Объем жилищного строительства в России за последние несколько лет стал рекордным за всю историю страны. Рост рынка подтверждается увеличением вывода застройщиками новых проектов на фоне высокого покупательского спроса [1]. Одной из важных целей развития строительной отрасли в России является увеличение объема жилья до ежегодного показателя 120 млн м 2 к 2030 году [2]. В условиях нестабильной экономической ситуации и неустойчивого спроса задача принятия точных, эффективных и оперативных решений о развитии урбанизированных территорий обретает особую актуальность. Оперативная разработка гибких, адаптивных мастер-планов, концепций и проектов развития территорий, отвечающих потребностям рынка и современным стандартам качества среды, невозможна без применения цифровых решений и интеллектуальных технологий.

Так же как в конце XX века, системы автоматизированного проектирования (САПР) перевели разработку чертежей с бумаги в электронный вид, появилось трехмерное моделирование и базовые инструменты автоматизации, уже в начале XXI века технологии информационного моделирования зданий (BIM) позволили вывести проектирование на новый уровень, представив его как стадию жизненного цикла объекта, на которой его материальное создание предваряет разработка цифрового двойника, описывающего физические и функциональные характеристики, систематизированные параметры и атрибуты [3]. Следующая ступень эволюции в этой области – становление технологий информационного моделирования городов. Масштабные информационные модели территорий (TIM) представляют собой не просто объединение множества BIM-моделей. Они должны описывать в комплексе и объекты с инфраструктурной точки зрения, механизмы управления и активности людей – пользователей территорий, таким образом упрощая анализ и мониторинг урбанизированной среды и обеспечивая мультидисциплинарную поддержку принятия решений при развитии территорий [4].

Технологии генеративного дизайна не просто создают возможности для разработки таких моделей, но и открывают путь для сверхоперативного решения задач управления и принятия решений о развитии территорий путем построения цифровых моделей урбанизированных территорий с точностью, не уступающей проектам, разработанным профильными специалистами при помощи классических инструментов.

Девелопмент представляет собой длительный процесс вовлечения земель населенных пунктов в хозяйственный оборот и состоит из множества этапов, среди которых поиск оптимального земельного участка, разработка градостроительной концепции, проекта планировки и межевания, а также реализация и последующая эксплуатация территории. Данный процесс (рис. 1) регулируется законодательством посредством нормативных правовых документов [5].

Классический подход к подготовке проекта

Традиционный подход в разработке концепций развития территорий предполагает наличие в проектной команде сотрудников с разной специализацией: архитекторы, специалисты генплана, инженеры наружных сетей, транспортные специалисты и др.

Работа над проектом начинается со сбора исходных данных о земельном участке и окружении, планировочных ограничениях, предельных параметрах застройки. Как правило, на этапе оценки экономико-градостроительного потенциала территории командой проекта разрабатывается не более трех сценариев, отличающихся по планировочной структуре, а также технико-экономическим показателям (ТЭП). Один из сценариев становится основой для более детальной проработки проекта на этапе градостроительной концепции (мастер-плана), а также для проекта планировки территории.

Применение цифровых инструментов

Применение САПР и иных цифровых инструментов существенно ускоряет разработку проектов на всех стадиях: от сбора данных и их обработки до непосредственно проектирования, аналитики и визуализации результатов.

Применение технологий информационного моделирования позволяет создавать цифровые модели и двойники территории еще на этапе планирования. Они опираются на спецификацию сущностей, описывающих свойства объектов урбанизированной территории, допустимые и недопустимые операции с ними [6]. Цифровые модели концепций развития территорий – комплексные сущности, описывающие планировочные решения и параметрические характеристики градостроительного каркаса и объектов капитального строительства на территории.

Несмотря на существенную экономию трудовых ресурсов за счет внедрения таких инструментов автоматизации, разработка проектов по-прежнему ведется в соответствии с классическим подходом, то есть силами команды разноплановых специалистов с выполнением рутинных задач ручного цифрового черчения или объемного моделирования. Главный недостаток этого подхода заключается в невозможности просчета большого количества сценариев для сравнительного выбора наилучшего.

Внедрение интеллектуальных технологий

Стремительное развитие в 2020-х годах технологий искусственного интеллекта (ИИ) открыло возможности для нового уровня автоматизации проектирования. Технологии ИИ применяются при анализе больших данных, моделировании процессов и непосредственном автоматическом создании проектов (генеративном дизайне) [7]. С одной стороны, ИИ способен на порядок ускорять и упрощать работу с данными и создание проектных решений, с другой стороны, в сфере строительства и проектирования важное условие применимости ИИ – достоверная точность и строгое соответствие результата нормативным требованиям, а это могут обеспечить не все технологии. К примеру, отличительная особенность больших языковых моделей или графических нейросетей – создание правдоподобного, но не гарантированно достоверного результата. Новые интеллектуальные технологии в проектировании должны рассматриваться как основа для эффективных инструментов в руках квалифицированного специалиста, обеспечивающего экспертную верификацию решений, но не как автономные роботы-проектировщики.

Разработанный многоступенчатый метод генерации цифровой модели территории (рис. 2) включает в себя блоки импорта данных, несколько последовательно и параллельно выполняющихся алгоритмов генерации различных элементов цифровой модели, а также блоки экспорта и передачи результатов генерации для визуализации.

Алгоритмы генерации для комплексных проектов охватывают задачи создания улично-дорожной сети, определения оптимального функционального зонирования образованных кварталов, размещения в них объектов капитального строительства, а также генерации сопутствующей инфраструктуры. Применяемые алгоритмы обеспечивают точность результата и строгое соответствие заданным граничным параметрам.

Сбор и обработка исходных данных

Исходными данными для выполнения генерации являются границы территории, дополнительные пространственные данные (например, каркас улично-дорожной сети (УДС), зоны с особыми условиями, объекты окружения) и набор управляющих параметров и настроек (нормативные и другие целевые значения).

Пространственные исходные данные могут быть получены из документов территориального планирования или из открытых источников, в том числе с использованием автоматизированных инструментов. Значения для параметрических наборов данных собираются из нормативов градостроительного проектирования, иных нормативных и корпоративных стандартов.

Генерация линейных объектов и сетей

Генерация цифровой модели территории начинается с выполнения алгоритма трассировки улично-дорожной сети. Один из предлагаемых в методе алгоритмов основан на L-системах (система Линденмайера) [8]. В ходе генерации алгоритм разбивает территорию на квартал и задает свойства сегментам УДС, например категорию улицы, количество полос дороги.

В L-системе для старта процесса «роста» ветвей-сегментов УДС требуется задание стартовых точек присоединения на границе территории генерации. Общий паттерн УДС задается глобальной целью: стремление к центру участка и следование в сторону других точек подключения для связи их максимально прямым путем. Применяются также определенные правила ветвления и локальные ограничения к сегментам. После завершения работы алгоритма генерации применяется постгенеративная оптимизация для исключения кварталов некорректной геометрии.

Генерация трассировки иных линейных объектов выполняется при помощи алгоритма А*, для работы которого применяется навигационный граф с динамической или регулярной сеткой. После работы алгоритма А* выполняется постобработка генерируемых путей для обеспечения геометрически корректной трассировки.

Генерация оптимального функционального зонирования

Границы кварталов передаются на вход алгоритму генерации оптимального функционального зонирования. Задача этого алгоритма – определить такие функции или виды разрешенного использования (ВРИ) для каждого квартала, чтобы застройка всего проекта не нарушала нормативных требований, в том числе показателей доступности и обеспеченности социальной инфраструктуры. Кварталам присваиваются теги, которые могут служить инструкциями для алгоритма выбора функционального назначения, например определенное расположение, геометрия и т. п.

Выбор функционального назначения кварталов может производиться несколькими алгоритмами ИИ. Например, генетическим алгоритмом, который на старте начинает пробовать присваивать кварталам разные виды назначения и считать общую «стоимость» результата [9]. Целью алгоритма (поиска оптимума) является минимизация функции; жилые и коммерческие кварталы снижают ее значение, а социальная инфраструктура повышает. Конкретные коэффициенты влияния различных объектов выбираются в ходе калибровки градостроительной модели.

Альтернативой является алгоритм машинного обучения, способный на основе анализа существующих проектов генерировать схожие планировки. В качестве обучающей выборки используются размеченные цифровые модели эталонных проектов, включающие все объекты инфраструктуры на территории проекта и его окружения. Для каждого объекта рассчитываются расстояния-признаки. На основе анализа данных выделяется набор зон, содержащих такие типы объектов, которые в рассматриваемых проектах чаще всего встречались вместе и в схожих местах. При генерации зонирования на новой территории накладывается сетка, для каждой точки которой один из алгоритмов – деревья принятия решений, опорные векторы, логистическая регрессия или KNN – определяет, какую зону по набору расстояний до точки нужно назначить в заданной точке.

Позиционирование и параметрическая генерация площадных объектов

В зависимости от целевой градостроительной модели в некоторых видах кварталов могут размещаться предварительно смоделированные типовые здания, а также может выполняться генерация уникальной геометрии жилых комплексов или коммерческих зданий. В случае применения модели периметральной застройки алгоритм образует сплошной фронт застройки по периметру квартала, а также генерирует прямые, Г-образные или П-образные комплексы в границах квартала произвольной формы, ориентированные вдоль одной или нескольких улиц, окружающих квартал.

После генерации геометрии зданий им проставляются унифицированные теги, описывающие ТЭП конкретных объектов, например площадь, электропотребление, количество жителей и т. п.

Объекты притяжения на сгенерированной территории могут связываться пешеходными путями, оптимизация трассировки которых может выполняться специальными алгоритмами, такими как AntRoadPlanner, для предотвращения появления стихийных троп [10].

После завершения работы основных алгоритмов генерации могут выполняться дополнительные расчетно-аналитические алгоритмы на данных полученной цифровой модели. Например, может быть рассчитана инсоляция для всех жилых зданий, сгенерирована квартирография, сформирован план-график и экономическая модель реализации проекта.

Пространственные результаты генерации (УДС, зонирование, объекты капитального строительства) могут быть экспортированы в виде геослоев (например, в формате GeoJSON в координатной системе WGS-84) для работы в сторонних геоинформационных системах или инженерном программном обеспечении. Объекты капитального строительства могут быть экспортированы в BIM-модель в виде файлов в формате *.IFC (международный стандарт для импорта и экспорта объектов зданий и их параметров). ТЭП результата генерации могут быть выгружены в табличном виде для дальнейшей работы в форматах *.DOCX или *.XLSX.

На основе результатов генерации может осуществляться интерактивная объемная визуализация цифровых моделей концепций развития территории при помощи специализированного программного обеспечения.

Описанный метод генеративного дизайна цифровых моделей градостроительных концепций успешно апробирован и имплементирован в цифровую ИИ-платформу территориального информационного моделирования rTIM. Платформа позволяет производить сверхоперативную оценку экономико-градостроительного потенциала территорий разного масштаба, а также разрабатывать полноценные градостроительные концепции.

Для экспериментальных исследований были выбраны два проекта комплексного развития территорий (КРТ), для которых концепции были выполнены архитекторами классическим методом и методом, разработанным с применением ИИ. Разработанный метод и алгоритмы запускались в платформе rTIM с базовой градостроительной моделью, описывающей стандарт КРТ Минстроя России [11].

Сравнение показателей эффективности методов для проекта в г. Биробиджане (площадь участка 42,8 га) приведено в табл. 1.

Сравнение показателей эффективности методов для проекта в с. Новосергиевка (площадь участка 56,4 га) приведено в табл. 2.

Примеры визуализации сгенерированных в платформе rTIM цифровых моделей представлены на рис. 3.

Таким образом, метод генерации на основе алгоритмов ИИ продемонстрировал сокращение трудоемкости выполнения концептуального проектирования (в пересчете на 1 рассчитанный сценарий) в 200 раз относительно классического подхода, достигая при этом более высоких технико-экономических показателей за счет эффективности алгоритмов и большой вариативности результатов.

Разработанный метод генерации цифровых моделей территорий с применением алгоритмов искусственного интеллекта позволяет многократно повысить эффективность процесса разработки градостроительных концепций. Он обеспечивает оптимизацию трудовых ресурсов, избавляя специалистов от рутинных процессов и сокращая сроки проектирования, а ответственным лицам позволяет принимать более взвешенные и обоснованные решения о развитии территорий на основе различных сгенерированных сценариев.

Дальнейшие исследования в области оптимизации алгоритмов имеют потенциал создания более детализированных цифровых моделей проектов, а также расширения сферы применения технологии, что, в свою очередь, позволит решать задачи развития не только в проектах многоквартирной жилой застройки, но и в области малоэтажного строительства, промышленно-логистических комплексов и других сферах строительной отрасли.