地震灾害对于城市建筑危害极大,往往造成大量人员伤亡和难以估量的经济损失。无论震前的建筑结构设计、结构易损性分析,还是震中的建筑结构监测,或震后建筑损伤评定,层间位移（或层间位移角）都是重要的结构性能指标。如果能够实时记录城市建筑在地震作用下的层间位移时程,则可以大大提高震后建筑结构安全评定的效率,并可通过分析不断积累的建筑震害数据,预测新地震下建筑结构的破坏状态。然而,由于健康监测系统的成本较高,往往只布设在少数重要建筑中,导致目前对于城市震后大部分建筑的破坏状态评定,仍然需要人工调查、统计,效率较低,而且耗费大量人力、物力。针对这样的现状,本文以如何在地震前评价区域大量建筑的易损性、如何在地震中低成本监测建筑结构的层间位移、如何在地震后快速预测建筑的破坏状态和最大层间位移角为主线,围绕重要的工程参数——建筑结构层间位移展开研究,形成了基于低成本层间位移监测的城市建筑结构地震安全快速评定方法,本文主要的研究内容如下:（1）基于多层集中质量剪切梁模型,采用增量动力分析方法对城市普通建筑结构进行地震易损性分析。采用增量动力分析方法,建立不同结构类型、建筑层数、规范版本共132栋建筑的多层集中质量剪切梁模型,计算各模型在5种场地类型、不同地震动强度下的结构响应,得到不同建筑的易损性曲线,分析各个建筑特征对于地震易损性的影响。此外,设计了两种可视化方法,形象地展示区域建筑的易损性等级。在对大连某一小范围区域的建筑调研后,评价了该区域建筑的易损性等级。（2）提出了一种基于低成本激光器和智能手机的结构层间位移监测方法。该方法用固定在天花板的低成本激光器发射信号,把激光点照射在固定于地板的投射板,用智能手机拍摄激光点,通过集成计算机视觉算法的D-Viewer应用计算激光点的移动,推算层间位移时程。通过简谐激励实验、地震动激励实验和夜间实验,一共19组实验,验证该方法的鲁棒性并分析该方法的精度。结果表明,该方法在真实层高下有较好的精度和很小的百分比误差。（3）提出了一种简便的基于特征点匹配算法和智能手机的结构层间位移监测方法。为了更加方便地监测层间位移,设计了一种把智能手机粘贴在地板,通过前置摄像头拍摄天花板物体,推算结构层间位移的方法。采用特征点匹配算法处理拍摄的视频,获得天花板物体特征点的移动。通过13组静态、动态、钢框架实验验证了真实层高下该方法的可行性和鲁棒性,并依次分析了该方法的测量精度、低光照条件下监测结果出现中断的原因以及钢框架的动力特性。结果表明该方法成本较低、操作方便、精度满足层间位移测量需求。（4）提出了基于主成分分析和人工神经网络的区域建筑震后破坏状态快速预测方法。为了更全面地表征不同地震动的特征,选取地震动两个水平方向共58个地震动强度指标,通过主成分分析把地震动强度指标可视化,并把58个指标降维到20个,保留大部分原始信息且减少相关性。把降维的地震动强度指标、建筑结构特征和建筑破坏状态导入人工神经网络模型,预测新地震动下各类建筑的破坏状态,结果表明该方法的预测效果较好,并且用该方法预测了大连小范围区域建筑在新地震动下的破坏状态。（5）提出了一种基于层间位移角谱和卷积神经网络的结构最大层间位移角预测方法。提出了一种融合了层间位移角谱的数据驱动方法,把层间位移角谱作为结构最大层间位移角的第一次估计,设计了类似自编码器的卷积神经网络,用结构地震响应数据训练该网络并调整第一次估计的结果,生成更加精确的第二次估计。采用两种结构有限元模型对该方法进行验证,结果表明该方法优于人工神经网络和支持向量机的预测方法,可以合理预测最大层间位移角。（6）综合以上五部分内容形成建筑结构地震安全评定方法。该方法包括3部分,第1部分在震前评估城市建筑的地震易损性,第2部分在地震中监测各个建筑的层间位移时程,第3部分在地震后评定和预测各个建筑的破坏状态。此外,分析了该方法3部分的相互联系,还根据实际应用场景分析了以下问题:说明了建筑震害数据库收集数据的方法,用第1部分易损性分析结果和K-Means方法提供区域建筑监测系统的布设建议,通过分析Miranda弯剪组合梁模型提供单栋建筑监测系统的布设建议,最后说明了主震与余震序列的数据处理方法。