引言

着力防范化解环境社会风险是社会和谐稳定的重要前提。2022年，国务院政府工作报告指出，要围绕国家重大战略部署和“十四五”规划，适度超前开展基础设施投资。部分公共基础设施（如垃圾处理厂、污水处理厂、核电站等）在提升大部分公众生活质量的同时^[1]，可能存在环境风险，给设施周边居民带来环境负外部性^{[2, 3]}。许多基础设施在建设之初就遭到公众的反对和抵制^{[4, 5]}，造成项目推进艰难甚至失败^{[6, 7]}，从而产生“邻避”问题。随着我国社会经济迈向高质量发展阶段，除传统的“邻避”型基础设施外，5G基站、充电桩等新型基础设施建设可能逐步成为环境社会风险（由环境问题引发的社会风险）新的来源。后疫情时代新型基础设施的投资扩大可能伴随巨大“邻避”风险隐患，“邻避”设施的环境社会风险防范和化解，将是我国高质量发展和美丽中国建设中需要关注的重点问题。

当前针对“邻避”风险的治理手段往往囿于“邻避”冲突事件的事后应急管理和危机管理，更为有效的事前环境社会风险预测^[8]仍较为有限。识别“邻避”问题的影响因素是防范和化解新建“邻避”型设施风险的前提^[9]，基于识别的“邻避”问题的影响因素来开展“邻避”设施本土化风险预测和评估能有效促进我国环境社会风险防范能力建设。传统的“邻避”设施环境风险识别方法可能导致结果“失真”和偏误。目前公众风险感知的传统研究方法包括问卷调查法^[10-12]、案例分析^[13-15]等，而这种侵入方式调查可能会让受访公众存在一定戒备心理，加之隐私考虑，极可能使得调查结果失真^[16]。随着互联网技术的逐渐成熟，人们通过社交网络沟通交流、抒发情感、发表评论，使得网络成为公众自愿倾诉情感和想法的重要平台，这类网络舆情成为识别公众对“邻避”设施主观认知的重要来源。根据已有文献，邻避冲突影响因素包括：①人口学特征，如年龄^[17]、性别^{[18, 19]}、教育^{[18, 20, 21]}、收入^[18]和居住情况^[19]等个体特征属性；②风险感知^[22-24]，居民对邻避设施的风险感知主要表现在“邻避”设施对生活质量、身体健康^[25]、财产价值^[26]、形象^[27]等方面；③公众信任^[15]，对政府的更高信任导致更低的感知风险和更高的感知收益^[28]。当前，“邻避”设施风险预测和评估主要通过建立社会风险预测综合指标体系^[29]进行，其中指标多以社会指标为主^[30]，但关于其他影响因素的考量则较为匮乏，美国政府开发的EJ Screen^[31]、CalEnviroScreen^[32]、欧盟政府开发的EJ Atlas^[33]等筛选工具，同时考虑构建环境和人口指标来识别、筛查和预测环境社会风险。然而基于指标体系的风险预测方法往往受到数据源和主观性局限，使得风险预测方法的指标值、指标权重等关键影响因素难以准确计算，影响预测结果可靠性。

为提高“邻避”设施环境社会风险预测评估的准确度，有必要基于高精度、多维度数据来源开展本土化评估方法的创新研究。本文基于舆情、环境、人口和社会大数据和人工智能技术，以垃圾处理设施为例，在现有文献基础上对“邻避”设施环境社会风险评估方法进行修正和本土化，进一步完善和调整了影响风险的环境、人口和社会指标及其权重，以期为“邻避”设施的风险预测、评估提供科学依据。本指标体系和评估方法可对环境、人口和社会因素综合影响下的新建设施环境社会风险进行预测评估，对可能产生的“邻避”问题形成预警，并协助管理部门开展新建“邻避”型设施选址工作。与现有研究相比，本文的学术贡献体现在：一是基于人工智能技术识别了环境社会风险影响因素和影响大小，研究创新引入基于人工智能的自然语言处理技术，尝试通过对客观的网络“邻避”设施舆情数据进行文本分析，以识别潜在的环境社会风险影响因素和影响大小，提高风险影响因素识别效率和精度；二是基于大数据完善了环境社会风险指标构建，研究引入和综合了多源环境、人口和社会数据，构建了“邻避”设施环境社会风险指标和预测评估指标体系，并开展重点区域的环境社会风险评估，是对现有评估方法研究的有益补充。

1 材料与方法 1.1 研究区域

考虑到我国垃圾处理设施潜在“邻避”效应的典型性，本研究拟以中国31个省级行政单位（不含港澳台地区）的生活垃圾焚烧发电设施为主要研究对象开展应用研究，进而推广至其他“邻避”设施。根据生活垃圾焚烧发电厂自动监测数据公开平台，截至2020年，全国共有497个在运行的生活垃圾焚烧发电设施，舆情监测和调研核实的发生环境社会风险事件的生活垃圾焚烧发电设施达16个，这些设施引发了诸多不良社会影响。据不完全统计，目前已有20个省（区、市）发布相关生活垃圾焚烧发电中长期专项规划，这些规划表明2022—2030年全国拟建849个生活垃圾焚烧发电项目，生活垃圾焚烧发电新建项目数量持续增长。未来生活垃圾焚烧发电新建设施增长总体呈现多点聚集的“2+4”空间分布格局，其中“2”大片区指冀鲁豫地区（201个）和江浙闽地区（138个），“4”小区域指湖南（45个）、贵州（50个）、陕西（35个）和川渝地区（85个）等地，6个区域垃圾焚烧项目新建数量占全国新建数目的50% 以上，这些区域应重点警惕其“邻避”风险。

1.2 数据来源

舆情数据以境内外全网数据作为数据来源，主要包括“微博”和“媒体”两大类数据，其中微博类型包括“新浪”“腾讯”“推特”，媒体类型包括“新闻”“新闻App”“数字报”“论坛”“博客”“微信公众号”“视频”“Facebook”“百科”“问答”等，包括了原帖、转发和评论的信息。研究采集的关键词为“垃圾焚烧”，发布时间为2019年1月1日—2020年12月31日的156万条数据，获取的信息包括用户名称、内容、发表日期、转发量、发布地区等。

指标构建数据包括环境、人口和社会三大类指标和数据：①环境指标包含空气指标（含平均PM_2.5浓度和平均AQI指数）、水体指标和生态指标：空气质量数据来自中国气象数据网（http://www.nmic. cn/），通过对2020年全国1494个大气监测站点每日监测数据取年均值后进行克里金插值进行计算；水体指标使用网格的河网密度和网格所在省份的地表水水质优良（达到或优于III类）比例的乘积表征，其中河网数据来自地理空间数据云（https://www.gscloud.cn/）2015年数据，通过网格内河流长度和网格面积进行计算，各省份的地表水水质优良比例来自各省（区、市）生态环境公报；生态指标用2020年植被覆盖指数（NDVI）表征，数据来源于资源环境数据云（https://www.resdc.cn/）产品数据。②人口指标包括人口数量和人口敏感距离（含居民点数量距离指数、学校数量距离指数），人口数据来自word population公里网格数据库（https://www.worldpop.org/）；居民点数据来自地理空间数据云2015年数据，学校点位数据来自ESRI GeoScence 2019年数据，通过统计网格内居民点和学校数量进行指标计算。③社会指标包括政府信任度、环境社会负面舆情度（含垃圾焚烧负面舆论比例、环境投诉负面数量比例）、犯罪率（含万人被刑事批捕率和万人被刑事起诉率），政府信任度使用哈佛大学官员腐败数据进行表征，该数据含近2012—2016年20 000条腐败信息，含所属省（区、市）市（州）、官员姓名、担任职务、“落马”原因、“落马”时间、曾履职行政级别等信息，各省份政府信任度等于腐败信息等级总和的年均值；使用公众对于“垃圾焚烧”的负面评论比例来表征环境社会负面舆情度，数据来自网络舆情信息收集和分析；环境投诉数据来自生态环境部12369数据和信访举报数据，该数据包含了2016—2020年12369电话举报、微信举报、网络举报、信访举报四种投诉方式，包含举报编号、举报时间、所属行政区域、举报对象、办理单位、问题类型等信息，各省份环境投诉负面数量比例等于投诉数量占人口数量比例的年均值；犯罪率数据来自2007—2016年《中国检察年鉴》，主要信息包含有总犯罪、少年犯罪、妇女犯罪、老年人犯罪、罪犯重新犯罪、学生犯罪等被刑事批捕数量、被刑事起诉数量，结合各省份人口数量，计算得到万人被刑事批捕率和万人被刑事起诉率。

1.3 研究方法 1.3.1 “邻避”设施的环境社会风险影响因素识别研究

首先，研究对采集到的文本进行预处理，具体操作包括噪声处理^[34]、中文分词^[35]、删除停用词^[34]等，数据的噪声处理主要包括特殊符号删除处理，如网页链接[http(s): ……]、转发回复符号（//@ 用户名：）、标点数字（，、。？123）等，同时去除广告等无效信息，文本分词选择常用的JIEBA分词^[36]作为具体分析工具，停用词采用《哈工大停用词表》进行停用词过滤。其次，对舆情情感进行测度^[37]，其中情感词典基于知网（HowNet）等情感词典并进行人工识别补充来进行构建。最后，在对舆情数据进行TF-IDF^[36]关键词提取的基础之上，研究选取2019—2020年每月负面情感的舆情中转发量在前100的文档（除去转发量为0的文档，2年共计文档数量2003条，其中转发量最高的文档13 087次，平均转发量109次），采用人工判断方法，进行公众反对垃圾焚烧设施的原因识别。

1.3.2 “邻避”设施的环境社会风险预测评估模型构建

在“邻避”设施的环境社会风险影响因素识别的基础上，构建“邻避”设施环境社会风险影响因素评价指标，以期对“邻避”设施的环境社会风险进行准确预测和评估。

构建的指标体系包括“环境因素”“人口因素”“社会因素”三个一级指标，研究目标为计算每个空间网格的“邻避”设施的环境社会风险值，构建风险指数如下：

(1)

式中，i表示每个网格编码；j表示各一级指标；R_i表示网格i新建“邻避”型设施的环境社会风险值；R_ij表示网格i第j个指标值；α _j表示指标j的权重值。

对于每个一级指标值，其值等于二级指标值的加权平均数，构建指数如下：

(2)

式中，item表示二级指标；R_{ij, item}表示每个网格i的二级指标值；βitem表示每个二级指标的权重值，本研究设定各二级指标的权重相等。

同理，对于每个二级指标值，其值等于三级指标值的加权平均数，本研究设定各三级指标的权重相等。

对于每个指标，都将其进行归一化处理，把数据映射到0 ~ 1，用以表征风险大小，构建如下风险指数：

(3)

式中，Item_i表示每个网格i指标item的指标值；Item _max表示空间网格该指标的最大值（最差值）；Item _min表示空间网格该指标的最小值（最优值）。

1.3.3 “邻避”设施的环境社会风险评估

对研究区域进行网格划分（5 km× 5 km，371 037个网格），获取网格周围核心影响因素的特征值，基于构建的环境社会风险模型，对空间网格“邻避”设施环境社会风险发生的概率和强度进行预测和评估，对环境社会风险进行表征，实现对风险值大小及分布情况的直观表达，在此基础上使用自然断点法^[38]将全国风险等级进行分级。

(4)

式中，Value_Grid_i为网格i的“邻避”设施环境社会风险等级；x_n为“邻避”设施的环境社会风险影响因子；ω_n是影响因子x_n的权重。

2 结果与讨论 2.1 基于网络舆情的“邻避”设施环境社会风险影响因素识别结果

从2019—2020年反对原因情况（图 1）来看，反对原因共计13项，担忧破坏生态环境、反对选址位置、担忧排放物有毒是贯穿两年的主要反对原因，分别占2019—2020年反对原因的28%、12% 和11%，基于网络舆情的“邻避”设施环境社会风险影响因素识别结果如图 1所示。反对原因的背后折射出我国当前垃圾焚烧领域工作的不足，主要有以下几点。

一是对政府和项目建设主体的信任不足。负面舆情中，公众认为部分地方政府强拆强建、暴力执法^①（3% 负面舆情），担心垃圾处理企业违规（3% 负面舆情），使得政府和垃圾焚烧项目的公众信任度急速下滑。加之民众受平时与政府来往经验中存在的失败和负面案例的影响，在政府决策和征求意见不公开透明的情况下（10% 的负面舆情认为排放数据未对社会公开），极易产生不公平和不安全感，一旦政府方面在推进此项目过程中出现不满人群，极易受到舆论支持。

① 根据每月热门文章数据整理，网民反映2019年5月江西省萍乡市莲花县六市乡、2019年6月湖北省武汉市新洲区阳逻陈家冲、2020年8月河南省邓州市龙堰乡等地出现不同程度暴力强拆强建垃圾焚烧厂事件。

二是垃圾焚烧的正面宣传和舆论导向不足。正确的知识与信息仍较缺乏，如6% 负面舆情担忧我国焚烧技术不成熟，6% 负面舆情认为存在安全隐患。加上网上充斥着大量对焚烧厂及排放物的不准确或错误的信息，如负面舆情中有8% 猜测在武汉暴发的新冠感染与垃圾焚烧相关。此外公众缺乏对垃圾焚烧厂项目推进的意义、周边环境改善等远期回报的了解。同时，政府对垃圾焚烧的正面宣传和舆情及时引导不够，导致了在主观上缩小了垃圾焚烧项目的正面作用，夸大了负面后果。

2.2 “邻避”设施的环境社会风险预测评估模型构建研究结果

将图 1中各项原因进行归纳，其中1、12可归纳为环境因素，即担心生态环境被破坏；2、3、5、7、8、13可归纳为人口因素，即担心垃圾焚烧项目与人距离过近，影响其健康；4、9、11可归纳为社会因素，即由于对政府的不信任引发对垃圾焚烧项目的抵制。进一步，将各反对因素进行比例汇总，得到环境因素、人口因素、社会因素和其他因素的比重分别为0.29、0.44、0.16、0.11，保留环境、人口和社会3大因素，归一化后权重为0.33、0.49、0.18。结果显示，人口因素为主要的影响因素，环境因素和社会因素次之。进一步地筛选影响“邻避”设施的环境社会风险的指标，根据式（1）~（3），计算得到各指标及其权重，结果如表 1所示。指标的选取主要遵循的原则：一是覆盖全国的该指标数据的可获得性，二是该指标在环境社会风险领域是否属于被重点关注的影响因素。

最终“邻避”设施的环境社会风险预测评估模型为：

(5)

2.3 环境社会风险重点区域评估结果

根据构建的“邻避”设施的环境社会风险模型[式（5）]，计算得出空间的环境社会风险值大小。结果显示，全国环境社会风险取值范围为0.029 ~ 0.505，平均值为0.151。基于自然断点法，全国风险等级被分成一般风险（0.029 ~ 0.126）、较大风险（0.127 ~ 0.176）、重大风险（0.177 ~ 0.212）、特大风险（0.213 ~ 0.505）四个等级。

31个省级行政单位中，北京、大部分沿海地区、部分内陆地区（晋豫鄂地区、川渝地区、云贵地区）的环境社会风险较高，其平均风险值在重大风险以上，而西北地区相对较低。具体而言，平均风险值排名前三的省份为广东省（0.232）、浙江省（0.225）和河南省（0.210），而平均风险值排名较低的三个省份分别为甘肃省（0.115）、西藏自治区（0.122）和青海省（0.122）。

333个地级行政单位中，平均风险值达到特大风险的地区均位于高风险省份，高风险省份外的安徽省8市（宿州市、亳州市、淮北市、蚌埠市、淮南市、六安市、阜阳市、滁州市），平均风险值也达到重大风险等级。2844个县级行政单位中，高风险省份外的新疆维吾尔自治区1市（和田市）/ 陕西省2城区（西安市莲湖区、碑林区）平均风险值也达到特大风险等级。应重点警惕这些地级和县级行政单位的“邻避”风险。

基于自然断点法，六个重点区域环境社会风险等级分布如表 2所示。结果表明六大重点区域的大多数设施拟建设于重大风险或特大风险地区，需着重关注这些地区的生活垃圾焚烧发电项目规划布局和风险防控问题。

2.4 环境社会风险评估模型验证

为进一步验证模型准确度，研究对全国截至2020年发生“邻避”冲突的16个垃圾焚烧发电设施和正常运行的497个垃圾焚烧发电设施（以下分别称“邻避组”和“正常组”）开展评估，通过对比两组的环境社会风险值分布情况，分析模型是否准确预测了垃圾焚烧发电设施选址的环境社会风险值大小。

从风险值看，邻避组选址的环境社会风险取值范围为0.173 ~ 0.247，平均值为0.200；正常组选址的环境社会风险取值范围为0.086 ~ 0.250，平均值为0.185，邻避组高于正常组的环境社会平均风险值。从等级分布看，16个垃圾焚烧发电设施中大部分位于重大风险以上地区，位于特大风险、重大风险和较大风险地区的占比分别为18.75%、58.75% 和12.50%；497个垃圾焚烧发电设施中大部分位于重大风险（45.67%）或较大风险地区（33.00%），此外17.71% 设施位于特大风险地区，3.62% 设施位于一般风险地区，邻避组位于重大风险或特大风险地区的设施数量占比也高于正常组。

为检验邻避组和正常组的环境社会风险值是否存在显著差异，对两组样本进行平均数的T检验，检验结果发现，p值为0.047，因此无法拒绝两组样本环境社会风险值平均数相同的原假设，即在5% 的显著性水平下，邻避组显著高于正常组的环境社会风险值。两组样本的均值差异检验如表 3所示。邻避组和正常组环境社会风险值的统计分析表明，模型可以一定程度评估环境社会风险值的相对大小，一定程度验证了评估方法的准确度。

3 结论

基于舆情、环境、人口和社会大数据，研究构建了本土化的“邻避”设施环境社会风险指标体系和评估方法，并对全国生活垃圾焚烧发电设施建设开展环境社会风险评估，研究结果表明：①“邻避”设施的环境社会风险主要来源于公众担忧破坏生态环境、反对选址位置、担忧排放物有毒，这些主要风险因素分别占据总体风险的28%、12% 和11%。②“邻避”设施的环境社会风险主要受环境因素、人口因素和社会因素三方面的影响，即担心生态环境被破坏、担心垃圾焚烧项目与人距离过近影响其健康和对政府的不信任引发的对项目的抵制，其中人口因素为主要因素，占49%。③考虑成本问题，垃圾焚烧设施往往选址于人口密度较高的重大风险或特大风险地区，实际操作中可进一步基于风险评估模型和风险地图，缩小评估范围以进行风险评价。

当前研究仍存在一定局限，一是数据的精度问题，最终评价精度为5 km× 5 km，部分风险影响因素仅识别省级层面水平；二是数据的时效性问题，研究数据来源横跨2007—2020年，部分数据如犯罪率、官员腐败数据并未获取到评估和验证的基准年份（2020年）数据，下一步研究将尝试更新数据年份和数据来源，使得风险评估结果更具精准性和时效性；三是风险等级的判定问题，当前仅针对风险大小的分布特征通过自然断点法进行分类，而未充分考虑实际风险情况，在获取“邻避”设施的真实风险水平和更精细的风险影响因素的基础上，可进一步通过机器学习等方法构建风险预测模型，提高模型预测的准确度。基于大数据的“邻避”设施环境社会风险预测评估方法的研究结果不仅可以在理论上深化我国公共基础设施建设的“邻避”问题全过程监管机制，还能在实践中为“邻避”设施的风险防范和化解提供科学的政策建议，提高我国生态环境治理现代化水平。