26706

توليد چيدمان فضايي پلان‌هاي مسكوني با استفاده از شبكه‌هاي عصبي مبتني بر گراف

كارشناسي ارشد

معماري- فناوري معماري

1397-1398

1401/2/31

احمد اخلاصي - مرتضي رهبر

معماري و شهرسازي

در اين پايان‌نامه يك مدل يادگيري عميق بديع جهت دستياري طراحان در توليد چيدمان فضايي پلان‌هاي مسكوني ارائه‌شده است. با خودكارسازي جانمايي فضايي، مي‌توان فرآيند طراحي ساختمان را به ميزان قابل‌توجهي تسريع كرد. هدف اين مطالعه فراهم كردن بستري است كه معماران را قادر سازد تا از توانايي‌هاي الگوريتم‌هاي يادگيري عميق براي توسعه طرح‌بندي‌هاي فضايي استفاده كنند و درعين‌حال سطوح بالايي از كنترل را بر راه‌حل‌هاي به‌دست‌آمده داشته باشند. اين رويكرد شامل اِعمال الگوريتم شبكه مولد تخاصمي مقيد بر روي ساختار گراف دياگرام حبابي ورودي براي توليد چيدمان‌فضايي، درون يك محدوده‌ي از پيش تعريف‌شده است. به‌منظور اشتراك‌گذاري اطلاعات گره‌ها با يكديگر، يك رويكرد انتقال پيام پيچشي اتخاذشده است. نتايج اين پژوهش نشان‌دهنده توانايي الگوريتم ارائه‌شده براي توليد راه‌حل‌هاي چيدمان فضايي بر اساس محدوده‌هاي ثابت و شرايط توپولوژيكي از پيش تعريف‌شده است. همچنين در راستاي اعتباربخشي به اين مطالعه، روش پيشنهادي در دو پروژه‌ي طراحي با عناوين طراحي يك آپارتمان مسكوني 6 واحدي در منطقه‌ي 5 تهران و يك ويلاي مسكوني در شهرستان لواسانات، مورد آزمايش قرارگرفته است. اين مطالعه سعي دارد تا يك تكنيك مبتني بر گراف و داده-محور را براي خودكار كردن مراحل اوليه فرآيند طراحي پيشنهاد دهد.

1401/04/14

Generating space layout of residential plans using graph-based Neural-Networks

5/21/2023 12:00:00 AM

A novel deep learning model is provided in this dissertation to aid designers in creating the spatial arrangement of residential plans. The building design process may be considerably accelerated by automating space allocation. This research aims to provide a platform that allows architects to construct spatial layouts using deep learning algorithms while preserving high degrees of control over the outcomes. To build a spatial arrangement within a given building footprint, a Generative Adversarial Network method is used for the graph structure of the input bubble diagram. A convolutional message passing technique was used to communicate the nodes' information. The findings demonstrate that the suggested method can develop spatial arrangement solutions using fixed boundaries and established topological requirements. The proposed technique has also been tested in two design projects named ‘designing a 6-unit residential residence in Tehran's District 5’ and ‘villa design project in Lavasanat city’ to validate this study. This research aims to provide a graph-based, data-driven approach for automating the design process' early stages.

هوش مصنوعي , يادگيري‌ عميق , شبكه گراف , طراحي مولد , چيدمان فضايي , توليد پلان , خودكارسازي طراحي

artificial intelligence , Deep Learning , Graph Network , Generative Design , space layout , Plan Generation , Design Automation

Mohammad Reza Aelaei - Melika Saedi

Dr. Ahmad Ekhlasi - Morteza Rahbar