易地扶贫搬迁安置社区建设质量评价研究

卜炜玮，周 振，林 雪，孟 萍

（1. 云南大学 建筑与规划学院，云南 昆明 650504；2. 云南大学 法学院，云南 昆明 650504，E-mail：bwwynu@126.com ）

在脱贫攻坚背景下，易地扶贫搬迁模式是治理“一方水土养不起一方人”的根本办法。根据《“十三五”脱贫攻坚规划》内容，我国将于 2020年完成981万人易地扶贫搬迁安置工程。目前，尽管该模式在“搬得出”阶段取得了一定成效，但对于构建“稳得住、能发展、可致富”的长效减贫治理机制尚存差距[1]。易地扶贫搬迁作为以行政主导驱动的空间迁移方式，社区建造常被视为政府单向度的行为。相关研究指出，项目选址、设计和工程质量通常与搬迁户的预期存在偏离[2]。在工程实施过程中注重经济效果的考量，而较少从社会文化的视角加以审视，忽视其综合性特征，造成搬迁居民对新社区生活的接受度较低[3~5]。移民群体因在过渡环境中面临社会融入难、生活成本高昂及生计可持续性等问题，在新社区中缺乏安全感和归属感[6~8]。在后搬迁时代，居住条件是影响易地扶贫搬迁政策实施效果的重要因素[9]。社区建设质量不仅是实现“稳得住”的基本保障，同时也是实现“能致富”的前提条件。因此，在这一时期全面、客观、有效地评价易地扶贫搬迁安置社区（以下简称为“安置社区”）的建设质量将有助于及时总结社区建设过程中的典型经验和存在问题，进而助力巩固脱贫攻坚成效，推进长效减贫治理目标的实现。

尽管目前直接研究扶贫建设项目质量评价的文献较为有限，但是以往学者对社区建设质量的界定进行了一定的尝试。方方[10]从基础工程、结构工程、装修工程、机电工程4个维度衡量了社区住宅建设质量。宋永发等[11]将社区住宅设计质量划分为空间规划、单元功能区设计、房屋套型设计、楼梯设计和技术经济性5个维度。雒占福等[12]从自然环境、人文环境、居住环境和公共基础服务设施5个维度 20个指标构建了甘南藏区游牧民定居项目质量。张恒等[13]从外部环境、建设状况、社会生活3个主要维度划分了保障性住房建设质量。黄建文[14]基于马斯洛层次需求理论，从重建效率、抗震设防、应急救援、心理恢复以及住宅适用性5个方面衡量震后重建房屋建筑质量。目前已有的研究主要侧重于建筑实体层面上进行评测，强调对客观指标的运用，而缺乏从使用者及扩散性影响的角度对建设质量进行考量。因此，选取安置社区建设工程质量指标时既要兼顾建筑质量评价的一般性，又要注重群体的需要和诉求，把握易地安置社区工程与一般住宅工程质量评价的差异性。

1 安置社区建设质量评价体系

1.1 评价体系构建思路

安置社区建设工程要求实现精准扶贫和可持续性发展目标，即工程要推动政治效益、经济效益、社会效益、文化效益和生态效益的综合提升，因此安置社区建设质量评价体系的构建是一个系统性问题。本文从住宅的安全可靠性、房屋适用性、空间规划、社区服务、社区活动5个维度切入，以保障生存空间、提升满意度、重构社区凝聚力、改善生活条件以及改善生计能力为营造标准，强调建设社区的硬件设施和营造新的社区文化并重，通过改善社区生存环境和提升社区凝聚力，最终实现政治、文化、生态、经济、社会五方面效益综合提升的目标。

1.2 评价指标的选取

针对社区建设过程中的实际情况，依据完整性、科学性、代表性、独立性和可行性原则，建立安置社区建设质量评价体系，如图1所示。文中的社区建设质量包含了对建筑实体的客观评价，同时涵盖了居民发展后续生计的主观需求。社区建设质量划分为安全可靠性、房屋适用性、空间规划、社区服务和社区活动5个准则，每个准则由四个相互独立的指标构成。

图1 易地安置社区建设质量评价指标体系

2 基于组合赋权—正态云的评价模型

由于迁入群体的特殊性、多样性特征以及精准扶贫的内在要求，安置社区的建设质量评价要考虑建筑的安全性、适用性和文化需求等一系列因素。

2.1 基于G1-熵权的组合赋权法

在确定指标权重时应综合考虑主客观权重，达到有效区分被评价对象的目的[15]。本文指标权重的确定采用客观修正主观的组合赋权法，即利用熵权法的优势修正序关系分析赋权（G1）法的劣势。该方法首先通过德尔菲法实现评价指标的重要性排序，再采用熵权法分析指标数据确定指标的重要性之比，最终据此计算各指标的权重。

（1）专家依据自身经验对指标属性的重要程度进行判断并给出排序关系。

（2）计算指标的熵值。熵值的计算结果仅依赖于指标自身数据，熵值越大，该项指标包含和传输的信息越多。计算公式如下：

式中，rij表示指标原始数据去量纲化后形成的判断矩阵；Pij表示第 i个评价对象的特征比重；E(j)表示评级指标中第j项指标的熵值。

（3）确定相邻指标xk-1与xk重要程度之比rk。

（4）根据rk值，采用G1法计算组合权重vm：

2.2 基于正态云模型的评价方法

正态云模型是由李德毅等[16]提出的一种定性概念与其定量描述之间不确定性转换的模型。它以统计数学和模糊数学为基础，将自然语言中的模糊性和随机性集成在一起，构成定性和定量相互间的映射，从而研究自然语言中的最基本语言值所蕴含的不确定性的普遍规律。

（1）确定评价集。安置社区建设质量评价体系由定量指标和定性指标构成，其中S11等为定性指标，S22等为定量指标。根据专家知识对定性指标给出评价结果5个级别的数值分布。本文根据评价模型实际应用场景选用指标近似法划分定性指标评价集。安置社区建设质量采用五级标度，分别为优、良、中、较差、差作为评价等级，5个等级分别对应的云数字特征由下式计算得出：

式中，K为常数，依评语的不确定性和随机性调整。

根据专家知识对每一评价等级的边界进行判断，得到评价结果5个级别的数值分布范围及对应的定性语言描述，如表1所示。定性评价集对应的云图如图2所示。

表1 定性指标因素评语集

图2 质量等级评价集云图

查阅国家统计局官网数据、《住宅性能评定技术标准》（GB/T 50362-2005）及与建筑质量相关文献，了解容积率、人均住宅面积等相关指标规定标准，建立定量指标评语集。如表2所示。

表2 定量指标因素评语集

（2）确定指标的云模型参数。假设有m位专家对表x中的二级定性指标进行评价，每个专家根据每个指标的评价标准给出评价值，xk为第K（1、2…k…m）位专家对x指标评分值。将以上结果输入到逆向云发生器中，计算得到各二级指标的云参数，再由正向云发生器计算得到可视化的云图形。

各定量指标内部以及定量和定性指标之间均有不一致的量纲，首先需要对定量指标进行无量化处理，使各定量指标在统一量纲下进行统一的标准云处理。标准云处理是在[0，1]的论域中，对各定量指标的Ex进行计算，进而可以得到以（Ex，0.05，0.01）为数字特征的一维标准正态云参数，最终根据定量指标的云参数得到可视化云图。

（3）综合云质量判定。综合云，其本质是对概念的提升，它可对两朵及两朵以上的基云进行综合，生成更广义的概念语言值。从二级指标依次向上传递，可得到最终的云数字特征，将其带入评价集，得出评价等级。算法如下：

3 实证分析

3.1 工程背景

因特殊的地理环境条件，云南省是全国范围内的易地扶贫搬迁大省，该区域内样本较多，相关实践经验较为丰富。因此，本文选取云南省P市某易地扶贫搬迁安置社区作为评价对象。该项目位于抗震设防烈度为8度的S区，目前入驻332户农户，1195名建档立卡贫困人口。项目实际总用地面积62.27亩，实际总建筑面积54386.84 m2。容积率为1.31。按相关规定人均安置18m2。

3.2 数据收集及处理

为了降低专家主观打分对评价结果的影响，本文采用现场数据调查法和专家打分法相结合的实地调研方法。依据评价体系及评价标准，现场数据调查法通过调研设备和项目资料收集二级定量指标数据，同时邀请专家结合相关专业知识和经验独立对二级定性指标在0~1范围内评分。

专家对各定性指标评价结果，输入逆向云发生器，输出Ex、En和He，如表3所示；定量指标数据进行标准化处理，在[0，1]论域中进行标准云处理，得到形为（Ex，0.05，0.01）的标准正态云，S22（0.844，0.05，0.01）；S23（0.726，0.05，0.01）；S24（0.684，0.05，0.01）；S31（0.71，0.05，0.01）；S32（0.82，0.05，0.01）；S33（0.728，0.05，0.01）。

表3 定性指标评分表及云数字特征

3.3 计算指标权重

根据专家经验，确定评价准则的重要度排序为：S1>S4>S2>S3>S5，同时对各评价准则下各评价指标重要度进行排序。排序结果如表4第3列所示。依据表 3中专家的指标评价数据，采用式（2）计算出各指标的熵值，再根据式（3）和式（4）计算得到各指标重要性之比及权重值。如表4所示。

3.4 数据计算与分析

运用综合云算法，参见式（7），对指标层的低层级概念（子云）向更高层级的准则层概念（父云）进行迭代，提升概念的层次结构，从而计算得到各准则层的云数字特征，S1（0.8525，0.0106，0.0161）；S2（0.6930，0.0169，0.0243）；S3（0.7789，0.0204，0.0442）；S4（0.7340，0.0150，0.0315）；S5（0.6153，0.0190，0.0288）。再次运用综合云算法，即可实现准则层概念的迭代，并得到最终建设质量评价值的云数字特征S（0.7271，0.0163，0.0305）。将各准则的云数字特征输入 Matlab2018a正向云发生器中，生成 1500个云滴，得到易地安置社区建设质量评价云图（见图3）。评价目标云滴S集中于“中”的评价区间，表明项目的建设质量评价等级隶属于“中”。在准则层质量等级排序为S1>S3>S4>S2>S5，社区建造质量的安全可靠性S1隶属于优秀，而社区房屋适用性S2和社区文化S5得分较低，隶属于中和较差两个等级。

表4 指标权重计算表

图3 易地安置社区建设质量评价云图

通过对S2和S5的指标进一步分析发现，S22隶属于“优秀”，S54隶属于“良”，如图4和图5所示。评价结果说明该社区房屋的通风采光性能优异，居民认为房屋敞亮，并且社区内的政策教育及招聘信息宣传工作落实到位。S24隶属于“中”，但是指标离散程度大，说明该社区各位置的噪音水平不同，住宅的建筑外形设计容易产生风噪。S21，S52，S533个指标得分较低，隶属于“较差”。该结果表明该区房屋内部空间设计未能契合居民使用需求，功能布局合理性有待提升。在文化方面，新迁群体之间邻里来往互动较少，与邻居缺乏联系。此外，社区组织或自发形成的文娱活动较为匮乏，社区的群体意识较弱。

图4 S2指标评价云图

图5 S5指标评价云图

结合指标权重和云图分析发现，社区建设住房构造措施完整、施工技术扎实、安全性表现优异，在地震高烈度地区的建房经验和施工技术值得推广。但是在房屋内部空间和功能设计中应考虑迁入群体的生活习惯。在社区文化建设方面，后续社区建设工作的开展还需对S24，S52等权重高但评分低的指标给予重视，注重定期开展对社区居民的心理引导，加深居民对社区新身份的认同感。与此同时还应关注社区居民邻里关系的塑造，鼓励开展社区集体活动，增加居民互动频率，降低迁入居民群体的差异性，通过重构地缘关系和重建社区文化来培育新生社区凝聚力，以此增加社区内生发展动力。

4 结语

本文根据精准扶贫的内在要求，构建了硬件设施和社区文化相结合的安置社区建设质量评价指标体系。该评价指标体系兼顾了安置居民在生活居住和可持续发展方面的需求，能全面地反映安置社区的建设情况。本文基于熵权法修正G1法的组合赋权与云模型相结合，建立了安置社区评价方法，并选取实际工程项目对该模型进行了实证分析。结果表明，该评价方法可以较好地兼顾专家经验和数据信息，同时实现指标数值在定量表示和定性语言之间的相互转换，从而确定评价等级；该方法有助于找出影响项目建设质量的关键因素，为改进安置社区建设工作提供一定的参考价值。