数字化方法下流体空间形态生成研究

1 数字化设计方法与自然形态关系

计算机硬件设备的提升加快了其运算速度，高效多元化软件的出现则促进了传统计算机数据与程序的演变进化，使其从最初只用于辅助设计的一种工具角色，逐渐转变为参与到设计的全过程，并且会影响设计最终结果的设计载体[1]。Zaha Hadid Architects 联合创始人Patrik Schumacher曾创作PARAMETRICISM，以“数字化主义”来诠释21世纪建筑设计方式与思维的激进演变。在这种趋势中，设计师通过建立运算逻辑链条,并运用高速运算器处理大量信息的方式，模拟越来越多的自然形态（图1），如冰晶、蜂群、土壤的龟裂等等[2]。这些逻辑链条演算的设计结果，通常可以凭借数字化的加工、模拟方式形成相应的结构。其整个设计、制造、结果的全流程都映射了自然形式的几何复杂性、可变性以及灵活性。

2 数字化设计方法与流体形态关系

图1 数字模拟空间点群与肌理

数字化设计方法能够重新解读、模拟与定义，并最终应用在自然形态中的流体形态表现中。传统建筑观中，实用、坚固、美观是维特鲁威在《建筑十书》中对建筑的基本要求。基于这一理论体系，建筑的审美偏好注重外部空间和内部结构的稳定与统一，建筑空间被公认为固体形式，独立于自然，并永恒地存在于时间与空间之中。反观数字化演算与模拟，由于其设计方式能够重建并控制物理运动信息，并使其数据结构与模拟过程的复杂性与连续性反应于模拟结果之中[3]。这使得设计师能够构建流体运动模拟，并捕捉瞬时运动状态所对应的信息，从而构建流体空间。换句话说，通过这样的手段，能够将流体运动的瞬间形态转化为固体空间。不同于传统非线性空间塑造，数字化流体模拟后形成的空间，不仅仅具有连续性强、仿流体表面的建筑边界，也可以根据流体内部运动信息，创造出具有流体受力特点的内部结构。

2.1 重视流体形态的模拟

建筑界与设计界对非线性空间与流体空间从来没有停止探索。已经建成的大量实际项目让人们触碰到了非线性空间，从而感受到空间内的规律。例如，Zaha Hadid、Rem Koolhaas、Frank Owen Gehry等都以各种形式的语言探索了非线性建筑，他们的建筑作品形态中也都出现了复杂性、矛盾性、模糊性和不确定性，脱离传统欧几里得体系，重新演绎形式对功能的回应[4]。

Marino Moretti于2013年在其工作室发布的流体空间形态作品EntropyA，固化了流体的瞬时形态，看起来像是受到不同方向力场的胶状物变形（图2）。然而，与传统的非线性形态找形方式一样，很多流体形态研究还是由设计者预先进行设想，再通过MAYA、RHINO、3D MAX等建模辅助软件，将形态一次性“捏”出来。流体形态的潜能到底还有多少，传统“捏”形而来的流体形态结构能否真实反映流体形态的受力特点，还有待探索[5]。

因此，本研究提出，通过数字化模拟软件平台（Processing、Realflow等图形物理模拟软件），利用模拟粒子重构流体。这样不但可以追求似流体的外部轮廓，定义、编辑流体性质，从细节层面对流体形态进行设计，形成更多类流体的非线性空间，而且可以记录其内部流体信息，最终成为建立流体结构的基础。在拥有数字化的流体模拟平台后，如何在平台中定义流体，如何在平台中引导流体变异、变形，最终达到设计目的而得到流体形态，将是本研究要阐述的两大主要问题。

2.2 重视流体信息的模拟

2.2.1 重视模拟过程而非结果

通过流体模拟来生成流体形态，需要编辑流体本身，并引导流体，记录模拟过程。模拟过程中的所有信息，都有可能有益于设计结果。

（1）流体的自然特性可以被引入到建筑空间的生成和构造过程中[2]。特别是流体模拟中，常以一定的黏度和表面张力为主要参数，使得流体模拟粒子之间具有应力，流体整体具有运动趋势与不定形状态，最终形成一个拥有连续、平滑边界和方向性的整体结构。

（2）流体运动的模拟与空间的形成应考虑到模拟时间。每个模拟帧的粒子位置、运动方向、运动速度信息都可以作为一套空间结果，形成一个独立的空间方案（图3）[6]。因此，流体的不确定性对于流体空间的形式与设计过程都有直接影响。

2.2.2 信息化模拟过程与结果

由于设计阶段借助了电脑程序模拟流体，所以流体本身的细节信息与环境信息都能够被设计者读取而加以利用[6]。例如，流体模拟结果的边界可以划分建筑空间与建筑结构，且建筑表皮的机理、光影、形式都可以根据流体变成粒子特效重新建构（图3）。流体模拟结果的结构本身也能够根据粒子群体的速度、温度、密度、黏度内压和外部压力等信息进行建构，形成与流体受力关系相关的整体结构体系。所以，流体空间的信息化不仅能够在形式上拓展对于非线性空间形态的认知，也能够在独特的视角下，拓展对非线性空间结构、机理与材料的研究。

3 流体模拟平台构建

3.1 多代理系统模型与模拟空间矩阵

为了搭建流体模拟信息化平台，需要将非线性的流体空间位置信息与运动信息进行定义用于计算。多代理系统具有灵活性与智能性的特点，能够满足研究的需求。它可以在局部空间中运用多个智能化独立代理个体充分模拟群体运动，最终的群体运动结果是每个代理物体之间互动，以及与环境互动的结果[7]。正如前文中提到的，流体空间模拟的关键点在于：①塑造流体自身粒子与运动信息；②塑造外部环境影响力。因此，我们可以利用具有多代理系统的软件平台，建立流体的“粒子群”与模拟空间矩阵，从而模拟出流体粒子之间的互相作用力与流体外部环境作用力，最终获得模拟流体粒子特性与流体外部物理影响力的结果，使得流体空间的衍生成为可能。

3.2 流体模拟平台构建

流体模拟代理系统需要将其中的粒子形成一个整体群体；而“蜂群”体现了具有特殊运动趋势与特殊密度变化的空间连续结构的意向。所以，设计者需要给流体模拟粒子一个可以遨游的环境，使其整体效果看起来像一个连续的流体[6]。

首先，将模拟空间划分成若干正交矩阵细胞，并且在相邻细胞之间建立信息数值关联，并调节至合适的关联度[8]。任何一个细胞内的信息数值波动能够顺应相邻细胞的信息数值波动，且波动幅度递减。此联系的宏观效应将在模拟空间中形成波动场，塑造流体运动外力与内力，最终产生类流体运动趋势的形态（图4）。例如，一个初始速度产生于一个单元细胞中，其包围的单元将受到该速度的相对强度和方向数值的影响，产生迭代递减运算结果下的速度矢量数据。然后，在整体模拟空间中观察，发现速度逐渐趋于合并，看起来像一个渐变力场。通过力场在空间中的平滑变化推动，粒子群将有序地沿力场路径运动起来。同时，如果建立特殊作用力于空间单元中，就可以建立粒子群的流体性质，如内部压力（internal pressure粒子之间的距离数值）、外部压力（outer pressure粒子群体积）、黏稠度（viscosity粒子之间的吸引力）及表面张力（surface tension表面粒子间距的刚性约束）等。最终，空间代理系统会留给我们一个流体信息粒子群。设计师就可以根据每个代理粒子的速度、密度、粒子ID等信息构建建筑结构，将其模拟成为现实空间（图5）。

图3 流体模拟过程截取与模拟信息生成结构

4 流体空间模拟生成

4.1 代理粒子流体特性建立

在多代理模型系统中，若液体粒子“个性”设置不恰当，可能会使得其外部宏观难以显示气体、液体或糖浆的特征[2]。此时，可以通过控制密度、内部压力、外部压力、黏度和表面张力等几个主要性质来编辑粒子的“个性”，使其外在能够表现出液体性质。不仅是在外部形体方面，粒子的“个性”也体现于内部粒子的速度向量、密度、分布等多个方面，从而在给出一个拥有光滑流体界面形态的同时，也给出了其详细的内部结构信息[2]。

4.1.1 密度

在现实中，我们将每单位体积的质量定义为物质的密度。在流体模拟中，控制密度能够使其在流动过程中产生适当的行为。密度越大的流体越稳定，粒子移动需要的推进力强度也越大。因此，控制流体粒子移动所需的加速度条件，是建立流体密度的捷径。此外，密度对比的建立也使不同性质的流体在同一模拟体系中得以区分，如较高密度的流体，其整体运动速度的增益较慢。再有，不同的密度设置使得粒子按同密度聚集，不会混合。值得一提的是，如果我们施加同一个力于不同密度液体，则流体阻力变得不稳定且可能发生波动，形成摆动形态。若流体粒子加速度不断变化，流体各自的边界会变得模糊，不同流体粒子就有可能相互进入临近流体，从而形成所谓的沸腾或湍流效果（图6）。

图4 多代理系统建构与模拟空间矩阵建构

图5 流体空间效果

4.1.2 压力

在数字化语境中，我们通过吸引力和排斥力决定粒子之间的距离，并通过外部边界限制使流体粒子间形成压力。在流体运动的宏观表现中，形成了内部压力与外部压力。内部压力保证流体粒子填充到相应体积的空间中，而外部压力能够限制其体积的扩张。若内部压力和外部压力不存在，流体粒子就会失去流体行为，只会各自在场中运动而缺乏粒子之间的互动。如果定义内部压力值非常低，而外部压力值非常高，则会形成烟雾般的形态（图6）。

4.1.3 黏稠性

一些流体黏稠度特征表现明显，例如蜂蜜群、焦油或糖浆。模拟这些黏稠特征，需要借助相对一致的矢量系统驱动流体的运动。同时，需要粒子系统中产生一些拖曳力来平静流体粒子，使其运动连续、缓慢、有序，这样可以实现具有一定黏稠度的流体形态。反之，无规律的加速容易使得液体模拟出现飞溅、气泡、龟裂、湍急的表面，而不形成光滑的边界（图6）[6]。

4.1.4 表面张力

表面张力形成于流体表层粒子受力的特殊状态。流体单位表面积上切线方向所受到的拉力即为表面张力。如果我们可以控制模拟粒子群上层粒子的动力水平，就可以控制流体表面的性质[7]。合适的表面张力使得流体空间形成明显而光滑的边界，并且将空间中上、下、左、右统一于连续的形态中，打破传统的楼板、梁柱体系。同时，表面张力也能够形成较为稳定与致密的流体表层结构，使得流体粒子在表层的速度向量与表面切线方向一致，限制流体形式的扩张与发展（图6）。

图6 模拟粒子的流体性质建构

4.2 流体环境驱动力建立

流体模拟环境多代理系统的应用，以及流体内部各项参数的建立，是流体模拟的第一步。接下来，需要建立一个“找型”过程，清华大学徐卫国教授定义其为构建非线性数字图解，并生成非线性体的过程。在这类“找型”过程中，设计者的空间构思处于辅助地位，方案形态根据建立的运输逻辑链条与多个初始信息生成多解结果。而在我们的多代理流体模拟系统中，可以引入多种空间几何算法生成形态力场，引导代理粒子形成多种独特空间分布，生成多样化的流体空间形态[3]。

不同算法在多代理模拟系统中产生的力场驱动粒子形成流体空间形态，其模拟过程具有不可预测性与不可复制性。模拟过程本身也是影响设计结果的重要因素，人们无法精确判断模拟过程中的任何变化，模拟参数的结果能够无限演变，具有偶然性与不确定性。对于设计者来说，模拟过程也是至关重要的实时反馈系统，设计师需要关注每一帧多种算法的模拟运行效果，并针对必要的算法逐个调整或整体修整，使得结果趋近于理想状态[2]。

在多代理系统中，设计师可以利用3个主要策略灵活控制形状演化：①修剪粒子群体，模拟结果可以是模拟群体的局部；②吸引力、排斥力、螺旋力、向心力、柏林噪波运动算法（Perlin Noise）、自组织运动算法（Stigmerg）等都能通过多代理系统形成空间力场，从而作用于流体模拟粒子运动，改变粒子群空间分布状态；③整个模拟过程需要精心设计，力场随时间的变化能直接作用于形体演变。因此，需要记录模拟过程，每一帧的形态组合都可以形成多解结果，构成图解（图7）[1]。

4.2.1 修剪粒子群

控制粒子群体的数量与边界可以直接在模拟数据中删除粒子数据。只要设计师设置适当的边界形态或者障碍物，那些通过边界或碰撞到障碍物的模拟粒子就会被自动删除。这样通常能够避免一些空间被流体粒子侵犯，引起流体粒子自身的属性变化，并且边界或者障碍物的形态可以是任何形态[9]。

由于模拟过程中，粒子的速度向量、位置、密度、序列号、运行寿命等数值非常容易获得，设计师可以通过控制这些参数，对个别粒子或者同类粒子进行删除。在宏观模拟看来，也就是限制了流体的最高速度、密度、液体松弛度等。例如，设计师对运行寿命做出设定后，流体粒子将不会无限运动下去，存在时间超过寿命的粒子将被自动删除，粒子群的宏观形态像瀑布一样，最终会保持一个稳定的、不断更新的形态[6]。

4.2.2 粒子集群结队行为

通过一些基本物理力组合，常见的集群运动行为（如蜂群、鸟群等动物群体运动）在多代理系统中能够被成功还原。自然界中的流体运动是严格遵循经典物理学的，也就是顺应驱动力的方向运动。结合集群运动模拟与流体运动模拟，就能够得到既具有流体性质，又带有动物集群智能的流体粒子群体。这使得流体粒子不仅仅是流动的物质，不规则漩涡、回流、均匀开裂、沟壑都有可能在其流体中发生，极大地丰富了流体空间形态的可能性。

在多代理系统中，通过构建粒子之间的3对力——吸引力、排斥力和对齐力，可以得到近似的集群运动行为。控制这3对力的影响范围与强度，使其达到合适的值，就能得到较为近似的动物集群运动[7]。吸引力在满足距离的条件下，以两粒子之间产生的同向向量为加速度，使得两粒子互相靠近，保证了群体粒子的聚集；排斥力则以粒子之间的反向向量为加速度，使得两粒子互相远离，保留了群体粒子之间的间隔距离，避免粒子黏连；而对齐力在整个模拟过程中，不停地将粒子们的向量加速度调整为同向向量，使它们不断地往一个平均方向趋近，最终形成同向队伍。

集群结队行为模拟通过调整上述3对主要力的配比，形成复杂的粒子聚集或分散行为，每对力的绝对值基本没有限制，甚至可以构建向心力等其他力形成漩涡等形体，并最终于流体粒子中形成各类“湍流”，实现超越自然形态的美学模拟（图8）。

图7 流体形态干扰“找形”--不同算法对流体粒子的驱动

4.2.3 柏林噪波算法（Perlin Noise）

由Ken Perlin于1983年创造的柏林噪波算法，能够在空间中形成连续变化的非对称空间数据布局。该算法可以轻易模拟如云、大理石、纤维、木纹等自然肌理。这也启示我们，利用这个数据布局能够在多代理系统空间中形成连续变化的、复杂的力场来驱动粒子，最终形成变化的空间或纹理结构[4]。

在模拟中，为了得到优美的噪波模拟形态，设计师需要对柏林噪波的参数特征进行控制。调整噪波的波长、频率、振幅、模拟时间、初始模拟态，能够使噪波力场达到合适的强度与形态。柏林噪波的空间数值可以作用于粒子的速度、位置等信息，也可以在多代理系统中形成自己的噪波力场来干扰粒子的运动，从而引导粒子群，形成意想不到的空间效果。

柏林噪波作为独立算法，通过多代理系统与流体动力算法耦合到一起，体现了计算逻辑推演过程对设计结果的影响。推演过程中，设计师通过不断地修改和优化计算逻辑链条，得到自己满意的设计结果（图9）。

4.2.4 自组织算法（Stigmergy）

自组织算法起源于生物界共识主动性概念，其描述生物个体通过识别其他个体留下的信息和存留物，来独立完成下一个任务，如蜂群的信息交换、蚁群的移动等等。这启发了设计师在多代理系统粒子之间建立间接的信息继承方式，从而使得粒子运动产生跟随、趋近，并最终整合为一个群体“共识”路径[7]。因此，自组织算法也是模拟自然形态与肌理的重要算法。在我们的多代理系统空间中，可以将前文中的模拟空间矩阵作为粒子储藏运动信息的单元，并将粒子的运动信息记录在单元格中，再通过预留信息影响随后而来的粒子运动。这样，前后粒子的运动轨迹与方向会互相耦合与继承，自发地出现连贯、明显、统一的综合路径与运动方式（图10）。

图8 Flocking算法驱动粒子

通过自组信息系统的预留信息整合，最终会得到自发形成的、智能化的自然纹理形态。通过粒子捕捉空间中的预留信息来影响自身的运动模式，继而可以通过控制粒子的辅佐视角宽度、捕捉范围、控制视觉角度、影响因子（预留信息对粒子速度或加速度的影响比例）、粒子速度等参数，去影响与控制纹理方向、密度和形态，并进行图解分析[6]。只要我们提高多代理系统的运算量与运算速度，提高代理数量就能够得到树木表皮、土壤龟裂等信息量巨大的、丰富的自然形态模拟。

5 总结

图9 Perlin Noise算法驱动粒子

图10 Stigmergy算法驱动粒子

本研究通过数字化多代理系统平台为模拟粒子定义了流体特性，并在空间中通过多种算法模拟力场驱动，从而形成具有建筑功能可能性的流体空间。其粒子运动信息能够被转化为独特的、带有流体运动趋势的结构体系。总的来说，此模拟的策略重点在于搭建数字化综合平台，在模拟过程中，将不同的模拟算法组合、关联起来，这脱离了传统数字化非线性空间模拟的单一算法运行状态。多重算法的组合增加了模拟程序的灵活性和复杂性，也增加了结果的不确定性与找形控制难度。多代理系统的设计韧性也被体现出来，粒子并不是按照精确规划的运动轨迹运行，而是通过调整各自的移动状态，最终形成一个可以被识别的有机流体形态群体，并根据形态信息构建结构以固化模拟结果。其固化结果的结构特点、空间效果、肌理效果都体现了流体特性。

经过努力，本研究展示了对于非线性形态中流体形态的解构与重组过程，最终探讨出一种可操作的流体形态生成策略。当然，在众多数字化形态衍生方法中，这只是冰山一角。我们希望通过本文的介绍，结合算法耦合的设计方法与结果的梳理，帮助设计师们看到数字化设计方法的前瞻性、韧性、开放性和不确定性给设计过程带来的益处。这种“至下而上”的模拟找形方式的潜能，值得设计人员多做探索与利用。

参考文献：

[1]袁烽.从数字化编程到数字化建造 [J]. 时代建筑, 2012(5): 10-21.

[2]Berkel B V. Navigating the Computational Turn [J].Architectural Design, 2013, 83(2): 82-87.Corporation, 2012.

[3]黄蔚欣,徐卫国.非线性建筑设计中的“找形” [J]. 建筑学报, 2009 (11): 96-99.

[4]沈文.“参数化主义”的崛起——新建筑时代的到来 [J].城市环境设计, 2010 (8): 194-199.

[5]徐卫国.非线性建筑设计[J]. 建筑学报, 2005(12):32-35.

[6]徐卫国,黄蔚欣, 靳铭宇. 过程逻辑——“非线性建筑设计”的技术路线探索[J]. 城市建筑, 2010(6):10-14.

[7]Andrasek A. Open synthesis: toward a resilient fabric of architecture [J]. Anyone Corporation, 2012.

[8]Schumacher P. Parametricism: A New Global Style for Architecture and Urban Design [J]. Architectural Design, 2010,79 (4): 14-23.

[9]袁烽.数字化建造 新方法论驱动下的范式转化[J]. 时代建筑, 2012(2):74-79.