EcoGen : détails

Le logiciel EcoGen s’intéresse au comportement environnemental des édifices, dans une approche multi-critères de la pré-conception éco-performante. Il tente d’optimiser des objectifs à satisfaire en termes de performances (lumière, énergie, consommation de chauffage, santé…), pour assurer une conception, une fabrication, une utilisation et une fin de vie des bâtiments qui soit soutenable. Nous détaillons ici l’évolution de sa conception depuis 2012. Pour plus de détails sur l’optimisation, consulter ce document.

EcoGen I (2012-2013)

Le modèle morphologique retenu depuis 2012 repose sur un principe d’agglomération d’unités élémentaires appelées « voxels » (VOlumetric piXELs), dont la géométrie est pour le moment ramenée à un parallélépipède déformable, de taille variable. Ces « voxels » prennent place dans un espace matriciel orientable à trois dimensions (appelé « volume capable ») et représentent des unités spatiales habitables. Les faces d’un voxel peuvent avoir une matérialité, une opacité, une inclinaison, recevoir l’énergie solaire et lumineuse et contribuer aux échanges thermiques. Les données d’entrée du projet sont constituées de la description géométrique de la parcelle, de l’environnement urbain, de leur géolocalisation (pour le modèle climato-solaire) et de données programmatiques (objectifs de surface à construire, avec une tolérance paramétrable, objectif de hauteur maximale ou fixée).

La description génotypique de l’individu est réalisée à l’aide d’une « classe gène » qui stocke l’index et l’état de chaque voxel de l’espace matriciel, qui peut être actif, interdit ou associé à une fonction particulière du programme architectural (logement, commerce, bureau). L’individu est décrit par une « classe chromosome » qui rassemble le « tableau des gènes » et le « tableau des fitness ». À partir de cette description, le moteur morphologique construit un modèle géométrique 3D et appelle le moteur d’évaluation des performances. Trois populations évolutives distinctes sont conservées pendant la durée du processus : la population courante, la population totale et la population du Front de Pareto (les élites).

Le moteur d’évaluation est un script Grasshopper fonctionnant sous le logiciel Rhinocéros. Nous y avons développé le calcul de trois fonctions de performance : la compacité du bâtiment, l’évaluation des ombres portées sur l’environnement bâti et l’évaluation de ses performances thermiques. L’évaluation des ombres portées sur l’environnement bâti est calculée par un lancer de rayons sur une matrice de points disposés sur les façades du contexte urbain, avec 6 positions solaires caractéristiques pré-déterminées. L’ombrage du contexte doit être minimisé. Le calcul du bilan thermique est basé sur le modèle simplifié des Degrés-Jour Unifiés. Celui-ci permet une approximation du bilan thermique de l’enveloppe du bâtiment avec la prise en compte des apports solaires sur les surfaces vitrées en fonction de la géolocalisation du projet et des déperditions par transmission en fonction de la résistance thermique de l’enveloppe dont le coefficient est fixé.

Interface_Ecogen

Figure 1. Interface Homme Machine d’EcoGen I (©MAP-ARIA, Renato Saleri)

L’interface homme-machine est constituée de deux écrans distincts, l’un permettant la visualisation d’une population d’élites (Figure 1), l’autre activant un zoom sur la solution sélectionnée dans son environnement bâti proche (Figure 2). La fenêtre principale est divisée en trois zones : présentation des élites de la population en cours, zone de mémorisation des individus sélectionnés, zone d’interaction avec les paramètres de l’algorithme et les critères de performance. La fenêtre de zoom offre une vue manipulable en trois dimensions avec rappel du profil de performance.

Pour chaque individu, deux niveaux d’information sont proposés. L’un constitué de la représentation phénotypique de la solution (géométrie 3D), représentation qui peut être manipulée par rotation et qui est support à une interprétation subjective. L’autre constitué par le double profil de performance de l’individu (relatif et absolu), qui représente une connaissance objectivée et comparative de chacun des individus de la population. Le concepteur a la possibilité, à tout moment, de sélectionner un ou plusieurs analogons dans la population des élites ou dans la zone de mémorisation pour orienter l’évolution dans des directions induites à la fois par leurs caractéristiques génétiques et par la persistance temporelle de choix similaires. Il peut également mémoriser plusieurs individus qu’il souhaite conserver et qui pourront le cas échéant êtres sélectionnés à nouveau pour réorienter l’optimisation.

Algorithme Génétique Interactif (IGA). Une des spécificités d’EcoGen repose sur l’intégration d’un IGA qui permet au concepteur d’interagir avec la boucle évolutionnaire, d’orienter et de guider l’évolution en fonction de considérations subjectives ou esthétiques (rarement automatisables). Notre proposition intègre une double modalité d’évolution génétique : le processus de génération et de sélection peut rester autonome ou être interrompu par une interaction humaine. Le concepteur a alors à tout moment la possibilité de privilégier certains individus et d’orienter l’évolution dans une direction choisie.
Cette interaction rencontre cependant un certain nombre de limites : lenteur du processus associé au temps de prise de connaissance, limite de la taille de la population, nécessaire simplification de l’évaluation pour conserver une interaction en temps réel, lassitude du concepteur face à un grand nombre de choix et de générations.

EcoGen révèle ici une double originalité. D’une part au niveau de l’interface homme machine, celle-ci propose l’affichage d’une population d’élites privilégiées, mais un capital génétique est conservé et mémorisé dans des populations d’individus plus larges, mécanisme complété par un fonctionnement multi générationnel. Celui-ci est intégré entre chaque itération et chaque interaction humaine, il permet d’accélérer le processus de convergence et de diminuer la lassitude de l’utilisateur. D’autre part, au niveau de l’algorithme génétique, un mécanisme de rémanence du choix de l’utilisateur facilite la prise en compte des choix subjectifs et leur consolidation au fil des générations. Cette spécificité algorithmique a été notamment présentée à la conférence IBPSA13 et dans l’article « A multiobjective and interactive genetic algorithm to optimize the building form in early design stages ».

Persp_Ecogen

Figure 2. Vue d’une solution dans son environnement proche (©MAP-ARIA, Renato Saleri)

EcoGen II (2014-2015)

La deuxième phase du développement d’EcoGen met en partie en œuvre un mécanisme d’évaluation basé sur des approximations statistiques et combinatoires à travers l’utilisation de modèles régressifs polynomiaux. Cette méthode présente une originalité forte, même s’il reste à vérifier les écarts à la réalité qui lui sont associés. Nous l’avons utilisée pour prédire les besoins de chauffage hivernaux (extension des travaux remarquables menés par Tiberiu Catalina entre 2008 et 2013) et approximer le « facteur lumière jour » (FLJ) d’une solution avec des temps de calcul très rapides. La méthode est présentée dans nos publications « EcCoGen : an evolutionary simulation assisted design tool for energy rating of buildings in early design stage to optimize the building form » (IBPSA2013), « Heterogeneous parameter investigation of dynamic building envelope’s thermal insulating performance » (CLIMA2013) et « Daylight factor estimation at an early design stage to reduce buildings’ energy consumption due to artificial lighting: a numerical approach based on Doehlert and Box-Behnken designs » (ENERGY, 2014).

Une grande partie des derniers développements (2014) a concerné l’évaluation d’une nouvelle fitness (apports solaires globaux du site : directs, diffus et réfléchis par le sol) ainsi que l’abandon du script Grasshopper en optant pour un « calcul hautes performances » en C++ / OpenMP pour l’évaluation extrêmement rapide des fitness. Cela a permis d’accroître la fluidité des calculs de l’algorithme génétique de plusieurs ordres de grandeur et de réduire considérablement la latence entre chaque itération ou groupe d’itérations successives. Dans la foulée, il sera ainsi permis d’étendre la taille des populations génétiques pour traiter des projets de plus grande taille.

Sont en cours d’étude : l’évolution du modèle morphologique, l’augmentation des degrés d’interaction entre l’utilisateur et l’outil dans une démarche d’appui à la créativité éclairée, et des évaluations opérationnelles avec des professionnels.



Update - 26 septembre 2016, 15:08 - Xavier MARSAULT