مدل سازی مبتنی بر داده برای بهبود نور طبیعی در مسکن شهری اقلیم مرطوب

مدل سازی مبتنی بر داده برای بهبود نور طبیعی در مسکن شهری اقلیم مرطوب

در مسکن شهری اقلیم مرطوب ایران، مسئله نور طبیعی بیش از هر چیز به کمبود داده های بومی و اتکای بیش از حد به الگوهای کلی بازمی گردد. بسیاری از راهنماهای طراحی نور روز بر اساس تجربه اقلیم های متفاوت تدوین شده اند و در شهرهایی مانند رشت یا ساری، که آسمان اغلب ابری و رطوبت بالاست، کارایی کامل ندارند. مدل سازی مبتنی بر داده تلاشی است برای پر کردن این خلا؛ رویکردی که تصمیم های طراحی را نه بر حدس و توصیه های عمومی، بلکه بر الگوهای استخراج شده از داده های واقعی استوار می کند.

در این رویکرد، داده ها می توانند از دو منبع اصلی تامین شوند: نخست، شبیه سازی های دقیق نور روز برای تیپ های رایج آپارتمانی، و دوم، اندازه گیری میدانی در واحدهای ساخته شده. در شهرهای شمالی ایران، اندازه گیری روشنایی در ساعات مختلف روز نشان می دهد که بیشترین افت نور در نواحی میانی پلان و در طبقات پایین بافت های متراکم رخ می دهد. ثبت چنین الگوهایی، تصویر واقع بینانه ای از مسئله ارائه می دهد که پایه مدل سازی بعدی است.

پس از گردآوری داده ها، مدل های آماری یا یادگیری ماشین رابطه میان ویژگی های فضا و کیفیت نور طبیعی را استخراج می کنند. برای مثال، تحلیل داده ها در واحدهای متداول رشت نشان می دهد که عمق پلان بیش از نسبت سطح پنجره، بر روشنایی نواحی مرکزی اثرگذار است. این یافته به صورت داده محور تایید می کند که کاهش عمق فضا یا ایجاد شکست در جداره نورگیر، راهکاری موثرتر از افزایش صرف ابعاد پنجره است.

نمونه کاربردی این رویکرد را می توان در طراحی یک مجموعه مسکونی با واحدهای 70 تا 90 مترمربعی در بافت متراکم شهری تصور کرد. با تغذیه مدل از داده های پروژه های مشابه در همان شهر، طراح می تواند پیش از نهایی کردن پلان، تخمین نسبتا دقیقی از عملکرد نور روز هر گزینه داشته باشد. در یک مورد، داده ها نشان دادند که جابه جایی محل آشپزخانه از بخش میانی به جبهه نورگیر، بدون تغییر در سطح پنجره، کیفیت نوری کل واحد را به طور محسوسی بهبود می دهد.

تحلیل تطبیقی با اقلیم های مرکزی ایران نشان می دهد که در آن مناطق، داده ها اغلب بر کنترل شدت نور و سایه زنی تاکید دارند، در حالی که در اقلیم مرطوب، مسئله اصلی رساندن نور پخشیده کافی به عمق فضاست. این تفاوت ها اهمیت مدل های مبتنی بر داده محلی را برجسته می کند؛ مدلی که از واقعیت پروژه های همان منطقه می آموزد، نه از الگوهای وارداتی.

در نهایت، مدل سازی مبتنی بر داده می تواند به ابزاری راهبردی برای بهبود کیفیت مسکن شهری در اقلیم مرطوب ایران تبدیل شود. اگر داده های پروژه های اجراشده به صورت نظام مند ثبت و تحلیل شوند، این رویکرد می تواند به تولید دانش بومی منجر شود؛ دانشی که مستقیما به تصمیم های طراحی بهتر، کاهش وابستگی به روشنایی مصنوعی و ارتقای کیفیت زیست پذیری در شهرهای شمال کشور کمک می کند.