摘要：隨著我國人口老齡化加劇，城市發(fā)展不斷推進，老舊小區(qū)適老化改造已成為必然趨勢。老舊小區(qū)的居民是適老化改造的主要服務對象和最直接受益者，因此深入了解他們的改造需求至關重要。首先，利用網絡爬蟲技術從主流社交媒體平臺獲取相關研究數(shù)據(jù)；其次，對數(shù)據(jù)進行清洗、分詞和去除停用詞等操作，并運用LDA主題模型，根據(jù)主題聚類結果，對每個主題下居民的具體改造需求進行深入分析；最后，識別并篩選出五大類主要的居民改造需求，包括室外環(huán)境、公共空間、套內空間、養(yǎng)老服務設施和道路與停車。研究成果有望為未來老舊小區(qū)適老化改造工作的開展和優(yōu)化提供有益參考。

關鍵詞：老舊小區(qū)適老化改造；改造需求；文本挖掘；LDA主題模型

0引言

我國社會老齡化問題日趨嚴重，老舊小區(qū)適老化水平較低與居民需求之間的矛盾不斷加深。因此，我國正努力推動老舊小區(qū)適老化改造工作。2023年，住房和城鄉(xiāng)建設部等7部門印發(fā)了《關于扎實推進2023年城鎮(zhèn)老舊小區(qū)改造工作的通知》，要求各地切實推動城鎮(zhèn)老舊小區(qū)改造計劃的實施，并提前規(guī)劃2024年的改造計劃。通過文獻回顧發(fā)現(xiàn)，現(xiàn)有的適老化改造研究大多集中于建筑規(guī)劃和工業(yè)設計角度，探討適老化改造的模式、管理體系及服務內容。例如，孫乙菁等[1]以廣州歷史城區(qū)老舊小區(qū)為研究對象，旨在為老舊住宅小區(qū)的改造提供一種易于推廣和應用的新模式；王雅慧等[2]、王蕾等[3]、劉亞鵬等[4]、韋易伶[5]從老年人居住現(xiàn)狀出發(fā)，分析老舊小區(qū)適老化改造策略；陳文等[6]、謝雨紓等[7]提出適老化改造的原則；儲虹[8]運用GIS分析老舊小區(qū)改造應遵循的重要性排序關系，探討適老化改造方式。但是，大部分學者忽視了對居民改造需求類型的關注。作為一項重大的民生工程，老舊小區(qū)改造的成效最終要體現(xiàn)在社會公眾的實際利益上[9]。因此，深入探究老舊小區(qū)適老化改造中居民的改造需求，對于深化改造決策、提高供需匹配程度、有效提升城市更新工作的可持續(xù)性，以及促進社會長治久安具有重要意義。網絡社交媒體和文本挖掘技術的不斷發(fā)展，為傳統(tǒng)的居民改造需求調查方法提供了新思路，使問卷調查和訪談等傳統(tǒng)的調查方法得以完善。

1數(shù)據(jù)采集及預處理

11數(shù)據(jù)采集

本文以微博、頭條等主流社交媒體為數(shù)據(jù)采集平臺，利用網絡爬蟲技術進行數(shù)據(jù)抓取，以此探究老舊小區(qū)適老化改造項目居民改造需求類型?；赑ython中的Scrapy模塊編寫了一個網絡爬蟲程序，能設定搜索時間段和關鍵詞，隨后程序會將信息以CSV文件的形式輸出，文件包含昵稱、內容正文、時間等字段。以“老舊小區(qū)適老化改造”“老舊小區(qū)適老化需求”“老舊小區(qū)改造需求”“老舊小區(qū)適老化”“老舊小區(qū)改造”“老舊小區(qū)需求”為關鍵詞，根據(jù)檢索結果，“老舊小區(qū)適老改造”和“老舊小區(qū)改造”的相關內容更豐富，且更符合研究主題。因此，本文將其作為搜索關鍵詞來檢索2019—2023年老舊小區(qū)改造相關內容，共獲得160 248條原始數(shù)據(jù)。這些數(shù)據(jù)將作為LDA主題模型的語料庫，用于老舊小區(qū)適老化改造居民需求分析。

12數(shù)據(jù)預處理

121數(shù)據(jù)清洗

通過觀察原始文本，將無法使用的數(shù)據(jù)、信息不充足的數(shù)據(jù)、重復的數(shù)據(jù)及不相關的數(shù)據(jù)視為本次研究的無效數(shù)據(jù)。為了確保數(shù)據(jù)分析結果的準確性，本研究對原始數(shù)據(jù)進行數(shù)據(jù)清洗，總共刪除38 096條無效數(shù)據(jù)，最終獲得122 152條數(shù)據(jù)。

122文本分詞與去除停用詞

在對文本數(shù)據(jù)進行處理時，首先對獲取到的數(shù)據(jù)進行分詞處理。本研究使用Python中Jieba庫的精確模式，對經過清洗的數(shù)據(jù)進行分詞處理。

文本分詞結束后，需要去除對文本主題挖掘沒有意義的詞。為了盡可能多地消除無關詞匯，本研究對哈爾濱工業(yè)大學、四川大學和百度停用詞庫進行合并去重[10]，建立了一個全新的專屬停用詞詞匯庫。另外，通過統(tǒng)計詞頻，將結果展示為詞云圖，如圖1所示。將高頻詞匯加入停用詞庫，這些詞對于區(qū)分主題并無太大幫助。

成功構建專屬停用詞庫后，即可利用Python程序檢索原始分詞結果中的詞語。若這個詞已被列入停用詞庫，則將其移除；若不在，則保留。部分分詞結果如圖2所示，這些分詞結果將被用于之后的聚類分析。

2基于LDA的主題聚類模型構建

21LDA主題模型簡介

LDA主題模型由Blei、David M等人于2003年提出，目前主要應用場景為文本挖掘和圖像處理等[11]ADDINNERef{64516A77-E140-4A46-A941-BC2CB7E32733}。

22LDA主題模型構建

221最優(yōu)主題數(shù)確定

進行文本數(shù)據(jù)的LDA主題聚類分析時，首先需要確定主題數(shù)量k，本研究通過計算困惑度來確定最優(yōu)主題數(shù)量值。一般來說，對于聚類后的結果，某個主題數(shù)量所對應的困惑度越小，代表這個主題數(shù)量下聚類的效果越好[12]。使用Python程序評估不同主題數(shù)量（1～50）下的主題模型困惑度，并利用pyLDAvis模塊進行結果展示，LDA主題模型困惑度如圖3所示。結果顯示，當主題數(shù)量k為8時，困惑度達到最低點；隨著主題數(shù)量的增加，困惑度在一定范圍內波動并總體上升。鑒于增加主題數(shù)量可能會降低模型的泛化能力，最終確定主題數(shù)量k為8。

2. 2. 2 LDA 主題建模

Scikitlearn是Python中的機器學習庫，其功能包含了數(shù)據(jù)處理、詞向量處理和模型訓練等[13]，本研究基于此庫進行聚類模型求解。在Python語言代碼規(guī)則里，程序開頭要求導入Scikitlearn模塊中的TfidfVectorizer庫及Latent Dirichlet Allocation庫，設置主題數(shù)量及各主題中的高頻詞數(shù)為8和30，設置最大迭代次數(shù)為50、隨機種子值為0。

構建完成主題模型并運行后，得出聚類結果。為了評估模型性能且更直觀地展示聚類結果，采用Python中的pyLDAvis模塊及gensim庫進行可視化處理，LOA主題聚類結果可視化如圖4所示。觀察可得，不同主題分類清晰明了，除了Topic5和Topic8，其余主題幾乎沒有出現(xiàn)顯著重合，這說明聚類效果較好。

3LDA主題聚類結果分析

在程序運行過程中，LDA主題模型生成了各個主題的主題詞，LDA主題聚類結果見表1。

LDA是無監(jiān)督的算法[14]，根據(jù)本次主題聚類的結果，盡管存在部分主題聚類有所重疊的情況，還有一些詞被歸類到了關聯(lián)性較低的主題中，但是整體來說聚類結果相對平均、有效。每個主題的詳細內容如下：

由Topic 1的主題關鍵詞可以看出，室外環(huán)境受到老年人的極大重視，項目在功能上應滿足老年人的休憩、活動、健身、聊天交往、娛樂等需求。

由Topic 2的主題關鍵詞可以看出，老舊小區(qū)居住建筑公共空間存在一系列不適老的問題，小區(qū)居民對居住建筑出入口、樓梯空間有強烈的改造需求，加裝電梯的需求訴求同樣非常強烈。

由Topic 3的主題關鍵詞可以看出，大部分居民都提出了對居住建筑套內空間的改造需求，如起居室、餐廳、廚房、衛(wèi)生間、浴室、臥室。

通過觀察Topic 4的主題關鍵詞可以發(fā)現(xiàn)，這個主題主要關注老舊小區(qū)改造認知及改造施工方面的內容，該主題關鍵詞所展現(xiàn)的內容與本文研究內容無實質性關系，所以刪除該主題。

由Topic 5的主題關鍵詞可以看出，該主題主要關注政策支持和資金投入在老舊小區(qū)適老化改造及經濟發(fā)展方面的重要作用，由于該主題所涉及內容不能代表公眾觀點，且其中部分內容與本研究無實質性關系，所以刪除該主題。

由Topic 6的主題關鍵詞可以看出，老年人對養(yǎng)老服務設施的改造需求非常迫切，尤其是醫(yī)療保健機構、活動中心、服務機構、學習機構、公共廁所等方面的配套。

由Topic 7的主題關鍵詞可以看出，老舊小區(qū)居民對道路交通環(huán)境展現(xiàn)出了迫切的改造需求，如空間無障礙化、空間可識別性、增加休息設施、人車分流、停車設施等。

由Topic 8的主題關鍵詞可以看出，該主題所涉及內容多為政府年度改造規(guī)劃及各級政府的相關會議報道等，其不能代表公眾的改造需求，所以刪除該主題。

聚類結果顯示，該模型對文本進行了8個主題的劃分，在這些主題中，Topic 4、Topic 5、Topic 8與本研究無關，因此被剔除。梳理和總結剩余主題的關鍵詞，識別出五大類居民改造需求類型：Topic 1室外環(huán)境、Topic 2公共空間、Topic 3套內空間、Topic 6養(yǎng)老服務設施、Topic 7道路與停車。

4老舊小區(qū)適老化改造途徑

老舊小區(qū)適老化改造直接關系到居民的切身利益，應充分尊重和滿足居民的訴求。前文的研究完成了對居民改造需求的聚類，從而得出適老化改造的重點。然而，老舊小區(qū)適老化改造是一項復雜的系統(tǒng)工程，只有通過政府干預，采用政府主導、公眾參與、市場化運作的方式進行推進[15]，才能最大限度地滿足居民的需求。

41政府主導，市場化運作

對于老舊小區(qū)適老化改造，運作層面應堅持“政府主導、公眾參與、市場化運作”的方式，以確保改造工作的順利進行。改造工作涉及眾多政府機構部門，這些部門需在政府的統(tǒng)籌協(xié)調下，明確自身職責，緊密協(xié)作，以保證項目的順利執(zhí)行。政府作為改造的核心推動力量，肩負著制訂城市發(fā)展規(guī)劃、明確改造計劃、籌集改造資金、組織實施相關工程的責任，應主動出臺相應的政策措施n70Xwp/BM7Q0DMxnP03m1A==，以促進老舊小區(qū)改造工作的順利進行。此外，政府還應積極引導社區(qū)、居民踴躍參與老舊小區(qū)改造計劃方案的制訂及改造項目的管理監(jiān)督，為改造工作提供必要的支持和服務。

在財政資金有限的情況下，老舊小區(qū)適老化改造的資金來源需要兼顧政府補貼和市場化的改造方式。需要大力引入市場機制，動員各界資金力量，共同參與適老化改造，同時堅持市場化改造的理念，以實現(xiàn)改造工作的可持續(xù)發(fā)展。老舊小區(qū)具備的地理位置優(yōu)勢，能夠吸引開發(fā)商的目光，對其中未充分利用的土地或條件較差的建筑進行再開發(fā)，以此來籌集改造所需資金。在推進老舊小區(qū)改造的過程中，作為執(zhí)行主體的企業(yè)，在確保自身合理成長的同時，應履行其社會責任。針對具備相應條件的社區(qū)，改造資金可以由業(yè)主、原房產單位、房產開發(fā)企業(yè)、政府及其相關部門按既定比例共同承擔，這樣不僅可以減輕政府的財政壓力，還能促進老舊小區(qū)的改造。

42完善相關政策法規(guī)

對老舊小區(qū)進行適老化改造涉及千萬家庭利益，加之政府在整個過程中需要調動大量的人力、物力、財力，因此其具有極強的政策性。為了有效保障廣大民眾的切身利益，并推動老舊小區(qū)實現(xiàn)社會化、市場化和科學化的管理機制，應加速完善相關配套政策法規(guī)，為改造工作提供堅實的支持。這些政策與法規(guī)應強化約束，以確保老舊小區(qū)改造工作有序進行，同時促進市場參與，引入市場競爭機制，以提升改造效率和質量。當前，我國在適老化改造方面的政策法規(guī)尚不完善，亟待補充修訂。在執(zhí)行具體任務時，相關部門單位必須依照法律法規(guī)行事，按照規(guī)定程序操作，嚴格遵循規(guī)章制度，杜絕任何違法亂紀的行為。

5結語

老舊小區(qū)適老化改造應在滿足居民需求的基礎上，結合本地實際情況有序進行。本文利用文本挖掘技術對老舊小區(qū)適老化改造項目居民改造需求類型進行分析，運用網絡爬蟲技術從社交媒體中收集相關文本數(shù)據(jù)，通過對文本數(shù)據(jù)進行預處理及基于LDA的主題聚類等一系列操作，挖掘出居民的改造需求類型，旨在為老舊小區(qū)適老化改造提供借鑒，對未來適老化改造研究提供幫助。

參考文獻

[1]孫乙菁，肖大威， 黃璐完整社區(qū)理念下的廣州歷史城區(qū)老舊小區(qū)改造探索[J]南方建筑， 2023（9）：6269

[2]王雅慧， 王建廷“社區(qū)老齡度”評價及社區(qū)適老化改造策略研究[J]天津城建大學學報， 2019，25（4）：233238

[3]王蕾， 謝青廣州市老舊小區(qū)戶外環(huán)境適老化微改造措施研究——以廣州市白云區(qū)三元里交電新村為例[J]建筑設計管理， 2018，35（12）：7881

[4]劉亞鵬， 方柳合肥多層老舊住宅公共空間適老化改造[J].建筑與文化， 2018（4）：9596

[5]韋易伶老舊社區(qū)綠地系統(tǒng)適老化改造研究——以成都市芳草街社區(qū)為例[J]四川建筑， 2018，38（6）：4346

[6]陳文， 韓涵，李鵬， 等老舊小區(qū)住宅內部空間適老改造案例[J]建筑與文化， 2018（6）：8587

[7]謝雨紓， 林娜， 黃啟堂居家養(yǎng)老模式下的老舊住區(qū)景觀適老化改造研究[J]沈陽建筑大學學報（社會科學版）， 2019，21（2）：117123

[8]儲虹基于GIS分析的老舊小區(qū)適老化改造選址研究[J].建設科技， 2020（20）：8992

[9]冉奧博基層治理視角下的老舊小區(qū)改造：實踐形態(tài)與理論框架[J]云南民族大學學報（哲學社會科學版）， 2024，41（2）：9097

[10]張虎， 張毅， 劉嘉穎， 等產業(yè)鏈現(xiàn)代化目標下中國產業(yè)鏈政策的量化評價[J]統(tǒng)計與信息論壇， 2023，38（9）：3246

[11]陳芳， 溫抗抗， 張亞博， 等民航管制安全風險主題時空分布規(guī)律研究[J]安全與環(huán)境學報， 2024，24（2）：587595

[12]安欣，劉迪航，徐碩“雙碳”領域顛覆性技術度量與識別——基于多源數(shù)據(jù)融合方法（20240309）[20240718]http：//knscnkinet/kcms/detail/421224G3202403070759008html

[13]洪亮， 金鑫， 劉虓瀚， 等機器學習算法在燃料棒溫度性能預測中的應用[J]深圳大學學報（理工版）， 2022，39（5）：515520

[14]吳永和， 鄭浩， 詹雪菲國家中小學智慧教育平臺協(xié)同優(yōu)質建設探究——基于LDA模型和扎根理論的研究[J]中國電化教育， 2024（3）：3743

[15]馮宇軒， 付曉， 王千禾老舊小區(qū)改造轉型升級問題研究——以易縣鑫苑小區(qū)為例[J]城市建筑， 2023，20（19）：3134

收稿日期：20240407

作者簡介：

肖朔晨（1985—），女，博士，講師，碩士研究生導師，研究方向：建筑企業(yè)管理。

蘇帝（通信作者）（2000—），男，研究方向：工程建造與管理。

張陽（1998—），男，研究方向：工程建造與管理。

李磊（1999—），男，研究方向：工程建造與管理。

劉珍（1998—），女，研究方向：工程建造與管理。

*基金項目：河北建筑工程學院碩士研究生創(chuàng)新基金項目“基于機器學習的老舊小區(qū)改造方案匹配模型與實施路徑研究”（XY2024057）。