基于多源數據的建筑綜合風險評估與更新優化策略*
——以福州市倉山區為例

李苗裔 黃 俐 黨安榮 LI Miaoyi, HUANG Li, DANG Anrong

0 引言

隨著城鎮化快速發展，我國城鎮建筑的保有率逐年上升。然而按照建筑物的設計使用年限標準，我國有相當數量的房屋已進入壽命中期，極易產生安全隱患[1]1?！坝忠蚪ㄔ爝^程追求高速度、低成本、人為原因的管理不善、近年自然災害頻發等原因”[1]1，導致多地多次發生房屋倒塌事故，如福建長汀老舊房屋“6·3”坍塌、福建三明永安民房“7·17”坍塌等，造成嚴重人員傷亡與重大財產損失，對社會秩序與穩定造成嚴重影響。為此，建筑安全已成為城市安全方面的重要課題之一。

建筑安全同時也關系著建設節約型社會和可持續發展等重要問題，是城市體檢、城市更新的重要基礎環節。2016年住建部門發文《住房城鄉建設部關于進一步開展危險房屋安全排查整治工作的通知》提出要完善應急機制，對危險房屋實行動態監管，密切關注風險變化，防范倒塌事故發生。2021年6月24日，住房和城鄉建設部召開進一步推進房屋安全排查整治工作視頻會議，提出增強抓好房屋安全排查整治工作的責任感和緊迫感，堅決防范房屋安全事故。多個城市體檢試點城市在實施方案工作過程中明確提出“無體檢不更新”原則，堅守底線，嚴防大拆大建。

從近年來建筑風險評估的研究重心可以看出，不同學科領域對其評估的研究內容有較大差異。城鄉規劃領域對建筑安全的量化評價較少[2]，多從文化價值角度建立建筑評價體系[3]，也因此研究對象多局限于歷史文化街區，且在評估過程中缺乏統一的標準[4]，較多依靠人為主觀判斷。建筑設計、土木工程等學科基于建筑結構、災害風險等多維度建立評估指標體系，對于建筑質量判定需具備一定的專業性[5-6]，多依靠專業人士進行細致判定，因而研究尺度僅能集中于少量或特定建筑范圍[7]。在各研究領域雖已有將InSAR（Interferometric Synthetic Aperture Radar，合成孔徑雷達干涉測量）、GIS（Geographic Information System，地理信息系統）等新技術應用于建筑物安全監測，如沈體雁等[8]利用InSAR技術以寧波鄞州區為研究對象進行建筑形變監測及風險分析，但其風險測定聚焦于建筑形變這一維度，尚未在大面積的建筑安全監測基礎上實現其他維度對建筑風險評估的影響。綜上，對于建筑風險的評估工作，目前仍然沒有一套適用于城區尺度的綜合評價方法作為支撐。實現快速、大范圍檢測建筑自身風險，建立科學合理的城區建筑綜合風險評估標準，是城市體檢的重要基礎，可保證后續城市更新工作的有效進行。

隨著新數據與新技術的快速發展，智能化算法與多源數據支撐下的城區建筑綜合風險精細量化成為可能。SAR（Synthetic Aperture Radar，合成孔徑雷達）遙感數據具有時空協調、全天對地觀測的優點，PS-InSAR（Persistent Scatterer Interferometric Synthetic Aperture Radar，永久散射體—合成孔徑雷達干涉測量）技術為基于InSAR技術識別選取具有穩定散射特性的相干點目標，通過分析這些PS點相位來反演形變信息[9]114，該技術可較好地利用城區尺度內的建筑物構成大量永久散射體[9]115，快速實現城區全覆蓋、長時間、高精度的形變監測。近年來該技術已成為地表形變監測領域具有發展潛力的新手段，而機器學習算法的加入則使得PS-InSAR技術識別建筑形變結果取得更高的識別精度。同時，結合多源數據，可從多維度的觀察視角實現城區建筑的綜合風險評估，彌補過往評估方法過于單一、主觀的缺點[10]。本文應用PS-InSAR技術與機器學習相結合的方法測度城區范圍建筑自身風險，劃定高風險建筑集聚區，同時基于多源數據構建建筑綜合風險評估模型，實現多維度下的建筑綜合風險精細化評估，致力于為城市開發建設提供科學的量化分析路徑。以福建省福州市倉山區為例進行實證研究，結合模型分析結果與實地調研，對風險區進行具體分析，提出針對性的更新優化策略。該評估過程實現了對建筑風險這一難以評價要素的大范圍、多維度的細化測度，具備一定的實際意義及易用性。

1 研究方法與數據

1.1 研究區域

選擇福州市倉山區作為本文的研究區域，共涉及5個鎮、8個街道、1個農場（見圖1），區域面積為142 km2，加上洲地面積約為150 km2。

圖1 福州市倉山區行政區劃圖Fig.1 Administrative division of Cangshan District

倉山區地處福州市城區南部，位于福州其余市轄四區（鼓樓、臺江、晉安、馬尾）與閩侯、長樂的接壤地帶，為“東進南下、沿江向海”發展戰略的重要位置。隨著臺江區、鼓樓區發展以來，福州市核心區正在向周圍擴張，倉山區也迎來了新機遇與新挑戰——倉山區既包含三叉街、煙臺山一帶的舊城片區，該片區內人文底蘊濃郁，公園綠地、教育醫療資源云集，也不乏大量20世紀的歷史建筑；又包含三江口、火車南站等新城片區，該片區內當前建設強度較小，有較多閑置城市用地，配套設施尚未完備。倉山區的城市更新需同時考慮到增量建設與存量提質兩種要求，即對已經存在的老城區和即將步入發展的新城區這兩種情況的考慮，因而對倉山區進行建筑風險評估研究具有普遍性和典型性。

1.2 數據源

本文所使用的數據主要包括SAR數據、手機信令數據、DEM（Digital Elevation Model，數字高程模型）數據、土地利用類型、POI（Point of Interest，興趣點）數據、自然環境相關數據等。其中，SAR影像信息（見表1）監測時間為2016年6月8日至2019年12月30日。手機信令數據為基于基站的工參數據，劃分網格，并計算加權質心點，將用戶定位從原來基站小區范圍轉變為250 m×250 m的網格位置，經過一定算法處理得到精細化網格級別的常住人口數，已與第六次全國人口普查街道數據進行校核，其人口規律在街道層面呈現一致性，樣本數據的采集時間為2020年。POI數據、建筑矢量數據、河流矢量數據、DEM數據為通過互聯網開放平臺獲取并處理。地震活動斷層數據來源于第五代地震區劃圖基礎數據，因活動斷層的地震危害性較強，其余類型的斷層危險性相對偏小，故選取活動斷層數據結合福州市歷年發生過的地質災害影響范圍來表征地質災害風險。臺風是指在太平洋海域發生的具有一定強度的熱帶氣旋，因研究范圍限制，福州市五區范圍內僅有兩座可公開查詢到的氣象監測站，無法從降雨量與風速對區縣尺度進行臺風風險判定，故選取近3年熱帶氣旋數據結合DEM數據綜合評定。本文統一使用墨卡托投影，將數據轉換為WGS-1984墨卡托投影坐標系。

表1 SAR影像基本參數信息Tab.1 Basic parameter information of SAR image

1.3 分析方法

1.3.1 PS-InSAR技術結合機器學習方法排查建筑自身風險

應用PS-InSAR和機器學習相結合的技術，進行城區建筑物的精細化形變監測，可快速排查城區尺度建筑自身風險隱患（見圖2）?；诮ㄖ陨盹L險排查結果，進一步利用核密度與熱點分析劃定高風險建筑集聚區。

圖2 建筑自身風險排查技術路線圖Fig.2 Technical roadmap of building risk investigation

根據PS-InSAR原理，對于建筑物這類散射特性較為穩定的地物目標，可通過固定位置的多次雷達回波，得到一系列較為有效的觀測值。利用N幅同一地區不同時期的SAR單視復數影像，實現計算連接圖、生成差分干涉圖對、識別選取PS點、相位解纏、去除相干誤差、形變速率反演與地理編碼7個步驟的智能化處理[9]114，可精確測量符合條件的地物目標上某一點（探測出的點稱為PS點）的三位空間位置及時序上的微小變化，監測精度在毫米量級，形成目標區域PS-InSAR形變數據庫。結合建筑矢量框確定每棟建筑對應的PS點集合后，采用聚類算法，將PS點聚合，并選出最能反映建筑形變特征的1—2個聚類點開展后續分析。通過計算，可獲取建筑物的高度信息和8項關鍵形變指標，基于建筑相關標準選擇閾值，分別評估8項指標所對應的形變風險等級（見表2），進而綜合評估建筑物形變風險等級。目前建筑自身風險評估的等級包括A、B、C、D這4個等級（見表3），當建筑物被劃分為C級或D級時，開展現場踏勘或測量等后續工作，以此為基礎劃定建筑高風險集聚區。進一步篩選“值得關注”與“重點關注”建筑進行高風險建筑集聚區范圍劃定，將篩選后的矢量建筑進行要素轉點操作，計算其核密度，利用熱點分析提取熱值聚類區域，將其劃分為高風險建筑集聚區。

表2 分項關鍵形變指標閾值表Tab.2 Threshold table of key deformation indicators by item

表3 建筑自身風險評估標準表Tab.3 Standard table of construction risk assessment

1.3.2 建立建筑綜合風險評估模型

根據城市更新需求，從建筑自身風險、自然環境風險和社會經濟風險3個維度，基于層次分析法構建建筑綜合風險評估模型（見圖3）。

圖3 建筑綜合風險評估技術路線圖Fig.3 Technical roadmap of building comprehensive risk assessment

（1）指標體系構建

基于手機信令數據、土地利用類型、POI數據、自然環境數據等多源數據，構建建筑綜合風險評估體系。綜合國內外既有研究的城市風險評估體系，可知目前城市風險的研究主要集中于社會、經濟、環境、制度維度[11]8，[12]，結合城市更新實際需求，將準則層（主要風險源）定為建筑自身風險、社會經濟風險和自然環境風險3類。準則層不僅突出建筑物自身方面的內容，還特別強調社會經濟、自然環境帶來的風險，例如在人員密集、土地價值高的地段，當建筑發生意外事故后所造成的損失程度也相應上升，故將社會經濟和自然環境風險納入指標體系對未來一定時期內城市空間布局優化工作具有實際意義[13]。指標層則包括建筑物異常形變、洪澇敏感性、地質災害敏感性、臺風敏感性、人口密度和土地價值6個單項評估指標。

（2）指標權重計算

邀請福州市相關領域的5名專家（包括福州大學、福建工程學院、福建省建筑科學研究院3家單位）及15名從業人員（包括福建福大建筑規劃設計研究院有限公司、福建省城鄉規劃設計研究院、福州市勘測院等多家單位）對指標進行一輪打分，運用層次分析法進行權重計算，得到各子系統和各指標分權重[14]（見表4），判斷矩陣均通過一致性檢驗。建筑質量是導致建筑安全事故的主要原因。在本次評估中，建筑自身風險比重最大，占到57.14%。其次土地人口屬性、災害敏感性都在一定程度上加劇著該區域的建筑風險，二者比重分別為28.57%、14.29%。

表4 指標權重計算結果Tab.4 Calculation results of index weight

（3）指標計算及標準化處理

指標計算主要分為3步。①建筑自身風險評估具體步驟如1.3.1節所述。②社會經濟風險包括人口密度與土地價值兩項評估指標。人口密度為基于手機信令數據處理后得到的250 m×250 m網格常住人口數，利用自然斷點法將其分為5類，再借助GIS中的模糊隸屬度工具將其數值歸一化處理，轉換得到人口密度柵格。土地價值為基于土地利用分類數據與POI數據判斷。土地利用分類方面，按照其經濟產出、造成的社會經濟影響從高到低排序將建設用地劃分為4個等級，其中一級包括公共管理與公共服務用地（A）、商業服務業設施用地（B），二級包括居住用地（R）、道路與交通設施用地（S）、公用設施用地（U），三級包括綠地與廣場用地（G）、工業用地（M）、物流倉儲用地（W），四級包括H4（特殊用地）、在建用地；POI數據篩選方面，亦選取經濟產出高、社會經濟影響大的設施類型，如學校、醫院、酒店等，計算核密度，同上借助模糊隸屬度工具歸一化處理，疊加得到土地價值柵格。③自然環境風險結合福州實際情況，設置洪澇災害敏感性、地質災害敏感性和臺風災害敏感性3項評估指標。洪澇災害敏感性基于河流矢量數據進行緩沖區分析，疊加由DEM數據得出的地形起伏度，轉換得到洪澇災害風險柵格。地質災害敏感性為基于地震活動斷層數據與歷年來倉山區發生過的地質災害數據進行緩沖區分析與疊加，轉換得到地質災害風險柵格。臺風災害敏感性為基于NOAA（美國國家海洋和大氣管理局）近3年熱帶氣旋數據進行緩沖區分析，疊加由DEM數據得出的地表粗糙度柵格，轉換得到臺風災害風險柵格。

（4）建筑綜合風險評估模型構建

建筑綜合風險是建筑物自身、自然環境和社會經濟3方面綜合作用的結果。

本文建筑綜合風險指數計算表達式為：

式 中：BRI（Building Risk Index）為 建筑綜合風險指數；B1、B2、B3分別表示建筑自身風險、自然環境風險、社會經濟風險；WA1、WA2、WA3分別表示對應權重。BRI指數越高，代表該單位面積的風險越高，當意外發生時，造成的損失越嚴重。

基于GIS空間分析技術實現建筑綜合風險指數的柵格化，再利用柵格轉點工具以最近點為原則連接回建筑矢量框，可得到每一棟建筑的綜合風險指數?；谧匀粩帱c法進行劃分，可保證組間差異最大化、組內差異最小化，其劃分原則適用于本文對建筑的風險分級，由此將建筑物綜合風險劃分為高、較高、中、較低、低5個等級。

2 實證研究

2.1 建筑自身風險評估

通過對建筑自身風險進行評估，可在建筑物尺度判定建筑質量，確定高風險建筑集聚區。對高風險建筑進行抽樣調研，驗證該技術排查建筑自身風險的有效性。

根據1.3.1節的技術路線對倉山區每棟建筑的自身風險進行排查，其中約80%的建筑處于低風險，7%的建筑處于中風險，剩余13%的建筑處于高風險。基于各等級建筑物占比與風險權重，對倉山區各街鎮建筑自身風險平均值進行計算與劃分等級。結果顯示，紅星農場的平均風險值最高，建新鎮的平均風險值最低，倉山區大部分街鎮處于中風險區段。

從建筑物尺度看，中高風險建筑呈現一定的集聚現象，從建筑肌理可判斷為城中村、城郊村居多，主要出現在蓋山鎮、螺洲鎮、城門鎮；從城區尺度看，倉山區建筑自身風險自西向東呈現“低—高—低”的規律分布趨勢，相鄰街鎮的風險較為接近（見圖4）。風險值在中部區域達到頂峰，為紅星農場與蓋山鎮，該區域建筑年代久遠，存在較多老舊建筑。較高風險街鎮主要分布在倉山區東部，包括城門鎮與螺洲鎮，該范圍內還存在較多舊村，導致風險偏高。中低風險街鎮主要分布在倉山區中西部，最低值出現在建新鎮。隨著閩侯縣的迅速發展，倉山區西部成為閩侯縣與主城區交接的主要樞紐地帶，其既有洪塘大橋、橘園洲特大橋、浦上大道等主要橋梁工程，又有地鐵2號線在金山街道內設的4個站點，可知該范圍城市建設開發力度較大，老舊建筑翻新速度快，從而降低了倉山區西部的建筑自身風險。

圖4 建筑自身風險評估Fig.4 Building risk assessment

對于由建筑自身風險評估得出的高風險建筑，可基于評估的8項關鍵指標生成建筑形變評估信息（見圖5），進一步判定單棟建筑的具體風險。由于客觀條件受限，無法對所有高風險建筑進行實地詳細調研，僅從高風險建筑中隨機選取20處進行實地調研并檢驗該技術的有效性，保證其抽取的建筑層數涵蓋低層至高層，建筑用途涵蓋住宅、辦公等。由實地調研情況（見圖6）可知，基于PS-InSAR技術與機器學習方法得到的建筑自身風險評估與實際情況較為相符。在20棟建筑中，除去未能進入小區的2棟建筑外，僅有1棟在調研過程中未發現外觀明顯形變。對所調研的高風險建筑類型進行分類，可看出其中自建房、新建小區及配套設施的占比相當，都高達38%。

圖5 建筑形變評估信息示例Fig.5 Example of building deformation index information

圖6 高風險建筑實地調研情況Fig.6 Field investigation of high-risk buildings

筆者所調研的高風險建筑中，自建房多分布在倉山區中部及東部，如蓋山鎮、城門鎮等地，其層數較低，多為3層以下，大部分同時存在地基裂縫與墻面裂縫。農村自建房在初期建設時，因節省成本多為自行搭建，所用材料與建造過程都較為隨意；加建現象嚴重，且在加建過程中結構混搭，更是加大了安全隱患[15]38。針對此類建筑，不僅應關注其結構的受力，也應同時注意砌體結構與構件的裂縫險情。所調研的高風險建筑中，新建小區及配套設施多分布在倉山區中部，如建新鎮、蓋山鎮、螺洲鎮等地，其中發生明顯沉降的均為高層建筑，地基存在明顯裂縫，墻表面情況良好。新建小區的建設單位主要為開發商，部分企業在建設過程中可能因為服務意識薄弱、企圖降低成本等原因忽視建設質量。針對此類建筑，應重點關注地基的穩固性，定期觀測其沉降值[16]，進行周期性形變監測。

進一步對C級、D級風險建筑進行處理，提取熱值區域，共得到7處高風險建筑集聚區（見圖7），均位于倉山區中部。其中4處覆蓋范圍較廣，包含建筑較多；另有3處為小范圍風險區。結合風險區所在的行政街道，將其命名為建新鎮風險區、紅星農場蓋山鎮風險區、蓋山鎮北部風險區、蓋山鎮中部風險區、蓋山鎮螺洲鎮風險區、城門鎮風險區、螺洲鎮南部風險區。

圖7 高風險建筑集聚區劃定Fig.7 Delineation of high-risk building cluster areas

2.2 建筑綜合風險評估

通過對社會經濟風險進行評估，可量化建筑風險發生時造成的財產與生命安全損失。根據1.3.2節計算方法，得到倉山區社會經濟風險柵格（見圖8）。經柵格平均值計算，社會經濟風險排名靠前的街鎮均集中在倉山區中北部，倉山區北部區域的社會經濟風險明顯高于南部區域。這與區域的開發程度有很大的關聯性。社會經濟中高風險區域與人口密度分布、功能混合度呈現一定的吻合趨勢，如對湖街道、下渡街道、金山街道、臨江街道，其為倉山區人口密集區，用地性質多為居住用地、商業用地，且大量人口集中于小面積土地。這些區域的建筑安全應備受關注。低風險類區域集中于東南部及中南部，如城門鎮、螺洲鎮、蓋山鎮，都處于初步發展階段，其用地功能較為單一，且存在較多山體、水域，對應的人口密度也較低。

圖8 社會經濟風險評估Fig.8 Socio-economic risk assessment

通過對自然環境風險進行評估，可對地區發生自然災害風險的可能性進行量化分析，但因災害的不確定性與不可預測性，此維度僅作為概率參考。根據1.3.2節計算方法可得出倉山區自然環境風險柵格（見圖9）。從空間上看，倉山區自然環境風險整體較高，中等及以上風險柵格數占比達到64.5%，其風險等級沿島的長邊由北至南呈現3級遞增的狀態。

圖9 自然環境風險評估Fig.9 Natural environment risk assessment

通過三維度共同測度所得的建筑綜合風險評估結果，根據1.3.2節構建的建筑綜合風險評估模型可得到倉山區建筑綜合風險等級（見圖10）。從建筑物尺度看，中高風險建筑數量在各個街鎮均明顯增多。從城區尺度看，高風險街鎮集中于倉山區中北部區域，風險值在中部的對湖街道達到最高，該區域既有極為豐富的教育資源，包括福建師范大學在內的11所大中專院校，也有數量相當的近現代歷史建筑群；其次為下渡街道、金山街道、倉山鎮、紅星農場、臨江街道、上渡街道，這些街鎮在空間位置上均較為緊鄰。風險值較低的街鎮主要分布于兩翼，其中最低值出現在螺洲鎮。

圖10 建筑綜合風險評估Fig.10 Comprehensive building risk assessment

2.3 更新優化策略

通過探究建筑自身風險與建筑綜合風險兩種測度結果，在一定程度上可為城市更新的風險范圍劃定、確定更新次序、確定具體更新方式3大環節提供參考，有助于明確造成建筑風險的具體成因，做到小規模、漸進式有機更新和微改造。

對于建筑自身風險測度出的高風險建筑，建議根據PS點判定出的具體風險進行相應的動態化監測。其中對于自建房類型的高風險建筑，建議長時序監測其沉降差異與構造情況，從而判斷受力承載水平和砌體結構構件裂縫險情，對房屋存在的危險點合理加固[15]39，條件允許的情況下盡量翻建，同時需培養村民建筑安全意識，提高建造標準。對于新建小區及配套設施類型的高風險建筑，建議重點關注地基的穩固性，對于已建成的高層建筑應根據沉降值分析變形規律，根據變化趨勢及速率來采取相關預防措施[16]；對于仍在施工的高層建筑，應通過沉降數據穩健地進行施工以消除微幅沉降，防止日后投入使用后建筑產生傾斜、沉降等危險變化[17]。

對建筑自身風險劃定的建筑高風險集聚區進一步分析，通過對比其自身建筑風險與建筑綜合風險結果，可看出多數風險區兩者結果均存在差異。針對各風險區展開實地調研，對其建筑類型、總體特征、物質環境、聚居人群等情況進行分析[18]，結合風險測度結果判斷其發展前景與更新策略（見表5）。對于優先更新的4個風險區，建議建新鎮風險區優先考慮土地功能置換、拆除簡易廠房；建議蓋山鎮螺洲鎮風險區與螺洲鎮南部風險區重視防災預警工程建設，前者整體社會經濟風險較高，應在此基礎上再向周圍低風險街鎮進行人口疏導，后者建筑數量較少，根據其PS點分析可知其累積沉降風險極高，應再重點關注高風險建筑物的地基穩定性；建議蓋山鎮中部風險區加大人才住房和保障性住房的配建力度。對于次級更新的兩個風險區，建議城門鎮風險區先挖掘現存村的特色文化與傳統，紅星農場蓋山鎮風險區則優先采用利益引導、產業轉移等方式進行區域人口疏導[11]10，[19]。對于暫緩更新的蓋山鎮北部風險區，其大部分建筑的綜合風險等級較低，建議優先對道路進行整改，利用智能化設備更新老舊小區，提升居民的居住體驗感。

表5 倉山區高風險建筑集聚區分析結果與更新優化策略Tab.5 Analysis results and update optimization strategy of high-risk building cluster area

3 結論與討論

在城市發展從增量向存量轉型的背景下，本文基于多源數據，利用PS-InSAR技術與機器學習相結合的方法測度建筑自身風險，劃定高風險建筑集聚區，通過實地抽樣調研驗證了該方法的有效性。并從多維度建立建筑綜合風險評估模型，評估倉山區建筑綜合風險等級，根據評估結果提出更新優化策略，一定程度上為城市更新基礎工作提供了量化參考依據，以數據實證提高設計的科學性[20]。

本文的研究結果具有一定的現實意義，以定量城市分析為驅動，為城市更新的基礎環節提供科學支持。但還存在以下不足：其一，利用PS-InSAR技術獲取的大范圍建筑自身風險識別結果僅為數據分析，本文通過抽樣檢測驗證了該技術的有效性，但若需確定每一棟建筑物風險等級的準確性，還需和所有建筑的實地調研結果進行綜合研究[21]，未來的研究重點將放在結合風險識別結果批量布設地面傳感設備，通過空天地一體化建筑預警技術來代替人力檢測其準確程度。其二，由于涉及自然環境風險的相關數據有限，僅能粗略地評估各類災害敏感性[22]52，精確度較低，未來的研究重點將放在對指標系統的完善方面，同時避免多源數據的有偏性，以期構建更加精細與合理化的風險評估模型[22]57，更加貼合城市的實際情況。

（感謝北京東方志遠科技股份有限公司在InSAR基礎數據收集與處理方面提供的支持。）