О разработке алгоритмов процедурной генерации цифровой информационной модели точечной городской застройки

Современное градостроительное проектирование развивается в условиях роста доли городского населения и усложнения городской инфраструктуры. Для российских городов эта тенденция сочетается с реновацией, комплексным развитием территорий и практикой точечной застройки, вследствие чего возрастает потребность в быстром сравнении нескольких вариантов преобразования участка еще до перехода к детальной проектной проработке [1; 2]. При этом ручное построение и регулярная корректировка цифровых моделей оказываются затратными по времени и плохо масштабируются при необходимости итеративной проверки ограничений.

Дополнительное значение имеет нормативный контур применения результатов. В действующей российской системе градостроительного регулирования информационная модель объекта капитального строительства рассматривается как совокупность взаимосвязанных сведений, документов и материалов, формируемых в электронном виде. Следовательно, создаваемая модель должна быть пригодна не только для визуализации, но и для анализа, проверки и обмена данными [3-6]. Это задает требования к структуре атрибутов, воспроизводимости алгоритма и интерпретируемости результата.

Таким образом, ключевая проблема состоит в разрыве между необходимостью быстро получать несколько проверяемых вариантов застройки и трудоемкостью ручного построения таких моделей. Для ее решения требуется не отдельная визуализация, а воспроизводимый алгоритм, в котором входные ограничения последовательно преобразуются в геометрию, атрибуты и расчетные показатели. Именно поэтому в качестве решения рассматривается процедурная генерация, которая позволяет формализовать правила построения модели и изменять сценарии через управляемые параметры, сохраняя сопоставимость результатов.

. В отличие от подходов, ориентированных главным образом на визуальный эффект, процедурный метод строится на формализованных правилах, параметрах и контролируемой последовательности преобразований. Современные исследования показывают, что такой подход применим в задачах урбанистического анализа, параметрического планирования и семантически правдоподобного моделирования городской среды [7-10].

Цифровая информационная модель рассматривается авторами [3-6] как формализованное цифровое представление участка застройки, включающее геометрию, атрибуты объектов и связи между ними, достаточные для сценарного анализа и последующего включения в контур информационного моделирования. Такое определение позволяет сразу связать геометрическое построение с требованиями к данным: объект должен иметь не только форму, но и набор признаков, по которым возможны проверка, сравнение и дальнейшая обработка.

Методически предлагаемый подход основан на детерминированной процедурной схеме. При фиксированных входных данных, наборе правил и параметре seed генератор должен давать воспроизводимый результат. Это принципиально важно для градостроительных задач, где необходимо сопоставлять варианты, а не получать единичную визуализацию. Исследования в области procedural city generation, GIS-based procedural modeling и generative design in urban planning подтверждают, что наибольшую практическую ценность имеют именно параметризуемые и интерпретируемые алгоритмы [7 9].

Входной набор данных для алгоритма включает границы рассматриваемого участка, параметры градостроительных ограничений, сведения о допустимой этажности и плотности, опорные элементы уличнодорожной структуры, а также типологические параметры будущей застройки. На предварительном этапе эти данные должны быть приведены к единой системе координат и очищены от топологических ошибок. Уже на этой стадии закладывается возможность многовариантного сценарного анализа, поскольку часть ограничений фиксируется как жесткие, а часть задается диапазонами изменяемых параметров.

Дальнейшая логика алгоритма строится как последовательность пяти взаимосвязанных модулей. Первый модуль отвечает за подготовку и нормализацию входных данных. Второй формирует пространственный каркас участка: оси движения, границы допустимых зон застройки и базовую сетку размещения объектов. Третий модуль реализует парцелляцию и построение пятен застройки с учетом отступов, высотных параметров и коэффициентов использования территории. Четвертый модуль выполняет объемное формообразование и присвоение атрибутов элементам модели. Пятый модуль служит для фиксации метрик и подготовки результатов к сравнительному анализу сценариев.

Такое разбиение позволяет использовать процедурную генерацию не как единый монолитный скрипт, а как иерархию переиспользуемых блоков. В этом заключается одно из ключевых методических преимуществ: изменение правила в одном модуле не требует полной перестройки всей схемы и может быть локализовано на уровне конкретного этапа. Для исследования это особенно важно, поскольку алгоритм должен не только формировать модель, но и оставаться доступным для поэтапной верификации и модификации.

В качестве основной среды разработки выбран Blender 3D с системой Geometry Nodes. Этот выбор обусловлен сочетанием трех свойств. Во-первых, геометрические ноды обеспечивают недеструктивную логику работы, при которой изменение параметров приводит к автоматическому пересчету результата без ручного редактирования исходной геометрии. Во-вторых, нодовая организация упрощает представление алгоритма в виде модульного графа. В-третьих, Python-интерфейс Blender позволяет автоматизировать пакетные прогоны сценариев, фиксацию параметров и экспорт промежуточных данных.

Для практической реализации предлагается формировать библиотеку node groups, каждая из которых решает ограниченную задачу: создание опорной геометрии, деление территории на зоны, генерацию пятен застройки, построение объемов, присвоение идентификаторов и служебных атрибутов. Такой подход обеспечивает масштабируемость прототипа и создает условия для поэтапного усложнения модели без разрушения базовой логики. На этапе апробации граф может быть связан с внешними GIS-данными и библиотекой типовых ассетов, но ядро алгоритма должно оставаться независимым от конкретного набора визуальных компонентов (рисунок 1).

Рисунок 1 — Структура процедурного графа Geometry Nodes для генерации цифровой информационной модели точечной застройки

Изменение отдельной ноды или параметра в таком графе непосредственно влияет на итоговую модель. Например, корректировка ноды, отвечающей за отступы от границ участка, изменяет допустимую площадь пятна застройки; изменение параметров высоты или этажности перестраивает объемы зданий; настройка шага сетки размещения влияет на плотность и количество объектов; изменение фильтра по атрибутам может исключать или добавлять элементы определенного типа. В результате исследователь получает не новую модель, созданную вручную, а пересчитанный вариант той же процедурной схемы, что обеспечивает управляемость и сопоставимость сценариев.

Для большей управляемости характеристиками нод прописываются панели управления, на которые выводятся основные параметры, влияющие на результат (Рисунок 2).

Рисунок 2 –Изображение модели и панели управления геометрической нодой

Благодаря таким панелям представляется возможным изменять основные параметры в более явном виде, не затрагивая основную нодовую структуру и формулы, разработанные в ней (Рисунок 3).

Рисунок 3 – Пример изображения модели после изменения параметров на панели

Основным результатом исследования является воспроизводимая структура генератора цифровой информационной модели точечной застройки. Она описывает переход от исходных данных и ограничений к набору сопоставимых проектных вариантов: сначала формируется пространственная основа участка, затем строятся пятна и объемы застройки, после чего каждому элементу назначаются атрибуты и расчетные показатели. Такой подход делает представленное решение не обзором существующих платформ, а методической схемой дальнейшей программной реализации.

В пространственной части алгоритм формирует базовый каркас территории, на основе которого строятся варианты размещения застройки (рисунок 4).

Рисунок 4 — Пример сгенерированного фрагмента цифровой информационной модели городской застройки

Изменение параметров плотности, этажности, отступов и конфигурации пятен приводит к перестроению результата при сохранении общей структуры графа. Благодаря этому разные сценарии остаются сопоставимыми между собой: меняются значения параметров, но логика генерации и состав выходных данных сохраняются.

На уровне данных ключевым результатом является объединение геометрии и атрибутов в одной процедурной модели. Для цифровой информационной модели недостаточно получить объемы зданий и элементы благоустройства: каждому объекту необходимо назначить тип, принадлежность к сценарию, расчетные параметры и служебные идентификаторы. Такая структура позволяет использовать результат не только как визуальную сцену, но и как основу для проверки, сравнения вариантов и последующего экспорта в среды информационного моделирования.

С вычислительной точки зрения нодовый граф Geometry Node используется как форма представления алгоритма. Отдельные узлы и группы узлов отвечают за конкретные операции: выбор зоны, фильтрацию геометрии, построение сетки размещения, формообразование, назначение параметров и сбор показателей. Поэтому изменение графа можно проследить до конкретного этапа построения модели, а корректировка отдельного правила не требует переписывания всей системы.

При этом выбранный подход имеет ограничения. Blender 3D и Geometry Nodes удобны для прототипирования и демонстрации сценариев, однако не формируют полноценную BIM-семантику автоматически. Поэтому для разработки процедурной ЦИМ необходимо отдельно задавать состав атрибутов, правила именования объектов и порядок экспорта данных. Надежность результата также зависит от качества исходных ограничений: чем точнее формализованы границы участка, допустимые параметры и условия размещения, тем устойчивее работает генератор.

Важным методическим условием является отделение процедурного алгоритма от генеративных ИИ-подходов. В задачах градостроительного анализа предпочтителен механизм, в котором путь от входных данных к результату можно объяснить и проверить. Поэтому ИИ может использоваться только как вспомогательный инструмент, например для подготовки описаний сценариев или первичной классификации данных, тогда как ядро построения модели должно оставаться детерминированным.

Практическая значимость предлагаемого решения состоит в сокращении трудоемкости раннего анализа точечной застройки. При формализованном наборе правил один участок может быть рассчитан в нескольких вариантах без ручного перестроения модели. Проектировщик или исследователь получает серию сопоставимых цифровых представлений территории, что упрощает оценку последствий изменения плотности, этажности, конфигурации пятен застройки и других параметров.

В статье представлена модульная схема алгоритма процедурной генерации цифровой информационной модели точечной городской застройки. Актуальность работы определяется сочетанием урбанизационного давления, распространенности точечной застройки и необходимости формировать модели, пригодные для нормативно согласованного анализа и обмена данными [1-6].

Содержательный результат исследования заключается в описании последовательности модулей, включающих подготовку исходных данных, формирование пространственного каркаса, генерацию пятен и объемов застройки, присвоение атрибутов и фиксацию метрик сценария. Обоснован выбор Blender 3D и Geometry Nodes как среды прототипирования, поскольку нодовый граф обеспечивает недеструктивность, модульность и трассируемость вычислительного процесса.

Предлагаемый подход может использоваться как методическая база для разработки программного прототипа и последующей апробации на реальных участках городской застройки. Дальнейшая работа должна быть направлена на расширение набора правил, уточнение атрибутивной модели и подготовку процедур экспорта результатов в контур информационного моделирования.