《Buildings》：Cost Estimation Approaches in Urban Regeneration: A Systematic Review
摘要：城市更新已成为应对快速城市化带来的空间、社会、环境和经济挑战的主要策略。本文采用PRISMA框架，对城市更新进行了系统综述，重点关注其目标、指标体系及估算方法。从Web of Science检索了2008年至2025年间发表的期刊论文，经筛选后保留50项研究。研究结果表明，城市更新日益强调长期经济效益和环境绩效，同时对社会公平、城市安全及韧性给予更多关注。生命周期成本被视为捕捉长期财务与环境绩效的核心框架。在方法论演进方面，观察到从传统估算技术向机器学习及混合方法的转变。仍存在若干挑战，包括缺乏标准化数据框架以及现有模型跨区域可迁移性有限。为推动该领域发展，未来研究可优先考虑建立通用数据标准、采用可解释机器学习以提高模型透明度，并在不同地理和项目情境下验证模型。
3. 结果与讨论
3.1 文献概况
3.1.1 时间分布
本综述涵盖的50篇文献时间跨度为2008年至2025年。时间趋势显示，早期年度发文量极低，部分年份记录极少，甚至某一年份无发文记录。自2014年起，发文量呈现上升态势，但增长并非单调，存在间歇性波动。总体轨迹仍表明过去17年间呈上升趋势，最高年度总量出现在研究期最后一年。这一模式表明城市更新近年来获得更多学术关注，反映了城市更新、经济振兴和可持续发展的迫切需求。研究成果的后续扩展既反映了持续城市化的实践挑战，也反映了学术界致力于设计更有效和包容的更新模式的持续努力。
3.1.2 地理分布
从地理角度看，本综述中的案例研究分布于全球八大区域：欧洲、东亚、美洲、大洋洲、东南亚、南亚、西亚和非洲。然而，案例分布呈现显著不均衡。欧洲和东亚在整个时期内是主要贡献者。欧洲在几乎所有年份保持持续稳定的存在，东亚也频繁出现且活动水平相当或更高。相比之下，其他区域仅表现出零星且有限的参与。南亚、西亚、东南亚和大洋洲仅在少数特定年份出现，美洲和非洲几乎完全缺席，直到最近一年才开始出现。这一模式揭示了研究活动高度集中于欧洲和东亚，其他大陆贡献甚微。美洲和非洲的晚近出现可能预示着地理范围的初步拓展。该模式与该地区快速城市化、老旧城区的大规模更新需求以及更新实践密切相关，促使研究数量和主题复杂性均有所扩展。相反，其他大陆的研究代表性相对有限。这种不均衡的空间分布揭示了全球城市更新研究的地理偏好和核心—边缘结构。现有研究高度集中于发达欧洲经济体和快速城市化的东亚，而东南亚、非洲和南亚等地区受到的关注较少。这种不均衡可能限制现有理论框架和评估方法在不同发展情境下的普适性。未来研究应加强对这些代表性不足地区的关注，以构建更具全球包容性的城市更新知识体系。
3.1.3 研究机构
通过对机构的分析，可以识别城市更新研究领域内有影响力的学术机构。数据从Web of Science数据库导出，并通过合并同一机构的变体名称对机构名称进行标准化。图3显示了引用量前十的机构，其文献数量显示在底部坐标轴上。伦敦政治经济学院是引用量最高的机构，其次是首尔大学和普渡大学。然而，引用影响力与发文量并不直接成正比。尽管首尔大学和香港理工大学发文量最高，但其引用排名并非最高。这一全球分布表明城市更新已获得学术界的广泛关注。
3.1.4 关键词
使用VOSviewer（v1.6.21）构建了关键词共现网络，用于探索研究热点和主题结构。在该网络中，节点大小反映关键词频率，连线粗细代表共现联系的强度。采用最低出现阈值为3来筛选“KeyWords Plus”中的相关术语。出现频率大于等于5的关键词包括：管理（7次）、可持续性（6次）、神经网络（6次）和城市（5次）。这些术语共同指向一个强调可持续管理实践和城市建成环境技术工具的核心研究议程。共现结构进一步表明，该领域日益将数据驱动分析方法与更新项目的决策支持框架相结合。时间演化显示出从基础性能分析和技术工具向综合管理与生命周期考量，以及对可持续性评估日益关注的转变。
3.1.5 主要研究焦点类别
根据主要研究焦点，将50项纳入研究分为三类：城市更新目标、成本指标体系、成本估算方法。单项研究若其主要研究焦点跨越多个维度，可被归入多个类别。分类结果见补充材料。城市更新目标包含16项研究，涉及更新的社会、环境和经济目标。成本指标体系占28项研究，进一步分为两个子主题：生命周期成本分析（14项），以整个项目生命周期为分析边界；项目级成本指标类别（14项），涉及土地利用、区位、施工方法和废弃物管理维度。成本估算方法占14项研究，细分为成本估算模型（8项）和数据驱动决策支持系统（6项）。结果表明，城市更新成本研究中的DDSS仍处于发展阶段，而LCC和成本指标则代表更为成熟的研究。
3.2 城市更新目标
城市更新被广泛视为应对快速城市化下多重挑战的策略，包括空间衰退、社会极化和环境压力。与传统扩张驱动的发展相比，城市更新更注重在现有建成环境内整合经济、社会和环境目标。在此视角下，城市更新不再被仅仅理解为物理或经济重组，而是涉及多方利益相关者、价值取向和制度安排的复杂治理实践。
在社会层面，改善社会环境和缓解城市发展带来的日益加剧的不平等被广泛视为城市更新的主要目标。非正规住区的设施升级是最直接的干预措施，而道路网络设计的调整可减少低收入社区的空间隔离，并解决城市基础设施不足以及可达性和渗透性有限的问题。优化高密度老城区的城市形态和重组功能有助于降低城市安全风险。然而，除这些物理和功能改善外，更新的分配后果构成关键政策关切。在缺乏支持性政策干预的情况下，城市更新可能加剧社会排斥。随着区域改善后房产价值上升，低收入家庭可能因无力承担而迁离原有社区，导致社会空间极化。驱逐和强制搬迁可能破坏既有社区网络并削弱社会凝聚力。
城市更新同时也是提升环境质量和可持续性的重要工具。城市绿地面积的持续减少与生态系统服务弱化和社会经济环境恶化相关，使得生态恢复成为紧迫的规划优先事项。整合生态修复和绿色基础设施的再开发有助于恢复环境绩效并提高生活质量，优先考虑提高土地利用效率、减少资源消耗和废弃物、促进空间生物多样性。开放空间连通性和建筑能源系统的改善进一步有助于城市系统的整体健康和韧性，使城市能够更好地应对环境变化和长期发展压力。将可持续性原则嵌入城市规划框架对于应对灾害风险和气候适应至关重要，因为系统的政策协调可以增强更新成果的韧性。然而，可持续性在城市规划中的操作化整合面临脆弱性评估（侧重于结构维度）与可持续性框架（通常排除灾害风险考量）之间的根本脱节，从而在灾害缓解与环境目标之间产生政策冲突。
在经济层面，城市更新项目的可行性与其预期回报和投资时机密切相关。在邻里尺度上，可持续城市形态与经济活力相关，社会经济因素在很大程度上决定住宅开发的可行性。成功的城市更新项目甚至可以通过提升周边房产价值创造超过其总成本的价值。即使在贫民窟升级等资源严重受限的情境下，人均改造成本相对于预期的长期经济和社会效益仍然可以忽略不计。以基础设施为主导的更新进一步证明了公共投资的经济合理性，因为它不仅产生足够的经济回报，还在健康、防洪和公共卫生方面带来额外协同效益。
城市更新目标的三个维度并非相互独立，而是深度交织。环境改善可以提升社区质量并促进社会稳定，但也可能提高周边房产价值并破坏原有社区的社会结构，从而在环境收益与社会连续性之间产生张力。在保障性住房和社区设施方面的社会投资是缓解这些不稳定效应的一种方式，通过吸引和留住多元化居民基础，从而增强长期经济和社会稳定性。理解这些相互依赖关系对于设计综合更新策略至关重要，以避免非预期的权衡并在三个维度上最大化协同效益。还应指出，本综述的检索策略优先考虑了与成本相关的术语。因此，此处回顾的城市更新目标和指标是与所选文献中成本考量直接相关的部分。纯粹的社会或生态目标若从未在财务评估中讨论，可能未被充分代表。未来研究可通过采用更具包容性的检索字符串来加强这一方面。
3.3 成本指标体系
3.3.1 生命周期成本分析
在可持续城市更新的背景下，LCC分析成为评估项目长期经济与环境绩效的重要工具。与传统仅关注施工阶段的成本估算方法不同，LCC将整个项目生命周期作为分析边界，系统考察从规划设计到施工、运营、维护和拆除的成本变化。这种扩展的时间范围能够更全面地捕捉城市更新方案中的资源消耗模式。
将焦点从施工阶段转向全生命周期，有助于更准确地比较不同更新方案的长期成本绩效。尽管节能或高性能方案通常具有较高的初始成本，但使用阶段累积的能源消耗和运营支出节省可大幅抵消前期溢价，从而产生优越的长期经济绩效。在城市尺度上，建筑翻新可对气候减缓目标做出实质性贡献。此外，材料再利用率和废弃物处理方法显著影响总成本和碳排放。
在社会导向的项目中，LCC可作为决策支持工具，以平衡经济可行性与社会效益，并避免仅基于短期成本最小化的更新策略。LCC的核心计算结构可形式化为公式（1）：其中C
0为初始建设或翻新成本，C
op,t和C
m,t分别为第t年的年度运营和维护成本，r为折现率，T为分析期，C
d代表退役或拆除成本。r的选择和维护周期假设是影响LCC结果的最关键参数之一。
然而，当前研究表明，LCC分析仍面临数据完整性、参数选择和不确定性处理方面的挑战。许多研究缺乏对关键假设（如折现率、维护周期、政策激励和碳定价）的系统敏感性分析。此外，社会成本和环境外部性往往难以货币化，这限制了不同研究间LCC结果的可比性。即使在同一城市更新项目内，LCC估算也可能因建筑功能、更新策略和政策框架的不同而存在显著差异，凸显了在实际决策情境中应用LCC模型的实践复杂性。
3.3.2 成本指标
在城市更新项目的早期决策阶段，成本指标体系在信息受限条件下提供快速且可比的成本评估，提供基于单位的财务参考，便于方案比较并提高筛选效率。然而，由于项目目标、空间尺度和实施模式存在显著差异，成本指标构成及其驱动因素在不同案例间差异很大，单一指标不足以代表实际成本水平。
建筑的时间维度进一步影响成本指标体系的结构。建筑年龄从根本上决定再开发策略的选择：结构折旧速率决定了拆除重建或分阶段翻新哪种方案在经济上最优。因此，接近经济寿命终点的老旧建筑可能触发与拆除和废弃物相关的指标，而处于中年期的建筑更可能激活以材料选择和施工干预为导向的翻新指标。
土地利用、区位和基础设施条件：土地利用和功能的分配主要通过确定更新项目中产生哪些成本类别以及如何评估其规模来影响成本指标体系。首先，现有城市地区分散的土地所有权涉及新开发项目中通常不存在的土地整合成本。在市中心，城市街区被细分为众多小地块且所有权分散，再开发需要多方利益相关者之间的协调和谈判，从而产生在土地集中持有情况下不会出现的交易成本。当交付模式从政府主导转向市场导向时，这些成本变得尤为重要。对于遗产敏感型更新项目，成本需包含法规合规成本以及保护标准与施工可行性之间的权衡。其次，项目区位决定基础设施成本基线。城市内更新成本约为城市边缘项目的三分之一，因为填充式地块可利用现有网络，而绿地项目需要全面提供基础设施。因此，区位在项目具体设计决策之前就确立了成本预期基线。此外，基础设施工程所在的具体城市类型会调节成本指标的功能行为。即使在相同区域内，由于现场条件和劳动力可用性的差异，工期估算也可能显著偏离，从而影响成本预测。综上所述，成本指标体系不仅要响应宏观区位类别，还必须根据每个实施情境的具体城市形态和场地条件进行校准。
施工方法和废弃物管理：施工方法对成本指标体系产生显著影响。传统拆除相对简单，但会产生大量建筑废弃物，相关的运输和填埋成本大幅增加总支出。准确预测废弃物产生量和填埋需求对于提高成本估算精度至关重要。填埋场位置影响运输距离和成本，进一步加剧更新费用的区域差异。相比之下，解构策略被用作可持续更新方法，通过系统拆卸和材料回收减少新材料需求并降低废弃物处理成本。除拆除外，翻新提供了一种替代方法，在大多数情况下，翻新相比拆除能带来更大的社会、经济和环境效益。对于翻新项目，成本估算通常依赖于结构化的现状调查和诊断评估，以明确干预要求，为后续决策中的成本考量提供基础。
3.4 成本估算方法
3.4.1 成本估算模型
在城市更新项目中，传统成本估算方法主要依赖经验公式并将历史数据归一化到共同时间基线。然而，这些方法在精度和适用性方面存在一定局限性。城市更新项目通常复杂且独特，传统方法难以充分纳入显著变化的要素，包括地理位置、结构特征、市场条件和其他情境因素。此外，随着城市发展和施工技术进步，建筑材料和施工技术不断更新，历史数据的参考价值逐渐减弱。这导致传统方法应用于城市更新成本预测时产生相当大的偏差。
随着数据科学和人工智能的发展，传统经验估算方法正日益被更科学、更系统的预测模型所取代。多元回归分析（MRA）和基于案例推理（CBR）常用于早期研究的初步预算。MRA模型通过对历史项目样本进行统计分析建立变量间的线性关系，能够快速估算成本，具有较高的可解释性和操作简便性，如公式（2）所示：Y = β
0 + Σβ
iX
i，其中Y为因变量，β
0为常数，β
i为非标准化系数，X
i为自变量。然而，此类模型通常假设输入变量之间独立且线性相关，难以捕捉建筑项目中固有的复杂交互作用。
CBR通过检索历史相似案例并衡量特征相似性来推断成本，适用于详细设计信息稀缺的早期阶段，如公式（3）所示：Sim = Σ(w
i × sim
i)，其中Sim为案例相似性，sim
i为属性相似性，w
i为属性权重。除直接成本预测外，CBR还应用于施工工期估算。在概念阶段，当详细进度计划不可用时，可靠的工期估算为包含时间相关变量的成本模型提供了基本假设。然而，其可靠性在很大程度上取决于案例数据库的质量，样本不足或项目特征差异过大均会削弱预测精度。
为克服传统统计模型的局限性，研究人员开始探索将多源数据与智能算法相结合的混合建模策略。Kim等人（2012）提出了一种结合装配式估算和历史数据估算的混合概念成本估算模型。该方法保留了传统方法的可解释性，同时引入数据驱动的比较机制以增强对不同类型建筑项目的适应性。
随着计算能力和数据可用性的增长，机器学习已开始用于项目成本估算。多尺度目标注意力增强网络（MT-AENet）被开发用于实现多尺度建筑信息提取和特征加权，从而提高建筑废弃物和更新成本的估算精度。该方法凸显了深度学习在建模复杂空间信息方面的潜力，并为城市更新成本预测提供了新的分析途径。
此外，针对城市更新和拆除项目中涉及的空间和物质流特征，提出了结合物质流分析（MFA）和地理信息系统（GIS）的综合预测框架，如公式（4）所示：W
total = W
construction + W
decoration + W
demolition，其中W
total为建筑垃圾总产量，W
construction为施工废弃物，W
decoration为装修废弃物，W
demolition为拆除废弃物，i为材料组分（包括钢、砖、水泥等九种材料）。这些框架通过纳入空间分布特征、运输路线和资源再利用率来量化建筑拆除和废弃物处置的经济成本，支持城市尺度的成本控制和资源规划。类似地，通过对城市管道改造成本进行多元回归建模，也证实了MRA在特定城市更新场景中进行局部成本预测的可行性。
尽管在预测精度和方法创新方面取得了显著进步，但这些模型跨区域和跨时间的泛化性能仍未得到充分验证。施工标准、市场价格和政策因素的区域差异在很大程度上影响模型输出。因此，基于单一区域数据训练的模型难以直接迁移至其他区域。此外，许多机器学习模型的“黑箱”性质限制了其可解释性和可迁移性，并且对输入敏感性和不确定性分析的验证不足。在模型复杂性与可解释性之间取得平衡，并建立适用于不同场景的通用成本预测系统，仍是一个关键研究挑战。
3.4.2 数据驱动决策支持系统
在数字技术快速发展下，数据驱动决策支持系统（DDSS）日益成为成本预测和评估的关键方法。这些系统整合多源数据，实现整个项目过程的动态成本监测和优化。
数字和基于传感的数据平台可以有效解决传统成本管理中的数据延迟和信息不完整问题。通过LiDAR技术进行空间主平面识别，以及低计算成本的城市尺度通风廊道建模，提高了建成环境中建筑数据采集的准确性，能够快速将空间数据转换为成本相关参数。LiDAR衍生模型识别的通风廊道直接影响邻近区域建筑的供暖和制冷能耗。通过量化不同城市布局的通风效率，该模型为早期更新规划中建筑和街区尺度的运营能耗成本模拟提供了必要的输入参数。
高效的资源分配和管理对于成功的城市更新项目至关重要。在城市尺度上，Namares模型整合了城市地表清单、干预评估和资源管理模块，为成本和资源流的宏观分析提供数据驱动支持。在项目层面，基于模型的模拟方法将实际现场数据反馈到成本预测系统中，验证了数据反馈用于成本控制的可行性。智能决策系统还与成本效益分析模型相结合，对“三旧改造”项目进行动态评估。此外，多准则决策框架如集成ANP-ZOGP模型已被用于在资源约束下对城市更新项目进行优先级排序，以成本作为关键标准识别最优项目组合。这些应用凸显了信息技术在实现实时和智能成本管理方面的作用，将数据驱动原则从项目层面扩展到城市尺度。
然而，实际挑战仍然显著。BIM、LiDAR和GIS等技术的集成需要先进的数据处理能力。行业内专家数量有限和系统成本高昂阻碍了广泛采用。此外，跨异构平台的数据集成复杂性受到缺乏统一数据标准的制约。除了这些技术和成本障碍外，DDSS往往缺乏透明度和可解释性。随着模型日益复杂，非技术决策者（如政府管理人员和开发商）可能难以完全理解系统输出。成本预测系统的有效性不仅取决于算法性能，还取决于组织采纳能力、数据更新机制和政策支持。
因此，为确保数据驱动成本预测在实践中有效实施，未来研究应侧重于推进数据标准化、跨平台集成和可解释人工智能。同时，增强这些系统在实际项目管理中的操作实用性和用户接受度也至关重要。
4. 结论
本综述通过系统地将50项研究中的更新目标、成本指标体系和估算方法联系起来，提供了关于城市更新的综合视角。与以往分别聚焦于成本估算方法或城市更新目标的综述相比，本综述通过在一个统一分析框架内系统关联更新目标、成本指标体系和估算方法，提供了综合视角。分析表明，城市更新受多重相互依赖的目标驱动。环境可持续性和经济可行性是最常被引用的目标（占75%，见表2）。生命周期成本成为成本评估的核心框架，捕捉长期财务和环境绩效（见表3）。综述还显示了估算模型从传统方法向机器学习和混合方法的清晰演进（见表5），尽管数据驱动模型往往缺乏跨区域的可解释性和可迁移性。
若干知识空白浮现。成本数据收集的标准化框架仍然缺乏。社会和环境外部性的货币化在方法论上仍未充分发展。跨不同地理情境的模型验证不足，大多数研究集中于欧洲和东亚。DDSS融入制度工作流程面临与数据治理和组织能力相关的障碍。
本综述存在若干局限性。检索仅在Web of Science核心合集数据库中进行，排除了其他数据库和非英语出版物。时间范围（2008—2025年）以及集中于欧洲和东亚的地理分布限制了研究结果的普适性。综述还特别关注成本相关方面，排除了法律框架和社区参与等其他关键维度。
未来研究应聚焦于通用数据框架、通过可解释AI实现的模型透明度，以及在更广泛的区域和项目情境中的验证，以推进城市更新成本估算的实践适用性和理论稳健性。
补充材料
以下支持信息可下载：https://www.mdpi.com/article/10.3390/buildings16163167/s1，表S1：文章特征。表S2：用于编码每项纳入研究的数据提取表。表S3：PRISMA 2020清单。
