基于决策树的城市早期地下工程更新改造模式规划评价方法

栾勇鹏, 陆春方, 乔永康, 3, *, 彭芳乐, 3

(1. 青岛市人防建筑设计研究院有限公司, 山东 青岛 266071; 2. 同济大学地下建筑与工程系, 上海 200092; 3. 同济大学地下空间研究中心, 上海 200092)

0 引言

在社会经济高质量发展目标下,城市更新已上升为我国新型城镇化建设的重点内容,更加强调国土资源集约配置的效率和价值,旨在严控增量、盘活存量的前提下实现高质量发展。城市地下空间是国土空间资源的重要组成部分,是城市更新中实现可持续发展的基础资源保障,可以有效提升城市发展空间承载力,推进立体城市[1-2]、韧性城市、宜居城市和低碳城市建设。其中,老旧地下工程作为我国城市地下空间的重要组成部分,尤其对于大中城市的存量更新地区,地上、地下空间的可开发资源极为紧缺,此类已建成却未被充分利用的空间资源具备成为新的城市发展空间增长点的潜力,其改造再利用将成为盘活土地资源、实现集约化发展的必由之路[3]。我国大范围的地下工程建设可追溯至20世纪七八十年代,当时各地为防备大规模战略空袭,修建了大量地下防空、掩蔽、贮藏工程。据统计,上海市中心城区现存的老旧防空洞总面积达70万m2[4]。这些地下工程由于缺乏合理规划,工程质量参差不齐、规模不一、分布零散[5],如今大部分已难以发挥先前的防空防灾职能,造成城市建成资产的闲置浪费。以重庆市为例,未被开发利用的防空洞比例高达70%[6]。同时,地下空间开发的不可逆性带来的地下老旧资源闲置问题,在一定程度上会影响城市风貌和周边地质环境安全[7-8]。在此背景下,城市发展应当赋能早期地下工程,挖掘早期地下工程价值,探寻符合新时代社会、经济、战备发展要求的老旧工程更新改造方式。

在城市用地资源紧缺的背景下,早期地下工程作为时代变迁下的闲置资源,越来越受到学者们的重视。相关研究表明,早期地下工程的更新改造模式范围广泛,涉及交通、市政、文娱等多个方面[9]。目前早期地下工程的更新改造已在国内外诸多城市付诸实践,被广泛应用于仓储(如美国堪萨斯的SubTropolis项目、济南千佛山酒窖)、观光游览(如英国纽卡斯尔的Victoria Tunnel、重庆建川博物馆群)、公寓酒店(如美国阿肯色州贝克汉姆溪洞穴旅馆、上海深坑酒店)、餐饮娱乐(如俄罗斯莫斯科套娃餐厅、重庆洞庭火锅)、夏季纳凉(如青岛、济南、重庆等城市的纳凉点)、图书馆(如英国雷丁大学图书馆、南京先锋书店)、社区共享空间(如英国伦敦Vans之家、北京地瓜社区)、停车库(如青岛龙山停车场)、综合管廊(如上海市肇嘉浜路地下综合管廊)等城市基础设施,并取得了良好的效果[5]。但这些实践案例多为小范围区域的探索性、分散性尝试,并无相对完整的方法体系,难以有效指导不同条件下早期地下工程更新改造的规划和决策。

基于上述背景,本文将重点研究如何通过系列影响因素明确城市早期地下工程更新改造的适宜模式。地下工程的规划决策方法中对早期地下工程更新改造有较大借鉴价值的是基于机器学习的分类决策方法,主要包括人工神经网络、朴素贝叶斯、决策树、随机森林、支持向量机等[10],目前主要应用于地下工程风险评估、围岩分类、地下工程聚类(如轨道交通)等方面[11-14],并且预测或分类结果具有一定可靠性。但从可操作性来看,早期地下工程相关数据的获取不可能做到详尽精确,基于数据统计的方法不能准确地描述实际情况;另外,在相同的内在、外在条件下,地下工程同样可能改造为多种模式,通过隶属函数确定适合更新改造的模式具有一定困难且存在片面的问题。而以决策树为代表的分类方法虽然从结果上同样表现出唯一指向性的特点,但是通过合适的算法仍能基于样本了解各更新改造模式的概率或隶属程度,对地下工程更新改造模式的决策有重要参考意义。同时,每个早期地下工程小类模式影响因素具有多个属性,决策规则必然十分复杂,而决策树方法可以通过增加树的深度提高模型的精准度。因此,本文依托决策树的分类特性和优点建立早期地下工程更新改造模式的决策方法。

综上,为顺应新时代地下工程利用趋势,满足美丽城市建设需要,本文聚焦于城市早期地下工程的更新改造模式,旨在提供一种行之有效、详备清晰的早期地下工程分类方法,建立早期地下工程的更新改造模式的规划评价和决策路径,为城市更新背景下早期地下工程的高效利用和改造优化提供行之有效的策略。

1 城市早期地下工程更新改造模式及其影响因素分析

1.1 城市早期地下工程更新改造模式分类

不同城市的早期地下工程的人文历史、建设政策及背景、地域特色、工程条件等因素不尽相同,更新改造方式也存在差别。从更新改造类别来看,早期地下工程可改造范围广泛,模式类别多。从规划编制的角度出发,城市早期地下工程更新改造模式可分为大类模式和小类模式:大类模式反映城市早期地下工程所在区域发展的整体需求,划分目的是立足城市地下空间特性和分类,明确早期地下工程改造功能的所属范畴,例如地下交通、地下市政、地下公共服务设施等;小类模式不仅要充分考虑早期地下工程所在片区的特定需求,还需要结合具体的工程结构特性,明确早期地下工程改造的具体功能,如地下公共服务设施大类下的地下商业、地下文娱、地下社区服务等小类功能模式。城市早期地下工程更新改造模式分类如表1所示。

表1 城市早期地下工程更新改造模式分类

1.2 城市早期地下工程更新改造模式的影响因素

面向城市功能开发建设的大类模式是由早期地下工程所在区域的整体需求决定的,可以通过分析所在区域分类设施的需求和供给来明确。每大类包含多个小类更新改造模式,严格意义上来说,每个小类模式都是1个单独的研究方向。本文中小类模式共21种,整合各类模式的影响因素工作量庞大,且决策要素繁杂,有效信息少。因此,本文综合考虑影响因素的普适性、用于模式决策的可行性、早期工程更新改造的针对性,选取如下影响因素。

1)地面建设用地类型。城市发展过程中,地下空间的开发建设需要充分考虑地上用地规划。地面建设用地功能定位很大程度上反映了当地的人流规模、对象人群、产业布局、业态分布等,早期地下工程不可能独立于所在地区的用地规划进行更新改造,不同城市建设用地类型会影响不同小类更新改造模式的决策。

2)空间结构形态。城市早期地下工程空间结构形态包括内部结构净空条件和工程分布形态,通常情况下等效的净空条件能反映整体工程分布形态,净宽、净高会影响内部人员疏散、人车通行、物品仓储、展览的可行性。在适当扩建改建时,原有工程的内部净空尺寸大小是影响改造成本的重要因素。城市早期地下工程空间结构形态可划分为通道式和单体式。工程净空尺寸可以通过高度h和宽度w描述。综合考虑规范的限值要求、早期地下工程结构的差异性、平面形态特征、各改造模式案例实际情况,将早期地下工程空间结构形态进行划分和描述,如表2所示。

表2 城市早期地下工程空间结构形态划分方式及描述

3)面积。早期地下工程的面积是更新改造的基础条件。对于目前面积较小的早期地下工程,即使其断面尺寸和结构形态等条件满足要求,也需要通过大规模的改扩建工程才能达到改造后使用面积标准,因此此类工程不具备良好的改造效益。基于对国内早期地下工程的分布特性和更新改造的实际情况,不少零散分布的早期地下工程面积通常不大,以青岛市早期地下工程为例,其工程平均面积约1 000 m2。因此可按表3划分扩大面积范围。

表3 城市早期地下工程面积划分方式及描述

4)埋深。地下工程在作为人防工程时有一定应灾应急能力,但紧急情况下人员疏散、火灾时的救援和通风都比地面条件苛刻。埋深不大时,人员、车辆、货物能更加便捷地通过出入口抵达地面,故需完善的通风设施、需改造的出入口建设成本低;埋深较大时,若没有特殊的连通设施,人们对于抵达地下步行通道、地下文史展览、地下餐饮娱乐、旅游休闲地点的意愿会受到显著影响。因此,埋深与地下空间的开发利用同样联系密切,城市地下空间地下工程竖向层次划分如表4所示。

表4 城市地下空间竖向层次划分[15]

5) 区位。早期地下工程的地理位置是确定的,更新改造必然受到所在地区业态、功能设施、经济发展水平的影响,因此区位是早期地下工程小类更新改造模式的重要因素之一[5]。区位主要描述早期地下工程周边是否存在重要的商业区域、住宅区域、文化旅游设施、交通设施(包含轨道交通站点)、公共活动场所、学校等。这些区域或设施会产生相应的人流量、连通可能性,对小类更新改造模式的选取具有一定诱导作用。周边区位的半径划分需要综合考虑早期地下工程的邻近效应以及人车活动范围。本研究区位条件影响范围按表5划分。

表5 城市早期地下工程区位条件划分范围

在影响范围划分的基础上,本研究将早期地下工程更新改造的区位影响因素划分为表6所列的7种情形。另外,由于周边区位影响因素较为繁杂,为了筛选不同模式的适宜区位条件,对周边区位条件进行专家调查问卷,旨在让各专家选择影响小类更新改造模式最为重要的区位情形,有效问卷为10份。为了控制决策树方法中的样本均衡,筛选每个模式下2～4个适宜区位情形。

表6 城市早期地下工程区位条件分析情形

综合上述5种影响因素分析,归纳各类早期地下工程更新改造模式所对应的影响因素,如表7所示。

表7 早期地下工程更新改造模式影响因素汇总归纳

2 基于决策树的小类功能更新改造模式决策评价方法

2.1 决策树分类基本理论

决策树是一种树状结构,每棵决策树由3类节点构成,即根节点(决策节点)、内部节点(机会节点)和叶节点(终节点),如图1所示。根节点是判定的起始节点,对棵决策树的决策效果起到重要的作用,相比于其他特征的判定条件有更高的重要性,叶节点就是在多级判定条件下的类别决策结果。

图1 决策树决策逻辑示意图

最为常用的决策树算法包括以下3种: 信息增益划分(ID3算法)、增益率划分(C4.5算法)和基尼指数划分(CART算法)。其中,ID3算法更加适用于样本含量大的特征;C4.5算法能解决ID3算法在样本数量不足时出现的偏向性问题,并且能处理属性缺失的问题,此外还有将连续数值离散化、应对过拟合的优点;CART算法与C4.5算法基本类似,是二叉树分类,对离散特征或连续特征的处理效果都较为理想。考虑到本研究中早期地下工程样本获取或样本构造数量难以精准控制且不均衡的情况,以及不同特征属性离散的特点,本文将采用Scikit-Learn学习库中DecisionTreeClassifier模块提供的CART算法。

基尼指数(Gini index)是划分属性的另一种方式,其核心是CART算法(classification and regression tree)[16]。可用式(1)的基尼指数[17]来描述纯度。

式中:S表示总样本集合;N表示总样本数量;K表示总样本可分为K个分类标签;rk表示第k类样本在样本集合中所占的比例;Nk表示类别k的样本数量;Si(i=1, 2, 3,…,n)表示具有特征a的n个取值对应的样本子集,Si⊆S;n为特征a下属的属性分类个数;Ni表示子集Si的样本数量;Nik表示子集Si中属于分类标签k的样本数量; Gini(S)表示基尼度量值,反映两两样本之间类别不一致的概率,其值越小,样本纯度越高; Gini_index(a)表示指对特征a分支计算时的基尼指数。

2.2 决策树分类样本准备

2.2.1 构建原则

2.2.1.1 基本样本与构造样本相结合

1.2节总结了不同小类模式更新改造影响因素,为决策树构建提供了样本基础。为了保证决策的真实性和可行性,按不同特征需要划分为多个标签(例如埋深特征可以划分为浅层、次浅层、次深层和深层4个标签)。

基本样本是所需相关数据或对应特征属性类别较容易确定的样本,构造样本是在表7影响因素研究基础上总结的。构造样本将作为小类模式决策的数据,是确定更新改造模式的关键部分,基本样本用于模型验证。

2.2.1.2 大类—小类模式强对应原则

强对应原则也可理解为根节点与叶节点对应原则,是在决策树进行“特征1→特征2→……特征n→分类”的路径构建中,人为加入大类模式控制树的分叉,强对应体现在构造样本过程中首尾的1∶1对应,即在内部主要特征(影响因素)变化情况下,大类模式和小类模式等量强对应。

为了确保早期地下工程更新改造满足区域发展需求,小类模式隶属于对应的大类模式。强对应原则保证决策树建立大类和小类的过渡关系。例如,在地下公共服务的大类模式下,相关的早期地下工程更新改造模式的规划决策结果仅限于该大类模式下的地下商业、地下文娱、地下社区服务等。

2.2.1.3 合理拓展样本的原则

1)确保样本量。通过文献调研发现,决策树方法在土木工程领域的应用过程中,样本量通常较小,大部分不足500个,没有样本量的直接计算依据。为了确定较为合适的样本量,本文主要参考Scikit-learn学习库中的自带数据集,其中wine数据集的3分类问题中,总样本量为178,特征量为13;IRIS数据集的3分类问题中,总样本量为150,特征量为4。本文实际上是21分类问题,比自带数据集的样本量高1个量级,因此在总样本量上可简易处理。选取高1个量级的数值,大致可以确定本研究应采用1 000个以上的样本进行训练。

2)均衡样本量。虽然包含大类模式总共有6类特征,但实际上部分特征分布极为不均匀。例如: 埋深特征包含4个属性,但是对于早期地下工程大部分改造模式,浅层是最为常见的类型,很少模式在深层条件下具备改造条件。因此构造样本过程中遵循按类控制数量的原则,尽量保证不同小类模式包含的样本数量接近,这需要严格控制特征属性值的可取范围,控制样本量取值的依据如下:

(2)

式中:Ni表示第i个类别(小类模式)的样本数量,1≤i≤21;Nf表示特征数量,取Nf=6;nij表示第i个类别下特征j所包含的属性个数。

要控制Ni尽量均衡,需要合理选取每个特征的属性个数,在确保属性尽可能全面涵盖的同时,让每一类乘积结果尽量接近。

2.2.2 样本标签化

根据表7的研究结果,需要对不同更新改造模式影响因素(特征值)进行划分,各类特征可以划分多个属性。在机器学习中,特征的判断显然不适合直接用文字表示,因此对各类特征下的属性按离散化的整数(本研究采用1～8的整数)映射,以便机器更好地识别属性与属性之间的差异。

2.2.3 样本构建

1) 基本样本。基本样本集应保证样本的代表性。为此,本文在前期研究中广泛搜集了世界各地早期地下工程开发利用的典型案例,并归纳为如表1所示的7个大类和21个小类。基本样本集应实现对所有分类的全覆盖,并能提供表7所列的影响因素指标。本研究根据相关官方网站、文献资料、新闻报刊、谷歌地图等渠道搜集的部分样本真实数据,选取了能直接用表7中的具体属性标识描述、且覆盖21个小类的24个基本样本,如表8所示。其中周边区位指标主要根据已完成改造模式产生的依据、面向对象、周边邻近的大型设施考虑后确定。

表8 城市早期地下工程更新改造基本样本

2) 更新改造适宜样本构造。根据样本构建的第三原则,为了保证样本量均衡,需要确定出每个小类模式最重要的特征集合,通过调节周边区位影响因素中适宜区位情形的个数,通过式(2)将每个类别样本量控制在54～96的相对均衡范围。以基本样本为核心,将表7中潜在的具有更新改造可能性样本的特征属性在取值范围内穷举,以保证样本训练的可靠性,共构造1 605个样本。

2.3 更新改造模式决策评价

2.3.1 决策树分类结果可靠性评价

在进行剪枝处理与优化前需要明确: 1)本文研究与决策树传统应用有所差别,本文的属性值数据是人为映射,其映射值本身大小并不具有描述所属特征的特点,这与决策树的普遍应用情形有所差异; 2)属性以离散数字映射的特点使得模型很容易发生过拟合,这是因为即使在给定大类下,多个小类模式对应的影响因素(特征集)中也有可能存在交叉,使得决策树在随机分叉时难以兼顾所有决策结果。换言之,决策树分析最终是要返回可能性最高(分布样本概率最高)的结果。从实际更新改造来看,大类模式及影响因素相同的早期地下工程仍然有可能改造为2种甚至多种模式。因此,在样本属性之间必然存在交错的情况下很难在样本上拟合结果良好。通过大量选取随机样本发现,这类问题在上述背景下,测试集分数几乎很难达到0.9。重点应放在样本概率上,确保基本样本预测的准确度,利用Scikit-Learn中predict_proba预测接口进行评价。

在本研究中,24个基本样本对应21个实际小类模式,在概率运算过程中,决策树是根据样本分布情况计算概率的,算式如下:

(3)

式中:s表示决策树的某一路径s(或某一叶节点s);Pdecesiontree(s,i)表示以决策树预测可能性时路径s决策后属于类别i的概率;Ni表示落入叶节点s中且分布在类别i中的样本数量;Ns表示叶节点s的总样本个数;nclass表示总类别数量,本文中即为小类模式数量,取21。

随机森林预测概率的计算与决策树不同,会针对每一棵树进行一次决策,对结果进行投票,所有树对某一类投票的总额与树总数的比值即输入样本改造为该类别的概率。

对于录入基本样本,每一条样本特征组合的路径在决策树中会产生所属21个类别的概率,假设每种大类模式下属于不同下属小类模式的概率中,第一、第二大概率分别为P1、P2,而24个基本样本,每个样本实际小类更新改造模式对应的概率可记为Pactual,i,1≤i≤24。决策树模型的可靠性评价流程如图2所示。

图2 决策树模型可靠性评价流程

单棵决策树所属类别概率受到样本影响,绝对精确的更新改造模式预测是不符合实际情况的,对此应适当考虑P2的潜在可能性,当P2较大时,虽然首选模式并非该类别,但从改造潜力来看仍有很高的可能性。决策树在一棵树情况下进行样本概率预测难免会因为样本交叉存在误差,因此考虑P2的潜在样本后最终预测度需达到0.8;而随机森林由于多个决策树参与决策,对样本、特征有随机抽样特性,理论效果比单棵决策树好,因此最终预测度可设为0.9。

2.3.2 剪枝处理与优化

剪枝就是对树的分叉做优化处理,主要目的之一是防止决策模型的过拟合。本研究中的决策树剪枝参数选择控制树的最大深度,以有效地提高决策效率。同时,利用随机森林作为优化的一种手段进行尝试。在进行优化前需要明确训练样本数量,本文将按照构造样本的70%选取训练样本。通过图3 所示的测试集准确度随深度变化关系,可以确定单棵决策树与随机森林的深度最佳取值分别为7和6。运用同样的方法,可以确定准确度最大值对应的随机森林中基评估器数量为26。

(a) 单棵决策树

基于上述参数确定模型并对构造样本的测试集进行预测,结果显示决策树和随机森林测试集预测结果的准确度均足以保证后续决策的可靠性。

2.3.3 模型评估与决策

1) 模型评估。将表8的基本样本作为外检测样本导入创建好的决策树模型,得到计算结果如表9所示。

表9 决策树与随机森林对基本样本的预测结果

2) 决策与更新改造模式决策集。单纯利用决策树进行分析虽然从分类结果上只能明确1种模式,需要通过限定相应的第2模式大小或第1、2模式概率差来提高精度。但考虑到相同的大类模式及影响因素对应的早期地下工程仍然有可能改造为2种甚至多种模式,这样的方法仍然不足以全面描述潜在的改造模式。为解决这一问题,借鉴决策树或随机森林中的分类逻辑下影响因素的重要性的概念,在进行决策树处理后,可以通过改变不重要的影响因素取值标签,再次利用决策树进行决策和优化,即二次决策。本文通过专家问卷调查判断影响因素的重要性,采用AHP标度法[18]确定影响因素的权重。确定权重后,不同大类下最低权重的因素应该作为重要调整对象,按照最近的分类标签进行修改,保持其余因素不变,代入决策树再一次进行计算。最后需要根据第1次决策结果、第2模式概率要求选择的结果、第2次决策结果确定城市早期地下工程更新改造模式决策集。在本研究中,各指标的一致性系数均小于0.1,符合一致性要求。不同模式下的权重计算结果如表10所示。

表10 不同大类模式下影响更新改造小类模式的因素权重

3 实证研究及规划应用——以青岛市中山路片区为例

3.1 研究范围与早期地下工程分布

中山路片区作为青岛市城市更新重点部署和规划区域,结合最新一轮中山路历史文化街区控制性详细规划,中山路片区土地利用规划如图4所示。

资料来源: 中山路历史文化街区保护规划。

选取中山路片区作为小类更新改造模式评估区域的重要原因之一是该地早期地下工程数量较多,且该片区地面交通压力大、公共服务设施有待完善、停车空间缺口巨大,具有较高的更新改造研究价值。内部包含的早期地下工程位置及分布如图5所示。

图5 中山路片区早期地下工程大致分布

3.2 影响指标确定

结合中山路片区更新升级需求,确定该区域早期地下工程的更新改造以地下动态交通(UT)、地下文娱(UP2)和地下静态交通(UP4)3大类模式进行探讨,在此基础上运用前文所述的决策树方法进一步确定各单项工程的小类模式。

中山路片区的用地类型参考图4,埋深、面积和结构形态结合笔者现场调研情况确定,周边区位借助高德地图相关接口获取中山路片区一定邻域内的兴趣点(POI)类型和数量,利用GIS平台对4个早期地下项目分别建立rⅠ(50～800 m)及rⅡ(50～2 000 m)缓冲区范围,视相应情形下缓冲区内的POI进行距离分析结果而定。在分析过程中,由于不同类型POI分布数量差异很大、所处区域周边POI较为密集、其中情形对应的分析半径不尽相同的特点,本文采用式(4)处理。

(4)

式中:k表示描述地下工程与周边POI设施紧密程度的系数;D表示分析缓冲区范围内所有POI点至地下工程的平均距离;Δrange表示分析缓冲区半径的上下限范围差,本文中对于rⅠ范围差Δrange=800-50=750 m,适用于情形1、情形2、情形7分析,对于rⅡ范围差Δrange=2 000-50=1 950 m,适用于情形3～情形6的分析。在确定工程所属区位情形时,取k值最小的情形作为分析指标。

结合调研结果、区位分析,确定各早期地下工程的更新改造影响指标见表11。

表11 中山路片区部分早期地下工程更新改造影响指标统计

3.3 适宜模式决策评价

利用2.3节分类树的模型,将表11中所示的18种影响因素情况下的工程指标导入,利用Predict接口对各情况进行预测。在评估过程中,结合2.3节理论,对模式隶属概率进行考虑,即分类树评估中要求次级模式对应概率≥0.4才能作为合理结果,计算结果见表12。

表12 中山路片区早期地下工程更新改造模式初次决策

根据表12,地下动态交通、地下静态交通的最小权重影响因素是用地类型,地下文娱的用地类型的最小权重影响因素是面积。因此,用地类型根据当前用地类型最邻近的主要用地类型调整,面积依照最邻近规模调整。在动态交通、地下静态交通大类模式影响下,地下通道项目1用地类型由S调整为B,地下通道项目2用地类型由S调整为A。调整后的数据重新作为预测数据导入决策树,二次决策评价结果中,节点项目1和节点项目2的M1形态产生了地下体竞这一大类模式,这是由于规模较大产生的结果,不符合实际情况,故舍弃,其余结果与第1次决策基本一致。在确定上述模式后,最终可确定模式汇总见表13。

表13 中山路片区早期地下工程更新改造模式二次决策

4 结论与建议

在存量土地发展背景下,城市早期地下工程是我国“实施城市更新行动”中的宝贵空间资源。本文在借鉴国内外相关发展经验的基础上,提出了基于决策树的城市早期地下工程更新改造模式的规划评价方法,以期为我国大中城市科学合理地挖潜存量地下空间资源提供有益借鉴。基于代表性案例分析,构建了包括24个基本样本和1 605个构造样本的决策树样本集,同时结合青岛市中山路片区的具体实践案例,主要得到如下研究结果。

1) 城市早期地下工程更新改造模式类别应重点考虑包括地下动态交通、地下市政公用、地下仓储物流、地下商业、地下文娱、地下社区服务、地下静态交通7个大类模式以及21个小类模式。

2) 城市早期地下工程小类模式更新改造影响因素包括用地类型、结构形态、面积、埋深和周边区位条件。将不同影响因素拆分为不同属性,既可以体现城市早期地下工程的差异性,又更易于决策过程中的标签化处理。

3) 针对城市早期地下工程更新改造的特点,决策树方法中采用“大类-小类”强对应原则,并结合研究成果构造决策样本集。为保证模型可靠,建立适用于早期地下工程更新改造决策树的可靠性评定方法,采用二次决策方法,丰富和拓展决策树的单一决策结果。青岛市中山路片区实例研究验证了本文所提出的理论方法具有较强的可行性。

本文现阶段的研究成果受限于早期地下工程有效样本量的局限性和更新改造决策过程的复杂性,与直接指导实际规划项目决策尚有一定距离,仅可作为城市更新中早期地下工程更新改造规划决策的技术参考。后续研究中应聚焦有效基本样本的数量和质量,以提高决策树方法的决策效果;同时应关注综合效益评估或适宜性评估方法,深化更新改造方案决策结果的科学性和落地性。