城市地下空间适宜性评价方法研究综述

城市地下空间适宜性评价方法研究综述一、城市地下空间适宜性评价的核心内涵与基础框架城市地下空间适宜性评价本质是在特定城市发展目标约束下，对地下岩土介质特性、地质环境承载力、地上开发需求三者的耦合匹配度进行量化评估，核心目标是识别地下空间开发的限制因子、划定开发适宜性分区、明确不同深度层的开发功能导向，为地下空间资源的分层、分类、有序开发提供科学依据。评价维度通常涵盖地质适宜性、工程经济性、功能兼容性三大核心板块，其中地质适宜性是评价的基础前提，工程经济性是开发决策的重要参考，功能兼容性是规划落地的核心导向。当前主流评价框架遵循“目标层-准则层-指标层”三级结构：目标层明确评价的空间范围、深度区间与开发导向，如中心城区30米以浅的地下商业与交通开发适宜性评价；准则层从自然地质、建设条件、社会需求等维度设置判断标准，通常包括工程地质条件、水文地质条件、地质灾害风险、地上建设现状、城市规划需求5类核心准则；指标层则将准则细化为可量化的具体参数，常见指标包括岩土体物理力学参数、地下水埋深、断层分布密度、地面沉降速率、周边人口密度、土地利用类型等。不同城市根据地质禀赋与开发需求的差异，会对指标体系进行本地化调整，例如岩溶发育地区会额外增加岩溶分布特征、溶洞充填率等指标，沿海软土地区会突出软土层厚度、灵敏度等关键参数。二、传统评价方法的技术路径与应用局限2.1层次分析法与德尔菲法结合的半定量评价层次分析法（AHP）是早期城市地下空间适宜性评价的主流方法，其核心逻辑是通过构建判断矩阵对不同指标的相对重要性进行赋值，结合专家经验确定指标权重，最终通过加权叠加得到适宜性评分。该方法的优势在于操作简便、逻辑清晰，能够有效整合多源异质指标，尤其适用于基础地质资料不完善的中小城市开展初步评价。国内早期如北京、上海等城市的首轮地下空间规划均采用过该类方法，通过邀请地质工程、城市规划、交通工程等领域的20~30名专家进行多轮打分，确定各指标权重后完成适宜性分区。但该方法的局限性也十分突出：一是权重确定受专家主观经验影响较大，不同专家对同一指标的重要性判断可能存在显著差异，导致评价结果的可重复性不足；二是难以反映指标之间的非线性耦合关系，例如地下水腐蚀性与岩土体渗透性之间存在明显的交互作用，简单加权叠加无法体现这类关联对开发适宜性的复合影响；三是对空间异质性的刻画能力较弱，传统AHP方法通常将评价单元视为均质区域，难以反映小尺度范围内地质条件突变对适宜性的影响。2.2基于GIS的叠加分析评价地理信息系统（GIS）技术的普及推动了适宜性评价从半定量向空间定量化发展，该方法通过将各评价指标转化为空间栅格图层，利用GIS的空间分析功能进行图层加权叠加，最终生成空间连续的适宜性分区图。相较于传统AHP方法，GIS叠加分析能够直观呈现适宜性的空间分布特征，支持不同深度层的三维评价结果可视化，同时可以实现评价单元的精细化划分，通常可以将评价单元精度提升至10米×10米甚至更高分辨率。该方法的主要局限在于对指标的空间插值精度依赖度较高，当地质勘察点位分布不均时，插值生成的指标图层可能与实际情况存在较大偏差，尤其是在地质条件复杂的丘陵或山地城市，稀疏的勘察点难以刻画地下介质的空间突变特征。此外，传统GIS叠加分析仍然采用线性加权逻辑，没有解决指标间非线性作用的刻画问题，对于存在明显限制因子的区域（如活动断层穿过区域），简单加权可能会高估其开发适宜性，导致评价结果出现偏差。三、智能算法驱动的定量评价方法发展3.1机器学习算法在适宜性评价中的应用随着地质勘察数据的积累与计算能力的提升，机器学习算法开始被广泛应用于地下空间适宜性评价，目前应用较多的包括随机森林、支持向量机、人工神经网络等模型。这类方法的核心优势在于能够通过对样本数据的自主学习，挖掘指标与适宜性之间的非线性映射关系，无需人工确定指标权重，有效降低了主观因素的影响。例如随机森林算法可以通过多棵决策树的投票机制，输出各指标的重要性排序，同时识别不同指标之间的交互作用，其评价精度通常比传统加权方法提升15%~30%。在实际应用中，机器学习方法需要大量高质量的标注样本作为训练基础，样本通常来源于已开发地下空间的工程案例，将实际开发中的难度等级、工程成本等作为标签数据。但目前国内已完成的地下空间开发项目的工程数据公开度较低，不同城市的地质条件差异较大，跨区域的样本迁移适用性不足，这在一定程度上限制了机器学习方法的推广。此外，机器学习模型的“黑箱”特性导致评价结果的可解释性较差，难以向规划管理者解释评价结果的生成逻辑，这也是其在规划实践中应用的主要障碍之一。3.2耦合多模型的综合评价方法为解决单一评价方法的局限性，近年来越来越多的研究开始采用多模型耦合的技术路径。常见的耦合模式包括：将层次分析法的主观权重与熵权法的客观权重相结合，得到组合权重后进行加权叠加，兼顾专家经验与数据本身的客观规律；将模糊数学理论与GIS技术结合，通过隶属度函数处理指标的模糊性问题，例如“地下水埋深对适宜性的影响”本身不存在明确的阈值边界，通过模糊隶属度可以更合理地刻画这类渐变关系；将数值模拟方法与评价模型耦合，通过FLAC³D、MODFLOW等数值模拟软件，模拟不同开发模式下的地质环境响应，将模拟结果作为适宜性评价的输入参数，提升评价结果的科学性。例如针对城市深部地下空间（50米以深）的适宜性评价，通常会采用“数值模拟+机器学习+GIS”的耦合框架：首先通过数值模拟得到不同开发深度下的地应力分布、围岩变形特征等参数，将其作为评价指标输入机器学习模型进行训练，最终通过GIS平台实现三维适宜性评价结果的可视化输出。这类耦合方法综合了不同技术的优势，既提升了评价精度，又保留了一定的可解释性，是当前适宜性评价方法发展的主流方向。四、评价方法的场景化适配与技术创新4.1不同功能导向的评价方法差异化设计当前评价方法开始从通用型评价向场景化评价发展，针对不同地下空间开发功能的需求，设计差异化的指标体系与评价逻辑。例如地下轨道交通开发的适宜性评价，会重点突出岩土体稳定性、地面沉降敏感性、与周边地下构筑物的空间距离等指标，同时需要考虑线路走向的工程经济性；地下储油库等战备设施的适宜性评价，会将岩体完整性、地下水渗透性、地质灾害风险等作为核心限制因子，对评价结果的安全性要求远高于经济性要求；地下商业综合体开发的适宜性评价，则会更多地考虑与地上商业中心的区位匹配度、周边人口密度、竖向交通接驳条件等社会经济指标，地质条件的权重相对更低。这种场景化的评价设计有效提升了评价结果的实用性，避免了通用评价结果与实际开发需求脱节的问题。以上海市为例，其在2023年完成的地下空间规划中，针对交通、市政、商业、仓储、战备5类核心功能，分别构建了独立的评价体系，不同功能区的适宜性分区结果差异明显，为后续地下空间的功能布局提供了精准支撑。4.2三维精细化评价技术的发展传统评价通常以分层二维评价为主，即对0~10米、10~30米、30~50米等不同深度层分别进行二维评价，难以反映地下空间的三维连续分布特征。近年来随着三维地质建模技术的成熟，三维精细化评价开始逐步应用于实践，通过构建城市尺度的三维地质模型，将评价单元设置为三维体元（通常为5米×5米×2米的立方体），对每个体元的适宜性进行独立评价，最终生成三维连续的适宜性评价模型。三维评价能够直观展示不同深度的适宜性变化特征，支持地下空间的竖向分层规划，例如可以明确哪些区域适合浅层开发地下商业、哪些区域适合深层开发轨道交通，实现地下空间的竖向资源高效利用。目前广州、深圳等城市已经开展了中心城区的三维地质建模与适宜性评价工作，评价结果直接对接城市地下空间规划管理平台，支持规划人员实时查询任意坐标、任意深度的开发适宜性参数，大幅提升了规划管理的效率。五、当前研究存在的不足与未来发展方向当前城市地下空间适宜性评价研究仍存在三个核心短板：一是多要素耦合机制研究不足，现有评价方法大多停留在指标叠加层面，对“地质环境-开发行为-长期演化”三者之间的动态耦合机制研究不够深入，评价结果大多为静态适宜性，难以反映长期开发过程中地质环境变化对适宜性的动态影响；二是跨学科融合不足，评价团队以地质工程领域研究者为主，城市规划、交通、市政等领域的参与度较低，导致评价结果与地上城市规划的衔接性不足；三是数据共享机制不完善，不同部门的地质勘察数据、地下管线数据、建设项目数据相互独立，难以形成统一的评价基础数据库，制约了评价精度的提升。未来评价方法的发展将呈现三个核心趋势：一是动态评价技术的发展，结合物联网监测数据与数字