外卖对环境长期影响的评估模型及处理方式优化调研报告

孙士博

（山东省聊城市第一中学，山东 聊城 252000）

自外卖兴起以来，多种外卖平台逐渐渗入人们生活的方方面面。美团外卖、饿了么、百度外卖三家知名外卖平台日订单量共计在700万单左右。按照每单外卖用一个塑料袋，每个塑料袋0.06 m3计算，大约15 d所用的塑料袋即可覆盖整个西湖。不得不说，外卖垃圾带来的环境问题越来越成为令人瞩目的焦点问题。一方面，因为回收价格低；另一方面，相关各方责任不明确。如果这种糟糕情况不能有效改善，将会毁灭下一代的生存环境，危及整个地球的未来生态。如果人们能够深入分析外卖所带来垃圾的情况，积极探索处理方法，整合社会各界力量，就一定能破解这一困境。

1 存在问题与分析

1.1 存在问题

1.1.1 问题1

在所选定的区域内，采用合适的指标对外卖带来的固体废弃物进行分类，然后运用差分模型得到固体废弃物的长期变化趋势。

1.1.2 问题2

探究各类固体废弃物目前被处理的情况，并建立收益线性规划获得更优化可行的处理方案。

1.1.3 问题3

借助一些机构发布的数据，结合调查问卷所搜集的数据，定量探究外卖产生的固体废弃物与居住人群特点之间的关系；寻找各类指标作为解释变量建立累积Logistic回归模型，找出其中关系。

1.2 问题分析

1.2.1 问题1分析

目前，生活垃圾大量填埋将使得土地资源变得尤为稀缺，每年被非填埋处理的外卖垃圾数量将跟不上新产生的外卖垃圾数量，使得存在于土地里的垃圾量不断积累。所以，在计算出每年新产生的外卖垃圾量后，通过累计和计算出存在的积累量，人们就能预测未来几年的外卖垃圾存在量的发展趋势，从而计算出每一类外卖垃圾的预测数量。

1.2.2 问题2分析

问题2要解决的是调研并定量分析各类固体废弃物被处理的情况，然后分析研究更优化可行的处理方案。《中国统计年鉴2017》显示，2016年的无害化生活垃圾处理量为19 673.8万t，其中卫生填埋量为11 866.4万t，约占总量的60.3%；焚烧处理量为7 378.4万t，约占总量的37.5%[1]。当下的固体废弃物处理模式不但存在占地面积广、对环境污染严重等缺点，而且在土地资源紧张和人们对污染意识不断加强等背景下，旧有模式将很难继续下去，所以要对垃圾的处理模式进行优化。这时的优化不仅体现在成本最小这一方面，也体现在处理方式更加适应于可持续发展的战略。

1.2.3 问题3分析

问题3要求人们定量研究外卖产生的固体废弃物与居住人群特点之间的关系。居住人群的性别、年龄、受教育水平、职业和月收入水平等特点都对外卖产生的固体废弃物数量有影响。资料显示，订外卖的人主要是年龄在20～40岁的白领和学生，他们没有时间做饭，且经济情况比较可观，为了追求方便快捷，经常订外卖。针对居住人群的特点，结合调查问卷中的问题，人们可以建立回归模型。

2 模型的建立与求解

2.1 外卖垃圾存在量模型的建立

问题1要解决的是在选定的研究区域内，分类估算外卖所带来的固体废弃物的数量。自外卖成为人们生活必不可少的一部分后，每日都不断产生大量外卖垃圾，目前外卖垃圾大多采用填埋处理方式，然而垃圾被填满不仅占地规模庞大，也会污染环境。外卖行业兴起于2008年，其固体废物产生量在长期看来符合Logistic模型，但是鉴于外卖行业属于新兴行业，近些年来其固体废弃物数量将与外卖行业发展趋势相一致，呈指数型增长态势[2]。所以，短期内第t年外卖所带来的固体废弃物得数量为：

式中，f（0）为初始年份外卖所带来的固体废弃物数量，其为所研究小区当年外卖的固体废弃物产生量；r为最近几年外卖固体废弃物的增长率；t为第t年，取值为正整数。

所以，外卖垃圾的存在量为：

式中，α为被填埋的外卖垃圾占外卖垃圾总量的比例。《中国统计年鉴2017》显示，2016年卫生填埋量占总垃圾清运量的60.3%（此处近似代替为被填埋的外卖垃圾占外卖垃圾总量的比例α），则外卖垃圾最终存在量为每一年被填埋量的总和[2]。

2.2 外卖垃圾存在量模型的求解

分析结果显示，调查问卷中430份为有效问卷，假设该研究范围是一个3 000人的小区，根据调查问卷中相关问题的数据，可以近似归总出各类外卖垃圾的数量，结合各类垃圾的单个数量，计算出一周每一类外卖垃圾的总重量为24 102.64 g，若该值为每人每周平均产生的外卖垃圾量，则一年内该小区的外卖垃圾量为8 553.5 kg，即f（0）约为8.6 t。又假设外卖垃圾的增长率为15%，则第t年外卖垃圾量f（t）和外卖垃圾存量分别为：

利用MATLAB进行拟合并进行预测，得到未来10年内外卖垃圾总量的预测图，如图1所示。

在增长率不变的条件下，根据图1，人们可以预见该小区未来10年内的外卖垃圾总存在量。如果不加以控制，该小区外卖垃圾量将在10年后达到105.29 t。

图1 外卖垃圾量预测

表1 所调研城市生活垃圾占比

根据聊城市生活垃圾占比数据（见表1），人们用生活垃圾中各成分的占比近似代替外卖垃圾各成分的占比，可以得到2017年该小区的厨余垃圾约为3.06 t、纸盒约为1.08 t、塑料约为1.04 t、木竹约为0.7 t。而10年后，厨余垃圾将约为62.12 t、纸盒约为21.9 t、塑料约为21.06 t、木竹约占14.21 t。由此可以看出，不加控制下的外卖垃圾存在量将呈爆炸式增长，而地球上的可供垃圾填埋的面积却非常有限，如果按照现有模式处理垃圾，几年内将用完所有可用来填埋垃圾的土地。所以，采用更加优化的垃圾处理方式是非常必要的，更加优化不仅仅指处理成本上的优化，更需要考虑到占地面积和对环境污染等因素，这也就是接下来要解决的问题。

2.3 外卖垃圾产生量长期模型的优化

2.3.1 外卖垃圾产生量长期模型的建立

外卖行业为新兴行业，所以上文建立了增长率r不变的指数增长模型，但是就长期来看，外卖垃圾增长率不断减缓，即增长率将随着外卖垃圾量不断增加而逐渐减小。所以，增长率r是一个减函数，所以人们可以建立外卖垃圾量的Logistic阻滞增长模型。原因在于：阻滞增长模型考虑自然资源、环境条件等因素对垃圾增长的阻滞作用，是对指数增长模型的基本假设进行修改后得到的。而阻滞作用体现在对垃圾增长率r的影响上，使得r随着外卖垃圾数量f（t）的增加而下降。若将r表示为f的函数r（f），于是有：

2.3.2 外卖垃圾产生量长期模型的求解

人们可以用2008-2017年中国国家统计年鉴中的生活垃圾清运量数据来近似代替外卖垃圾垃圾量来对垃圾量进行研究，通过MATLAB拟合得到相关结果，如图2所示。

图2 垃圾清运量的logistc模型拟合图

通过垃圾清运量logistic模型的拟合图，人们可以看出，垃圾总量由于增长率不断下降呈现大致S型曲线，由此可以预测外卖垃圾近些年来虽然呈指数型发展，但是最终将符合logistic的阻滞增长模型。

2.4 垃圾处理收益模型的概述及各处理方式成本

目前，固体废弃物主要有以下几种处理方式：卫生填埋、焚烧、堆肥和回收。固体废弃物分为厨余垃圾、纸质垃圾、塑料垃圾和木竹垃圾四类。若想垃圾处理方式变得更为优化，新兴方法无疑必不可少。

值得一提的新方法有湿垃圾生物处理和垃圾焚烧发电。生物处理是利用微生物分解固体废物中可降解的有机物，从而达到无害化和综合利用的目的。固体废弃物经过生物处理，在容积、形态、组成等方面均发生重大变化，因而便于运输、储存、利用和处置。生物处理方法包括好氧处理、厌氧处理、兼性厌氧处理。与化学处理方法相比，生物处理比较经济，应用普遍，但所需时间较长，处理效率有时不够稳定。资料显示，好氧堆肥一般露天进行，占地面积较大，成肥时间冬季需1个月，夏季约半个月。所以，本文选取成肥时间为3/4个月。垃圾焚烧发电伴随垃圾焚烧而产生，却能够在旧有模式上产生额外收益。

建立垃圾处理的效益方程，需知各种处理方式的成本和收益，参考《深圳市生活垃圾处理工作志愿者调研笔记（2015年）》，本文对各种垃圾处理方式的收益进行计算[3]。

（1）卫生填埋成本。卫生填埋成本=运行成本+投资成本=60x+25x=85x（元）。

（2）焚烧成本。目前，深圳市垃圾焚烧厂的垃圾处理费支付标准自80～120元/t垃圾，同时考虑到随着环保标准的提高，未来垃圾处理费的支付标准还会进一步提高，因此未来的垃圾处理费支付标准暂按180元/t垃圾考虑，所以焚烧处理x吨垃圾的焚烧成本为180x；垃圾焚烧后产生的灰渣体积仅为原来的10%～15%，这里取12.5%进行计算，所以焚烧处理x吨垃圾的填埋处理成本为：x÷0.8×0.125×60=9.375x元。

垃圾焚烧产生二噁英对人危害较大，因此每焚烧1 t垃圾都有相关社会补贴。考虑到二噁英对人的影响，假设焚烧补贴与人口相关。《北京市城市生活垃圾焚烧成本评估报告》中，2014年北京市焚烧1 t垃圾补贴1 088.94元，从国家统计局查询到北京2014年人口13 334 000人，假设此小区有3 000名常住居民，计算该小区焚烧补贴，可得每焚烧1 t垃圾，该小区约补贴0.245元。

综上，焚烧成本=处理成本+投资成本+补贴费用189.62x元。

（3）生物处理成本。湿垃圾生物处理成本为150元/t，则x吨湿垃圾生物处理成本为150x元。

（4）焚烧发电收益。1 t垃圾燃烧的平均发电量为：1 881.771 kg×98%×99%/5=365.14 kW·h，当下聊城市的电费为0.55元/（kW·h），所以x吨垃圾的产电收益为200.827x元。

2.5 垃圾处理收益模型的建立与求解

收益L为收入减去成本，考虑到各方式的处理对环境的影响，人们可以给各种处理方式加上权重，权重的大小表示各处理方式对环境的影响程度。在上述四类废弃物中，厨余垃圾可以采用填埋、焚烧、湿垃圾生物处理和焚烧发电4种处理方式。而其他三类垃圾只可采用填埋、焚烧和发电3种处理方式。就厨余废弃物这一类，设置x1为卫生填埋的数量、x2为焚烧的数量、x3为生物处理的数量和x4为焚烧发电的数量，则对厨余废弃物建立的线性优化模型为：

对于其他三类废弃物，设置x1为卫生填埋的数量、x2为焚烧的数量、x3为焚烧发电的数量，则纸质废弃物的线性优化模型为：

塑料废弃物和木竹的线性优化模型形式同纸质废弃物一致，最终求得的结果如表2所示。

表2 垃圾处理收益模型结果

2.6 累积Logistic回归模型的建立

问题3要求人们定量研究外卖产生的固体废弃物与居住人群特点之间的关系。对于研究区域人群的特点，根据设置的调查问卷，笔者选取调查对象的性别、年龄、受教育程度、职业和月收入水平五个解释变量来研究对外卖固体废弃物的影响。而调查问卷没有直接表现外卖固体废弃物数量的问题，所以笔者用每周定外卖次数来代替描述外卖产生的固体废弃物数量。由于自变量性别、年龄、受教育程度、职业、月收入水平和因变量每周定外卖次数是调查问卷中的数据，都是分类变量，所以借助SPSS建立有序回归即累积Logistic回归（Logistic回归又称Logistic回归分析，是一种广义的线性回归分析模型，其自变量是分类变量，可以是二分类变量，也可以是多分类变量）模型，如下：

每周的外卖次数为分类变量，在SPSS中的设置如图3所示。

图3 SPSS外卖次数值标签

而在建立累积Logistic回归模型时，笔者将不订外卖设置为0，其他选项设定的值与值标签相同，则j的取值为 j=1，2，3，4。

2.7 累积Logistic回归模型的求解

将“调查问卷统计表”中有关问卷的第1题、第2题、第3题、第4题、第5题和第7题的数据导入SPSS中，设定好变量类型和值标签，做累积Logistic回归，获得结果[4]。可以看出，性别、受教育程度和职业对订外卖次数的影响不显著，所以在建立的累积Logistic回归模型中除去这三个解释变量。

除去上述三个解释变量后，再次用SPSS建立累积Logistic回归模型，获得回归参数估计值输出表，可以看出大多数参数的P值都小于0.2，可以大致认为参数检验是显著的。然后比对检验结果，P值为0.014＜0.05，所以在显著性为0.05的情况下人们可以认为至少有一个变量的偏回归系数不为零，也就是说模型的偏回归检验结果是显著的。所以，可作出现有解释变量年龄和月收入水平对被解释变量每周订外卖的次数的累积Logistic回归模型，由于被解释变量是分五类的变量，所以可得四个模型，如下：

综上，居住人群的年龄和收入水平影响外卖的固体废弃物产生量。由所建模型可知，年龄18～25岁的居民和月收入在3 500～5 000元的居民订外卖次数较多，而产生的外卖固体废弃物数量也最多。

3 结论

对问题进行分析建模与求解，结果发现，聊城市调查小区的外卖固体废弃物产生数量呈指数形式增长，如不及时实施措施，将会对未来产生严重影响。目前，聊城市大多数居民缺乏外卖固体废弃物分类处理意识，不了解垃圾的环保处理方式；固体废弃物需要分类处理，厨余固体废弃物应尽量采用生物处理方式，其他干垃圾尽量采用焚烧处理，并且焚烧产生的热量可以用于发电；居住人群的年龄和月收入水平会影响外卖订单次数，进而影响外卖的固体废弃物产生量[5]。

外卖的产生方便了居民，其飞速发展却带来严峻的环境污染问题。因此，各社区要加强对垃圾处理教育，积极宣传垃圾的分类处理优点，加强教育，增强居民垃圾分类处理意识；优化垃圾处理技术，对垃圾进行分类处理，采用“干垃圾焚烧+湿垃圾生物处理”的垃圾处理模式；相关部门可以借鉴国外经验，如日本、韩国的垃圾处理强制措施；国家可以出台优惠税收政策，鼓励外卖餐盒生产企业生产环保易降解的可回收餐盒，这样可以减轻企业生产成本，刺激企业生产环保餐盒。