《AUTOMATION IN CONSTRUCTION》：Multi-paradigm simulation approach for building permit process optimisation
编辑推荐：
建筑许可流程优化的多范式仿真方法
•建筑许可流程被建模为一个复杂自适应利益相关者系统（Complex Adaptive Stakeholder System）。•一个混合仿真框架在固定流程规则下捕捉协调行为。•访谈衍生的关键绩效指标（Key Performan
建筑许可流程优化的多范式仿真方法
•建筑许可流程被建模为一个复杂自适应利益相关者系统（Complex Adaptive Stakeholder System）。•一个混合仿真框架在固定流程规则下捕捉协调行为。•访谈衍生的关键绩效指标（Key Performance Indicators, KPIs）将时间、一致性、合规性和工作量操作化。•基于规则的自动化使利益相关者协调的情景测试成为可能。•遗传算法（Genetic Algorithm, GA）改善了模拟的持续时间、合规性和工作量平衡。
建筑许可流程（Building Permit Process）是经济发展与公共监管之间的关键枢纽，其本质是通过规范审查确保结构安全、消防和土地使用等公共福祉。然而，实践中该流程普遍存在延误、不透明和高昂的社会成本，这些低效现象并非孤立的行政失误，而是复杂社会-技术系统涌现出的特性。既有应对措施如电子许可（e-permitting）和基于建筑信息模型（Building Information Modeling, BIM）的自动合规性检查（Automated Compliance Checking, ACC）主要优化申请输入环节，却未能解决多部门、多机构审查与协调环节中的系统性问题。建筑许可涉及规划、消防、环保、结构等多个部门，它们各自具有独立任务、流程和IT系统，由此引发路径延迟、返工和协作失败。因此，需要一种能够刻画利益相关者相互依赖、反馈回路和整体性能的分析框架。该论文由此出发，将建筑许可生态系统视为复杂自适应系统（Complex Adaptive System, CAS），并引入混合仿真方法。
研究人员基于覆盖19个欧洲国家的43次专家访谈构建了经过验证的工作分解结构（Work Breakdown Structure, WBS），该结构包含6个阶段、17个流程、23项活动和20个泛化利益相关者角色。随后，他们构建了一个集成智能体建模（Agent-Based Modeling, ABM）、系统动力学（System Dynamics, SD）和多目标遗传算法（Genetic Algorithm, GA）的混合仿真框架。通过访谈编码提取了四个可泛化的关键绩效指标（Key Performance Indicators, KPI）组：利益相关者反应时间（Stakeholder Reaction Time, SRT）、监管遵从率（Regulatory Adherence Rate, RAR）、操作负载分布（Operational Load Distribution, OLD）和跨组织一致性（Inter-organisational Alignment, IOA）。基线模拟用于建立参照性能，GA优化用于搜索改进的参数配置。该研究发表于《AUTOMATION IN CONSTRUCTION》。
研究人员采用的主要技术方法包括：（1）通过43次访谈（来自19个欧洲国家的建筑许可相关人员）提取过程知识，形成验证过的WBS作为固定结构；（2）使用ABM对20个异质利益相关者进行微观行为建模；（3）使用SD模拟宏观反馈回路、积压和资源约束；（4）使用多目标GA（在Python DEAP中实现，与AnyLogic耦合）对利益相关者特定的KPI参数进行进化搜索；（5）将访谈衍生的KPI归纳为SRT、RAR、OLD和IOA四个可参数化指标，用于评价模拟性能。该框架在固定流程结构和任务分配下运行。
**4.1 基线系统性能**：基于经验参数化的基线模拟显示，整个流程平均需185天完成，其中每项任务平均耗时17.97天（avgSRT），平均监管遵从率（avgRAR）为0.778。工作量分配极不均匀（OLD=4.359），多数负荷集中在ST5（技术职员）和ST9（土木工程部门）等少数节点，形成系统性瓶颈。跨部门协调水平低（IOA=0.217），导致多部门审查缺乏同步性。这些结果构成了后续优化的参照基准。
**4.2 多目标优化结果**：应用GA优化后，许可时间下降11.89%至163天，avgSRT降低13.37%至15.56天，avgRAR提高3.58%至0.8058，OLD下降73.74%至1.145。这说明在固定结构下
