基于PSR和BP神经网络的地铁绿色施工评价研究.pdf

SHANGHAI ENERGY SAVING上海节能No.082023SHANGHAI ENERGY SAVING上海节能SHANGHAI ENERGY SAVING2023年第 08 期SHANGHAI ENERGY CONSERVATION上海节能 ENERGY SAVING FORUMSHANGHAI ENERGY SAVING2018 年第 08 期节能论坛ENERGY SAVING FORUMSHANGHAI ENERGY CONSERVATION上海节能No.082018节能论坛基于PSR和BP神经网络的地铁绿色施工评价研究陈日新李晓娟林明超福建农林大学交通与土木工程学院摘要：随着城镇化的大力推进，巨大数量的农村人口向城市转移，直接造成城市道路拥堵、住房资源紧张、公共配套服务难以满足需求等问题。目前，全国各城市大力建设的地铁是解决以上问题的有效工具，但大量的地铁建设势必会造成一定的能源资源浪费、环境污染和沿线居民生活不便等影响。为了减少负面影响并促进可持续发展，对绿色施工实施要点以及如何在地铁工程建设中应用进行了调研，建立了一套包含各种绿色施工评价指标的体系，并利用MATLAB软件，进而通过BP神经网络模型对地铁工程的绿色施工进行了评价，证明该模型具有科学性和有效性。该模型为推广和发展地铁的绿色施工提供了重要的参考意义。总之，旨在引起社会对于城市化进程所带来的问题和可持续发展的关注，为政府提出更环保、更可持续的做法来解决这些问题提供理论依据。关键词：地铁工程；PSR模型；绿色施工评价；BP神经网络DOI:10.13770/ki.issn2095-705x.2023.08.009Research on Green Construction Evaluation of SubwayBased on PSR and BP Neural NetworkCHEN Rixin,LI Xiaojuan,LIN MingchaoSchool of Transportation and Civil Engineering,Fujian A&F UniversityAbstract:With the vigorous promotion of urbanization,a huge number of rural population has shifted to cities,directly causing problems such as urban road congestion,tight housing resources,and difficulty in meeting收稿日期：2023-05-16基金项目：住建部科技计划软科学基金（2021R046）作者简介：陈日新（1999-12-），男，硕士研究生，主要从事工程项目管理、防灾减灾工程等研究李晓娟（1979-10-），女，博士，教授，硕士生导师，主要从事项目管理及工程可持续研究林明超（1998-12-），男，硕士生，土木工程建造与管理专业1125SHANGHAI ENERGY SAVING上海节能No.082023ENERGY SAVING FORUMSHANGHAI ENERGY CONSERVATION上海节能No.082018节能论坛0 引言在大力推进城镇化的背景下，农村人口接连不断向城市转移，这不仅使城市道路拥堵、住房资源紧张，还使公共配套服务难以满足需求。为了缓解日趋严重的城市交通压力，加快城市化的发展，我国很多城市开始加快地铁工程的建设。当前，可持续发展已经成为衡量城市发展的重要指标，房屋建筑施工领域已经出版了绿色施工评价方法，但是目前国内对地铁绿色施工技术及评价方法研究不多，同时施工人员对地铁绿色施工概念比较模糊，基于以上原因，进行地铁绿色施工评价方法的研究具有不容忽视的重要意义。1994年，加拿大学者Chris Bmdshaw首次提出绿色交通理念1。之后，Michael Gommers、Jesse H Ausubel和 Maria Vredin Johansson等在可持续发展理念的指导下，比较了不同交通方式对环境产生的多种影响，并且强调了在未来城市绿色交通发展中，低排放将会成为主流趋势2。M.Hat-zopoulou和E.Miller提出，涉及交通政策制定原则的重要一环就是可持续发展3。Jacco Farla.C、Fusum Ulengin等强调，在绿色地铁的施工方面，重视环境保护与城市化进程相协调，将可持续发展作为导向，才是绿色地铁的真正精髓4。王爽等运用层次分析法模型构建了绿色施工评价指标，并指出构建绿色施工评价指标体系有助于指导和纠正绿色施工的运行5。李惠玲等使用灰色聚类法评价绿色施工等级，根据不同等级的隶属度来显示被评价对象的绿色施工水平6。郭飞等证明了BP神经网络法在地铁工程绿色施工评价方面的可靠性，进而提供了一种新的绿色施工评价方法7。此外，还有一些学者专注于研究不同工程特点的绿色施工评价。这些评价研究旨在检测和提高工程项目的环境可持续性，并可以为实现低碳经济和可持续发展目标做出贡献8。如在高等级公路建设中，熊艳、谢旺祥对绿色施工这一新兴概念进行了深入研究9。张思祺为了帮助工程师们对不同类型的桩基础进行环保施工的评估和决策，成功建立了一套评价指标体系，用于评估覆盖多种桩型的桩基础绿色施工10。杨文武从博弈论角度分析public supporting services.At present,the construction of subways in various cities across the country is an ef-fective tool to solve the above problems,but a large number of subway construction is bound to cause certainenergy resource waste,environmental pollution,and inconvenience to residents along the line.In order to re-duce negative impacts and promote sustainable development,research was conducted on the key points ofgreen construction implementation and how to apply it in subway engineering construction.A system containingvarious green construction evaluation indicators was established,and MATLAB software was used to evaluatethe green construction of subway engineering through the BP neural network model,proving that the model isscientific and effective.This model provides important reference significance for promoting and developinggreen construction of subways.In short,the aim is to raise societys attention to the problems and sustainabledevelopment brought about by the urbanization process,and provide a theoretical basis for the government topropose more environmentally friendly and sustainable practices to solve these problems.Key words:Subway Engineering;PSR model;Green Construction Evaluation;BP Neural Network1126SHANGHAI ENERGY SAVING上海节能No.082023SHANGHAI ENERGY SAVING上海节能SHANGHAI ENERGY SAVING2023年第 08 期SHANGHAI ENERGY CONSERVATION上海节能 ENERGY SAVING FORUMSHANGHAI ENERGY SAVING2018 年第 08 期节能论坛ENERGY SAVING FORUMSHANGHAI ENERGY CONSERVATION上海节能No.082018节能论坛了绿色施工行为，并基于PSR框架模型，构建了城市深基坑工程绿色施工评价指标体系11。在以上研究中，主要从定性角度对地铁绿色施工进行了评价，然而缺少定量方面的研究，因此引入了PSR框架模型。该模型指出了构建地铁工程绿色施工指标体系的原则，并结合地铁项目绿色施工实施的要点展开研究。通过统计分析和PSR框架模型的构建思路，建立了评价指标体系。为了验证此体系的有效性，本文采用BP神经网络评价法，并邀请从事地铁工程施工方面的专家，通过专家咨询来对多个地铁工程项目进行打分，最后训练和验证数据，结合具体的实例进行验证，得出了可行的结论。1 基于BP神经网络的地铁工程绿色施工评价模型1.1 地铁绿色施工评价指标体系构建1.1.1 PSR（压力状态响应）的概念绿色施工是一种建造和运营建筑物的方法，旨在减少建筑对环境的负面影响，包括资源消耗、能源利用和碳排放12。“压力状态响应”模型（Pressure-State-Response，简称 PSR）是 20 世纪 80 年代提出的，是被作为反映可持续发展机理的模型框架由经合组织与联合国环境规划署共同提出，被广泛应用于建立指标体系。该模型采用“原因效应响应”逻辑思维，展现了人类与环境之间的相互牵连性，因此评价对象不断扩增，其中在绿色施工的评价中也有所涉及。周林飞等运用PSR 模型进行湿地水循环评价指标体系的构建13，杨文武运用 PSR 模型进行了城市深基坑工程绿色施工指标体系的构建11，杨艳飞运用 PSR 模型构建了高等级公路绿色施工评价指标体系14。总而言之，PSR模型为地铁绿色施工评价提供了一种新的思路。1.1.2 地铁工程绿色施工评价 PSR 框架模型定量指标可将其表示为百分比。百分比越高，表示该项目的绿色施工水平越高，参见表1地铁工程绿色施工指标体系表，对部分定量指标的测算作必要的说明：1）气、水、声是否达标排放可参照空气质量标准、施工场地噪音极限值、污染的综合排放准则，通过现场或实验室监测，检验其是否达标。达标率=（一个月内达标排放的天数/一个月的总天数）100%15。2）建材、燃油、电量、水资源的节约率=（定额消耗量-实际消耗量）/定额消耗量 100%15。3）临时占地面积节约率=（规划临时占地面积-实际临时占地面积）/规划临时占地面积 100%15。4）建筑垃圾的有效处理率=实际有效处理的建筑垃圾（主要指建筑垃圾合理的处理，如需要经过有资质的单位进行的垃圾处理、可以再次利用的碎石、土石方用于地基或路基等）/主要的建筑垃圾总量（指施工过程中所产生的弃土、弃料及其它废弃物主要包括石渣、废混凝土、钢筋头、废油等）100%15。5）环保资金的投入率=(环保投资金额/建设项目投资总额)100%,环保投资金额=环保设备投资+绿化投资，环保设备主要包括废水处理设备、废气处理设备、噪声处理与监测设备、固废处理设备等 15。6）资源再利用率=（实际回收利用的资源量/可回收再利用的资源量）100%15。为确保定性指标与定量指标的一致性，绿色建设水平将从低到高分为五个等级，以与量化指标中的百分比表示保持一致：低 0，0.2；较低（0.2，0.4；一般（0.4，0.6；较高（0.6，0.8；高（0.8，1。根据定性指标等级标准和范围的划分，对指标体系中的定性指标分别进行等级和分值的细化（见表2）。1.2 地铁绿色施工评价模型构建1.2.1 地铁绿色施工评价方法选择本文对以下主要用于多因子定性与定量相结合的科学评价方法进行比较分析，以期探索适合地铁工程绿色施工的评价方法。BP人工神经网络评价法是通过模拟专家评价，利用神经网络的训练函数和传输函数，运用反向传播原理，对评价模型的基于PSR和BP神经网络的地铁绿色施工评价研究1127SHANGHAI ENERGY SAVING上海节能No.082023ENERGY SAVING FORUMSHANGHAI ENERGY CONSERVATION上海节能No.082018节能论坛权值和阈值不断极小化，直至能够较好地反映变量与目标之间的非线性规律，使评价结果更客观7。绿色建筑评价的理论研究由于还不成熟，并且地铁工程的评价更加复杂，专家从不同的角度对地铁站有不同的评价思路和标准。如何从各种专家的想法中提取精华部分且科学地处理原始数据成为重中之重。BP神经网络强大的容错能力很好地解决了这个问题。BP神经网络具有自学习的特点，通过对训练样本的不断学习，不断修改各网络的权重和阈值，可以实现地铁绿色建设的评估。1.2.2 BP人工神经网络模型的基本原理本文选用三层的网络拓扑结构，图1中：n代表输入层，即评价指标数目；m代表隐含层节点数；每个 样 本 的 评 价 指 标 向 量，记 为 p=p1，p2，pn ；i（i=1，2，n；k=1，2，m）为输入层第i节点到隐含层第k节点的连接权值，pk（k=1，2，m）为样本p的隐含层第k节点表2 定性指标等级标准定性类指标等级标准0，0.2（0.2，0.4（0.4，0.6（0.6，0.8（0.8，1施工总平面布置合理度非常不合理较不合理合理较合理非常合理基坑开挖降水方案合理度非常不合理较不合理合理较合理非常合理泥浆池及管路布置合理性非常不合理较不合理合理较合理非常合理施工现场空气质量扬尘影响极大扬尘影响较大扬尘影响一般扬尘影响较小扬尘影响极小采用 PDCA 循环管理实施程度循环管理意识非常弱循环管理意识较弱循环管理意识强循环管理意识比较强循环管理意识非常强表1 地铁工程绿色施工评价指标体系框架绿色施工综合评价子目标层压力类指标 A状态类指标 B响应类指标 C分项指标施工方案的选择 A1资源能源的消耗 A2大气污染控制 B1噪声污染控制 B2水污染控制B3固体废弃物控制 B4绿色施工管理 C1资源再利用C2因素施工总平面布置合理度 A11基坑开挖降水方案合理度 A12泥浆池及管路布置合理性 A13节能环保技术和施工工艺的应用程度 A14主要建材节约率 A21燃油节约率 A22电量节约率 A23水资源节约率 A24临时占地面积节约率 A25施工现场空气质量 B11施工设备废气的排放达标率 B12现场噪声达标排放率 B21低噪和降噪设备的使用率 B22施工用水达标排放率 B31生活用水达标排放率 B32建筑垃圾的有效处理率 B41有毒有害废弃物的分类率 B42采用 PDCA 循环管理实施程度 C11环保资金的投入率 C12员工绿色施工知识培训占比 C13废弃物回收利用率 C21水资源再利用率 C221128SHANGHAI ENERGY SAVING上海节能No.082023SHANGHAI ENERGY SAVING上海节能SHANGHAI ENERGY SAVING2023年第 08 期SHANGHAI ENERGY CONSERVATION上海节能 ENERGY SAVING FORUMSHANGHAI ENERGY SAVING2018 年第 08 期节能论坛ENERGY SAVING FORUMSHANGHAI ENERGY CONSERVATION上海节能No.082018节能论坛的输出；（k=1，2，m）为隐含层第k节点到输出层的连接权值，bp为样本p的输出。用Sigmoid传输函数来表示节点之间输入和输出之间非线性关系，即(1)隐含层样本 p 的输出值按式（2）计算，式中k 表示隐含层节点 k 的偏置值。(2)输出层样本 p 的输出值按式（3）计算，式中表示输出层输出节点的偏置值。(3)BP神经网络学习与建立的过程，即为误差反向传播与修正的过程，设定各个样本的实际输出与期望输出的总误差函数为（4）。(4)BP神经网络的工作原理就是利用反向传播原理，选择适当的训练函数与传输函数使误差极小化的过程。首先输入训练样本，按照所出现的公式进行计算每一层神经元的输出，若结果不满足精度要求时，那么再从输出层向输入层进行计算，修正连接权值和阈值，正逆交替，反复进行迭代，直至达到设定的精度要求。2 地铁绿色施工BP神经网络评价2.1 样本数据的获取根据表3所示的地铁工程绿色施工评价指标体系为基础，评判在建或已建的15个地铁的绿色施工水平。定量指标根据实地技术专家访问获得所需数据，定性指标按照上一章说明的测算方法进行评定。为了方便数据统计，定性指标评分取各区间的平均值，如施工现场空气质量一般，指标评判值取0.5。由此得到了15组输入层样本数据（见表3）。2.2 综合评价得分的获取对数据进行归纳整理，通过征求专家的意见，按 照建 筑 工 程 绿 色 施 工 评 价 标 准（GB/T50460-2010）进行综合评价形成相应分值，其评价流程见图2，绿色施工评价体系各要素指标项的数量统计以及赋分方法见表4至表9。图1 三层BP神经网络结构图图2 绿色施工评价流程图基于PSR和BP神经网络的地铁绿色施工评价研究1129SHANGHAI ENERGY SAVING上海节能No.082023ENERGY SAVING FORUMSHANGHAI ENERGY CONSERVATION上海节能No.082018节能论坛表4 绿色施工评价控制项、一般项、优选项数量统计环境保护节材与材料资源利用节水与水资源利用节能与能源利用节地与土地资源保护控制项数量42233一般项数量431491310优选项数量87555表5 控制项评价方法评分要求在采取必要措施的情况下，所有考评指标都已得到满足采取的措施不到位，无法满足所有考评指标要求结论符合要求不符合要求说明进入评分流程一票否决表6 一般项计分标准评分要求在采取必要措施的情况下，所有考评指标都已得到满足采取的措施基本到位，部分满足考评指标要求采取的措施不到位，不满足考评指标要求评分210表7 优选项加分标准评分要求在采取必要措施的情况下，所有考评指标都已得到满足采取的措施基本到位，部分满足考评指标要求采取的措施不到位，不满足考评指标要求评分10.50表8 批次评价要素权重系数表评价要素环境保护节材与材料资源利用节水与水资源利用节能与能源利用节地与土地资源保护地基与基础工程、结构工程、机电工程0.30.20.20.20.1表9 单位工程要素权重系数表评价阶段地基与基础工程结构工程机电工程权重系数0.30.50.2表3 专家数据评估表A11A12A13A14A21A22A23A24A25B11B12B21B22B31B32B41B42C11C12C13C21C2210.50.70.30.270.640.570.610.761.050.50.820.550.550.650.450.720.560.30.790.210.220.2820.70.50.90.621.281.051.350.881.390.50.520.790.420.350.550.280.840.50.460.390.70.5930.70.30.50.680.641.120.90.751.020.50.340.660.10.560.320.290.650.30.180.70.60.4840.50.50.70.740.581.040.780.50.950.50.530.340.650.330.590.210.470.30.20.250.550.3550.70.30.70.770.751.030.680.711.00.30.280.550.60.750.270.430.450.90.190.580.80.460.50.70.50.891.171.161.261.31.00.70.770.820.710.690.790.70.790.70.60.540.820.7570.50.50.30.340.90.790.70.781.00.30.360.290.090.290.110.330.180.30.630.610.220.0880.70.70.50.350.70.781.321.311.30.50.350.30.620.420.790.720.60.70.290.430.710.2990.70.50.70.281.210.720.880.621.00.30.220.40.350.310.820.220.150.70.350.450.260.22100.90.70.90.551.381.091.350.881.190.50.430.710.490.680.850.550.710.50.390.70.620.8110.70.50.70.721.30.750.580.851.030.50.550.220.280.210.450.480.220.90.440.290.550.71120.70.70.50.861.221.041.051.171.140.50.680.280.30.440.250.490.280.50.550.350.330.97130.90.70.90.811.381.451.361.390.960.70.660.780.480.720.630.90.780.50.540.470.880.73140.70.70.50.830.71.131.391.061.220.30.590.230.530.410.710.560.230.30.660.510.570.29150.70.50.50.441.01.11.320.921.090.50.340.250.540.350.680.720.250.90.620.50.30.291130SHANGHAI ENERGY SAVING上海节能No.082023SHANGHAI ENERGY SAVING上海节能SHANGHAI ENERGY SAVING2023年第 08 期SHANGHAI ENERGY CONSERVATION上海节能 ENERGY SAVING FORUMSHANGHAI ENERGY SAVING2018 年第 08 期节能论坛ENERGY SAVING FORUMSHANGHAI ENERGY CONSERVATION上海节能No.082018节能论坛经要素、批次、阶段和单位工程评分计算，得到15 个地铁工程项目绿色施工综合评分（见表10）。表10 项目综合评分表地铁工程项目123456789101112131415得分情况0.4670.6140.4820.370.5420.710.3940.6850.580.720.450.640.850.570.5362.3 网络评价模型算法1）确定BP神经网络结构采用图3所示3层BP网络结构。经过反复的迭代试验，确定两个隐含层，节点数分别为10、10。输出层为绿色施工综合评价结果，为1个神经元，输出范围为 0，1，得分越高就表示该项目的绿色施工水平越高。图3 MATLAB仿真BP神经网络结构图2）对网络模型进行训练本文决定选择MATLAB作为工具，然后再决定选用 trainscg训练函数，通过运算得出初始化网络的权值和阈值。另外，为了预防网络的超量训练，将迭代次数确定为1 000步，学习精度为10-5。将表3中前12组样本数据作为网络的训练学习样本，通过不断的迭代，对各个网络的权值和阈值进行调整，使学习精度满足要求，通过学习训练之后的网络输出结果见表11。3）验证网络模型将表3中后3组数据作为检验数据输入训练好的神经网络，得到验证数据的BP预计值与表10中后3组专家评价值的对比图（如图4），对比训练结果，进行预测与检验。检测样本实际输出值与期望输出对比（见表12）。表11 训练样本期望输出与实际输出对比表项目期望输出实际输出评价等级10.4640.467一般20.6140.609较高30.4820.482一般40.370.378较低50.5420.499一般60.710.73较高70.3940.379较低80.6850.628较高90.580.485一般100.720.629较高110.450.448一般120.640.653较高表12 检验样本期望输出与实际输出对比图项目期望输出实际输出评价等级130.850.8高140.620.697较高150.5360.572一般从图4和表12可以看出综合评价结果与专家评价结果基本相同，说明此评价模型BP神经网络的自我学习、组织、训练的模式，能够对各个网络的权值和阈值进行不断修正，调整输入与输出关系，对各个指标之间的关系作出较强的容错能力调整，从而模拟出输入层与输出层之间的非线性规律，体现出了BP网络评价方法，简单灵活、可操作性更强的特性。3 案例分析3.1 项目概况厦门地铁1号线是厦门首条地铁线路，由厦门轨道交通集团有限公司负责运营。该线于2013年基于PSR和BP神经网络的地铁绿色施工评价研究1131SHANGHAI ENERGY SAVING上海节能No.082023ENERGY SAVING FORUMSHANGHAI ENERGY CONSERVATION上海节能No.082018节能论坛11 月 13 日部分开工，2014 年 4 月全面开工，到2017年3月全线贯通，并于2017年12月31日开始试运营。厦门地铁1号线全长30.3 km，共设24座车站，其中一般车站17座，换乘站5座。厦门地铁1号线起点是思明区南部镇海路站，整条铁路把思明区、湖里区、集美区等几个重要群体连接起来，终点站设在集美区后溪镇岩内。厦门地铁1号线是由厦门岛向北延伸形成的跨越海的快速连接通道的骨干线路，其中高崎停车场是唯一的1个车辆段。本文以莲花路口站作为主要研究对象。莲花路口站坐落在厦门市莲岳路和嘉禾路的交叉路口向北面，沿着嘉禾路向北方向延展铺设。3.2 项目的绿色施工措施1）空气污染控制措施时刻保持适当的洒水，防止造成扬尘等空气污染。2）水环境保护措施施工废水不乱排乱放，制定合理排放方案。3）固体废弃物处理措施分类存放废弃物，可以利用的原地利用，不可以利用的妥善销毁。4）减轻社会环境影响措施施工之前做好一切必要的准备工作。3.3 地铁工程绿色施工综合评价3.3.1 绿色施工指标的得分经过对该项目进行实际考察调研以及采访施工单位技术负责人，熟悉了项目的施工流程和技术措施，明确了项目施工中的技术特点，随后邀请该项目的技术负责人对所制定的绿色评价指标体系中的指标项进行了打分（见表13）。3.3.2 案例的绿色施工评价结果与分析将得到的得分经过运算，其综合评价预测结果的得分X=0.605，这一结果表明该项目绿色施工程度较高。为了保障模型的正确性，再次邀请专家对项目依据 建筑工程绿色施工评价标准 进行项目综合评分，得到其项目实际得分为0.663。计算得出两者的相对误差为-8.7%，预测值与专家评价值基本一致，这表明通过模型评价结果符合项目绿色施工的实际情况。图4 验证数据的BP预计值与专家评价值的对比图1132SHANGHAI ENERGY SAVING上海节能No.082023SHANGHAI ENERGY SAVING上海节能SHANGHAI ENERGY SAVING2023年第 08 期SHANGHAI ENERGY CONSERVATION上海节能 ENERGY SAVING FORUMSHANGHAI ENERGY SAVING2018 年第 08 期节能论坛ENERGY SAVING FORUMSHANGHAI ENERGY CONSERVATION上海节能No.082018节能论坛表13 厦门地铁1号线的绿色施工评价指标值指标A11A12A13A14A21A22A23A24A25B11B12B21B22B31B32B41B42C11C12C13C21C22得分情况0.70.70.50.320.750.791.120.871.070.50.410.670.180.90.810.880.60.70.490.30.520.434 结论目前，从事地铁施工特点绿色评价研究的学者数量极少，对于地铁工程的绿色施工评价研究更是寥寥无几。本文在现有研究之上，融合多个学科的理论和技术进行了探究，基于PSR概念模型框架构建地铁工程绿色施工评价指标体系，并且尝试对其进行了实例评价与验证。本文的主要研究结论和建议如下：1）本文基于PSR概念模型框架构建地铁工程绿色施工评价指标体系，围绕“压力状态响应”三者之间的关系，通过进一步完善指标体系，创建地铁工程绿色施工评价指标体系框架模型，总计得到22个指标项。2）将本文的绿色施工评价方法应用于厦门地铁1号线项目的实际评价中，证明了PSR概念用于地铁工程绿色施工评价的科学性和可行性，给地铁工程以及建筑工程绿色施工评价提供了新的领域和平台。3）地铁工程绿色施工研究相对空白，构建的绿色施工评价体系及评价模型，通过用于工程实例的评价，为将来的 地铁工程绿色施工评价标准 提供了有益参考。参考文献1Chris Bradshaw.The Valuing of Trips J.Applied Economics,2017(49):36.2Maria Verdin Johansson,Tobias Heldt,Per Johansson.The Effects ofAttitudes and Personality Traits on Choice J.Transportation ReseachPartA:Policy and Prantice,2006,40(6):507-525.3Hatzopoulou M,Miller E J.Institutional integration for sustainabletransportation policy in CanadaJ.Transport Policy,2008,15(3):149-162.4Farla J,Alkemade F,Suurs R AA.Analysis of barriers in the transitiontoward sustainable mobility in the Netherlands J.Technological Fore-casting&Social Change,2010,77(8):1260-1269.5 王爽,董晶,姬兴宇.基于层次分析法绿色施工评价指标体系构建研究J.吉林建筑大学学报,2016(3):93-96.6李惠玲,李军,钟欣.基于灰色聚类法的绿色施工评价 J.工程管理学报,2012,26:19-22.7郭飞,闫宏锦,傅睿智.基于BP神经网络法地铁工程绿色施工评价指标体系研究 J.市政技术,2022,40(10):113-119.8夏永辉.建筑企业绿色施工工程实践与分析 J.建筑科技,2022,6(5):62-65.9熊艳,谢旺祥.高等级公路绿色施工评价模型研究 J.交通科技,2015,12:73-76.10 张思祺.基于层次分析法的桩基础绿色施工评价体系研究 G.中国建筑工业出版社,2020:211-215.11 杨文武.城市深基坑工程绿色施工评价的研究 D.青岛:青岛理工大学,2014:17-32.12刘平.绿色施工的定义、范围及其内涵 J.建筑施工,2007,29(2):911-914.13周林飞,许士国,孙万光.基于压力状态响应模型的扎龙湿地健康水循环评价研究 J.水科学进展,2008(2):205-213.14杨艳飞.高等级公路绿色施工评价研究 J.黑龙江交通科技,2014,21:57-58.15田甜.地铁工程绿色施工评价方法研究 J.科技展望，2016,26(3):15-23.基于PSR和BP神经网络的地铁绿色施工评价研究1133