基于BIM-云物元模型的公路绿色服务区预评价

石振武， 王 畅

(东北林业大学 土木工程学院， 黑龙江 哈尔滨 150040)

近年来，我国公路行业深入贯彻落实国家生态文明建设，不断以实际行动践行中央关于绿色发展的战略部署，着力推进中国特色的绿色公路行业快速发展。服务区作为公路的重要附属设施，其绿色建设也逐步引起重视。2018年4月19日，国家交通运输部发布的《2018年全国公路服务区工作要点》[1]中提到，要加强绿色服务区建设，研究建立绿色服务区标准体系。

公路服务区的建设不同于普通公共建筑，它具有地理位置偏、碳排放量大、能源消耗量高、废弃物处理难等特点。目前，我国大多数服务区只能满足各项服务功能的基本需求，但其在建设发展过程中对环境造成的负面影响巨大。据调查统计，方案决策对项目的影响达到50.2%，其中设计阶段占48.3% ，而施工阶段和运营阶段分别占0.7%和0.8%[2]。因此，在绿色服务区建设的设计阶段采取控制措施对影响服务区绿色度的因素进行合理优化，前移绿色服务区评价时间点，以预评价的方式指导绿色服务区的建设具有重要意义。

目前，已有相关专家学者将BIM(Building Information Modeling)技术引入到建筑的绿色评价中来，如：吴佳蔚等[3]通过分析对BIM模型数据的处理和提取，提出了基于BIM技术的绿色建筑节地设计评价流程及方法；杨文领[4]建立了基于BIM技术的绿色建筑能耗评价模型并将其应用于建筑的采光系数和照度分析、热工性能分析等。但绿色服务区的建设存在很大的特殊性，有待深入研究。现有针对公路绿色服务区所开展的研究大多集中在实现途径上，如徐亮等[5]从污水处理、中水回用、雨水系统、垃圾处理、清洁能源利用等方面探究了服务区建设新模式；郑东军等[6]从生态技术、功能流线、标志性形象3个角度阐述了服务区建筑的绿色设计要点；袁勇[7]结合道路、建筑、能源、智能化等方面的改造提升绿色技术，提出了高速公路绿色服务区评价体系。综上，以往研究都没有针对公路绿色服务区的设计阶段开展评价，缺少完善的绿色服务区预评价指标体系，将BIM技术应用于绿色服务区评价的研究有待深入。

本文以公路绿色服务区预评价为研究对象，基于BIM技术的协同仿真性、数据信息性，利用物元理论与云模型相结合的优势，构建BIM-云物元评价模型，结合BIM的模拟、可优化的特性和云物元模型的模糊量化的特点，实现设计方案的循环优化，提升评价效率，有效提升绿色水平，促进绿色服务区可持续性发展。

1 评价指标体系构建

1.1 公路绿色服务区预评价指标

影响公路绿色服务区设计的指标复杂且多样，因此建立一个科学合理的预评价指标体系是进行绿色评价的前提。本文主要采用频度分析法以及德尔菲法筛选指标。根据国外的相关文献包括美国AASHTO的《主干路与高速公路服务区建设指南》[8]、美国USGBC的《LEED绿色建筑评估体系》[9]、英国《BREEAM建筑环境评价方法》[10]等和国内的相关文献包括JT/T 1199.1—2018《绿色交通设施评估要求 第1部分：绿色公路》[11]、JT/T 1199.2—2018《绿色交通设施评估要求 第2部分：绿色服务区》[12]、JTG B01—2014《公路工程技术标准》[13]、GB/T 50378-2019《绿色建筑评价标准》[14]等，以及国内外专家学者对绿色服务区相关内容的研究[15～19]，对评价指标进行系统的频度分析，再结合专家意见，从选址布局与土地利用、节能建筑与清洁能源利用、污水处理与水循环利用、固废处理与材料资源利用、绿色服务设施建设5个方面建立了公路绿色服务区预评价指标体系(图1)。

图1 公路绿色服务区预评价指标体系

1.2 因子分析改进层次分析的指标权重确定

由于指标体系中存在部分定性指标，受主观性影响大。所以采取因子分析改进层次分析的方法，通过客观与主观相结合来确定指标权重。

本文选取10位专家对评价指标的重要性进行打分，利用SPSS软件对所有专家打分情况进行因子分析，筛选出7位与包含多数专家的公因子相关性较高的专家，并只保留该7位专家的打分结果(图2)。

图2 因子分析结果

(1)

通过计算一致性指标CI，检验一致性比率CR：

(2)

(3)

得到的CR值越小，则其一致性越好。CR值小于0.1，则具有满意的一致性，λmax对应的特征向量即可作为权重向量。

最后计算综合权重Wz，并检验一致性比率CRz：

Wz=WtWt-1…W1

(4)

(5)

式中：t为层次结构的层次数。

本文计算所得各个指标权重见表1。

表1 综合权重计算

2 数据来源与评价模型

2.1 数据来源

传统的设计阶段预评价主要以线下提交设计图纸、可行性研究报告及其他相关文件的方式开展，存在申报及评价流程繁琐、耗时久等弊端，同时以设计图纸等纸质文件为主要信息传递媒介决定了其优化成本高、操作流程复杂性高。本研究通过对BIM模型及其应用于其他性能分析软件的结果进行信息挖掘和数据提取，将其作为评价指标的真实原始数据来源，实现了评价信息的完整创建、保存、更新、传递和共享。同时利用BIM的模拟性和可优化性等特点，实现了评价结果循环优化设计方案，简化了评价流程，提高了评价效率。各项评价指标赋值方式见表2。

表2 基于BIM的公路绿色服务区预评价赋值方式与指标输出

续表

2.2 云物元评价模型

物元理论将有序三元组(事物名称N、事物特征C、事物特征量值V)组合起来，构成R=(N,C,V)，即描述事物的基本元[20]。一个事物如果具有多个特征，可表示为：

(6)

云模型主要通过三个数字特征来构建事物从定性到定量的转化函数，分别是期望Ex、熵En、超熵He[21]。云模型按照其分布形态可以分为多种类型，正态云独特的数字特征使得其应用范围最为广泛。正态云模型的数字特征可表示为(Ex,En,He)，其隶属度函数F(x)表示为：

(7)

式中：a，b为参数。

云物元模型[22]是物元理论与云模型的相互结合，通过云模型在充分描述事物随机性、模糊性或不确定性方面的优势，改进以往的物元模型，对事物进行更加科学合理的评价，其具体表达式为：

(8)

3 实例研究

以吉东绿色公路典型示范工程中太平川服务区为例进行实例分析。吉东公路被列为国家交通运输部绿色公路典型示范工程，是黑龙江省交通运输厅带动全省公路建设绿色发展水平提升、为全国绿色公路体系建设提供经验的重要依托。太平川服务区位于主线左侧单侧设置，场区占用旱田，地势后高前低，总占地面积为24342 m2，道路广场面积为15014 m2，绿化面积为4622 m2。根据该项目相关设计文件，应用Revit建立参数化三维模型(图3)。

图3 BIM建模可视化展示

3.1 数据提取与处理

通过BIM技术虽然可以对所建立的参数化模型进行深度数据挖掘，但其数据的数量基数、复杂程度、分布广度都会给后续的分析研究造成很大困难。因此，需要在数据提取成功后对所提取的数据进行二次处理，保证数据信息的有效性，提升工作效率。根据评价指标的赋值方式与指标输出提取数据并通过Revit DB Link插件直接导入Access数据库，经过数据识别与筛选之后将其导出为.xls文件，部分数据可直接导入Excel表，整合后应用于云物元模型进行预评价综合得分计算。以容积率计算为例，相关面积明细表数据提取过程如图4所示。

图4 容积率计算信息提取过程

3.2 评价等级与指标评估值确定

根据国家相关标准及专家咨询意见对各个评价指标进行定量分级(表3)。

表3 评价指标量化等级

续表

为避免未达到标准绿色水平的指标对评价结果造成干扰，产生偏差，本文将评价等级划分为：0星级、1星级、2星级、3星级，星级越高，绿色水平越高，0星级表示不能被认定为绿色服务区。各评价等级区间划分如表4所示。

表4 评价等级划分

根据项目具体情况，依据项目设计文件利用基于BIM技术提取和处理的数据信息，参照表2分析得各指标评估值。由于篇幅限制，以选址布局与土地利用C1为例具体分析得各指标评估值(表5).

表5 太平川服务区选址布局与土地利用指标评估

续表

本文邀请5位绿色公路、绿色建筑科研机构以及设计单位等方面的专家对太平川服务区预评价指标进行打分，并将计算出的平均值作为最终评估值(表6)。

表6 太平川服务区预评价指标评估值

3.3 构建待评价物元

按照公路绿色服务区预评价指标体系，目标层待评价物元为预评价结果，即总物元；准则层待评价物元即为总物元所包括的选址布局与土地利用、节能建筑与清洁能源利用、污水处理与水循环利用、固废处理与材料资源利用、绿色服务设施建设，每个准则层待评价物元即包含各自对应的评价指标。以准则层待评价物元为例，表示如下：

(9)

其中，Mi(i=1,2,…,5)为准则层物元；Mip(p=1,2,…,n)为Mi所包含的评价指标元素；vip为Mi关于Mip的量化值。

3.4 评价指标等级界限云模型确定

物元分析通常会忽略不同评价等级界限交汇的模糊性，云物元模型通过云模型来确定不同的评价等级以取代固定区间的划分方式，通过固定区间取中点值来计算Ex，利用“3En”规则来计算En：

(10)

(11)

He=s

(12)

式中：s为常数，是根据专家经验或实际情况所得的不确定值，其大小决定了云图的薄厚，其值较小时，云图较薄，表示模糊性较小，其值较大时，云图较厚，表示模糊性较大。

本文选用正态云发生器，令式(1)取值0.5，可得x=Ex±1.774En，令x分别为区间界限值，可解得：

(13)

通过MATLAB编程，建立He分别为0.3，0.5，0.7的评价云图(图5)。根据云图所要求的模糊性、随机性，取He为0.5时云模型具有较好的性质，以计算更为准确的隶属度。

图5 各评价等级云图

3.5 关联度计算及评价等级结果确定

已知x为云图里的任一云滴，需要通过隶属度函数计算x对于评价等级的关联度，函数表达如下：

(14)

式中：En′为由期望En和方差He2产生的正态随机数。

运用MATLAB编程计算出Mi对应的第p个评价指标对各个绿色星级的隶属度，并通过加权各个评价指标计算出Mi对各个绿色星级的隶属度Fq(Ri)：

(15)

式中：Fq(Ri)为第i个准则层物元对于第q个绿色星级(q=0,1,2,3)的隶属度；wip为第p个评价指标(p=1,2,…,n)相对于第i个准则层物元(i=1,2,…,5)的权重；Fq(Mip)为第i个准则层物元所包含的第p个评价指标对于第q个绿色星级的隶属度。

通过加权各个准则层物元计算总物元对于各个绿色星级的隶属度Fq(R)：

(16)

最后，根据关联度最大原则判断各准则层物元及总物元所述的绿色星级：

(17)

本文计算结果如表7所示。

表7 综合关联度及绿色等级结果

由上述结果可知，太平川服务区绿色等级预评价结果为2星级，有发展为3星级的趋势，但趋势不明显。通过关联度计算，可分析得如下结果：

(1)在节能建筑与清洁能源利用方面达到3星级，高于服务区整体预评价绿色水平，说明该设计方案在节能减排方面较为卓越，但通过指标层隶属度计算可以发现个别指标仍需提高绿色水平。以可开启外窗比指标C23为例，其隶属度计算结果为(0.000,0.0031,0.5303,0.5108)，仅达到2星级水平，还有较大的优化空间。

(2)在固废处理与材料资源利用方面仅达到1星级，低于服务区整体预评价绿色水平。但其向2星级发展的趋势明显，说明着重针对该方面优化设计方案能够迅速提升服务区整体绿色水平。根据隶属度计算结果对待完善指标进行重要性排序，依次为装配式建筑、固废资源回收再利用系统、建筑节材设计、材料资源循环利用、垃圾收集处理系统。

(3)在选址布局与土地利用、污水处理与水循环利用、绿色服务设施建设方面均达到2星级，与服务区整体预评价绿色水平相当。但根据隶属度计算结果可以看出，绿色服务设施建设方面向3星级发展的趋势最差，应结合指标层隶属度计算结果有针对性地对设计方案进行优化提升。

4 结 论

(1)开展绿色服务区预评价对于指导其建设发展具有重要实践意义，本文以国内外相关标准为基础，构建了包括选址布局与土地利用、节能建筑与清洁能源利用、污水处理与水循环利用、固废处理与材料资源利用、绿色服务设施建设五个方面26个指标的公路绿色服务区预评价指标体系。

(2)本文提出了BIM技术与云物元模型相结合的预评价模型，一方面为充分描述定性概念的模糊性、利用等级隶属度对比各指标绿色水平提供了有效途径，另一方面利用BIM技术的模拟性、可优化性等优势实现了精准化、集成化评价，形成了评价结果循环优化设计方案直至达到满意水平的新模式。

(3)本文运用BIM-云物元预评价模型对太平川服务区进行实例分析，得出绿色等级为2星级。结果表明应主要针对服务区固废处理与材料资源利用方面对设计方案进行改善，同步更新BIM数据循环评价并优化方案，验证了该模型的有效性和适用性。由于本文篇幅有限，仅以预评价为例，施工阶段评价及运营阶段评价同样适用。

(4)我国各省市具有不同的地域特点，导致影响公路服务区绿色水平的指标也存在一定的差异。本文仅以基本考核指标为基础构建预评价模型，在之后的研究中将进一步考虑地域差异，突出不同地区绿色服务区的个性和特点，以更好地指导绿色服务区的建设与发展。