Tema istraživanja:
Proces projektantske misli je često repetativan jer su ciljevi, regulacije u najvećem broju situacija slični ili isti. Projektant uglavnom teži da projektuje objekat maksimalnog dozvoljenog gabarita, najekonomičnije cene izgradnje, maksimalnog broja jedinica za neku kategoriju stana, itd. Svi kriterijumi su suštinski gledano parametri. Postavljajući algoritam za šemu toka misli koji inkorporira kriterijume tj. parametre kojima se vodi projektant, smanjuje se potrebno vreme projektovanja idejnog projekta, a povećava se faktor pouzdanosti i doslednosti projekta.
Ideja:
Zamisao ovog istraživanja je uočavanje šablona projektovanja kod, u ovom slučaju, rezidencione arhitekture, definisanje a zatim konvertovanje tih parametra i njihovog odnosa u algoritam koji bi mogao da proizvodi varijacije idejnog projekta u pomeranjem vrednosti slajdera komponenti.
Karakteristični primeri:
Jedan od najistaknutijih primera automatizovane arhitekture je model Finch 3D studia sa njihovim osnivačem Džasperom Valgrenom (Jasper Wallgren).
“Finch deluje kao proširenje već uspostavljenih CAD / BIM alata. Da bismo je izgradili kao proširenje, odlučili smo vrlo rano u dizajnu Fincha. Smatramo da je važno da arhitekte mogu da nastave da dizajniraju u okruženju u kojem su navikli – Finch će to jednostavno učiniti pametnijim.”
Valgren kaže da u ovom sistemu postoji dve vrste inteligencije: rule-based (bazirana pravilima) i AI (veštačka inteligencija). Rule-based se sastoji od algoritama čije parametre korisnik može sam da podesi i primenjiva je kod delova projektovanja poput visine objekta, distribucije apartmana i debljine zidova. Ova vrsta algoritma automatizuje mnoge repetativne zadatke. Veštačka inteligencija se koristi za generisanje dizajnerskih rešenja i generiše predloge dizajna objekta. Što se program više koristi, to je pametniji jer s time koristi više podataka za analizu i procenu.
Drugi primer generativnog dizajna vredan isticanja je Džol Simonov (Joel Simon) projekat “Evolving floorplans” tj. evolutivne osnove. U projektu je uzeta osnova jedne srednje škole u Mejnu, u SAD i pomoću dve vrste algoritma se pronalazio projekat optimizacije osnove ove srednje škole.
Postojeća osnova srednje škole
Levo: osnova u kojoj je minimalizovana količina saobraćaja Desno: takođe su uzeti u obzir evakuacioni izlazi
Varijacije gde su i prozori uzeti u obzir. Učionice su imale prednost u odnosu na ostave i slične prostorije.
Svaka prostorija ima čvorni gen koji sadrži informacije o veličini sobe, sa kojom je sobom povezana. Ovi geni su suštinski NeuroEvolution of Augmenting Topoligies (NEAT) algoritam…
Sličan princip je zasnovan 90-ih godina prošlog veka na MIT-u (Massachusetts Institute of Technology) od strane Elefterije Fasoulaki (Eleftheria Fasoulaki) o Genetskim algoritmima (GA). Ovo istraživanje je prilično opširno je ovaj algoritam potencionalno priemnjiv na vrlo širok spektar industrija/profesija.
S obzirom na kompleksnost i opširnost teme genetskih algoritama, napomenuti su samo za koncept i inspiraciju u konkretnom radu.
Konkretizacija:
Fokus ovog istraživačkog rada biće usmeren ka rule-based algoritmima. Cilj je postaviti algoritam koji bi za početak sadržao osnovne informacije o prostorijama poput minimalne – maksimalne veličine, mesto u hijerarhiji za prozor, potrebnu veličinu prozora u odnosu na veličinu i dubinu prostorije i informacije o tome na koju se prostoriju nadovezuje.
Cilj istraživanja:
Postaviti algoritam koji uspešno generiše dijagram prostorija u odnosu na parametre koje bi korisnik mogao da podešava (najverovatnije putem numeričkog slajdera).
Elementi otvora ili mobilijara neće biti uključeni u cilj istraživanja s obzirom na kompleksnost definisanja pomenutih elemanata kao blokova i njihovog odnosa sa generisanom geometrijom u grasshopperu.
Alati:
Trenutno na tržištu postoje dva dominantna komercionalna programa za parametrično projektovanje, a to su Dinamo i Grasshopper. U ovom istraživanju sam se odlučio za rad u grasshopperu zbog boljeg poznavanja programa, njegovih mogućnosti kao i dodataka koji su specifično namenjeni za generisanje prostornih grafikona- osnova.
Tri plugina za grasshopper koja su u razmatranju za ovo istraživanje su: Space Synthax, Magnetizing Floor Plan Generator i Termite nest.
Metode:
Metode za ove pluginove varira, ali postoji jedna uopštena, generalna ideja o tome kako bi konverzija podataka u pojednostavljenu osnovu trebala da funkcioniše.
- Uspostavljanje pouzdanog načina stvaranja prostorne sintakse. Postoji dve metode koje su primenjene u određenim GH plaginovima. Jedna je stvaranje excel tabele koja sadrži podatke o veličini prostorija i njihovom odnosu koja se zatim importuje kao CSV fajl u grasshopper pa se tako povezuje sa ostalim elementima algoritma. Druga metoda podrazumeva unešenje ovih podataka direktno u grasshoper što je u teoriji praktičnije zbog jednostavnosti manipulisanja izmenama.
- Iz generisane prostorne sintakse kao skupa međusobno povezanih tačaka i iz podataka veličina prostorija bi trebao da se formira bubble diagram, tj voronoi dijagram u kom je rastojanje tačaka definisano površinom kruga tj. prostorija.
- U sledećem koraku bubble diagram treba da se konvertuje u skup ortogonalnih prostorija u definisanim granicama stana tj. kuće.
