景观桥梁除具备交通功能外，兼具文化、审美、体验价值等多元特征，涉及多学科领域。随着中国社会经济的发展，‘以人为核心、以提高质量为导向’的新型城镇化战略内涵已逐渐深入人心。

然而目前，景观桥梁设计的难点及瓶颈亟待突破——

（1）美学设计的发散性与桥梁结构设计规范性要求难以融合

美学设计的发散性可以理解为感性思考，而桥梁结构设计规范性则属于理性思考的范畴，因此如何恰当合理地将感性与理性进行融合，是瓶颈之一；

（2）造型复杂、空间异形的景观桥梁结构赋形难以实现

将具有美学意义的造型，通过实际的结构形式加以展现，从美学到结构的实现也是难点之一；

（3）景观桥梁的非规则结构与标准化建造矛盾难以调和

设计出来的结构与标准化的建造理念融合，实现从涉及建造的过程也是亟待解决的问题。

那么，如何将美学的发散性、结构的多样性、实施的复杂性，转换为信息的多样、信息的关联、信息的准确，可以通过数字化和智能化的设计应用，实现信息数据的产生和应用。而信息和数据又是如何产生的？

通过人脑输入以及机器生成，形成数字化和智能化，具体表现为：信息化BIM、BIM参数化、BIM智能化、AI创作，解决复杂造型结构的设计，以及快速设计修改，甚至是自动设计和方案创作。

景观桥梁造型复杂，传统二维设计无法满足需求，需要三维辅助。

应用数字化、参数化等设计手段来完成景观桥的设计，例如2012年设计的南京市青奥公园跨河桥。

桥梁位于江北新区青奥体育公园内，跨越城南河联系东西两岸场馆与建筑，是青奥公园和城南河风光带上的一座重要的景观桥。桥梁方案需与两岸场馆及周边环境相协调，对桥梁造型提出极高的要求。

主要设计特点如下——

创新性采用空间扭转钢桁架结构桥梁设计，桥梁造型和布置形式为原创，世界唯一。

桥梁采用扭转钢桁架结构，每个杆件都具有其必要的力学作用，并没有多余的装饰构件，达到造型形式和结构功能的内外统一。

模型方案优化

通过对空间钢桁架造型、杆件布置及轴线线形等进行了对比优化，对桥面以下支撑杆件设计进行了方案比较，最终确定了整体性强、曲线起伏、更好地体现波浪意境的桥梁方案。

主要节点设计

本桥100多个构件、节点均不相同。针对复杂的空间杆件及节点，提出了整体组合式全焊节点。首先对每个节点进行三维设计，平斜腹杆杆件与节点连接，结构可靠，也便于钢结构加工安装。

参数化使信息和数据之间产生关联，从而简化了数据修改的过程，提高了效率。例如北京冬奥会张家口冬奥村“冰雪五环桥”。

延崇高速是北京—张家口联合举办冬奥会中连接延庆赛区和张家口赛区的主要公路通道，是北京—张家口冬奥会期间北京市进入崇礼赛区的公路主通道。太子城互通连接延崇高速和太子城奥运村，是奥运赛场通往外界最便捷的出入口，是本项目的门户所在。主要服务于冬奥会期间以及赛后北京—张家口的旅游观光交通。

根据左右两幅斜跨道路的特殊情况和桥梁到隧道口的不同距离，左右两幅主桥分别设置为三塔双索面钢结构斜拉桥与双塔双索面钢结构斜拉桥。左幅桥主跨2×100m，右幅桥主跨120m。桥塔错开布置刚好形成五环交错的形式。

本桥结构特点：主梁处于圆弧段且左幅变宽；拉索锚固空间较小，锚固形式多样；桥梁构件繁多，各部分间逻辑关系相对复杂；风嘴复杂曲面设计。

全桥BIM 模型

正向设计

BIM设计过程与结构设计过程同步进行，BIM模型建模均为正向设计思路。其中，在初步设计和施工图设计阶段建立精确的参数化BIM模型，用以解决桥梁构件在形状描述、空间定位、碰撞等方面遇到的问题，对桥梁构件如耳板及锚箱等提出多种尺寸及布置方案，综合结构功能要求以及三维空间上的美观要求，取得最优方案。

拉索净空核查

由于桥梁处于道路圆曲线上且左幅变宽，净空范围受拉索影响比较紧张，拉索对净空的影响很难直接通过计算得到，需要建立精准的拉索三维模型与桥上行车净空进行碰撞检测。通过反复修改拉索锚固点横桥向位置参数来解决拉索与净空的冲突问题，锚固点位置参数调整后，锚箱的位置及尺寸均会自动更新。

工程量统计

钢箱梁的构造在纵桥向与横桥向规律性较强，板件几何形状类型范围可控。设计图纸中板件工程量为下料尺寸，一般采用长×宽×板厚的形式。编写程序首先将曲面板件展开成平面，然后对展开后的板件外轮廓运行计算任意多边形最小面积外接矩形算法，求得最小面积外接矩形的尺寸，即构件下料尺寸，进行数据排序整理后，即可实现自动输出钢箱梁构件工程数量表的功能，实现对BIM模型工程量数据的批量提取，大大提高了统计主梁工程数量的效率及准确性。

锚箱数据提取

由于拉索角度各不相同，所有的耳板加劲肋及锚箱板件尺寸也各不相同。受到弯桥、变宽、纵坡、横坡等因素的影响，很难找到准确的三角函数公式表示板件尺寸。最终在BIM模型中批量提取板件结构线，并批量导出结构线尺寸参数作为施工图纸中的参数。涉及锚箱数据输出时，主桥160根拉索及相应的耳板、锚箱的尺寸及坐标数据，通过编写算法批量读取并自动生成到表格中（数据生成过程与工程量统计动画展示相似），表格可直接插入到施工图图纸中。

变更调整

由于本项目为冬奥会重大保障项目，时间紧任务重。拉索梁端锚固点位置及锚固形式产生了多次变更。由于项目初期即采用参数化正向设计，在索塔、拉索、钢箱梁间建立了严谨的逻辑约束关系，以及编写了批量计算主梁工程量、批量提取耳板、锚箱数据等程序，大大降低了后期变更调整的时间成本。

风嘴数据输出

由于桥梁处于圆曲线且具有纵坡，使得两幅桥的十处风嘴尺寸都略有差别各不相同，编写程序沿纵桥向与竖直方向批量切割风嘴模型截取截面来描述风嘴构造，指导施工。

结构分析

将BIM模型直接导入Abaqus，对局部节点进行分析计算，提高设计品质。

虚拟现实

将BIM模型导入虚拟现实引擎，对真实的项目周边环境及光影关系进行模拟，以驾驶员视角实时模拟驾驶，可在行车模拟过程中对行车视距、净空等进行核查，保证较高的行车舒适度。

总而言之，项目的设计难以采用传统二维设计手段来完成，采用BIM技术已是项目本身所需；BIM应用过程与设计过程同步进行，BIM设计采用正向设计思路完成，模型实现了高度参数化；BIM应用点均以提高设计效率、增强设计品质展开，并不是为了BIM而BIM；BIM参数化正向设计从多个方面为项目降低了时间成本，提高了设计品质，在本项目中发挥了重要作用。

虚拟现实截图

建成现场照片

高度关联的参数化数据，通过制定规则算法，自主选择参数产生数据。例如多跨拱组合自动生成的随机参数约束、梁墩断面自动生成的随机参数约束等。

多跨拱组合自动生成的随机参数约束

梁墩断面自动生成的随机参数约束

利用StableDiffusion研究景观桥梁方案及前期意向图的AI生成。

潜在扩散模型（Latent Diffusion Models，LDMs），由Compvis 和 Runway 团队2022年在论文 《High-Resolution mage Synthesis with Latent Diffusion Models》 中提出，其本质是利用扩散原理来生成图像。它通过在输入图像上应用随机噪声，然后逐渐减退噪声的强度，使图像逐渐恢复到原始状态。这个过程类似于热力学中的热扩散，其中噪声代表热量，而图像代表物质。通过不断选代这个过程，模型可以生成不同程度的扩散效果，从而创建出多个变化的图像。

基于潜在扩散模型的原理，现行的扩散生成算法还结合稳定性原理来生成合理的图像。在生成图像的过程中，模型会引入一个或几个提示词，这些提示词描述了需要在图像中出现或省略的元素。模型通过优化损失函数来确保生成的图像，在保留原始图像基本结构的同时，尽量满足这些提示词的要求。通过控制稳定性参数，可以调整生成图像和提示词之间的平衡，以获得满足设计需求的最终结果。

一般来说，现阶段深度学习的大模型参数都是十亿甚至百亿级别起步的，训练成本高昂，对于垂类应用领域不友好。微调(fine-tuning)技术能低成本地针对已有训练好的大模型，进一步在指定任务上进行训练，从而使得推理过程能够适应该任务的数据和要求。

对于主流的扩散算法来说，现阶段主要有Dreambooth、LoRA、Textual Inversion、Hypernetworks这4种微调方式。

综合各方面因素考虑，现阶段LoRA的微调方式对大模型在垂类行业的应用进行微调，是较为经济且高效的方式。

利用训练的LoRA模型进行推理，辅助方案找形。

不同种类的景观桥梁LoRA模型训练时要注意的细节都各有偏重，这里以中式廊桥为例。首先整理关于中式廊桥的图片，根据桥梁景观设计要求筛选合适的图片，并按照BLIP或者deepbooru格式设置标签(tag)，然后设置合适的训练参数进行训练，最后对训练得到的模型进行对比。

通过对目标桥型进行景观桥梁LoRA模型的针对性训练，并结合一些约束条件进行推理，可以在较短时间内得到大量有参考价值的方案，在项目前期可以快速送代出具有一定质量的创作方案。

生成景观桥梁图片效果

推理效果有一定的参考价值和使用价值，对于方案创作有一定启发意义。中式廊桥属于景观桥梁中较容易训练的桥型，推理效果也较为稳定、理想。其他桥型的模型训练原则一致，但都需要根据各自的特点进行一定程度的调整。

但也不得不说，AI辅助方案设计仍然存在诸多难点——

（1）景观桥梁与建筑的形态差异较大

相较于建筑，桥梁展现出来的结构构件更多，不同结构类型的桥梁的外在表现也大不相同；不少构件之间还有一定的拓扑关系，这也增加了推理得到合理方案的难度。

（2）基础大模型中桥梁样本较为稀缺

在基础大模型中，训练集中桥梁相关的样本较少，种类也较为单一，而景观桥梁的训练样本更为缺乏，缺少造型独特的景观桥梁样本，因此针对景观桥梁的推理过程并不理想。

（3）景观桥梁领域微调模型较为缺乏

在Stability AI公司将其开发的扩散算法开源之后，国内外相当数量的AI图像生成爱好者，在互联网相关社区分享了训练或微调好的模型。但具体到更为细分的景观桥梁领域，目前没有相关调好的模型，这也使得整体的推理效果不佳。

对于AI辅助方案设计的未来，采用潜在扩散模型辅助景观桥梁方案，设计人员后可以极大地提高创作效率，自然地突破创作瓶颈，灵活地选择方案后续优化的方式，对景观桥梁的方案创作流程及方案成果的输出有着颠复性的改变。尽管仍然存在一些问题，但不可否认结合人工智能进行桥梁方案选型，为景观桥梁创作方法的革新推开了一扇大门，是一种面向未来的、有无限前景的设计技术。