城市矿产大数据应用展望 | [PDF全文] |
2. 中国有色金属工业清洁冶金工程研究中心, 长沙 410083
2. Cleaner Metallurgical Engineering Research Center,Nonferrous Metal Industry of China, Changsha, 410083, China
城市矿产是指蕴藏于城市之间具有载能性、循环性、战略性可回收利用的重要资源,是相对于蕴藏于地下原生矿产资源的另一种资源,是工业化、城镇化的产物。城市矿产资源包含两类:一类是指进入现代社会领域生命周期终结后的各种制品(如:废旧机电、设备、电线电缆、通讯工具、汽车、家电、电子产品等);另一类是指城市生产及建设过程中产生的各种含有较高利用价值的各种物料。这两类城市矿产资源中含有可循环利用的钢铁、有色金属、稀贵金属、有机高分子材料等资源。
随着工业化、城镇化进程的不断推进,矿产资源已从矿区逐渐转移到城市[1-2]。由于产品生命周期的不断循环,城市矿产社会蓄积量正以废弃物形态在不断增加,是取之不尽、用之不竭的资源。据相关数据显示,废旧线路板和手机分别含金200 g/t和300 g/t,我国金矿品位一般为3~6 g/t,经选矿得到的金精矿约70 g/t,显然1 t电子废弃物中的金含量是金矿石的40-60倍[3]。城市矿产已经成为有色金属资源储量丰富的宝藏,城市矿产资源的循环利用可以提高资源利用率,减轻资源约束和环境压力,推进资源节约和环境友好“两型”社会建设,意义重大。
在互联网、物联网、云计算、移动互联网等新一代信息技术发展的推动下,正在进入一个大数据时代[4]。大数据具备高效捕捉、发现和分析数据的能力,它是一种海量、多样、高增长率的信息资产[5]。城市矿产资源在社会经济发展中的地位越来越重要,在资源战略中的作用越来越明显。城市矿产资源来源广泛,成分复杂,涉及面广,具有时空分布特征,迫切需要采用大数据等新技术来创新管理。本文依据大数据的基础理论,借鉴其在其他领域的应用与实践,探讨其在城市矿产资源管理中的应用前景。
1 城市矿产资源管理发展现状借鉴发达国家城市矿产回收利用的成功经验,自“十一五”以来,国家采取一系列措施来推进城市矿产资源循环产业的发展。2010年我国已开始加快推进城市矿产资源发展战略,至2015年,国家已累积批复六批共计49个“城市矿产”示范基地。我国城市矿产资源回收循环利用现状如表 1所列。城市矿产资源作为原生资源的重要补充,资源使用比例正在不断提高。据《中国再生资源回收行业发展报告(2015)》显示,到2014年,我国废钢铁、废有色金属、废塑料、废轮胎、废纸、废弃电器电子产品、报废汽车、报废船舶、废玻璃,废电池等十类再生资源回收总量2.45亿t;回收总价值6446.9亿元,与2013年同比增长5.96%。
点击放大 |
但在城市矿产发展稳步前行的实践过程中,对于城市矿产资源管理与利用还存在如下不足:①城市矿产的成矿条件、演化规律不明;②城市矿产资源产生量、社会蓄积量、金属流失量等基础性数据不全、缺失;③信息共享互通不畅、流向监控困难、支撑体系不完善等问题,未形成良性发展的产业链。以上原因导致城市矿产资源开发整体缺乏规划,不利于资源回收利用体系建设。对于城市矿产资源利用中存在的诸多问题,究其本质原因是信息不畅。城市矿产发展亟需依托现代化信息技术,建立准确、高效、可追溯的城市矿产数据共享大平台。
2 大数据技术 2.1 大数据定义大数据本身是一个抽象的概念,对于其概念定义有多种解析,但基核心和实质内容是一致的。大数据主要指从大规模、多样化的海量数据中通过高速捕获、发现、提取和分析等技术挖掘数据的价值[6]。大数据的4V特征:volume(容量)、variety(多样性)、velocity(速度)、value(价值)。数据和能源、矿产资源一样,正成为一种重要的战略性资源。由于大数据是互联网、物联网、云计算之后信息行业的又一新技术,潜在价值大、应用前景广,已引起了国内外政府、学术界、产业界的广泛关注。
2.2 大数据应用大数据是一个将数据整个生命周期(从产生到消亡)不同阶段数据处理功能的系统[7]。随着大数据的不断研究与发展,其应用价值亦在不断被挖掘。各国对于大数据的研究与应用都高度重视。目前,大数据已成功应用于矿产资源评价、国土资源信息化、商业、金融、通信、能源、医疗等领域[8-13]。2012年奥巴马成功赢得总统选取,归因于奥巴马及其团队通过2年搜集、存储海量数据并进行分析挖掘,创新性地将大数据应用于竞选活动,成为大数据应用于电子政务的成功典范[14]。基于大数据的商业智能应用,可以对通信运营商业务进行监控、预警、跟踪、反馈等,为通信运营企业带来巨大的信息资源。此外,大数据亦为医疗行业带来了前所未有的机遇与挑战,可以将医疗卫生服务过程中所产生的海量数据进行分析,让医生的诊断变得更为精准。
大数据正在给各行业带来新的变革机会,但与国外相比,国内大数据的研究与应用还处理发展初级阶段。王登红[15]等人综合大数据思维与成矿规律、成矿系列研究相关地质专业特点,分析了矿产资源领域地质大数据的10个特点。刘予伟[16]等人探讨了大数据在水资源管理领域的应用前景。周峰[17]等人基于数据收集分析平台,从网络上抓取茶叶相关信息,以期利用大数据分析技术以评估和预测茶产品质量。严正伟[18]将大数据技术应用于国土资源信息化,挖掘其巨大潜在价值,为国土决策、宏观调控提供参考。为了全面推进大数据发展与应用,加快建设数据强国,国务院《促进大数据发展行动纲要》要求推动政府信息系统和公共数据互联共享,促进大数据在各行业创新应用。同时,为了加大传统产业与互联网的融合,国家相继出台一系列政策以促进“互联网+产业”的发展,这为城市矿产资源循环产业发展带来了新的机遇。对于城市矿产资源鼓励利用互联网、大数据、物联网、信息管理公共平台等信息化手段开展信息采集、数据分析、流向监测、优化逆向物流网点布局,实现线上回收、线下物流融合,提高城市矿产资源回收信息化、自动化和智能化水平、提升废旧资源回收的智能化识别、定位、跟踪、监控和管理能力。
目前,对于城市矿产的社会蓄积量和金属物质流向并无准确数据,使得对城市矿产的时空分布规律及其具体区域的城市矿产规模难以进行精确判断或测算,导致城市矿产的开发利用布局规划缺乏理论依据。城市矿产在时空分布上变化大、成份复杂、影响因素多。在城市矿产资源管理上,涉及面广、关联领域多,信息量大,管理决策难度大,亟需通过大数据信息技术以获得城市矿产资源管理基础性数据,通过生命周期评价,物质流分析,社会蓄积量分析等分析手段,明确城市矿产资源成矿规律、时空分布、物质流向、社会蓄积量、资源替代效应等信息,为城市矿产资源管理提供技术支撑。
3 城市矿产大数据 3.1 城市矿产大数据技术框架城市矿产大数据是信息时代背景下大数据的理念、技术和方法在资源循环领域的应用与实践。利用大数据的核心预测思维可以有助于城市矿产资源预测评价。大数据系统可分解为4个阶段:数据获取、数据存储与管理、数据分析、数据应用。城市矿产大数据技术框架如图 1所示。城市矿产大数据系统构建核心是围绕数据,包括数据来源、数据质量控制、数据处理与分析、数据的应用。数据获取主要围绕城市矿产资源形成的四个阶段:产品生产、消费、使用(再使用)、废弃而展开。数据来源通过对各阶段的资源使用效率、废弃率、回收率等得到数据处理所需相应的参数。数据质量控制通过理论与实际相结合的对比分析,同时做不确定性分析及处理。数据处理与分析主要通过统计学、数据挖掘、机器学习等方法构建数学分析模型,根据数据的应用需求对数据进行相应的处理。
3.2 城市矿产大数据处理流程
为实现对城市矿产资源的合理开发、优化配置、综合利用、清洁回收的目的。为建立城市矿产大数据信息平台,首先应掌握城市矿产资源开发、利用现状,准确把握构建城市矿产资源大数据系统所需基础数据。根据城市矿产资源形成过程的生产、消费、使用、废弃四个阶段,对城市矿产大数据平台构建所需的不同阶段的数据性质进行剖析,四个阶段的数据种类及来源包括:
1)城市矿产资源中各分类产品生产阶段原材料基本组成、各生产阶段能耗、资源利用率、物质输入与输出等数据。这些数据主要来源于企业或产品质量管理部门;
2)城市矿产资源中所涉及产品逐年的生产量、进口量、出口量、库存量、各地区销售量等数据。这些数据主要来源于工信部门;
3)城市矿产资源中各产品消费者行为数据,包括使用寿命、平均使用寿命、报废行为比例、再使用比例、再次使用年限、废旧资源物质流向等数据。这些数据主要来源于消费者使用行为调查或产品定位跟踪管理;
4)城市矿产资源回收利用数据,包括每年回收量、处理量、二次资源回收利用率等数据。这些数据主要来源于环保与资源循环管理相关部门。
由于城市矿产资源种类多,成份复杂,涉及的管理部门多,我国现有的管理部门主要是环保、工信等其他政府部门兼有职责。在数据提供方面,还必须有管理者、生产者、消费者、回收者等共同参与。通过网络渠道如网站、微博、微信、论坛等方式发布相关信息,并借助于互联网、云计算等技术构建城市矿产资源大数据云计算平台,通过数据共享以提高数据量。通过云平台对各部门、行业数据进行关联、提取、转换、装载、清洗、挖掘、存储,建立一个高效、适用的资源数据库。面对海量的城市矿产资源数据,以大数据作为支撑平台,在互联网平台架构中,并能够在短时间内对数据进行及时反馈并作出准确的汇总,而这种海量数据的处理也是城市矿产大数据平台面临的挑战之一。城市矿产大数据分析在建模、可视化、预测和优化等不同层次能高效地挖掘数据以提高决策效率。当用户提出查询请求时,能迅速地进行数据分析、建模,并将结果反馈给用户。
3.3 城市矿产大数据分析应用城市矿产资源作为原生资源的重要补充,已成为社会发展所需资源的重要组成部分,随着原生资源的不断枯竭,城市矿产资源利用比例将不断提高。城市矿产资源种类繁多,成份复杂,时空分布极具有地域性;随着生产技术的不断进步,产品使用寿命的缩短,城市矿产资源储量变化受多因素影响。城市矿产资源作为战略资源一部分,是主要国情信息之一。城市矿产大数据系统将来源广泛、种类繁多、格式复杂的海量数据进行采集、提取、筛选等可以为城市矿产资源的生命周期评价、物质流分析、社会蓄积量分析提供基础数据,以提高评价准确性。同时,生命周期评价、物质流分析、社会蓄积量分析对城市矿产大数据体系提供数据分析支撑,整个城市矿产大数据体系可以支撑资源形式综合研判、再生资源政策措施制定、提高再生资源利用过程环境管理水平,提升国家对于城市矿产资源宏观调控的能力。
3.3.1 生命周期评价生命周期评价(Life Cycle Assessment,LCA)是一种对产品或工艺过程的整个生命周期包括从原材料的采集、加工、生产、运输、销售、使用、回收、循环利用和最终处理的全系统有关的环境负荷潜在影响的评估[19]。随着LCA研究方法的不断成熟,研究范围被不断拓展,应用领域亦在不断扩大。LCA方法已经成功应用于工业、农业、能源、资源及再生领域,并在废物管理领域做出大量贡献。洪静兰[20]等采用生命周期评价方法研究了电子废弃物在回收处理过程对环境的影响。
城市矿产大数据可以成为城市矿产资源生命周期评价提供符合我们国情的废旧产品生命周期清单数据。城市矿产作为典型的二次资源,在进行资源化处理过程中利用生命周期评价方法来定量评价城市矿产开发的生态价值,对城市矿产中金属生命周期的物料消耗、各环节的环境影响,并判断各重点污染环节及重点污染物,总体评价城市矿产资源利用过程中的消耗、污染物排放的各项指标,揭示城市矿产资源循环规律,同时通过评价不同回收策略及管理体系,优化政府对城市矿产资源的管理体系的规划,为城市矿产资源的环境管理决策提供科学依据。此外,还可以将废旧产品生命周期评价结果与产品的绿色设计、清洁生产相结合。从源头上降低和消除污染,真正实现从“摇篮到摇篮”的产品设计理念。
3.3.2 物质流分析物质流分析(Material flow analysis,MFA)是从物质的角度出发,在某一范围内对某种物质(如元素、化合物等)从开采、生产、转移、分配、消耗、循环、废弃等一系列过程进行定量化分析[21]。城市矿产物质流分析重点在于:①城市矿产的形成规律、产生量及社会蓄积量分析;②城市矿产资源利用过程资源利用评价。
社会蓄积量(Social Stock,SS)是指社会经济系统中,正处于使用阶段的蓄积量,包括正在使用的建筑、基础设施、交通工具、机械设备、电器及电子产品等[22]。目前,对于城市矿产社会蓄积量分析多采用文献的数据挖掘,运用数理统计方法进行分析计算,由于数据的缺失或可获得性,只能得出部分或某一类城市矿产资源的社会蓄积量。城市矿产社会蓄积量计算方法可分为“由上至下(top-down)”和“由下至上(bottom-up)”[23-24]。前者是通过估计流入量与流出量的差来计算,后者是通过最终产品中的资源含量最后累加后的总量计算。对于金属的社会蓄积量分析已有大量研究[25-27]。Graedel[28]采用社会蓄积量的两种计算方法相结合,估算了城市矿产资源的开发潜力。城市矿产在富集程度、构成成分及时间分布受不同区域工业化和城市化进程以及居民消费水平等多种因素影响,在不同区域的上存在差异。
城市矿产形成及社会蓄积量分析框架如图 2所示。产品社会蓄积量受产品的销售量、使用寿命、平均使用寿命、回收率、再利用率等因素影响,金属社会蓄积量还与各部门产品中金属的使用强度相关。城市矿产社会蓄积量决定了可供回收资源的数量,结合产品的资源构成可以得出可供回收的再生资源的变化情况。中国作为一个资源使用大国,同时也是一个资源极其缺乏的国家,人均资源拥有量较低。城市矿产社会蓄积量决定了再生资源的可开采潜力,能在多大程度上替代原生资源,可以为国家资源战略的制定提供一定的依据。
城市矿产大数据为进行城市矿产资源社会蓄积量分析提供基础数据,查明城市矿产中金属及有用成分的累积量,探明我国城市矿产资源储量及其时空分布格局,预测城市矿产未来的开发前景,这将突破由于基础数据缺乏而出现产业规划、政策制定有失科学性、严谨性的问题。为城市矿产基地和回收网络的空间布局、产业发展规划及相关产业政策的制定提供基础数据。
城市矿产资源化过程物质流分析关注的是产品在废弃后成为二次资源,在进行处理、循环的一系列过程。通过城市矿产物质流分析可以确定城市矿产资源中金属及有用成分的基本组成,明确循环利用过程中的再利用量、再利用率、资源化量、资源化率等指标。基于城市矿产物质流分析可以建立循环经济评价体系,资源化率可作为监测国家可持续发展战略中资源利用效率情况的重要指标。城市矿产资源化利用过程物质流分析框架如图 3所示。由图 3可知,城市矿产资源化利用全生命周期主要包括城市矿产资源的回收、再利用、再加工,最终形成再生产品。
城市矿产大数据可以为不同层面的城市矿产物质流分析提供基础数据,全面了解国家、区域经济城市矿产资源的开发现状及趋势。通过对社会经济系统中城市矿产资源物质流动的流量和路径的分析,建立城市矿产资源物质投入和产出帐户,控制物质的投入与流向。通过生态设计、再利用、再制造、高值化等新技术以提高城市矿产资源利用效率;开发资源节约型的新型材料,使新材料性能更好、寿命更长以提高资源、能源利用效率。
4 城市矿产大数据体系建设全面推进大数据发展和应用,加快数据强国,已经成为我国的国家战略。为了加快我国城市矿产资源信息化管理进程,搭建城市矿产大数据信息监管理平台,对于城市矿产大数据体系建设提出以下建议与措施:
1)加强顶层设计、应用导向。围绕城市矿产资源的信息化管理和提高资源利用水平开展大数据顶层设计,必须对整个系统架构、计算框架、处理方法等进行设计,创新应用及灵活基础框架,以适应城市矿产资源信息化管理的新要求。
2)建立开放、共享信息平台。城市矿产包含种类繁多,来源广泛,涉及面广,数据产生于多个数据源,数据结构不尽相同。统筹不同渠道数据资源,提高数据收集与数据质量控制能力,提高数据共享管理水平。
3)分阶段实施、重点突破。大数据技术应用在我国仍处于初级阶段,对于我国城市矿产大数据建设需分阶段实施,选择具有代表性的地区、省市开展城市矿产资源大数据创新应用,探索应用模式,再进行国家层面的推广与应用。
4)规范化管理、安全保障。建立城市矿产大数据管理工作机制,完善大数据标准及规范体系,依托专业的运营队伍,对城市矿产大数据的网络、计算、存储等基础性设施进行统一运营管理,提高大数据安全保障。
5 结 语大数据作为一门新兴信息技术,其应用领域已在不断被拓展。随着信息采集技术的不断发展,城市矿产资源基础数据、业务数据、管理数据和监测数据都在快速增长,各类生产数据、消费使用数据、回收数据、资源利用率等数据都具有大数据特征。大数据在城市矿产资源中的应用,能更有效地实现对资源替代效应、环境效应的评估,可以实现对不同区域、不同时间的城市矿产资源变化趋势分析,为城市矿产资源管理研究、信息监管、决策和政策评估提供强有力的信息和技术支撑。将大数据技术引入至城市矿产资源信息化管理建设中,将产生显著的社会效益和经济效益。
[1] | 周永生, 章昌平. 国内外"城市矿产"研究与实践综述[J]. 学术论坛, 2012(4): 118–124. |
[2] | 王昶, 徐尖, 姚海琳. 城市矿产理论研究综述[J]. 资源科学, 2014, 36(8): 1616–1623. |
[3] |
MARQUES A C, CABRERA J M. Printed circuit boards: A review on the perspective of sustainability[J].
Journal of Environmental Management, 2013, 131: 298–306. DOI: 10.1016/j.jenvman.2013.10.003. |
[4] | 李学龙, 龚海刚. 大数据系统综述[J]. 中国科学: 信息科学, 2015, 45: 1–44. |
[5] | 孟小峰, 慈祥. 大数据管理: 概念、技术与挑战[J]. 计算机研究与发展, 2013, 50(1): 146–169. |
[6] | 李芬, 朱志祥, 刘盛辉. 大数据发展现状及面临的问题[J]. 西安邮电大学学报, 2013, 18(5): 100–103. |
[7] | 涂新莉, 刘波, 林伟伟. 大数据研究综述[J]. 计算机应用研究, 2014, 31(6): 1612–1624. |
[8] | 孙艳秋, 刘钢. 基于大数据分析的潜在高血压病预测研究[J]. 计算机仿真, 2015, 32(5): 386–389. |
[9] | 肖克炎, 孙莉, 李楠, 等. 大数据思维下的矿产资源评价[J]. 地质通报, 2015, 34(7): 1266–1272. |
[10] | 于萍萍, 陈建平, 柴福山, 等. 基于地质大数据理念的模型驱动矿产资源定量预测[J]. 地质通报, 2015, 34(7): 1333–1343. |
[11] | |
[12] | 冯芷艳, 郭迅华, 曾大军, 等. 大数据背景下商务管理研究若干前沿课题[J]. 管理科学学报, 2013, 16(1): 1–9. |
[13] | 刘琼. 专家解读大数据时代的美国经验与启示[EB/OL]. [2014-08-25]. 人民网(人民论坛), http://theory.people.com.cn/n/2013/0521/c112851-21551972.html |
[14] | 黄少芳, 刘晓鸿. 基于大数据的地质资源档案信息化与服务[J]. 资源与产业, 2015, 17(6): 56–61. |
[15] | 王登红, 刘新星, 刘丽君. 地质大数据的特点及其在成矿规律、成矿系列研究中的应用[J]. 矿床地质, 2015, 34(6): 1143–1154. |
[16] | 刘予伟, 刘东润, 陈献耘. 大数据在水资源管理中的应用展望[J]. 水资源研究, 2015, 4(5): 470–476. |
[17] | 周峰, 冯小萍. 基于大数据分析的茶叶质量评估[J]. 现代工业经济和信息化, 2015, 9: 92–93. |
[18] | 严正伟. 基于大数据技术的国土资源信息化应用研究[J]. 信息化研究, 2015, 41(2): 1–4. |
[19] | 洪梅, 宋博宇, 丁琼, 等. 生命周期评价在电子废弃物管理中的应用前景[J]. 科技导报, 2012, 30(33): 62–67. |
[20] |
HONG J L, SHI W X, WANG Y T. Life cycle assessment of electronic waste treatment[J].
Waste Management, 2015, 38: 357–365. DOI: 10.1016/j.wasman.2014.12.022. |
[21] | 陈长松, 郗永勤. 改进的"城市矿产"物质流分析方法探究[J]. 技术与创新管理, 2014, 35(6): 657–662. |
[22] | 岳强, 王鹤鸣, 陆钟武. 金属物质社会蓄积量理论分析模型[J]. 东北大学学报(自然科学版), 2012, 33(2): 239–242. |
[23] |
MURAKAMI S, OGUCHI M, TASAKI T, et al. Lifespan of commodities, Part ? The creation of a database and its review[J].
Journal of Industrial Ecology, 2010, 4: 598–612. |
[24] |
OGUCHI M, MURAKAMI S, TASAKI T, et al. Lifespan of commodities, Part Ⅱ Methodologies for Estimating Lifespan distribution of Commodities[J].
Journal of Industrial Ecology, 2010, 4: 613–626. |
[25] | 郭学益. 有色金属资源循环理论与方法[M]. 长沙: 中南大学出版社 , 2008. |
[26] | 岳强, 陆钟武. 我国铝的社会蓄积量分析[J]. 东北大学学报(自然科学版), 2011, 32(7): 944–947. |
[27] |
ZHANG L, YUAN ZW, BI J. Estimation of copper In-use stocks in Nanjing, China[J].
Journal of Industrial Ecology, 2011, 16(2): 191–202. |
[28] |
GRAEDEL T E. The Prospects for Urban Mining[J].
The Bridge, 2011, 41(1): 43–50. |