居住建筑拆除阶段废弃物量化研究

李 静，丁 珂

（大连理工大学 建设管理系，辽宁 大连 116024，E-mail：qdlgdxdingke@163.com）

当前我国正经历快速城镇化的阶段，城市更新需求也将日益增加。资料显示，仅棚户区改造项目，2015～2018 年每年新开工量均在600 万套以上，2015～2020 年合计约2967 万套[1]。然而，老旧建筑拆除改造将产生大量建筑废弃物，随之会造成建筑材料资源浪费、产生环境影响和填埋场安全风险、侵占土地资源等[2]。据统计，拆除废弃物在建筑全寿命周期废弃物中所占比例高达70%～75%[3]。为减少城市更新活动的负面影响，促进绿色低碳发展，需加强对拆除废弃物的有效管理。目前，越来越多学者开始关注建筑废弃物领域的研究。Li等[4]对494篇相关文献进行可视化分析，得出建筑废弃物研究主要集中在进化博弈论、物流流分析、生命周期评估、关键成功因素、废弃物处置收费方案和系统动力学等。此外，相关研究数量排名前列的国家大多是发达国家，而发展中国家，如中国、巴西和印度，由于环境保护意识的提高，逐渐意识到建筑废废物管理的重要性，近年来研究数量逐步增多。对拆除废弃物的量化方面，相关研究仅集中在少数大中城市地区，如香港、深圳、上海、郑州等[5]。王翌飞[6]考虑各利益主体的交互行为，利用主体建模的方法，建立拆除废弃物管理系统模型，并提出后续可利用大数据技术、GIS 技术，以提高模型效度。Su等[7]结合BIM、GIS 和LCA，开发了拆除建筑废弃物的估算和评价系统，验证将信息技术运用到废弃物管理的可行性，但尚未考虑拆除活动和现场处理工作。喻博[8]基于文献综述、图像识别技术等，对大规模城市更新过程中拆除废弃物产生量进行预测，并提出后续需不断对GIS 数据库进行更新。

现阶段，预估建筑废弃物数量的方法较为局限，且更多针对建筑新建阶段，很少聚焦拆除阶段。缺乏基础数据和没有相应信息技术支撑是缺少大规模拆除废弃物产生量预测方法的重要原因[8]。虽然，吴环宇[3]、喻博[8]等应用城市数据库对拆除废弃物产量进行了预测，但主要依靠深圳市Szgeoinfo平台中存储的城建数据，不能很好地应用于其他城市。而GIS、大数据挖掘技术、BIM 等的应用可以弥补区域基础数据匮乏的缺陷，提高预测的准确性。本文应用面积指标法、GIS 和大数据挖掘技术完善建筑属性信息，建立居住建筑拆除废弃物的量化模型，并进行时空可视化分析，希望为建筑废弃物减量化研究提供一定的参考依据。

1 拆除建筑废弃物量化基础

1.1 拆除建筑废弃物的定义

《深圳市建筑废弃物管理办法》[9]将建筑废弃物定义为在新建、改建、扩建和拆除各类建（构）筑物、管网、交通设施以及装修房屋等工程施工活动中产生的各类废弃物，主要分为工程渣土、拆除废弃物、工程泥浆、施工废弃物、装修废弃物五类。目前对拆除废弃物未有统一的定义，根据《深圳市拆除废弃物分类收集及处置技术指引》[10]，拆除废弃物是指拆除各类建（构）筑物、管网等产生的废弃混凝土、砖瓦、沥青等。本文拆除建筑废弃物是指根据建筑寿命周期所划分的拆除阶段中产生的建筑弃料和其他废弃物的总和，研究对象限于居住建筑，不包括公共建筑、工业建筑等。所研究的建筑材料主要包括钢筋、砌块、混凝土、砌砖、木材、铝合金型材、玻璃、瓷砖和其他材料等。

1.2 面积指标法

面积指标法是一种基于建筑面积和废弃物产生率的预测方法，通过取两数据指标的乘积作为建筑废弃物[11]，目前已被广泛应用于许多国家，如中国、美国、韩国、葡萄牙、西班牙和挪威[8]。该方法的计算公式如下：

式中，TG为建筑废弃物总产量；WGR为单位面积拆除建筑废弃物产生量；GFA为总建筑面积。应用该方法可对单体建筑实现较为快速的计算，但弊端是需获取准确的总建筑面积数据，不能对大规模区域进行快速产量预估，数据获取和匹配比较困难。因此，在城建信息缺乏的情况下，应用大数据挖掘和信息技术快速获取准确的建筑信息，对建筑废弃物量化模型的建立至关重要。

1.3 研究方案

为对建筑拆除废弃物进行快速、准确地量化，应用面积指标法、GIS 技术相结合的方法建立量化模型。并以大数据挖掘、卫星地图等进行辅助分析，批量获取建筑属性信息，建立GIS 数据库。通过卫星地图下载器快速获取城市现存建筑的轮廓、面积、高度、坐标等信息。建筑名称等的获取可以借助POI 信息，POI（Point of Interest）泛指互联网电子地图中的点类数据，简称为“兴趣点”，包含建筑名称、地址、地理坐标和类别等多个属性。故应用网络爬虫获取POI，再分析建筑物足迹的中心点，将其与最近的住宅兴趣点进行匹配，为建筑分配兴趣点信息。此外，通过收集建筑样本获取拆除建筑产废率指标。在完善GIS 数据库的基础上，应用改善的面积指标法进行数据分析和可视化表达。

2 拆除建筑废弃物量化评估

2.1 量化模型的建立

由式（1）可知，拆除建筑废弃物产量主要受建筑总面积和单位面积产废量影响。陈军等[12]认为拆除建筑废弃物产生量主要受建筑的结构类型、建筑物用途、建筑面积、楼层高度和建筑物所处的地理位置等因素的影响。此外，Mokhtar 等[13]认为施工方法、项目规模、建筑类型、材料储存方法、人为错误和技术问题会影响建筑工地产生的产废指数和废物量。为了建立更有效的量化模型，本文主要考虑建筑结构类型因素的影响，基于面积指标法提出拆除废弃物的计算模型：

式中，ODR为居住建筑拆除废弃物总产量；PWR为居住建筑拆除废弃物产生率；RBA为居住建筑总面积；i为建筑结构类型。

2.2 获取区域建筑属性

2.2.1 建筑面积和高度的获取

废弃物量化模型的建立依赖区域现存居住建筑总面积数据。为提高计算效率，将建筑的占地面积近似看作为每一层的实际建筑面积，由此得到建筑总面积的计算公式：

式中，S为建筑的占地面积；N为建筑楼层数量。

Bigmap 是一种应用比较广泛的卫星地图下载器，可直接下载Google 高清无偏移卫星图片、电子地图、混合地图和地形地图等，提供行政区域、矩形区域、任意多边形地图的下载[14]。应用卫星地图下载器对城市建筑物轮廓进行提取（含楼层、地理坐标等信息），再使用面积测量工具计算建筑物的占地面积。其中，建筑楼层数目的计算公式[8]如下：

式中，H为建筑高度；Hf为建筑层高。为简化计算过程，取建筑层高为国家住建部《住宅设计规范》[15]中规定的住宅适宜层高2.8m。

2.2.2 其他建筑属性的获取

虽然，城市建筑数据可以通过查询城建档案获取，但城建档案数据并不是完全开放的，也很难实现批量获取。因此，为解决数据限制问题，基于大数据网络爬虫技术实现对研究区域建筑属性进行快速抓取和匹配，能够提高信息获取的效率和准确性。

（1）获取建筑名称和物业类型等。虽然可以从卫星地图中获取建筑物位置和楼层数量，但此时缺乏各单体建筑的名称、物业类型等属性。而POI兴趣点数据可以表征区域内各类基础设施与实体空间的位置和属性信息，呈现城市中各类生产建设要素的空间集聚情况[16]。故应用网络爬虫技术从高德地图中自动抓取选定区域内的住宅建筑信息（包括建筑名称、物业类型、地理坐标等），导入到GIS 系统。将建筑轮廓中心点与最近的住宅兴趣点进行数据匹配，为每栋建筑分配一个兴趣点信息，得到城市居住建筑的“建筑属性”。

（2）获取建设时间和建筑结构类型。为获取研究区域内住宅的建设时间、结构类型等详细信息，应用网络爬虫技术从安居客二手房房产网进行批量抓取和汇总，形成住宅的“住宅信息”。对部分缺失的住宅数据，通过链家、房天下、58 同城等房产网站和相关房产中介等途径进行补充。

（3）数据连接。在GIS 系统中导入“住宅信息”，通过建筑名称“Name” 字段与“建筑属性”连接，实现对建筑属性的快速完善，建立GIS 数据库。在GIS 系统中任意点击单体建筑，即可查看建筑属性信息，包括名称、高度、占地面积、地理坐标、物业类型、建设时间、结构类型等。

2.3 估算拆除废弃物产生率

拆除废弃物产生率是衡量和预测建筑废弃物产量的重要指标，是指拆除每平方米建筑面积产生的废物量（m3）或数量（t、kg）。获取该指标的方法有多种，Lu 等[17]对此进行了总结，包括直接观测、比较承包商的记录、问卷和电话调查、现场废料分拣和称重、通过咨询建筑公司员工收集数据及卷尺测量和卡车装载记录等。由于现场观测难度大、周期过长，问卷统计得到的结果差距大，故从建筑工程概算指标的角度切入研究。通过广联达综合指标网[18]，搜集多个真实建筑样本（均来自辽宁省）。通过对若干样本的建筑工程量清单进行分析，估算样本综合概算指标区间，取平均值作为单位产废率。

在广联达综合指标网[18]筛选地区、建筑类型和结构类型后，即可查询建筑样本的工程量信息，通过对样本汇编（其他废弃物产废率取50kg/m2），最终结果如表1～表3 所示。

表1 框架结构的单位产废率

表2 砖混结构的单位产废率

表3 框剪结构的单位产废率

2.4 建筑拆除时间

影响建筑物拆除时间的主要因素是建筑服务寿命，但目前关于建筑服务寿命的研究较少，现实中建筑存在超期服役或提前拆除等多种复杂情况，需要耗费大量时间进行数据统计和估算。本文采取学者对建筑服务寿命的预估结果[3]（见表4），对建筑拆除时间进行估算。该研究在多部国家相关设计规范的基础上，考虑结构类型与建筑层数等因素的影响，预估建筑服务寿命。

表4 建筑服务寿命

建筑拆除时间的计算公式如下：

式中，C为居住建筑的预计拆除时间；T为建设时间；L为建筑服务寿命；i为结构类型。

3 案例研究

3.1 案例介绍

本文以大连市沙河口区中山公园街道为研究对象，对未来城市更新过程中居住建筑拆除废弃物的产生量、成分和空间分布情况进行预估。为维护清洁、优美、舒适的城市生产、生活环境，大连市早在2013 年就印发了《大连市建筑垃圾排放管理规定》，体现出城市对建筑废弃物管理的重视。由于目前对建筑废弃物产生量的相关研究较少，且更多集中在深圳、广东等南方城市，而大连作为北方城市的代表，存在居住建筑密集、拟拆除和改造建筑物存量多等特征，具有很强的研究代表性。

中山公园街道是辽宁省大连市沙河口区的下辖街道，位于沙河口区东北部，面积共3.1 km2，是大连市沙河口区的商业、金融、文化和教育中心。

3.2 建筑属性表的建立

3.2.1 建筑面积和高度获取

建筑面积和高度是影响拆除废弃物总量的重要因素。故首先应用卫星地图下载器，定位到街道级别，对中山公园街道的卫星地图、建筑轮廓矢量图进行获取。再使用测量工具对占地面积和高度进行计算，并应用式（3）、式（4）估算建筑面积和楼层数目，形成“建筑基本属性”。在GIS 系统中单击每一个单体建筑，即可显示其相关属性。但此时的建筑轮廓缺少每个“面” 的建筑名称信息（这里的“面” 是指GIS 软件中的“面状绘图要素”），仅有高度、面积、坐标等数据。

3.2.2 建筑名称获取

对建筑名称的获取，主要借助POI 信息。本文应用Java 语言，按照“商务住宅” 这一建筑类型，从高德开放平台对所选区域的POI信息进行网络爬虫，形成“POI 数据”。将POI 数据按地理坐标进行可视化表达如图1 所示。

图1 POI 数据可视化表达图

POI 数据与建筑面要素的匹配过程是：首先将下载的建筑轮廓图及“建筑基本属性”“POI 数据”，按同一地理坐标系（在此选择WGS-1984 坐标系）分别导入到GIS 系统中。其次，应用系统工具箱选择“数据管理工具”—“要素”—“要素转点”，将建筑面要素转换为点要素。再将建筑物足迹的中心点，与距离最近的住宅兴趣点进行匹配，如图2所示。在系统中为每一个建筑面要素补充建筑名称和地址等属性信息，完善“建筑属性”。

图2 POI 与建筑面要素的匹配（截图）

3.2.3 建设时间和结构类型获取

虽然建筑面积、高度和名称等信息比较容易获得，但还需清楚每一个建筑的建设时间和结构类型等。本文应用Java 语言，从安居客二手房房产网筛选地区后，对住宅的挂牌信息进行批量抓取和汇总，形成“住宅信息”。共抓取沙河口区住宅小区508 个。对部分缺失的住宅数据（所占比例低于5%），通过链家、房天下、58 同城等房产网站和房产中介等途径补充；对无法查询结构类型具体为框架还是框剪结构的住宅，统一设置为钢筋混凝土结构（所占比例低于5%），其单位产废率指标取框架与框剪结构的单位产废率平均值。

3.2.4 数据连接

为完善区域居住建筑GIS 数据库，需联合“建筑属性” 与“住宅信息”。实现步骤为：在GIS 系统中导入“住宅信息”，通过两者均含有的“Name”字段与“建筑属性” 进行连接。其中，包括小区名称、建筑高度、建筑面积、地理坐标、物业类型、建设时间、结构类型等。

3.3 拆除废弃物产生量结果分析

3.3.1 按时间序列输出

本文以2040～2110 年（共70 年）为研究期，对研究区域现存居住建筑（不含期间新建的其他建筑）将产生的拆除废弃物产量进行预测，结果如图3 所示。

图3 中山公园街道2040～2110 年拆除产废量

结果显示，在70 年研究期内，2040～2065 年，研究区域拆除建筑废弃物年产生量一直维持在比较稳定的区间内；而2070～2080 年，年产废量水平较之前有大幅度增长，在2075 年达到350 多万吨的最高水平，累计产废量不断攀升；2085～2110 年，年产废量又逐渐趋于稳定。这一结果主要是因为：建筑寿命期大多为50～70 年，而中山公园街道居住建筑的建设时间主要集中在1900～2010 年，导致拆除时间集中在2070 年左右。因此，年产废量才会呈现先缓慢上升，后上涨速度突增的趋势。

3.3.2 按不同材料输出

按不同材料将研究区域的拆除废弃物存量进行汇总，结果如表5 所示。

表5 中山公园街道材料废弃物存量表

由计算结果可知，研究期间共产生1087.469 万吨拆除废弃物。其中混凝土和砖砌块材料的所占比例最高，分别占60.68%和25.53%，总计超过总产废量的80%，资源化利用潜力较大。未来应着重提升废弃混凝土、砖砌块等材料的回收利用水平，使其再次成为建筑用材的主力。

3.3.3 废弃物存量的空间分布

为了解拆除建筑废弃物存量的空间分布，应用ArcMap 对研究期间区域内拆除废弃物存量进行二维可视化表达，结果如图4 所示。同时，ArcScene是ArcGIS 中一个适合于展示三维透视场景的平台，可以通过地图反映三维空间数据的属性特征，如图5 所示。废弃物存量地图中颜色越深区域，代表将产生的拆除废弃物产量越多，更应引起相关管理者的注意。从图4 和图5 可以观察到，拆除废弃物存量较多的地区多为近几年开发的中高档住宅小区、商业等的聚集地。通过建筑废弃物存量图，能够提示决策者某些材料废弃物可能在哪里产生和回收，方便对城市废弃物填埋场、焚烧厂的数量与地点进行规划。

图4 中山公园街道建筑废弃物存量二维地图

图5 中山公园街道建筑废弃物存量三维地图（截图）

4 结语

本文聚焦群体建筑拆除阶段的废弃物量化问题，旨在构建动静态结合的废弃物量化模型，在城建数据不易获取的情况下提高模型预测的准确度和科学性。针对预测结果，从时间来看，城市现存拆除废弃物产生主要集中在2070～2080 年；从材料分类来看，混凝土和砖砌块等惰性材料的所占比重最大，说明有较大资源化利用潜力。未来可通过混凝土再生技术、砌块废料破碎回收技术、金属回炉熔炼技术等，让废弃材料物尽其用，促进建筑行业绿色低碳发展；从空间分布来看，通过可视化的表达，可以更清晰地了解现存建筑废弃物存量。因此，通过可视化的废弃物产量预估模型，能够为相关管理者提供拆除废弃物存量信息，方便掌握和管理区域建筑资源，也对各项决策和规划方案的制定提供一定的参考依据。基于此量化研究结果，为保障城市生态环境建设和可持续发展，建议通过提出有关法律和财政政策、改善施工工艺、规范废弃物清运过程等措施加强建筑废弃物的减量化管理，提高公众减少源头废弃物排放的意识和建筑废弃物管理工作的效率。