终解决方案”;

D.更新:将“最终解决方案”作为新案例存储在记忆中，实现对案例库的不断更新。

2.基于案例设计

基于案例设计提供了一种从大量既有方案中快速搜索得到设计师需要的相关方案的有效方式。在建筑设计中，参考过去相关项目中的设计方案对于解决现有问题具有十分重要的意义。当设计师拿到一份新的项目策划或任务书，准备在空白图纸上起草设计方案时，首先要做的事情，必然是要么回忆以往类似项目的设计经验，要么翻开资料图集寻找“灵感”。灵感来源于两个载体，一个是大脑，一个是纸张(或网络)，二者都是集合了众多有效解决方案的数据库，建筑师在数据库中检索参考方案，并按照设计要求将其进行调整和修改以适应新环境的过程，就是应用CBR理论的基于案例设计(CBD)过程。

CBD在智能过程中使用空间拓补关系对设计问题进行特征描述，并以此为基础寻找、生成和比较解决方案[5]。无论在城市、建筑还是景观设计中，通过分别从不同层面提取空间关系特征，比较设计方案中空间拓补关系的相似程度，即可利用基于案例推理技术实现设计方案的检索、再利用、修改和方案库更新。CBD工具的核心技术是如何对既有设计方案内部的知识结构进行合理架构，这直接决定系统是否能够快速有效地进行案例检索和适应性调整。深入剖析不同CBD原型的工作原理和特征，有利于我国研究者了解基于案例设计的技术方法，为开发满足我国建设发展需求的CBD工具提供参考。

二、基于案例设计原型

自20世纪90年代初，基于案例设计成为建筑数字技术中的一项热门领域[7]，众多CBD原型相继出现。本文将CBD实例划分为“基于单机”和“基于网络”两部分介绍。

1.基于单机

“基于单机”CBD原型指需要安装的CBD应用程序，主要特点是开发灵活、功能多样。

(1)Archie-II。Archie-II是1992年美国佐治亚理工大学建筑学院和人工智能实验室联合开发的CBD建筑师辅助工具[8-9]，是由CBR最早在建筑设计领域的应用之一Archie延续而来。Archie-II在公共建筑设计的前期构思阶段为设计师提供过去的相关案例，并主要将功能定位在案例的检索与展示，并未涉及案例的适应性调整与修改(见图3)。

图3 Archie-II使用界面

Archie-II作为最早的CBD工具之一，其重要特征是将人们对既有建筑方案的评价也作为建筑知识信息，使设计师将此类建筑生命周期中的影响因素也考虑在内。此外，其独特的将“关系性索引”和“描述性索引”相结合的检索方式，使建筑不需要将设计要求一一割裂开来，可以同时输入多种要求进行综合检索。Archie-II也存在一些缺陷，一是其复杂的检索系统很难对数据库中的案例进行添加、移除和重组;二是其过多地针对于公共建筑，而对其他建筑却并不适用。

(2)CADRE。CADRE系统是“基于案例空间设计推理”(case-based spatial design reasoning)和“通过降维的基于案例建筑设计”(case-based building design through dimensionality reduction)的缩写，1994年由苏黎世联邦理工大学建筑与CAAD实验室、钢结构研究所和人工智能研究所共同开发的，辅助建筑设计前期阶段的CBD工具[10]。CADRE系统中的案例整合了建筑的空间、流线和结构3方面信息，并主要集中于将设计案例根据新环境进行适应性调整[11](见图4)。

图4 CADRE根据地形环境对案例进行的适应性调整

CADRE系统与Archie-II明显不同的是，后者旨在帮助设计师搜索相关案例，而前者则关注在得到相关案例后如何将其修改为新设计方案。CADRE系统存在的主要问题是，一个包含空间功能、流线和结构在内的完整建筑方案很难仅通过简单的旋转、复制和删减直接适应到新环境中。同时，由于CADRE是采用AUTOCAD模型的CBD工具，所以使用者很可能直接将案例模型复制到新项目中，从而导致法律问题的出现。

(3)Casebook。2000年，由代尔夫特理工大学建筑学院依楠克[12]提出的“案例书”，利用住宅建筑的空间-功能关系对平面布局图进行储存和检索。开发者想通过“懒惰”和“后协调”方式提供一种灵活的建筑平面分类方式(见图5)。

图5 Casebook通过查询图(左上)检索到的案例方案

Casebook的重要特征在于，其图形化的检索方式突破了以往CBD工具基于关键字搜索的束缚，认识到图形信息对于设计师的重要性。然而，这却加重了使用者的负担，需要输入较为清晰的空间-功能图形信息后才能搜索到参考案例。尽管Casebook具有良好的人机交互机制，但忽略了系统根据使用者大量检索活动进行学习，从而提供更贴近设计师需求的搜索结果的可能。此外，仅针对单一功能的住宅平面检索，也成为Casebook的一种局限。

(4)Space index。2010年，苏黎世联邦大学Benjamin Dillenburger开发了Space index，在将苏黎世街区矢量地图输入计算机后，系统根据使用者手绘或指定地块的建筑布局图，搜索得到苏黎世范围内所有建筑周边具有类似环境的相似地块[13](见图6)。Space index将检索对象限定于建筑单体而非内部空间，不仅能够搜索具有特定尺度的建筑基地，而且实现以基地形状和周边环境为特征进行地块检索。然而，Space index将苏黎世城区各地块以特殊的位图形式存储，并采用图像识别完成检索的方法，虽可推广至其他类似地区，但对数据存储形式的特殊要求却成为其应用推广的瓶颈。

图6 Space index通过尺度、形状和周边环境等特征检索到的相似地块

2.基于网络

“基于网络”CBD原型是利用Java script等网络编程语言开发的网络程序，主要特点是无需安装，通过网页浏览器直接运行，可达性好。

DYNAMO是由比利时鲁汶大学建筑学院海雷根开发的，供建筑学院学生和设计师使用的网上设计学习系统，源于CBR中的“动态记忆理论”(theory of dynamic memory)，为使用者个性化提供所需要的建筑案例[14]。每个案例包含多项索引特征，如建筑师、空间形象、结构材料和风格流派等，并由id、design和theory 3个窗口分别显示(见图7)。使用者通过3种方式得到参考方案，首先可输入一项或多项索引信息，如wright、dwelling和hillside等关键字检索到一系列符合要求的案例。其次通过案例之间的索引网络也能够链接到与其具有相同或相似关键字的相关案例，索引网络随案例增加的不断更新正是DYNAMO“动态记忆”的体现。如使用者未输入任何查询信息，系统将自动列出所有案例以供查看，这通常是建筑初学者寻找设计灵感的方法。

与DYNAMO类似，ARCHINFORM也是一个网上建筑案例资料库，包含超过53 000个由不同建筑师设计完成或未完成的建筑案例，大多以20世纪建筑为主。数据库通过名称、建筑师、所在地或其他关键词进行案例检索。

图7 DYNAMO界面

DYNAMO和ARCHINFORM等基于网络的CBD原型实现了设计案例在全球范围的检索、共享和更新，使基于案例设计系统更加普及化和协同化。然而，经过10多年发展，此类工具也面临诸多发展瓶颈。首先，由于需要使用者花费精力和公开设计隐私等弊端，基于网络的CBD工具不能实现如“社交网络”的良性循环，激励机制的不完善，使用户大多处于“潜水”状态，缺乏上传资料和评论案例的活跃性。其次，仅有的一些上传案例也由于上传者水平和对于案例特征理解的参差不齐而难以统一，从而降低检索结果的精确性。更重要的是，CBD工具与Google等搜索引擎的本质区别在于能够将案例直接或经过适应性调整后转化为IFC格式导入设计软件中，但在目前基于网络的CBD工具中尚无体现。

3.原型比较分析

CBD原型在案例存储、查询、适应性调整和输出等方面具有不同的功能特性。文中所有CBD工具都将建筑方案图纸和说明文字作为重要存储信息，而CADRE还包含了空间、流线和结构的拓补关系，Casebook也在检索中自动从案例中提取空间拓补信息。发展较早的 Archie-II和基于网络的 DYNAMO与ARCHINFORM通过输入关键字进行案例查询，Casebook和Space index中的图形输入方法则更有利于检索查询的形式化，并符合建筑师工作的行为习惯。适应性调整是基于案例设计的核心任务，CADRE通过尺度知识和拓补知识对适应性调整加以控制，其他CBD不具备案例修改功能。基于网络的DYNAMO和ARCHINFORM仅检索和输出方案整体性的图文信息，不能深入方案空间、功能和流线等层面处理问题，而CADRE和Casebook则将所处理的元数据细化到建筑空间和构件的拓补关系中，能够从本质上控制案例检索和生成。基于案例推理思想的一个重要特征就是学习，这一特征在DYNAMO中有所体现。DYNAMO提出了一种手动索引编辑方法，系统可以记忆使用者检索内容和习惯特征，自动对数据库参数进行修改和添加。总之，基于单机的CBD原型由于使用更成熟的图形化技术而能够深入操控建筑方案图形信息，而基于网络的CBD原型则因面向更广大的使用群体，故可通过大量案例检索使用者的检索习惯特征(见表1)。

表1 CBD 原型功能分析

三、Architable:基于网络和触摸技术的CBD原型

针对以往CBD工具的功能特点和优势，笔者开发出一种基于网络和触摸技术的全新CBD原型，即Architable，意为“拓展建筑可能的智能桌”。Architable是采用Javascript语言编写的面向触摸系统的网页程序，在HTML 5标准下利用更成熟的网页图形化技术，将传统单纯的“基于单机”和“基于网络”的CBD工具整合于一体，发挥处理深层建筑模型及其网络信息可达性的优势。同时在智能手机、平板电脑和触摸板等多点触摸设备支持下，Architable作为一种建筑辅助设计工具，更符合设计师传统的手绘设计习惯，实现用户随时随地通过终端设备对设计方案进行检索、修改、生成和更新。

Architable的操作核心是人机交互的图形用户界面(GUI)，用户通过导入IFC文件或手动绘制空间图形，并分别将其赋予数据库中预设的功能类别，实现案例信息的存储。检索前，用户首先绘制建筑分区或房间布局的设计构思，赋予其功能，并在通过触摸屏或鼠标调整空间方位和邻接关系后开始检索。检索结果按照与数据库中存储案例的相似度高低依次排列，使用者选取某一案例后即可进行方案预览。设计师在参考相关案例后可手动修改空间布局，或在选定某一案例空间特征后由系统自动进行适应性调整。空间布局调整完成后，使用者将选择某一功能分区进行平面布局的自动生成。数据库中存储了若干预先定义的房间布局模式的尺度和拓补知识，与CADRE的适应性调整方法类似，用户选择某种房间布局模式后，计算机将在尺度知识和拓补知识的共同控制下实现建筑平面布局的自动生成。此外，Architable还将提供沟通交流与协作设计平台，用户可分享案例、在线讨论以及同时对同一建筑方案的不同部分进行合作设计。

与其他CBD工具相比，Architable的特征集中在以下方面:1)网络化，网页图形界面为CBD发展开拓了新的平台，社交网络式的Architable使CBD策略更广泛应用于建筑设计、房地产开发和城市建设管理等领域，使项目成员跨越地理和专业的限制，实时上传资料、沟通讨论以及合作设计;2)触摸平台，多点触摸系统的普及，使Architable更贴近设计师传统的手绘习惯，使设计过程更加令人愉悦;3)空间关系数据库，Architable不仅包含建筑案例的图纸和文字资料，而且具有空间拓补关系信息，不仅能快速完成案例检索，而且为计算机学习建筑空间组合特征提供了基础，使未来的自动生成更加具有实际意义和可靠性;4)应用智能算法自动生成，Architable的适应性调整应用人工神经网络和遗传算法实现机器学习和自动生成，激发设计师灵感，使Architable源于CBR而又超越CBR。

需要指出的是，无论基于案例设计和自动生成技术发展到何种程度，CBD工具只是帮助建筑师完成简单重复劳动，使建筑设计的过程更加理性和高效的一种建筑数字技术。建筑设计的核心思想和内容始终掌握在建筑师手中。尽管“参数化设计”等主要针对设计结果的建筑数字技术，能够立杆见影取得辅助设计师的成效，然而“基于案例”等针对设计方法和过程的建筑数字技术，却能够从更广泛和更深刻层面对建筑师设计前期的构思过程产生影响，并力求实现一种相对理性、高效和使人享受其中的设计过程，这正是建筑数字技术的根本目的，也是我国建筑师和研究者在未来建筑实践中需要更加重视的领域。

四、结 语

本文探索了基于案例推理和基于案例设计的发展起源和过程，将几种主要的CBD原型分为“基于单机”和“基于网络”两类加以论述，并比较分析不同CBD工具的功能特性。在借鉴其他CBD工具特征基础上，笔者开发出基于网络和触摸系统的Architable原型，整合“基于单机”和“基于网络”优势，为设计师提供更加便捷且贴近传统设计习惯的社交网络式的CBD工具。未来研究将主要集中在以下方面:1)深入分析介绍Architable工作机理;2)探索并实现Architable的适应性调整与自动生成。

[1]魏力恺，张 颀，许 蓁，张昕楠.走出狭隘建筑数字技术的误区[J].建筑学报，2012(9):1-6.

[2]Schank R.Dynamic Memory:A Theory of Learning in Computers and People[M].New York:Cambridge University Press，1982.

[3]Kolodner J.Reconstructive memory:A computer model[J].Cognitive Science，1983(7):4-6.

[4]Aamodt A，Plaza E.Case-based reasoning:Foundational issues， methodological variations， and system approaches[J].Artificial Intelligence Communications，1994(1):39-52.

[5]Lang J.Creating Architectural Theory:The role of theBehavioral Sciences in Environmental Design[M].New York:Van Nostrand Reinhold，1987:62.

[6]Kolodner J L.Case-based Reasoning[M].San Francisco:Morgan Kaufmann，1993.

[7]Domeshek E A，Kolodner J L.A case-based design aid for architecture[C]∥Gero J S.Artificial Intelligence in Design.Dordrecht:Kluwer Academic，1992:497-516.

[8]Domeshek E A，Kolodner J L.Using the points of large cases[J].Artificial Intelligence for Engineering Design，Analysis and Manufacturing，1993，7(2):87-96.

[9]Schmitt G N，Faltings B，Smith I.Case-based spatial design reasoning[C]∥Bless R.Proceedings of the NRP23 Symposium on Artificial Intelligence and Robotics.Bern:Swiss National Science Foundation，1994:11-16.

[10]Hua K，Faltings B.Exploring case-based building design[J].Artificial Intelligence for Engineering Design，Analysis and Manufacturing，1993，7(2):135-143.

[11]Inanc B S.Casebook:An information retrieval system for housing floor plans[C]//Singapore:Proceedings of the Fifth Conference on Computer Aided Architectural Design Research in Asia，2000:389-398.

[12]Dillenburger B.Space index:A retrieval-system for building-plots[C]//Zurich:Proceedings of eCAADe 28，2010:893-899.

[13]Heylighen A，Neuckermans H.DYNAMO:Dynamic architectural memory on-line[J].Educational Technology and Society，2000(2):86-95.