街坊是衔接控制性详细规划与城市设计的基本单元，它将城市尺度的空间容量与品质以抽象的街坊指标的形式提出，作为后续城市设计的要求。面对绿色城市与建筑的时代需求，城市设计需要增加对多种环境物理性能的评价。在一组指标对应的多种城市空间可能中进行筛选，也需要性能分析优化作为评价标准。于是，抽象的指标与具体的街坊模型之间出现了转译的需求。而对于在区域总量下如何调配各个地块的指标，则需要进行多次尝试以找到最佳的指标组合。在传统的工作流中一般采取人工多次试错的方法，其巨大的工作量导致找到的结果的局限性很大，也很难大面积展开调整。随着各种自动化性能优化算法的出现，如何基于多性能目标进行自动生成与优化对于寻找最佳的指标组合和城市空间环境性能而言是十分必要的。
　　本研究尝试基于自动生成算法、性能分析软件、多目标优化算法和深度强化学习算法构建多性能目标的街坊模型自动生成与优化方法。针对抽象指标到街坊模型的转译问题，以Rhino和Grasshopper为平台，利用GhPython开发了Penguin街坊自动生成系统。针对多性能目标的城市设计和指标优化问题，探索以日照辐射和风环境性能为优化目标，以Ladybug进行日照辐射分析，Butterfly进行风环境模拟，Octopus和日照标准约束下的深度强化学习算法为优化方法的生成与优化流程。针对性能分析耗时长与算力不足的局限，提出了两段式优化流程。
　　本研究以我国南方地区的上海市为例，以夏季日照辐射得热量尽可能小，冬季日照辐射得热量尽可能大，夏季过小风速比和冬季过大风速比尽可能小为优化目标，进行了综合性能和日照标准的两段式优化实验。实验结果显示本研究方法能够在日照标准和多性能约束下优化筛选出较好的指标组合和建筑布局。
　　本研究实现了基于规划指标的街坊自动生成系统和基于日照辐射和风环境性能导向的城市设计和指标优化流程，弥补了自动生成算法、性能分析平台、多目标优化算法和深度强化学习算法间的数据传输裂缝，提出了基于多性能目标的街坊模型自动生成与优化方法和两段式优化流程，能够在今后的城市设计过程中为规划设计人员提供借鉴和参考。