综述:基础设施可持续性评估自动化:整合可量化信用、数据需求和数字技术的概念框架

《Resources, Environment and Sustainability》:Automating Infrastructure Sustainability Assessment: A Conceptual Framework Integrating Quantifiable Credits, Data Needs and Digital Technologies

【字体: 大 中 小 】 时间:2026年07月31日 来源:Resources, Environment and Sustainability 9.2

编辑推荐:

  可持续性评级方案为评估基础设施项目的环境、社会和经济绩效提供了结构化方法。在实践中,基础设施可持续性评估通常严重依赖于对要求的人工解读、证据收集和计算汇总,这导致评估周期长、成本高。因此,本研究专注于基础设施可持续性评级方案(IS Rating Scheme)

  
可持续性评级方案为评估基础设施项目的环境、社会和经济绩效提供了结构化方法。在实践中,基础设施可持续性评估通常严重依赖于对要求的人工解读、证据收集和计算汇总,这导致评估周期长、成本高。因此,本研究专注于基础设施可持续性评级方案(IS Rating Scheme),并系统性地研究了数字技术如何支持和加速基础设施项目的可持续性评估工作流程。研究人员进行了PRISMA引导的证据映射,以识别可量化信用,定义其数据需求,并将其映射到适用的数字技术。结果表明,核心平台,如建筑信息模型(BIM)、地理信息系统(GIS)、物联网(IoT)和传感器网络,在促进与环境、资源和成本相关信用的可持续性评估方面具有强大能力。专用工具,如无人驾驶飞行器(UAVs)、LiDAR和云平台,为特定测量提供针对性支持。然而,几个数据需求项,特别是那些与社会公平、政策或合同承诺以及复杂经济或供应链信息相关的项,仍然缺乏明确报告的数字支持。本研究提出了一个概念框架,将IS Rating Scheme中的可量化信用映射到数字技术,为将数字技术整合到可持续性评估工作流程中提供证据,这有可能减少人工参与、缩短评估周期并降低成本。
**1. 引言**
城市对于应对21世纪的可持续发展挑战至关重要。可持续基础设施在实现可持续发展目标11(SDG 11)方面发挥着重要作用。随着对基础设施全生命周期深远影响的认识增长,可持续性在20世纪80年代成为基础设施规划与管理的核心。早期研究侧重于环境影响评估,后来扩展到社会、经济和环境维度。为进行大规模基础设施的多维可持续性评估,一些国家引入了正式的基础设施可持续性评级系统。澳大利亚和新西兰使用基础设施可持续性委员会开发的IS Rating Scheme,英国使用CEEQUAL,美国使用GreenLITES、Greenroads和I-LAST。其中,IS Rating Scheme因其结构连贯和覆盖广泛而著称,涵盖从规划与设计到竣工与运营的整个项目生命周期,并将可持续性要求组织为治理、环境、社会和经济四个核心主题。在新西兰,所有资本价值超过5亿新西兰元的项目必须完成可持续性评估,但传统评估过程耗时费力。随着信息技术进步,数字技术(DigTech)如建筑信息模型(BIM)、地理信息系统(GIS)、物联网(IoT)、无人驾驶飞行器(UAVs)、遥感、点云、云计算、传感器、机器人、LiDAR、人工智能(AI)、机器学习(ML)和数字孪生(DTs)被探索用于支持评估流程。现有研究已调查了这些技术在数据采集、处理和量化评估输出方面的应用,但大多局限于单一技术、单一生命周期阶段或有限范围的可持续性措施,缺乏全面的框架级视角。本研究在信用层面操作化IS Rating Scheme,识别可量化信用,提取相应数据需求,并综合证据将DigTech映射到信用级数据需求。三个基本研究问题为:(1)哪些可持续性评估信用可以定量评估?(2)基于评级方案定义的评估规则,每个可量化信用需要哪些数据?(3)哪些类型的DigTech可用于支持这些数据的收集或处理?

**2. 现有关于数字赋能可持续性评估的研究**
近年来,研究人员越来越多地使用DigTech支持可持续性评估的数据采集、计算和审计过程,将概念性要求转化为可计算的定量结果。在单个信用层面,多项研究集中于使用单一或组合DigTech量化单个信用或单个数据项。例如,Huang等人开发了基于BIM的施工阶段碳排放精细化计算方法,整合施工过程信息进行现场碳排放评估。Liu等人综述了BIM、IoT和GIS在建筑资源监测中的应用,指出BIM-IoT集成用于结构健康监测和资源识别,BIM-GIS集成用于材料磨损检测、设备维护决策等。Ingrao等人研究了IoT和传感器用于环境影响评估,特别是计算能源消耗。总体而言,这些研究表明DigTech可将量化单个信用所需的关键信息转化为可访问、可计算的数据。然而,这些努力通常局限于单个数据需求项和单个信用,停留在单个数据与DigTech的关联层面。在此基础上,一些研究进一步探索了使用LEED和Envision等评级框架作为研究对象,将DigTech应用于多个数据或多个信用的协同量化。Laali等人提出了基于BIM的自动化框架,检查BIM与Envision集成在特定条件下进行可持续性优化的可行性,使设计师在设计阶段能实时调查和解释基础设施项目的潜在可持续性影响。Dubljevi?等人开发了基于BIM的工作流程,通过开源可视化编程工具Dynamo自动化量化选定的LEED信用。Carvalho等人分析了BIM在评估LEED、BREEAM和SBTool中的当前角色,发现BIM促进了利益相关者之间的信息共享并提高了流程效率。近期一篇关于基于BIM的绿色建筑评估自动化系统综述将BIM-评级系统集成组织为三个信息管理阶段:数据采集、合规性验证和替代设计方案的优化。GhaffarianHoseini等人考察了BIM实施与Green Star认证之间的关系,发现BIM可支持从业人员实现大部分Green Star标准,但也识别出BIM策略与认证要求之间的脱节。与关注单个数据与DigTech关联的研究相比,这系列研究将范围扩展到了评级系统,但大多数实施仍依赖于单一或少量DigTech支持有限的数据项或特定信用,且覆盖范围通常限于单个信用或少量信用子集。此外,不同生命周期阶段的数据需求差异显著,现有研究通常量化单个阶段内的信用,而未阐明完整评估框架中不同阶段不同信用所需的数据,以及哪些DigTech能可靠生成或处理这些数据。从框架级视角看,研究人员已开始讨论如何将DigTech嵌入可持续性评级方案的评估工作流程中,以支持信用相关数据的自动采集、计算和审计。Olawumi和Chan开发并实施了一个基于云的可持续性评估(CSA)系统,使用建筑可持续性评估方法(BSAM)绿色评级系统评估和比较建筑可持续性绩效,验证结果表明CSA系统减少了评估时间,提高了用户效率。Tagliabue等人探索了使用DT进行基于LEED等评级系统的可持续性评估,并将其扩展到资产全生命周期。然而,现有研究通常仅从整体可持续性评估框架层面考察DigTech的潜在作用,而未系统性地识别跨生命周期阶段的信用特定数据需求,也未将这些需求映射到相关数字技术。因此,针对特定可持续性评估框架的全生命周期信用-数据-DigTech映射仍然缺失。为填补研究空白,本研究以IS Rating Scheme为研究对象,建立信用、数据与DigTech之间的映射关系,旨在阐明DigTech在不同生命周期阶段对量化信用项的支持,从而实现更自动化和客观的评估,并可能减少对人工专业知识和重复性工作的依赖。

**3. 方法论**
本研究采用PRISMA引导的证据映射,研究DigTech如何与IS Rating Scheme整合以支持评估工作流程。研究以基础设施可持续性委员会开发的IS Rating Scheme为指导,规划、设计和竣工阶段使用2.0版本,运营阶段使用1.2版本。该方案为不同阶段提供了预定义的信用类别、信用摘要表和必须声明。通过仔细审查这些文件,从169个官方信用中筛选出包含可测量、可计算、可记录或可审计数据需求的信用,并将其分类为可量化信用。不包含明确可测量要求的信用保留在整体审查中,但不纳入后续数据需求提取。需强调的是,可量化信用的分类是用于数据需求提取和DigTech映射的操作性定义,并不意味着每个信用完全是定量或定性的,部分信用同时包含可测量组件和定性或专家判断组件。在这种情况下,仅将明确的可测量组件纳入数据需求提取和后续DigTech映射。研究流程图包括:首先全面审查IS Rating Scheme以识别各阶段的可量化信用;然后基于信用摘要表和必须声明中的描述提取数据需求;随后为每个可量化信用开发关键词搜索公式,按照PRISMA协议检索相关文献,若PRISMA结果有限则进行进一步滚雪球搜索;最后从检索到的文献中识别用于支持每个数据需求的DigTech。

**3.1 可量化信用的识别**
IS Rating Scheme为每个阶段每个信用提供信用摘要表,列出信用评估所需的基准、证据要求和补充指导。这些内容构成评估每个信用是否包含可量化组件的基础。具体而言,全面审查所有官方信用的信用摘要表和相关必须声明。当原始文档明确要求可测量、计算、记录或可审计的数值证据时,该信用被识别为可量化信用。此类证据包括百分比、数量、数值阈值、可测量参数或其他可直接用于评估的数据。识别过程完全基于IS Rating Scheme文档的原始文本,不引入超出原始陈述的解释性扩展或推断。同一信用在不同阶段可能有不同措辞,因此即使同一信用在不同阶段也可能有不同可量化方面。如果一个信用的多个方面可量化,则分别列出每个可量化方面。此程序确保信用分类可追溯到原始文档,而非基于作者的独立重新解释。需澄清,识别的可量化信用可能同时包含可测量要求和定性或专家判断描述,但若包含明确的可测量组件,则仍被识别为可量化信用。例如,在规划阶段,Eco-1信用包含“项目规划中通常涉及考虑拟议土地用途的性质以及开发足迹(即场地、走廊和路线)的位置和范围”的陈述。根据识别标准,“开发足迹的位置和范围”被认为是可量化的,因为“位置”和“范围”可使用地理参考坐标和几何图形表示,并可通过路线长度、足迹面积、缓冲范围或与生态敏感区域的空间重叠来测量。而“拟议土地用途的性质”被视为定性描述。因此,Eco-1被识别为可量化信用。

**3.2 提取数据需求**
在审查了IS Rating Scheme四个阶段的169个信用并识别出可量化信用后,更详细地检查可量化信用的信用摘要表和必须声明中的描述,以确定评估每个信用可量化组件所需的数据。此步骤涉及78个阶段特定信用摘要和超过一千条必须声明描述。具体而言,当相关文档明确要求用于测量、计算或记录的数据时,相应的数据项被提取为数据需求。例如,规划阶段的Eco-1信用提及“开发足迹(即场地、走廊和路线)的位置和范围”,该可量化组件被操作化为数据需求项“生态走廊和缓冲区的面积”,用于后续文献搜索和DigTech映射。作者交叉检查提取的数据需求,任何差异通过讨论解决。当一个陈述涉及多个不同数据项时,每个数据项单独记录并分配标准化标签。例如,设计阶段的Res-2信用包含“必须与运营商合作,将每种适应或处理方案的成本和效益纳入运营管理计划”,该陈述涉及多个不同可量化数据项,因此数据需求项分别识别为“适应或处理方案的估计成本”和“这些措施的预期效益及投资回报”。

**3.3 关键词搜索策略**
对于每个数据需求项,为每个可量化信用开发定制的搜索字符串,包含三个主要元素:源自数据描述的关键词、基础设施相关关键词以及代表目标DigTech的术语。搜索限制为英文出版物且可获取全文,并限制在标题和作者关键词字段以减少无关记录。例如,对于规划阶段的Eco-1信用,数据需求项为“生态走廊和缓冲区的面积”,从该项中提取数据特定关键词,并与基础设施相关和DigTech相关术语组合构建搜索字符串。

**3.4 文献搜索与综述**
文献综述遵循PRISMA引导流程,包括识别、筛选、合格性评估和纳入阶段。在识别阶段,使用每个数据需求项开发的搜索字符串在Scopus中执行高级搜索,记录检索结果数量,并在筛选前去除重复记录。在筛选阶段,检查标题和摘要,排除与基础设施可持续性评估、识别的数据需求项或DigTech使用明显无关的记录。剩余记录寻求全文检索。在合格性阶段,评估可用全文出版物,重点关注其方法和结果,排除不可获取全文或不符合合格标准的出版物。仅当出版物明确涉及识别数据需求项的测量、计算、收集、建模或评估,并将该项与一个或多个相关DigTech关联时,才保留。同时,通过滚雪球识别的其他记录也按相同合格标准评估。最终结合Scopus搜索和滚雪球识别的合格研究形成纳入综述的最终文献集。为增强文献搜索的全面性和代表性,本研究在系统数据库检索的同时采用滚雪球策略,在三种条件下启动:关键词组合检索到5条或更少记录;检索到5条以上但筛选后无符合条件记录;某些DigTech通常与特定数据需求关联但PRISMA搜索未获得直接相关出版物。纳入标准包括:2000年及以后发表、同行评审期刊或会议论文、关注横向基础设施项目、讨论可持续性相关措施或信用、包含DigTech的使用或评估。排除标准包括:无技术实施或数据分析的概念性论文、非英文出版物、灰色文献、学位论文或报告。

**4. 结果**
**4.1 可量化信用与数字技术应用综述**
结果显示,信用组成在不同生命周期阶段有所不同,部分信用出现在多个阶段。但并非所有信用都指定了明确的量化要求。总体而言,IS Rating Scheme中共有78个信用被识别为潜在可量化,需要53个不同的数据需求。在可量化信用中,那些在文献中已通过DigTech量化相关数据需求的信用被定义为已量化信用。相应数据需求项中被综述文献报告使用DigTech支持量化的被分类为已量化数据需求。每个阶段已量化数据需求的数量略低于数据需求总数,表明每个阶段都存在尚未使用DigTech量化的数据需求,未来研究可关注这些未量化数据需求并考察DigTech用于数据表示、采集和验证的可行性。

**4.2 文献综述结果**
对所有53个不同数据需求项进行了独立文献搜索和综述,遵循PRISMA框架并采用额外滚雪球方法。初始数据库搜索产生1275条记录,系统筛选后保留55篇出版物。通过滚雪球方法发现34篇额外相关出版物,最终89篇独特出版物构成深度分析的证据基础。基于内容审查,使用桑基图可视化频繁提及且广泛研究的DigTech。BIM是最常被映射的技术,出现在42个阶段-信用-数据需求关系中,主要归因于其协作平台角色和整合其他DigTech的能力。GIS、IoT和传感器也被广泛讨论为收集或处理可持续性相关数据的关键技术。GIS支持空间信息整合,包括遥感、地形、土地利用和生态敏感区域。IoT和传感器更强调数据采集和反馈,支持能源消耗、资源使用和关键安全条件的监测控制。AI和ML也正在兴起,其处理大量异构数据的能力支持可量化特征的提取和缺失信息的补全。DigTech应用在竣工和运营阶段报告最广泛,规划阶段接受的技术支持相对有限,因为关键量化输入在规划阶段尚不充分可用。

**4.3 数字技术在可持续性评估中的应用**
数据需求被分为五种数据类型:环境与气候数据(ECD)、资源与材料数据(RMD)、生态与敏感区域数据(ESAD)、经济与金融数据(EFD)以及社会与功能使用数据(SFUD)。表格系统性地将不同项目阶段每个信用所需的核心数据类型映射到可支持其量化的DigTech。每个映射关系表明至少有一篇综述研究报道了使用给定DigTech来获取、处理、建模、计算或验证相应数据需求项。由于综述研究范围从概念框架和模拟到原型和验证实施,该映射代表文献报告的技术-数据关系和技术能力,不应解释为映射技术在IS Rating Scheme评估中的强度、成熟度或常规实践适用性。

**4.3.1 BIM**
BIM可获取或处理22个数据需求,在考察的DigTech中覆盖最广。BIM支持的数据需求主要集中在经济与金融数据(EFD)和环境与气候数据(ECD),这与BIM的组件级结构化工程信息表示和自动数量提取能力相关。BIM最常见作为处理平台,少数情况下用于获取数据或同时执行数据收集和处理平台功能。BIM对可持续性评估最直接的贡献在于其表示和自动分析资源、能源消耗和成本数据的能力。通过基于对象的建模,BIM为每个材料分配嵌入属性,包括来源、能源使用、可回收性和碳排放因子,从而在设计阶段估算能源使用、碳排放和材料再利用等信用并进行设计选项比较。对于“竣工与规划设计比较”数据需求,BIM提供双向数据能力,既作为建模工具又作为整合施工反馈的平台,生成竣工模型以支持差异追踪和功能一致性验证。BIM还可与传感器结合,将测量的结构响应与模型信息关联,用于振动测量,传感器测量振动响应后在外部平台进行模态识别,识别结果用于校准基于BIM的有限元模型,更新结果映射回BIM进行可视化和管理。对于“现有空气质量”数据项,气象站观测和外部风场模拟被整合到设计分析工作流中,使用Revit和Dynamo自动从模型几何中提取距离和方位角以计算AIROT暴露指标,计算值写回BIM参数以支持立面级三维风险表示和选项比较。这些示例表明BIM不仅限于传统建模和信息管理,还通过将分析输出链接到BIM模型应用于环境状况评估。

**4.3.2 GIS**
GIS支持17个数据需求的量化,主要集中在ECD和ESAD,因为这些数据需求通常需要基于位置的表示,其量化依赖GIS的空间分析能力。GIS最常作为数据处理平台。GIS最具代表性的角色在于自然灾害风险、气候暴露和环境条件的空间建模,如“外部冲击概率”、“气候变化预测”和“气候与自然灾害耐受水平”。对于“现有空气质量”、“生态影响与机遇”和“酸性硫酸盐土壤预测”等数据需求,GIS可整合空气污染物浓度、污染源位置和土地利用分类,生成污染扩散图、生态缓冲区或高风险土地分级。对于“生态监测基线”,GIS可统一遥感、调查点数据和监管边界为一致模型,确保地理精度和数据一致性。值得注意的是,在量化“可用水源位置和规模”时,GIS既可直接获取数据又可作为数据处理平台,其数据库和可视化双重功能为评估水源作用提供了有效工具。

**4.3.3 传感器/IoT**
传感器和IoT支持21个数据需求的量化,主要集中在环境与气候数据(ECD)。在功能角色上,它们与BIM和GIS不同,大多数情况下用于获取数据,有时同时执行数据采集和处理。这表明传感器和IoT系统更常处于数据到评估工作流的前端,提供可审计的原始观测,然后与平台级技术结合完成计算。对于与能源和碳排放相关的数据需求,IoT和传感器通过部署在能源生产、分配和消耗系统中的监测节点运作,实现从实时能源读数到碳排放计算的自动循环。对于水资源需求评估,流量计、压力传感器和水质传感器实现自动化监测,相比手动采样和实验室测试可更频繁采样并更准确捕捉时间变化。类似方法适用于环境质量监测,传感器和IoT广泛用于实时测量“现有空气质量”和“噪声监测”,克服短期测量或主观估计的限制,支持连续跟踪环境影响。对于“酸性硫酸盐土壤测量”,土壤传感器测量pH和电导率等代理测量,再结合气象和水文监测网络进行估算。传感器和IoT的价值在于提供动态、原位和可追溯的数据,将可持续性评估从静态评估转向实时监测。对于振动测量,IoT既可收集数据又可作为数据处理平台,如Ye等人开发的 pavement 振动IoT监测系统,由嵌入式微机电系统加速度计传感器节点、采集板和网关以及云服务器和可视化网站组成,集成振动信号采集、传输、压缩、解压缩和基于算法的分析,IoT不仅获取振动信号,还承担特征提取、事件识别和导出评估指标计算。

**4.3.4 其他技术**
其他技术包括UAV、ML、AI、遥感、LiDAR、云、机器人、DT和点云等,通常为特定测量设置或特定数据类型开发,因此在特定背景下对量化某些信用至关重要。UAV和机器人可促进手动检查困难或不安全区域的快速灵活数据收集。对于“生态影响与机遇”评估,D?ugoński等人基于UAV数据提出针对性生物多样性保护管理计划。对于“受纳水质监测”,机器人结合传感器显示成本优势,Odetti等人利用机器人系统收集实时水质数据。对于“光泄漏监测”,遥感和传感器提供夜间人工照明的空间分布观测。DT被映射为“光泄漏建模”的处理平台。遥感实现非接触、可重复的大空间尺度数据采集,提供广泛覆盖、高效采集和强时间一致性,映射到“光泄漏监测”、“住宅、商业和生态区域位置”和“生态监测基线”,常与GIS和UAV结合使用。点云主要提高数据传输、集成和共享效率,在需要大量现场数据上传的任务中特别有用,如“竣工与规划设计比较”。云技术作为数据处理平台,用于“受纳水质监测”、“饮用水供应记录”、“当前排水和径流模式”和“洪水风险评估”,常与IoT结合,因为IoT系统生成高频、高容量、地理分布和持续更新的数据流,云平台适合存储、处理、访问和管理。DT被映射为多个数据需求的处理平台,如“碳排放”、“可再生能源消耗”、“振动建模”、“振动测量”和“当前排水和径流模式”,但DT在工程中的应用仍处于起步阶段,缺乏系统性的基于DT的评估方法指导行业实践。近年来AI的出现引起关注,AI映射到“可再生能源消耗”、“可再生能源消耗监测”和“振动建模”。ML被报告用于推导或处理“碳排放”、“受纳水质及其监测”、“噪声预测”、“酸性硫酸盐土壤预测”等评估相关数据,并可作为数据处理平台量化“可再生能源消耗”和“振动测量”。AI和ML的关键潜在优势在于减少对劳动密集型现场数据收集的依赖,实现信用计算的部分自动化并提供预测结果。

**4.3.5 无已识别数字技术支持的数据需求**
在IS Rating Scheme下识别的可量化数据中,一些数据项未映射到DigTech,主要与政策或社会导向信用相关,如“碳抵消承诺”、“材料外部性”、“公平影响”和“分配影响”,以及地理和经济依赖项如“资源产出足迹”。这些数据缺乏直接DigTech关联有三个主要原因:首先,某些数据固有地依赖于政策文件、法律规定或合同协议,如碳抵消承诺通常来自项目提交或第三方认证,而非通过传感或建模获取。其次,某些信用需要高度整合的多源信息但缺乏统一数字接口,评估材料外部性需要整合供应链信息与环境估值方法,供应链信息可能由多个公司持有并面临数据共享和互操作性障碍,而外部性成本需使用适当环境估值方法估算。第三,某些数据在本质上与数字收集技术不匹配,公平和分配影响关注社会群体结构和资源分配,难以通过DigTech量化或处理。

**5. 讨论**
**5.1 技术-信用映射的解读**
本研究中的技术-信用映射应通过区分理论能力与实际应用性来解读。当综述文献显示某DigTech能生成、处理、建模或验证与某信用相关的数据需求时,该DigTech被映射到该信用。综述文献中DigTech应用的成熟度各不相同,从概念框架和模拟到原型和验证实施。因此,映射表明文献是否报告了给定DigTech与特定数据需求之间的关系,而非该DigTech在基础设施可持续性评估工作流中的成熟度或常规实践实施。实际应用性还取决于映射数据能否可靠交换、对照评估要求检查、记录以供审查,以及整合到现有评估工作流中。先前关于BIM支持的绿色建筑评估研究强调了互操作性、缺失数据、数据库质量、手动检查和不完整实践演示方面的持续限制。一些研究提供了更强证据,例如Laali等人开发了基于BIM的自动化框架,使用Envision作为基线评级系统进行实时可持续性评估和优化,并报告该框架可支持项目团队和验证机构的合规文档。Olawumi和Chan开发并验证了基于BSAM绿色评级系统的云可持续性评估系统。然而,Cascone指出BIM-LEED整合未提供与认证要求的一对一完整映射,缺失数据、互操作性问题、模型不精确和手动检查仍是显著限制。因此,本研究中的映射应理解为基于证据的潜在适用性指示,而非证明映射的DigTech已成熟、成本有效、可审计且准备好用于可持续性评估工作流的常规使用。

**5.2 来自可持续性评估框架的跨领域证据可转移性**
基础设施可持续性评级工具与建筑评级工具功能相似,用于评估和认证项目及资产绩效。在本研究中,IS Rating Scheme仍是信用识别和数据需求提取的主要基础,所有信用和数据需求项均源自其信用摘要表和必须声明。当数据项与IS Rating Scheme提取的数据需求相同或相似时,建筑领域研究作为相邻领域证据,证明某数字技术可获取和处理类似类型的评估数据。尽管本研究聚焦于IS Rating Scheme,信用-数据-技术映射逻辑也可为具有类似数据需求的其他可持续性评估框架提供参考。特定技术映射的可转移性取决于跨框架数据需求、评估规则和证据期望的相似性。需要进一步研究确定如何调整其他建筑环境领域开发的自动化评估方法,以实现基础设施可持续性评级系统(如IS Rating Scheme)内的更大自动化和标准化。

**5.3 数字技术与未来自动化路径**
DigTech在推进可持续性评估自动化方面具有巨大潜力,但DT应用的成熟度各不相同。成熟度不仅反映技术能力,还反映在现有研究和实践中建立的可重用工作流和证据的程度。BIM、GIS、IoT和传感器等在支持环境、资源和成本相关信用方面表现出强大能力,但即使在DigTech应用相对成熟的领域,现有工作主要关注事后量化和证据提交,而预评估方法很少涉及。预评估指系统性地探索不同选项如何提前影响可持续性评估结果,并迭代优化设计和规划决策的能力。DT可能具有预评估潜力,但其在IS Rating Scheme工作流中的应用仍处于早期阶段,需要进一步实证验证。DT不是与BIM、GIS或传感器相当的具体工具,而是以交互和闭环运作为核心的系统级技术范式。对于IS Rating Scheme应用,DT的潜在价值在于整合多个数据源,支持生成可验证的评估输入,并提供虚拟环境探索替代评估场景,使评估过程超越事后验证走向事前探索和优化。具体而言,DT模型可在统一资产状态框架内整合传感器和IoT观测、BIM和GIS的对象与空间表示、以及模拟和分析模型的预测信息,然后在虚拟环境中支持对拟议规划、设计、施工和运营选项的预评估,通过场景探索和比较分析评估不同干预措施的效果和权衡。该过程使评估结果指导选项优化,包括材料与施工方法调整、施工组织与资源分配改进、以及运营维护策略更新。因此,基于DT的工作流可能为改善基础设施可持续性绩效并减少评估时间和成本提供途径,但这些潜在益处仍需通过项目案例研究和比较应用验证。

**5.4 IS信用的数据依赖性**
在IS Rating Scheme中,某些信用的数据需求在概念或计算层面并不完全独立。此外,跨生命周期阶段,同一信用可能需要高度相似但侧重点不同的数据需求。例如,水资源需求和饮用水供应记录分别代表饮用水系统的需求侧和供给侧,虽概念不同,但可能源自重叠的运营记录。将它们视为完全独立的数据需求项可能导致重复数据收集或计算。因此,在定义数据需求时,需阐明不同信用数据需求之间的相关性和依赖性,减少不必要的计算负担,提高可持续性评估结果的可解释性和可信度。

**5.5 可持续性评估中的数字化与可测量性偏差**
基于指标的可持续性评估方法因主要依赖定量、狭义定义的测量来表示复杂可持续性问题而受到批评,特别是在伦理、正义、治理、立法、团结和其他非物质价值等较难量化的维度。许多环境和资源相关信用依赖于可测量数据,如材料数量、碳排放、水消耗或空气质量,这些数据可通过BIM、GIS、IoT、传感器和相关DigTech收集或计算。相比之下,治理、政策和公平相关信用通常依赖于关于制度安排、利益相关者参与、程序公平、政策承诺和专家判断的证据。这些证据形式重要但不易转化为数值数据或自动化计算工作流。这种差异带来数字化可能优先考虑更容易测量和自动化的信用而非更重要但更难以量化的信用的风险。治理、政策和公平相关信用的有限数字支持不应解释为这些信用不重要,而是表明这些信用需要不同形式的评估支持。例如,基于BIM的公共数据环境可用于将政策文件、设计审查意见、批准记录和证据文件链接到特定资产、生命周期阶段、责任方和信用要求,提高非定量证据的完整性和可追溯性。GIS可帮助记录空间公共参与证据,如映射的社区价值、感知的可达性问题和分配关注,使公平相关证据可空间审查而非仅通过叙述描述。这些数字能力并未完全量化治理、政策或公平相关信用,但可使支持证据更结构化、透明和可审计。未来数字工作流可能通过将定性证据转化为结构化、可追溯和可审查的数字记录进一步加强这一支持。

**5.6 局限性与未来研究**
本研究存在若干局限性。首先,本研究聚焦于建立可量化信用、数据需求和DigTech之间的关系,但未进一步建模不同数据需求项之间的计算依赖性。如5.4节讨论,某些数据需求项可能跨信用和生命周期阶段在概念或计算上相关,但本研究主要将其作为独立映射单元处理,以阐明哪些DigTech可获取或处理每个数据需求项。其次,证据基础具有异质性,综述研究包括概念框架、原型、模拟、案例研究、会议论文和验证实施,这些来源对实际应用性提供的证据水平不同。因此,映射反映的是报告证据的存在而非其强度,映射关系本身不意味着技术成熟度或认证准备就绪。第三,来自建筑领域可持续性评估研究的证据向基础设施评估的可转移性有限。尽管基于LEED的研究在存在类似数据需求时提供有用相邻领域证据,但不能直接视为对基础设施可持续性评估工作流适用性的证明。第四,本研究未进一步将提取的数据需求分类为原始测量、派生度量、模拟输出和文档证据。第五,可量化信用的识别和数据需求的提取均依赖于研究人员对信用摘要表和必须声明的解读,这引入了分类中的主观性,尽管分类由研究团队成员交叉检查且分歧通过讨论解决,但未进行涉及独立编码和统计一致性度量的正式编码者间可靠性评估。未来研究应进一步考察如何在不同数据需求项之间的依赖性表示在集成评估工作流中,以减少重复数据处理并提高跨信用一致性。还应开发更详细的数据需求类型学,并考察不同DigTech如何支持不同形式的证据,如直接测量、派生计算、模拟输出和可审计文档。此外,应通过项目案例研究、比较工作流分析以及与评估者或认证机构的接触来测试所提出的映射。

**6. 案例研究**
为演示所提出映射中识别的数据需求-DigTech关联如何在真实项目中操作化,本节以基于国家重要道路(RoNS)计划的早期阶段评估为例。RoNS是一组主要交通项目,旨在支持经济、减少拥堵并提高道路网络的安全性和可靠性。本案例研究展示了所提出的信用-数据需求-DigTech框架在Eco-1信用上的应用,并选择Te Hana至Brynderwyns以南路段作为研究对象。路线从Kaiwaka Mangawhai Road西部开始,经过State Highway 1,最终在State Highway 12东部结束,起终点间欧几里得距离约7.5公里。选择该案例区域的原因包括:(1)2A节段的路线走向尚未确定;(2)其经过多个本土森林区域,可视为具有生态价值的区域。案例研究聚焦于IS Rating Scheme生态类别中的Eco-1(生态评估与风险管理),评估标准根据Eco-1要求改编,使用GIS进行相应空间分析。根据Eco-1要求,信用根据相对于基线的生态价值变化授予:生态价值降低不授予信用;生态价值维持且通过定性评估支持授予1个信用;生态价值增加且通过定量评估证明授予2个信用;生态价值增加且通过定量评估证明,且任何必要生态补偿基于场地授予3个信用。评分标准表示为公式。在规划阶段,Eco-1识别的数据需求是“生态走廊和缓冲区的面积”。在案例中,该数据需求通过GIS计算指定路线缓冲区与映射的本土森林区域(作为生态敏感区域)的重叠面积来操作化。由于生态价值是多维且生态系统特定的,仅使用基线与评估项目情景之间重叠面积的变化作为生态价值变化的空间代理,该代理仅用于演示识别的数据需求-DigTech关联,不旨在替代全面生态评估。代理测量计算包括重叠面积变化。信用分配基于相对于基线的重叠面积变化:评估情景下重叠面积超过基线时授予0信用;重叠面积不变时授予1信用;重叠面积减少但大于零时授予2信用;评估情景下重叠面积减少至零时授予3信用。GIS用于进行空间分析并可视化评估结果。根据计算,Eco-1最终得分为2。本案例研究旨在作为说明性概念验证而非整体框架验证,仅演示了单个信用(Eco-1)、单个数据路径和单个数字技术(GIS),更全面的跨多个信用、数据路径和技术的验证留待未来工作。

**7. 结论**
本研究提出了一个结构化映射框架,将IS Rating Scheme中的可量化信用关联到其数据需求和适用DigTech。该框架旨在为将DigTech引入基础设施可持续性评估工作流提供基础,从而可能减少人工参与、缩短评估周期并降低成本。结果显示,在数据需求项和生命周期阶段之间,DigTech的报告覆盖范围和功能角色存在明显差异。DigTech更可能为与环境、资源和成本相关的信用开发可重用技术路径,而与社会公平和生态价值相关的信用仍普遍缺乏清晰、可验证的量化方法。此外,某些信用的数据需求在概念和计算层面并不总是独立,若忽略其相关性和依赖性,可能发生冗余处理和重复计算。同时,跨技术的数据缺口和缺乏统一数据转换协议可能导致互操作性困难和数据孤岛,增加人工对齐成本,削弱可持续性评估结果的可解释性和可重复性。未来研究应评估将DigTech整合到可持续性评估工作流中的成本效益、实施要求和实际限制,并考察此类整合如何提高评估效率并减少对人工数据收集、处理和验证的依赖。
相关新闻
生物通微信公众号
微信
新浪微博

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号