詹梨苹， 赵锐*， 杨天学， 俞阳

1.西南交通大学地球科学与环境工程学院2.中国环境科学研究院固体废物分质利用与污染控制研究室

城市固体废物源头广、种类多、产量大，给其监管带来巨大挑战。现有的固体废物监管模式主要基于地面调查和被动的数据上报，受限于作业效率低、成本高、时效性弱、数据粒度不足等问题，难以全面覆盖生命周期各环节，导致非法弃置现象时有发生[1-2]。

大数据为固体废物监管提供了新途径，因其具有“5V”特点(volume、velocity、variety、value、veracity)，大大提升了监管数据的可获取性，推动废物管理向主动和智能化转变[3-5]。在此背景下，有必要对大数据驱动城市固体废物监管的研究文献进行系统性回顾，以追溯该领域的研究发展态势，梳理出国际研究热点，以期为“十四五”期间开展固体废物信息化智慧管理提供科学支撑。

1 数据与方法

利用文献计量学方法，以Web of Science(WoS)核心合集为数据源，对2010—2020年大数据驱动固体废物监管的相关研究文献进行梳理。检索条件设置如下：TS=〔(“big data”OR “data mining” OR “massive data”)AND(“waste management” OR “waste treatment” OR “waste disposal” OR “waste prevention”)〕；Web of Science Index=(SCI-EXPANDED, SSCI, A&HCI, CPCI-S, CPCI-SSH, ESCI); Document Types=(All document types)；Language=(English)；Timespan=(2010-2020)。

经上述相关词条检索后，初步获得99条记录。因检索结果中往往会存在一些与研究主题并不相关的记录，还需人为进一步筛选。通过对99篇文章的标题、摘要、关键词及全文进行阅读，剔除与本研究主题无关的论文，最后保留83条记录作为文献计量分析的样本数据。同时，借助Citespace 5.7.R1 软件对目标文献进行定量和定性分析，绘制知识图谱，以跟踪研究热点的演化路径。时间分区选择2010—2020年，术语来源包括文章标题(Title)、摘要(Abstract)、作者关键词(Author keywords)及扩展关键词(Keywords plus)。节点类型针对不同分析进行选取，其中包括国家(Country)、关键词(Keyword)及机构(Institution)等，其余参数为系统默认值。

2 文献计量结果分析

2.1 发文量变化

图1为2010—2020年有关大数据驱动城市固体废物监管的研究论文发文量变化。由图1可见，发文量整体呈上升趋势，但发文总量相对较少，说明该研究领域具有新兴和前瞻性特点。2010—2013年，发文量维持在1篇；2014—2020年，发文量呈持续增长趋势；2020年发文量较2010年增长了20倍，表明该领域已逐渐成为环境研究关注的热点。上述变化趋势也与大数据的发展基本吻合，2008年大数据概念首次提出，在2013年开始面向多个应用领域渗透，如制造业、供应链管理等，已成为与劳动力和资本同步发展的新型生产要素[6-7]。

图1 2010—2020年发文量Fig.1 Annual article published from 2010 to 2020

2.2 发文国家

通过对发文国家分析，可揭示国家间的合作关系，也可为评价发文国家的学术影响力提供新视角[7]。发文国家合作网络见图2，节点越大表明对应国家发文量越多，节点之间的连线代表国家之间的合作程度，连线越密集表明合作越紧密。从图2可以看出，中国的节点远大于其他国家，其次是美国、澳大利亚、英国、新加坡，反映出中国在该领域的研究较为活跃。这可能与十八大以来，我国着力优化依法治理体系，深入推进固体废物减量化、资源化和无害化，部署开展生活垃圾分类，“无废城市”建设试点等重点工作密切相关。

图2 发文国家之间合作网络Fig.2 Cooperation network of countries publishing articles

2.3 发文机构

2010—2020年共有121家机构涉足大数据技术在固体废物管理的应用研究。以发文量大于2篇作为筛选条件，得到发文机构排序如表1所示。由表1 可见，中国的高校在榜中占据8席，说明中国在该研究领域具有较强的前瞻性。其中香港大学在该领域发表论文最多，共计10篇，主要关注大数据在建筑废物管理中的机遇和挑战，同时基于大数据开展了建筑废物管理绩效评估、城市建筑废物非法倾倒行为识别的相关研究[8-11]；香港理工大学则主要关注城市生活垃圾监测大数据的实时获取技术，如提出利用无线射频和移动APP识别并记录公众垃圾倾倒行为，以制定更高效的垃圾分类机制[12-13]。内地高校以北京理工大学为代表，重点讨论了大数据背景下废物循环再生的不确定性，旨在增强城市废物管理的可持续性[14-15]；深圳大学着重探讨了射频识别、图像分析和数据挖掘等信息技术在建筑废物减量化、资源化中的应用潜力，并指出了技术既有的局限性和未来研究方向[16-17]。

表1 发文量大于2篇的机构排序Table 1 Ranking of institutions with more than 2 articles

国外高校和研究机构发文量基本保持在2篇左右，关注侧重点也有较大差异。例如芬兰阿尔托大学开展了基于数据挖掘的废物管理大数据研究，旨在从时间和空间上分析废物产生的时空异质性[18-19]；新加坡制造技术研究所侧重于大数据在工业园区共生体系中的匹配应用，通过不同企业产废信息形成的数据集合，自动匹配形成园区内的固体废物交换网络，以提高资源循环利用效率，减小末端处置压力[20-21]；希腊亚里士多德大学基于访谈文本等非结构化大数据评价了废物处置健康风险，借助于四螺旋模型构建了废物管理与能源生产间的闭环供应链，以实现废物能源化利用[22-23]。

2.4 出版物类别和出版物分布

2010—2020年，涉及大数据在固体废物监管的相关研究论文主要以期刊论文(Article)、会议论文(Proceedings)和综述论文(Review)3种载体呈现，各自占比如图3所示。其中Article占比最大，达46.99%，其次为Proceedings，占38.55%。原因在于学者往往通过会议展示和讨论团队研究的初步成果，以Proceedings形式发表其核心研究内容增强自身研究的预见性[24]。特别是大数据与传感器、人工智能等新兴信息技术的发展密切相关，信息技术的更新和迭代频率较快，为体现研究的创新性、时效性和普及性，学者更倾向于选择会议论文发表[25]。

图3 已发表论文类别Fig.3 Categories of published articles

对83篇样本文献按照发文出版物进行统计，发现大数据驱动固体废物管理相关研究被发表在57种刊物上。表2为发文量排名前5的出版物，共刊载28篇论文，占样本总量的33.73%，其中Sustainability发文量最多。这可能是因为该期刊是典型的开源期刊，相对审稿周期较短，发文量较大。在此基础上，利用论文总被引频次和平均被引次数作为评测指标，对期刊在该领域的影响程度进行量化，发现JournalofCleanerProduction具有最高总被引频次和平均被引次数，表明其在该领域具有较强影响力，其次是ResourcesConservationandRecycling和WasteManagement。

表2 发文量排名前5出版物排序Table 2 Top 5 publications with the most published articles

2.5 研究热点及演进过程

关键词作为文献的核心和精髓，是对研究内容的高度凝练。通过对其出现的时间节点及频次进行统计分析，可以追溯该领域的研究热点及演进过程[26-27]。以词频大于3作为筛选条件，借助Citespace软件生成关键词共现网络，即将同一年份首次出现的关键词在相同的时区里集合，以展示研究领域在时间维度上的发展动向，结果如图4所示。结合关键词共现网络(图4)和发文量变化趋势(图1)，将2010—2020年有关大数据驱动城市固体废物监管研究划分为发端期、培育期及成长期3个阶段。研究领域整体呈现从宽泛到具体，从粗放到深入的特点。

图4 2010—2020年高频关键词的时区分布Fig.4 Timezone view of high-frequency key words from 2010-2020

第一阶段：2010—2013年是发端期，该时期的研究成果相对较少，研究关键词主要包括waste management、data mining、internet of things、sensors and sensing system等。该阶段从概念性的角度初步探讨了大数据对固体废物监管的影响，重点揭示了无线射频识别、传感器、物联网等数据自动采集技术在拓展监管数据源的作用。如Adebayo等[28]强调了构建废物综合管理系统应遵循的数据挖掘伦理和规范。Revetria等[29]基于无线通信技术采集数据融合地理信息系统，建立了城市废物收运系统的概念模型。与之类似，Mukherjee等[30]提出了基于物联网的大数据获取及智能分析的废物管理优化概念模型。Lu等[31]探讨了GPS、条形码、以及射频识别等技术在定量追踪固体废物流动轨迹中的价值。

第二阶段：2014—2017年是培育期，该时期出现大量关键词，如big data analytics、smart city、collection、geographical information system、construction and demolition waste management、system、cloud computing、life cycle assessment等。该阶段开始从概念设计向场景应用转换，应用地理信息系统、云计算等信息和通信技术感测，整合各项监测信息，提升废物节点管控效率。如Tehrani等[32]设计了一种基于高光谱成像仪和神经网络算法的塑料垃圾识别系统，通过自动获取并机器学习记忆不同塑料垃圾的光谱特征，以判别废塑料回收中的组分。Shahrokni等[33-34]结合垃圾收集点位、收运路线以及收运时间的大数据分析，开展了垃圾收运效率的优化研究。Chen等[35-37]构建了集成大数据收集、存储和分析的智能化平台，并在城市固体废物收运、资源化利用和处置等场景开展应用，旨在提升城市固体废物监管效率。Feng等[38]利用智能测控装置获取了废物能源化的实时监测数据，并结合云平台和大数据技术对固体废物处置过程的能源负荷和能源产生情况进行分析，指出各类处置方式(如焚烧发电、填埋气发电)的链接可实现能源互通。

第三阶段：2018—2020年是成长期，这一时期出现的关键词包括circular economy、supply chain、barrier、industry 4.0、blockchain、optimization等。在工业4.0大背景下，区块链技术推动供应链上企业形成智能化网络，促使研究从节点管控向废物全生命周期管理拓展，借助大数据分析推动废物资源效率提升，以实现废物监管的可持续[39-40]。如Garrido-Hidalgo等[41-42]提出了大数据驱动的产品生命周期评估方法，即利用物联网和区块链技术收集、传输和记录物质和能量的消费数据，借助管理和监测大数据核算产品全生命周期的环境影响，分析废物循环再生利用潜在的经济和环境价值。Kabirifar等[43-44]构建了固体废物逆向供应链框架，提出利用大数据技术辅助废物减量化、无害化和循环利用决策，以提升供应链的可持续性。

2.6 前沿主题分析

从提取的关键词来看，大数据在废物监管的研究主要是从数据工程和数据科学2个维度出发[16]，覆盖固体废物生命周期中各环节的监管，包括从产生、收运、循环利用至末端处置皆有应用。前者主要关注如何拓展废物管理所需的基础数据源，如各类传感器应用于地面物联网的布设，以记录废物的流向与流量信息[45-48]；后者则主要关注数据挖掘与分析，旨在对海量的大数据进行统计建模，为废物管理提供决策支持[49-51]。

大数据在废物产生环节的应用主要体现在废物产量的特征分析、影响因素识别以及产量预测等方面。Korhonen等[18,52-53]提出了基于地面传感器的废物大数据监测技术，指出通过在垃圾容器内布置无线射频、物联网等，可实现生活垃圾产量的实时和精准监测；同期可通过监测大数据分析，掌握生活垃圾类别及产量的变化趋势。Nakajima[54]基于数据挖掘建立了日本佳能相机产品的成本会计台账，分析了废物产生的主要环节。Bilal等[55]提出了大数据驱动的建筑废物产量预测模型，旨在根据不同建筑的设计属性，包括材料规格、施工策略等信息挖掘，实现废物产量的精准预测。Wu等[56]开发并优化了适用于我国城市生活垃圾产量预测的人工神经网络模型，对引起城市生活垃圾产量时空异质性的影响因素进行了分析，提出了具有区域差异性的固体废物管理策略。此外，还有大量学者利用大数据驱动统计分析，如基于管理大数据驱动统计回归模型构建，揭示了建筑垃圾产生的影响因素，为制定干预措施，减少建筑废物产生提供了科学依据[57-59]。

在收运管理的应用中，大数据主要用于收运路径的规划和优化，便于选择最优的收运方案，以节省收运时间和成本。既有研究通过设计基于物联网的传感器网络，监测各中转站的垃圾产生量，利用机器学习等智能算法挖掘、分析废物的产生信息，如组分、产量等，以优化废物的收集时间及收运路线。如Mehmood等[60-62]利用物联网感知设备传输垃圾桶的实时监测数据，对城市垃圾日清理量和清理频率进行了优化及预测，设计了基于监测大数据的生活垃圾收运管理机制。Navghane等[63-65]基于数据挖掘技术和机器学习的数据分析方法，建立了生活垃圾产生空间信息与清运需求量的动态匹配关系，规划了垃圾清运车辆和清运操作工人的作业方案。

基于大数据驱动的废物循环再生研究主要还停留在概念设计阶段，关注于数据管理如何驱动资源环境效率提升[66-67]。Jiao等[14,49]构建了大数据驱动的多目标优化模型，在供应链中融入废物循环再生环节，设计出闭环供应链，探索提升供应链资源环境效率的运行机制。工业园区是进行循环化改造的重点对象，评估其内部物质、能源流动状态，对提升园区经济效益和环境效益具有重要的现实意义[68]。Song等[21,69]开展了大数据驱动潜在工业共生体系构建的可行性研究，指出通过大数据分析可发现产业园区内潜在的共生物流和能流关系，可进一步提升资源循环再利用效率。Joshi等[70-71]进一步利用管理大数据，从经济、社会和环境3个方面评估了目标区域内实施废物交换的可行性。

在废物处置环节，研究主要关注大数据辅助固体废物处置选址、非法倾倒行为识别、处置设施环境影响监测等。填埋是废物处置的一种常见方式，其选址往往与区域地理环境、经济及社会等因素密切相关[72-74]。Ramasami等[75]基于空间相邻关系挖掘，提出了一种基于建筑、水体和路网等地理点位参数模型的垃圾填埋场选址方法。由于传统的监管手段主要以地面监测为主，易存在管控缺位的问题[76]。为应对该挑战，Begur等[77-78]将传感器、移动通信、图像识别等智能化信息技术和大数据分析相结合，识别废物在处理和处置环节中潜在的非法倾倒行为。此外，相关研究还关注废物处置环节的环境影响评估。如Lu等[79]提出利用传感器、采集器等设备动态感知垃圾焚烧过程中的环境影响，并结合时间序列分析和主成分分析等统计方法从监测大数据中分析污染物排放的波动变化情况，以便及时采取管控措施减小潜在的环境风险。

3 讨论

从既有文献回溯来看，尽管大数据在固体废物监管的研究进展迅速，但仍在发展中，面临着诸多挑战。首先，废物监管数据获取渠道单一，既有研究所采用的方法仅限于物联网等地面监测手段，鲜有考虑卫星遥感、无人机摄影测量等新兴监测技术[80-81]。其次，废物管理实践中所用的数据源往往只考虑了监测大数据或管理大数据，尚未考虑诸如网络数据等社会众源大数据[18,38]。再者，随着信息和通信技术的快速发展，终端设备具有获取大数据的潜能，引起多源异构数据急速增加，导致数据融合更加困难[82-84]。面对海量的废物监管数据，既有研究还缺乏有效的数据处理方法解决数据的融合问题[55,65]。此外，基于大数据的固体废物管理虽覆盖全生命周期，但多限于节点管控，尚未形成联通全生命周期的成套技术，难免会留下一定的管控盲区[85-86]。

针对上述问题，笔者建议后续研究应重点关注：1)持续拓展固体废物监管数据源，包括整合高分遥感、无人机摄影测量、物联网等技术手段，为固体废物监管提供“空天地一体化”的新型管控方式，以提高监管效率；2)基于数据集体量大、复杂度高、结构差异大和不完整性等特点，建议通过监测、管理和众源大数据的智能化融合分析，充分挖掘人工智能、机器学习等技术潜力，在海量复杂数据中提取更多可靠信息，为固体废物管理相关利益主体提供有效的决策依据；3)针对固体废物循环代谢路径上节点信息彼此孤立的问题，建议通过关联各节点的多源大数据，构建固体废物全生命周期循环代谢路径图谱，有效支撑城市固体废物精准管控。

4 结论

(1) 2010—2020年，大数据驱动城市固体废物监管研究领域共发表论文83篇，自2014年发文量呈持续增长趋势，2020年发文量较2010年增长了20倍。

(2) 中国发文量最多，在该领域研究较为活跃，其次是美国、澳大利亚、英国、新加坡；在发文量大于2篇的16个机构中，中国机构占据8席，其中香港理工大学发文量占比最大。

(3) 所选样本文献主要以期刊论文、会议论文和综述论文3种载体呈现，占比分别为46.99%、38.55%、14.46%；共涉及57种刊物，其中JournalofCleanerProduction、ResourcesConservationandRecycling和WasteManagement为大数据驱动城市固体废物监管研究领域影响力较大的期刊。

(4) 从时间尺度上，大数据驱动城市固体废物监管领域研究热点被划分为3个阶段，从概念设计到节点管控场景应用，再到固体废物全生命周期的可持续管理。

(5)在后续城市固体废物管理实践中，大数据技术还有较大发展空间，拓展监管数据源、深度融合不同维度数据、发展智能数据分析方法是大数据服务于固体废物生命周期精准管控的研究重点，也将为无废城市建设提供科学决策支持。