一、前言

垃圾基础数据在垃圾管理中起至关重要的作用。掌握详实、准确的全市生活垃圾产生量数据，是研究垃圾处理路线、规划处理处置设施、组织垃圾物流和优化垃圾收运体系乃至城市发展规划的主要依据和重要基础。此前，垃圾产生量通常指的是生活垃圾清运量，或者是焚烧、填埋的处理处置量数据，并不是真正意义上的产生量数据。

国内外对城市生活垃圾产生量的研究多集中在预测模型构建和影响因素分析两方面。多采用灰色模型、BP神经网络模型、多元回归模型、偏最小二乘(PLS)回归模型等进行生活垃圾产生量的预测分析。影响生活垃圾产生量的因素较多，目前研究人员多关注人口、GDP、城市建成区面积、人均可支配收入、人均消费水平、商品房价格等对垃圾产生量的影响。无论是产生量预测还是影响因素分析，前期研究依据的基础数据多来源于相关统计年鉴中垃圾实际清运量的数据，对于源头生活垃圾产生量数据调查和分析的研究较少。

 

二、调查总体情况

北京市城市管理研究院在国内率先开展了生活垃圾源头跟踪调查，详细掌握了北京市居民家庭中生活垃圾的产生量。该项目在2017年6月到2018年5月间实施，采取问卷调查和现场人工分类称重的方式，通过方差、相关性多元回归等统计分析方法和大数据可视化方法，对调查数据进行处理，获得家庭产生的生活垃圾量、厨余垃圾量、可回收量和一次性包装量等数据，初步掌握生活垃圾产生量主要影响因素及变化规律，构建了生活垃圾产生量预测模型。调査结果表明，北京市居民家庭中生活垃圾人均日产生量为0.343kg，厨余垃圾的含量最高，达到71.4%，其他垃圾占比为11.4%，一次性包装占比为9.2%，可回收物占比为7.2%，有害垃圾的占比最低，仅为0.8%。

为了掌握生活垃圾产生的影响因素和规律，以大数据思维，在垃圾产生量调查的同时，开展了生活垃圾产生量关性素调査分析，研究不同年龄收入水平、家庭人口数等与生活垃圾产生量的相关关系，得到了不同维度的认知。户均人口数、家庭月收入、家庭平均年岭与生活垃圾人均日产生量的相关性分析结果如表1所示

 

表1 相关性分析结果

户均人口数家庭月收入、家庭平均年龄均与生活垃圾人均日产生量之间极显著相关。其中生活垃圾人均日产生量与家庭月收入和户均人口数之间均呈极显著负相关，与家庭平均年龄之间呈极显著正相关。相比而言，户均人口数与生活垃圾人均日产生量的相关性最高。可见，户均人口数越多，生活垃圾人均日产生量越低；家庭平均年龄越大，生活垃圾人均日产生量越高，家庭月收入越高，生活垃圾人均日产生量越低。

 

三、垃圾产生量的影响因素分析

在生活垃圾产生量调查的同时，还收集了季节性变化和家庭就餐情况等影响因素，为开展影响因素分析奠定基础。以下就季节、人口、年龄和经济水平等影响因素进行分析。

(一) 季节性影响

生活垃圾产生量随季节变化情况如图1所示，春季指3~5月三个月份，夏季指6~8月三个月份，秋季指9~11月三个月份，冬季指12月、1月、2月三个月份。春、秋和冬季家庭生活垃圾人均日产生量基本持平，夏季人均日产生量明显高于其他三个季节。

 

图1 居民家庭生活垃圾人均日产生量随季节的变化

居民家庭生活垃圾的产生量随月份不同有明显变化(见图2)，7月份人均日产生量最高，为0.372kg，其次为8月份，生活垃圾人均日产生量为0.355kg。这两个月瓜果蔬菜消费较多，由此产生了大量含水率高的果皮、蔬菜等垃圾，使得垃圾量较高。3月、4月和5月这三个月生活垃圾的产生量相对较低，在0.244~0.275kg之间，这与家庭瓜果蔬菜消费较少有关，其他月份生活垃圾的产生量差别不大，人均日产生量均在0.296~0.329kg之间。

 

图2 居民家庭生活垃圾人均日产生量随月份的变化

(二) 家庭就餐频次影响

调查数据显示，居民家庭生活垃圾中厨余垃圾含量最高。为此，开展了家庭就餐情况对生活垃圾产生量的影响研究，统计家庭一日三餐就餐人数情况，分析生活垃圾产生量与家庭就餐总人次的关联关系，见图3所示。居民生活垃圾产生量与三餐就餐总人次呈明显的正相关关系。当总就餐人次增加到11人次以后，垃圾产生量总体上升的趋势趋于缓慢，即当家庭就餐人数为4人或以上时，厨余垃圾量增长趋缓，也就是说，大家庭的人均厨余垃圾量比小家庭的要少，这反映在垃圾产生量求导结果上。

 

图3 居民家庭生活垃圾户均产生量随就餐人数的变化

(三) 户均人口数影响

户均人口数对生活垃圾产生量的变化影响见图4，户均人口数越多，生活垃圾人均日产生量越少；反之，人口数越少，生活垃圾人均日产生量越高。单人家庭生活垃圾人均日产生量最高，为0.650kg，5人及以上的家庭生活垃圾人均日产生量最低，为0.243kg。由于居民家庭中生活垃圾产生量与三餐就餐总人次呈明显的正相关关系(见图3)，为了说明户均人口数变化所引起垃圾产生量变化的原因，以下从就餐情况的纬度对单人家庭和5人及以上家庭的垃圾产生情况进行分析。

调查发现，单人家庭三餐在家吃饭的情况很普遍，但就餐达到3人次的样本占总样本量的35.3%，而3人次以上的样本占总样本量的61.7%，也就是说单人家庭存在多于一个人在家吃饭的情况，这主要与单人家庭的年龄构成有关(见图5)。单人家庭以老人为主，60岁以上的占85.6%。儿女经常回家探望老人，他们在老人家吃饭使得就餐总人次增加。5人及以上家庭生活垃圾人均日产生量约为单人家庭的1/3。这主要是受在家就餐比例的影响，5人及以上的家庭在家就餐不足15人次的样本量高达71%，家庭成员大都处于工作年龄段(见图5)，由于工作原因不是每餐都在家吃饭，故生活垃圾产生总量较低。此外由于5人以上家庭人员在家情况相对稳定，即便是周末，生活垃圾产生量的增加也不明显，约为3.8%，因此生活垃圾人均日产生量的波动性较小。

 

图4 居民家庭生活垃圾人均日产生量随家庭户均人口数的变化

 

图5 居住区1人、5人及以上家庭的年龄构成

(四) 家庭平均年龄影响

垃圾产生量与家庭平均年龄的关系如图6所示，随着家庭平均年龄的增加，生活垃圾人均日产生量呈上升的趋势。家庭平均30~40岁年龄的家庭，生活垃圾人均日产生量最低，为0.297kg；平均18~30岁年龄的家庭，生活垃圾人均日产生量与30~40岁年龄家庭的基本相当；平均60岁以上年龄的家庭，生活垃圾人均日产生量最高，为0.413 kg。

 

图6 居民家庭生活垃圾人均日产生量随家庭平均年龄的变化

对调查数据分析，发现平均年龄在18~30岁的家庭，有27.5%的家里有0~3岁的婴幼儿，家里需要固定有人照顾小孩，在家做饭次数较多，垃圾产生量较高。此外，这类家庭生活垃圾中尿不湿等婴儿垃圾量较大，也导致垃圾产生量较高，此类垃圾占生活垃圾总量的18.8%。60岁以上的家庭，生活垃圾的产生量最高，主要是因为该年龄段的老人很少在外吃饭或点外卖，主要自已在家做饭，使得垃圾产生量较高。

(五) 家庭月收入影响

根据填报的调查数据，家庭月收入在2000元以下的家庭多分布在郊区。垃圾产生量与家庭月收入的关系如图7所示，生活垃圾人均日产生量随着家庭月收入的增加而减小。月收入在200-5000元的家庭，生活垃圾人均日产生量最高，为0.420kg。月收入由5000元增加至30000元的家庭，生活垃圾人均日产生量由0.410kg降低至0.325kg，降低了约20.7%。月收入在3万元以上的家庭，生活垃圾人均日产生量最低，为0.276kg。

图7 居民家庭生活垃圾人均日产生量随家庭月收入的变化

调查数据显示，月收入低的家庭，家庭成员的年龄相对较大，如月收入2000-5000元的家庭，60%的调查样本家庭成员的年龄在60岁以上(见图8)，老人通常都在家就餐，造成相应生活垃圾的产生量较高。

图8 不同家庭月收入的人口年龄构成

月收入高的家庭，如月收入在3万元以上的家庭，平均年龄相对较小，所有调查样本家庭成员的年龄都在50岁以下，属于工作年龄段。可见高收入家庭由于工作因素，在家做饭就餐相对少，使得家庭中生活垃圾的产生量较低。

四、结论与建议

(一)结论

户均人口数与生活垃圾人均日产生量的相关性最高，是主要影响因素。户均人口数越多，生活垃圾人均日产生量越低；家庭平均年龄越大，生活垃圾人均日产生量越高；家庭月收入越高，生活垃圾人均日产生量越低。

厨余垃圾为家庭垃圾产生量的决定因素，就餐人次也直接影响厨余垃圾的产生量，当家庭就餐人数为4人或以上时，厨余垃圾产生量增长趋缓，也就是说大家庭的人均厨余垃圾产生量比小家庭的要少。

夏季生活垃圾人均日产生量明显高于其他三个季节，夏季的7月份和8月份，居民家庭中日常生活瓜果蔬菜消费较多，由此产生了大量含水率高的果皮、蔬菜等垃圾，使得垃圾产生量明显增高。春季家庭中垃圾产生量最低，春季的4月份和5月份垃圾产生量明显低于其他月份。

(二)建议

居住区生活垃圾的主要组分是厨余垃圾，因此应对厨余垃圾的理化特性进行深入分析，以确定适宜的处理方式。倡导家庭消费成品食品或半成品食品，实现家庭生活垃圾源头减量。

由于有婴幼儿的家庭和老年人家庭的生活垃圾产生量较大，在开展垃圾分类、源头减量等宣传动员活动时，应重点对这两类家庭进行宣传。

由于收入越高的家庭，生活垃圾人均日产生量相对偏少，因此，高档小区可适当降低生活垃圾设施的配置数量，而中低档小区应该增加垃圾配套设施的配置数量。

由于4月份和5月份垃圾产生量明显低于其他月份，建议生活垃圾末端处理相关环卫设施的检修、改造等工作优先安排在春季的4月份和5月份开展。由于夏季7月份和8月份生活垃圾中果皮、蔬菜等垃圾的含量明显增高，因此应加强该时段厨余垃圾收运能力，增加收运频次，避免收运不及时所带来的渗滤液、恶臭等环境问题。

 

参考文献

[1]皇甫慧慧，李红艳. 城市生活垃圾产生量的影响因素分析[J].科技与管理，201820(4)、44-49.

[2]夏晶，张旺. 基于BP神经网络的武汉市生活垃圾清运量预测研究[J].湖北工业大学学报，2016(6)：20-22.

[3]熊华平，李鹏辉. 基于新陈代谢GM(1，1)模型的湖北省城市生活垃圾清运量预测[J].数学的实践与认识，2019(1)：9-14.

[4]周泽炯，邢泽斌. 商品房价格波动影响因素的计量分析一以安徽省合肥市为例[J].淮北师范大学学报(哲学社会科学版)，2019(3)：44-50.

[5]家明，杨阳. 安徽省城市垃圾产生量影响因素的计量分析[J].长春师范大学学报，2020，39(4)：99-104.

 

本文来源于《城市管理与科技》第22卷第1期，1/2021. 作者：王桂琴 张红玉 贾明雁 程伟。