基于多维度协同优化的现有居住区改造绩效模型:以深圳为例
《BUILDING AND ENVIRONMENT》:A Performance-Based Model for Retrofit of Existing Residential Districts Using Multi-Dimensional Collaborative Optimization: A Case Study of Shenzhen
【字体:
大
中
小
】
时间:2026年07月01日
来源:BUILDING AND ENVIRONMENT 8.4
编辑推荐:
岳凡|刘昌|张琼 深圳大学建筑与城市规划学院,亚热带建筑与城市科学国家重点实验室,中国深圳518000
摘要
中国1980年至2000年间建造的住宅建筑普遍存在外立面老化及性能下降问题。目前的改造实践缺乏有效的诊断方法以及跨建筑的多目标协调机制。为解决这些问题,本文提出了一
岳凡|刘昌|张琼 深圳大学建筑与城市规划学院,亚热带建筑与城市科学国家重点实验室,中国深圳518000
摘要
中国1980年至2000年间建造的住宅建筑普遍存在外立面老化及性能下降问题。目前的改造实践缺乏有效的诊断方法以及跨建筑的多目标协调机制。为解决这些问题,本文提出了一种基于性能的模型,该模型将建筑老化状态、多维度性能目标和经济成本相结合,用于住宅区层面的改造决策。通过对深圳81个典型住宅区的实地调查,建立了以改造强度为分类依据的四级诊断评估体系(A–D级),并将建筑参数转化为可直接用于优化的定量输入。研究还训练了LightGBM替代模型,并将其与AGE-MOEA多目标算法相结合。根据不同等级分布特征,提出了“渐进式升级策略”和“全面升级策略”两种协同改造方案。对三种典型区域类型的模拟结果显示,与传统改造方式相比,协同策略可在保持相近节能率和热舒适度的前提下,将改造成本降低17.0%–27.6%,同时提高净现值19.2%–136.5%。那些等级分布较为分散的区域能实现更大的成本降低,在极端类型方案下,单位面积的最大成本降低幅度可达54.7%。所提出的框架为现有住宅区的精细化改造提供了可复制的决策工具,其方法也具有在类似气候条件地区应用的潜力。
引言
中国正处于城市更新与“双碳”目标同步推进的关键阶段[1]。1980年至2000年间建造的大量住宅建筑存在高能耗和室内热舒适度差的问题,因此进行大规模改造既十分紧迫又十分必要[2]。2025年的中央城市工作会议将城市更新提升为国家级战略[3],随后住房和城乡建设部[4]发布了《城市更新规划指南》,首次确立了涵盖区域评估、策略制定和资金保障的闭环更新路径。这标志着政策导向从零散的点状修复转向全面的区域性重构。然而,目前的改造实践仍缺乏有效的诊断方法以及跨建筑的多目标协调机制。在中国,现有住宅建筑的改造已成为城市更新的核心内容。鉴于不同的社会政治、经济和文化背景,这一过程大致可分为四个阶段[5],具体见表1。
住宅区层面介于单个建筑与更广泛的城市系统之间,具备更大的能源协调和碳排放削减潜力[6]。欧盟的“翻新浪潮”倡议推动了大规模的协同改造[7]。Ferreira[8]和Streicher[9]推动了从单栋建筑改造向区域层面协调的范式转变。Huang[10]综述了中国现有住宅建筑的可持续改造方法。尽管城市布局、建筑朝向和间距会影响微气候和建筑能耗,但这些影响具有很强的地域特殊性,且高度依赖于当地的城市形态[11]。大量文献[12,13]表明,建筑类型以及建筑外立面的热性能都会影响建筑的能耗[14,15]。Liu[16]指出,建筑遮阳对节能效果的贡献最大,远超过建筑朝向的影响;而Fang[17]发现,与建筑自身特性相比,建筑布局与能耗之间的关联相对较弱。因此,本研究开发的协同优化模型主要关注由建筑本身决定的能耗和热舒适度问题,未考虑布局变量带来的复杂交互作用。这一局限性将在文章末尾进一步探讨。
在提升建筑能效和性能方面,基于诊断的优化方法越来越受到重视。评级系统是实现客观诊断的核心手段。Barrelas[18]、Pires[19]、Souza[20]、Gaspar[21]、Tarekegn[22]、Silva[23]、Cocer[24]等人的早期工作为识别建筑老化现象奠定了基础。Faqih[25,26]、Begi?[27]和Matsumura[28]则将老化描述发展为可量化的评级系统。目前常用的评估依据有两种:一种是基于缺陷严重程度,用1–5级表示;另一种是基于改造强度,用A–D级表示。Matsumura采用A(维护)、B(小修)、C(中修)和D(大修)四级对现有住宅建筑进行评估,本研究也采用了这一诊断标准。Fan[29]进一步推动了诊断方法的自动化发展,Bucoń[30]则提出了一种全过程决策支持方法,以诊断结果为输入,为多单元住宅建筑推荐改造方案。不过,目前尚未将评级等级转化为可用于驱动协同优化的定量参数,诊断与决策环节也仍有待深入研究。
机器学习已成为预测建筑性能的重要工具[31]。Penaka[32]指出,机器学习能够生成个性化的改造方案,提升决策的针对性和可解释性。Zhan[33]提出了一种优化框架,通过构建建筑模型、进行相关性分析以及多目标优化,旨在最小化全生命周期碳排放、投资回收期以及室内不适时间。Markarian[34]和Yang[35]进一步将机器学习替代模型与多目标算法相结合,实现了在较低计算成本下的高精度优化。经济因素是推动住宅建筑改造的主要动力。Sharbaf[36]认为,净现值、投资回收期和成本效益比是最重要的经济评估指标。然而,Kong[37]指出,尽管在节能和温室气体减排方面已有较多研究,但关于热舒适度提升和健康改善等社会效益的定量研究仍然不足。表2总结了过去五年间发表的关于现有住宅建筑改造及优化方法的相关研究,以反映该领域的现状。
表2中的文献综述显示,研究人员逐渐转向区域层面的更新方法,在诊断评估、协同优化以及基于性能的改造方面取得了不少成果。不过,仍有三个方面需要进一步关注。首先,大多数研究采用自上而下的方法,假设整个区域内建筑参数一致,未考虑不同类型建筑在使用过程中的老化状况。其次,虽然有一些研究将优化扩展到区域层面,但仍然将建筑视为同质化单元,或仅关注建筑外立面,因此大规模协同优化在计算效率、数据完整性和通用性方面仍存在局限。第三,尽管机器学习模型已被用作高成本仿真的替代手段,但诊断评估与性能优化之间仍缺乏有效衔接,因为诊断结果难以转化为可用于驱动多目标优化的定量参数。大规模实施与精细化管理之间的矛盾,已成为制约改造质量的核心问题。
为解决上述问题,本文提出了一种用于住宅区层面建筑改造的多维度协同优化模型。该模型旨在平衡建筑老化状态、性能目标和经济成本,为不同规模和类型的区域提供改造决策支持。其主要贡献如下:1)建立了一种将建筑老化状态、性能目标和经济成本相结合的基于性能的模型;2)将专家的评估经验转化为包含定性和定量标准的诊断规则集,根据改造强度将住宅建筑分为A至D级,并将各等级转化为用于协同优化的定量参数;3)引入AGE-MOEA算法以实现多维度协同优化;4)开发了一个智能优化决策平台,用于高效生成和筛选区域层面的改造方案,并通过典型场景验证了该框架的适用性和有效性。
本文结构如下:第1节为引言;第2节介绍研究区域和数据收集情况;第3节阐述针对现有住宅区的基于性能的模型,包括诊断评估方法、多维度协同优化框架、典型场景设置以及智能优化决策平台;第4节展示优化结果并进行比较分析;第5节与国际研究进行对比,并讨论本研究的局限性;第6节总结研究成果并指出未来研究方向。
研究区域与数据收集
本研究利用中国最大的民营商业房地产数据平台之一——链家平台的开源数据[48],收集了深圳1980年至2000年间建设的2,736个住宅区的数据。数据收集主要集中在罗湖、福田和南山三个区,这三个区占样本总量的78.1%。根据建筑设计规范的编制和修订时间,这些区域被划分为三个阶段:1980–1986年、1987–1993年以及后续阶段。
基于第二节中的实地调查数据和区域类型划分,本文提出了一种基于性能的模型,旨在在保证大规模适用性的同时实现精细化的精准控制。该模型以对建筑老化状况的实地调查为基础,以诊断评估为核心,通过多维度协同优化来实现优化目标。与基于静态规范目标的传统方法不同,该模型将整个住宅区视为一个整体,寻求最优解决方案。
不同住宅建筑类型的敏感性分析
为确定11个输入参数的相对重要性,并便于解读后续优化结果,本研究采用了SHapley加性解释方法[74]进行敏感性分析,该方法可量化每个物理参数对模型预测的边际贡献(见图8)。在四种建筑类型中,SHGC和LIGHT被确定为影响节能率的最重要参数,而SHGC则是预测日照得热系数时的主导参数,这说明……
多维度协同优化路径分析
通过对三个典型住宅区的平行坐标分析(见图12),发现协同优化策略为不同初始等级的建筑提供了差异化的改造路径。A级建筑所需的干预措施最少,主要是将SHGC降至0.50,同时增加遮阳深度至0.80米。B级建筑除了上述措施外,还需将照明功率密度从10 W/m2降至5 W/m2,还将屋顶U值降至约0.50 W/(m2·K)。
结论
本研究开发了一种基于性能的模型,用于住宅区层面的改造决策,该模型将建筑老化状态、性能目标和经济成本整合到一个统一的框架之中。该模型基于对深圳81个典型住宅区的实地调查,并通过三种代表性区域的情景模拟进行了验证。主要研究结果表明:1)……一种将建筑老化状态、性能目标和经济成本相结合的基于性能的模型……
利益冲突声明
作者声明,在发表题为“基于多维度协同优化的现有住宅区改造性能模型:以中国深圳为例”的文章时,不存在任何利益冲突。
作者贡献
岳凡:概念设计、资金获取、方法设计、监督、论文撰写——审稿与编辑。刘昌:概念设计、方法设计、可视化处理、数据整理、论文撰写——初稿、审稿与编辑。张琼:概念设计、方法设计、论文撰写——审稿与编辑。所有作者均已阅读并同意最终发表的稿件版本。
资金支持
本研究得到了中国国家关键研发计划(2024YFC3807900)以及亚热带建筑与城市科学国家重点实验室项目(项目编号2025ZA03/2025ZB20)的支持。
CRediT作者贡献说明
岳凡:论文撰写——审稿与编辑、监督、方法设计、资金获取、概念设计。刘昌:论文撰写——审稿与编辑、论文撰写——初稿、可视化处理、方法设计、数据整理、概念设计。张琼:论文撰写——审稿与编辑、方法设计、概念设计。
生物通微信公众号
生物通新浪微博
今日动态 |
人才市场 |
新技术专栏 |
中国科学人 |
云展台 |
BioHot |
云讲堂直播 |
会展中心 |
特价专栏 |
技术快讯 |
免费试用
版权所有 生物通
Copyright© eBiotrade.com, All Rights Reserved
联系信箱:
粤ICP备09063491号