洛桑联邦理工学院《Comput. Environ. Urban Syst.》最新发文：用于建筑拆除风险建模的时空机器学习

期刊：Computers, Environment and Urban Systems

摘要

在循环经济背景下，建成环境可被视为未来可回收资源的储备库。及早识别存在拆除风险的建筑，有助于制定有针对性的再利用与回收策略，从而促进全球变暖减缓和废弃物避免。现有大多数研究依赖空间显式分析和寿命分布函数进行拆除预测，但尚未在建筑层面全面考虑影响拆除的多种交互驱动因素。本研究提出了一种时空机器学习框架，用于在大范围地理区域内建模建筑拆除风险。通过整合基于地理信息系统（GIS）的空间数据、建筑特征、周边建成环境属性、局部拆除动态以及统计社会经济指标，构建了一个综合数据集。基于该数据集，本研究采用并评估了多种机器学习模型，用于预测瑞士不同时间尺度下的建筑拆除事件，并估计建筑层面的拆除风险评分。研究发现，极端类别不平衡是一个主要挑战，并评估了多种应对策略。模型性能主要依据排序能力以及识别高风险建筑的有效性进行评价。结果表明，尽管拆除事件的基准发生率较低，模型仍表现出较强的预测性能，并能够有效优先识别拆除风险较高的建筑。为增强模型可解释性，本研究采用SHAP量化不同特征对模型预测结果的贡献。研究结果揭示了建筑拆除的关键驱动因素，为城市规划者和政策制定者开展数据驱动型决策提供了支持。本研究推动了可持续城市规划中数据驱动工具的发展，并为建筑层面的拆除预测建立了基准。

建筑存量是城市发展中的重要资产，但受房地产投资、空间需求变化和人口结构转变等因素影响，建筑拆除现象仍然普遍存在。建筑拆除不仅深刻影响城市空间转型，也对环境可持续性、住房政策和历史遗产保护产生重要影响。在气候变化日益严峻的背景下，保留和适应性再利用既有建筑能够节约建筑材料、延长建筑寿命，并避免因拆除和新建所产生的隐含碳排放。然而，尽管适应性再利用具有显著环境效益，大规模拆除仍在持续发生。以瑞士为例，每年约有 5000 栋建筑被拆除，并产生大量建筑废弃物，这与循环经济原则及瑞士“能源战略 2050”的目标相矛盾。从循环经济和“城市采矿”的视角来看，建筑存量可被视为未来建筑材料的重要储备。因此，预测哪些建筑、何时以及在何处可能被拆除，对于提前识别适合适应性再利用、选择性拆解以及材料回收再利用的建筑具有重要意义，也为区域尺度上的建筑存量循环管理提供了基础。

针对现有建筑拆除预测研究多依赖寿命分布或宏观统计模型、缺乏空间精细度和建筑层面解释能力的问题，本研究提出了一种面向个体建筑尺度的时空机器学习框架，用于估计不同时间窗口下的建筑拆除风险。研究基于瑞士 2011—2023 年间的多源地理参考数据，构建了一个综合 GIS 数据集，整合了建筑属性、空间环境特征、社会经济指标、区划与交通可达性信息以及局部拆除动态等变量。在此基础上，本研究采用并比较了三种集成树模型，即 XGBoost、LightGBM 和随机森林，用于刻画建筑特征、空间背景与时间变化之间的复杂关系。同时，针对存续建筑与拆除建筑之间严重类别不平衡的问题，研究评估了多种不平衡处理策略，并结合模型可解释性方法识别影响建筑拆除预测的关键因素。通过模型构建与验证，本研究旨在建立建筑层面拆除预测与风险评估的基准，为未来相关研究提供方法基础，并为城市规划、资源管理和循环经济决策提供数据驱动支持。

在循环经济背景下，建成环境可被视为未来建筑材料的“矿藏”。从这一视角来看，及早识别具有较高拆除风险的建筑，对于支持适应性再利用，或通过构件再利用和材料回收实现资源回收具有重要意义。基于这一需求，本研究以瑞士为案例，构建了一种时空机器学习框架，用于在建筑层面建模拆除风险。

为支撑该任务，本研究通过整合多源地理参考信息，建立了一个综合 GIS 数据集，涵盖建筑特征、周边建成环境属性、社会经济因素、区划与交通可达性指标、宏观经济变量以及局部再开发动态等信息。基于该数据集，本研究采用了三种机器学习模型，并结合专门设计的类别不平衡处理策略，在严重类别不平衡条件下针对不同预测时间窗口进行评估。结果表明，即使在约 500:1 的极端类别不平衡情况下，建筑拆除仍可被有效预测。相较于基准正例发生率，所提出的框架取得了显著的性能提升，并在检查资源有限的情境下表现出较强的高风险建筑识别与优先排序能力。特征重要性分析进一步表明，瑞士的建筑拆除不仅受建筑年龄影响，也受到周边环境和再开发动态的共同塑造。这一发现拓展了传统基于年龄的建筑存量建模方法，说明建筑拆除嵌入于更广泛的空间与时间再开发过程之中。通过将这些因素纳入建筑层面的预测框架，本研究不仅提供了方法学基准，也为理解拆除驱动因素提供了新的见解。

所提出的框架还对可持续城市规划和面向循环经济的建筑存量管理具有实践意义。作为一种概率风险图层，该框架可支持对建筑或区域进行进一步评估的优先排序，包括现场检查、材料清单编制、拆解规划，以及在与现有基于 GIS 的建筑存量模型结合时开展近期材料流出量估计。通过这种方式，该框架有助于将拆除预测与城市采矿和循环建造中的操作性决策相衔接。总体而言，本研究建立了建筑层面拆除预测的基准。通过从聚合尺度的拆除预测转向精细化的建筑层面风险建模，本研究为采用更加数据驱动的方法理解和管理建筑存量转型奠定了基础。