《International Journal of Disaster Risk Reduction》：Flood risk management in historic centres: a scalable typological framework integrating GIS, BIM and VR
编辑推荐：
本研究针对历史城区日益严峻的洪水风险，提出了一种集成地理信息系统（GIS）、建筑信息模型（BIM）和虚拟现实（VR）技术的创新工作流程。研究人员通过多尺度分析和类型学框架，将真实案例特征抽象为代表性集群，构建了一个能够识别优先区域和场景的数字生态系统。该研究在意大利中部一个面临河流洪水风险的历史中心进行了测试，证明了其整合数据与流程的潜力，为灾害建模、疏散模拟和虚拟培训提供了基础，最终支持面向风险决策的技术转移。
随着气候变化导致的极端天气事件日益频繁和严重，全球城市建成环境，尤其是历史悠久的城市中心，正面临着前所未有的洪水风险挑战。一方面，全球变暖加剧了强降雨、热浪等极端天气现象，导致极端洪水事件的发生率翻倍。另一方面，城市扩张、人口密度增加和土地利用变化等人为因素，也显著增加了许多地区的洪涝脆弱性。在这双重压力下，那些常常位于河流附近或历史上易受洪水侵袭区域的历史城区，由于其独特的结构和功能特征，风险尤为突出。密集的城市肌理、狭窄的街道、老化的建筑结构、不完善的排水系统，以及高人口密度和旅游人流，共同构成了历史城区复杂的风险图景。然而，传统的风险管理方法往往基于对城市空间的简化表达，未能充分考虑人类暴露和行为动态，显得力不从心。因此，开发能够综合空间、结构和社会数据，并支持动态适应决策的创新方法论和工具，变得至关重要。
为了应对这一挑战，发表在《International Journal of Disaster Risk Reduction》上的研究论文《Flood risk management in historic centres: a scalable typological framework integrating GIS, BIM and VR》提出并演示了一个集成GIS、BIM和VR技术的数字生态系统工作流程。这项研究旨在实现历史洪水易发城镇中灾害、建筑脆弱性和用户暴露等关键因素的无缝信息整合与有效评估。
研究人员开展了一项方法学驱动的案例研究，其主要技术路径包括几个关键环节。首先，在宏观尺度上，利用GIS进行数据收集，构建了一个包含建筑脆弱性指标（如建筑保存状态BV_sc、结构材料BV_sm、开口类型BV_wd等）和用户占用指标（如使用功能UF_iu1、占用负荷UF_ol_g等）的结构化数据库。其次，基于GIS数据，采用聚类分析（如k-modes和k-means算法）识别出历史城区中反复出现的建筑街区（Building Block）和街道网络类型，从而构建出代表性的、理想化的类型学环境模型。接着，在BIM环境中参数化地构建了该类型学模型，将建筑构件（如墙、窗、门）和开放空间（街道、广场）作为信息载体，并为其赋予从GIS和模拟中导出的属性（如建筑脆弱性指数BVI、水深D、流速V等）。然后，建立了从BIM到VR的自动化工作流程，将带有语义信息的模型导入游戏引擎（如Unreal Engine），实现风险参数（如D*V乘积）的交互式、可视化（如假色映射）查询和沉浸式体验。最后，结合洪水灾害模拟（估算水流速度、深度）和人员疏散模拟（基于智能体模型评估人员移动、互动及风险），并定义了基于预警级别（注意、预警、警报）的应急时间线和情景（如基线占用、最大占用情景），以评估不同条件下的风险水平。
GIS-based macro-scale investigation
研究人员以意大利中部亚得里亚海沿岸的塞尼加利亚（Senigallia）历史中心为案例，对280栋建筑进行了GIS数据收集。分析显示，该区域建筑脆弱性整体处于中等水平（BVI均值0.41），但在东南部区域相对较高，主要与普遍存在的地下室（BV_eb）和木质窗框（BV_wd）有关。河滨地带建筑底层大开敞（BV_og）集中，增加了洪水初期入侵风险。用户占用分析表明，底层以商业（53%）为主，白天人口约3万，夜间骤降至约300人，人口暴露的动态性显著。部分公共建筑和商业活动向上层延伸，提供了约42%的就地避难（Sheltering）能力，减少了需要疏散至室外的人数。
Clustering for meso-scale typological environment
通过聚类分析，研究人员将案例研究的真实数据抽象为4个建筑街区类型簇和3个街道网络类型簇，进而构建了一个由15个建筑街区和1个广场组成的类型学城市布局模型。该模型捕捉了案例区域的主要形态特征（如街区尺寸b=33m, l=66m，街道宽度4-6米，坡度近乎水平）和功能模式（如商业-居住混合、多层公共建筑）。类型簇的分布比例反映了真实样本中的情况，确保了模型的代表性。此类型学环境为后续的灾害和疏散模拟提供了统一的、可转移的输入条件。
BIM-VR tool development
在BIM环境中，研究人员按照LOD B级别构建了类型学环境的三维信息模型。建筑构件（如窗、门、门槛、基础饰带）根据其BV属性进行了符号化建模，以增强可识别性。开放空间（街道、广场）被分解为模拟分析的最小信息单元。模型导出为IFC4格式后，成功导入Unreal Engine 5平台，实现了IFC语义参数到VR环境中可查询对象属性的映射。开发出的VR应用支持第一人称视角导航和交互式风险图层可视化（如按BV属性着色建筑构件，按D*V值着色开放空间），并通过世界分区（World Partition）和HLOD（Hierarchical Level of Detail）技术优化了大规模场景的性能。
研究结论与讨论部分强调，该研究成功构建并演示了一个从真实案例数据采集（GIS）到类型学抽象（聚类分析），再到信息模型构建（BIM）和沉浸式可视化（VR）的完整工作流程。这套数字生态系统能够有效整合多源异构数据，支持多尺度、动态的风险评估，并为风险沟通和决策支持提供了直观、交互的平台。其重要意义在于：方法学创新性，通过可扩展的多尺度逻辑和类型学框架，平衡了模型的复杂性与普适性，有助于知识在不同案例间的转移。技术集成性，将GIS、BIM、VR以及灾害与疏散模拟等技术无缝衔接，形成了协同效应。决策支持潜力，该系统能够识别风险热点区域（如高BVI区域、高暴露时段），评估不同应急情景下的风险水平，从而为制定针对性的结构性与非结构性减灾措施（如安装移动防洪屏障、制定分时段应急指令）提供科学依据。应用灵活性，GIS和BIM层面对中等技能人员相对友好，有利于技术转移和管理维护；而高级模拟和VR开发则由专业团队负责，形成了分层级的技术应用模式。
尽管该研究作为原型测试床取得了显著成果，但作者也指出了未来的改进方向，例如利用图像识别技术自动化GIS数据采集、扩展类型学模型以涵盖更复杂的城市形态和洪水类型（如沿海洪水）、精细化建筑内部抗洪能力评估、以及进行全面的功能测试和用户接受度评估。总体而言，这项研究为历史城区及其他复杂环境的洪水风险管理提供了一条充满前景的数字化、智能化路径。
