URBAN MODELING PLATFORMS / 都市モデリングプラットフォームに関する研究

Instead of running dedicated software such as CAD on a local computer, the software is launched on a browser and worked on by multiple people. Using this mechanism, multiple people can discuss and understand virtual city planning, etc. In addition, we are developing unique applications that can only be used in this environment. This series of research has been conducted in collaboration with PO LLC and Mr. Kawagishi of MJD. The latter part of this paper, in particular, is Po-LLC's area of responsibility.




  • FUJI ,T (MJD)

  • Dr.HOTTA,K (POllc, U.Keio)

  • Dr.HOTTA,A (POllc)


  • 川岸 昇 (MJD, UT)

  • 藤貴彰 (MJD)

  • Dr.堀田憲祐 (POllc, Keio Uni.)

  • Dr.堀田明登 (POllc)


This paper examines urban virtual modelling platforms (UVMPs) to be used for urban planning and design practice, thus following points are revealed; firstly, comparing existing platforms in the case study, capability of each platform is pointed out. Secondly, potentials of UVMPs for urban planning and design process, including A) Collaborative Design, B) Simulation-based Design and C) AI-involved Design are also tested in the case study. Consequently, a possible system with above potentials is tested and the workflow for urban planning and design practice using UVMPs is suggested.


#Digital Twin, #Urban Planning, #Collaborative Design, #Simulation-based Design, #AI-involved Design




#デジタルツイン, #都市計画, #協働設計, #シミュレーションベースの設計, #AIを活用した設計

1. Introduction

3D modeling technology in city scale has been developed recently and even building submission with BIM model has been implemented in advanced countries and regions such as Hong Kong, Singapore and Northern European countries (McAuley et.al, 2017).

 ‘Virtual Singapore’ (Nrf.gov.sg, 2018) project is one of the case studies in which detailed 3D building models of the entire city are imported to data platform run by several public authorities as “Digital Twin City” and various simulations, such as wind, flood and evacuation analysis are implemented on the platform by several public authorities. Virtual Singapore project implied several potentials of Urban Virtual Modeling Platform (UVMP), that is defined in this paper as browser-based city-scale 3D modeling application, for urban planning and design practice.

 The first potential is A) Collaborative Design. Sharing the urban virtual modeling platform, several planners and engineers can study new interventions and implement multiple types of analysis and simulations simultaneously. Typically, in the past, the administration of streets, parks and public buildings were often maintained by different parties. Projects of one party may not be recognized by other parties. With sharing the urban virtual models among related parties, planners can recognize the projects of other parties. The communication and collaboration among them can be enhanced.

The second potential is B) Simulation-based Design. Considering existing buildings and urban context, various options for planned buildings/urban configurations can be studied and evaluated with multiple analysis such as CFD, solar radiation, shadow and multi-agent simulation. However, in order to obtain the result of these studies, the analyses/simulations of design options require multiple times of large-scale calculation although most of the unselected calculations are not necessarily used. Besides, sampling the analyses of studies with random seeds or metaheuristic methodology such as Galapagos (Rutten, 2013) on Rhinoceros (Rhino3d.com, 2019) and Grasshopper (Grasshopper3d.com, 2019) are not efficient since the calculation each time is very time-consuming.

Therefore, as a hypothesis, the third potential of urban virtual modeling platform, C) AI-involved Design, can be considered to feed the results of the analyses to machine-learning process. This enables possible analytical suggestions of changing geometry during the process of searching design options. Based on the previous data collected during the process, this method can dramatically reduce the number of necessary samples during the decision-making process. Thus, this paper aims to examine the above three potentials of urban virtual modeling platform to be used for urban planning and design practice, especially in the early phase of master planning or large-scale development when several urban scenarios and urban configurations are tested and discussions and communications with multiple stakeholders are required to decide a clear direction before proceeding to the drawing and documentation phase. Therefore, in this paper, the necessary functions of platforms are evaluated based on studies at building volume level but not detailed modeling level.

1. 序論

近年、都市スケールでの3Dモデリング技術が発展し、香港、シンガポール、北欧諸国などの先進国・地域では、BIMモデルによる建物申請まで実施されている(McAuley他, 2017)。

 「バーチャル・シンガポール」プロジェクト(Nrf.gov.sg, 2018)はケーススタディーの一つである。「デジタルツインシティ」として複数の公共機関が運営するデータプラットフォームに、都市全体の詳細な3D建物モデルを取り込み、そのプラットフォーム上で複数の公共機関が風水害や避難解析などの様々なシュミレーションを実装している。このプロジェクトは、Urban Virtual Modeling Platform(UVMP)(本論文では、ブラウザベースの都市規模の3Dモデリングアプリケーションと定義)が都市計画や設計の実務にもたらすいくつかの可能性を示唆している。
 第一の可能性は、A) 協働(共同)設計である。都市のバーチャルモデリングプラットフォームを共有することで、複数のプランナーやエンジニアが新しい介入策を検討し、複数の種類の分析やシミュレーションを同時に実行することができる。一般的には、過去において、道路、公園、公共建築物の管理は、多くの場合異なる管理者によって維持されていた。ある関係者のプロジェクトが、他の関係者に認識されていないことがあるが、


第二の可能性は、B) シミュレーションに基づく設計である。既存の建物や都市の状況を考慮し、CFD、日射、影、マルチエージェントシミュレーションなどの複数の解析により、計画する建物や都市構成の様々な選択肢を検討・評価することが可能である。しかし、これらの検討結果を得るために、設計オプションの解析・シミュレーションは、選択されなかった計算のほとんどが必ずしも使用されないにもかかわらず、大規模な計算を何度も行う必要がある。また、Rhinoceros (Rhino3d.com, 2019) やGrasshopper (Grasshopper3d.com, 2019) 上でランダムシードやGalapagos (Rutten, 2013) などのメタヒューリスティクス手法による研究の解析をサンプリングしても、その都度、計算に非常に時間がかかるため効率的とは言い難い。


2. Background

In the field of architecture, urban planning and design practice, Rhinoceros, Revit, AutoCAD and Sketchup are the currently popular software for 3D modeling. However, a key constraint of them is that these software products are localized. In short, they operate on remote desktops, and files are stored on private servers. (Leung et al. 2018). Thus, there are several examples of browser-based platforms that allow collaboration for architecture, engineering and construction (AEC) industries. Redback BIM (Leung et al. 2018) focuses on developing a 3D modeling web application which allows browser-based, real-time collaboration among multiple users. It also intends to be an open-source application. However, it is still under development and does not yet support analyses and simulations for large city scale. Speckle(Speckle.systems, 2019) is an open source data platform for AEC industries, which is operated on the cloud and allows for data transfer not only from one software to another on a local machine such as Revit, Dynamo, Rhinoceros and Grasshopper, but also across networks and various web platforms. Considering the process of urban planning, working on geo-located environment is another important aspect to locate models from different parties.

2. 背景

建築・都市計画・設計実務の分野では、現在、Rhinoceros、Revit、AutoCAD、Sketchupなどが3Dモデリング用ソフトとして普及している。しかし、これらのソフトウェアはローカルPCで、スタンドアローンで動作することが大きな制約となっているつまりそれらは個別のデスクトップで動作し、ファイルはプライベートサーバーに保存される。(Leung et al. 2018)。このように、建築・エンジニアリング・建設(AEC)業界向けのコラボレーションを可能にするブラウザベースのプラットフォームには、いくつかの例がある。Redback BIM (Leung et al. 2018) は、ブラウザベースで複数のユーザー間のリアルタイムなコラボレーションを可能にする3DモデリングWebアプリケーションの開発に焦点を当てているまた、オープンソースのアプリケーションとなることも意図していが、いまだ開発中であり、大規模な都市スケールの解析やシミュレーションにはまだ対応していない。Speckle(Speckle.systems, 2019)は、AEC業界向けのオープンソースのデータプラットフォームで、クラウド上で運用され、Revit、Dynamo、Rhinoceros、Grasshopperなどのローカルマシン上のソフトウェア間だけでなく、ネットワークや各種Webプラットフォーム間でのデータ転送が可能だ。都市計画のプロセスを考えると、ジオロケーション環境での作業も、異なる関係者のモデルを位置づけるために重要な側面である。

 3D EXPERIENCity (Dassault Systèmes®, 2019) is a browser-based, geo-located platform which is used as a base system for Virtual Singapore project. As shown in the Singapore case, it allows collaborative modeling among different parties and implementation of analyses and simulations on the platform. ArcGIS Urban is an immersive 3D experience designed to improve urban planning and decision making (Esri.com, 2019). It is browser-based, and allows for storing geo-located information including plans, existing building models and new projects.

 ArcGIS Urban is used in several case studies in Boston, San Francisco and Zurich in Switzerland for urban planning. Giraffe (Giraffe.build, 2019) is a different type of platform which allows parametric modeling in geo-located environment in Mapbox(mapbox.com, 2019) based on Rhinoceros and Grasshopper system. It is also an open-source platform which allows for programmers to create their own apps that work in the platform for any modeling and analysis functions.

 Spacemaker(spacemaker.ai, 2019) is a browser-based application that works especially for residential industries currently. It allows parametric installation of pre-defined urban settings in the site based on the machine-learning solution of existing residential plans. After the selection of possible urban setting by developers and planners, multiple preset analyses including visibility, solar radiation and daylight are able to run on the same platform. Although it shows certain potentials to be used in urban planning and design process, Spacemaker is not yet an open-source platform and thus not able to be tested in this paper. Since our goal is to explore the aforementioned three potentials of UVMPs, 3D Experience, ArcGIS Urban and Giraffe are selected as platforms to be examined in the case study to find out the procedure and possibilities of UVMPs to be used for urban planning and design practice.

 3D EXPERIENCity (Dassault Systèmes®, 2019) は、バーチャルシンガポール プロジェクトの基盤システムとして使用されている、ブラウザベースのジオロケーション情報を持つプラットフォームである。シンガポールのケーススタディーで示したように、異なる関係者間での共同モデリングや、プラットフォーム上での解析やシミュレーションの実行が可能だ。ArcGIS Urbanは、都市計画や意思決定を改善するために設計された実体感型3D体験である(Esri.com、2019年)。ブラウザベースで、計画、既存の建物モデル、新規プロジェクトなど、地理的に位置する情報を保存することができる。

 ArcGIS Urbanは、ボストン、サンフランシスコ、スイスのチューリッヒのいくつかのケーススタディーで、都市計画に使用されている。Giraffe(Giraffe.build, 2019)は、RhinocerosとGrasshopperのシステムをベースに、Mapbox(mapbox.com, 2019)のジオロケーション環境でのパラメトリックモデリングを可能にした異種のプラットフォームである。また、オープンソースのプラットフォームであるため、プログラマーはこのプラットフォームで動作する独自のアプリを作成し、あらゆるモデリングや分析機能を実現することができる。

 Spacemaker(spacemaker.ai, 2019)は、現在特に住宅産業向けに動作するブラウザベースのアプリケーションである。これにより、既存の住宅計画の機械学習ソリューションに基づいて、あらかじめ定義された都市設定を敷地内にパラメトリックにインストールすることが出来る。開発者やプランナーが可能な都市設定を選択した後、可視化、日射、昼光など複数のプリセット分析を同じプラットフォーム上で実行することができる。Spacemakerは都市計画やデザインプロセスで使用される一定の可能性を示しているが、まだオープンソースのプラットフォームではないため、この論文ではテストすることができない。本稿の目的は、前述の3つのUVMPの可能性を探ることであるため、都市計画や設計の実務に利用するためのUVMPの手順や可能性を探るために、ケーススタディーを検証するプラットフォームとして3D Experience、ArcGIS Urban、Giraffeを選択した。

Table 1. Comparison of browser-based modeling platforms.

表1. ブラウザベースモデリングプラットフォームの比較

3. Problem Statement and Proposal


For volume study for urban design, various simulations in a large scale have to be implemented repeatedly. For instance, in this case study in Marunouchi Area of Tokyo Japan, the following simulations have been tested on Giraffe (Giraffe Technology, 2019): Radiation analysis for reducing heat gain, CFD (computer fluid dynamics) for analysis and visualization of wind flow, agent-based simulation for pedestrian flow in order to enable more activities and higher efficiency of route for connectivity. Three existing problems of inefficiency have been listed as follows:

1) Problem statement for Collaborative Design - A  number of software is used for one project. In an economic-driven society, this situation may not change. However, on the other hand, there has been ardent desire to have a universal standard for them to be used widely. Browser-based modeling applications (BMAs) could be one of the potential solutions to realize true collaborative design.

2) Problem statement for Simulation-based Design - The amount of computation is huge and the process is time-consuming. This is simply because urban design has a larger scale than architecture. In the case of the urban district planning, although only one small part of the urban tissue has been changed, however, the rest of the model which remains the same is repeatedly tested. The greater part of the calculation tends to be overlapped. Thus, a huge amount of calculations and simulations is always wasted.

3) Problem statement for AI-involved Design - In current workflow of design practice, most of the time the analyses, such as wind or light analysis, etc., are outsourced to vendors or consultants. This way of working helps designer to rediscover the design by having it evaluated by a third party to obtain a different point of view. However, this procedure costs both time and labor for transferring information. This AI-involved may enable a prompt and speculative design procedure.

3. 問題提起と提案

3.1. ケーススタディのための問題提起

都市デザインのためのボリュームスタディでは、大規模な、様々なシミュレーションを繰り返し実施する必要がある。例えば、日本の東京、丸の内エリアにおける本ケーススタディでは、Giraffe(Giraffe Technology, 2019)上で以下のシミュレーションを検証する。ヒートゲイン(放冷損失熱量 )低減のための放射解析、風の流れの解析と可視化のためのCFD(コンピュータ流体力学)、効率的な歩行者動線計画のための、エージェントベースシミュレーションなどである。既存問題点として、以下の3点を挙げている。

1) 協働設計の問題提起 - 1つのプロジェクトに多くのソフトウェアが使用されている。経済主導の社会では、この状況は変わらないかもしれない。しかし、その一方で、広く利用されるための普遍的な基準的ソフトを持つことが切に望まれている。そういった意味でブラウザベースのモデリングアプリケーション(BMA)は、真の協働設計を実現するための一つの解決策になり得る。

2) シミュレーションベース設計の典型的な問題点 計算量が膨大で処理に時間がかかることである。これは、単純に都市デザインが建築よりもスケールが大きい点も影響している。都市計画では、都市組織の一部分を変更するだけで、残りの部分は変わらないので、何度も検証することになる。そのため、計算が重なる部分が多くなりがちである。そのため、常に膨大な量の計算とシミュレーションが無駄になってしまう。



The following conditions are suggested as the required specifications for the case studies corresponding to the problem statements A, B and C. 1) To implement Collaborative Design - the platform should be browser-based to cater for multiple users Common rules such as the use of geo-referenced CAD or BIM data, level of details and data formats are also required. 2) To implement Simulation-based Design - the platform should enable multiple simulations such as wind, heat, etc. to be operated directly on the same platform or closely linked (does not mean physical space) with other simulation engines. It should also allow for prompt evaluation of various design options. 3) To integrate AI-involved Design - recent development of machine-learning related technology has provided new opportunities and some AI-like system is expected as a partner or partners for speculative design. This AI may return answers or suggestions as draft to connect with the above specification 2).

3.2. システムの要求仕様

問題提起 A、B、C に対応するケーススタディの要求仕様として、以下の条件を提案する。

1) 協働設計を実現するために - 複数ユーザーに対応できるブラウザベースのプラットフォームであること、ジオリファレンス付き CAD や BIM データの使用、詳細レベル、データフォーマットなどの共通ルールも必要である。

2) シミュレーションベースの設計を実現するために - 風、熱など複数のシミュレーションを同一プラットフォーム上で直接、または他のシミュレーションエンジンと密接にリンク(物理的な空間を意味しない)して動作させることができるプラットフォームであること。また、様々な設計オプションを迅速に評価できること。

3) AIを用いた設計を統合する -近年の機械学習関連技術の発展は新たな機会を提供し、探索的設計のパートナー的道具として期待されている。このAIは、上記仕様2)に接続するためのドラフトとして、回答や提案を返す可能性がある。

Figure 1. Proposing System Diagram.

This proposing AI simulation and suggestion system enables architectural designers to grasp the real sense of time. For instance, when a designer drafts a footprint of geometry on Giraffe, surrounding wind speed will be estimated in real time. Design scheme can be reviewed immediately as a result. This helps reduce the number of schemes and enhances efficiency by narrowing down the design schemes in early stage of architectural planning and urban design.



In parametric modelling, designer has to search for better design, but should avoid round-robin evaluation as it is almost impossible in practice due to time constraint. Hence, authors assume that this system should have some strategies to find out the better design following better simulation method other than limited number of sampling by humans. This case study proposes a ‘weak’ artificial intelligence (AI) approach, that is, using neural network model developed by Lunchbox (Proving ground, 2012-), a plug-in of grasshopper (GH), to solve the following issues.

P1) This online system must have a function to suggest an estimated result to users in real time. Immediate response of system may improve interaction with other designers as well as with AI.

P2) Artificial Neural Network (ANN) is selected to be used in the case study. The method that consists of both heavy and meta-heuristic simulation is not effective in this case as one generation of calculation is too heavy and time-consuming even under effective solving mode. Random sampling method does not give reliable result, too.

P3) If the design team is consisted of multiple designers or architects, the system should not waste their design attempts, and the simulation results. Proposals from professionals have contained useful information from their experiences. This system should collect this information as feeding data to possibly generate an estimated design that may not be experienced before.

3.3. 提案するAIサジェストシステム

パラメトリックモデリングでは、設計者はより良い設計を探さなければならないが、すべての案を評価するのは、時間的に避ける必要がある。人間による任意のサンプリング法以外に、より優れた方法に従って性能を評価し、より良い設計を見つけるための戦略が必要であると考えた。このケーススタディでは、「弱い」人工知能(AI)アプローチを提案する。ここでは、グラスホッパー(GH)のプラグインであるLunchbox(Proving Ground、2012-)によって開発されたニューラルネットワークモデルを応用して、次の問題を解決する。

Figure 2. Execution window pictures / 図2. 実験天順スクリーンショット

Figure 2 shows the experiment settings. The data on the left is the training data, the one on the right is the testing data. Currently this system is working as a 2-dimensional system. The current feeding elements are wind speeds at 7 matrix-ed points on the field. (Fig.2) Also current design parameters are footprint of a architecture-like obstacle, areas of footprint, the width of the bounding box of footprint and the depth of bounding box of footprint. There could be more efficient parameters, such as sharpness of corners. The result of this experiment may help to figure out effective geometric parameters. In this experiment, we connect to Excel read plug-in and, reading temporal file from RhinoCFD (Cham 2017).

図 2 に実験設定を示す。左側がトレーニングデータ、右側がテストデータである。今のところ、このシステムは2次元システムとして機能している。現在の供給要素は、フィールド上の7つのポイントでの風速である(図2)。また、現在取得しているパラメータは、建築物にみたてた障害物のフットプリント、フットプリントの面積、フットプリントの境界枠の幅、フットプリントの境界枠の深さである。あるいは障害物の角の鋭さなど、もっと効率の良いパラメータがあるはずである。本実験の結果は、効果的な幾何学的パラメータを見つけ出すのに役立つと思われる。本実験では、Excelの読み込みプラグインと接続し、RhinoCFD(Cham 2017)から一時ファイルを読み込んでいる。

4. Methodology


To examine A) Collaboration Design and B) Simulation-based Design process of the platforms, Marunouchi area, a 120ha CBD of Tokyo, is used as a case study and each platform is tested in 3 phases.

1) Existing context data including base maps, digital elevation model (DEM), 3D buildings with different level of details (LOD) obtained from both public and private parties are imported (Table2).

2) New project model is imported to and sketched on the platform to understand the usability and parameters during modification process.

3) Possible analyses/simulations implemented both directly on the platform and in the external application are tested to understand the flexibility and the exchange process between applications.

4. 方法論

4.1. ケーススタディー

A) 協働設計、B) シミュレーションベースデザインのプロセスを検証するために、東京の120haのCBDである丸の内地区をケーススタディとして、下記の3段階で各プラットフォームをテストした。

1) 公共・民間から入手した基盤地図、数値標高モデル(DEM)、異なる詳細度(LOD)の3D建物を含む既存の環境データをインポートする(表2)。

2) 新しいプロジェクトモデルをインポートし、プラットフォーム上でスケッチ(3Dモデルの編集)することで、修正プロセスにおける使い勝手やパラメータを理解する。

3) プラットフォームと外部アプリケーションの両方で実施可能な解析/シミュレーションをテストし、柔軟性とアプリケーション間の交換プロセスを理解する。

Table 2. Imported data in the case study of Marunouchi District.
表2. 丸の内地区の事例におけるインポートデータ。

In this paper, C) AI-involved Design process is examined only in Giraffe platform, since it supports customized applications in connection with Rhinoceros and Grasshopper system. It gives flexibility to the users to write their own code on the platform, while 3D EXPERIENCE and ArcGIS Urban are not open source and currently AI feature is not yet installed.

本稿では、Rhinoceros や Grasshopper と連携し、カスタマイズされたアプリケーションをサポートする Giraffe プラットフォームに限定して、C) AI を用いた設計プロセスを検討する。一方、3D EXPERIENCEやArcGIS Urbanはオープンソースではなく、ユーザーが独自にコードを書くことができる柔軟性がないので、AI機能もまだ搭載されていない。


In order to prove the efficiency of suggested system, firstly it is necessary to see whether this system can reduce time to return analysis results rather than having new simulation. Secondly, this ANN system has a certain degree of accuracy depending on the number of feedings which links to the quality of training.

The proposed system has to be fast and precise enough to provide designer a tool for real-time interaction. For the calculation time, author uses profiler in GH which allows one to count how long it takes for the whole procedure of GH definition as well as part. For evaluating ANN’s accuracy, the training geometries contain a combination of several parameters. The number of variations are more than 900,000. One hundred randomized patterns of training geometries are analyzed by CFD and wind speed data on the seven different points are stored. Based on this training data, ANN predicts wind speed for unknown test object. Five new typical test models are prepared to verify ANN’s accuracy (but shown only two results, omitted because of space). The wind speed data for test geometries are predicted by ANN for every 10 piece of training data. They are also calculated by CFD. The gap between these data shows ANN’s prediction accuracy. The basic ANN components are cited from lunchbox (proving ground 2011-), also the referring sample files are from website.

4.2. 評価方法


提案するシステムが、設計する人間とリアルタイムでコミュニケーションできる設計支援ツールを提供するために、十分な速度と精度が必要性能となる。計算時間については、GHのプロファイラ(監視システム)を使用し、GHの定義の全プロセスにかかる時間や、部分的にかかる時間をカウントすることができるようにした。ANNの精度を評価するために、学習用形状はいくつかのパラメータを組み合わせたものとなっており、そのバリエーション数は90万以上である。100 パターンの学習用形状を CFD で解析し、7 箇所のポイントにおける風速デー タを保存した。この学習データをもとに、ANNは未知のテスト対象物に対する風速を予測する。ANN の精度を検証するため,新たに 5 つの典型的なテストモ デルを用意した(ただし,紙面の都合上,2 つの結果のみ示している)。10個の学習データに対して、ANNによりテスト形状に対する風速データが予測される。また、CFDによる計算結果も示している。これらのデータの差は、ANNの予測精度を示している。ANNの基本的な構成要素はlunchbox(proving ground 2011-)から、また、参照するサンプルファイルはウェブサイトから引用している。

Figure 3. Diagram Experimental setting ./ 図 3. 実験の設定ダイアグラム.

5. Result of case study


As a result of evaluating UVMPs in the case study of Marunouchi area, several features of each platform are extracted.

3D EXPERIENCity is good at extracting necessary information to be visualized from enormous and highly detailed models such as BIM models. On the other hand, in order to test new project within the urban models, it is only possible to import models and does not allow sketching directly on the platform. Visibility analysis works directly on the platform, while other analyses such as solar radiation and CFD are also available in other application within 3D EXPERIENCE package and to be integrated in the platform.

ArcGIS Urban works together with other ESRI package such as ArcGIS Pro(esri.com, 2019) and CityEngine(esri.com, 2019) It allows importing various types of data including Revit files. ArcGIS Urban uses procedural modeling (Müller et al., 2006) methodology. In the phase of testing new project, the models of possible options are able to be generated using predefined rules so that the design study process can be optimized. Type of analysis available on the platform is only basic and for further analyses. In most occasions, urban models need to be exported to external applications.

While the features of 3D EXPERIENCity and ArcGIS are dependent on the software provider and limited to customization to fit the workflow of urban planning and design practice, Giraffe allows flexibility to integrate any applications which can be run on Rhinoceros and Grasshopper environment. It means that it can implement not only analyses such as CFD, solar radiation, daylight simulation and shadow studies, but also multi-agent simulations to analyze people’s behavior and genetic algorithm solver to find out optimized solution and AI-integrated machine-learning system.

5. 事例研究の結果

5.1. プラットフォームの評価結果


 3D EXPERIENCityは、BIMモデルのような巨大かつ高精細なモデルから可視化すべき情報を抽出することを得意とする。一方、都市モデルの中で新しいプロジェクトを検証するために出来ることは、モデルをインポートすることのみであり、プラットフォーム上で直接スケッチ(3Dモデルを編集)することはできない。可視化解析はプラットフォーム上で直接行えるが、日射やCFDなどの他の解析は3D EXPERIENCEパッケージ内の他のアプリケーションで行うことができ、プラットフォームに統合することも可能である。

 ArcGIS Urban は ArcGIS Pro(esri.com, 2019) や CityEngine (esri.com, 2019) などの他の ESRI パッケージと連携し、Revit ファイルなど様々な種類のデータをインポートすることができる。ArcGIS Urbanは手続き型モデリング(Müller et al., 2006)の手法を使用している。新しいプロジェクトをテストする段階で、可能なオプションのモデルを事前に定義されたルールを使用して生み出すことができるため、設計検討プロセスを最適化することができる。このプラットフォームで利用できる解析の種類は、基本的なものであり、さらなる解析のためのものである。ほとんどの場合、都市モデルは外部のアプリケーションにエクスポートする必要がある。

3D EXPERIENCityやArcGISの機能はソフトウェア提供者に依存し、都市計画や設計のワークフローに合わせたカスタマイズに限られるが、GiraffeはRhinocerosやGrasshopper環境で動作するあらゆるアプリケーションを柔軟に統合することが可能である。CFD、日射、昼光シミュレーション、シャドウスタディなどの解析だけでなく、人の行動を分析するマルチエージェントシミュレーションや最適解を求める遺伝的アルゴリズムソルバー、AIを統合した機械学習システムも実装できることになる。

Figure 4. Imported Result (Left: 3D EXPERIENCity, Middle: ArcGIS Urban, Right: Giraffe).
図 4. インポートした結果(左:3D EXPERIENCity、中:ArcGIS Urban、右:Giraffe)
Figure 5. Analysis result in Giraffe (Top-left: Solar Radiation, Top-right: CFD, Bottom-left: Shadow study, Bottom-right: Multi-agent Simulation).
図5. Giraffeでの解析結果(左上。日射量、右上。CFD、左下。影の研究、右下: マルチエージェントシミュレーション)
Table 3. Evaluation result of platforms . /表 3. プラットフォームの評価結果


The graph shows the difference between CFD-calculated and ANN-estimated wind speed with 10 to 100 training data. In general, there is a tendency of less error with more training data. The fastest case (e.g. model-1, figure 6), 20 feedings (simulations) are enough for predicting wind speed. However, in other cases like the oscillated case (e.g.model-3, figure6), it is not easy to predict the condition of the locations distant from the back of the obstacle. A wind simulation is recognized as a typical complex system, such as the widely known ‘butterfly effect’ in which local small changes may cause catastrophic change of the whole result. Thus, careful analysis of the result is expected. For 7 estimated points and 15 iterations, the calculation time for ANN is clearly faster than CFD analysis and meta-heuristics on computer in the current settings (Figure 6, below graph). When the case points are arrayed in matrix, calculation time may increase drastically with the increase of feeding numbers. Thus, the number of estimated points should be controlled, in order to use this system effectively.

5.2. AI 提案システムの評価結果

グラフは,10~100 個の学習データによる CFD 計算結果と ANN による風速推定結果の差分を示している。一般的には、学習データが多いほど誤差が少なくなる傾向がある。最速のケース(例:model-1、図6)では、20回のフィード(シミュレーション)で十分風速を予測することができた。しかし、結果が振動する場合(例:モデル-3、図6)には、障害物の背面から遠い位置の状態を予測することは簡単ではない。風洞実験 は、局所的な小さな変化が全体の結果を大きく変える「バタフライ効果」が広く知られているように、典型的に複雑な問題として知られている。そのため、結果を慎重に解析することが求められる。推定ポイント7 箇所,繰り返し回数 15 回の場合、現在の設定で は、計算機上での CFD 解析やメタヒューリスティクスよりも ANN の計算時間が明らかに速い(図6,下グラフ)。ただし計測ポイントをマトリクス状に配置した場合,フィーディング数 の増加に伴い,計算時間が大幅に増加する可能性がある。このため、本システムを有効に活用するためには、推定ポイントの数を制限する必要がある。

Figure 6. Two Experiment Results and calculation time for ANN
図6. 2つの実験結果とANNの計算時間

6. Conclusion

This paper examined potentials of UVMPs to be used for urban planning and design practice.

A) Collaborative Design with browser-based platform enhances communication and collaboration within the team and with other parties by sharing the information and recognizing ongoing projects shown on the platform.

B) Simulation-based Design with implementing multiple analyses and simulations on the same platform shows the potential of modifying building shapes and receiving evaluation at the same time. Especially in the early phase of urban design practice, this workflow is able to optimize the design process and reach the best option faster.

C) AI-involved Design, AI-involved suggestion system is proposed and worked on the BMAs (in this case Giraffe). The case study shows that wind flow could be estimated less than one second by using this system. Finally, the improvement of accuracy could be seen in this experiment. In simple scenarios when the wind is stable and steady, 20 feedings are enough to generate a decent result. The increase in feeding numbers does not improve the accuracy of the simulation. However, when the wind is in a non-steady state, the result is not accurate enough for useful feedback on design.

6. 結論


A) ブラウザベースのプラットフォームによる協働設計は、プラットフォーム上で情報を共有し、進行中のプロジェクトを認識することにより、チーム内および他の関係者とのコミュニケーションとコラボレーションを強化する。

B) シミュレーションベースの設計手法では、同じプラットフォーム上で複数の解析やシミュレーションを実施することで、建物の形状を修正しながら同時に評価をする/受けることができる可能性を示している。特に都市設計の初期段階において、このワークフローは設計プロセスを最適化し、より早く最適な選択肢に到達させることが可能である。

C) AIが関与する設計支援システムを提示し、BMA(この場合はGiraffe)で機能する。この仕組みを用いることで、風の流れを1秒以内に推定できることをケーススタディーとして示した。最後に、この実験では精度の向上が見られた。風が安定して吹いているような単純な場合には20回のフィードで十分な結果が得られる。フィード数を増やしても、シミュレーションの精度は上がらない。しかし,風が非定常状態のときは,設計に有用なフィードバックを得るには十分な精度の結果が得られない可能性も残した。


We would like to express our gratitude to Prof. M. Hank Haeusler; UNSW, and Mr. Rob Asher; Cox Architecture Sydney for their help and support of testing on Giraffe.


Giraffe のテストにご協力いただいた UNSW の M. Hank Haeusler 教授と Cox Architecture Sydney の Rob Asher 氏に謝意を表する。


  • “Lunchbox” : 2013. Available from (accessed 5th April 2020).
  • “RhinoCFD” : 2017. Available from (accessed 5th April 2020).
  • “Virtual Singapore” : 2018. Available from (accessed 18th September 2019).
  • “Spacemaker” : 2019. Available from (accessed 12th December 2019).
  • “mapbox” : 2019. Available from (accessed 12th December 2019).
  • “Grasshopper” : 2019. Available from (accessed 18th September 2019).
  • “Rhino 6 for Windows and Mac” : 2019. Available from (accessed 18th September 2019).
  • “Speckle” : 2019. Available from (accessed 12th December 2019).
  • “3DEXPERIENCity®” : 2019. Available from (accessed 18th September 2019).
  • “ArcGIS Urban | Urban Planning & Development - Smart City Planning” : 2019. Available from (accessed 18th September 2019).
  • “Giraffe” : 2019. Available from (accessed 18th September 2019).

  • Leung, E., Asher, R., Butler, A., Doherty, A., Fabbri, B., Gardner, A. and Haeusler, M.H.: 2018, Redback BIM - Developing ‘De-Localised’ Open-Source Architecture-Centric Tools, Proceedings of the 23rd CAADRIA 2018, Beijing, 21-30.
  • McAuley, B., Hore, A. and West, R.: 2017, BICP Global BIM Study - Lessons for Ireland’s BIM Programme, Technical report published by Construction IT Alliance (CitA).
  • Müller, P., Wonka, P., Haegler, S., Ulmer, A. and Van Gool, L.: 2006, Procedural modeling of buildings, ACM Transactions on Graphics (TOG), 25, 614-623.
  • Rutten, D.: 2013, Galapagos: On the Logic and Limitations of Generic Solvers, Architectural Design, 83, 132-135.

※Referencing and citation are welcome, by proper academic manners.