基于多源数据的建筑综合风险评估与更新优化策略*——以福州市仓山区为例

李苗裔 黄 俐 党安荣 LI Miaoyi, HUANG Li, DANG Anrong

0 引言

随着城镇化快速发展，我国城镇建筑的保有率逐年上升。然而按照建筑物的设计使用年限标准，我国有相当数量的房屋已进入寿命中期，极易产生安全隐患[1]1。“又因建造过程追求高速度、低成本、人为原因的管理不善、近年自然灾害频发等原因”[1]1，导致多地多次发生房屋倒塌事故，如福建长汀老旧房屋“6·3”坍塌、福建三明永安民房“7·17”坍塌等，造成严重人员伤亡与重大财产损失，对社会秩序与稳定造成严重影响。为此，建筑安全已成为城市安全方面的重要课题之一。

建筑安全同时也关系着建设节约型社会和可持续发展等重要问题，是城市体检、城市更新的重要基础环节。2016年住建部门发文《住房城乡建设部关于进一步开展危险房屋安全排查整治工作的通知》提出要完善应急机制，对危险房屋实行动态监管，密切关注风险变化，防范倒塌事故发生。2021年6月24日，住房和城乡建设部召开进一步推进房屋安全排查整治工作视频会议，提出增强抓好房屋安全排查整治工作的责任感和紧迫感，坚决防范房屋安全事故。多个城市体检试点城市在实施方案工作过程中明确提出“无体检不更新”原则，坚守底线，严防大拆大建。

从近年来建筑风险评估的研究重心可以看出，不同学科领域对其评估的研究内容有较大差异。城乡规划领域对建筑安全的量化评价较少[2]，多从文化价值角度建立建筑评价体系[3]，也因此研究对象多局限于历史文化街区，且在评估过程中缺乏统一的标准[4]，较多依靠人为主观判断。建筑设计、土木工程等学科基于建筑结构、灾害风险等多维度建立评估指标体系，对于建筑质量判定需具备一定的专业性[5-6]，多依靠专业人士进行细致判定，因而研究尺度仅能集中于少量或特定建筑范围[7]。在各研究领域虽已有将InSAR（Interferometric Synthetic Aperture Radar，合成孔径雷达干涉测量）、GIS（Geographic Information System，地理信息系统）等新技术应用于建筑物安全监测，如沈体雁等[8]利用InSAR技术以宁波鄞州区为研究对象进行建筑形变监测及风险分析，但其风险测定聚焦于建筑形变这一维度，尚未在大面积的建筑安全监测基础上实现其他维度对建筑风险评估的影响。综上，对于建筑风险的评估工作，目前仍然没有一套适用于城区尺度的综合评价方法作为支撑。实现快速、大范围检测建筑自身风险，建立科学合理的城区建筑综合风险评估标准，是城市体检的重要基础，可保证后续城市更新工作的有效进行。

随着新数据与新技术的快速发展，智能化算法与多源数据支撑下的城区建筑综合风险精细量化成为可能。SAR（Synthetic Aperture Radar，合成孔径雷达）遥感数据具有时空协调、全天对地观测的优点，PS-InSAR（Persistent Scatterer Interferometric Synthetic Aperture Radar，永久散射体—合成孔径雷达干涉测量）技术为基于InSAR技术识别选取具有稳定散射特性的相干点目标，通过分析这些PS点相位来反演形变信息[9]114，该技术可较好地利用城区尺度内的建筑物构成大量永久散射体[9]115，快速实现城区全覆盖、长时间、高精度的形变监测。近年来该技术已成为地表形变监测领域具有发展潜力的新手段，而机器学习算法的加入则使得PS-InSAR技术识别建筑形变结果取得更高的识别精度。同时，结合多源数据，可从多维度的观察视角实现城区建筑的综合风险评估，弥补过往评估方法过于单一、主观的缺点[10]。本文应用PS-InSAR技术与机器学习相结合的方法测度城区范围建筑自身风险，划定高风险建筑集聚区，同时基于多源数据构建建筑综合风险评估模型，实现多维度下的建筑综合风险精细化评估，致力于为城市开发建设提供科学的量化分析路径。以福建省福州市仓山区为例进行实证研究，结合模型分析结果与实地调研，对风险区进行具体分析，提出针对性的更新优化策略。该评估过程实现了对建筑风险这一难以评价要素的大范围、多维度的细化测度，具备一定的实际意义及易用性。

1 研究方法与数据

1.1 研究区域

选择福州市仓山区作为本文的研究区域，共涉及5个镇、8个街道、1个农场（见图1），区域面积为142 km²，加上洲地面积约为150 km²。

图1 福州市仓山区行政区划图Fig.1 Administrative division of Cangshan District

仓山区地处福州市城区南部，位于福州其余市辖四区（鼓楼、台江、晋安、马尾）与闽侯、长乐的接壤地带，为“东进南下、沿江向海”发展战略的重要位置。随着台江区、鼓楼区发展以来，福州市核心区正在向周围扩张，仓山区也迎来了新机遇与新挑战——仓山区既包含三叉街、烟台山一带的旧城片区，该片区内人文底蕴浓郁，公园绿地、教育医疗资源云集，也不乏大量20世纪的历史建筑；又包含三江口、火车南站等新城片区，该片区内当前建设强度较小，有较多闲置城市用地，配套设施尚未完备。仓山区的城市更新需同时考虑到增量建设与存量提质两种要求，即对已经存在的老城区和即将步入发展的新城区这两种情况的考虑，因而对仓山区进行建筑风险评估研究具有普遍性和典型性。

1.2 数据源

本文所使用的数据主要包括SAR数据、手机信令数据、DEM（Digital Elevation Model，数字高程模型）数据、土地利用类型、POI（Point of Interest，兴趣点）数据、自然环境相关数据等。其中，SAR影像信息（见表1）监测时间为2016年6月8日至2019年12月30日。手机信令数据为基于基站的工参数据，划分网格，并计算加权质心点，将用户定位从原来基站小区范围转变为250 m×250 m的网格位置，经过一定算法处理得到精细化网格级别的常住人口数，已与第六次全国人口普查街道数据进行校核，其人口规律在街道层面呈现一致性，样本数据的采集时间为2020年。POI数据、建筑矢量数据、河流矢量数据、DEM数据为通过互联网开放平台获取并处理。地震活动断层数据来源于第五代地震区划图基础数据，因活动断层的地震危害性较强，其余类型的断层危险性相对偏小，故选取活动断层数据结合福州市历年发生过的地质灾害影响范围来表征地质灾害风险。台风是指在太平洋海域发生的具有一定强度的热带气旋，因研究范围限制，福州市五区范围内仅有两座可公开查询到的气象监测站，无法从降雨量与风速对区县尺度进行台风风险判定，故选取近3年热带气旋数据结合DEM数据综合评定。本文统一使用墨卡托投影，将数据转换为WGS-1984墨卡托投影坐标系。

表1 SAR影像基本参数信息Tab.1 Basic parameter information of SAR image

1.3 分析方法

1.3.1 PS-InSAR技术结合机器学习方法排查建筑自身风险

应用PS-InSAR和机器学习相结合的技术，进行城区建筑物的精细化形变监测，可快速排查城区尺度建筑自身风险隐患（见图2）。基于建筑自身风险排查结果，进一步利用核密度与热点分析划定高风险建筑集聚区。

图2 建筑自身风险排查技术路线图Fig.2 Technical roadmap of building risk investigation

根据PS-InSAR原理，对于建筑物这类散射特性较为稳定的地物目标，可通过固定位置的多次雷达回波，得到一系列较为有效的观测值。利用N幅同一地区不同时期的SAR单视复数影像，实现计算连接图、生成差分干涉图对、识别选取PS点、相位解缠、去除相干误差、形变速率反演与地理编码7个步骤的智能化处理[9]114，可精确测量符合条件的地物目标上某一点（探测出的点称为PS点）的三位空间位置及时序上的微小变化，监测精度在毫米量级，形成目标区域PS-InSAR形变数据库。结合建筑矢量框确定每栋建筑对应的PS点集合后，采用聚类算法，将PS点聚合，并选出最能反映建筑形变特征的1—2个聚类点开展后续分析。通过计算，可获取建筑物的高度信息和8项关键形变指标，基于建筑相关标准选择阈值，分别评估8项指标所对应的形变风险等级（见表2），进而综合评估建筑物形变风险等级。目前建筑自身风险评估的等级包括A、B、C、D这4个等级（见表3），当建筑物被划分为C级或D级时，开展现场踏勘或测量等后续工作，以此为基础划定建筑高风险集聚区。进一步筛选“值得关注”与“重点关注”建筑进行高风险建筑集聚区范围划定，将筛选后的矢量建筑进行要素转点操作，计算其核密度，利用热点分析提取热值聚类区域，将其划分为高风险建筑集聚区。

表2 分项关键形变指标阈值表Tab.2 Threshold table of key deformation indicators by item

表3 建筑自身风险评估标准表Tab.3 Standard table of construction risk assessment

1.3.2 建立建筑综合风险评估模型

根据城市更新需求，从建筑自身风险、自然环境风险和社会经济风险3个维度，基于层次分析法构建建筑综合风险评估模型（见图3）。

图3 建筑综合风险评估技术路线图Fig.3 Technical roadmap of building comprehensive risk assessment

（1）指标体系构建

基于手机信令数据、土地利用类型、POI数据、自然环境数据等多源数据，构建建筑综合风险评估体系。综合国内外既有研究的城市风险评估体系，可知目前城市风险的研究主要集中于社会、经济、环境、制度维度[11]8，[12]，结合城市更新实际需求，将准则层（主要风险源）定为建筑自身风险、社会经济风险和自然环境风险3类。准则层不仅突出建筑物自身方面的内容，还特别强调社会经济、自然环境带来的风险，例如在人员密集、土地价值高的地段，当建筑发生意外事故后所造成的损失程度也相应上升，故将社会经济和自然环境风险纳入指标体系对未来一定时期内城市空间布局优化工作具有实际意义[13]。指标层则包括建筑物异常形变、洪涝敏感性、地质灾害敏感性、台风敏感性、人口密度和土地价值6个单项评估指标。

（2）指标权重计算

邀请福州市相关领域的5名专家（包括福州大学、福建工程学院、福建省建筑科学研究院3家单位）及15名从业人员（包括福建福大建筑规划设计研究院有限公司、福建省城乡规划设计研究院、福州市勘测院等多家单位）对指标进行一轮打分，运用层次分析法进行权重计算，得到各子系统和各指标分权重[14]（见表4），判断矩阵均通过一致性检验。建筑质量是导致建筑安全事故的主要原因。在本次评估中，建筑自身风险比重最大，占到57.14%。其次土地人口属性、灾害敏感性都在一定程度上加剧着该区域的建筑风险，二者比重分别为28.57%、14.29%。

表4 指标权重计算结果Tab.4 Calculation results of index weight

（3）指标计算及标准化处理

指标计算主要分为3步。①建筑自身风险评估具体步骤如1.3.1节所述。②社会经济风险包括人口密度与土地价值两项评估指标。人口密度为基于手机信令数据处理后得到的250 m×250 m网格常住人口数，利用自然断点法将其分为5类，再借助GIS中的模糊隶属度工具将其数值归一化处理，转换得到人口密度栅格。土地价值为基于土地利用分类数据与POI数据判断。土地利用分类方面，按照其经济产出、造成的社会经济影响从高到低排序将建设用地划分为4个等级，其中一级包括公共管理与公共服务用地（A）、商业服务业设施用地（B），二级包括居住用地（R）、道路与交通设施用地（S）、公用设施用地（U），三级包括绿地与广场用地（G）、工业用地（M）、物流仓储用地（W），四级包括H4（特殊用地）、在建用地；POI数据筛选方面，亦选取经济产出高、社会经济影响大的设施类型，如学校、医院、酒店等，计算核密度，同上借助模糊隶属度工具归一化处理，叠加得到土地价值栅格。③自然环境风险结合福州实际情况，设置洪涝灾害敏感性、地质灾害敏感性和台风灾害敏感性3项评估指标。洪涝灾害敏感性基于河流矢量数据进行缓冲区分析，叠加由DEM数据得出的地形起伏度，转换得到洪涝灾害风险栅格。地质灾害敏感性为基于地震活动断层数据与历年来仓山区发生过的地质灾害数据进行缓冲区分析与叠加，转换得到地质灾害风险栅格。台风灾害敏感性为基于NOAA（美国国家海洋和大气管理局）近3年热带气旋数据进行缓冲区分析，叠加由DEM数据得出的地表粗糙度栅格，转换得到台风灾害风险栅格。

（4）建筑综合风险评估模型构建

建筑综合风险是建筑物自身、自然环境和社会经济3方面综合作用的结果。

本文建筑综合风险指数计算表达式为：

式 中：BRI（Building Risk Index）为 建筑综合风险指数；B1、B2、B3分别表示建筑自身风险、自然环境风险、社会经济风险；WA1、WA2、WA3分别表示对应权重。BRI指数越高，代表该单位面积的风险越高，当意外发生时，造成的损失越严重。

基于GIS空间分析技术实现建筑综合风险指数的栅格化，再利用栅格转点工具以最近点为原则连接回建筑矢量框，可得到每一栋建筑的综合风险指数。基于自然断点法进行划分，可保证组间差异最大化、组内差异最小化，其划分原则适用于本文对建筑的风险分级，由此将建筑物综合风险划分为高、较高、中、较低、低5个等级。

2 实证研究

2.1 建筑自身风险评估

通过对建筑自身风险进行评估，可在建筑物尺度判定建筑质量，确定高风险建筑集聚区。对高风险建筑进行抽样调研，验证该技术排查建筑自身风险的有效性。

根据1.3.1节的技术路线对仓山区每栋建筑的自身风险进行排查，其中约80%的建筑处于低风险，7%的建筑处于中风险，剩余13%的建筑处于高风险。基于各等级建筑物占比与风险权重，对仓山区各街镇建筑自身风险平均值进行计算与划分等级。结果显示，红星农场的平均风险值最高，建新镇的平均风险值最低，仓山区大部分街镇处于中风险区段。

从建筑物尺度看，中高风险建筑呈现一定的集聚现象，从建筑肌理可判断为城中村、城郊村居多，主要出现在盖山镇、螺洲镇、城门镇；从城区尺度看，仓山区建筑自身风险自西向东呈现“低—高—低”的规律分布趋势，相邻街镇的风险较为接近（见图4）。风险值在中部区域达到顶峰，为红星农场与盖山镇，该区域建筑年代久远，存在较多老旧建筑。较高风险街镇主要分布在仓山区东部，包括城门镇与螺洲镇，该范围内还存在较多旧村，导致风险偏高。中低风险街镇主要分布在仓山区中西部，最低值出现在建新镇。随着闽侯县的迅速发展，仓山区西部成为闽侯县与主城区交接的主要枢纽地带，其既有洪塘大桥、橘园洲特大桥、浦上大道等主要桥梁工程，又有地铁2号线在金山街道内设的4个站点，可知该范围城市建设开发力度较大，老旧建筑翻新速度快，从而降低了仓山区西部的建筑自身风险。

图4 建筑自身风险评估Fig.4 Building risk assessment

对于由建筑自身风险评估得出的高风险建筑，可基于评估的8项关键指标生成建筑形变评估信息（见图5），进一步判定单栋建筑的具体风险。由于客观条件受限，无法对所有高风险建筑进行实地详细调研，仅从高风险建筑中随机选取20处进行实地调研并检验该技术的有效性，保证其抽取的建筑层数涵盖低层至高层，建筑用途涵盖住宅、办公等。由实地调研情况（见图6）可知，基于PS-InSAR技术与机器学习方法得到的建筑自身风险评估与实际情况较为相符。在20栋建筑中，除去未能进入小区的2栋建筑外，仅有1栋在调研过程中未发现外观明显形变。对所调研的高风险建筑类型进行分类，可看出其中自建房、新建小区及配套设施的占比相当，都高达38%。

图5 建筑形变评估信息示例Fig.5 Example of building deformation index information

图6 高风险建筑实地调研情况Fig.6 Field investigation of high-risk buildings

笔者所调研的高风险建筑中，自建房多分布在仓山区中部及东部，如盖山镇、城门镇等地，其层数较低，多为3层以下，大部分同时存在地基裂缝与墙面裂缝。农村自建房在初期建设时，因节省成本多为自行搭建，所用材料与建造过程都较为随意；加建现象严重，且在加建过程中结构混搭，更是加大了安全隐患[15]38。针对此类建筑，不仅应关注其结构的受力，也应同时注意砌体结构与构件的裂缝险情。所调研的高风险建筑中，新建小区及配套设施多分布在仓山区中部，如建新镇、盖山镇、螺洲镇等地，其中发生明显沉降的均为高层建筑，地基存在明显裂缝，墙表面情况良好。新建小区的建设单位主要为开发商，部分企业在建设过程中可能因为服务意识薄弱、企图降低成本等原因忽视建设质量。针对此类建筑，应重点关注地基的稳固性，定期观测其沉降值[16]，进行周期性形变监测。

进一步对C级、D级风险建筑进行处理，提取热值区域，共得到7处高风险建筑集聚区（见图7），均位于仓山区中部。其中4处覆盖范围较广，包含建筑较多；另有3处为小范围风险区。结合风险区所在的行政街道，将其命名为建新镇风险区、红星农场盖山镇风险区、盖山镇北部风险区、盖山镇中部风险区、盖山镇螺洲镇风险区、城门镇风险区、螺洲镇南部风险区。

图7 高风险建筑集聚区划定Fig.7 Delineation of high-risk building cluster areas

2.2 建筑综合风险评估

通过对社会经济风险进行评估，可量化建筑风险发生时造成的财产与生命安全损失。根据1.3.2节计算方法，得到仓山区社会经济风险栅格（见图8）。经栅格平均值计算，社会经济风险排名靠前的街镇均集中在仓山区中北部，仓山区北部区域的社会经济风险明显高于南部区域。这与区域的开发程度有很大的关联性。社会经济中高风险区域与人口密度分布、功能混合度呈现一定的吻合趋势，如对湖街道、下渡街道、金山街道、临江街道，其为仓山区人口密集区，用地性质多为居住用地、商业用地，且大量人口集中于小面积土地。这些区域的建筑安全应备受关注。低风险类区域集中于东南部及中南部，如城门镇、螺洲镇、盖山镇，都处于初步发展阶段，其用地功能较为单一，且存在较多山体、水域，对应的人口密度也较低。

图8 社会经济风险评估Fig.8 Socio-economic risk assessment

通过对自然环境风险进行评估，可对地区发生自然灾害风险的可能性进行量化分析，但因灾害的不确定性与不可预测性，此维度仅作为概率参考。根据1.3.2节计算方法可得出仓山区自然环境风险栅格（见图9）。从空间上看，仓山区自然环境风险整体较高，中等及以上风险栅格数占比达到64.5%，其风险等级沿岛的长边由北至南呈现3级递增的状态。

图9 自然环境风险评估Fig.9 Natural environment risk assessment

通过三维度共同测度所得的建筑综合风险评估结果，根据1.3.2节构建的建筑综合风险评估模型可得到仓山区建筑综合风险等级（见图10）。从建筑物尺度看，中高风险建筑数量在各个街镇均明显增多。从城区尺度看，高风险街镇集中于仓山区中北部区域，风险值在中部的对湖街道达到最高，该区域既有极为丰富的教育资源，包括福建师范大学在内的11所大中专院校，也有数量相当的近现代历史建筑群；其次为下渡街道、金山街道、仓山镇、红星农场、临江街道、上渡街道，这些街镇在空间位置上均较为紧邻。风险值较低的街镇主要分布于两翼，其中最低值出现在螺洲镇。

图10 建筑综合风险评估Fig.10 Comprehensive building risk assessment

2.3 更新优化策略

通过探究建筑自身风险与建筑综合风险两种测度结果，在一定程度上可为城市更新的风险范围划定、确定更新次序、确定具体更新方式3大环节提供参考，有助于明确造成建筑风险的具体成因，做到小规模、渐进式有机更新和微改造。

对于建筑自身风险测度出的高风险建筑，建议根据PS点判定出的具体风险进行相应的动态化监测。其中对于自建房类型的高风险建筑，建议长时序监测其沉降差异与构造情况，从而判断受力承载水平和砌体结构构件裂缝险情，对房屋存在的危险点合理加固[15]39，条件允许的情况下尽量翻建，同时需培养村民建筑安全意识，提高建造标准。对于新建小区及配套设施类型的高风险建筑，建议重点关注地基的稳固性，对于已建成的高层建筑应根据沉降值分析变形规律，根据变化趋势及速率来采取相关预防措施[16]；对于仍在施工的高层建筑，应通过沉降数据稳健地进行施工以消除微幅沉降，防止日后投入使用后建筑产生倾斜、沉降等危险变化[17]。

对建筑自身风险划定的建筑高风险集聚区进一步分析，通过对比其自身建筑风险与建筑综合风险结果，可看出多数风险区两者结果均存在差异。针对各风险区展开实地调研，对其建筑类型、总体特征、物质环境、聚居人群等情况进行分析[18]，结合风险测度结果判断其发展前景与更新策略（见表5）。对于优先更新的4个风险区，建议建新镇风险区优先考虑土地功能置换、拆除简易厂房；建议盖山镇螺洲镇风险区与螺洲镇南部风险区重视防灾预警工程建设，前者整体社会经济风险较高，应在此基础上再向周围低风险街镇进行人口疏导，后者建筑数量较少，根据其PS点分析可知其累积沉降风险极高，应再重点关注高风险建筑物的地基稳定性；建议盖山镇中部风险区加大人才住房和保障性住房的配建力度。对于次级更新的两个风险区，建议城门镇风险区先挖掘现存村的特色文化与传统，红星农场盖山镇风险区则优先采用利益引导、产业转移等方式进行区域人口疏导[11]10，[19]。对于暂缓更新的盖山镇北部风险区，其大部分建筑的综合风险等级较低，建议优先对道路进行整改，利用智能化设备更新老旧小区，提升居民的居住体验感。

表5 仓山区高风险建筑集聚区分析结果与更新优化策略Tab.5 Analysis results and update optimization strategy of high-risk building cluster area

3 结论与讨论

在城市发展从增量向存量转型的背景下，本文基于多源数据，利用PS-InSAR技术与机器学习相结合的方法测度建筑自身风险，划定高风险建筑集聚区，通过实地抽样调研验证了该方法的有效性。并从多维度建立建筑综合风险评估模型，评估仓山区建筑综合风险等级，根据评估结果提出更新优化策略，一定程度上为城市更新基础工作提供了量化参考依据，以数据实证提高设计的科学性[20]。

本文的研究结果具有一定的现实意义，以定量城市分析为驱动，为城市更新的基础环节提供科学支持。但还存在以下不足：其一，利用PS-InSAR技术获取的大范围建筑自身风险识别结果仅为数据分析，本文通过抽样检测验证了该技术的有效性，但若需确定每一栋建筑物风险等级的准确性，还需和所有建筑的实地调研结果进行综合研究[21]，未来的研究重点将放在结合风险识别结果批量布设地面传感设备，通过空天地一体化建筑预警技术来代替人力检测其准确程度。其二，由于涉及自然环境风险的相关数据有限，仅能粗略地评估各类灾害敏感性[22]52，精确度较低，未来的研究重点将放在对指标系统的完善方面，同时避免多源数据的有偏性，以期构建更加精细与合理化的风险评估模型[22]57，更加贴合城市的实际情况。

（感谢北京东方志远科技股份有限公司在InSAR基础数据收集与处理方面提供的支持。）