TechArt研究小组课 | 人工智能与城市大数据
研究方向 ：参数化设计与人工智能
Parametric Design & Artificial Intelligence
“人工智能与城市大数据”
人工智能 | 城市设计 | 大数据分析
研究小组课 | Research Group Tutorial
1.导师介绍美国藤校
博士
宾夕法尼亚大学建筑学博士加州大学伯克利分校建筑学硕士同济大学DigitalFUTURES2019导师澳门科技大学讲师ACADIA2020国际会议协办人和审稿人CDRF2020国际会议协办人和审稿人中国知网特聘专家顾问前清华大学研究助理
设计逻辑图 | Generation Pipeline
在绘制城市规模的图纸时，设计师应始终定义每座建筑物的位置和形状。在尚未最终确定城市状况的早期设计阶段，此过程通常会花费大量时间，因此，设计师在绘制草图阶段会浪费大量的时间，针对不同的城市边界来指定初始方案。
生成对抗神经网络的架构 | Generative Adversarial Neural Network’s Architecture
区域的生成顺序| Generation Sequence
同时，机器学习作为一种决策工具，已在许多领域得到广泛使用。生成对抗网络（GAN）是机器学习中的一种模型框架，专门用于学习和生成图像类型的数据。因此，本研究旨在将GAN应用于生成城市的设计或分析方案，以帮助设计师在给定的城市条件下自动生成建筑物的配置，亦或是定量的分析现有城市中建筑的合理程度。
线框图和生成的初步分区图 | Plan Wireframe & Program Repartition of Generated Units
通过图像的机器学习，不同的设计因素和结果之间的关联能被挖掘出来。这种自动设计和分析工具可以在设计的早期阶段帮助城市设计人员减轻负担，从而快速生成城市设计的解决方案。对于不同城市的数据，可以训练的不同机器学习模型，后续的分析能启发城市设计师，在不同条件下带来不同的设计策略。
收集的城市平面图 | Collected City Maps | 导师过往论文分析图
不同GAN模型的生成效果 | Generated Result by different GAN model | 导师过往论文分析图
一共17个课时
15个项目课时（包括项目时长与论文书写），项目周期8周
+ 2个论文润色与投稿课时，论文服务周期1周
+ 不限时后续服务（答疑与交流）
线上研究小组课
3-4位学员为一组完成一/三个课题
（具体可见“项目最终成果”栏）
1. 学员共享的学术论文产出
2. 优质的研究型项目作品
3. 博士导师推荐信
课时1：Lecture 1
Introduction to Artificial Intelligence & Architecture Design
1) 学员课前简略阅读教材。
2) 简要介绍参数化发展历史和最新成果，从大方向说明参数化在建筑设计领域的应用。
3) 针对参数化概念性的问题解答学生疑问。
4）根据学生情况协调课程知识性内容
课时2：Lecture 2
Data Collecting Skills
1) 城市数据抓取方法的学习与练习。
2) 小组讨论：确定初步论文选题，研究方向和之后的研究步骤。
课时3：Lecture 3
Data Proceeding Skills
1) 数据解读和清理方法的学习与练习。
2) 城市数据的多方面理解和应用。
课时4：Lecture 4
Machine Learning Overview
1) 特征工程，人工智能理论教学，小组讨论。
2) 介绍特征工程的概念。
3) 人工智能运算的理论。
4) 小组讨论，确定论文的最终选题，以及实现目标的技术手段。
课时5：Lecture 5
Neural Network Introduction
1) 神经网络算法的详解。
2) 人工智能程序的实践。
3) 本地与在线运算支持。
4) 小组讨论，进行进一步的运算与建模。
课时6：Practice 1
Neural Network Training & Testing
1) 神经网络的训练和测试。
2) 城市数据的神经网络学习。
课时7：Practice 2
Results Arrangement & Interpretation
1) 训练和测试准确率解读。
2) 数据可视化表现。
3）深化项目分析图的表达，并开始项目
课时8：Practice 3
Result Analysis
1) 项目中期成果分析。
2) 小组讨论：论文思路中期讨论。
课时9：Practice 4
Figures Producing
1) 针对各自项目，做第二轮的知识性的补充。
2）讨论最终效果的应用范围与达成的效果预期。
2）开始分析图绘制，图面排版。
课时10：Practice 5
Presentation
1) 中期方案评图。
2) 学生课前需要提交若干正式图解和成果展示，并在课上汇报。
3) 项目材料重新梳理和整合。
课时11：Writing 1
Paper Writing & Paper Structure
1) 论文书写教学。
2) 论文格式和框架。
3) 论文背景介绍部分书写。
课时12：Writing 2
Literature Review
Problem Statement & Objectives
1) 文献综述部分书写方法。
2) 问题描述和目标部分书写方法。
3）小组讨论：项目改进讨论。
课时13：Writing 3
Literature Review
Methodology
1) 学术成果总结。
2) 方法论部分书写与梳理。
3）小组讨论：项目改进讨论。
课时14：Writing 3
Result Writing
1) 项目最终成果梳理。
2) 成果部分思路梳理与书写方法。
课时15：Writing 3
Conclusion & Reference
1) 结论和参考书目部分书写。
2) 最终摘要部分书写。
3) 完成项目作品与论文的定稿
掌握人工智能的基本概念和应用前景
学会城市数据的收集和二次处理方法
学会神经网络的训练和部署细节
灵活运用城市设计方案中的表达技巧
掌握大数据分析和可视化方法
获得一份优质的研究型项目作品
提升作品整体的研究深度，并助力于申请顶尖院校、研究型硕士和博士学位，扩宽申请范围与学员的未来选择多样性。作品包含前期的数据收集方法展示，神经网络的构架展示，城市数据的可视化表达，和城市分析和生成结果。
获得三至四份基于研究课题的学术论文产出
在导师指导下修改至符合学术要求的论文，并结合学员自身的学术需求与职业规划，由团队协助至最终发表至国际会议/国际期刊/SCI等。小组课的成员将共享论文成果。
获得导师签发的推荐信或其他推荐形式
如海内外知名实验室，事务所；国内外升学推荐信和相关工作等方面的有力内推，高含金量助力学员未来的学术深造与就业机会。
线上与美国藤校博士以及优质的海外学术团进行学术合作
深入接触城市设计专业的研究方法，建立学术研究思维积累并提升科研能力，获得高层次的人脉和校友关系。
积累顶尖学术前辈的圈内外专业性经验
为学员制定学术科研等方面的个性化规划意见。
PIX2PIXHD是生成对抗网络的进阶版，适用于二维图像的训练、生成和评价。导师的项目中将PIX2PIXHD用于建筑图纸的边界以及城市规划边界的识别与生成，并对神经网络的框架加以可视化分析。
建筑生成式室内布局（左） & 输入网络的边界（右）
输入网络的边界（左） & 生成的城市布局（右）
实时风格化的效果（左） & 输入的模型（右）
导师过往部分论文
关于更多过往学员成果案例与课程详情，欢迎在文章最后联系TechArt学术顾问，一起交流。
TechArt | 2020 建筑历史与理论课题系列（一）TechArt | 2020 可持续建筑课题系列（一）
TechArt | 2020 房地产发展课题系列（一）
TechArt一对一科研 | 形态与算法TechArt 研究小组课 | 人工智能与建筑找形TechArt 学术公开课 | 西方建筑史的批判性阅读TechArt 学术公开课 | 城市和郊区生态设计TechArt学术公开课 | 可持续城市
TechArt将继续分享最前沿的建筑艺术类的学术知识与优质的海外科研资源，为热爱学术的小伙伴们提供满满的福利！
咨询更多项目详情可长按二维码添加学究科研社学术顾问微信预约