这篇文档属于类型a，是一篇关于可持续建筑项目管理控制模型的原创研究论文。以下为详细的学术报告内容：

作者及发表信息

本研究由Sareh Rajabi（美国沙迦大学工程系统管理博士项目）、Sameh El-Sayegh（美国沙迦大学土木工程系，通讯作者）和Lotfi Romdhane（美国沙迦大学机械工程系）合作完成，发表于期刊Sustainability 2024年第16卷，文章标题为《Project Controls Model for Sustainable Construction Projects》，DOI编号为10.3390/su16209042。论文于2024年10月18日正式发表，遵循知识共享许可协议（CC BY 4.0）。

学术背景

研究领域与动机
本研究属于可持续建筑与项目管理交叉领域。传统建筑行业在评估项目绩效时，通常采用挣值管理（Earned Value Management, EVM）技术，但其仅关注时间、成本和范围，忽视了可持续发展目标（如环境、社会和经济维度）的量化评估。随着可持续建筑的重要性提升，现有研究存在以下缺口：
1. 缺乏针对施工阶段的可持续绩效测量工具；
2. 现有EVM框架未整合可持续性指标；
3. 可持续性评估受数据可靠性和主观性影响。

研究目标
开发一种新型可持续挣值管理模型（Sustainable Earned Value Management, SEVM），将可持续性指标与传统EVM结合，实现项目在时间、成本和可持续性三方面的动态监控与优化。

研究流程与方法

1. 可持续性指标识别与评估

• 数据来源：通过文献综述筛选22项可持续性指标，涵盖环境（11项，如能源使用、水资源回收）和社会经济（11项，如施工安全、本地就业）两大类别，并参考LEED和BREAM等国际标准。
  
• 权重确定：采用层次分析法（AHP），向阿联酋31名建筑行业专家发放问卷，进行指标重要性排序。结果显示，可再生能源使用（权重0.167）和施工安全（权重0.093）是关键指标，而水污染（权重0.008）影响最小。
  
• 指标评分：通过基准化（Benchmarking）将指标量化为0-1分（0为不可持续，1为完全可持续），并设定6级评分标准（如“优秀”对应0.81-1.00分）。

2. SEVM模型构建

模型分为规划与执行两阶段：
- 规划阶段：
- 制定项目基线计划，包括时间、成本预算（BAC）和可持续性预算（SBAC）。
- 通过关键路径法（CPM）分配资源，计算各活动的可持续性计划值（SPR）。
- 执行阶段：
- 跟踪：按月比较实际成本（AC）、实际可持续性值（SAV）与基线差异。
- 控制：通过可持续性绩效指数（SVPI）预测最终成本（TEAC），并提出优化策略。

核心公式：
- 可持续性实际评分（SAR）：根据实际与计划量的偏差调整（公式7-8）。
- 可持续性挣值（SEV）= SBAC × 实际完成百分比（公式10）。
- 可持续性方差（SVV）= SAV − SEV（公式12），SVPI >1表示可持续目标达成。

3. 案例验证

• 案例背景：阿联酋某建筑项目（工期285天，总预算1690万阿联酋迪拉姆）。
  
• 实施步骤：
  
  1. 按月监测传统EVM指标（如CPI、SPI）和SEVM指标（SVV、SVPI）；
     
  2. 结果显示，项目前6个月成本低于预算（CPI>1），但第6-7月可持续性未达标（SVPI）；
     
  3. 与传统EVM相比，SEVM模型最终预测成本（TEAC）更低，证明其经济与环保双重效益。
     

主要结果与逻辑关联

1. 指标权重分析：可再生能源使用和施工安全的高权重反映了阿联酋沙漠气候下对能源效率与工人保护的重视。
   
2. 模型有效性：SEVM成功识别出第6-7月的可持续性偏差，并通过调整资源分配（如减少夜间施工）改善绩效。
   
3. 成本对比：SEVM的TEAC（1314万迪拉姆）低于传统EVM（1356万迪拉姆），表明整合可持续性可降低总成本。
   

结论与价值

科学价值：
- 提出首个将可持续性指标纳入EVM的SEVM框架，填补了施工阶段可持续绩效量化工具的空白。
- 通过案例验证了模型在动态监控与成本优化中的实用性。

应用价值：
- 为承包商提供可操作的工具，平衡经济与环保目标；
- 促进建筑行业向联合国可持续发展目标（SDGs）靠拢。

研究亮点

1. 创新性方法：开发SEVM模型，扩展传统EVM的“黄金三角”（时间-成本-范围）至“四维”（增加可持续性）。
   
2. 本土化指标：针对阿联酋气候特点（如水资源稀缺）定制指标权重。
   
3. 实证支持：通过真实项目数据验证模型可行性，结果具高可信度。
   

其他有价值内容

• 局限性：当前模型在项目层级评估可持续性，对超大型项目（数千项活动）的细化应用需进一步研究。
  
• 未来方向：探索人工智能（如模糊逻辑）优化SEVM的预测准确性。
  

（报告总字数：约1800字）