公众参与已成为城市规划过程中的法定程序之一,因此研究公众参与下的城中村有序改造,对于探索中国城中村改造实施机制有着重大的理论意义和应用价值。公民个体由于信息的缺乏以及受到自身知识、阅历等的限制,通常只能对一定范围内的部分空间环境进行有效地观察,形成一定的感知,即仅仅能给出各自偏好下的对部分方案的评估序列,而传统的群决策方法不能很好地处理较大比例数据的缺失问题。采用基于马尔科夫链的MC 4启发式算法,对多个部分序进行融合,得到一个初始序列,然后对该初始序列进行Kemeny局部优化形成群决策结果。以广州市52个全面改造的城中村改造为例,首先构造三种不同类型的城中村居民决策者和一类环境保护决策者;其次四类决策者个体分别从各自不同的利益角度出发,对其感知空间内的部分城中村改造的迫切程度进行评估并排序;然后采用Python编程实现了Kemeny局部优化算法对四类决策者的评估序列进行融合,得到52个城中村改造的群决策结果;群决策结果与个体决策方案之间的Kendall tau距离为0.2873,说明该方法得到的群决策结果与个体决策者之间的决策具有较好的一致性。研究表明,该方法摒弃传统的个案剔除法以及各种各样的数据插补方法,充分利用隐藏在这些数据中的信息,保证数据的客观性和结果的正确性,可以为公众参与的民主决策提供定量化的方法,为公共政策的制定提供科学的决策支持。