《Developments in the Built Environment》：A Crowd Team Evacuation Model Considering Spring Effect
编辑推荐：
为精准评估建筑工程施工阶段（LCA模块A4-A5）的环境影响，本研究开发了一种模块化建模方法。该方法利用随机森林回归（RFR）模型，基于丹麦建筑项目的实证数据，对施工全过程中的电力、供暖、燃料、材料运输和建筑垃圾等资源流进行时间分布的预测，并将其与生命周期评估（LCA）框架结合。研究结果表明，该模型能够捕捉不同施工任务和材料类别的资源消耗变化，为动态LCA和情景分析提供了更精细的输入。该方法将施工物流与环境绩效相联系，有助于在可持续建筑规划的早期阶段进行更精确的碳排放预算和决策。
全球气候危机日益严峻，建筑业作为温室气体排放的“大户”，承受着巨大的减排压力。虽然建筑的运行能耗和碳排放正通过能效提升和电网脱碳而下降，但其“隐含碳排放”——即在建筑材料生产和施工阶段产生的碳排放——在建筑全生命周期碳足迹中的占比日益凸显，并且由于这部分排放在建筑投入使用前就已“锁定”，无法通过未来的节能改造来抵消，因此成为建筑领域早期、明确且可行动的减排靶点。在这一背景下，欧盟及丹麦等成员国正通过法规强化对建筑生命周期的碳管理，特别是针对施工过程（即LCA标准中的模块A4“运输到现场”和A5“现场施工活动”）设置了明确的碳排放限值。然而，当前的评估工具往往缺乏精确预测施工阶段随时间变化的资源消耗（如电力、燃料、废物）的能力，导致环境影响评估过于简化，难以支撑精细化的早期规划和决策。那么，如何能够提前预测一个建筑项目在施工期间会消耗多少能源、产生多少废弃物，进而精确计算其碳排放，以应对日益严格的法规要求呢？
为了回答这个问题，由Lea Hasselsteen、Aleksander P. Otovic、Harpa Birgisdóttir和Kai Kanafani组成的研究团队，在《Developments in the Built Environment》期刊上发表了一项研究。他们开发了一种创新的预测模型，旨在将施工物流与环境绩效评估紧密结合。这项研究的核心是建立一个能够模拟施工阶段资源流时间动态的模型，从而为动态生命周期评估（LCA）和情景分析提供高分辨率的数据支持。
为了构建这个预测模型，研究人员主要运用了几个关键技术方法。首先是数据收集与预处理：研究基于63个丹麦建筑项目（2014-2025年）的历史时间序列数据，涵盖电力、供暖、燃料、运输和废弃物五类资源。数据经过清洗、异常值处理，并统一归一化为相对于施工总时长的百分比时间线。其次是随机森林回归建模：对于废弃物（12种材料分型）、电力（分施工用电和临时办公用电）、供暖和燃料等资源类别，研究团队分别训练了独立的随机森林回归（RFR）模型。这些模型以项目ID、时间百分比、月份等作为输入特征，预测在特定时间点资源消耗占总量的“份额”。模型的性能通过10折交叉验证进行评估。第三是施工任务与材料关联：通过分析七个项目的施工进度表，研究人员建立了一个通用化的施工时序模型，将建筑材料按其所属的建筑构件类别，映射到特定的施工任务（如开挖基础、结构施工、安装窗户等），从而确定材料运输的时间分布（模块A4）。第四是废弃物生成估算：基于建筑材料的用量和丹麦的废弃物产生率标准，计算各类建筑废弃物的预期总量，并通过训练好的RFR模型预测其随时间产生的分布。最后是前瞻性生命周期评估：将预测得到的时间分布资源消耗量，乘以对应的动态（针对电力和供暖）或静态排放因子，计算出施工阶段（A4-A5）随时间累积的全球变暖潜势（GWP），结果以千克二氧化碳当量每平方米参考建筑面积（kg CO2e/m2RFA）表示，并与丹麦75 kg CO2e/m2的限值标准进行对比。
研究结果从多个维度揭示了施工阶段资源消耗与环境影响的动态图景。
4.1. 基于通用化施工进度的材料运输
研究通过整合多个项目的施工进度，构建了一个包含13个任务的通用化施工时间线。分析发现，大部分材料（按重量计）在前半段施工期交付，其中基础工程和结构系统施工分别贡献了约36.0%和49.2%的材料重量。这意味着材料运输相关碳排放（模块A4）主要集中在施工早期。后续的窗户安装、围护结构和屋顶工程、建筑设备安装等任务则呈现出材料交付分布更分散的特点。
4.2. 施工期间的废弃物产生
针对12类废弃物的随机森林回归模型成功预测了其累积收集的时间分布。结果显示，大多数废弃物（如砖瓦、石膏、塑料、保温材料）的收集主要集中出现在施工进程约40%之后，这与从结构工程转向内部装修和安装的阶段相符。而可燃物、混凝土和金属废弃物则出现得更早，这与开挖、基础和早期结构组装活动相关。研究特别指出，无论建筑是否为主要木结构，木材废弃物往往在后期产生，这凸显了在废弃物预测中考虑时间分辨率的重要性。
4.3. 施工期间的能源使用
4.3.1. 电力
电力消耗被分为施工活动用电和临时办公设施用电。研究发现，临时办公用电显示出强烈的季节性，在寒冷月份需求显著更高，而施工活动用电在整个施工期间分布相对均匀。临时办公用电占总电量的比例在不同项目中差异很大（9%至86%），但平均约占一半。
4.3.2. 区域供暖需求
供暖需求启动时间通常在施工进度达到50%左右（即建筑围护结构初步封闭后），并且其使用高峰集中在施工末期进行内部精装修时。总供暖消耗量（2.02至76.49 kWh/m2）的差异主要受连接供暖系统的季节和时长影响。
4.3.3. 燃料消耗
现场燃料（主要为柴油）消耗集中在施工初期，峰值出现在时间轴的前三分之一阶段，这与土方开挖、基础工作等高机械化任务相匹配。随着施工进入后期以手工安装为主的阶段，燃料消耗下降。平均燃料消耗为2.94升/平方米。
4.4. 应用预测模型管理碳限额
将模型应用于七个完整案例，评估其碳排放是否符合丹麦75 kg CO2e/m2的限值。结果显示，平均而言，运输、电力、供暖和燃料的碳排放超过了基于文献平均值设定的预算份额，而废弃物排放则低于预算。尽管如此，废弃物因其在总预算中占比最高（51.7%），其平均排放量（31.69 kg CO2e/m2）仍是最大的单一排放源，存在重要减排机会。运输排放（平均24.23 kg CO2e/m2）也集中在项目前半段。电力、供暖排放超标与冬季施工需求高相关，但随着能源结构脱碳，其影响预计会减弱。燃料排放超标严重，但使用生物柴油或加氢处理植物油（HVO）等替代燃料可使其符合限值。研究还探讨了不同承包模式（如总承包、设计施工分离、分项承包）下碳排放责任归属的复杂性，指出时间分段的排放预测有助于在合同中设定明确的、任务相关的排放阈值，改善治理。
4.5. 模型性能与泛化能力
模型在独立测试集和10折交叉验证中表现出良好的性能。对于运输、可燃废弃物、保温材料等资源流，确定系数（R2）超过60%，一致性指数（IOA）高于0.80，表明模型能够有效捕捉复杂的非线性模式。不过，对于玻璃、惰性废弃物等数据量较少或模式不规则的类别，模型预测性能较低。
综上所述，这项研究成功开发并验证了一个基于机器学习的模块化预测框架，能够生成建筑工程施工阶段资源消耗和温室气体排放的高分辨率时间分布数据。该模型将随机森林回归与前瞻性生命周期评估相结合，能够模拟电力、供暖、燃料、运输和废弃物等多重资源流随项目进度的动态变化。研究结论指出，施工过程（A4-A5）的碳排放贡献显著，且不同资源类别的排放时间分布特征各异：材料运输和燃料消耗集中于早期，废弃物和供暖消耗则偏向中后期。通过与法定碳限额的比较，研究明确了废弃物管理和早期施工阶段的减排是关键。此外，该预测工具不仅能提升动态LCA的精度，还能为早期设计决策、施工物流优化以及在不同合同模式下分配和管控碳排放责任提供量化支持。尽管模型在数据可得性和区域普适性方面存在局限，但它标志着在建筑环境领域，从静态的、回顾性的评估向动态的、前瞻性的规划和决策支持迈出了重要一步，为实现建筑业的深度脱碳提供了有力的方法论工具。
