作者：
葛寅飞，合肥工业大学建筑与艺术学院硕士研究生；
王德才（通讯作者），合肥工业大学建筑与艺术学院副教授。
本文摘自《用户需求驱动的模块化住宅型谱规划方法》，原文刊登于《建筑师》杂志2024年8月刊，总第230期P23-30。微信版已略去文中所有注释、图片来源、参考文献等信息，正式版本以原文为准。
本刊所有文章均已在中国知网、国家哲学社科文献中心、超星、万方、维普等数据库上线，用户可自行下载阅读。
引用格式：葛寅飞，王德才. 用户需求驱动的模块化住宅型谱规划方法[J]. 建筑师，2024（04）：23-30.
随着文旅行业的复苏和快速发展，模块化住宅因其空间设计集约化、运输方便、快速组装等优势，受到文旅市场的青睐。其作为景观住宿产品，需要满足文旅消费者多样化、个性化的需求，故在保证标准化和工业化生产的基础上，将模块的参数与用户需求深度结合尤为重要。本文提出了一种用户需求驱动的模块化住宅型谱规划方法，旨在通过合理规划模块参数值来满足用户的多样化需求。本文采用Kano问卷收集用户需求并识别模块类型；进而通过改进的K均值聚类算法对用户需求进行聚类，确定模块参数的取值个数；结合用户需求分布、聚类结果和住宅三级模数系统，最终获得满足用户需求和工业化生产标准的模块参数取值。
目录概览
一、引言 二、方法框架 三、模块类型识别 四、模块参数规划 五、方法应用 六、结语
近年来，文旅行业逐渐复苏、加速回暖，在文旅市场的巨大需求下，国内民宿产业迸发出强大的创新动能，一些景区经营者开始探索新的住宿方式，以满足当下文旅消费者的新需求。随着住宅工业化的发展，模块化住宅凭借其集约化的空间设计、方便运输和预制模块快速组装的优势，开始受到文旅市场的青睐。
目前，随着建筑工业化和模块化的发展，国内外学者和专家们针对模块化建筑的理论研究取得了一定的进展和突破。Pezhman Sharafi等人（2017年）提出了一种统一矩阵方法，作为一种有效的自动化生成方法，用来在设计初期指导多层模块化建筑的空间设计。Gravina da Rocha等人（2020年）调整了产品模块化的基础，提出了一种在建筑设计中实现产品模块化的模型，该模型允许在单个阶段（建筑设计）的不同级别（即建筑、系统和组件）实现产品模块化。Shen，J.等人（2020年）开发了一个基于模块化的绿色设计平台，平台通过将性能参数嵌入模块中的设计元素中，为早期设计提供快速可靠的性能预测反馈，模块化方法使修改建筑设计以及评估各种绿色设计特征和技术的贡献变得更加方便。Shahi Sheida等人（2021年）通过将模块化结构和计算方法结合，基于多变量因素生成和解析无数设计选项，用于为现有建筑物的扩展提供模块化设计选项。Gan Vincent J.L.（2022年）提出了一种基于建筑信息模型（BIM）的图数据模型，用来表示模块化建筑的基本特征，从而优化模块化建筑的生成式设计。Zheng，Z.等人（2022年）提出了一种结合元启发式算法的建筑生成方法，用于优化使用典型标准模块单元的模块化建筑的楼层布局。Almashaqbeh，M.等人（2022年）开发了一种新的优化模型，使模块化建筑的制造者能够在模块化建筑项目中将预制模块的总运输和存储成本降到最低。Wei，Y.等人（2022年）提出了一种将生成式设计与BIM技术相结合的新方法，通过考虑设计和可施工性的约束条件来解决模块布局生成问题。Fan Zesen等人（2023年）提出了利用遗传算法自动生成模块化高层住宅建筑的布局。Zexin Sun等人（2023年）通过模拟模块化建筑的完整设计和施工过程，探索了机械臂装配设计方法在建筑领域的可行性。
在实践方面，国内外也已经涌现出多样的模块化住宅产品，例如VIMOB、IMBOX和VESSEL等公司开发的模块化住宅产品（图1），其可供2～4名旅游度假者住宿休闲，依托周边丰富的旅游资源而建，是融合科教、旅游、度假、居住等功能为一体的景观住宅产品。这类住宅产品的模块尺寸通过相关载具的运输尺寸进行限定，并采用集约化打包的方式进行运输，可以快速抵达不同地域的景区，实现快速安装。模块化住宅的预制化和批量化生产的特性，使其规避了地域性施工水平的差异，从而实现建筑、室内装修和设备的高度集成化，保证了后期打包再次移动的可能性，从而获得高质量、高性价比的住宅产品。同时，如今的批量化工厂预制也并不是工厂大量的重复生产，而是以人为本的生产，企业和厂家提供了多种模式的模块化住宅产品方案，用户可以根据的自己的偏好进行选择。
a) VIMOB
b) IMBOX
c) VESSEL
图1：模块化住宅产品
综上所述，随着建筑工业化水平的不断进步，现阶段针对模块化住宅的研究和实践已经较为成熟，学者们探索了各种数字化工具和方法辅助模块化建筑的生成式设计，并通过各类算法对模块的各项参数进行设计。同样地，在模块化住宅的实践中可以发现，该类住宅模块尺寸一般是从生产、运输、安装等制约性条件出发进行确定。而本文的研究对象——模块化住宅，作为一款景观住宿产品，需要满足文旅消费者多样化、个性化的需求，故在保证标准化和工业化生产的基础上，将模块的参数确定与用户需求深度结合的研究仍不够深入。
针对上述问题，本文提出了用户需求驱动的模块化住宅型谱规划方法。型谱规划是指在设计和制造时，通过分析不同参数和特征的组合，以及其对用户需求的满足程度，形成的一个参数组合的分类和评估方法。这种方法可以更好地理解和满足用户需求，将产品的不同特征和参数进行系统化的分类和规划，以便在产品开发过程中进行决策和优化。对于模块化住宅来说，设计多种模块参数可以更好地适应用户的多样需求，但是也会提高企业的生产成本。故对模块化住宅型谱进行合理的规划，将用户的需求与模块参数指标的确定深度结合，可以对模块化住宅产品的后续研发起到一定的指导作用，有效降低模块化住宅设计的复杂度，可快速适应不断变化的用户需求。
二、方法框架
在模块化住宅中，为了便于对模块型谱进行规划，本文将模块种类分为三大类，即基本模块、定制模块、专用模块。基本模块包含了最基本的功能和特性，具有很强的重用性，是其他更高级模块和功能的基础；定制模块具有较高的灵活性和可配置性，可以根据需求进行组合和定制，从而满足不同的功能需求；个性模块是针对特定需求或特殊功能而设计的模块，它是根据特定用户或特殊场景的要求创建的，通常不太通用，只适用于特定的情况。一般情况下，通过多种模块之间的组合，可以获得满足不同用户要求的住宅户型方案，从而达到对户型进行快速定制的目的。在模块化住宅设计中，想要得到能够适应各种居住者要求并降低企业生产成本的方案，就必须对其中的基本模块和定制模块进行型谱规划。
本文结合用户需求进行模块化住宅的型谱规划，整套流程的技术路线见图2，共分成三步进行。
图2：技术路线
步骤1：对模块化住宅产品进行市场调研，收集用户的需求信息。之后利用 Kano分类模型，对用户的需求进行分类，主要区分基本需求、定制需求和个性需求项，并将不重要的需求项剔除掉。在此基础上，设计人员通过历史设计数据评定每一类需求项与各功能模块之间的相关性，从而确定各功能模块的类型。
步骤2：因为模块参数与用户需求有相对应的映射关系，所以可以对相应的用户需求进行聚类来得到模块的某个参数取值的数量。本文采用了一种改良的K均值聚类算法，通过对用户需求的分析，来对各个模块参数有关的用户需求进行聚类，从而获得最优的聚类数，也就是这个模块参数的取值个数。
步骤3：以用户需求聚类的结果为基础，得到结果中各个聚类的聚类中心，通过聚类中心，获得在参数取值范围内用户需求的分布特点，然后将其与模块参数的取值范围以及住宅三级模数系统相结合，最终获得基于用户需求并且适用于标准化生产的模块参数具体取值。
三、模块类型识别
本文采用建立Kano模型的方法对用户需求进行划分。首先对模块化住宅的需求信息构建正反调查问卷（表1），然后按照用户反馈的满意、必须如此、中立、可忍受或不满意这五个选项，参照需求分类规则（表2）来确定各个需求项属于哪一类。其中，M为基本需求，O为定制需求，A为个性需求，I代表不相关的需求，R代表相反的需求，Q代表有问题的需求。
对收集到的用户需求信息根据表2进行对照，统计这些用户需求信息中各需求项CRk所对应的各需求类别的数据大小，数据最大值的类别即为该需求项的类别。当出现多个需求类别数据大小相等的特殊情况时，要求需求项的类别按照M＞O＞A＞I的顺序排列，即：基本需求＞定制需求＞个性需求＞无关需求。
在对用户需求进行了分类之后，建立模块与用户需求的相关度矩阵COL，以此来对各个模块进行类型识别，C中的元素COL代表的是模块MO与需求属性CRk的关联度，是由设计研发人员在结合以往设计经验和历史数据的基础上，根据各功能模块和不同需求属性的关联程度进行划分，相关程度可以分为强、中、弱和无关系，对应的取值分别为9、3、1、0。
统计功能模块与各需求项之间的总体关联程度，找出关联度最大值对应的需求类别，该需求类别即对应相应模块的属性。具体来说，基本需求代表基本模块，意味着该模块为住户提供了基本功能；定制需求代表定制模块，表示该模块可以通过适当的变化来满足不同住户的定制需求；个性需求代表专用模块，表示该模块是供用户选配的附加模块。
四、模块参数规划
对于模块化住宅产品来说，可以使用多样的模块参数来满足不同用户的需求，但是当模块参数的取值数量不断增大的时候，企业的生产成本也随之上升，所以有必要将用户的需求进行聚类。聚类是指将多个实体或抽象物体分成若干类的过程，在此过程中，类似的物体被分配到一个类中，进而组成一个个集群。聚类算法中的K均值（K-Means）聚类算法，由于其计算复杂度小、运算速度快的突出特点而被广泛应用，能够在处理大型数据时维持良好的伸缩性和高效性。然而，传统的K均值聚类算法存在一个缺点，即必须预先设定K的取值，在实际的应用中，很难预先准确预测K值，因为它依赖于数据的复杂性和聚类结构。如果K值太大，类别间的相似性会过低；如果K值太小，类别间的相似性会过高，将会造成聚类结果的不准确。为了确保K值选择的精准，本文引入了肘部法则。
聚类生成各类别的簇与簇中心点的距离被称为畸变程度。随着分类数量的增多，畸变程度逐渐减小，在达到某个阈值时，畸变程度的改进效果将发生明显的变化，这表明此时的聚类结果更为优化。肘部法则利用这一原理来确定最佳的聚类数，即在曲线最明显的拐点处对应最佳的聚类数。
本文运用轮廓系数（SC）指标、Calinski-Harabaz（CH）指标和误差平方和（SSE）指标作为表达畸变程度的损失函数，并利用肘部法则选择最优的K值。
1）轮廓系数（SC）指标
轮廓系数是用来衡量聚类结果中数据点紧密分组程度的指标，该值既可以度量簇内的紧密度，又可以度量簇间的离散度。其值越大，表明聚类效果越好。公式如下所示：
其中，SC表示轮廓系数，n为数据点的总数，a ( i )表示第i个数据点与其所属簇内其他数据点的平均距离，b ( i )表示第i个数据点与最邻近簇内数据点的平均距离。
2）Calinski-Harabaz（CH）指标
Calinski-Harabaz指标的本质是类别之间与类别内部的距离之比。其值越大，表明类别内部数据越紧密，类与类之间的差距越大，聚类结果更优。公式如下所示：
其中，Bk是类别间的协方差矩阵，Wk是类别内数据的协方差矩阵，Tr为矩阵的迹，N为数据集样本点的个数，k是簇个数。
3）误差平方和（SSE）指标
误差平方和指标是对每个类别内数据点与该类别质心之间距离的平方和进行求和。误差平方和越小，表明数据点与类别质心间的距离越小，类别内数据点紧密度越高，聚类效果越好。公式如下所示：
其中，SSE表示误差平方和指标，k为聚类数，Cj表示第j个类别内数据点集合，μj表示第j个类别的质心。
通过结合肘部法则确定K值后即确定了K个初始聚类中心，根据最短距离原则，将剩余的样本分布在K个聚类中心的某个类别中，即：
其中，k为迭代运算的次序号，K为聚类中心的个数。
接着计算各聚类中心的新向量值：
其中，Sj表示第j个聚类集，Nj表示第j个聚类集Sj中所包含的样本个数。如果在迭代过程中，对于所有j=1，2，...，K，若Zj（k+1）≠Zj（k），则回到公式（1-4），逐个中心分类模式样本，并重复迭代运算。反之，如果所有j=1，2，...，K都满足Zj（k+1）=Zj（k），算法收敛，计算完毕，则获得各用户需求的聚类中心值。
依据聚类结果和过往的设计数据，确定模块参数的取值范围，但要进一步获得模块参数的具体取值，并保证参数的取值能够有效指导装配式模块化住宅的标准化生产，则需要借助三级模数系统对模块参数进行微调。
应用三级模块化网格（TLMG系统）（表3）可以协调建筑的整体尺寸和局部尺寸。在此基础上构建的住宅室内设计三级模数系统，可以使建筑和内装部品的设计尺寸之间达到既互相独立又互相协调的效果。即：①建筑基本模数1M（100mm），范围在1M~10M，适用于住宅内部空间划分。②二级模数的基本模数为1m（10mm），范围在1m~20m，适用于住宅各功能空间和内装部品的尺寸协调。③三级模数是二级模数的子模数层级，以3mm为尺寸进级基数，适用于建筑的内装部品和构配件的精细化设计。
结合由聚类算法得到的模块参数取值个数和聚类中心数据，并通过上述的住宅三级模数系统对参数进行微调，最终筛选得到在满足用户需求基础上符合工业化生产要求的模块参数取值。
五、方法应用
自2022年以来，笔者一直参与合肥工业大学——荣事达集团“新一代科技住宅研发及产业化”项目，开展模块化文旅微型住宅系列的研发工作。该系列以采用模块化设计方法、工厂化制造和组装、车载运输吊装，初步实现了从传统建筑设计和施工向工厂化制造模式的转变。到2024年，已经研发出了第二代产品，如图3所示。本文以该模块化微型住宅为例演示上述方法的应用。
图3：模块化微型住宅
模块化微型住宅的第二层级功能空间模块一般由以下几种组成：M1——睡眠模块；M2——起居模块；M3——卫浴模块；M4——厨房模块；M5——餐厅模块；M6——办公模块。
通过对相关企业和部门的调研，本文对相关企业的客户的需求进行了收集、分析和整理，得到了关于模块化微型住宅的一系列需求，详见表4。为了更好地了解用户对需求的满意程度，通过设计Kano问卷，向有相关需求的50位用户发放了调查问卷，最终收到了40份有效问卷。
用户需求具有多样性的特点，不光体现在需求的内容表述上，还体现在需求的表达方式上。为了能清晰准确地呈现用户多样的需求，对用户需求进行分类处理显得尤为重要，故本文使用了基于Kano模型的需求分类方法。
首先，对收集到的用户需求信息设计正反调查问卷（见表1）。然后，根据用户在满意、必须如此、中立、可忍受或不满意选项上的回答，参照表2的需求分类表将需求项进行归类。在分类过程中，将满足用户基本期望的需求归为M类（基本需求），用户期望的性能提升的需求归为O类（定制需求），用户个性化的需求归为A类（个性需求），与产品性能无关的需求归为I类（无关需求），与用户期望相反的需求归为R类（反向需求），以及存在争议的需求归为Q类（问题需求）。
对调查得到的数据进行处理，获得各个用户需求项的隶属情况，如表5所示，每一行的数据最大值所对应的需求类别代表了该需求项CRK属于相应的类别。
分析表5可得：良好的舒适性CR1、良好的室内光照CR2和良好的隐私性CR5是模块化微型住宅的基本需求，需要优先满足；强大的储物能力CR3和空间的多功能性CR4属于定制需求，不同用户期望不同的性能指标；良好的美观度CR6、环保和可持续性CR7，以及办公的便捷性CR8，满足用户的特殊功能需求，属个性需求类。
用户需求项分类完成后，设计人员对功能模块对应各需求项进行了评分，从而得到了模块与用户需求之间的相关度矩阵C，具体如表6所示。
依据表6分析可得各功能模块和需求类别的相关程度，进而将功能模块分为三大类：模块M1、M2和M3可在微型住宅产品中通用，为基本模块；模块M4、M5提供餐饮制作和就餐作用，但数值指标可调节度大，为定制模块；模块M6提供可选配的功能，为专用模块。
对功能模块的模块类型进行识别后，选取睡眠模块M1为例进行模块参数规划。其主要参数有模块的面宽和进深，为数值型参数（表7），需要对其进行规划，下面以“睡眠模块面宽”参数为例详细介绍参数取值系列的确定。
设计人员通过将用户诉求转换为功能需求属性，与“睡眠模块面宽”参数相关的需求属性是：CR1床宽、CR2床头柜宽、CR3床头柜数量、CR4衣柜宽、CR5通行流线宽度（图4，表8）。
图4：睡眠模块面宽相关参数示意图
用户需求参数结果如表8所示，通过市场部门对微型模块化住宅的20位用户代表进行调研，其中有效回执12份。同时，设计人员基于对用户需求的调研，并结合设计经验和历史设计数据，得到睡眠模块参数“模块面宽”的取值范围为：[2400，5100]。
使用改良的K均值聚类算法对表8中数据聚类，运用轮廓系数（SC）指标、Calinski-Harabaz（CH）指标和误差平方和（SSE）指标表达畸变程度的损失函数（图5），从图中可以看出聚类个数K逐渐增大时，各指标均在K=3时，出现明显转折变化，转折点3就是最佳聚类个数，即是该模块参数的取值个数。
结合肘部法则得到最佳聚类个数3，即设定K=3，算法通过PyCharm Community Edition 2023.2.1进行开发，运行算法的计算机配置为Intel酷睿处理器i7-12700H（2700 MHz），16GB RAM。用户需求数据输入如下：
得到用户需求聚类结果如表9所示，12个用户需求可以被分为3类，即睡眠模块面宽参数取值的个数为3个。
得到了融合用户需求的参数后，为了保证模块化微型住宅的标准化和工业化生产，还需要根据三级模数系统对表9的取值进行微调修正。以序号1方案为例，参照表3中的三级模数：床宽由1125调整至1200；床头柜宽符合三级模数要求，不调整；床头柜数量由1.5调整至1；衣柜宽由612.5调整至600；通行流线宽由650调整至700。根据表10中的数据，可以预测模块化微型住宅的三种结合用户需求和标准化生产，并且适用性较强的面宽尺寸，即：3000，3900，4500。
再对“睡眠模块进深”参数重复上述型谱规划步骤，即可完成睡眠模块的参数取值确定，如表11中的数据所示，可以预测模块化微型住宅的三种结合用户需求和标准化生产，并且适用性较强的进深尺寸，即：3000，3300，3600。
六、结语
对于模块化住宅来说，模块参数取值数量的增加可以更好地满足用户不同的需求，但同时也会因为参数过多而使模块化住宅的工业化生产优势降低。因此，合理地规划模块型谱对项目后期的进展至关重要。本文提出了一套用户需求驱动的模块化住宅型谱规划方法，将用户需求与模块型谱规划相结合，得到满足用户需求和工业化生产标准的模块参数取值，有助于降低模块化住宅产品后期变形和组合设计的复杂度，从而更好地满足不断变化的用户需求。
本文通过Kano模型对用户需求进行分类，可以准确识别出不同用户群体的基本需求、定制需求和个性需求。通过对这些需求的深入分析，设计人员能够明确各类需求与不同模块之间的关联。改进的K均值聚类算法在模块参数规划中的应用，极大地提高了需求分析的准确性和效率。传统的K均值聚类算法在设定K值时往往依赖经验，改进的算法引入了肘部法则，能够科学准确地确定最优的聚类数。通过聚类分析，设计人员可以获得满足用户需求的参数个数，从而为模块参数的取值提供依据。住宅三级模数系统在模块参数具体取值中的应用，确保了模块化住宅设计的标准化生产。三级模数系统通过协调建筑整体尺寸和局部尺寸，使建筑和内装部品的设计尺寸既能独立存在，又能互相协调。
本文提出的用户需求驱动的模块化住宅型谱规划方法，为模块化住宅的设计和生产提供了科学有效的指导。通过合理规划模块参数值，企业能够更好地满足用户需求，提升产品质量和研发效率，降低生产成本，增强市场竞争力，以期未来可以推动模块化住宅在文旅市场中的普及。
