基于需求量预测和GIS的装配式PC构件厂选址优化方法.pdf

第 20 卷 第 11 期2023 年 11 月铁道科学与工程学报Journal of Railway Science and EngineeringVolume 20 Number 11November 2023基于需求量预测和GIS的装配式PC构件厂选址优化方法周光权1,2，程婷2,3，刘勇4，何正亚1，蔡梦雅1(1.安徽省建筑科学研究设计院 绿色建筑与装配式建造安徽省重点实验室，安徽 合肥230031；2.南昌航空大学 土木建筑学院，江西 南昌 330063；3.河海大学 商学院，江苏 南京 211100；4.北京市公联公路联络线有限责任公司，北京 100161)摘要：装配式建筑作为建筑工业化和信息化深度融合的产物，近年来发展势头迅猛。为满足日益增长的装配式混凝土(PC)构件的市场需求，需要科学布局PC构件厂使其形成规模化效应，为此提出一种PC构件厂的选址优化方法。首先，基于市场供求理论，通过灰色预测模型和二次指数平滑法构建PC构件需求量综合预测模型，以江西省为例，对未来6 a构件需求量进行预测，避免造成PC构件产能过剩，预测结果显示江西省未来3 a内对PC构件的需求量将会急剧上升，亟需增设新的PC构件厂。其次，调研现阶段PC构件厂布局等情况，并利用Python获取城市建设用地、交通网络、水网、学校、医院、旅游景点、政府机关、高密度居民区等地理信息数据，在PC构件厂选址原则的约束下，通过地理信息系统(GIS)平台对所获取的空间信息数据等进行叠置分析和擦除分析，得到初步选址点。最后，建立最优运输成本模型，基于模型假设和约束条件进行求解，确定PC构件厂的选址位置。结果表明：采用选址优化模型，能够将624个初步选址点优化为80个最佳选址点，验证了选址优化模型的有效性，形成了PC构件厂的优化布局方案。研究结果可为PC构件厂选址提供一定的参考，有助于装配式建筑产业的进一步发展。关键词：装配式建筑；灰色系统理论；综合预测模型；GIS；优化选址中图分类号：TU741；TP18 文献标志码：A 文章编号：1672-7029（2023）11-4389-11Optimal site selection method for prefabricated PC components plants based on demand forecasting and GISZHOU Guangquan1,2,CHENG Ting2,3,LIU Yong4,HE Zhengya1,CAI Mengya1(1.Anhui Province Key Laboratory of Green Building and Assembly Construction,Anhui Institute of Building Research&Design,Hefei 230031,China;2.School of Civil Engineering,Nanchang Hangkong University,Nanchang 330063,China;3.Business School,Hohai University,Nanjing 211100,China;4.Beijing Public Highway Link Co.,Ltd.,Beijing 100161,China)Abstract:As a product of deep integration of construction industrialization and information,prefabricated 收稿日期：2023-05-08基金项目：绿色建筑与装配式建造安徽省重点实验室资助项目(2022-JKYL-003)；南昌航空大学博士启动基金资助项目(EA202211137)通信作者：程婷(1996)，女，河南新乡人，博士研究生，从事项目管理、河湖管理等研究；E-mail：DOI:10.19713/ki.43-1423/u.T20230717铁 道 科 学 与 工 程 学 报2023 年 11月building has been developing rapidly over recent years.In order to meet the growing market demand for prefabricated concrete(PC)components,it is necessary to scientifically plan the layout of PC component factories to achieve economies of scale.To this end,a location optimization method for PC component factories was proposed.Based primarily on the theory of market supply and demand,the grey prediction model and double exponential smoothing method were used to construct a comprehensive prediction model for the demand of PC components,which can predict the demand of PC components in Jiangxi Province over the next six years to avoid PC component manufacturers overcapacity.The results indicate that the demand for PC components in Jiangxi Province will rise inexorably within the next six years and new PC component factories are urgently needed.Furthermore,the current layout of PC component factories is investigated.The Python technology is used to obtain geographic information data,such as urban construction land,transportation networks,water networks,schools,hospitals,tourist attractions,government agencies,and high-density residential areas,etc.Under the constraints of the site selection principles for PC component factories,the Geographic Information System(GIS)platform is used for performing overlay analysis and erase analysis on the acquired spatial information data obtaining preliminary site selection points.The optimal transportation cost model is established,and determine the site selection location of the final PC component factories.The results indicate that the optimization model can optimize 624 preliminary site points into 80 best site selection points,verifying the effectiveness of the location optimization model in forming an optimized layout plan for PC component factories.The research results could provide a certain reference for the site selection of PC factories,and contribute to the further development of the prefabricated construction industry.Key words:prefabricated buildings;grey system theory;comprehensive prediction model;GIS;site selection optimization 近年来，为推动绿色建筑的发展，我国积极推广全国发展装配式建筑，但现阶段的建造方式仍以现场浇注为主，装配式建筑占比较低。为促进新型工业化的发展，国务院 2016 年出台文件关于大力发展装配式建筑的指导意见，提出“力争用10年左右的时间，使装配式建筑占新建建筑面积的比例达到30%”的目标1。2020年住建部等部门联合印发绿色建筑创建行动方案，明确到2022年新建建筑中绿色建筑面积占比达到70%。基于国家政策的扶持，我国建筑装配式行业进入了全新发展阶段。据统计，我国装配式建筑渗透率不到 10%，相较于美国、英国等发达国家超过80%的渗透率而言，我国还有较大提升空间。在推进装配式建筑产业化发展的过程中，成本居高不下是主要的影响因素，主要在于预制构件的生产、运输环节工程造价过高2。因此，在推进装配式建筑的产业化进程中，为降低运输环节造价，亟待对装配式混凝土(Precast Concrete,PC)构件生产基地进行科学选址，实现构件厂规模化发展，推进装配式建筑行业的发展。目前，国外对于装配式建筑构件厂选址的研究较多，但国内对此研究较少。AZMAN等3基于多准则决策和地理信息系统(Geographic Information System,GIS)建立了选址适宜性模型，结合马来西亚现阶段装配式建筑混凝土构件厂商的情况，对装配式建筑构件厂进行选址研究，为未来对构件厂规划布局提供了科学建议。NUHU等4对近22篇有关工业园区选址的论文进行分析发现，基于GIS的多属性决策选址能够高效处理空间数据，有利于促进资源共享和利益最大化。WANG等5在分析PC构件厂选址问题时，通过使用主成分分析和GIS技术实现定量与定性的组合分析，从6个维度建立了选址指标体系，得到选址方案的得分与排名情况，最终确定了最适宜区域并验证了该方法具有较好的适用性。罗倩蓉等6采用模糊层次分析法，通过层次分析法量化若干选址标准的权重进行装配式建筑构件厂的4390第 11 期周光权，等：基于需求量预测和GIS的装配式PC构件厂选址优化方法选址。王淑嫱等7通过层次分析法确定了PC构件厂的选址指标权重，并根据计算结果，基于GIS得到了最优选址区域。仇国芳等8基于影响选址的4个维度，采用连续的有序加权平均算子和灰色聚类方法建立了选址模型，通过实例分析验证了模型的有效性。周光权等9采用免疫优化算法对装配式构件厂进行选址，提高了选址问题解的多样性和最优解求解速度。此外，李雨萱等10应用灰色预测模型对物流园区流量进行预测，从而确定各作业区域面积，并采用系统设施布局法(Systematic Layout Planning,SLP)和Tompkins关系表对物流园进行布局优化，通过实例验证了优化方案的有效性。李琴琴11通过采用灰色预测模型和二次指数平滑法对物流量进行预测，并以组合误差平方和最小为原则求得定权系数，得到最终预测值，为物流规划提供了参考。赵晓艳等12通过引入二次指数平滑法对灰色预测法进行改进，随后借助实例证明改进后的灰色预测模型对宏观经济进行预测时误差更小、精度更高。现有对于PC构件厂选址的研究相对较少，大多数以宏观分析为主，未从实际应用角度考虑城市地理环境及需求等因素的影响。在选址方法上，虽有部分学者通过对PC构件基地选址指标权重进行构建，并基于GIS平台进行选址研究，但忽略了未来市场需求这一核心要素。研究表明，装配式建筑在生产过程中最为关键的一步就是产需匹配13，构件厂产能是否满足需求对于工程项目是否盈利起着决定性作用14。现阶段的学者鲜少基于PC构件市场需求及具体城市空间位置信息分析PC构件厂选址问题。鉴于此，采用灰色预测理论和二次指数平滑法建立综合预测模型，对 PC 构件的市场需求量进行预测。以江西省为例，借助GIS平台15分析城市规划、交通信息等地理信息数据，基于最优运输成本的目标建立优化模型，对装配式建筑构件厂选址进行综合优化。在满足未来市场需求的基础上寻找运输成本最低的选址，为PC构件厂选址提供科学可行的方案，推动装配式建筑产业进一步发展。具体研究思路如图1所示。1 江西省PC构件需求量预测PC构件的建造成本相对较低，工艺简单且具有良好的防火和防腐特性，在装配式建筑行业项目中占比突出16。故主要通过构件需求量预测模型研究PC构件市场年需求量，其中相关数据来源于江西省统计局官方网址和20152020年江西省统计年鉴等渠道。图1研究思路Fig.1Research framework4391铁 道 科 学 与 工 程 学 报2023 年 11月1.1研究方法1.1.1PC构件需求量测算PC构件厂的规划建设是新时代城市建设的必要环节，为了避免构件厂不合理布局，需要深入研究江西省PC构件市场需求量，通过分析所得数据提高科学布局PC构件厂的能力，为未来城市规划提供参考。在预测当地PC构件需求时，需要结合统计年鉴中建筑新开工面积、装配式建筑相关政策及装配式混凝土建筑技术标准17等文件进行科学估算，建立江西省PC构件市场年需求量测算模型如下：D=SYRP(1)式中：D为PC构件市场年需求量，万m3；S为建筑总新开工面积，万m2，可根据政府及相关部门获取相应数据；Y为混凝土用量系数，m3/m2，据统计显示18一般建筑的混凝土用量系数可按0.35计取；R为装配式建筑应用比例，可根据当地相关部门发布政策及相关文件获取；P为装配率，一般指体积概念，即建筑单体地面以上主体结构、外围护等部件采用预制构件的综合比例。根据江西省政府下发的关于推进装配式建筑发展的指导意见可知，2018年全省采用装配式施工的建筑占同期新建建筑的比例达到 10%，2020年全省采用装配式施工的建筑占同期新建建筑 的 比 例 达 到 30%。据 江 西 省 住 建 厅 赣 建 提2020122号可知，2019年江西省装配式建筑新开工面积2 118万m2，占全省新开工总建筑面积的21%。由江西省 2021年发布的江西省人民政府办公厅关于促进建筑业转型升级高质量发展的意见19可知，到2022年，江西省装配式建筑新开工面积占新建建筑总面积的比例将突破 30%；到2025年，装配式建筑发展水平进一步提高，装配式建筑新开工面积占新建建筑总面积的比例达到40%。根据上述信息及江西省统计局、住建局等相关数据，式(1)中 R 的数值可依据政府政策文件界定，可得江西省20152019年的历史数据如表1所示。根据式(1)可对20152019年江西省PC构件需求量进行测算，其计算结果如图2所示。同时，通过构建综合预测模型对建筑总新开工面积进行预测，将预测得到的S值代入式(1)计算得到未来6 a PC构件需求量。1.1.2混凝土预制构件需求量预测模型在多种需求预测模型中，由于适用性的不同，采取单一预测模型对数据进行预测存在一定的局限性2021。灰色系统预测模型对处理数据个数及其分布情况的限制较小且精度较高22，一般用于短期数据及中期数据预测，广泛应用于工业、社会、经济等多个领域。指数平滑法既可以反映历史数据的信息，也可以呈现数据最新变化趋势，预测结果更符合实际情况，通常用于预测短期趋势。将灰色预测模型和二次指数平滑法组合，可以有效降低预测结果误差，发挥组合模型的优势。由于PC构件需求量预测受较多不确定因素影响，在对PC构件需求进行预测时，采用加权组合23的方法，将灰色系统中常用的数列预测模型GM(1,1)和二次指数平滑法组合为综合预测模型24，在综合预测模型的基础上，根据式(1)得到的结果，可对江西省11个下辖市未来6 a的PC构件市场需求量进行预测。表1 江西省20152019年的历史数据Table 1 Historical records for Jiangxi Province for 20152019年份20152016201720182019建筑总新开工面积S/(万m2a1)南昌5 898.626 034.546 070.808 090.537 619.79景德镇98.91128.61133.52121.36112.22萍乡348.80375.20535.50513.97529.85九江970.02803.04913.901 062.031 074.08新余359.74325.40396.36461.77400.36鹰潭96.64106.54120.40106.19221.16赣州1 108.89993.23991.571 022.32944.49吉安878.43891.80843.30781.33951.96宜春1 171.401 273.721 379.831 338.631 322.11抚州1 554.681 767.611 535.071 566.181 631.84上饶1 701.151 557.441 904.041 908.601 483.74Y0.350.350.350.350.35R/%8.08.08.68.611.7P/%8.08.08.68.611.74392第 11 期周光权，等：基于需求量预测和GIS的装配式PC构件厂选址优化方法1)灰色系统预测模型GM(1,1)建立建立灰色预测模型GM(1,1)前，需要对时间序列进行级比检验。通过检验的序列适合构建灰色模型，若模型未通过级比检验，需要对序列进行“平移转换”，从而使得新序列满足级比检验，通过检验的序列才能用来作预测。对序列(x(0)(1)x(0)(2)x(0)(n)进行光滑性检验并做一次累加生成X(0)，其中X(1)为X(0)的 1-AGO序列。X(1)(k)=i=1kX()0(i)k=12n(2)其中：X(0)=(x(0)(1)x(0)(2)x(0)(n)，且x(0)(k)0k=12n。建立GM(1,1)模型如下：x(0)(k)+aZ(1)(k)=b(3)式中：变量a为发展系数，变量b为灰色作用量。定 义 序 列Z(1)=(z(1)(1)z(1)(2)z(1)(n)，其 中z(1)(k)=12(x(1)(k)+x(1)(k-1)k=12n。利用最小二乘法计算式(3)，得到参数向量a和b的估计值a和b，记参数：A=()abY=x(0)(2)x(0)(3).x(0)(n)B=-Z(1)(2)1-Z(1)(3)1.-Z(1)(N)1得到：Y=BA(4)由最小二乘法求得参数向量A的估计向量如式(5)所示，从而得到序列X(1)生成的GM(1,1)的影子方程如式(6)所示：A=()ab=(BTB)-1BTY(5)dX(1)dt+aX(1)=b(6)其中：()ab=(BTB)-1BTY的解。将a和b代入时间响应式(7)中，进一步可得式(7)的累减还原式如式(8)所示。通过反变换处理数据，得到原始序列的预测值如式(9)所示：X(0)(k+1)=(X(1)(0)-ab)e-ak+ab(7)其中：k=1n。X(0)(k+1)=X(1)(k+1)-X(1)(k)(8)X=(X(1)X(2)X(n)(9)通过对预测值进行后验差检验，当后验差比值 C0.35时模型精度高，C0.5时说明模型精度合格，C0.65，则说明模型精度不合格。当满足所需精度时，说明模拟效果较好。图220152019年江西省PC构件需求量Fig.2Demand for PC components in Jiangxi Province from 2015 to 20194393铁 道 科 学 与 工 程 学 报2023 年 11月2)二次指数平滑法预测模型建立二次指数平滑法公式如式(10)所示：W(2)i=W(1)i+(1-)W(2)i-1(10)式中：变量W(2)i和W(2)i-1表示第i期和第i-1期的二次指数平滑值；变量W(1)i表示第i期一次指数平滑值；变量为平滑系数，通过反复试验以均方误差最小为准，一般数据波动不大时，值取值相对较小，如0.10.5之间，如果数据波动较大，值取值相对较大，如0.60.8之间，本文在计算时将遍历各种取值情况，选择最有效果时对应的值。在W(1)i和W(2)i均已知时，二次指数平滑法预测模型如式(11)所示：Zt+T=xt+ytTxt=2W(1)i-W(2)iyt=1-(W(1)i-W(2)i)(11)式中：T为预测提前期数；Zt+T为第t+T期预测值。在 进 行 模 型 预 测 时 同 时 计 算 均 方 误 差(Mean Squared Error，MSE)值，该值越小意味着拟合数据的精度越高。3)综合预测模型通过计算灰色系统预测均方误差EMS1和二次指数平滑法均方误差EMS2，可得到第i年加权系数分别为h与r，表达式如式(12)所示。令第i年灰色系统预测值为Hi，二次指数平滑法预测值为Ti，通过综合预测模型计算可得到第i年预测值Fi，综合预测模型公式如式(13)所示：h=1-EMS1EMS1+EMS2r=1-EMS2EMS1+EMS2(12)Fi=hHi+rTi(13)1.2预测结果将20152019年历史数据代入灰色预测模型GM(1,1)中，得到未来 6 a的预测结果，可知景德镇、吉安、抚州和上饶的后验差均超过0.65，不满足精度要求25，其余地级市符合模型精度要求，预测结果如表2所示。在使用二次指数平滑法进行预测时，通过遍历各种取值情况，选择最有效果时对应值的预测值，预测结果如表3所示。通过表2和表3可知，2种方法得到的预测数据存在差异，因此通过综合预测模型进行预测，结果显示各市预测值的残差均小于0.25，对应的加权系数如表4所示，预测结果满足精度要求。各下辖市PC构件市场需求量预测结果如表5，将结果分级后如图3所示。2 江西省PC构件厂优化选址布局2.1江西省PC构件厂布局现状目前，江西省现有8家企业为国家级装配式建筑产业基地，20家企业为省级装配式产业基地，通过实地调研和对政府文件研究可知，现阶段南昌市PC构件平均年实际产能为50万m3，全省PC构件产能估算约为400万m3。目前，全部投产企业分布情况如图3所示。由图3可知，其选址地点多聚集于南昌市及其周边，呈放射状分布，较为分散，未成闭环。根据未来PC构件需求量预测结果可知，预计2025年江西省各行政区PC构件需求量将达到800万m3，显然现阶段PC构件厂辐射范围不能满足未来510 a内预制构件的市场需求。为推动江西省装配式建筑产业进一步发展，有必要完善PC构件厂布局，有效发挥规模效应，降低运输成本。表2 灰色预测法预测PC构件市场需求量Table 2 Grey forecasting method predicts the market demand for PC components年份202020212022202320242025灰色预测法PC构件市场需求量预测值/(万ma1)南昌66.39107.12162.51233.86328.43446.20景德镇0.831.161.521.902.312.71萍乡4.547.2010.7015.0620.6327.28九江9.2414.9322.6932.7246.0362.65新余3.545.578.2211.5115.7320.79鹰潭1.773.105.067.7411.4516.28赣州7.2610.5214.3418.5423.3928.54吉安6.8010.1114.1418.7624.2930.42宜春10.2415.1321.0327.7135.6344.33抚州11.5716.5622.2928.4635.4642.74上饶12.5918.2524.8732.1440.5549.494394第 11 期周光权，等：基于需求量预测和GIS的装配式PC构件厂选址优化方法2.2构件厂选址布局优化2.2.1选址点的确定PC构件厂的选址需要符合城市交通规划、用地规划，在不破坏地形地貌等自然环境的条件下进行合理布局。基于上述前提，设置PC构件厂的选址原则如下：1)土地使用类型为建设用地。2)满足未来市场需求和PC构件的运输要求。不同于装配式钢结构产品700 km的运输距离，PC构件由于体积重量大，无法辐射较远距离，通常以100 km为其运输半径，且辐射范围在30 km时，预制构件厂创造的效益最佳26。考虑江西省地形气候等因素，以 30100 km 为构件厂的运输半径。3)远离居民区、学校、医院、旅游景点、政府机关等人群密集处，但需要靠近水陆交通要道，便于运输构件。4)避免与现有构件厂所在位置发生冲突，降低竞争风险，合理布局。基于Win10系统，4G运行内存，ArcGIS 10.5平台的缓冲区分析和叠置分析功能，对装配式建筑构件厂进行选址。根据选址原则，聚合江西省的行政区域划分、现有构件厂分布、路网信息、建设用地规划等信息，避让河流及人群聚集地，依据以下规则建立缓冲区：1)根据建设用地规划信息，建立选址避让区域，依据居住用地、医疗用地、旅游景点、医院学校、河流等区域边界，设立宽度500 m的缓冲区，降低对人群密集区和环境的污染。2)对主要路网建立缓冲区，宽度为100 m，满足构件厂对交通通行的需求。3)对现有预制构件厂建立30，50和 100 km的多级缓冲区，避免备择厂址对现有构件厂造成影响。基于上述规则，对以上缓冲区做叠置与擦除表3 二次指数平滑法预测PC构件市场需求量Table 3 Secondary exponential smoothing method predicts the market demand for PC components年份202020212022202320242025值二次指数平滑法PC构件市场需求预测值/(万m3a1)南昌60.3292.06131.92179.04236.84302.690.4景德镇0.911.331.832.403.063.770.05萍乡4.026.078.6011.5615.1519.190.3九江7.9811.9516.8022.4129.1636.680.3新余3.084.566.368.4010.8313.500.2鹰潭1.512.423.615.096.969.160.4赣州7.7211.3215.6020.4026.0232.120.05吉安6.599.6613.3117.4122.2227.430.05宜春9.7314.2719.6825.7532.8740.590.05抚州12.2217.9124.6932.2941.2150.870.05上饶12.9819.0326.2334.3043.7754.030.05表4加权系数Table 4Weighting Efficient加权系数hr南昌0.790.21景德镇0.920.08萍乡0.820.18九江0.930.07新余0.710.29鹰潭0.790.21赣州0.880.12吉安0.540.46宜春0.850.15抚州0.620.38上饶0.530.47表5 加权组合模型预测PC构件市场需求量Table 5 Weighted combinatorial model predicts the market demand for PC components年份202020212022202320242025加权组合模型PC构件市场需求量预测值/(万m3a1)南昌65.11103.96156.10222.37309.24416.12景德镇0.840.800.770.730.700.67萍乡4.457.0010.3314.4319.6425.83九江9.1514.7122.2731.9744.8160.77新余3.415.277.6810.6014.3018.67鹰潭1.712.964.757.1710.4914.77赣州7.3210.6214.5018.7723.7228.99吉安6.709.9013.7618.1423.3329.04宜春10.1715.0020.8227.4135.2143.76抚州11.8217.0823.2129.9237.6545.84上饶12.7718.6125.5133.1642.0651.624395铁 道 科 学 与 工 程 学 报2023 年 11月分析27，具体步骤可参考图1所示内容，分析得到满足要求的初选厂址为624个，具体分布情况如图4所示。2.2.2优化选址模型及求解通过GIS空间分析得到的备选区域中，重点考虑了未来PC构件的需求量，同时也对城市规划、道路水网、社会环境等影响因素进行了考量，但合理控制PC构件的运输成本是PC构件厂长期运营的重要条件。因此，需要以最优运输成本为优化目标，对上述选址区域做进一步的处理。在建立优化选址模型前，对江西省PC构件厂选址优化作出如下5条假设：1)以备择厂址与最近行政区域的直线距离作为运输距离，城市交通运输条件和运输价格短时间内几乎不发生改变。2)将2025年各地市PC构件需求量预测值的峰值作为该行政区域PC构件的需求量。3)假定新建 PC 构件厂的产能均为年 6万 m3，且现有厂址短期内不会增产或减产。4)参考江西省混凝土建筑工程消耗定额，假定PC构件市场价格为3 000元/m3。根据江西省运输水平，运距在30 km以内时，运输费用占构件销售价格的4%；运距在50 km以内时，运输费用占销售价格的6%；运输在100 km以内时，运输费用占销售价格的8%。5)各行政区域未来年份PC构件的需求稳定且可预测。基于上述假设条件，优化选址模型需要满足式(14)所示约束条件，目标函数如式(15)所示。约束条件：t=1nxt=k=1myk0ykt=1nxt0mMt=1nztk1(14)目标函数：minC=t=1nk=1mdtkztkytk(15)式中：n为PC构件需求地数量；m为优化厂址数量；M为备择厂址总数量；xt为t需求地PC构件预测平均产量，通过综合预测模型可以得到其数值如表5所示；yk为k生产区域生产量；ztk为k生产区图4备择厂址Fig.4Alternative plant sites图3江西省PC构件需求量预测及现有厂址布局Fig.3Forecast of demand for PC components and layout of existing sites in Jiangxi Province4396第 11 期周光权，等：基于需求量预测和GIS的装配式PC构件厂选址优化方法域满足来自t需求地PC构件需求所占k区域生产能力的比值；dtk为k生产区域距离t需求地中心的距离。通过对江西省有关数据的确定，将其代入模型，基于Matlab软件进行求解，并将计算结果显示在GIS软件中，PC构件厂选址的优化方案如下：1)对于南昌市而言，PC构件市场需求虽然较大，但现有构件厂数量较多且部分产能未完全释放，不宜增加过多选址点造成新、老构件厂之间的不必要竞争。根据求解结果可知，南昌市新厂址推荐点仅为1个且临近九江市，具体位置如图5所示。根据估算可知，邻近城市构件厂的运输半径范围能够服务南昌市装配式建筑未来发展，优化方案不仅能够在一定程度上避免阻碍现有构件厂发展，也能够借助运输优势，促进周边城市为南昌市等需求极其旺盛的地区输送PC构件，避免供不应求的现象。2)对于萍乡市、吉安市、赣州市等中等需求区域来讲，PC构件厂选址点应紧邻交通要道，降低自身运输成本，远离市中心，尽量靠近周边城市，有利于覆盖需求量较弱地区，不断扩大市场，提高效益。对于景德镇市、新余市、鹰潭市等市场需求较低的城市而言，可不增加或增加不超过3个构件厂，依赖现有PC构件厂产能，加强与相邻地域协同合作，便可满足未来城市建设装配式混凝土建筑的需求。3)根据江西省PC构件需求量预测可知，江西省内除景德镇以外，各地对于PC构件的需求都为现有基础的5倍，而现有构件厂的产值远不能满足市场要求。根据选址优化结果，可增加80家选址点以提高PC构件产能，满足未来市场需求，优化选址的布局方案如图5所示。使用优化方案后，平均运距能减少约 10 km，成本优化比例能够达到21%。3 结论1)提出一种PC构件厂选址优化的方法。通过对PC构件需求量进行测算，结合江西省地理信息数据等进行初步选址，并建立优化模型对其优化，最终将624个初步选址点优化为80个最佳选址点，运距与成本均有所下降。2)PC构件需求量的准确预测对于PC构件厂布局数量及位置的确定具有重要意义。本文构建的PC构件需求量预测模型及选址优化模型能够满足未来江西省PC构件厂大规模布局的需要，该方法对其他省PC构件厂选址也有一定借鉴意义。本文在预测构件需求量时，以PC预制构件为主，未将装配式钢结构、装配式木结构等领域未来市场需求考虑在内，在一定程度上会导致预测需求量偏小。另外，未考虑不可抗力因素可能造成的偏差。最后，在利用 Python爬取城市 POI及AOI信息作为选址避让点时，由于技术限制，数据可能存在偏差。因此，后续可结合遥感等技术开展更精确的选址优化。参考文献：1中华人民共和国中央人民政府.国务院办公厅关于大力发展装配式建筑的指导意见EB/OL.(20160930)20230508.https:/ Central Peoples Government of the Peoples Republic of China.Guiding opinions of the general office of the state council on vigorously developing 图5成本优化后推荐选址位置Fig.5Recommended site location after cost optimization4397铁 道 科 学 与 工 程 学 报2023 年 11月prefabricated buildingsEB/OL.(20160930)20230508.https:/ Hanmei,MAO Chao,DONG Qianyue.Comparative analysis of the construction cost of prefabricated assembly construction and cast-in-place concrete structureJ.Construction Economy,2018,39(3):7174.3AZMAN M N A,AHMAD M S S,HAMID Z A,et al.The selection of IBS precast manufacturing plant in Malaysia using GISJ.Malaysian Construction Research Journal,2012,10(1):7790.4NUHU S K,MANAN Z A,WAN ALWI S R,et al.Roles of geospatial technology in eco-industrial park site selection:state-of-the-art reviewJ.Journal of Cleaner Production,2021,309:127361.5WANG Shuqiang,RUAN Yuke,HU Wanwe