0 引 言

我国城镇化进程的快速推进带来了大量建设与拆除工程，这些活动产生的建筑废弃物也随之快速增长。据统计，目前我国建筑废弃物平均年产量已达到15.5亿t，且以每年10%的速度递增[1]。然而，建筑废弃物处置方式仍较为简单粗放，以露天堆放或简单填埋为主，造成土地占用与环境污染等问题。利用建筑废弃物中的惰性材料，生产骨料、砖等再生建材可实现资源循环利用[2]，是一种更加环保、可持续的处置方式，所生产的再生建材可以在一定程度上作为天然砂石建材的替代品。在当前我国生态环境保护力度加大，天然砂石建材被限制开采，供应日趋短缺的背景下，推进建筑废弃物的资源化利用的重要性日益凸显。

然而，由于部分资源化处理厂选址不当，较高的建筑废弃物收集运输成本成为限制资源化处置广泛应用的重要因素，因此选址的优化研究非常必要。国内外已有学者开展相关研究，如采用模糊综合评价法[3]、服务可靠度最大化方法[4]进行建筑废弃物处理厂的选址，将多准则决策分析(MCDA)与通信信息技术(ICT)相结合，制定建筑废弃物规划选址方案[5]，集成 RFID、GPS、GIS等技术选择建筑废弃物填埋场的选址地点等[6]。此外，统计算法、遗传算法也被用于建筑废弃物收运优化的研究中[7]。

本文在以上研究的基础上，以重庆市主城为研究对象，结合历史数据对主城九区的建筑废弃物进行产量预测，基于GIS平台，综合预测结果及城市规划、交通条件等信息，对资源化处理厂的选址布局进行了优化研究。研究框架如图1所示。

1 重庆市主城建筑废弃物产量预测

重庆市主城建筑废弃物产量预测数据来源：2004—2018年重庆市统计年鉴。

1.1 研究方法

1.1.1 建筑废弃物历史产量测算

建筑废弃物历史年产量的估算方法主要有现场调研法、单位产量法、材料流分析法[8，9]等。已有研究指出建筑施工、拆除、装修乘以废弃物产量与其建筑面积存在着线性关系[10]。本文运用建筑面积估算法，将上述3类建设活动的建筑面积乘以单位面积建筑废弃物产量，得出3种建筑废弃物的产量，对三者求和即为建筑废弃物总产量。建筑年施工面积按重庆市统计年鉴中的房屋施工面积计算；建筑年拆除面积按房屋施工面积的10%计算；建筑年装修面积按房屋竣工面积的10%计算；根据统计数据，单位施工面积建筑废弃物产生量为550 t/hm2，单位拆除面积建筑废弃物产生量为1.3 t/m2，单位装修面积建筑废弃物年产生量为0.1 t/m2 [9]。使用以上方法得到的重庆主城近15年的建筑废弃物历史年产量数据如表1所示。

1.1.2 产量预测模型

建筑废弃物产量的预测模型有线性回归预测、指数平滑法、灰色模型等。运用单个预测模型各有局限，灰色模型法适用于具有指数发展趋势的时间序列数据，可用于短中期预测。指数平滑法可反映最新数据变化趋势，但只适用于短期预测。运用加权组合模型可发挥2种预测模型的优势，减少预测误差[10]。

本文使用加权组合的方式，将灰色模型与指数平滑法结合起来，对重庆市主城九区未来10年的建筑废弃物年产量进行预测。本文选用建筑废弃物产量预测中较为常用的G (1,1) 模型[11]和二次指数平滑法[12] 开展预测。

加权组合模型将2种预测模型按照平均误差的大小分配预测权重，得到综合2种预测结果的预测值。分别表示使用灰色模型和二次指数平滑法t时刻的建筑废弃物实际值与预测值，εE、εG分别表示使用灰色模型和二次指数平滑法预测量的平均误差，2种模型的加权系数为iG，iE，t时刻的加权组合预测值为Ft，则有：

(1)

(2)

(3)

Ft=iG·Gt+iE·Et

(4)

1.2 预测结果

使用灰色模型预测时，重庆市主城九区总产量、渝中区、江北区、沙坪坝区、九龙坡区的预测能通过后验差检验，模型精度达到要求，其余各区无法通过检验，结合指数平滑法修正预测结果后可用于预测。使用二次指数平滑法预测时残差均在0.3以下。根据加权组合模型，得到加权系数如表2所示。使用组合预测模型后各区预测的残差均<0.25，保证了预测的合理性。预测结果和各区预测建筑废弃物密度如表3和图2所示。

2 重庆市主城建筑废弃物资源化处理厂选址布局优化

2.1 重庆市建筑废弃物资源化处理厂布局现状

建筑废弃物处理设施包括固定式、现场式、移动式3种。重庆主城区主要采用固定式处理厂的形式，其他2种布局较少。重庆主城区的现有处理厂的布局、处理能力、处置方式等情况如图2所示。

目前重庆市主城的建筑废弃物处理厂分布在渝北区、巴南区、南岸区、北碚区，大部分处理厂仍采用填埋为主要处置方式，资源化利用率不高。其选址布局存在诸多问题：1)不合理的选址布局导致废弃物收运成本剧增；2)处理厂远离再生产品使用地，存在着运费、销售后续管理等问题；3)部分处理厂建设因当地居民的反对实施受阻[4]。

2.2 建筑废弃物资源化处理厂选址布局优化

2.2.1 备择选址点的确定

资源化处理厂的备择选址，即满足城市规划、交通条件、环境影响等基本要求的选址：1)土地使用类型应符合相关规定，应选址布局在工业用地、绿地或其他用地；2)满足建筑废弃物运输条件，一般要求与主要道路距离为300～1500 m；3)远离机关、学校、医院、居民住宅以及饮用水源，距离保持在500 m以上；4)避免与现有处理厂位置相互影响[13]。

资源化处理厂选址优化问题具有明显的空间属性。本文运用ESRI公司ArcGIS 10.2平台的缓冲区分析和叠置分析功能实现选址优化，根据上述基本要求，集成重庆主城的行政区划、建筑废弃物产量预测、现有资源化处理厂分布、建设用地规划、路网等信息，依据以下规则建立缓冲区：

1)对建设用地规划图中居住用地、行政办公用地、医疗卫生用地、教育科研用地及河流的边界建立缓冲区，宽度500 m，形成选址避开区域。

2)对主要路网建立两级缓冲区，宽度分别为300,1500 m，路网缓冲区为满足交通通行要求的选址区域。

3)对现有资源化处理厂建立多级缓冲区，缓冲距离分别为10，20，30，40 km，避免与现有处理厂相互干扰。

根据选址的基本要求对使用GIS对以上缓冲区做叠置与擦除分析，得到满足选址基本要求的备择选址共3282个,如图3所示。

2.2.2 选址优化模型

本研究以降低运输成本，提高资源化利用率为首要优化目标。

通过GIS空间分析得到的备选选址中仅考虑了城市规划、交通、环境影响等基本要求，在此基础上需从降低运输成本的维度来进一步优化选址，确定需要建设的资源化处理厂数量、处理能力、选址位置的方法。

模型假设条件：

1)重庆市主城九区建筑废弃物产量稳定且可预测。

2)以备选选址与主城九区各区中心的直线距离作为运输距离。

3)以未来10年主城九区的建筑废弃物预测平均产量作为资源化处理厂的建筑废弃物来源。

则选址优化模型可用如下数学语言描述。

约束条件：

目标函数：

(5)

式中：n为建筑废弃物来源地数量；pi为i来源地的建筑废弃物预测平均产量；u为备选厂址数量；m为待建的资源化处理厂数量；qj为待建的j处理厂处理能力；xij为i来源地到j处理厂的距离；vij为j处理厂处理来自i来源的建筑废弃物占j处理能力的比例。

根据以上约束条件，分析求解目标函数最优解，选取对应的选址地点即可求得资源化处理厂的优化选择方案。

2.2.3 选址优化方案

结合重庆市建筑废弃物资源化处理现状与上述选址优化方法，设置重庆市主城九区的建筑废弃物资源化处理厂选址优化方案如下：

1)重庆市主城九区现有的建筑废弃物处理厂中，仅有环卫集团广阳和黑石子2个处理厂实现了资源化处置；其余的6个处理厂对建筑废弃物的资源化利用程度较低，以填埋为主，应引进资源化处置生产线加以改造，实现处置方式优化升级。

2)现有的资源化处理厂中，黄山建筑垃圾消纳场和鹿山建筑垃圾消纳场与居民、教育、商业用地距离在1 km以内，存在干扰附近居民、商业、教育活动的隐患，在条件允许的情况下，可以考虑其他选址。通过优化模型满足选址基本要求且运输成本较低的推荐选址点如图4所示。

3)根据重庆市建筑废弃物产量预测，未来10年重庆市主城区每年将产生近5000万t建筑废弃物，而当前重庆市主城区主要建筑废弃物厂的处理能力约为258万m3/a，约3700万t，即使所有处理厂均达到设计处理能力，未来10年重庆市建筑废弃物处置能力上仍显不足。根据选址优化模型，优化的选址布局方案为主城九区新增3家年处理能力在150万～200万m3以上的建筑废弃物处理厂以提高处理能力。处置能力扩展后的优化选址如图5所示。

使用优化选址方案以后，平均运距减少约5 km，成本优化19.4%,详见表4。

3 结束语

建筑废弃物资源化处置推行困难的原因较多，但选址不当导致收运成本较高是主要原因之一。本文以重庆市主城区为研究对象，提出了1套以运输成本优化为主要目标的多维度选址优化方案：

1)使用加权组合模型，结合灰色理论与二次指数平滑法预测未来10年重庆市主城九区的建筑废弃物产量，并分析了重庆市建筑废弃物资源化利用现状。

2)为优化重庆市主城区的建筑废弃物资源化处理厂选址布局，基于GIS平台，提出了综合考虑城市规划、交通条件、环境影响等基本条件的备选选址生成方法。

3)提出以运输成本优化为主要目标的选址优化模型。通过选址优化，为建筑废弃物管理部门找出既符合城市规划要求，交通便利，避免环境影响，又能实现综合运输成本优化的推荐地址；并提出应对未来10年重庆市主城区的增量建筑废弃物的资源化处理厂处理能力拓展选址方案。

本文在处理重庆市建筑废弃物的产量信息时，为简化计算过程，采用了主城各区的建筑废弃物产量作为建筑废弃物来源地产量，以备选选址与主城各区中心的直线距离作为运输距离，这与实际数据或存在偏差。运用遥感、GIS等技术等开展准确的选址优化可作为后续研究重点。此外，本文仅考虑固定式的资源化处理厂的选址布局问题，而未考虑现场处置设施和移动式处置设施的选址布局，制定固定式、现场式与移动式处置结合的综合处置方案也将作为后续深入研究。

参考文献

[1] 国家发展改革委. 中国资源综合利用年度报告[J]. 中国经贸导刊, 2014, 7(30):49-56.

[2] 崔丽, 龚志起, 陈柏昆. 西宁市惰性建筑垃圾管理系统的环境评价[J]. 青海大学学报, 2018, 36(2):76-82.

[3] KAPILAN S, ELANGOVAN K. 基于GIS 和多准则决策分析的垃圾填埋场选址研究[J]. Journal of Central South University, 2018, 25(3):570-585.

[4] 何琼, 谢秋, 胡鸣明. 面向系统服务可靠度的建筑垃圾资源化企业优化选址研究[J]. 环境工程, 2014，32(4):99-104.

[5] FEO G D, GISI S D. Using MCDA and GIS for hazardous waste landfill siting considering land scarcity for waste disposal [J]. Waste Management, 2014, 34(11): 2225-2238.

[6] LYNDON N A S. Using geographic information system (GIS) to determine waste transfer stations in relation to location of landfill sites in Accra Metropolis [J]. African Journal of Environmental Science and Technology, 2015, 10(3):96-103.

[7] 肖艳兵, 芮小平. 约束条件遗传算法的餐厨废弃物收运路线研究[J]. 地理空间信息, 2017, 15(6):64-66，69.

[8] 张红玉, 杨飞华, 李国学,等. 基于ARIMA模型的北京市朝阳区建筑垃圾产量分析与预测[J]. 环境工程, 2014，32(增刊1):696-699.

[9] 陆宁, 陆路, 李萍,等. 中国城市建筑垃圾产量计算及预测方法[J]. 长安大学学报, 2008, 10(3): 79-82.

[10] 陈翠良, 杨建新, 吕彬,等. 城市建筑废物产量估算与预测方法：以海南省为例[J]. 环境科学与技术, 2012, 1(11):173-179.

[11] 王桂琴, 张红玉, 李国学, 等. 灰色模型在北京市建筑垃圾产生量预测中的应用[J]. 环境工程, 2009, 27(增刊1):508-511．

[12] 张峰, 乔梁, 樊瑞雪. 建筑废弃物产生量预测与资源化利用研究：以山东省为例[J]. 建筑经济, 2017, 38(8):79-84.

[13] 北京市住房和城乡建设委员会. 固定式建筑垃圾资源化处置设施建设导则[Z].2015-12-21.

ESTIMATION OF CONSTRUCTION AND DEMOLITION WASTE GENERATION AND SITE OPTIMIZATION OF RECYCLING PLANTS：A CASE STUDY OF CHONGQING METROPOLIS, CHINA

HU Ming-ming1,2,3,4*, PENG Feng1, XIANG Peng-cheng1,2,3

(1. School of Management Science and Real Estate, Chongqing University, Chongqing 400045, China;2. International Research Center for Sustainable Built Environment, Chongqing University, Chongqing 400045, China;3. Research Center of Construction Economics and Management, Chongqing University, Chongqing 400045, China； 4. Institute of Environmental Sciences, Leiden University, Leiden 2300 RA, The Netherlands)

Abstract: Construction and Demolition Waste (C&DW) recycling has not yet been a common practice in China. One of the key obstacles was the improper location of the recycling plants, which led to high cost of C&DW recycling. Therefore, it was of great significance to reduce the collection and transportation cost of bulk C&DW through information integration and accurate matching of supply and demand information. A multi criterial location optimization scheme was put forward, with transportation cost as the main objective. Taking Chongqing metropolis as a case study, the study was conducted on the basis of reasonable prediction, combining grey model with exponential smoothing method to estimate the annual output of C&DW. The optimization model of site selection of C&DW recycling plant based on GIS was proposed, and the optimization scheme of site selection C&DW recycling plant was formed.

Keywords: C&DW management; recycling plant; GIS; grey model; exponential smoothing method; locating optimizing

DOI:10.13205/j.hjgc.202001019

收稿日期：2019-05-30

基金项目：国家国际科技合作专项“智慧节能工业园建设关键平台技术与协同驱动”(2015DFG62270); 重庆市环境卫生管理局项目《重庆市建筑垃圾处置技术规程》标准编制项目。

*通信作者：胡鸣明(1975-)，主要研究方向为建筑垃圾管理、建筑碳排放。mingminghu@cqu.edu.cn