多任务城市形态优化模型

四大目标协同优化

该模型突破了单一目标优化的局限，能在光伏发电、热舒适与碳排放之间取得平衡，为高密度城市提供全域最优解。

Chenhang, Bian · Hu, Panpan · Li, Chunyin · Chi-Chung, Lee · Xi, Chen

Energies 2025

参数信息

光伏发电预测精度

0.710 R²

累积热岛强度预测精度

0.559 R²

室内过热程度预测精度

0.819 R²

碳排放强度预测精度

0.405 R²

最优方案建筑高度

72.11 m

最优方案建筑质心距离

109.92 m

最优方案建筑朝向

183 °

最优方案光伏发电量

55.26 kWh/m²

技术优势

一模型四指标

多任务学习共享表征，同时预测光伏、热岛、过热和碳排放，比单任务模型精度更高。

策略可解释

SHAP分析指出建筑高度、密度和朝向是主要设计因素，揭示太阳能、热应力与排放的权衡，避免黑箱决策。

优化结果量化

多目标优化给出具体形态参数，该方案光伏最高、碳排放最低，热岛和过热程度可接受。

应用场景

• 既有街区绿色更新：用多目标优化找出既有街区改造中兼顾光伏、热舒适与减碳的形态方案。
• 新区低碳规划：在新区规划阶段量化形态参数对能耗和排放的影响，直接提供低碳布局。
• 城市光伏潜力评估：预测不同城市形态下的光伏发电量，帮助评估屋顶和立面的太阳能潜力。
• 建筑能耗模拟：替代部分传统能耗模拟，用数据驱动模型快速估算多指标性能。