原文标题：

Evaluating the impact of soft management policies on construction and demolition waste recycling efficiency: A hybrid simulation-machine learning approach

作者信息：

Zhikun Ding , Xinping Wen , Yue Teng , Huanyu Wu

封面照片：

Highlights：

1. 系统探讨了柔性管理对CDW回收效率的影响。

2. 创新性地将ABM和bp神经网络相结合，建立了一种新的评价模型。

3. 柔性管理政策在CDW回收效率上优于刚性政策。

4. 引导政策是促进CDW回收利用最有效的单项柔性政策。

5. 具有柔性和硬性考虑的组合策略集是最优的。

摘要

建筑废弃物循环利用在可持续发展中扮演重要角色，但建筑废弃物循环利用率低，管理不善。虽然目前的建筑废弃物循环利用管理主要采用政府主导的刚性措施，但柔性管理方法的潜力仍未得到充分开发。为了解决这一问题，本研究通过实证研究评估了柔性管理政策的影响，并确定了最优策略。利用中国深圳1005个住宅项目的数据，创新性地开发并验证了嵌入反向传播神经网络的基于智能体的模型。结果表明，与刚性政策相比，柔性管理政策显著提高了建筑废弃物循环利用率，并产生了更大的环境、经济和社会效益。在柔性政策中，引导政策表现最好，回收率提高了14.13%，其次是自愿政策（7.24%）和激励政策（4.32%），而强制性政策的改善幅度最小（0.24%）。然而，刚柔结合的混合政策带来了最高的效益，几乎是基准政策的三倍。本研究为系统模拟与机器学习相结合解决建筑废弃物循环利用管理提供了实证支持。更重要的是，这些发现促进了对柔性管理对建筑废弃物循环利用影响的学术理解，并为政府完善政策提供了有价值的见解，促进了建筑环境中更可持续的未来。

问题背景介绍

建筑废弃物，也被称为建筑垃圾或建筑副产品，包括建筑、拆除和翻新活动中的废弃材料，占全球固体废物的30%。在全球范围内，每年产生超过100亿吨的建筑废弃物。其具有许多不利影响，如碳排放、土地占用和自然能源消耗。因此，建筑废弃物循环利用正成为减轻这些影响的一个有希望的解决方案。包括将建筑废弃物再加工成再生材料或产品。建筑废弃物循环利用效率是指循环利用管理实践的有效性，通过循环利用率以及建筑废弃物循环利用所产生的环境、经济和社会效益来量化。先前的研究表明，80%以上的建筑废弃物是可循环利用的，但中国的循环利用率仍低于10%，明显低于发达国家水平，如美国:74%，澳大利亚:80.6%，欧盟27国的平均水平:86%，这种明显的差距，再加上中国庞大的建筑废弃物数量，凸显了提高建筑废弃物循环利用效率的迫切需要。当前研究方法面临的主要问题包括：

• 在中国，现有的建筑废弃物循环利用管理一直以政府主导的刚性措施为主，例如加强行政监管，建立行业规范，对未分类的垃圾实施填埋禁令，加大对非法倾倒垃圾的罚款和填埋费。虽然这些强制性方法已经证明了短期有效性，但它们在保持承包商参与回收计划和建立长期回收管理系统方面存在不足；

• 与刚性管理相比，柔性管理优先考虑人的因素，特别是价值取向、责任和其他个人行为的心理驱动因素。它利用激励、引导、激励、积极诱导等非强制性策略来促进个体的自愿参与。虽然零星的研究已经证明了柔性管理在自然资源管理和塑料污染预防方面的潜力，但柔性管理是否能够促进建筑废弃物循环利用，在研究和实践中都没有系统的探索。因此，迫切需要进行柔性管理对建筑废弃物循环利用效率的影响评价；

• 基于主体的建模(ABM)越来越多地被用作模拟复杂系统和评估结果的强大工具，而无需昂贵的现实世界实验。许多先前的研究已经应用ABM来评估不同策略对建筑废弃物管理的影响，例如选择性拆除，限额与交易计划，以及回收材料使用的激励。然而，现有的ABM研究往往通过使用基本的“如果”规则来过度简化智能体的行为规则，从而限制了它们在现实世界中的准确性。

针对以上等问题，荐读论文提出了一种新颖的BPNN-ABM混合模拟方法来评估柔性管理对建筑废弃物循环利用效率的影响，并且通过以下方式解决了上述关键知识缺口:(1)定量评估建筑废弃物循环利用柔性管理方法与刚性管理方法之间的绩效差异;(2)确定使环境、经济和社会效益最大化的最优政策组合;(3)根据模拟结果制定有针对性的政策建议。

研究方法概述

这种混合BPNN-ABM建模框架利用BPNN来预测承包商的回收行为，同时利用ABM来模拟建筑废弃物循环利用管理系统的复杂动态，具体框架如图1所示。荐读论文建立了一个建筑废弃物循环利用行为模型“政策感知→心理属性→回收行为”路径。

图1 BPNN-ABM建模框架

（一）数据收集和预处理

问卷调查于2022年2月1日至3月22日进行，在互联网上生成一个独特的问卷链接，并通过微信、email、QQ等多种渠道随机分发给承包商。这样的多渠道方式可以提高回复率，特别适用于针对特定人群的调查。为了确保数据集的可靠性，在问卷项目之前设置了一个关于被调查者工作单位的单选题，以验证其身份。只有那些被确认为承包商的人才被允许完成最后的问卷。总共收集了245份回复。通过仔细的检查和过滤，剔除了逻辑错误和连续一致答案的回复，得到了214个有效回复的数据集。被调查者的人口统计信息见表2。

尽管有214个样本可用，但他们仍未达到网络培训要求。根据经验法则，BPNN的训练样本量应为神经网络权值总数的5-10倍。考虑到(1) 调查参与者是是项目承包商，而不是一般公众，(2)与数据收集相关的成本很大，因此采用了Bootstrap重采样。该方法通过对原始数据集进行随机、重复的替换采样，扩大了样本量，从而有效避免了信息失真。最后，荐读论文借助Bootstrap样本扩展插件，获得2140个样本进行网络训练，并采用最大最小归一化对[0,1]范围内的数据进行归一化。

（二）BPNN模型的构建

BPNN由输入层、隐藏层和输出层组成。输入层和输出层中的节点可以根据研究目的确定，而隐藏层的节点很难确定。因此，荐读论文构建两个独立的网络以避免单个BPNN的可解释性不足，如图2所示。在第一个BPNN中，策略感知作为输入节点，心理属性作为输出节点。根据“刚性→柔性”程度，政策可分为强制性、激励性、指导性和自愿性政策。心理变量包括归因责任、价值观和感知价值。在第二个BPNN模型中，以心理属性作为输入变量，回收行为作为输出变量。

图2 两个BPNN的网络框架

确定隐藏层中适当的节点数量是困难的，但也是至关重要的，因为它会影响BPNN模型的训练性能和预测精度。蒙特卡罗算法是一种随机抽样方法，在解决具有不确定性的实际问题时非常有效。荐读论文通过在[3100]范围内随机选择隐藏层节点数的值并训练网络，进行了5000次蒙特卡罗模拟。结果表明，当隐藏层节点数分别为49和38时，两种BPNN模型的性能达到最优。此外，各层间的权值是BPNN与ABM集成的关键载体。因此，两个BPNN的权值分别导出并保存为新的Excel文件，以方便后续的仿真。

（三）ABM的构建

建筑废弃物循环利用管理系统可分为四个子系统:产生子系统、运输子系统、回收政策管理子系统、循环利用管理效益评估子系统。这些子系统通过废物流和信息流相互连接，每个子系统都包含不同的具有交互关系的agent。图3为建筑废弃物循环利用管理仿真模型框架。在该论文中，主要包括以下6个agent：项目代理、承包商代理、设计师代理、运输代理、政府代理、评估代理。

图3 建筑废弃物循环利用管理仿真模型框架

荐读论文收集了中国深圳的1005个住宅项目。收集的项目数据包括项目编号、项目类型、总建筑面积、开工日期、竣工日期等。所有这些数据都作为仿真模型的输入数据。

（四）场景设置

基于“刚柔”程度，从书和文献将回收政策分为四类:强制性政策、激励性政策、指导性政策和自愿性政策。为了考察柔性管理政策的绩效以及哪种政策最有效，我们设计了5种单一政策情景:基准政策(S1)、强制性政策(S2)、激励政策(S3)、指导政策(S4)和自愿性政策(S5)。基线情景模拟了建筑废弃物循环利用管理的现状，而其他情景则是实验性的，其中相应的政策感知增加，以代表目标政策的实施和推广。如图4所示，关于政策概念的所有参数都是根据调查结果以一定的频率随机分配的，但在目标政策场景下增加相应的政策感知以检查其回收效益，而其他参数保持不变。荐读论文借助AnyLogic，将概念模型编程为可计算模型。仿真周期为365天，基准日期(t = 0)为2022年1月1日。模拟结果包括建筑废弃物循环利用现状和其管理在环境、经济和社会方面的效益。

图4 所分析的六个场景中的模拟和输出

（五）模型验证

为了所开发模型的有效性测试，在模型应用之前作者进行了几项测试来测试进行了cod正确性测试、单智能体测试、多智能体测试、模型稳定性测试和真实性测试。

结果与讨论

（一）建筑废弃物循环利用情况

在六个政策情景中，中国深圳1005个住宅项目共产生了1,342,345.60吨建筑废弃物。然而，建筑废弃物循环利用的数量和速率在不同的情景中有所不同。如图5所示，模拟结束时，基线情景下的建筑废弃物循环利用量为272,616.66吨，回收率为20.31%。在实验场景中，所有政策的实施，包括刚性和柔性管理政策，都可以提高回收率，但改善程度差异较大。强制、激励、引导、自愿和联合政策情景下的建筑废弃物循环利用量增长较大，因此，强制性管理对促进建筑废弃物循环利用的效果有限，而柔性管理，特别是引导政策的效果更好。与单一政策相比，联合政策的实施取得了最佳产出，在提高回收率方面展现了“1 + 1 + 1 + 1 > 4”的效果。

图5 六种场景下的建筑废弃物循环利用

（二）环境效益

图6显示了建筑废弃物循环利用的环境效益。可以观察到，六种情景中的每个指标都随着时间的推移呈现上升趋势，但变化显著。在t =150之前，各环境指标稳步增长，之后由于建造和拆除活动更加频繁，建筑废弃物循环利用更多，可以看到急剧增长。

图6 六种场景下建筑废弃物循环利用的环境效益

（三）经济效益

图7为建筑废弃物循环利用的经济效益。研究发现，不同情景下的所有相关指标随着时间的推移以不同的速度上升。在实验场景的单项政策中，指导性政策的经济效益最高，其次是自愿性政策、激励性政策和强制性政策，各指标的数值最低，均大于基线政策。

图7 六种场景下建筑废弃物循环利用的经济效益

（四）社会效益

本研究从就业的角度评估建筑废弃物循环利用管理的社会效益。图8给出了六种模拟情景下创造的新就业岗位数量。它表明，随着时间的推移，创造的就业机会越来越多。与建筑废弃物循环利用的环境效益和经济效益的趋势相似，在t = 150之前，社会效益呈现出小幅上升的趋势，在t = 150之后，由于建造和拆除活动增多，建筑废弃物循环利用数量增多，社会效益迅速上升。

图8 六种场景下建筑废弃物循环利用的社会效益

虽然柔性政策比刚性政策更能鼓励承包商循环利用建筑废弃物，但综合政策产生的社会效益最大，因为综合政策整合了两者的优势。

总结与思考

荐读论文通过开创性的混合BPNN-ABM模拟方法解决了低建筑废弃物循环利用率的关键挑战。利用1005个深圳住宅项目的数据对模型进行了实证验证，首次对建筑废弃物循环利用柔性管理效果进行了系统评价。

结果表明，单策略模拟情景下的建筑废弃物循环利用效率优于基线情景。其中，指导政策使建筑废弃物循环利用率较基线提高了14.13%，并带来了更多的环境、经济和社会效益。紧随其后的是自愿性政策和激励性政策，分别带来了7.24%和4.32%的改善，而强制性政策则表现出最小的改善，仅为0.24%。因此，柔性管理政策优于刚性方法，概述了建筑废弃物循环利用部门从刚性管理向柔性管理过渡的重要性。尽管如此，柔硬结合的政策实现了58.15%的回收率增长，显示出互补和协同效应。

该研究为建筑废弃物循环利用管理的ABM模拟提供了更多的可能性和可扩展性。BPNN的引入有助于建模者更现实地预测承包商的回收行为。所提出的新模型已被验证为一个有效的政策实验室，允许各种政策实验来比较和探索最佳管理策略，这为政策制定者促进向建筑废弃物循环利用过渡提供了更大的信心。

荐读论文建议实行以柔性管理为主、刚性管理为辅的政策组合，如针对建筑废弃物循环利用的专门宣传教育、选择绿色项目作为示范模式、减税、以及对从事建筑废弃物循环利用的承包商进行补贴、公众监督以及对非法倾倒进行处罚等。