目前, 我国正处于高速城市化进程中, 也迎来城市更新的快速发展。由于我国城市更新具有自身的复杂性和特殊性, 亟需根据其特点和需求, 对城乡存量国土空间的利用和管理政策进行完善。

城市更新将成为城市发展的必经之路。城市更新作为复杂的系统工程, 不仅涉及政府、市场、居民等多方参与主体^[1], 还包括拆除重建、功能转换、基础设施、历史文化等不同的更新方式^[2], 较为常见的运作机制是“政府主导、市场参与模式”“政府引导、市场运作模式”及“政府-市场-公众合作模式”^[3]。我们需从环境效益、生态效益、社会文化效益、经济效益、建筑物理性能等多维度指标对城市更新进行科学客观的决策评价^[4]。

城市更新决策涉及多元利益相关者、多层次决策目标, 为保证决策的公平合理及政府、市场、公众的利益, 对城市更新不同决策方案进行评价与排序是研究的关键。决策是一个复杂、高度松散 (非结构化) 的过程, 国内外学者从理性决策到行为决策、从个体决策到群体决策、从单一目标到多目标、从确定性方法到不确定性方法, 形成了科学的理论与方法论体系^[5]。群决策是按照某种规则将不同决策者的偏好信息集成群体偏好的排序过程^[6]。李德毅院士提出的云模型可很好地描述出自然语言的模糊随机性, 云模型通过对模糊数学的再次完善, 将普通的隶属函数随机化。

当前, 群决策理论在城市更新决策研究中的应用较少, 鉴于此, 本文梳理了城市更新多准则群决策评价指标体系, 借助云模型建立模型算法, 并以重庆朝天门为例, 提出基于云模型的城市更新群决策评价排序模型。

城市更新决策指标体系的构建是一个复杂的体系, 需综合考虑建筑物理性能、经济效益、环境资源、社会文化等多种因素, 科学评价既有建筑在城市更新过程中是否应被拆除或保留。在构建评价指标体系过程中应遵循以下原则。

1) 科学性原则要求选用指标的含义、维度、划分等具有科学依据, 指标需清晰明了, 定性与定量相结合, 对评价指标体系进行科学客观的调研。

2) 代表性原则要求指标选取应采用实践应用中的常规指标, 涉及关键特征的需选择有代表性的典型指标。因此, 城市更新评价涉及社会文化、经济效益、政策环境、区域特征及建筑自身特性等诸多方面。

3) 可持续性原则要求指标具有动态化和时效性, 考虑更新前、更新中、更新后的指标变化与可持续性。

基于国内外城市更新决策评价体系和相关研究, 建立五大类评价指标体系, 按指标属性可分为建筑自身及外部社会环境指标两大类。该评价体系涉及既有建筑综合状态的各维度指标, 包括物理性能、经济效益、社会文化、环境资源、区域条件等 (见表1) 。

群体决策过程要解决不确定语言描述的问题。李德毅院士提出了云模型, 从云模型中演化出了虚拟云、二维云等多种不同模型^[7,8]。使用虚拟云对群体决策过程进行计算, 可更好地在量化层面描述不确定语言变量模型。

1) 定义1把论域U通过单调数值表示, 在U中的概念点C如果可随机实现x, x满足隶属度函数μ (x) ∈[0, 1], 且函数μ为稳定随机数, 则把每个 (x, μ (x) ) 叫做一个云滴, μ (x) 在论域U上的分布为云。

一般在现实世界中, 随机情况几乎都符合正态分布, 因此正态云模型是通用、几乎可描述所有随机事件的一种云模型。下文内容建立在正态云模型的基础上, 通过云模型将定性描述的语言变量或其他数据进行量化, 转变为定量的数字特征值。使用云发生器将数字特征值描述的云与实际变量进行相互转化。每朵云具有3个数字特征值, 分别为:期望Ex, 表示概念C的整体数学期望;熵En, 表示在论域中云的有效宽度, 即取值范围;超熵Hε, 表示每个云滴在相应取值内的不确定度, 即熵的熵。通过3个数字的描述, 对满足云模型的大量定性数据进行有效分析。通过云的综合运算, 把不同决策者对各方案影响因素的决策进行综合, 形成综合云。

2) 定义2基云通过加权平均, 成为能描述所有基云特征的综合云。综合云是虚拟云的一种, 从其他云上抽象得到, 并非从实际数据中提炼。云的综合意味着将成员基云的概念进行概括提取, 从而形成可代表所有成员的新云^[9]。在使用语言变量评价方案属性时, 由于每个人对相同语言的理解不同, 因此语言变量具有模糊性。一般在问卷里, 我们经常使用5阶评价变量:很差、差、一般、好、很好, 通过使用黄金分割法分割出表示评分较低指标的左半云和表示评分较高指标的右半云, 由上文定义进行综合, 可将语言标度用云来表示。

3) 定义3在对两朵云进行比较时, 由于云并非准确数值, 因此使用汉明距离来描述两朵云之间的差别^[10], 汉明距离可表示不同云之间的相对差别。

1) Step1针对各方案选择合适的评价指标, 让决策者对其可选的语言评价值进行评价。

2) Step2通过加权算法, 结合黄金分割法将评价矩阵中的不确定语言变量转化为云, 从而在保持模糊性和随机性的同时进行云的定量计算, 得到包含不确定语言信息的决策属性打分。

3) Step3通过综合算法将不确定语言云进行综合分类, 将同一方案、同一因素、不同决策者的评价云进行综合, 再将同一方案、不同因素的综合评价云再次综合, 得到关于每个方案的综合评价集成云。

4) Step4在集成云中找到最高的期望, 最低的熵与超熵, 将3个特征值组成的云定义为最优理想云。同理, 期望最低, 熵和超熵最高, 3个特征值组成最差理想云。计算每个方案的综合评价集成云与最优、最差理想云之间的汉明距离, 与最优理想云距离最近的方案即为最佳方案。

选取重庆朝天门片区整体拆除再开发项目进行案例研究。项目处于重庆市核心位置, 既有建筑规模大且性质复杂, 建筑类型丰富, 项目具有广泛的社会关注度, 涉及的利益相关者众多。

朝天门位于重庆渝中区渝中半岛的长江和嘉陵江交汇处, 是见证重庆数千年发展的文化地标。朝天门是重庆17座古城门之一, 是迎官接圣之地。1927年, 因修建朝天门码头, 将旧城门拆除, 开启了朝天门的繁华时代。1991年, 朝天门市场正式开业, 成为朝天门片区发展的核心部分, 其建筑面积37万m², 市场内设26个交易区, 1万个经营户, 1.5万个摊位, 其中数千家经营者来自内地其他省市, 是长江上游最大的日用工业品批发市场, 2000—2013年, 租金以20倍速度增长。天然的地理优势使朝天门逐渐发展成重庆的商业重地。

朝天门是重庆对外展示形象的窗口, 但随着城市发展、经济结构转型及全新商贸格局的形成, 朝天门片区社会、环境、经济等面临新的挑战。

1) Step1基于朝天门现状, 城市更新改造方案分3种: (1) 拆迁改造为主、功能置换为辅; (2) 功能置换为主, 拆迁改造为辅; (3) 外立面改造为主。

2) Step2通过定义2将每个不确定语言变量进行转化, 转化后的每个语言变量都成为独立的云, 可较精确地表现决策者思想、语言中的模糊性和不确定性。针对第1种方案, 5位决策者对5个评价因素的决策信息云如表2所示。

3) Step3根据算法对决策信息云进行综合, 在本算例中使用平均权重对决策信息云进行综合, 计算出5位决策者对各方案的综合评价云, 如表3所示。将综合评价云再次综合, 得到每个方案的综合评价集成云, 如表4所示。

4) Step4通过上一步得到的综合评价集成云, 可找到最优与最差理想解, 通过对汉明距离的计算与对比, 方案1与最优理想解 (6.85, 0.63, 0.94) 最为接近, 得知方案1优于方案2, 3。

“渝中区‘十二五’规划”提出:加快朝天门片区拆迁改造, 完成朝天门市场功能置换、异地发展, 建设“重庆之门、西部之窗”等标志性建筑, 集聚国内外知名的金融、商贸、办公等总部机构。在此规划指导下, 朝天门片区的改造工作逐步推进。

使用云模型的群体决策方法建立的模型可在很大程度上表征群体决策时的不确定语言变量因素, 从而较为准确地描述出各决策者的真实意图。通过云的综合算法可简单获得各方案的优劣程度。还可进一步将云图像化, 从而更直观地判断方案的优劣, 也可通过云来计算各决策者乃至各方案的精确权重, 更准确地进行决策。未来, 在城市更新中可使用大数据技术对云模型的输入进行拓展, 更好地适配复杂多变的现实环境。