《Sustainability》:Pathways to the Circular City: Scenario Planning and Agent-Based Modeling to Explore Developer Decision-Making and City Policies
编辑推荐:
本文介绍了一种新颖的基于主体建模(ABM)应用案例,用于探索开发商在建成环境再利用谱系中的决策过程。本研究项目利用ABM模拟了多种在社区尺度实现循环性的路径,通过现有建筑再利用和采用拆解(deconstruction)替代拆除(demolition)的方式,以
本文介绍了一种新颖的基于主体建模(ABM)应用案例,用于探索开发商在建成环境再利用谱系中的决策过程。本研究项目利用ABM模拟了多种在社区尺度实现循环性的路径,通过现有建筑再利用和采用拆解(deconstruction)替代拆除(demolition)的方式,以纽约州伊萨卡市为案例。这一探索性分析展示了:(1)ABM在情景规划中的应用;(2)ABM如何评估保护与建筑再利用选项对城市范围温室气体排放(以隐含碳(embodied carbon)形式)的影响;(3)以及将模型结果用于政策分析的潜力。分析结果强调了地方政府政策中的权衡。在“一切照旧”情景(Business As Usual scenario)下,CO2排放量最高,总投资额和总开发面积也最大。这与另外三种情景形成对比。“最大化保护”情景(Maximize Preservation scenario)通过保留现有建筑实现了最低的总隐含碳排放,同时保持了城市开发中第二高的总投资额。“拆解激励”情景(Deconstruction Incentive scenario)和“强制材料再利用”情景(Mandatory Material Reuse scenario)涉及激励建筑材料再利用,为开发商带来了强烈的投资回报率(ROI)信号,减少了寻找适合新建项目地块的需求,因为拆解成为产生回报的可行途径。ABM生成的情景显示了开发商根据其类型和规模在绩效上的差异。本研究开发了一个可直接使用的ABM及图形界面,研究人员和地方政府机构可将其用于探索通过影响城市开发过程和隐含碳排放的政策来实现循环城市的路径。
**论文解读文章**
**研究背景与问题**
循环城市与循环经济(Circular Economy, CE)的概念为探索城市未来的政策路径提供了新框架。循环经济强调材料永不成为废物,通过维护、再利用、翻新、再制造、回收和堆肥等过程保持材料循环。在建成环境中,实现循环性的框架、政策和行动是迈向可持续发展和实现气候减缓目标的重要手段。然而,城市如何通过地方政策推动循环经济,以及如何评估不同政策对开发商决策、城市开发和碳排放的影响,仍是重要且不断增长的研究领域。现有研究认识到通过建筑保护、拆解和建筑材料再利用等政策可促进建成环境循环性,但缺乏整合微观行为(开发商决策)与宏观结果(城市碳排放)的动态模拟工具。情景规划(Scenario Planning)和基于主体建模(Agent-Based Modeling, ABM)等方法是探索复杂系统未来变化的有力工具,但它们在循环城市政策分析中的应用尚不充分。本研究旨在回答:如何利用ABM进行情景规划,以探索循环经济路径,并解释开发商和业主在建筑保护、适应性再利用和建筑材料再利用方面的选择范围?
**研究内容与结论**
本研究由建筑学、区域科学及城市与区域规划领域的研究人员组成团队,以纽约州伊萨卡市为背景,开发并测试了一种可复制的基于ABM的循环城市未来探索工具。研究首先通过焦点小组、访谈和问卷调查收集定性数据,了解开发商对现有建筑保护、适应再利用和拆解替代拆除的态度与决策过程。基于调查结果,构建了包含七种类型开发商主体的ABM模型,模拟其在45个季度(约10年)内对城市地块的评估与开发行为。模型考虑了四种政策情景:一切照旧(Business As Usual)、拆解激励(Deconstruction Incentive)、强制材料再利用(Mandatory Material Reuse)和最大化保护(Maximize Preservation)。每种情景通过调整建筑再利用比例、保护激励、材料再利用激励、材料再利用比例、最低材料再利用要求及城市再利用执行强度等六个关键参数来定义。模型运行50次后,收集了19项输出指标,包括隐含碳排放(embodied CO
2)、总投资、总开发面积、地块开发类型分布等。
**主要结论**:
- 一切照旧情景产生最高的CO
2排放、总投资和总开发面积,开发商倾向于拆除后使用原始材料建造新建筑。
- 最大化保护情景通过保留现有建筑实现最低总隐含碳排放(17,012.34吨),同时保持第二高的总投资(7,141,988.56美元),但地块层面的开发活动最少。
- 拆解激励和强制材料再利用情景均产生中等水平的隐含碳排放、投资和开发面积,且显著促进拆解活动,为开发商提供强烈的ROI信号,减少寻找合适地块的需求。
- 不同情景对开发商类型的影响存在差异:在强制材料再利用情景下,大型开发商完成的项目数量远多于小型开发商(41个 vs 8个),这可能威胁小型开发商的生存。
**重要意义**:本研究展示了ABM作为情景规划工具在循环城市政策分析中的应用潜力,为地方政府评估不同政策对城市开发过程、隐含碳排放和开发商行为的影响提供了可复用的工具与图形界面。
**关键技术与方法**
本研究主要采用以下关键技术方法:
1. **基于主体建模(ABM)**:使用Python 3.8及mesa-geo库构建模型,模拟开发商主体在城市地块上的决策过程。模型中包含七种类型开发商(按规模、资本和建设周期分类),每个开发商采用ε-贪婪动作值机制(ε-greedy action-value mechanism)学习最优开发类型,其中探索率ε=0.33,学习率=0.2。
2. **情景规划(Scenario Planning)**:基于建筑再利用-废物层级谱系(Building Reuse to Waste Hierarchy),设计四种政策情景,并通过六个关键参数(建筑再利用比例、保护激励、材料再利用激励、材料再利用比例、最低材料再利用要求、城市执行强度)将定性政策描述转化为定量模型参数。
3. **开发商调查**:对伊萨卡市及周边地区的22家开发商进行问卷调查(回收率36%),收集关于开发实践、决策因素、地块适宜性及拆解替代方案的态度,为模型提供行为参数。
4. **数据来源**:地块数据来源于伊萨卡市真实地理信息(GeoJSON格式),包含分区、建筑成本、碳排放计算成本等数据,由城市模型类加载协调。
**研究结果**
**3.1 情景比较**
模型运行45个季度后,四种情景的地块开发分布图显示:一切照旧情景中大量拆除活动并使用原始材料;拆解激励和强制材料再利用情景偏好拆解;最大化保护情景限制所有建设类型,大部分地块无新建设。四个情景中,有45%至78%的地块未被开发,原因包括ROI不足或受历史保护区限制。开发活动集中于伊萨卡市中心及周边商业改善区(BID),这与模型中将市中心附近设定更高ROI及公交站点密度相关。
**关键指标对比**(表3):
- 一切照旧情景:CO
2排放最高,总投资最高,总开发面积最大。
- 最大化保护情景:总隐含碳排放最低(17,012.34吨),总投资第二高(7,141,988.56美元),无新建设地块数量最多。
- 拆解激励情景:隐含碳排放18,738.13吨,总投资7,062,035.38美元,开发面积4,113,133.45平方英尺,拆解活动显著。
- 强制材料再利用情景:隐含碳排放19,540.59吨,总投资6,872,301.14美元,开发面积4,260,093.11平方英尺,大型开发商完成项目数(41个)远高于拆解激励情景(8个)。
**3.2 分析**
研究得出三个主要结果:
1. **最大化保护情景**可实现最低隐含碳排放,但伴随中等投资,且地块层面变化有限。对城市而言,在不对开发商投资活动产生显著约束的情况下(相对于拆解激励和强制材料再利用情景),实现了碳排放最小化。
2. **拆解激励和强制材料再利用情景**均导致开发商评估活动减少,但开发强度高,拆解成为可行回报途径,使开发商减少寻找合适地块的搜索。两种情景为城市和开发商提供平衡:既降低碳排放,又满足开发商ROI需求并刺激市场活动。
3. **政策情景配置对开发商类型产生差异化影响**:在强制材料再利用情景中,大型开发商主导市场,而小型开发商可能因资本受限难以响应强制要求,这与访谈中小型开发商对当地社区敏感但资本有限的担忧一致。
**讨论与结论**
**讨论部分**:ABM情景模拟结果是更大项目的一部分,旨在通过材料和建筑再利用实现城市尺度的循环性。研究团队设计了可视化的图形界面,便于与地方利益相关者进行迭代参与。该界面可展示四种政策情景,帮助用户理解开发商行为变化及再利用谱系对碳排放的影响,并作为教育和宣传工具。界面已开源发布在GitHub上供其他研究复制。
**结论翻译**:本研究开发了一个ABM模型,模拟了开发商在再利用谱系中的行为,提供了一种探索性情景规划工具,用于检查各种城市开发情景,从而在建成环境中实现循环性。该模型整合了开发商行为的调查数据。四种再利用情景下的结果显示,在伊萨卡市不同的政策配置下,会出现不同的未来状态。城市领导人(在社区利益相关者的支持下)如何选择支持或鼓励材料再利用和建筑再利用,将产生不同的开发模式,影响整个城市的投资和隐含碳。重要的是,本研究存在局限性:尽管调查数据与焦点小组、先前访谈及建筑与拆除许可证分析进行了三角验证,并基于当地目录信息构建了开发商类型学,但少量调查回复增加了模型假设错误的可能性。样本量小限制了统计显著性结论的得出。在应用于政策分析之前,需进行进一步校准和验证。未来研究可利用RSMeans数据改进成本评估,并完善不同开发类型的CO
2减排计算,同时需开发量化拆解与再利用实践CO
2减排效益的新方法。此外,建模框架中可视化就业机会和韧性计算对市政当局全面理解城市开发影响至关重要。