震害矩阵统计工具的主要功能是建立工作区的震害矩阵数据。该工具嵌入了结构易损性分析模型,以实地调查样本为输入,通过简单交互实现数据的批量计算和统计分析,最终生成一个独立的工程文件。其中包含所有样本的参数信息和分析结果,分列各结构类别建筑物的震害矩阵,以及按年代分布统计的震害指数和震害结果。以往的城市震害预测,往往只考虑结构类别一个维度来赋予建筑物震害预期(周光全等,2010)。而实际上建筑物的抗震能力与建造年代呈现明显的关联性,因此本文将建筑物的建造年代信息纳入考虑,增加一个维度,提高预测的精度(胡少卿,2007)。该工程文件将作为数据源输入到建造年代及震害结果赋值工具中。

该工具将各类建筑分为多层砌体房屋、钢筋混凝土房屋、内框架和底层框架砌体房屋、单层工业厂房和单层空旷房屋、老旧民房、重要建筑六个结构类别,分别建立易损性分析模型。

GIS建筑物图层文件中要素属性的完整性是进行后续建筑物震害预测工作的基础。属性赋值工作主要包括建筑物结构类别和建造年代两大部分。ArcGIS震害预测工具箱主要实现建筑物结构类别的完善以及与外部程序工具的数据对接,分为4个子模块(图2)。

图2 Earthquake damage evaluation工具箱
Fig.2 The toolbox of Earthquake damage evaluation

Pretreatment of building polygon模块主要完成图层文件的前处理工作,包括删除多余字段信息,计算建筑物要素总面积,甄别学校、高层建筑等重要建筑并定义其属性字段。经此模块处理后,重要建筑得到了定义,但仍有近半数的建筑物结构类别属性缺失。该模块使用了ArcToolbox中数据管理工具的字段处理等功能,同时也在ArcGIS开发环境下采用PYTHON_9.3和VB脚本语言编写了部分代码来实现重分类等操作(刘伟,2012)。

经过Pretreatment of building polygon模块处理的图层文件,STRUCTURE属性字段的缺失率约为48.87%,仍占有较大比值。为进一步完善结构类别属性字段,开发Assignment of structure attribution模块,该模块使用了ArcToolbox叠加分析中的空间连接工具。空间连接是指基于两个要素类中要素之间的空间关系将属性从一个要素类传递到另一个要素类(韦强,2012)。只要找到指定的空间关系或匹配选项,就会将连接要素的属性添加到目标要素中。在建筑物图层文件中,具有相交关系的要素可以认为是从属于同一建筑体,具有相同的结构类别属性。除根据面要素间的相交相邻关系实现属性迁移外,本模块还将根据建筑物的名称、用途、面积、层数等信息进行综合筛选和模糊分类,完善要素的结构类别属性。

经过该模块处理的图层数据,结构类别字段的完整度可以接近百分之百,以实验区处理前后对比为例说明:图3为处理前后对比图,处理前结构类别字段未赋值的要素数量众多,结构类别单一; 经模块处理后,基本所有像元都获得有效定义,结构类别丰富多样。

Output xls file模块将处理过的图层文件属性表写入(*.xls)文件。由于GIS图层的属性数据为dbf格式,其他的外部软件无法读写。因此本文用python编写了脚本程序,把图层属性导出到ArcGIS默认路径下(王卫东等,2011),供建造年代及震害赋值工具调用。

Match damge evaluation results模块主要功能是为图层文件和建造年代及震害结果赋值工具的输出文件创建连接,获取震害预测结果以及建造年代属性值。同时梳理数据格式,为最终二维及三维震害结果的可视化展示提供基础。处理完成后的图层属性包含了非常完整直观的信息(图4)。

图3 结构类别分布(a)原始数据;(b)模块处理后
Fig.3 Distribution of structural classes(a)original data;(b)after module bandles

图4 经系统处理后的建筑物图层属性表
Fig.4 The attribute table of buildings layer after the system processing

建筑物要素的结构类别等属性经过ArcGIS震害预测工具箱中各模块的处理已得到了补充完善,要进行后续的精确震害预测工作还需要补充建筑物的建造年代属性。如果仅仅依靠传统的人工普查录入等手段,要覆盖一个区域乃至一个城市成千上万的建筑无疑将耗费巨大的人力物力,难以实施。

本系统使用C#语言开发了建造年代及震害赋值工具,应用网络爬虫技术来完善建筑物的建筑年代信息。网络爬虫是搜索引擎的重要组成部分,是一种完全不依赖用户干预而进行有策略的网页访问的技术(Cho,2001)。

该工具以ArcGIS工具箱输出的属性文件为数据源,读取其中的建筑物名称,以此为检索主题,从一个初始链接出发,漫游网络,对链接页面中内容和主题(即建筑物的建造年代)的相关性做出评估,同时也利用网页链式结构来评价和传递母网页的重要性。相关性和重要性高的网页会被列入待爬行队列中优先访问,而与主题无关的链接会被舍弃。当访问的网页中含有该建筑物的建造年代信息时,判定任务完成,将数据写入ArcGIS软件默认路径下的属性文件中(王占一,2012)。

建造年代赋值完成后,选择由震害矩阵统计工具生成的工程文件,即可根据每个建筑物的建造年代和结构类别,完成震害结果的赋值。

上海市浦东新区潍坊街道的建筑结构类型丰富、年代分布跨度大,涵盖了上海市大部分房屋建筑的结构类型,具有较强的代表性。

本文按照相关规范要求进行建筑物抽样,有效样本累计面积约为实验区建筑物总面积的8%。应用本文所开发的建筑物震害预测系统进行样本计算分析及震害矩阵统计。对比上海防灾救灾研究所(1993)、中国地震局工程力学研究所(2003)两次覆盖该实验区的建筑物震害预测研究成果,发现本文的预测结果和2003年的研究结论基本一致,略优于1993年的结论,原因在于新建建筑的抗震性能普遍要优于既有的老旧建筑,同时,本系统在原有方法基础之上,又增加了建造年代信息,提高了建筑信息的维度,使预测结果更客观准确。因此,可以认为系统所采用的易损性分析方法准确可靠。

本文所开发的建筑物震害预测系统集成于ArcGIS平台,具有强大的制图及图像显示功能,根据系统分析所得的实验区震害指数计算结果,绘制了实验区二维、三维震害预测图(冷小鹏,2012)。

其中二维震害预测图用平均震害指数来表征某一区域建筑物总体的抗震性能水平(图5)。震害指数是评价某个结构或构件在受到地震作用后的破坏状态的无量纲指数,是对建筑结构的地震破坏状态进行定量评估的重要方法。平均震害指数则指所有房屋的震害指数的总平均值(周光全,2011)。

图5 二维震害预测图(a)Ⅵ度震害;(b)Ⅶ度震害;(c)Ⅷ度震害
Fig.5 Charts of two-dimensional earthquake damage prediction(a)VI earthquake damage;(b)Ⅶ earthquake damage; (c)Ⅷ earthquake damage

图6 三维震害预测图(a)Ⅵ度震害;(b)Ⅶ度震害;(c)Ⅷ度震害
Fig.6 Charts of three-dimensional earthquake damage prediction(a)VI earthquake damage;(b)Ⅶ earthquake damage; (c)Ⅷ earthquake damage