技术领域
[0001] 本
发明属于建筑机电设计领域，具体涉及一种基于蒙特卡洛的建筑机电点位布置方法。
背景技术
[0002] 蒙特卡洛
树搜索又称随机抽样或统计试验方法，属于计算数学的一个分支，它是在上世纪四十年代中期为了适应当时
原子能事业的发展而发展起来的。传统的经验方法由于不能逼近真实的物理过程，很难得到满意的结果，而蒙特卡洛树搜索方法由于能够真实地模拟实际物理过程，故解决问题与实际非常符合，可以得到很圆满的结果。这也是以概率和统计理论方法为
基础的一种计算方法，是使用随机数(或更常见的伪随机数)来解决很多计算问题的方法。将所求解的问题同一定的概率模型相联系，用
电子计算机实现统计模拟或抽样，以获得问题的近似解。
[0003] 建筑设计包括建筑、结构、给排
水、暖通、电气五个专业；给排水、暖通、电气统称机电专业；建筑中的机电专业需要依据建筑的几何布置以及建筑的功能需要去设计建筑的配套设备的放置以及设备间的链路连接；比如电气专业里的照明就是需要解决建筑的采光需求，他需要依据不同房间的照明采光需求，确定
灯具的种类、数量，随后需要设计给各个灯具的供电线缆的铺设。设备点位布置即为在空间中确定某个设备的
位置，不同的设备有不同的布置要求、布置原则。比如灯具即为满足采光需求，网口、插座面板即为满足人的功能使用需求。另外有些设备会存在一定的优化需求，比如综合布线系统中交换机需要依据点位数确定不同的型号，如48口、24口，以及确定放置楼层的位置(点位少时可能共用某几层共用一个交换机)；
空调送
风口、回风口的位置确定需要考虑空间内的气流组织问题；灯具的放置需要结合建筑的自然采光等。
[0004] 传统建筑机电设计师在设计时需要采用CAD
软件凭设计经验进行手动绘制，绘制费时费
力，绘图存在大量的重复性工作，且手工绘制容易出现绘图错误，需要人工反复查验，故整个设计工作是一种低效低质的过程。
[0005] 国内外相关机电自动设计工作多为基于某种设计的优化，多为基于随机搜索方法(如遗传
算法、蚁群算法)来进行优化设计，并未实现机电点位从无到有的设计，比如Bentley公司的Hevacomp Electrical Designer软件可用来实现对照明点位
开关的分组配置。
[0006] 在家具布置领域有相似点位布置生成工作MANYI LI,等人在GRAINS:Generative Recursive Autoencoders for INdoor Scenes中提出了利用RvNN训练生成户内家具布置的方法。该家具布置方法需要大量的
训练数据来实现模型的训练，且模型受训练数据影响较大，泛化性较差。
发明内容
[0007] 针对背景技术中存在的问题，本发明的目的在于提供一种能够自动依据建筑空间生成设备点位设计图纸的基于蒙特卡洛的建筑机电点位布置方法，以提高设计师工作效率，提高建筑设计图纸
质量。
[0008] 为了实现上述目的，本发明的具体技术方案如下：
[0009] 一种基于蒙特卡洛的建筑机电点位布置方法，所述方法包括训练过程及设计生成过程，具体步骤如下：
[0010] 所述训练过程包括以下步骤：
[0011] (1)针对目标建筑类型建筑(比如办公建筑)，将设计好的建筑图纸结构化为BIM数据，并且对建筑中的关键建筑结构数据进行标注，对标注好的数据进行提取；
[0012] (2)依次对每个建筑空间进行均匀网格化处理，并计算出机电点位布置的可行域，即去掉墙梁板柱、其他已有设备点所占空间的网格，处理后的网格可以看做布点的一个位置；
[0013] (3)依据不同的待设计建筑类型选用相应的布点评价指标参数集C；
[0014] 直接根据预置的种类，比如办公建筑就选择办公建筑的指标参数集，住宅建筑选用住宅建筑的指标参数集。
[0015] (4)使用蒙特卡洛
采样(Monte Carlo Tree Search)，按照规则，随机进行自动布点，自动生成布点过程作为初始样本集S；
[0016] (5)使用
卷积神经网络CNN中的ResNet作为启发函数，以S为输入，输出有两个：(a)下一个布点位置和布点概率，(b)最终布点完成后的评价指标；
[0017] (6)使用蒙特卡洛采样，布点由随机改为用训练好的ResNet网络作为指导；据当前布点计算下一点位置的概率和最终评价指标的值，取最大分值作为下一个布点的位置；作为新的样本集Si；
[0018] (7)重复步骤(5)(6)，不断提高ResNet
精度；训练得到蒙特卡洛
深度神经网络生成模型；
[0019] 对于不同的建筑类型重复执行(1)-(7)流程，训练得到针对不同建筑类型的生成模型。不同建筑类型需要分开训练，也就训练得到不同的训练模型，比如办公建筑的生成模型、住宅建筑的生成模型。
[0020] 所述设计生成过程包括以下步骤：
[0021] (1)将设计好的建筑图纸结构化为BIM数据，并且对建筑中的关键建筑结构数据进行标注，对标注好的数据进行提取；
[0022] (2)依次对每个建筑空间进行均匀网格化处理，并计算出机电点位布置的可行域，即去掉墙梁板柱、其他已有设备点所占空间的网格，处理后的网格可以看做布点的一个位置；
[0023] (3)依据不同的待设计建筑类型选用相应的所述训练过程得到的蒙特卡洛深度神经网络生成模型，采用所述蒙特卡洛深度神经网络生成模型多次生成训练结果；
[0024] (4)选取至少3个生成结果最好的结果返回。
[0025] 作为一种优选的方案，在训练过程步骤(1)中，所述关键建筑结构包括建筑中的墙、梁、板、柱、空间、区域和已有设备点。
[0026] 作为一种优选的方案，在训练过程步骤(3)中，所述布点评价指标由点位
覆盖率、点位个数、覆盖重叠率、点位对齐率、等间距指标、离建筑构件距离共六个子指标线性加权所得；
[0027] F点位指标＝c1f覆盖率+c2f点位个数+c3f重叠率+c4f对齐率+c5f等间距+c6f距离指标[0028] 针对不同的建筑空间类型子指标有不同的权重；
[0029] C＝{c1,c2,c3,c4,c5,c6}。
[0030] 作为一种优选的方案，住宅类建筑参数集为：
[0031] C住宅＝{0.25,0.2,0.15,0.15,0.15,0.1}。
[0032] 作为一种优选的方案，办公类建筑参数集为：
[0033] C办公＝{0.35,0.2,0.15,0.1,0.1,0.1}。
[0034] 作为一种优选的方案，地下
停车场类建筑参数集为：
[0035] C地下停车场＝{0.35,0.1,0.2,0.1,0.15,0.1}。
[0036] 作为一种优选的方案，在设计生成过程步骤(1)中，所述关键建筑结构包括建筑中的墙、梁、板、柱、空间、区域和已有设备点。
[0037] 作为一种优选的方案，在设计生成过程步骤(4)中，选取3个生成结果最好的结果返回。
[0038] 本发明的有益效果在于：
[0039] 1、本发明采用
强化学习的方式实现了从无到有的建筑机电点位的设计，且训练过程无需额外已有的设计数据。本发明所述方法针对各种建筑类型都可适用，这是一类通用的方法，每类建筑类型需要
指定不同的参数指标集，并且需要独立训练。
[0040] 2、本发明提出了涵盖多种点位布置的一种评价指标体系，可用于多种点位设备。
附图说明
[0041] 图1为本发明的建筑机电点位布置方法的
流程图；
[0042] 图2为深度残差网络ResNet示意图；
[0043] 图3为点位对齐示意图，左图未对齐，右图对齐；
[0044] 图4为点位布置等间距示意图，右图比左图间距差别要小；
[0045] 图5为点位离建筑构件距离示意图，右图要好于左图左图点位离墙过近；
[0046] 图6为点位与建筑构件碰撞示意图，左图中发生了点位与空间边界相碰撞的情况；
[0047] 图7为点位间碰撞示意图，左图中发生了点位间碰撞的情况；
[0048] 图8为点位超出空间示意图，左图中有四个点位被布置在了边界外部。
具体实施方式
[0049] 下面结合附图以及
实施例，对本发明的具体实施方案作详细的阐述。需要说明的是，在不存在冲突的情况下，实施例及其中的技术特征可相互组合。
[0050] 本具体实施方案提供一种基于蒙特卡洛的建筑机电点位布置方法，如图1所示，所述方法包括训练过程及设计生成过程，具体步骤如下：
[0051] 所述训练过程包括以下步骤：
[0052] (1)针对某一种建筑类型建筑，比如办公建筑，将建筑师设计好的建筑图纸结构化为BIM数据，并且对建筑中的墙、梁、板、柱、空间、区域、已有设备点等关键建筑结构数据进行标注，对标注好的数据进行提取；
[0053] (2)依次对每个建筑空间进行均匀网格化处理，并计算出机电点位布置的可行域，即去掉墙梁板柱、其他已有设备点所占空间的网格，处理后的网格可以看做布点的一个位置；
[0054] (3)依据不同的待设计建筑类型选用相应的布点评价指标参数集C；
[0055] (4)使用蒙特卡洛采样(Monte Carlo Tree Search)，按照规则，随机进行自动布点，自动生成布点过程作为初始样本集S；
[0056] (5)使用CNN中的ResNet作为启发函数，以S为输入，输出有两个：(a)下一个布点位置和布点概率，(b)最终布点完成后的评价指标；使用已有数据训练该网络；
[0057] (6)使用蒙特卡洛采样，布点由随机改为用训练好的ResNet网络作为指导；据当前布点计算下一点位置的概率和最终评价指标的值，综合考虑取最大分值作为下一个布点的位置；成新的样本集Si；
[0058] (7)重复步骤(5)(6)，不断提高ResNet精度；
[0059] 对于不同的建筑类型重复执行(1)-(7)流程，训练得到针对不同建筑类型的生成模型。
[0060] 所述设计生成过程包括以下步骤：
[0061] (1)将建筑师设计好的建筑图纸结构化为BIM数据，并且对建筑中的墙、梁、板、柱、空间、区域、已有设备点等关键建筑结构数据进行标注，对标注好的数据进行提取；
[0062] (2)依次对每个建筑空间进行均匀网格化处理，并计算出机电点位布置的可行域，即去掉墙梁板柱、其他已有设备点所占空间的网格，处理后的网格可以看做布点的一个位置；
[0063] (3)依据不同的待设计建筑类型选用相应的先前训练好的蒙特卡洛深度神经网络生成模型；采用生成模型多次生成训练结果；
[0064] (4)选取生成结果最好的3个结果返回。
[0065] 也可以选取生成结果最好的4个、5个、6个或者7个结果返回。
[0066] 图1所示流程图包括训练生成模型+用生成模型生成设计结果两部分，生成以上的部分是训练过程。
[0067] ResNet：深度残差网络(Deep residual network,ResNet)。
[0068] 深度神经网络比较难以训练，因为存在梯度消失和梯度爆炸等问题，ResNet是由何恺明团队于2015年提出的，ResNet是由残差
块(Residual block)构建的。如图2所示，ResNet的残差块由两部分组成，其公式为y＝F(x)+x，从公式中可知其提供了两种选择方式，一个是Identity Mapping，指的就是图中曲线部分，即输入本身x，另一个是Residual Mapping，是除了曲线那部分，即残差部分F(x)，如果网络已经到达最优，继续加深网络，Residual Mapping将被push为0，只剩下Identity Mapping，这样理论上网络一直处于最优状态了，网络的性能也就不会随着深度增加而降低了。
[0069] 布点评价指标参数集C
[0070] 布点评价指标由点位覆盖率、点位个数、覆盖重叠率、点位对齐率、等间距指标、离建筑构件距离共六个子指标线性加权所得。
[0071] F点位指标＝c1f覆盖率+c2f点位个数+c3f重叠率+c4f对齐率+c5f等间距+c6f距离指标[0072] 针对不同的建筑空间类型子指标有不同的权重。
[0073] C＝{c1,c2,c3,c4,c5,c6}
[0074] 例如住宅类建筑参数集为
[0075] C住宅＝{0.25,0.2,0.15,0.15,0.15,0.1}。
[0076] 办公类建筑参数集为
[0077] C办公＝{0.35,0.2,0.15,0.1,0.1,0.1}。
[0078] 地下停车场类建筑参数集为
[0079] C地下停车场＝{0.35,0.1,0.2,0.1,0.15,0.1}。
[0080] 下面详细介绍每个指标的含义
[0081] 1、点位覆盖率
[0082] 每个点位都有一定的功能覆盖区域，建筑空间内的柱子或墙能够对覆盖进行遮挡，比如照明灯具。
[0083] 点位的功能性覆盖抽象为二维面积覆盖问题，以照明为例即以每个照明点位为圆心，一定的半径(公共区域如走廊等为1.8m，其他室内空间为1.2m)画圆，这个圆即是这个灯具的光照覆盖区域。
[0084] 功能覆盖率高即尽量布置点位使得空间区域内的所有空间均能被覆盖到。覆盖率可用覆盖面积与建筑区域总面积之比表示：
[0085]
[0086] 其中建筑区域总面积需要去除建筑空间内建筑构件的面积，即
[0087] A建筑区域总面积＝A建筑外边缘包围面积-∑A区域内建筑构件面积-∑A区域
中子空间面积[0088] 2、点位个数
[0089] 为满足经济性指标，在满足房间的覆盖率前提下，尽量减少点位个数的使用数量。
[0090]
[0091]
[0092] 3、覆盖重叠率
[0093] 点位在距离较近时会有一定的重叠面积，点位重叠会导致局部覆盖过高，故重叠率指标限制了重叠的情况发生。
[0094] 重叠率计算可用重叠部分面积与总建筑面积比值求得。
[0095]
[0096] 4、点位对齐率
[0097] 如图3所示，左右两个相同数量的点位布置，在满足其他要求的前提下，右侧设计方案优于左侧，因右侧布置更为整齐，左侧布置较为杂乱。
[0098]
[0099] 5、等间距指标
[0100] 点位在布置时应尽量保证等间距，即每列之间的间距以及每行之间的间距尽量相等。间距指标可用相邻间距方差表示。
[0101] 如图4所示，左右两个相同数量的点位布置，在满足其他要求的前提下，右侧B方案优于左侧A方案，因为左侧A方案中点位布置，横向和纵向均未做到等间距，而右侧B方案没为等间距布置。
[0102] f等间距＝σ2对齐线相邻间距
[0103] 6、离建筑构件距离
[0104] 为减少对单个点位覆盖面积的浪费，单个点位应尽量远离建筑构件
[0105]
[0106] 如图5所示，左右两个相同数量的点位布置，在满足其他要求的前提下，右侧B方案优于左侧A方案，因为右侧B方案中点位距建筑构件均有适度的距离(一般距构件距离应小于覆盖半径)，而左侧A方案没有。
[0107] 在点位布置过程中存在一定的约束，如下所述：
[0108] (1)与建筑构件不能碰撞
[0109] 如图6所示，左右两个相同数量的点位布置，在满足其他要求的前提下，右侧B方案优于左侧A方案，因为左侧A方案中点位与建筑构件存在碰撞，而右侧B方案没有。
[0110] (2)与其他点位设备不能碰撞
[0111] 如图7所示，左右两个相同数量的点位布置，在满足其他要求的前提下，右侧B方案优于左侧A方案，因为左侧A方案中点位设备相互间有碰撞，而右侧B方案没有。
[0112] (3)在空间内部
[0113] 如图8所示，左右两个相同数量的点位布置，在满足其他要求的前提下，右侧B方案优于左侧A方案，因为左侧A方案中部分点位设备不在空间内部，而右侧B方案中点位设备均在空间内部。
