方文，劉正，黃玉潔，畢軍＊

（1.南京大學(xué)環(huán)境學(xué)院 污染控制與資源化研究國家重點實驗室，江蘇南京 210023；2.南京信息工程大學(xué)大氣環(huán)境與裝備技術(shù)協(xié)同創(chuàng)新中心，江蘇南京 210044）

引言

隨著我國工業(yè)化與城市化進程的加快，近年來我國危險廢物（以下簡稱“危廢”）的產(chǎn)量呈現(xiàn)快速增長的趨勢[1]，近五年的增長率約為15%～22%[2]。危廢具有毒性、腐蝕性、易燃性、反應(yīng)性和感染性[3]，可能對環(huán)境造成嚴(yán)重危害，進而產(chǎn)生環(huán)境風(fēng)險。2021年5 月25 日，國務(wù)院辦公廳印發(fā)的《強化危險廢物監(jiān)管和利用處置能力改革實施方案》提出危廢管理的總體要求為“堅持精準(zhǔn)治污、科學(xué)治污、依法治污，以持續(xù)改善生態(tài)環(huán)境質(zhì)量為核心，以有效防控危廢環(huán)境與安全風(fēng)險為目標(biāo)”，明確了危廢環(huán)境風(fēng)險防范的重要性。

近年來，我國危廢環(huán)境事件的發(fā)生造成了一定的環(huán)境風(fēng)險[4]。危廢環(huán)境風(fēng)險的精確評估和實時預(yù)警是防止重大危廢環(huán)境風(fēng)險事件發(fā)生的重要前提[5]。然而，危廢處理的全過程包括產(chǎn)生、收集、貯存、利用處置多個環(huán)節(jié)，流轉(zhuǎn)鏈條長、處理技術(shù)多元[5]、污染特性差異顯著[6]，導(dǎo)致風(fēng)險因子復(fù)雜[7]，極大地增加了環(huán)境風(fēng)險評估和預(yù)警的難度。

對危廢流轉(zhuǎn)全過程中的物品狀態(tài)和環(huán)境信息進行多維度感知，是實現(xiàn)危廢環(huán)境風(fēng)險評估和預(yù)警的重要基礎(chǔ)。隨著我國危廢流轉(zhuǎn)全流程信息化建設(shè)的推進[8,9]，部分物聯(lián)網(wǎng)技術(shù)與設(shè)備已經(jīng)被應(yīng)用于危廢全過程狀態(tài)的感知，如使用衛(wèi)星定位危廢的空間位置信息、利用射頻識別（RFID）技術(shù)獲取危廢的品類信息等。然而，單一的感知信息并不能滿足危廢環(huán)境風(fēng)險評估和預(yù)警的需求。因此，構(gòu)建基于多模態(tài)感知的環(huán)境風(fēng)險評估與預(yù)警系統(tǒng)是危廢環(huán)境風(fēng)險防范領(lǐng)域的重要內(nèi)容。

1 危險廢物全過程感知信息

基于多模態(tài)感知的環(huán)境風(fēng)險評估與預(yù)警系統(tǒng)首先要進行危廢全過程感知信息的采集和多模態(tài)感知數(shù)據(jù)的融合，具體是指利用多種感知技術(shù)與設(shè)備，例如RFID[10,11]、物性型傳感器[12,13]、衛(wèi)星定位[14]、遙感[15]等，按照設(shè)定的協(xié)議，將危廢全過程中各種虛擬“物件”與互聯(lián)網(wǎng)連接起來，進行信息的相互傳輸，從而實現(xiàn)對危廢的智能化跟蹤、監(jiān)控?；谖U環(huán)境風(fēng)險評估的需求，多模態(tài)感知數(shù)據(jù)的類型主要包括基礎(chǔ)信息、環(huán)境要素、空間信息三類。

1.1 基礎(chǔ)信息感知

危廢的基礎(chǔ)信息感知包括兩個方面：一是危廢的品類信息感知，二是危廢的狀態(tài)感知?，F(xiàn)有危廢的品類信息感知主要通過條形碼/二維碼技術(shù)實現(xiàn)，即基于條碼識讀器讀取條形碼/二維碼包含的危廢相關(guān)信息，主要包括危廢類別、數(shù)量、所屬單位、流轉(zhuǎn)節(jié)點等關(guān)鍵參數(shù)信息，并將信息傳輸?shù)接嬎銠C上。然而，由于條形碼需要進行視距讀取，讀取效率低且無法進行實時監(jiān)測。因此，近年來RFID 技術(shù)被更廣泛地應(yīng)用于危廢的感知。RFID 技術(shù)是批量識別危廢品類信息的重要手段，由RFID 閱讀器、電子標(biāo)簽及應(yīng)用軟件系統(tǒng)三個部分構(gòu)成，通過RFID 閱讀器與電子標(biāo)簽之間進行遠距離、非接觸式的數(shù)據(jù)通信，將數(shù)據(jù)傳導(dǎo)到軟件系統(tǒng)中，達到識別目標(biāo)、分析數(shù)據(jù)的目的。危廢狀態(tài)的感知主要是通過視覺傳感器監(jiān)測危廢的實時狀態(tài)，包括危廢是否發(fā)生傾倒或泄漏、是否按規(guī)定存放、有無異常人員進入危廢貯存區(qū)域等?，F(xiàn)有應(yīng)用大多在危廢風(fēng)險管控關(guān)鍵節(jié)點，如危廢貯存?zhèn)}庫、危廢運輸車輛等，通過安裝視覺傳感器，進行實時圖像的采集。

1.2 環(huán)境要素感知

環(huán)境要素感知是通過相關(guān)傳感器設(shè)備，主要指物性型傳感器（即通過傳感器本身材料敏感性的物理變化實現(xiàn)信號的轉(zhuǎn)換，包括溫度、壓力、濕度、濃度等），對危廢所處環(huán)境的相關(guān)物理、化學(xué)要素進行采集，如壓力傳感器、溫度傳感器、煙氣傳感器等。由于不同危廢的風(fēng)險特性差異顯著，對于環(huán)境要素的敏感度不同，因此須根據(jù)所存儲、運輸、處理的危廢類型和特點安裝不同的物性傳感器。例如，針對易燃易爆危廢的貯存裝置或運輸車廂，需安裝溫度與壓力傳感器，實時采集溫度與壓力信號。

1.3 空間信息感知

危廢流轉(zhuǎn)全過程的空間信息感知包含兩個方面：一方面是對危廢運輸車輛的實時位置信息的采集；另一方面是對相關(guān)空間地理數(shù)據(jù)的采集。衛(wèi)星定位是危廢運輸車輛實時位置信息采集的常用手段，主要用于危廢的轉(zhuǎn)移運輸環(huán)節(jié)[7]，通過運輸人員的手機終端或者危廢運輸車輛車載衛(wèi)星定位設(shè)備，獲取運輸車輛的行動軌跡?？臻g地理數(shù)據(jù)的采集則是利用遙感衛(wèi)星[16]、高分辨率衛(wèi)星[17]、無人機設(shè)備[18]對危廢產(chǎn)生、轉(zhuǎn)移運輸、處置利用等相關(guān)場所的空間遙感圖像、近地面圖像或是熱圖像等圖像信息進行采集。

2 危險廢物流轉(zhuǎn)全過程多模態(tài)感知數(shù)據(jù)的融合

多模態(tài)感知數(shù)據(jù)融合是指將不同信息來源的數(shù)據(jù)在一定準(zhǔn)則下加以分析、調(diào)整，以形成相對完整、一致、準(zhǔn)確的描述或表征[19]。隨著傳感器技術(shù)的廣泛使用，現(xiàn)行交互系統(tǒng)面臨傳輸時延增加，信息來源復(fù)雜、計算資源緊張等諸多問題，造成決策精度和時間效率的下降。面對這些問題，多模態(tài)數(shù)據(jù)融合主要從提升運算效率，解決數(shù)據(jù)特征異構(gòu)的角度出發(fā)，進行數(shù)據(jù)診斷、清洗與信息提取。

2.1 感知數(shù)據(jù)的自適應(yīng)診斷、清洗與重構(gòu)

多模態(tài)感知數(shù)據(jù)的融合首先需要對危廢感知數(shù)據(jù)進行分類與整合，利用深度學(xué)習(xí)的相關(guān)算法，對數(shù)據(jù)質(zhì)量的準(zhǔn)確性、一致性、完整性方面進行建模，去除掉冗余、不可靠的數(shù)據(jù)，實現(xiàn)數(shù)據(jù)的篩選與重構(gòu)。

首先，基于數(shù)據(jù)的周期波動規(guī)律，將數(shù)據(jù)進行區(qū)間分類，并按照數(shù)據(jù)的概率分布特征設(shè)定其閾值范圍，開展數(shù)據(jù)的初步篩選。之后，充分挖掘數(shù)據(jù)的時空變化規(guī)律，識別離群數(shù)據(jù)的特征參數(shù)，采用基于孤立森林異常數(shù)據(jù)識別等模型對危廢數(shù)據(jù)的離群點進行精細化剔除。最后，針對剔除的異常數(shù)據(jù)進行數(shù)據(jù)集補償，使用具有高維模式識別能力的機器學(xué)習(xí)模型，如最小二乘支持向量機（LSSVM）進行數(shù)據(jù)重構(gòu)。

2.2 感知信息的分析與現(xiàn)象描述

在完成數(shù)據(jù)的篩選與重構(gòu)后，需要通過對多源信息進行匯總、分析，借助GIS 平臺、數(shù)據(jù)挖掘、機器學(xué)習(xí)、衛(wèi)星識別、聚類分析等方法，進行準(zhǔn)則判斷或現(xiàn)象描述，為環(huán)境風(fēng)險評估及預(yù)警提供相應(yīng)的服務(wù)與決策信息。

本研究按照所感知信息的種類，將所獲取的危廢感知數(shù)據(jù)分為字段數(shù)據(jù)與圖像數(shù)據(jù)，并針對這兩類數(shù)據(jù)，利用不同的分析方法對危廢狀態(tài)進行描述。

危廢相關(guān)的字段數(shù)據(jù)主要分為文本數(shù)據(jù)與數(shù)值數(shù)據(jù)（包含整數(shù)、浮點數(shù)、十進制數(shù)等）。文本數(shù)據(jù)屬于非結(jié)構(gòu)化數(shù)據(jù)，缺乏機器可理解的語義且無特定形式，需要先進行文本的預(yù)處理，預(yù)處理的過程包括構(gòu)建本體字典、文本分詞、詞性標(biāo)注等，對文本特征進行修剪；然后將文本表示成計算機可處理的形式，利用正則表達法、語義框架模型、嵌入式向量模型等方法，實現(xiàn)文本的特殊表示；最后在文本經(jīng)過預(yù)處理和表示環(huán)節(jié)后，基于機器學(xué)習(xí)方法，進行文本的聚類、分類，采用邏輯回歸、K 近鄰法、貝葉斯網(wǎng)絡(luò)、決策樹法、循環(huán)神經(jīng)網(wǎng)絡(luò)等開展文本的挖掘，提取有價值的信息。文本數(shù)據(jù)一般應(yīng)用于知識圖譜、情景數(shù)據(jù)庫構(gòu)建等。

危廢相關(guān)的圖像數(shù)據(jù)包含視頻與圖片數(shù)據(jù)，主要來自視覺傳感器、攝像頭、衛(wèi)星遙感影像等。視頻圖像處理主要包括目標(biāo)檢測、圖像分割和圖像識別。目標(biāo)檢測主要應(yīng)用在背景中檢測目標(biāo)，如危廢場所安全帽檢測、易爆品區(qū)域越界檢測等；圖像分割是像素級的目標(biāo)檢測，能夠精準(zhǔn)地定位到目標(biāo)在圖像中的像素位置；圖像識別是對整個圖像的內(nèi)容進行識別，如在相關(guān)應(yīng)用場景上應(yīng)用人臉識別，對危險廢物進行物體識別等。根據(jù)危廢流轉(zhuǎn)全流程各環(huán)節(jié)場景的差異采用不同視頻數(shù)據(jù)處理方法，如駕駛行為檢測，通過對人臉圖像特征的處理，判定是否存在疲勞駕駛現(xiàn)象，同時可對駕駛?cè)藛T的駕駛行為進行預(yù)警，如抽煙、手脫離方向盤等；煙火檢測，通過對視頻信號的實時處理分析，可在視頻火災(zāi)圖像出現(xiàn)的幾秒之內(nèi)就能在圖像上發(fā)現(xiàn)火焰或煙霧，同時發(fā)出火災(zāi)報警信號。

3 危險廢物的環(huán)境風(fēng)險評估與預(yù)警

在利用多模態(tài)感知技術(shù)進行數(shù)據(jù)采集與融合后，基于提取的信息進行危廢環(huán)境風(fēng)險評估與預(yù)警。該部分主要探討危廢環(huán)境風(fēng)險的內(nèi)涵和評估方法，以及如何利用多模態(tài)感知的信息進行風(fēng)險評估與預(yù)警。

3.1 危險廢物全過程的環(huán)境風(fēng)險

根據(jù)環(huán)境風(fēng)險的產(chǎn)生原因，可將危廢的環(huán)境風(fēng)險分為兩類：第一類為突發(fā)型環(huán)境風(fēng)險，由于危廢全過程的操作不合理以及違法行為（如非法傾倒）造成環(huán)境事故，如燃燒、爆炸等，進而造成危廢的泄漏和污染物在環(huán)境中的遷移轉(zhuǎn)化；第二類為累積型環(huán)境風(fēng)險，在危廢合法合規(guī)的處置利用過程中，由于技術(shù)手段、工藝類型等自身特點，導(dǎo)致污染物的釋放，造成相應(yīng)的環(huán)境和人體健康風(fēng)險。

針對突發(fā)型環(huán)境風(fēng)險，風(fēng)險因子的無序釋放大多與人員操作失誤、企業(yè)管理水平不足有關(guān)，如危廢在非法堆放的過程中污染物隨著降雨向土壤、水體遷移，造成附近區(qū)域嚴(yán)重的環(huán)境風(fēng)險。由于危廢管理的對象復(fù)雜、流程廣泛、手段多樣，造成了該類環(huán)境風(fēng)險較高的不確定性，增加了評估與預(yù)警的難度。由于多模態(tài)感知能夠?qū)崟r獲取危廢全過程的多維度數(shù)據(jù)，可以有效解決風(fēng)險評估中的不確定性問題。因此，基于多模態(tài)感知的風(fēng)險評估主要是針對突發(fā)型環(huán)境風(fēng)險開展，旨在提前預(yù)測危廢突發(fā)性環(huán)境事故的發(fā)生概率，耦合事故的環(huán)境損害結(jié)果，評估風(fēng)險并進行預(yù)警。

3.2 危險廢物環(huán)境風(fēng)險的評估與預(yù)警方法

首先，構(gòu)建環(huán)境風(fēng)險事件的致因網(wǎng)絡(luò)，識別關(guān)鍵致因要素。針對特定的危廢突發(fā)型環(huán)境風(fēng)險事件，如泄漏、爆炸等，通過文獻及歷史數(shù)據(jù)調(diào)研，分析危廢環(huán)境事故的風(fēng)險源、事故發(fā)展路徑、風(fēng)險防范節(jié)點等方面的信息，進一步地采用故障樹[20,21]、決策樹[22]、Bow-Tie[23,24]等方法建立風(fēng)險致因網(wǎng)絡(luò)。根據(jù)該致因網(wǎng)絡(luò)中的節(jié)點要素，包括人員操作、儀器設(shè)備、環(huán)境條件、管理水平等，以節(jié)點對風(fēng)險事件發(fā)生概率的影響水平作為篩選原則，結(jié)合歷史事件中不同致因要素的發(fā)生頻次以及專家意見，篩選關(guān)鍵致因要素，并圍繞這些關(guān)鍵要素，開展多模態(tài)的感知數(shù)據(jù)采集。

第二，利用多模態(tài)感知數(shù)據(jù)和算法模型，對關(guān)鍵致因要素和節(jié)點的狀態(tài)進行判斷。例如，針對危廢貯存是否合規(guī)的關(guān)鍵節(jié)點，基于貯存危廢的基礎(chǔ)信息感知，結(jié)合超期超量算法模型，判斷該節(jié)點的狀態(tài)。具體來說，以管理辦法規(guī)定的危廢貯存時間及相關(guān)企業(yè)的核定貯存量為依據(jù)構(gòu)建模型，將感知的危廢基礎(chǔ)信息如危廢入庫時間、危廢重量、危廢種類等作為參數(shù)輸入模型，判斷貯存危廢是否逾期、超量等。針對運輸車輛是否正常行駛的節(jié)點，可以使用空間信息感知，結(jié)合停留時間閾值模型進行判斷，分析危廢運輸車輛是否進行了非正常停留。歸納來說，需要依據(jù)關(guān)鍵致因要素的信息需求，進行算法模型的構(gòu)建，通過多模態(tài)感知數(shù)據(jù)的信息提取，判斷關(guān)鍵節(jié)點所處狀態(tài)及相應(yīng)概率。因此，針對節(jié)點狀態(tài)判斷的算法模型的準(zhǔn)確性是決定風(fēng)險評估預(yù)警精準(zhǔn)度的關(guān)鍵。在算法模型的效果評估方面，需要進行現(xiàn)場實驗驗證。例如，針對貯存場所是否有不合規(guī)操作的判斷，可以在視頻監(jiān)控的范圍內(nèi)進行一些人為干預(yù)的操作，檢驗圖像視頻識別算法的準(zhǔn)確性，并基于人為干預(yù)實驗的結(jié)果進行模型算法優(yōu)化。

第三，根據(jù)節(jié)點的狀態(tài)，計算風(fēng)險事件的發(fā)生概率，進一步耦合事故的損害結(jié)果，評估風(fēng)險并進行預(yù)警?；跇?gòu)建的風(fēng)險事件致因網(wǎng)絡(luò)，采用貝葉斯網(wǎng)絡(luò)[25]或者決策樹的方法[26]，構(gòu)建不同節(jié)點狀態(tài)下風(fēng)險事件的概率預(yù)測模型。同時，依據(jù)國家的相關(guān)導(dǎo)則，如《化工企業(yè)定量風(fēng)險評價導(dǎo)則》等，進行損害后果計算，綜合概率和后果得到環(huán)境風(fēng)險水平并進行預(yù)警。

圖1 危險廢物全流程環(huán)境風(fēng)險評估與預(yù)警

4 多模態(tài)融合的危險廢物環(huán)境風(fēng)險評估與預(yù)警案例

4.1 危險廢物貯存環(huán)節(jié)風(fēng)險預(yù)警系統(tǒng)

危廢的不合理貯存與堆放是危廢產(chǎn)生環(huán)境風(fēng)險的潛在原因?！吨腥A人民共和國固體廢物污染環(huán)境防治法》第八十一條規(guī)定：“收集、貯存危險廢物，應(yīng)當(dāng)按照危險廢物特性分類進行”。然而，由于危廢種類復(fù)雜，從業(yè)人員專業(yè)知識有限，經(jīng)常導(dǎo)致危廢混合貯存、超期貯存，造成嚴(yán)重的環(huán)境風(fēng)險。

為有效防控危廢貯存的環(huán)境風(fēng)險，本文結(jié)合多模態(tài)基礎(chǔ)信息感知與環(huán)境要素感知技術(shù)，提出了基于多源數(shù)據(jù)的危廢貯存環(huán)節(jié)風(fēng)險預(yù)警系統(tǒng)。針對貯存過程環(huán)境風(fēng)險的關(guān)鍵節(jié)點，包括危廢貯存數(shù)量、貯存品類、貯存合規(guī)性、貯存環(huán)境等，通過多模態(tài)感知技術(shù)進行狀態(tài)分析與判斷。包括利用RFID 技術(shù)獲取危廢的品類、數(shù)量、流轉(zhuǎn)等信息；利用稱重感知獲取危廢的重量信息；利用物性型傳感器采集危廢貯存環(huán)境的相關(guān)物理、化學(xué)要素；利用視覺傳感器感知貯存場景的行為信息。

首先，基于RFID 的動態(tài)實時數(shù)據(jù)采集，掌握危廢的基礎(chǔ)信息（來源、廢物代碼、化學(xué)成分、物理狀態(tài)、數(shù)量、重量）和特性參數(shù)（腐蝕性、浸出毒性、急性毒性、易燃易爆性、相容性等），并基于危廢相容性原則與分類存放原則，對危廢的裝卸過程、廠內(nèi)運輸路徑、貯存區(qū)域和位置進行遠程控制和指導(dǎo)。同時，依靠重量傳感器對貯存場所不同危廢的數(shù)量進行更新與核實，結(jié)合超期算法和超量算法，對即將到達貯存期限和目標(biāo)庫存量的廢物進行預(yù)警，降低企業(yè)超期超量貯存風(fēng)險。此外，基于視覺傳感器進行危廢和場所的圖像采集，結(jié)合預(yù)先設(shè)置的機器學(xué)習(xí)算法自動判定危廢貯存的合規(guī)性，同時對人員的操作行為進行分析?；谖U種類、形態(tài)、物化性質(zhì)等特性，在危廢貯存裝置上安裝不同的物性型傳感器，對危廢貯存的環(huán)境參數(shù)（如溫度、濕度）進行實時監(jiān)測，根據(jù)設(shè)定的各類參數(shù)閾值的算法模型，進行風(fēng)險預(yù)警。

4.2 危險廢物非法傾倒高風(fēng)險區(qū)域識別方法

非法傾倒是危廢環(huán)境風(fēng)險擴散的重要源頭。當(dāng)前，我國對于非法傾倒監(jiān)管屬于事件驅(qū)動型的監(jiān)管，大部分危廢非法傾倒事件是在造成惡劣后果或者監(jiān)管部門定期巡查的過程中被發(fā)現(xiàn)，無法實現(xiàn)事前預(yù)警。為了提高監(jiān)管效率，防范非法傾倒事件造成嚴(yán)重的環(huán)境風(fēng)險，本文提出基于多模態(tài)的感知技術(shù)，針對非法傾倒風(fēng)險的關(guān)鍵節(jié)點，包括車輛運輸軌跡、地理空間位置等，進行狀態(tài)分析與判斷，支持可能發(fā)生非法傾倒的高風(fēng)險區(qū)域的識別，為縮小監(jiān)管范圍、有效防范非法傾倒事件的發(fā)生提供輔助支撐。

對危廢非法傾倒風(fēng)險區(qū)域識別主要運用了多模態(tài)的空間信息感知技術(shù)，包括基于衛(wèi)星定位設(shè)備感知危廢的位置信息、基于遙感衛(wèi)星獲取區(qū)域性遙感圖像、基于無人機或是高分辨率的近地面衛(wèi)星圖像。首先，根據(jù)車載衛(wèi)星定位裝置讀取危廢運輸車輛的實時位置，基于危廢的位置與行動軌跡數(shù)據(jù)，構(gòu)建關(guān)于運輸車輛異常停留時間閾值的算法，標(biāo)記車輛異常停留地點為可疑的非法傾倒區(qū)域。其次，由于部分危廢非法傾倒事件是由不受危廢管理部門監(jiān)管的運輸企業(yè)或個人來完成的，無法通過衛(wèi)星定位來獲取其位置信息。針對這種情況，本研究提出，采用空間地理數(shù)據(jù)進行分析，選擇合適的遙感衛(wèi)星對整體區(qū)域內(nèi)遙感圖像進行采集，通過不同遙感影像的光譜特征判斷該區(qū)域是否存在非法傾倒。基于與已知危廢非法傾倒區(qū)域光譜特征的近似程度為準(zhǔn)則，通過分類算法（如最大似然分類）識別可能的非法傾倒點位。最后，針對高可疑的非法傾倒區(qū)域，使用無人機或者高分辨率衛(wèi)星拍攝近地面圖像，提取相關(guān)圖像特征，利用計算機視覺算法（如感知哈希算法）對比不同時間點的圖像特征，最終判斷危廢運輸車輛異常停留區(qū)域是否發(fā)生了非法傾倒，或者通過圖像分類算法（如SVM 分類器），將拍攝的圖像與已知的非法傾倒場所的圖像進行對比，對圖像進行自動分類，判斷危廢非法傾倒的區(qū)域。

5 小結(jié)與展望

隨著我國工業(yè)化的持續(xù)推進，危廢的產(chǎn)量呈現(xiàn)快速增加的態(tài)勢，造成潛在的環(huán)境風(fēng)險，構(gòu)建危廢全過程的環(huán)境風(fēng)險評估與預(yù)警系統(tǒng)，是防范化解危廢環(huán)境風(fēng)險的重要內(nèi)容。針對危廢環(huán)境風(fēng)險較高的復(fù)雜性和不確定性，本文提出了基于多模態(tài)感知數(shù)據(jù)的危廢環(huán)境風(fēng)險評估與預(yù)警方法，借助物聯(lián)網(wǎng)、人工智能等技術(shù)方法，通過融合危廢的基礎(chǔ)信息感知、環(huán)境要素感知、空間信息感知數(shù)據(jù)，實現(xiàn)危廢流轉(zhuǎn)全流程環(huán)境風(fēng)險的精準(zhǔn)評估與實時預(yù)警。為實現(xiàn)以上目標(biāo)，亟須推進危廢流轉(zhuǎn)全流程信息感知的智能化、標(biāo)準(zhǔn)化、協(xié)同化、規(guī)范化，制定統(tǒng)一的多模態(tài)感知系統(tǒng)和數(shù)據(jù)采集與對接標(biāo)準(zhǔn)，同時，強化感知數(shù)據(jù)的分析與應(yīng)用，使用人工智能算法進行風(fēng)險評估與預(yù)警，并優(yōu)化相關(guān)管理政策，加速推進基于多模態(tài)感知數(shù)據(jù)的環(huán)境風(fēng)險評估與預(yù)警技術(shù)的發(fā)展。