基于對(duì)抗網(wǎng)絡(luò)的城市分類垃圾時(shí)空分析方法
——以昆明市為例

許尊誠(chéng)，宋煒煒

(昆明理工大學(xué)，云南 昆明 650000)

1 引 言

對(duì)于城市中居民生活和經(jīng)濟(jì)活動(dòng)，城市垃圾的產(chǎn)生和管理有著直接且重要的影響。其中城市生活垃圾是重要部分之一。數(shù)百項(xiàng)流行病學(xué)研究證明了其管理、處理和運(yùn)輸過(guò)程中員工和居民的各種可能疾病的發(fā)生率[1]。

同時(shí)垃圾收集效率低、資金緊張、規(guī)劃不善、缺乏對(duì)城市垃圾復(fù)雜變化的應(yīng)對(duì)方案等問(wèn)題，導(dǎo)致城市生活垃圾相關(guān)問(wèn)題的惡化，從而掩蓋了其可持續(xù)管理的目標(biāo)[2]。這些問(wèn)題很多是在城市固體垃圾的生命周期中造成的，具體是指固體垃圾從個(gè)體或區(qū)域中產(chǎn)生，到區(qū)域集中，轉(zhuǎn)運(yùn)和最終處理過(guò)程中的二次污染和回收效率過(guò)低。因此探索現(xiàn)代城市垃圾分類和處理問(wèn)題，已經(jīng)是各個(gè)地方政府的管理者和相關(guān)利益者的關(guān)鍵問(wèn)題之一[3，4]。

在國(guó)外，一些政府在垃圾處置領(lǐng)域的投入甚至占到整個(gè)環(huán)境治理總支出的33%[5]。根據(jù)中國(guó)國(guó)家統(tǒng)計(jì)局的數(shù)據(jù)，2019年全國(guó)城市垃圾清運(yùn)量 24 206.2萬(wàn)噸，2000年全國(guó)城市垃圾清運(yùn)量 11 818.88萬(wàn)噸[6]。而“制造-消耗-廢棄-新一輪制造”是一段時(shí)間內(nèi)中國(guó)社會(huì)經(jīng)濟(jì)生產(chǎn)的常態(tài)，在其中每一個(gè)過(guò)程都存在超過(guò)限度的資源浪費(fèi)和過(guò)度生產(chǎn)。在如今的中國(guó)城鎮(zhèn)化建設(shè)新階段，已經(jīng)成為其中重要的制約因素之一[7]。

同時(shí)城市生活垃圾的管理涵蓋了計(jì)劃，工程，組織，行政，財(cái)務(wù)和法律等各方面的活動(dòng)。所以盡管人口增長(zhǎng)和垃圾產(chǎn)生是全球性挑戰(zhàn)，但發(fā)展中國(guó)家的狀況尤其嚴(yán)重[8]。所以，作為城市垃圾處理主要手段的填埋與焚燒是無(wú)法跟上垃圾生產(chǎn)的增長(zhǎng)速度，根本解決思路還是在于“減量化”和“資源化”[9，10]。城市生活垃圾分類收集和管理是垃圾有效管理的必要前提，是實(shí)現(xiàn)垃圾無(wú)害化、減量化和資源化的一個(gè)關(guān)鍵環(huán)節(jié)，是提高生活垃圾循環(huán)利用的最有效手段之一。因此被認(rèn)為是現(xiàn)代生活垃圾管理規(guī)劃中最優(yōu)先考慮實(shí)施的方法[11]。

在本文中以昆明市為例，根據(jù)城市公共區(qū)域的分布情況，合理地定義了城市垃圾的區(qū)域分布與城市擴(kuò)張成長(zhǎng)所產(chǎn)生的垃圾量之間的關(guān)系。依據(jù)公共資源與預(yù)測(cè)結(jié)果實(shí)行動(dòng)態(tài)規(guī)劃，以及給出同時(shí)期垃圾產(chǎn)生量與公共資源的負(fù)載程度計(jì)算模型。其余的結(jié)構(gòu)如下：第二部，分回顧和總結(jié)了基于國(guó)內(nèi)外垃圾相關(guān)研究的國(guó)內(nèi)外城市垃圾處理研究結(jié)果。第三部分，描述了本文中使用的相關(guān)算法和決策邏輯。第四部分，介紹了昆明市現(xiàn)階段的公共數(shù)據(jù)和相關(guān)數(shù)據(jù)集。第五部分，將以相關(guān)數(shù)據(jù)驗(yàn)證所提出的方法。第六部分，說(shuō)明本文的主要貢獻(xiàn)，總結(jié)研究結(jié)果，并討論了潛在的局限性。

2 國(guó)內(nèi)外研究現(xiàn)狀

近年來(lái)的研究表明，城市生活垃圾的增長(zhǎng)與GDP、人口數(shù)和居民收入密切相關(guān)[12]。同時(shí)消費(fèi)水平也是影響城市生活垃圾產(chǎn)生的重要因素[13]。進(jìn)一步研究指出，居民消費(fèi)結(jié)構(gòu)會(huì)對(duì)城市生活垃圾的總量和組成有著重要影響[14]。

對(duì)于從多重線性回歸分析中，探索影響垃圾產(chǎn)生量的內(nèi)部因素進(jìn)行相關(guān)分析。其中，非農(nóng)業(yè)人口、暫住人口與垃圾產(chǎn)生之間的相關(guān)系數(shù)為0.9，旅游人口與垃圾產(chǎn)生之間的相關(guān)系數(shù)為0.95，非農(nóng)業(yè)人口消費(fèi)額之間的相關(guān)系數(shù)為0.94，燃?xì)饴氏嚓P(guān)系數(shù)達(dá)到0.96，清潔面積和垃圾產(chǎn)生的相關(guān)系數(shù)僅為0.79[15]。在一項(xiàng)研究中計(jì)算西安市生活垃圾產(chǎn)生量與其他影響競(jìng)爭(zhēng)的因素之間的相關(guān)系數(shù)時(shí)，人口規(guī)模的相關(guān)系數(shù)比家庭密度的相關(guān)系數(shù)高0.973。人口人口密度，人口，游客總數(shù)。游客接待總數(shù)的相關(guān)系數(shù)為0.961。區(qū)域GDP的相關(guān)系數(shù)為0.986，遠(yuǎn)遠(yuǎn)高于社會(huì)商品零售總額的0.932[16]。就人口而言，很明顯總?cè)丝谂c游客產(chǎn)生的垃圾量之間存在密切的正相關(guān)關(guān)系。一個(gè)地區(qū)的經(jīng)濟(jì)發(fā)展水平直接影響該地區(qū)產(chǎn)生的垃圾量。

基于時(shí)間序列，線性回歸模型或多個(gè)線性回歸模型已成為估算未來(lái)城市垃圾產(chǎn)生量的主要選擇之一。在一項(xiàng)采用灰色模型GM(1.1)對(duì)城市垃圾數(shù)量進(jìn)行建模預(yù)測(cè)，并完成了對(duì)未來(lái)10年杭州市家庭垃圾量的預(yù)測(cè)模型[17]。通過(guò)使用最小二乘法和三個(gè)分區(qū)模型來(lái)連續(xù)預(yù)測(cè)垃圾產(chǎn)生量最高的三個(gè)省份，總結(jié)出經(jīng)濟(jì)和消費(fèi)發(fā)展與城市固體垃圾產(chǎn)生正相關(guān)的結(jié)論[18]。在此研究階段，通常的做法是使用基本模型來(lái)預(yù)測(cè)縣，市或縣一級(jí)產(chǎn)生的垃圾總量，并實(shí)現(xiàn)對(duì)未來(lái)幾年的預(yù)測(cè)。但是這些方法僅給出簡(jiǎn)單的初始估計(jì)，而不能給出多參數(shù)變化的預(yù)測(cè)。

而在垃圾從分散到集中的過(guò)程中，這是一個(gè)“反向物流”系統(tǒng)，其資源高度分散，處置相對(duì)集中，并且產(chǎn)生隨季節(jié)性變化。因此，為垃圾轉(zhuǎn)運(yùn)站選擇最佳位置是尋求改善垃圾收集和運(yùn)輸系統(tǒng)的重要環(huán)節(jié)[19]。在一項(xiàng)關(guān)于使用網(wǎng)絡(luò)分析(ANP)分析固體垃圾處理方法選擇的研究中，應(yīng)用了分層網(wǎng)絡(luò)的決策結(jié)構(gòu)(Hiernet)。從分析網(wǎng)絡(luò)過(guò)程(ANP)的超級(jí)矩陣中，確定價(jià)值判斷作為各種利益相關(guān)者的輸入，并衡量對(duì)替代方案的相對(duì)需求[20]。定量和定性方法(DEA)的結(jié)合將用于評(píng)估已建成的生活垃圾轉(zhuǎn)運(yùn)站的效率[21]。垃圾運(yùn)輸?shù)哪Ｐ脱芯恐饕谶\(yùn)輸研究，并且沒(méi)有專項(xiàng)研究或相關(guān)屬性研究，例如易腐垃圾和有害垃圾對(duì)整個(gè)垃圾模型的影響。中轉(zhuǎn)點(diǎn)所提供的特性權(quán)重不同，轉(zhuǎn)運(yùn)點(diǎn)也不同。

而現(xiàn)在處理的最后階段方法較少，主要是垃圾填埋、焚燒、堆肥、厭氧消化、熱分解氣化、高溫高壓液化和蚯蚓處理等等。根據(jù)一項(xiàng)針對(duì)焚燒垃圾的粉灰飛研究，由于火焰中垃圾成分的影響，粉灰飛中所含的金屬元素的含量是土壤中金屬元素的3個(gè)數(shù)量級(jí)以上，并且向土壤中的浸出毒性和腐蝕性非常嚴(yán)重[22]。同時(shí)，垃圾焚化產(chǎn)生的能量和熱量也是一種可用的能源。鑒于當(dāng)前的技術(shù)發(fā)展和廢熱產(chǎn)生的逐漸增加，焚燒是一種相對(duì)簡(jiǎn)單且經(jīng)濟(jì)上有利于回收廢料的方法[23]。另一邊由于填埋技術(shù)導(dǎo)致的浸出和重金屬污染等因素，垃圾掩埋技術(shù)正日益達(dá)到其極限。將來(lái)，它可能會(huì)幫助其他垃圾處理方法，例如不同類型垃圾焚燒殘余物的填埋。

識(shí)別城市功能區(qū)并理解其分布特征，對(duì)于把握城市結(jié)構(gòu)及科學(xué)制訂城市規(guī)劃具有重要作用[24]。于人口、用地、產(chǎn)業(yè)等傳統(tǒng)調(diào)查和識(shí)別方法相比，城市大數(shù)據(jù)的出現(xiàn)為多中心識(shí)別提供了契機(jī)，尤其是基于POI(Point of Interest)大數(shù)據(jù)的分析比傳統(tǒng)方法更加準(zhǔn)確高效[25]。

依據(jù)上海市綠化和市容局?jǐn)?shù)據(jù)，2019年上海日均有害垃圾處置量達(dá)到1噸，而到2020年6月整個(gè)上海市的有害垃圾日均有害垃圾處置量則達(dá)到3.3噸，但依舊不足上海市近3年各年生活垃圾總量的1%，遠(yuǎn)遠(yuǎn)小于其他類型垃圾總量，又因?yàn)橛泻奶厥庑?，在區(qū)域性收集中依舊需要大量的專門(mén)收集中轉(zhuǎn)專業(yè)設(shè)備和設(shè)施。

而根據(jù)住建部發(fā)布的《中國(guó)城市建設(shè)統(tǒng)計(jì)年鑒》中不同垃圾處理方式處理的生活垃圾量來(lái)看，填埋占據(jù)了我國(guó)生活垃圾處理的64%；其次是焚燒處理，占38%。在其中的3種垃圾類型總量中，易腐爛垃圾占比最高，在各地區(qū)的易腐垃圾占生活垃圾總量比在40%～60%之間，且平均值為47.66%，廚余垃圾占56%，可回收垃圾占26%，不可回收垃圾僅占17%。

在目前全國(guó)絕大部分地方生活垃圾沒(méi)有分類的情況下，四大種類全部進(jìn)入環(huán)衛(wèi)清運(yùn)軌道。理論上，如果把廚余垃圾和可回收垃圾分類出來(lái)，納入循環(huán)利用和資源化利用軌道，環(huán)衛(wèi)清運(yùn)到填埋和焚燒的垃圾，只有17%。

3 理論方法

3.1 Generative Adversarial Nets

生成式對(duì)抗網(wǎng)絡(luò)(GAN，Generative Adversarial Networks)是一種深度學(xué)習(xí)模型，通過(guò)框架中兩個(gè)模塊：生成模型(Generative Model)和判別模型(Discriminative Model)的相互博弈游戲，生成模型與一個(gè)對(duì)手相對(duì)立，一個(gè)判別模型，該模型學(xué)習(xí)確定樣本是來(lái)自模型分布還是來(lái)自數(shù)據(jù)分布，最后產(chǎn)生輸出結(jié)果[26]，如圖1所示。

圖1 GAN生成對(duì)抗網(wǎng)絡(luò)

W是隨機(jī)噪聲(是隨機(jī)生成的數(shù)，GAN生成圖像的源頭)，D通過(guò)真圖和假圖的數(shù)據(jù)，進(jìn)行一個(gè)二分類神經(jīng)網(wǎng)絡(luò)訓(xùn)練。G根據(jù)一串隨機(jī)數(shù)可以制造出一個(gè)“假圖像”出來(lái)，用這些假圖去欺騙D，D負(fù)責(zé)辨別這是真圖還是假圖，會(huì)給出一個(gè)反饋分?jǐn)?shù)。例如，G生成了一張圖，在D這里得分很高，那證明G是很成功的；如果D能有效區(qū)分真假圖，則G的效果還不太好，需要調(diào)整參數(shù)。這就是GAN的博弈過(guò)程。

同時(shí)，D和G模塊具有值函數(shù)V(G，D)的兩者最大最小等式：

(1)

對(duì)抗建?？蚣茏钊菀讘?yīng)用與當(dāng)模型是多層感知器時(shí)。為了了解發(fā)生器在數(shù)據(jù)x上的分布pg，先定義了一個(gè)先驗(yàn)的輸入噪聲變量pz(z)，然后將到數(shù)據(jù)空間的映射表示為G(z；θg)，其中G是由多層感知器表示的微分函數(shù)，其中參數(shù)θg。并且定義了第二個(gè)多層感知器D(x；θd)，輸出一個(gè)標(biāo)量。D(x)表示x來(lái)自數(shù)據(jù)而非pg的概率。為了訓(xùn)練D來(lái)最大化為G訓(xùn)練樣本和樣本分配正確標(biāo)簽的可能性，同時(shí)訓(xùn)練G來(lái)最小化log(1-D(G(z)))。

通過(guò)生成對(duì)抗網(wǎng)絡(luò)，我們進(jìn)行多次迭代對(duì)未來(lái)完成黑箱預(yù)測(cè)。這種預(yù)測(cè)建立在內(nèi)部不可知的狀態(tài)下，來(lái)盡量避免和縮小社會(huì)城市問(wèn)題中大量的干擾因素影響，以及參數(shù)限制。

3.2 規(guī)劃模型——k-聚類算法數(shù)學(xué)原理

在預(yù)測(cè)出未來(lái)的變化后，我們通過(guò)k-聚類算法進(jìn)行的計(jì)算，來(lái)規(guī)劃已知不同觀測(cè)集的相同屬性的符合限制條件的點(diǎn)集。

已知觀測(cè)集(X1，X2，…，Xn)，其中每個(gè)觀測(cè)都是一個(gè)d-維實(shí)向量，k-平均聚類要把這n個(gè)觀測(cè)劃分到k個(gè)集合中(k≤n)，使得組內(nèi)平方和最小。函數(shù)的目標(biāo)是找到使得下式滿足的聚類Si，其中μi是Si中所有點(diǎn)的均值。

(2)

在運(yùn)用k-聚類算法時(shí)，首先需要確定一個(gè)k值，即我們希望將數(shù)據(jù)集經(jīng)過(guò)聚類得到k個(gè)集合，再?gòu)臄?shù)據(jù)集中隨機(jī)選擇k個(gè)數(shù)據(jù)點(diǎn)作為質(zhì)心。其次對(duì)數(shù)據(jù)集中每一個(gè)點(diǎn)，計(jì)算其與每一個(gè)質(zhì)心的距離(如歐式距離)，離哪個(gè)質(zhì)心近，就劃分到哪個(gè)質(zhì)心所屬的集合。把所有數(shù)據(jù)歸好集合后，一共有k個(gè)集合。然后重新計(jì)算每個(gè)集合的質(zhì)心。如果新計(jì)算出來(lái)的質(zhì)心和原來(lái)的質(zhì)心之間的距離小于某一個(gè)設(shè)置的閾值(表示重新計(jì)算的質(zhì)心的位置變化不大，趨于穩(wěn)定，或者說(shuō)收斂)，我們可以認(rèn)為聚類已經(jīng)達(dá)到期望的結(jié)果，算法終止。如果新質(zhì)心和原質(zhì)心距離變化很大，需要重新迭代。

3.3 負(fù)載指數(shù)

通過(guò)聚類計(jì)算，再通過(guò)權(quán)重指數(shù)來(lái)進(jìn)行集合合并，得出合并點(diǎn)集并且給出相應(yīng)的負(fù)載指數(shù)，負(fù)載指數(shù)可以用于不同時(shí)間或者不同方案的選擇或者判定。

(3)

單點(diǎn)線路的中轉(zhuǎn)點(diǎn)選擇計(jì)算，CP為一類負(fù)載數(shù)，py為運(yùn)輸種類權(quán)重，li為單個(gè)集點(diǎn)到中轉(zhuǎn)點(diǎn)的距離，ln為中轉(zhuǎn)點(diǎn)到處理點(diǎn)距離，cb為建設(shè)權(quán)重，pz為種類權(quán)重。

(4)

合成點(diǎn)線路的中轉(zhuǎn)點(diǎn)選擇計(jì)算，Ch為二類負(fù)載數(shù)，py為運(yùn)輸種類權(quán)重，li為單個(gè)集點(diǎn)到中轉(zhuǎn)點(diǎn)的距離，ln為合成中轉(zhuǎn)點(diǎn)到終點(diǎn)距離，cb為建設(shè)權(quán)重，pz為種類權(quán)重。

(5)

i個(gè)一類負(fù)載數(shù)CP和n個(gè)二類負(fù)載Ch之間的比值Cz即為負(fù)載指數(shù)。

3.4 合并決策

在進(jìn)行多層次點(diǎn)位合并時(shí)，首先我們將點(diǎn)集分為同等數(shù)量圖層，并且按照其中點(diǎn)位數(shù)量從小到大排序。第二，從最少的點(diǎn)位數(shù)量的圖層開(kāi)始任意選擇一個(gè)點(diǎn)位，計(jì)算該點(diǎn)位與相應(yīng)的觀測(cè)集的范圍內(nèi)點(diǎn)位距離及終點(diǎn)點(diǎn)位的距離之和，并依據(jù)負(fù)載指數(shù)計(jì)算，找到與該點(diǎn)位最近的第二圖層的相應(yīng)中轉(zhuǎn)站點(diǎn)。第三，判斷該兩種點(diǎn)位之間的距離是否在規(guī)定范圍之內(nèi)。若在規(guī)定那個(gè)范圍之外，保留低圖層中轉(zhuǎn)點(diǎn)，并將其升格為上一圖層點(diǎn)。若在規(guī)定范圍之內(nèi)，則計(jì)算第二圖層該中轉(zhuǎn)點(diǎn)的負(fù)載數(shù)。第四，假設(shè)該兩點(diǎn)位合成后，計(jì)算合成點(diǎn)位的負(fù)載數(shù)，以及整體負(fù)載指數(shù)。最后，若指數(shù)小于1，則保留低圖層點(diǎn)位，并將其升格為上一圖層點(diǎn)。若指數(shù)大于1，則舍去兩單中轉(zhuǎn)點(diǎn)，直接保留合成點(diǎn)，并保留與上一圖層中。

第六步，重復(fù)以上步驟，直至第一圖層所有中轉(zhuǎn)點(diǎn)經(jīng)過(guò)判別。融合進(jìn)入第二圖層，形成新的第二圖層。重復(fù)迭代，直至所有圖層全部合成完畢，輸出最終點(diǎn)位。

4 案例分析

4.1 實(shí)驗(yàn)區(qū)域

昆明是云南省省會(huì)、滇中城市群中心城市，地處中國(guó)西南地區(qū)、云貴高原中部，南北國(guó)際大通道和以深圳為起點(diǎn)的第三座東西向亞歐大陸橋的交匯點(diǎn)，是中國(guó)面向東南亞、南亞開(kāi)放的門(mén)戶城市。

其中五華區(qū)、盤(pán)龍區(qū)、官渡區(qū)、西山區(qū)和呈貢區(qū)是昆明市的五個(gè)主城區(qū)，總區(qū)域面積 2 622 km2，占昆明市總面積12.21%；人口241萬(wàn)，占昆明市總?cè)丝?4.46%。5個(gè)主城區(qū)人口密度919人每平方千米，是全市人口密度252每平方千米的3.6倍。包含78個(gè)鄉(xiāng)鎮(zhèn)街道，分布于環(huán)滇池和群山山脈之間，人口聚集，城市發(fā)展受地形影響較大，如圖2、圖3所示。

圖2 昆明市主城區(qū)衛(wèi)星遙感圖

圖3 昆明市主城區(qū)行政街道區(qū)劃

4.2 歷年區(qū)域發(fā)展

依據(jù)Google Earth的歷史衛(wèi)星地圖，我們收集了自2005年以來(lái)，以每5年為間隔的衛(wèi)星圖像數(shù)據(jù)，包括2005年、2010年、2015年和2020年衛(wèi)星遙感數(shù)據(jù)圖像。

通過(guò)對(duì)小區(qū)、景點(diǎn)、工廠、商鋪和平房等等房屋地標(biāo)的識(shí)別，依據(jù)自然人口、用地和產(chǎn)業(yè)，以及網(wǎng)絡(luò)抓取的POI數(shù)據(jù)方法，最后選取區(qū)域中心點(diǎn)作為計(jì)算中心。將聚集區(qū)域劃分為產(chǎn)生四種不同分類垃圾種類和數(shù)量的3類區(qū)域：居民區(qū)、商業(yè)區(qū)和工業(yè)區(qū)。這3種區(qū)域依據(jù)實(shí)際生產(chǎn)生活產(chǎn)生的對(duì)應(yīng)4種類別垃圾種類和數(shù)量都不相同，且具備非常明顯的特征，同時(shí)對(duì)于自2005年以來(lái)總?cè)丝谧兓?2005年508.47萬(wàn)人，2010年643.92萬(wàn)人，2015年667.7萬(wàn)人，2019年695萬(wàn)人)和生活垃圾清運(yùn)量的變化(2005年93萬(wàn)噸，2010年150.76萬(wàn)噸，2015年181.04萬(wàn)噸，2018年192.51萬(wàn)噸)對(duì)不同位置點(diǎn)位平均的分別賦予相應(yīng)屬性值，如圖4、圖5所示。

圖4 三種區(qū)域歷史數(shù)量變化

圖5 2005年、2010年、2015年和2020年3種區(qū)域點(diǎn)分布

現(xiàn)在昆明市正在運(yùn)行的3個(gè)填埋場(chǎng)和5個(gè)焚燒廠，分別為昆明市西郊垃圾焚燒發(fā)電廠，官渡區(qū)東郊垃圾焚燒廠，昆明西山區(qū)垃圾焚燒發(fā)電廠，昆明呈貢新區(qū)垃圾焚燒廠，昆明空港垃圾焚燒廠，尋甸縣垃圾填埋場(chǎng)，西郊垃圾填埋場(chǎng)和昆明市東郊垃圾衛(wèi)生填埋場(chǎng)。

5 結(jié)果

5.1 GAN對(duì)抗網(wǎng)絡(luò)驗(yàn)證和預(yù)測(cè)

通過(guò)對(duì)前4組間隔5年的數(shù)據(jù)，首先利用數(shù)學(xué)擬合預(yù)測(cè)2025年3類不同區(qū)域的個(gè)數(shù)。其中的1-R2值在萬(wàn)分之一以下。可以預(yù)測(cè)出到達(dá)2025年，居民區(qū)的點(diǎn)位將達(dá)到 1 936個(gè)，商業(yè)區(qū)點(diǎn)位219個(gè)，工業(yè)區(qū)點(diǎn)位316個(gè)，總點(diǎn)數(shù) 2 471個(gè)，如圖6所示。

圖6 2025預(yù)測(cè)與趨勢(shì)線

因此在對(duì)抗網(wǎng)絡(luò)中，我們預(yù)先設(shè)置總點(diǎn)數(shù) 2 600個(gè)，通過(guò)迭代預(yù)測(cè)選擇出符合各個(gè)不同區(qū)域點(diǎn)數(shù)量比的結(jié)果，得到最后的2025年3種區(qū)域點(diǎn)位的預(yù)測(cè)圖，并對(duì)符合的結(jié)果進(jìn)行一定的刪選和范圍歸并，如圖7所示。

圖7 2025年預(yù)測(cè)的商業(yè)區(qū)、居住區(qū)、工業(yè)區(qū)三種區(qū)域點(diǎn)分布

多次迭代后，得到工業(yè)區(qū)374個(gè)點(diǎn)位，商業(yè)區(qū)224個(gè)點(diǎn)位，居民區(qū) 1 998個(gè)點(diǎn)位，共計(jì) 2 600個(gè)點(diǎn)位。剔除位于滇池、翠湖和盤(pán)龍江等湖泊江河上不適宜的點(diǎn)位，并對(duì)超過(guò)15年沒(méi)有改變的點(diǎn)位進(jìn)行了范圍歸并。最后得到工業(yè)區(qū)點(diǎn)位368個(gè)，商業(yè)區(qū)點(diǎn)位218個(gè)，居民區(qū)點(diǎn)位 1 991個(gè)，可用比例分別為98.40%，97.32%，99.65%，總可用點(diǎn)數(shù)99.58%。與擬合估算點(diǎn)數(shù)量進(jìn)行偏差計(jì)算，其中工業(yè)區(qū)點(diǎn)數(shù)偏差為16.46%，商業(yè)區(qū)點(diǎn)數(shù)偏差為2.28%，居民區(qū)點(diǎn)數(shù)偏差為2.84%，符合預(yù)測(cè)要求。

5.2 多類中轉(zhuǎn)站生成

通過(guò)線性擬合預(yù)估到2025年昆明市生活垃圾清運(yùn)量將達(dá)到273.66萬(wàn)噸，其中廚余垃圾占56%，一般垃圾占17%，可回收垃圾占26%，有害垃圾占1%，分別為153.25萬(wàn)噸，46.53萬(wàn)噸，71.15萬(wàn)噸，2.73萬(wàn)噸。同時(shí)依據(jù)《城市垃圾轉(zhuǎn)運(yùn)站設(shè)計(jì)規(guī)范》其中的關(guān)于垃圾中轉(zhuǎn)轉(zhuǎn)運(yùn)站建設(shè)標(biāo)準(zhǔn)，將需要建成廚余垃圾中轉(zhuǎn)轉(zhuǎn)運(yùn)站53座，一般垃圾中轉(zhuǎn)轉(zhuǎn)運(yùn)站15座，可回收垃圾中轉(zhuǎn)轉(zhuǎn)運(yùn)站21座。而有害垃圾因?yàn)榭偭枯^少，危害較大，建設(shè)成本較高，則根據(jù)其覆蓋范圍和涉及的區(qū)域數(shù)量進(jìn)行分配，需要有害垃圾中轉(zhuǎn)轉(zhuǎn)運(yùn)站25座，如圖8所示。

圖8 四類垃圾中轉(zhuǎn)站點(diǎn)規(guī)劃

通過(guò)負(fù)載指數(shù)和合并決策，將四類不同的垃圾中轉(zhuǎn)站進(jìn)行合并。輸入數(shù)據(jù)包括3種區(qū)域點(diǎn)位坐標(biāo)，每個(gè)點(diǎn)位依據(jù)區(qū)域情況產(chǎn)生的不同四類垃圾賦值。賦值依據(jù)《全國(guó)大、中城市固體廢物污染環(huán)境防治年報(bào)》，表示該地點(diǎn)四類垃圾存在情況。取0表示該地區(qū)該種垃圾不存在或者沒(méi)有設(shè)置收集裝置的必要，取1表示該區(qū)域需要最低的處理收集設(shè)施。k-聚類算法的k值合并閾值依據(jù)《城市垃圾轉(zhuǎn)運(yùn)站設(shè)計(jì)規(guī)范》，多次迭代后設(shè)置為15，如圖9所示。

圖9 合成中轉(zhuǎn)點(diǎn)點(diǎn)位

其中橙色和紅色點(diǎn)位是廚余垃圾和有害垃圾的單項(xiàng)中轉(zhuǎn)點(diǎn)，主要原因在于兩者的數(shù)量和種類的特殊性，廚余垃圾單項(xiàng)中轉(zhuǎn)站12個(gè)，有害垃圾單項(xiàng)中轉(zhuǎn)站4個(gè)。而粉色點(diǎn)位則是一般垃圾、可回收垃圾和廚余垃圾的合成中轉(zhuǎn)點(diǎn)，3類合成點(diǎn)21個(gè)。藍(lán)色是4類垃圾的總合成中轉(zhuǎn)站點(diǎn)16個(gè)，總共計(jì)53個(gè)中轉(zhuǎn)站設(shè)置點(diǎn)位。

5.3 負(fù)載估算

在多類中轉(zhuǎn)點(diǎn)的合并過(guò)程中，我們?cè)O(shè)置了4類不同種類垃圾的中轉(zhuǎn)站建設(shè)權(quán)重，從區(qū)域到中轉(zhuǎn)點(diǎn)和中轉(zhuǎn)點(diǎn)到終點(diǎn)處理點(diǎn)的a和b兩種不同階段運(yùn)輸權(quán)重，以及合并閾值和中轉(zhuǎn)站覆蓋范圍。

參數(shù)設(shè)置同樣依據(jù)上節(jié)提到的規(guī)范性文件。對(duì)運(yùn)輸種類權(quán)重、建設(shè)權(quán)重和種類權(quán)重分別賦值。對(duì)一般垃圾、可回收垃圾、易腐垃圾和有害垃圾4類垃圾的處理設(shè)施建設(shè)成本權(quán)重進(jìn)行歸類計(jì)算，分別賦值2、3、5和10。兩種不同的運(yùn)輸權(quán)重分別賦值6和3。

通過(guò)對(duì)參數(shù)的設(shè)置和計(jì)算單項(xiàng)中轉(zhuǎn)點(diǎn)和綜合中轉(zhuǎn)點(diǎn)兩者的負(fù)載數(shù)，并計(jì)算之間的負(fù)載指數(shù)，進(jìn)行取舍，最終獲得相對(duì)最優(yōu)的規(guī)劃設(shè)置點(diǎn)位。在114次判定過(guò)程中，有98次負(fù)載指數(shù)小于1，因此相對(duì)舍去負(fù)載數(shù)較高的一方，保留負(fù)載數(shù)低的另一方。給予決策方案提供有效的直觀的判斷依據(jù)。

6 結(jié)論與討論

城市分類垃圾不同處理過(guò)程的研究在現(xiàn)在和未來(lái)都具有重要意義。但是限于受到時(shí)空依賴性和外部條件等多種復(fù)雜因素的影響，研究分類垃圾處理過(guò)程具有很大的挑戰(zhàn)性。

在第一階段，利用機(jī)器學(xué)習(xí)的Gan算法進(jìn)行黑箱預(yù)測(cè)，盡可能地綜合考慮和擯除繁雜的影響因素，進(jìn)行時(shí)間序列下的城市區(qū)域變化預(yù)測(cè)。第二階段，運(yùn)用k-聚類算法，我們?cè)谏弦浑A段的基礎(chǔ)上分化城市區(qū)域，將城市區(qū)域所導(dǎo)致的4類垃圾不同產(chǎn)量特征分化，并且計(jì)算出4類垃圾的不同中轉(zhuǎn)站建設(shè)優(yōu)化方案。而在第三階段，我們運(yùn)用負(fù)載指數(shù)計(jì)算的方法進(jìn)行舍去和合并。充分考慮到實(shí)際情況中，區(qū)域到中轉(zhuǎn)點(diǎn)、中轉(zhuǎn)點(diǎn)到最終點(diǎn)的運(yùn)輸權(quán)重，擁有不同處理能力的中轉(zhuǎn)站建設(shè)成本，進(jìn)行了分層次的整合。最終得到全市的相對(duì)最優(yōu)的不同層次不同類型的中轉(zhuǎn)站設(shè)置方案。模型的驗(yàn)證部分里，在昆明市5個(gè)核心市區(qū)區(qū)域里，進(jìn)行了假設(shè)和驗(yàn)證，包括了近昆明市總?cè)丝诘囊话耄贸隽?3個(gè)不同類型的中轉(zhuǎn)站。

最后實(shí)驗(yàn)證明運(yùn)用機(jī)器學(xué)習(xí)的生成對(duì)抗網(wǎng)絡(luò)算法和啟發(fā)式算法，有效規(guī)避了人工選擇的主觀問(wèn)題和巨大工作量。當(dāng)收集點(diǎn)數(shù)量巨大時(shí)，依舊可以保證全覆蓋和精確度。這使得我們的規(guī)劃成本大幅度下降。同時(shí)利用不同機(jī)器學(xué)習(xí)算法問(wèn)題的不同層次里分割解決，有效提高了預(yù)測(cè)和規(guī)劃有效性和減少時(shí)間成本。

除了城市分類垃圾中轉(zhuǎn)點(diǎn)選擇外，此模型還適用于其他市政需要考慮多層次覆蓋情況的問(wèn)題，因此在市政規(guī)劃、站點(diǎn)選擇等方面城市非城市問(wèn)題提供寶貴的見(jiàn)解。基于該方法，還可以在一些具有流動(dòng)屬性的場(chǎng)景里，分析聚合情況和影響范圍的事件。

雖然有希望，但是也注意到在研究過(guò)程中的幾個(gè)局限性和方向。一方面，沒(méi)有考慮到收集點(diǎn)和中轉(zhuǎn)點(diǎn)的承載能力，導(dǎo)致在更加具體分析層次上有一定缺陷。具體來(lái)說(shuō)，在不同區(qū)域、不同承載點(diǎn)上的權(quán)重也會(huì)影響到選點(diǎn)和覆蓋范圍。另一方面，不得不承認(rèn)，在時(shí)間跨度上分析時(shí)，我們選取了固定的時(shí)間段，并且平均了垃圾量的權(quán)重，并未考慮到在不同時(shí)期垃圾產(chǎn)生量、儲(chǔ)量等區(qū)別。

然后，受限與外部條件和現(xiàn)階段國(guó)內(nèi)相關(guān)數(shù)據(jù)匱乏，所以在城市規(guī)劃、道路和土地類型方面并未增加考慮。但我們依然認(rèn)為在數(shù)據(jù)完善的情況下，此模型具有良好的擴(kuò)展性和衍生性?？梢詫?duì)不斷變化的數(shù)據(jù)流進(jìn)行變化性的模擬和分析。在未來(lái)，加入更多現(xiàn)實(shí)參數(shù)分析，以及在車輛的路線選擇都是我們工作的主要方向。