基于贝叶斯网络的老旧小区改造项目风险管理研究

摘要：由于老旧小区改造项目的多主体和长周期等复杂特征，老旧小区改造项目的风险管理非常重要。然而现有老旧小区改造项目风险管理尚未清晰阐释该复杂系统中多重风险因素的传播路径。因此，本研究旨在评估老旧小区改造项目中各类风险因素的因果关系和影响程度，识别关键风险，并提出有效的控制策略。研究以重庆市红育坡片区老旧小区改造项目为例，基于贝叶斯网络构建老旧小区改造项目风险评估体系。结果表明，融资风险、收益不确定风险、安全事故风险、项目规划设计风险及历史文化保护风险是影响项目成功的关键风险因素，通过加强政策保障、稳定公众情绪等措施可以显著降低项目风险。

关键词：老旧小区改造；风险管理；项目管理；贝叶斯网络

0 引言

随着城市发展从增量时代逐步进入存量时代，老旧小区改造项目作为城市更新与民生改善的重要一环，日益成为国家和社会关注的焦点。老旧小区改造项目不仅需要更新建筑结构，还涉及城市功能提升、产业转型升级、社区重构与文化复兴等复杂内容^[1]。因此，老旧小区改造项目面临着多维度的不确定性和复杂的风险因素。当前我国的老旧小区改造项目覆盖约16万个社区，总面积达8亿m²，影响家庭超过4200万户，广泛的覆盖面进一步加剧了老旧小区改造项目风险管理的难度。

与新建项目相比，老旧小区改造项目的风险管理尤为复杂且具有挑战性。首先，现有老旧小区中居民的产权结构往往复杂，产权界定模糊不清，这使得项目在协调和设计过程中面临诸多障碍^[2]；其次，老旧小区改造涉及范围广泛，涵盖的工种与施工项目繁多，施工过程的技术要求较高，若产生施工事故，不仅可能延误工程进度，还会引发严重的法律和经济后果^[3]；最后，若在改造设计中忽视了城市文化遗产的保留，可能导致历史文化的破坏，甚至可能引发社会矛盾^[4]。因此，如何系统地识别、评估与管理这些项目中的复杂风险，已成为确保项目顺利实施的关键课题。

尽管现有研究已应用了层次分析法、模糊综合评判法和熵权法等方法来评价老旧小区改造项目的风险^[5-7]，但在评估复杂项目多重风险因素的传播路径方面仍存在不足。在老旧小区改造项目中，项目的多变性和不确定性使得传统的风险管理方法难以应对，贝叶斯网络的引入可以有效识别和量化各类风险，并通过模拟不同情境下的风险传播路径，可提供决策支持^[8]。近年来，贝叶斯网络在风险管理领域的应用研究日益增多，如何清华等^[9]建立了大型复杂项目进度风险贝叶斯网络模型，明确了影响该类型项目进度的关键因素；Sanchez等^[10]通过贝叶斯网络分析项目成本超支等风险。然而，该方法对老旧小区改造项目的应用研究仍待深入。

因此，本研究旨在基于贝叶斯网络模型，量化评估老旧小区改造项目中存在的各类风险因素对项目实施的传播路径和程度，特别是识别出对项目关键影响因素，并提出有效的风险控制策略，以提升老旧小区改造项目的风险管理水平。本文首先阐述了研究背景与研究问题，其次介绍了研究方法与数据来源，再次展示了贝叶斯网络模型的构建过程及其分析结果，并总结了研究结论，提出了针对性政策建议与实际应用，最后讨论了研究的局限性与未来研究方向。

1 贝叶斯网络研究方法及设计

贝叶斯网络为图形模型的开发奠定了重要基础，通过可视化一组变量及其联合概率分布之间的关系，直观呈现变量间的因果关系和影响程度^[11]。这种网络通过绘制变量间的因果关联，并对其进行数字编码（即确定每个变量的条件概率）来组织和推理任何研究领域中的知识^[12]。通过结合概率论与图论的优势，贝叶斯网络不仅能够在不确定性环境下进行推断，而且还能通过直观的图形结构清晰地展现变量之间的依赖关系，从而模拟系统的发展过程。这种方法已被广泛应用于多个领域，包括决策支持、信息检索、不确定信息处理和复杂系统建模等^[13-14]。

贝叶斯网络通常包括两个核心组成部分：一是有向无环图（DAG），用于表示节点之间的依赖关系；二是条件概率表（CPT），用于量化DAG中关系的强度^[15]。在DAG中，节点表示影响城市更新风险管理的关键指标，箭头则表示这些节点之间的因果关系。每个箭头从父节点指向子节点，体现因果图在贝叶斯网络分析中的基础性作用。构建DAG通常采用两种方法：一是基于专家经验，二是基于训练集的机器学习。本研究结合了这两种方法，即首先通过机器学习识别节点关系，然后利用专家知识对节点关系的合理性进行判断。

1.1 初步构建贝叶斯网络

研究的第一步是基于已知的风险因素及相关文献来确定贝叶斯网络的基本要素。该过程涉及对该领域专家知识的整合，并通过对现有文献的深入理解来识别关键变量，进而确定构成网络节点的关键风险因素，这些因素构成了网络的基础框架。

1.2 数据学习与贝叶斯网络构建

将收集到的训练数据集导入MATLAB软件，并使用K2算法挖掘节点之间隐藏的因果关系。这些问卷数据包含了关于风险因素及事件发生情况的大量观测数据，可用于调整初步网络中的概率分布，构建完整的先验贝叶斯网络。通过MATLAB中的贝叶斯网络工具箱（Bayesian Network Toolbox，BNT）进行参数学习，构建一个完整的先验贝叶斯网络。该过程不仅有助于确定网络中各节点的具体参数，还能揭示在初步设计阶段未充分考虑到的关系。这种方法确保模型能够更准确地反映实际情境中的复杂关系，并能够更有效地预测未来可能出现的结果。

此外，有必要利用专家知识对机器学习所得的节点连接关系进一步分析和筛选。如果专家一致认为某些节点之间的连接关系不存在或关系过于微弱，则可以移除这些不合理的连接。最终的DAG是在专家知识与机器学习方法的结合下构建的。

1.3 贝叶斯网络分析

为了进一步分析和验证贝叶斯网络的有效性，将完整的先验贝叶斯网络导入GeNIe 2.4.1软件进行分析。GeNIe是一款强大的图形化决策建模软件，专门用于构建和分析贝叶斯网络。在GeNIe软件中，通过对先验贝叶斯网络进行推理和验证，得到后验贝叶斯网络。后验贝叶斯网络反映了在给定节点概率的条件下，网络中各节点的概率更新情况。这种分析能够识别出关键风险因素及其传播路径，为制定有效的风险管理策略提供科学依据。

2 实证案例研究及分析

2.1 实证研究对象

本研究以重庆市九龙坡区红育坡老旧小区改造项目（以下简称“红育坡项目”）为对象进行老旧小区改造风险管理案例研究。红育坡片区位于重庆市九龙坡区，改造总建筑面积约为12.6万m²，涉及88栋楼房，共计3746户居民。作为该区域历史最为悠久的社区之一，红育坡片区不仅承载了大量居民的生活记忆，还保留了许多具有历史价值的建筑。随着时间推移，该片区内建筑老化严重，基础设施陈旧，居民生活质量显著下降。鉴于其独特的历史背景和迫切的改造需求，选择红育坡项目作为案例研究，不仅有助于深入分析老旧小区改造项目中的多重风险因素，还能够为类似项目的风险管理提供理论支持和实践指导。

在改造决策过程中，决策者们不仅充分考虑了片区的历史与现状，还结合居民的实际需求，制订了详细的改造计划。在改造提升过程中，红育坡项目采用了创新性的公众参与和市场化运作模式。在项目初期，社区组织进行了广泛的调研与梳理，整合了停车位、充电桩、农贸市场、公有房屋、闲置物业、广告位及散居楼栋清扫保洁七大类经营性收入来源。为解决资金不足的问题，红育坡项目引入PPP运作方式，与愿景集团和国有公司合作，共同组建SPV公司，总投资金额达3.7亿元。该计划包括基础设施升级、公共服务设施建设、社区环境美化及居民生活条件全面提升等方面。通过一系列的举措，红育坡片区的居民生活质量得到了显著改善，社区安全和服务水平也得到了全面提升。

红育坡项目因其创新的改造模式和显著的社会效益，被国家发展和改革委员会、住房和城乡建部列为全国推广的典型案例。这一项目为其他城市的老旧小区改造提供了宝贵经验，也为本研究提供了丰富的实证数据。因此，深入分析红育坡片区老旧小区改造中的多重风险因素，能够为类似老旧小区改造项目的风险管理提供理论支持和实践指导。

2.2 风险因素识别

识别风险节点是构建城市更新风险管理贝叶斯网络模型的关键起点。通过对相关文献、项目现场调研结果及专家意见的综合评估，确定关键风险因素，如融资风险、公众情绪风险和项目设计风险等。为确保风险评价指标体系的科学性和合理性，本研究采用德尔菲法进行专家咨询。通过多轮专家反馈，对相似指标进行合并，修正不准确的表述，并补充文献中未充分考虑的风险因素。

本研究邀请5名在城市更新与发展领域具有丰富经验的专家参与，并设计了一份半结构化问卷，征求他们对主要指标的建议和意见。经过三轮严格的德尔菲调查，最终得出5个一级指标，13个二级指标，这些指标构成城市更新风险管理贝叶斯网络的节点集，城市更新风险管理贝叶斯网络的节点集见表1。为确保模型的清晰表达，每个风险节点都设置标准化编号。

2.3 数据收集

在红育坡项目中，数据收集与贝叶斯网络构建基于对项目具体情况的深入调研和分析。为了构建适用于本研究的风险管理评估体系，研究团队邀请了55名熟悉本项目背景和实际操作的专家及本项目利益相关方进行评分。以3分、2分、1分代表高风险、中风险和低风险，从而量化专家对老旧小区改造项目风险管理的评估。

数据收集过程严格遵循规范化流程，以确保数据的科学性与可靠性。参与评分的55名受访者中，4名来自政府部门，11名来自企业，30名为咨询公司或学术界专家，10名为直接参与项目的居民代表。数据收集工作于2024年5—7月完成。

2.4 贝叶斯网络模型分析

2.4.1 贝叶斯网络构建

经过系统分析复杂的贝叶斯网络模型，分析不同风险因素间的复杂因果关系，城市更新风险管理有向无环图如图1所示。尽管该贝叶斯网络的结构复杂，但通过分析可以发现其内在逻辑关系和风险传播路径。

融资风险（C₄）被识别为一个关键的父节点，对多个下游风险因素产生显著影响。融资风险的增加可能导致政策执行力度不足（C₂），资金不足限制了政府和开发商在项目推进过程中的资源投入，从而削弱了政策的实施效果。由于资金获取难度增加，项目在预算管理和成本控制上面临更大压力，易造成建造成本变动风险（C₃）。更重要的是，资金不足可能导致项目延误或工程质量降低，引发公众的质疑和不满，造成公众情绪风险（C₆）。

安全事故风险（C₈）作为另一个重要的父节点，其带来的连锁反应也不容忽视。安全事故威胁工人及周边居民的生命安全，可能直接导致公众情绪的不满，造成公众情绪风险（C₆）。此外，安全事故风险还可能增加施工过程中的合同风险（C₁₀）和进度风险（C₁₁），因施工停工、工期延误或合同纠纷而使项目面临更大的不确定性。

项目规划设计风险（C₉）主要影响地域文化保护风险（C₁₃）。如果在项目规划和设计阶段未充分考虑当地的文化保护需求，可能会对地域文化造成破坏，进而引发文化保护方面的风险。这一风险不仅会影响项目的社会认可度，还可能导致政策上的压力和制约。

历史文物保护风险（C₁₂）会造成政策变更风险（C₁），导致政策执行力度不足（C₂）。具体来说，历史文物保护政策要求项目在实施过程中保留和保护一定的历史文化建筑，这可能需要额外的技术支持和施工时间，易造成进度风险（C₁₁），不仅增加项目成本，还可能引发合同风险（C₁₀）。

2.4.2 贝叶斯网络中各因素影响程度分析

构建贝叶斯网络模型后，分别对网络中各因素对各自一级指标的影响程度进行量化分析，识别出对一级指标影响最大的关键因素。各影响因素后验贝叶斯网络概率及分数见表2，显示了当每个风险因素的高风险发生概率设定为100%时，对S₁～S₅这5个一级指标的风险影响（L表示低风险，M表示中风险，H表示高风险）。

政策执行力度不足（C₂）在政策风险中表现出显著的影响力。这一因素的高影响力可能源于政策执行直接决定了项目的顺利推进及其预期目标的实现。政策执行不到位会带来一系列连锁反应，如资源分配不均、项目推进缓慢，以及公众信任度下降等。

融资风险（C₄）和收益不确定风险（C₅）对经济风险均产生较大影响。融资风险主要涉及项目资金的获取和管理，而收益不确定风险则与项目投资回报的预期紧密相关。这两个因素直接影响项目的经济可行性和资金流动性。资金短缺和收益的不确定性可能导致项目在启动和运营过程中面临财务压力，进而影响项目的整体进展。

公众情绪风险（C₆）是另一个影响显著的因素。公众情绪对项目的社会接受度和支持度具有重要影响。公众对项目的情绪波动可能源于对项目透明度、环境影响、施工扰民等方面的担忧。如果公众情绪不稳定，可能引发抗议、诉讼等社会问题，进而影响项目的正常推进。

项目规划设计风险（C₉）直接影响项目的实施效果和长期可持续性。规划设计的质量不仅决定项目的功能性和美观度，还影响施工难度和成本。设计失误或不足可能导致施工过程中的变更和返工，增加时间和成本投入。

历史文物保护风险（C₁₂）和地域文化保护风险（C₁₃）对文化风险的影响程度相当。这两个因素涉及项目实施过程中对历史文化遗产和地域文化的保护要求。历史文物和地域文化是城市发展的重要组成部分，对其保护不当可能引发文化遗产的破坏和文化认同的丧失。这不仅影响项目的社会认可度，还可能导致法律纠纷和政策制约。

3 老旧小区改造项目风险管理结论与建议

通过对红育坡项目的风险管理分析，本研究不仅验证了贝叶斯网络模型在复杂项目管理中的有效性，还为实际项目的风险控制提供了切实可行的策略，为其他老旧小区改造项目风险管理提供了可复制经验。

3.1 研究结论

在缺乏有效监督机制的情况下，政策执行可能会被扭曲或流于形式，无法达到预期效果。相关研究已证实，政策执行的透明度和监督机制缺乏对项目成功产生了显著影响^[18]。此外，本研究进一步揭示了公众情绪在项目管理中的重要性，特别是当项目涉及生活设施、环境影响和施工扰民等方面时，公众的担忧可能导致情绪波动，从而引发抗议、诉讼等问题，严重影响项目的正常推进，因此公众参与和情绪管理在旧改项目中起着至关重要的作用^[19]。

融资问题既是经济层面的问题，更是影响项目全局的综合性问题。融资难度增加不仅直接导致政策执行力度不足，还对项目的整体进度和质量产生负面影响。同时，资金不足导致的项目延误会加剧公众的负面情绪，从而影响项目的社会接受度和支持度。近年来，相关部门积极探索建立政府部门与社会资本的共担机制，共同促进老旧小区改造多主体参与的模式创新^[20]。本研究进一步强调了融资问题对政策执行力和公众情绪的深远影响，而这在现有研究中往往是被忽视或低估的。

提升施工现场的安全管理水平，不仅能够减少事故发生概率，还能降低项目的整体风险。安全事故的发生不仅对项目的顺利推进构成直接威胁，还通过增加合同纠纷和延误等方式间接影响项目的总体成败^[21]。施工过程中安全事故频发的主要原因是安全管理水平低，具体表现为施工现场安全监管不足、安全意识薄弱，以及缺乏先进的安全管理技术。此外，安全事故对公众情绪和项目的社会接受度产生深远影响，这一结论扩大了传统施工安全管理的视野，将其与社会风险管理相结合，从而为项目管理提供了更为全面的风险防控框架。

文化保护需求必须在项目的早期设计阶段得到充分考虑，以确保文化遗产在改造过程中不被破坏，从而提升城市的整体文化保护水平。项目规划设计风险与地域文化保护风险直接相关，不当的规划设计可能会对地方文化遗产造成不可逆的损害。在项目规划设计过程中，如果未充分考虑当地的文化保护需求，可能会破坏地域文化^[22]，导致文化认同削弱，并可能引发法律纠纷和社会矛盾^[23]。规划设计不当导致的文化损失风险，不仅会对项目本身的成功造成威胁，还可能对更广泛的社会和文化环境造成负面影响。因此，在规划设计阶段应当充分整合文化保护需求，并通过提高公众和项目参与者的文化保护意识，推动项目的社会认可度。

3.2 建议

3.2.1 强化执行透明度，加强公众沟通与参与管理

改造过程中应建立系统的居民参与机制，将居民纳入决策和监督的过程。定期举办业主咨询会、社区论坛和问卷调查，不仅能够增强政策的透明度，还可以收集和反映居民的真实需求与意见。此外，应强化社区宣传与教育工作，通过多渠道传播，解释项目的重要性及其对社会和经济的潜在益处，并详细阐述项目的环境保护措施，从而增加居民对项目的理解与支持。建议设立公众监督平台，允许居民实时反馈政策实施中的问题，并确保这些反馈能够迅速得到回应和处理，从而最大限度地减少政策执行中的摩擦和冲突。

3.2.2 破解融资难题，打造稳健资金链

在项目融资方面，应当拓展多元化的融资渠道，以缓解资金不足的风险。通过设立老旧小区改造专项基金和多主体融资等方式，有效分散风险，确保项目的持续资金供应。此外，政府应出台相应的政策支持措施，如提供财政补贴或税收优惠，降低企业参与的财务成本，进一步增强项目的吸引力和可行性。同时，建议加强与金融机构的合作，探索创新型融资工具，以适应老旧小区改造项目的特定需求。在此过程中，应重视对融资结构的合理设计，确保资金链的稳健性与持续性。

3.2.3 强化安全管理，降低项目多重风险

老旧小区改造项目的实施需要严格的安全管理措施。应建立全面的施工安全管理体系，包括定期安全检查、施工现场监管及应急预案制定。对施工人员进行定期安全培训，提高安全意识和技能水平，以减少施工过程中潜在的安全隐患。引入先进的施工技术和安全管理工具，如智能监控系统和安全防护设备，以有效提高施工现场的安全管理水平。此外，应严格执行国家和地方的安全生产法律法规，对违反安全规定的行为进行严厉处罚，确保施工过程的安全性和合规性。

3.2.4 优化设计规划，守护城市文化根脉

在老旧小区改造项目的设计阶段，必须充分考虑当地的文化保护需求。建议在项目设计方案的审查过程中，重点考虑项目对文化遗产的保护。同时，加强宣传工作，提升项目参与者和公众对文化保护重要性的认识。通过在设计中融入地域文化元素及丰富社区元素，既保护文化遗产，又增强项目的文化认同感。政府应鼓励和支持文化保护与项目开发相结合的创新设计方案，在提升城市更新项目整体文化价值的同时，守护城市的文化根脉。

4 结语

本研究围绕老旧小区改造项目的风险管理问题，系统地构建贝叶斯网络模型，揭示了不同风险因素之间的因果关系及其对项目成功的影响程度。首先，通过文献综述与专家访谈，识别出影响老旧小区改造项目的关键风险因素，并基于此构建贝叶斯网络因果结构。其次，通过数据学习与模型推理，分析各个风险因素的相对重要性与相互作用，提供了项目风险的定量化评估。

本研究的贡献主要体现在三个方面：第一，通过将贝叶斯网络引入老旧小区改造项目的风险管理，为复杂多变的风险因素分析提供了一种系统化和科学化的工具；第二，揭示了各风险因素间的因果关系，为风险管理策略的制定提供了实证依据；第三，结合实际项目数据进行模型验证，进一步增强了研究结果的可靠性和实用性。

尽管本研究通过红育坡项目的实证研究，验证了贝叶斯网络在老旧小区改造项目风险管理中的有效性，但仍存在一些局限性。首先，模型的构建和分析依赖于专家意见和历史数据，可能存在主观性偏差。其次，贝叶斯网络虽然能够量化风险因素的关系，但在处理动态变化的风险环境时仍有不足。未来研究可以考虑引入动态贝叶斯网络，或将贝叶斯网络与其他预测模型、优化算法相结合，以提高风险管理的精度和灵活性。此外，未来研究还可以探索在更大规模或跨区域的城市更新项目中应用这一方法，进一步验证其适用性。

参考文献

[1]邹兵. 增量规划向存量规划转型：理论解析与实践应对[J]. 城市规划学刊，2015（5）： 12-19.

[2]LIU G，ZHANG Y，ZHUANG T，et al. Deciphering trust in grassroots government for vibrant resident participation in neighborhood regeneration： an empirical study in China's top-down governance system[J]. Cities，2024（152）： 105244.

[3]徐飞，孙涛. 老旧小区改造项目施工难点及解决对策[J]. 住宅与房地产，2024（10）： 110-112.

[4]孙乙菁，肖大威，黄璐. 完整社区理念下的广州历史城区老旧小区改造探索[J]. 南方建筑，2023（9）： 62-69.

[5]李小兰. 基于综合评价理论的老旧小区改造项目风险评价研究——以兰州市某老旧小区改造项目为例[J]. 房地产世界，2023（5）： 30-33.

[6]陶淼，霍良安. 老旧小区改造项目风险评价研究——以江苏省S县为例[J]. 改革与开放，2021（18）： 42-52.

[7]魏丽平，高红，赵永江，等. 基于熵权未确知测度的老旧小区改造工程施工安全风险评估[J]. 河北建筑工程学院学报，2023，41（1）： 156-162，181.

[8]杨德磊，董珂欣，杨曦. 基于贝叶斯网络的乡村振兴项目进度风险因素研究[J]. 项目管理技术，2024，22（5）： 57-66.

[9]何清华，杨德磊，罗岚，等.基于贝叶斯网络的大型复杂工程项目群进度风险分析[J].软科学，2016，30（4）：120-126，139.

[10]SANCHEZ F，BONJOUR E，MICAELLI J P，et al. An approach based on bayesian network for improving project management maturity： An application to reduce cost overrun risks in engineering projects[J].Computer in Industry，2020（119）： 103227.

[11]HENRIKSEN H J，RASMUSSEN P，BRANDT G，et al. Public participation modelling using Bayesian networks in management of groundwater contamination[J]. Environmental Modelling amp; Software，2007，22（8）： 1101-1113.

[12]MARCOT B G，PENMAN T D. Advances in bayesian network modelling： Integration of modelling technologies[J]. Environmental Modelling amp; Software，2019（111）： 386-393.

[13]WANG W，SHEN K，WANG B，et al. Failure probability analysis of the urban buried gas pipelines using bayesian networks[J]. Process Safety and Environmental Protection，2017（111）： 678-686.

[14]毛腾，褚菲，王建文，等.基于分布式混合贝叶斯网络的煤泥浮选过程安全运行与产品质量一体化控制方法[EB/OL].（2024-06-11）[2023-08-01].https：//doi.org/10.13195/j.kzyjc.2023.1481.

[15]李硕豪，张军. 贝叶斯网络结构学习综述[J]. 计算机应用研究，2015，32（3）： 641-646.

[16]康肖厚炜，王昊，孙成双. 城市更新背景下旧居住区改造项目风险管理研究[J]. 工程管理学报，2023，37（2）： 49-54.

[17]李芊，安琪. 老旧小区改造全过程风险分析与对策研究——基于改进的熵权—灰色关联法[J]. 生产力研究，2021（6）： 48-52.

[18]孙兆尹.老旧小区改造政策执行研究[D].桂林：桂林理工大学，2022.

[19]FU X，QIAN Q K，LIU G，et al. Overcoming inertia for sustainable urban development： understanding the role of stimuli in shaping residents' participation behaviors in neighborhood regeneration projects in China[J]. Environmental Impact Assessment Review，2023（103）： 107252.

[20]董炫旻. 社会资本参与老旧小区改造项目的创新融资路径——以北京劲松北社区改造为例[J]. 现代城市研究，2024（6）： 46-51.

[21]高静宇.基于贝叶斯网络的老旧小区改造施工安全风险研究[D].呼和浩特：内蒙古科技大学，2023.

[22]宋俊元，刘维，杨鹏，等. 老旧小区改造项目管理面临的挑战与应对策略[J]. 城市建设理论研究，2023（28）： 63-65.

[23]郑翔云，朱玲. 城市旧城改造中对文化遗产保护问题的探析[J]. 住宅与房地产，2018（25）： 227.

收稿日期：2024-08-22

作者简介：

张宇航（1999—），男，博士，研究方向：城市更新。

王昊（通信作者）（1983—），男，教授，博士研究生导师，研究方向：城市更新、城市建设与管理、GIS决策支持工具、可持续人居环境。