你的位置：The First Youtube Cat 中文站 > Goldfinch中文网 > 城市生活垃圾综合管理决策研究进展
城市生活垃圾综合管理决策研究进展
- 发布日期：2025-01-04 15:47 点击次数：102 城市生活垃圾管理是城市生态系统管理的重要内容之一, 其管理模式及成效对城市代谢过程的优化具有举足轻重的作用。生活垃圾管理贯穿生活垃圾产生、收集、运输、循环利用处理和最终处置的各个环节, 涉及生产者、运输者、处置者等多个主体, 与水污染、大气污染、土壤污染、人体健康、资源代谢等霜密切相关, 具有很强的系统复杂性, 管理难度较大[1]。在开展“无废城市”试点建设[2]、全面推进生活垃圾分类的新形势下, 我国城市生活垃圾面临更科学、更精细的管理需求。因此, 合理选择研究方法对城市生活垃圾管理科学决策具有重要意义。生活垃圾综合管理决策是指“选择、应用合适的技术、工艺和管理程序达到特定的管理目标”, 实现环境有益、经济成本可承受和社会可接受[3]。 为支撑该领域科学合理决策, 各国学者运用多种模型方法开展了大量研究, 积累了丰富的研究经验。总结而言, 常用方法可以分为两大类：第一类是传统的数学模型方法, 用于模拟垃圾产生量[4]、垃圾丢弃行为[5]、垃圾收运情况或整体评估生活垃圾管理措施效果；第二类是基于复杂系统理论的系统仿真建模方法, 将生活垃圾管理视作复杂系统, 以系统动力学[6]、基于主体建模[7]等为代表模拟各主体与外界环境的互动关系。模型选择及运用与系统认知直接相关：在单独关注产生、丢弃、收运、处理处置等环节时, 基于统计数据演变规律、变量影响机制探讨等构建数学模型方法；在认识到生活垃圾复杂系统特征后, 引入系统动力学、基于主体建模等复杂系统模拟方法仿真主体行为与环境交互。总结各类城市生活垃圾管理决策方法概况, 如图 1所示。 基于以上分类标准, 本研究分别梳理两类方法的发展历程、适用场景、优缺点等, 分析模型发展前景, 在全面推行生活垃圾分类、推进产业链协同共治的新形势下, 为进一步促进城市生活垃圾综合管理决策研究提出建议。 1 数学模型方法 数学模型方法可用于模拟评估城市生活垃圾产生、收运、分类、回收处理处置全流程各环节, 常见方法包括统计分析方法、生命周期评价[8]、费用-效益分析[9]、多准则决策分析法[10]、绩效评价体系[11]等。数学模型方法的基本机理是抽象化评价问题, 利用符号、函数关系等描述关注对象与其他因素之间的变化关系, 实现评估、预测等目的。 1.1 统计分析方法 统计分析方法通常用于城市生活垃圾产生现状分析与预测。城市生活垃圾的产生量及成分是综合管理的基础信息, 可用于支撑城市收集、运输、存储、处理处置相关基础设施布局与规划设计。城市生活垃圾产生量研究可分为两类：(1)依据过往产生量数据进行分析与趋势外推, 如灰色模型、时间序列分析等。朱家明等基于2005—2018年安徽省垃圾产量数据建立GM(1, 1)模型预测垃圾产生总量[12]；仝延增等基于2013—2017年天津市生活垃圾清运量及无害化处理量数据构建灰色分数阶FGM(1, 1)模型预测未来3年生活垃圾清运量及无害化处理量[13]；熊华平等基于湖北省2007—2013年城市生活垃圾清运量建立新陈代谢GM(1, 1)模型预测未来七年城市生活垃圾清运量[14]。该类方法历史已久, 但近年来仍被采用。其优势为适用于数据离散有限、序列变化趋势明显情景, 符合生活垃圾产生量数据特征, 高效易操作；但该方法对过往数据质量及平滑度依赖大, 准确性难以保证, 多用于短期预测, 无法探究众多因素影响机制。(2)识别产生量的影响因素, 分析其与社会经济的互动关联, 根据各因素变动情况预测产生量, 最常见的方法为回归分析。生活垃圾产生与经济增长具有明显关联, 杜淼等基于北京市16个区2009年—2016年面板数据开展实证研究, 发现城市生活垃圾产生量与人均GDP呈现“倒N型”EKC曲线[15]。汪坪垚等进一步将影响因素扩展为GDP、社会消费品零售总额和人均可支配收入, 采用多元线性回归预测大连市生活垃圾人均日产生量[16]。除经济发展外, 其他社会生活因素陆续纳入考量。杨小妮等按照人口、经济发展水平、居民生活水平、基础设施水平4个层面分别选取指标, 建立多元回归和ARIMA模型预测西安市城市生活垃圾产生量[17]。此类国际研究中, 区域差别导致影响因素各异。Atul Kumar基于家庭规模、总收入、教育水平、职业和厨房煤炭用量预测印度生活垃圾产生量[18]。总体而言, 常见影响因素为GDP[19-20]、家庭收入[21]等, 另有研究关注气温[22]、失业率[23]、人口年龄组成[24]、市容环境卫生费用[25]等变量。除分析与预测总体产生量外, 分析生活垃圾组分也具有研究意义[26]。杜吴鹏等作为早期研究代表, 关注南北方、大中小城市等大范围地理区域的生活垃圾组分区别[27]；后续研究不断精细化, 李昂分析小区定位与生活垃圾物理成分规律发现小区物业费与厨余垃圾占比成反比[28]。相比总量研究, 组分研究较为零散, 组分占比分布规律及影响因素探索尚不深入。 统计分析方法还可用于分析城市居民生活垃圾处理行为机制。居民是产生生活垃圾和参与垃圾分类回收的关键主体, 其行为选择直接关系城市垃圾管理工作的成效。目前, 国内外关于居民环境行为与选择的研究[29-30]可以分为三类：(1)基于环境社会学的研究方法。从微观个体与社会环境系统的相互作用关系出发, 认为个体的观念、行为选择由社会和技术系统发展历程及状况决定, 多用于个体行为定性分析。(2)基于环境心理学的研究方法, 引入非理性因素对个体行为的作用。最主要的理论基础为规范行为理论、理性行为理论、计划行为理论和A-B-C理论[31-32]。其中最常见的计划行为理论(The theory of planned behavior, TPB)由Ajzen于1985年在理性行为理论基础上拓展提出[33], 强调个体行为受主观态度、社会规划和感知行为控制的影响。已有很多学者运用TPB理论对垃圾分类回收行为进行研究[33-34], Nguyen等发现个人道德规范是促进居民参与分类回收的重要影响因素；Park等表明居民在看到邻居或同伴进行垃圾分类回收时, 自己的行为也会受到带动影响[35]。但TPB理论模型框架仅考虑个体主观因素, 对将行为意愿转变为真正行动产生干扰的外部条件(情境)因素考量不足。为此Stern和Oskamp在1987年构建了一个复杂环境行为模型[36], 提出环境行为是由外部情境因素(包含社会制度、具体结构及经济激励等)和主观因素(如环境态度、信仰、相关知识信息和行为意向等)共同作用的结果。在此基础上, Guangnano等在1995年提出A-B-C理论[37], 指出居民生活垃圾回收利用行为(Behavior, B)同时受居民态度(Attitude, A)和外部条件(Condition, C)影响[38], 并将外部条件作为至关重要的因素。A-B-C理论成为首个面向生活垃圾回收行为建立的理论, 对以往以心理学为主的生活垃圾回收行为研究进行了扩展补充。(3)基于微观经济学的效用最大化理论。以离散选择模型为典型代表[39], 其基本假设为微观个体在做出行为选择决策时, 会对各备选项的“效用”进行理性比较并选择“效用”最高选项[40], “效用”可理解为微观个体总体“满意度”或者“好”的程度。但社会规范、心理状态等众多非理性因素的干扰, 使得该理论不一定总是成立, 为突破局限后续研究者不断完善模型, 如兼顾个体理性与非理性因素影响构建居民垃圾处理行为决策效用函数模型[41]。 1.2 多准则决策分析法 多准则决策分析法(Multi-Criteria Decision-Making, MCDM)通过评估比较各备选方案的多个属性, 比选得到最佳方案。多目标优化、层次分析法、功效系数法等是MCDM法的常用求解方法。 MCDM可用于城市生活垃圾收运环节优化。城市生活垃圾种类繁多、分布分散, 垃圾产生后的收集、运输、转运等收运环节优化需要关注。早期研究多关注生活垃圾处理设施选址优化, Yurteri等最早提出用线性规划确定中转站位置[42], 随后模糊综合评价[43]、层次分析[44]、集合覆盖模型与整数规划相结合[45]等方法相继运用, 以垃圾收运系统费用最小为目标选定中转站位置。除将设施作为单独节点进行布局优化, 垃圾运输车辆调度及路径优化也会影响生活垃圾收运效率。陈彦等依据垃圾收集点位置绘制网络拓扑图, 以车辆行走距离最小为目标抽象为VRP问题, 构建混合整数规划模型探索收运路线优化[46]。不论是选址优化或路径优化, 优化目标及约束条件在不断更新。Ombuki-Berman基于车辆工作负荷和环境效益进行优化, 减小车辆使用数量和行驶时间[47]；Li等将车辆总费用最小化作为目标函数构建调度NP模型[48]；随着对垃圾收运系统多目标优化的认知提高, 李海君进一步考虑了同时优化回收路径及选址的经济、社会、环境负效应, 将其作为综合目标设计调度模型[49]。随着科技发展与运用, 收运环节拥有了海量数据和智能技术支撑, 如利用GIS[50]、RFID、GPS[51]实时追踪定位、物联网精准监管等为多目标优化获取基础数据。 关注收运环节的研究已较为成熟, 但作为连接前端产生与终端处理的中间环节, 中转站及车辆容量、布局等都依赖于垃圾产生量与处置手段的选择, 单独研究该环节无法得出系统最优方案。为此, MCDM也用于评估城市生活垃圾管理全过程的系统方法。陈三清运用层次分析法的模糊综合评价法(AHP-FCE)对深圳市宝安区5种垃圾分类方案进行比选, 得到适于宝安区现阶段发展水平的居民区垃圾分类方案[52]。Yap和Nixon对印度和英国市政垃圾能源化利用的几种备选方案进行比较分析, 认为气化和厌氧消化分别是英国和印度市政垃圾能源化处理最佳方案[53]。但评价指标权重确定难以形成客观统一标准, MCDM存在主观性与局限性。 1.3 费用-效益分析法 费用-效益分析法(Cost-Benefit Analysis, CBA)将各种政策或备选方案的全部直接或间接成本及效益定量货币化, 用于评价其可行性或确定优先次序, 为决策者提供科学依据[54]。其中成本包括政策或备选方案实施的经济成本、自然资源消耗或污染物排放带来的环境成本, 效益包括经济收益及环境质量改善带来的不直接用货币价值表示的收益等。CBA广泛运用于城市生活垃圾分类回收管理方案或政策评价[55], 如Yang等使用CBA评估优化城市生活垃圾处理系统[56], 程云飞等对孝感市居民区不同垃圾分类回收管理方法开展比较[57]；刘学之等利用CBA分析得出深圳市“源头分类+全量焚烧”生活垃圾处理模式最具经济效益[58]。CBA优势在于可体现行为选择的理性, 以衡量个人为获取一定收益的支付意愿或弥补一定损失的赔偿预期。但城市生活垃圾管理决策涉及众多利益相关主体, CBA模型难以简单表征；有研究者构建生活垃圾管理社会成本评估方法, 用以计算全部社会成本[59], 但在将环境资源等问题货币化过程中, 存在模型参数不准确、追求经济利益最大化而忽视环境问题的风险。 1.4 生命周期评价法 生命周期评价法(Life cycle assessment, LCA)被作为评价环境影响及效应的重要工具广泛应用于生活垃圾管理决策领域[60]。常用于分析某类废物处理与回收利用的环境效应, 如废玻璃回收利用[61]、废纸回收利用[62]、PET瓶回收利用[63]和废物能源化途径[64]。除针对具体废物品类外, 也有研究采用LCA评估生活垃圾管理系统成效, 曹艳乐等分析了不同生活垃圾分类收集管理模式的效益[65], 赵岩等利用EASTWASTE模型对北京某城区当前生活垃圾系统与规划系统下垃圾处理过程进行了生命周期评价[66]。传统LCA在生活垃圾管理决策研究领域使用较为成熟, 但LCA重点评估环境影响指标, 忽略了经济效益等分析；原始数据需求量较大；系统边界不一致可能导致结果不可比且存在“截断误差”[67]；属于静态分析方法, 缺乏灵活性、时效性等。针对以上不足, LCA拓展出其他模型, 如生命周期成本分析(Life cycle costing, LCC)[68-69]、混合生命周期评价(Hybrid life cycle assessment, HLCA)[70]用于评估含经济效益在内的综合效率；环境投入产出—生命周期评价(Environmental Input-Output Life Cycle Assessment, EIO-LCA) 模型将EIO追溯上游获知环境影响隐含流动的优势与LCA联合, 突破边界划定带来的不准确性等。 1.5 其他数学模型方法 除以上常见数学模型外, 物质流分析(Material Flow Analysis, MFA)通过模拟经济系统与生态系统间物质流动规律, 来核算输入、输出经济系统的物质流量和存量[71]。该方法已广泛运用于模拟生活垃圾代谢情况[72]、核算生活垃圾回收流向[73]、支持生活垃圾管理多目标分析决策[74]等研究中。 近年来, 随着智能计算技术的发展, 在传统数学模型基础上出现了新算法、新技术在城市生活垃圾管理决策中的最新尝试。如运用模糊数学理论构建全新的生活垃圾防治指标[75], 运用遗传算法迭代优化生活垃圾设施选址[76], 运用物体识别、文字识别和大数据分析技术支持垃圾智能处理系统[77], 开发基于卷积神经网络算法的智能垃圾分类系统提高生活垃圾分类准确率及效率[78]等, 这些研究体现了在生活垃圾高效精细管理需求下数学模型方法的发展趋势。 2 复杂系统模拟方法 城市生活垃圾综合管理体系涵盖众多主体和环节, 互相关联；同时受到经济发展、政策干扰等外界因素影响, 这些因素共同决定生活垃圾管理效果。随着对综合管理决策的认知不断提高, 数学模型难以完全满足需求, 研究者开始探索复杂系统模拟在管理决策中的应用。 复杂系统是一个社会(Society), 其成员称为主体(Agent), 主体具有自治性、适应性、主动性、可通信性和反应能力；主体间存在交互作用及信息、物质和能量的交换[79]。复杂适应系统(Complex Adaptive System, CAS)是复杂系统中最具代表性的一类[80], 最早在1995年由Holland提出, 认为系统中各主体的主动性及主体与环境的相互作用是促使系统演化的根本原因。涌现(Emergence) 是复杂系统理论的中心概念[81], 指多个要素构成一个新系统后可得到以前没有的性质, 使得系统整体功能表现大于各主体表现之和, 涌现性是系统中各主体之间非线性交互作用的结果。 复杂适应系统由若干元素组成, 元素间存在交互作用, 包含大量非线性关系, 整体系统行为特征不是由单个元素特征简单线性加和, 因此很难使用以往数学模型方法进行定量表征和分析。复杂系统模拟方法的基本机理是, 借助计算机建模技术, 把复杂系统中各个主体之间的非线性关系转化为可执行的程序, 以模型程序自动运行的方式推演模拟系统, 从而能以简化的方式对那些实际中的需要长时间演化的系统进行动态仿真, 实现对复杂系统中主体间交互作用及其带来的系统涌现进行模拟分析。目前, 针对复杂系统的建模方法主要有系统动力学建模(SD)、基于智能体/主体建模(AB)、基于过程建模的离散事件仿真(DE)等经典方法。每种建模方法都有其适用的抽象层级范围, 如图 2所示。 系统动力学模型适用于较高的抽象层次, 例如经济、社会系统、生态系统等, 已在这些领域的决策建模中得到了广泛应用；基于主体的建模适用于中高抽象层级, 如项目管理、交通、供应链、经济社会系统等领域；离散事件仿真方法主要适用于中低层级的建模, 如行人活动、微观交通系统、机场车站、控制系统等领域。城市生活垃圾管理系统符合复杂适应系统特征, 包括元主体序贯决策[82]、系统动力学、基于主体建模等方法常用于模拟分析城市生活垃圾管理系统。 2.1 系统动力学模型 20世纪50年代, 以麻省理工学院福雷斯特教授为首的研究组创立了系统动力学模型方法(System Dynamics, SD)[83], 该方法是一种基于反馈机制的系统分析方法, 将复杂系统中存在的各子系统之间的关系、子系统与外部环境的关系等用函数或微分方程表达, 主要应用在复杂系统随时间变化而产生的行为模式的研究中, 该方法认为行为的动态变化是系统中反馈结构随时间变化的结果。在环境领域, SD方法被广泛应用于资源管理[84]、可持续发展评估[85]等。在城市生活垃圾管理研究中, SD分析可用于分析垃圾产生量[86-87], 如张蕾等运用SD分析影响垃圾产生量的各因素关系并预测深圳市生活垃圾产生量[88]；SD更多运用于模拟评估生活垃圾管理政策的效果, 代峰等关注垃圾焚烧发电, 运用SD对三方进化博弈过程进行动态模拟仿真[89]；Cesar, Augusto等为巴西23万名居民构建SD模型并为10年后生活垃圾管理进行情景设置与评估[90]。其典型优势在于可以模拟复杂系统随时间变化的线性及非线性关系, 但也存在一定局限。如只能模拟可以用函数或微分方程进行表达的系统中各主体的反馈机制, 无法表达不能用函数方程表达的交互作用机制等。 2.2 基于主体的建模方法 主体(Agent)的概念最早由麻省理工学院计算机学家及人工智能学科创始人之一Minsky在其1986年出版的《思维的社会》(The Society of Mind)中提出。他认为社会中的各Agent之间通过协议能够得到某问题的解, 同时认为Agent具有智能性和交互功能[91]。目前Agent的准确定义尚未达成统一, 但大多研究者认为Agent具有自治性、主动性、交互性和社会性等属性。由于复杂系统结构复杂, 内部包含大量交互成分, 且交互频繁, 传统的建模方法(如解析法、数值分析法、归纳推理法等)已不能解决复杂系统的研究问题, 基于Agent与多Agent的建模和仿真方法(Multi-Agent Based Modeling and Simulation, MABMS)被认为是最具活力、最有效的研究方法。这种方法将CAS系统中的各主体抽象为各Agent, 通过刻画主体的行为响应和主体间的交互作用机制, 对系统的整体行为进行模拟, 是一种自下而上的建模方法。 基于主体的模型(Agent Based Model, ABM)包含三个元素：Agent、环境及交互作用。每个Agent都有信息接收、信息输出(数值或函数)的功能, 通常用多个控制变量、决策目标、决策函数、行为规则来刻画；环境定义Agent的感知条件和行动对象, 无自主行动但是ABM仿真中必不可少的部分；交互作用是Agent协调协作的基础, 其核心是消息传递, 常见形式如Agent之间收发消息直接交流或模仿蚁群利用信息素传递信息调节群体行为等。基于主体的模型对应三类建模活动：行为模型、环境模型及调度模型, 分别描述Agent感知行动、环境互动演化及二者耦合。 目前基于主体的建模方法已被广泛应用在社会系统[92]、电力市场、供应链研究[93]、碳排放交易[94]等, 在环境领域也逐渐运用于水资源管理、能源政策分析[95]。近年来, 国内外学者开始采用主体建模方法应对城市固体废物综合管理系统中的复杂性问题, 但相关研究仍很匮乏。美国迈阿密大学Shi等开发基于Agent的SSR(Single-stream recycling)系统仿真决策模型框架[96](图 3), 利用基础数据库支撑仿真模块识别系统仿真的各种不确定因素, 比较和评价SSR系统的各种替代路径。该模型被实际运用于佛罗里达州, 为实现2020年废物资源化率达75%的目标提供决策依据；李清慧等运用ABM构建了工业废物交换复杂系统的仿真模拟模型, 探讨了宜兴开发区产业系统中的废物交换机制和宏观系统的演化过程[97]；Meng等构建基于ABM的生活垃圾分类回收仿真模型, 并以苏州为案例开展政策模拟分析[7]。 基于主体的建模分析方法可充分考虑系统的复杂性, 如系统中不同主体的目标、属性、行为、信息等；可制定环境、经济、社会的不同规则和决策目标, 对系统进行整体调控模拟；可跨越长时间尺度, 综合空间地理信息, 对系统进行预测、优化等动态分析。可见其具有传统数学模型方法无法比拟的优势。但由于基于多主体的仿真建模尚属于新兴研究领域, 建模理论和方法仍需进一步完善, 特别是在模型不确定性分析与可靠性检验等方面还较为薄弱[98], 加上模型中各主体的行为规则和决策机制的准确刻画比较复杂, 目前该方法在城市生活垃圾管理决策中的应用研究还比较少, 有待进一步加强。 3 城市生活垃圾管理决策研究评述与展望 对国内外城市生活垃圾综合管理决策方法进行综述, 主要发现如下： (1) 总体而言, 常见的城市生活垃圾管理决策方法包括传统数学模型方法和复杂系统模拟方法两大类, 可基本涵盖城市生活垃圾产生、丢弃、收运、回收处理处置等所有环节, 关注生活垃圾产生者、收运方、终端处置者等不同主体角色。 (2) 总结以往关注单独环节的研究, 城市生活垃圾产生现状和预测的研究从数据规律外推转变为影响因素探讨, 有利于探索生活垃圾产生机制的重要转变, 但数学模型方法仍无法体现主体间非线性关系对产生量的影响；居民生活垃圾处理行为机制的研究多为基于社会调查的统计分析, 分析因素逐渐发展为同时包含理性与非理性因素, 但多以单个主体为对象, 无法解释各因素交互作用对系统的影响；城市生活垃圾收运的研究从运筹领域布局、路径优化建模开始发展, 逐步借助新技术与数据, 试图将社会、经济、环境效益纳入全面考量, 但仍无法全面衡量不同产生量、不同居民行为以及不同终端处理手段下的收运系统响应情况。 (3) 总结以往生活垃圾管理方案总体评估的研究, LCA、CBA、MCDM等数学模型研究方法大多为静态的或对某几个时间点进行分析, 忽略了系统性和系统中各主体间的非线性关系、行为的交互作用及随时空的动态变化等。虽然也有少量研究采用系统动力学等系统建模方法, 但大多集中在环境因素对系统的影响或对垃圾产生量的预测等方面, 对系统中各主体间行为交互作用及其对系统演化的影响的研究仍很匮乏。 (4) 城市生活垃圾管理系统具有复杂适应特征, 这是目前管理决策研究中常被忽视的问题。城市生活垃圾管理系统是一个复杂系统, 包含多个主体且主体间交互作用, 对该系统的优化和政策调控需要新的决策模型工具来支撑。在城市废物管理政策评估中, 大多单独评估减量化效益、资源节约效益、环境效益、经济效益等, 其中很多研究只是基于社会调查、专家评估、案例比较等进行定性分析；定量研究也多采用传统线性数学函数模型, 无法体现系统中存在的大量非线性关系、主体间信息传递和交互作用, 没有充分考虑到城市生活垃圾处理系统的复杂性。针对已有研究对城市生活垃圾管理系统的复杂性、各利益相关主体行为响应机制、政策实施效果的定量化评价与预测均较为缺乏的现状, 认为有必要充分考虑城市生活垃圾管理的复杂性和系统模拟方法的适用性, 加强系统仿真和预测模拟模型开发, 定量预判政策实施效果, 为决策提供依据。 (5) 随着经济发展和社会结构转变, 城市生活垃圾管理体系面临新的挑战, 以往的简单模拟方法将越来越受到模型合理性与数据准确性的局限。不同的管理需求为生活垃圾管理方法提出不同的要求, 如以电商、快递、外卖等为代表的新兴行业使得城市生活垃圾的产生更为量大分散, 产生情况受消费者习惯影响明显, 需通过运用大数据平台与数据挖掘获知数量与时空分布；如生活垃圾可回收物管理涉及产业链上下游多主体, 如何完成废物收集、处理和处置, 需通过多主体行为建模进一步明确环境责任等。以基于主体建模、物联网与大数据等为代表的方法, 将拥有更广泛的应用前景, 共同为实现最佳环境、经济和社会效益的固体废物综合管理决策提供工具支撑。与此同时, 鉴于基于主体的建模、计算机模拟仿真等方法本身存在的局限性, 未来也应进一步加强在建模方法、模型不确定性分析与可靠性检验等方面的改进研究, 以提升模拟结果的准确性和可靠性。 4 结语 促进生活垃圾源头减量和资源回收、构建前后端匹配的生活垃圾基础设施体系、管理运营财政支出低成本化等是城市生活垃圾综合管理的直接目标, 据此达成环境、社会、经济效益最优的最终目标。如今我国已逐渐迈入生活垃圾精细化管理时代, 系统中不同主体需承担共同但有区别的责任。新形势要求下, 管理决策研究需与时俱进, 摆脱单一主体、有限目标、部分环节、线性关系等局限, 充分探索复杂系统模拟方法, 注重社会学、数学建模、计算机技术与环境管理等学科方法的交叉融合, 加强系统性分析, 关注系统中各利益相关主体间的非线性交互作用及其对系统演化的影响等, 以助力实现城市生活垃圾精准化管理和系统、科学决策。
相关资讯