环境影响评价大数据分析支撑系统建设研究

陈海宁，邱大庆，李秀，李楠，侯春梅，王晓爽

（1.北京市环境信息中心，北京 100048；2.北京市环境影响评价评估中心，北京 100161；3.北京思路创新科技有限公司，北京 300384；4.北京恒辉信达技术有限公司，北京 101200）

1 背景

环境影响评价是预防环境污染、推进改善环境质量的重要手段[1]。我国环境影响评价自出现以来，已经成为基本建设工作中不可缺少的组成部分，对于正确处理经济发展和环境保护之间的关系、强化环境规划管理具有重要意义。然而，环境影响评价审批是一项密集型工作，需要跨部门审批，涉及的环节多、工作量大、技术性强，审批信息在交换的时效性、完整性和数据质量等方面都存在问题，因此影响了环评审批工作的有效性[2]。并且，在审批过程中，评审会时间通常较短，评审人员需花费较多的时间和精力从环评文件中准确挖掘和总结出更多有用的信息，导致评审效率较低[3]。基于以上问题，现阶段急需完善环评监管体系，提升环评管理水平，规范环评行为，提高审批质量，加强智能审批。在大数据时代[4]，环评工作急需大数据技术支撑。生态环境部印发的《生态环境大数据建设总体方案》也明确提出：要充分运用大数据、云计算等现代信息技术手段，通过生态环境大数据发展和应用，推进环境管理转型，全面提高生态环境保护综合决策、监管治理和公共服务水平，为实现生态环境质量总体改善目标提供有力支撑。该方案并将环境影响评价大数据列为生态环境大数据应用平台主要建设内容。

大数据分析和数据挖掘密不可分，数据挖掘是一种新的信息处理技术，对数据库中的大量数据进行抽取、转换、分析和其他模型化处理，并从中提取辅助决策的关键性、有用的数据[5、6]，广泛用于政府管理决策、商业经营、科学研究和工业企业决策支持等领域。

本研究针对环评审批中的技术评估和行政审批工作的具体重点，工作量大、技术性强、耗费时间长、成本高等问题，结合大数据和深度挖掘技术进行了以下三方面的建设研究。一是结合GIS地图，总览分析近十年的环评总体概况，总结整合出海量环评环保数据有效信息输出的方向，同时从区域行业宏观横向和项目整个生命周期的纵向两方面综合设计，通过数据关联，构建项目全生命周期的可追溯性[7、8]。二是基于各类环评数据，实现智能搜索功能。三是抓取整合环评数据包括结构化数据、半结构化数据和文本等非结构化数据[9]，对建设项目审批关键信息直观展示；运用最前沿的大数据分析技术，从环评基本信息、准入分析、项目比选、环评预测和公众参与等方面全方位辅助审批，同时结合具体审批工作设定多维度审批规则实现环评智能审批。

本研究在现有环境影响评价工作建设体系下另辟蹊径创新思路，着力将大数据的应用深耕在提升环境影响评价工作领域，对大数据应用进行实践，填补了大数据在北京环境影响评价工作应用方面的空白。

2 系统总体设计框架

该系统基于北京市环保局环评数据和其他监管数据，运用大数据分析技术和深度挖掘技术，结合环评管理理念及实际审批工作，构建环评大数据分析支撑系统，结合GIS实现对建设项目环评宏观信息和项目档案微观信息的可视化展现，以及项目信息的快速定位、空间上的统计分析和趋势分析；同时，将分散的各个孤岛信息进行有效的整理提炼，基于大数据技术构建全面完善的环评数据库，基于环评数据库实现信息化、准确化的智能统计分析功能，辅助环评审批；系统从项目基本信息、准入条件、项目对比、公众参与等维度出发构建项目分析预判功能及智能审批功能，对建设项目进行更精细的模拟分析，以大数据和深度学习手段提升环评审批的决策水平。系统主要设计功能包括：环评一览、一项一档、智能审批、基本信息审核、准入分析、项目比选、公众参与、数据库、智能检索等。系统设计架构如下图。

图1 系统设计构架

3 环评大数据分析支撑系统建设

3.1 环评一览

系统从多方面多维度出发展现建设项目环境影响评价总览信息，并结合GIS地图对建设项目的分布情况提供可视化展现，具体展现内容包括历史建设项目许可量趋势及区域差异信息、建设项目性质历史趋势及区域信息、审批结果对比分析、环评投资占比概况、各类环评类型许可信息和行业分布排名信息。以上内容形成环评一览，管理人员通过该模块可统筹掌握本地区环评总体概要信息。

3.2 基于GIS展示的“一项一档”

系统集成各类数据建设项目档案系统，从而实现对建设项目全过程的监管，同时结合GIS地图多方位展现环评项目信息。系统拟集成的项目档案信息包括：项目申报信息、行政审批信息、环评技术评估信息、环评预测信息、环评验收信息、排污许可证信息、证后监管信息七大类。其中，项目申报信息模块展示建设单位申报建设项目时提交的环评信息、资料附件等；行政审批信息和环评技术评估信息分别展示审批过程中针对该项目所做出的行政审批和技术评估的过程、审批的内容、审批形成的结果以及相关附件等审批信息；环评预测信息展示该项目申报环评时所做的环评预测的相关内容；环评验收信息展示“三同时”登记表的信息及相关结果附件；排污许可证信息展示该企业许可证证载信息；证后监管信息涵盖信访投诉、行政处罚、监督性监测、在线监测等数据。系统对每个建设项目建立档案信息，最终形成“一项一档”的建设。一方面可支撑管理人员通过对建设项目全过程信息的分析对比，实现反向复核环评审批结果的准确性，加强对审批关注项的重点把握；另一方面可为环境监管工作提供有力的支撑和辅助。

3.3 智能审批

通过对近十年的环境影响评价审批工作进行数据挖掘分析，研究建设项目环境影响评价中行政审批许可性。依据实际环评管理工作中的审批关注项，结合环境质量监测数据、环境监管数据、环评导则及标准等，运用大数据及深度学习技术对建设项目进行精细化分析和预判，从而实现建设项目的智能审批。

系统设计的智能审批项内容包括：三线一单符合性判定、总量控制红线判定、环保标准选用合规性判定、监测布点合规性判定、污水处理厂可处理负荷判定、公众参与情况判定。其中，审批规则中的一些刚性条件，如生态控制红线、环境质量底线、资源利用上线、总量控制红线、环境准入负面清单等，系统实施一票否决制，机器根据以上设定的规则进行智能学习，结合在审项目情况对比各审批项逐条研判，最终得出在审建设项目的审批结果，包括共进行了几项审批，其中有多少项不符合要求等。

3.4 环评预判模型组的建立

建设项目的技术评估和行政审批工作是直接面向环境影响评价的工作，直接面对污染排放、在线监测、政策法规、环评报告、生态红线、生态敏感区等海量环境数据，工作过程十分复杂繁琐。为了实现数据整合的价值，提高环评工作的效率、准确率和科学性，本研究对近十年的环境影响评价工作进行了数据挖掘和深分析，从产业标准、环境现状、历史项目、环境污染影响等视角，揭示建设项目环境影响评价工作的规则，使分析模型更加贴近环评工作的实际[8]。

以“环评一张图”的形式直观展现项目的基本信息、准入分析、项目比选、环境预测、公众参与等功能模块，用“环评一张图”为环评业务提供技术分析和支持手段，最终形成环评预判模型，预测建设项目环境影响评价审批许可性，结合流程梳理和系统整合的功能实现要求，从而有效辅助建设项目环境影响评价工作，减少人为因素导致环境影响评价结果不可靠影响，形成推动环境影响评价工作准确率可持续提升，科学性、可信度同步提高。

3.4.1 基本信息

基本信息是对在审建设项目基本情况的整合，包括建设单位填报的项目基础信息、项目建设平面图、生产工艺流程图、污染物排放量统计、往期工程信息等，通过数据挖掘技术对环境影响评价报告中重要数据的提取，清晰、直观地在此模块显示。

项目基础信息整合项目组成信息，包括建设内容及建设性质、主要经济技术指标使环境影响评价中技术评估和行政审批工作人员了解项目总体信息，建立宏观认识。项目平面图便于管理人员对项目的位置关系快速掌控，了解项目信息。生产工艺展示项目的工艺流程及产污节点，辅助管理人员快速了解建设项目生产工艺及产污信息。污染物排放量展示项目污染排放信息，包括废水、废气、固体废物等污染物的现有工程排放量、本工程排放、总体工程排放、区域可用替代量等，使工作人员详细了解项目具体的污染信息，建立微观认识。往期工程信息针对改扩建项目展示和在审项目相关的往期项目信息。

3.4.2 准入分析

准入分析是对在审建设项目是否准许建设的全方位分析，包括产业政策符合性分析、规划符合性分析、区域环境、所属功能区划、战略环评和规划环评。通过比对建设项目的相关符合性，摸透周边环境，视察环评内容满足度，综合分析建设项目的准入可行性。

（1）产业政策符合性分析：根据建设项目所属产业结构定位该项目所属类别，包括淘汰类、限制类和鼓励类，以便对项目进行产业政策符合性分析，做出准入性判断。

（2）规划符合性分析：根据《北京市城市总体规则》和《北京市国民经济和社会发展第十三个五年规划纲要》等规划政策，分析在审建设项目规划协调性，对项目的准入性做出判断。

（3）区域环境：提供建设项目周边缓冲区域内的自然保护区、居民敏感区、水源保护区、同类型项目、环评审批项目等信息的查询展示，进而实现对项目外环境对本项目的影响，以及对项目建设可行性进行综合分析。

（4）所属功能区划：定位建设项目所属环境功能区，划定评价区与所属类别，甄别建设项目所在区域环境现状，分析项目准入性。

（5）战略环评和规划环评：对项目的战略环评和规划环评相关内容进行提取，审查以上两个环评要求符合性，分析环评内容是否符合规定，是否予以通过。

3.4.3 项目比选

系统通过大数据技术自动筛选出与在审建设项目相似的同类历史项目，从中获取关键数据以便辅助环评工作人员进行综合分析，评估建设项目的环境影响，审定建设项目的行政许可性。

同类项目对比分析，分别从项目工程投资及排放情况、执行标准、环境影响三方面进行。

（1）工程投资及排放情况对比分析

统计同类项目工程中投资、投资占比、耗材量、污染源排放参数等相关数据进行对比分析，分别标明本项目低于同类项目平均值和优于同类项目平均值的数据，用以分析在审项目情况。

（2）执行标准对比分析

统计同类项目工程中在大气、噪声、水、土壤四类环境要素中使用的评价标准和出现的次数，用以分析在审建设项目标准选用的适用性和合理性。

（3）环境影响对比分析

1）在大气环境影响对比分析中，分别统计分析同类建设项目运营期和施工期中各类污染物的排放量，污染物最大落地浓度，评价等级占比等，将统计分析结果与本项目进行对比，分析在审建设项目对大气环境影响的程度与项目准许度。

2）在地表水环境影响对比分析中，分别统计分析同类建设项目运营期和施工期中废水及污染物排放量、排放去向、各去向占比等信息辅助管理人员预判在审项目对应信息。若在审项目是排入污水处理厂，则本系统提供该污水处理厂的剩余处理能力，根据在审项目排入量自动判断是否满足要求。

3）在噪声环境影响对比分析中，分别统计分析同类建设项目运营期和施工期中源强范围、昼夜期间声源贡献值、污染防治措施等，将统计分析结果与本项目进行对比，分析在审建设项目噪声环境影响的程度与项目准许度。

3.4.4 环境影响模型预测

环境影响预测需要科学化的依据，技术评估需要科学的手段。对环境影响预测模型进行研究整合，通过模型可对在审建设项目的施工过程或运营过程中对大气环境的影响进行预测计算，并结合GIS地图展示对周边环境的影响。

大气环境影响预测模型选用AERMOD模型，基于大数据挖掘技术实现对模型所需参数的自动提取，同时利用前期优化得出的模型参数，进而针对不同大气污染物对大气环境影响进行精准预测，预测结果可输出小时浓度、最大日均浓度等，系统可结合GIS地图动态展现预测范围内环境污染程度随时间和距离的变化情况。

3.4.5 公众参与

建设项目环境影响评价离不开公众的参与，公众的意见直接反映了建设项目对公众的影响及项目的可行性。因此，建设项目在进行环境影响评价审批前都需对公众进行调研，派发调查问卷。系统以独立模块通过图表结合的形式展示公众的参与情况，统计结果包括：参与形式、总个数、支持数、反对数和中立数，清晰直观地使环境影响评价工作人员了解公众对建设项目的意见，使公众参与到环境影响评价中来。

3.5 数据库

该系统基于北京市环保局现有的数据及其他相关数据，构建环评“支撑数据”“项目数据”两大库群。同时，在相关计算机软硬件的支持下，构建了集海量环境影响评价基础数据处理、查询、可视化表达、对比分析与数据挖掘、信息共享等功能于一体，实现环评核心数据资源的整合、集成与统计分析查询功能。

北京市环保局近10年审批的101,468个建设项目、10万多份环评报告、评估意见、审批文件，以及从环评文件中提取的数千万指标项，数十万条数据构成了该项目数据库的第一批资源。项目库展示的信息包括：项目名称、建设类型、所属区域、环评文件类型、经纬度、行业、类别、建设内容、环评投资占比、建设单位、环评单位、年份、环评文件、批复文件等。

环评大数据系统可提供详细全面的支撑类数据信息，为环保工作的审批及其他业务审批信息提供数据支撑，支撑类数据信息包括：污染源清单基础数据、法律法规库、规划库、敏感区库、自然背景资料、环境背景资料、产业结构目录、环评机构信息、专家库等。

3.6 智能检索

随着时间的推移，建设项目相关的信息越来越多，面对海量的信息，用户迫切地需要能够快速准确搜索到需要的关键内容，而不是打开各个系统、网址、各种文本一一去人工查找，而目前的智能检索技术即可实现用户只要一次输入关键词，就可找出相关的信息以及相关信息所在的分类，减少了用户搜索的时间，同时也具有较高的搜索精度和准度。该系统针对建设项目相关的信息设计有智能搜索功能，可检索的信息包括：环评文件（报告书、报告表、登记表）、环评批复、评估报告、法律法规、环评导则、标准规范、环评系统中企业填报的数据、环评管理人员审批信息、产业结构信息等。系统参考百度搜索设计简单、便捷、人性化的搜索界面，用户可输入一个或多个关键词进行信息检索，如进行环评文件检索时，系统根据关键词进行搜索，同时对搜索结果进行分类和排序，排序时考虑相关性和重要性，以便提供更高的检索效率。

4 总结

基于深度学习的环评大数据分析支撑系统，集大数据技术、数据挖掘技术、深度学习理论、智能检索技术、环评数据库、环评审批业务于一身，结合GIS地图从横向和纵向两个维度全面展示建设项目相关信息，从项目的基本信息、监管信息、准入信息、项目对比信息、模型预测等方面辅助管理人员进行智能审批，同时通过智能搜索功能实现用户快速准确地获取到有价值的信息。

环评大数据系统的建设及应用，不仅可以辅助环境影响评价中技术评估和行政审批工作，提高环评工作效率，提升环评监管精准化水平，同时还有利于推动环境领域的资源共享进程，充分开发和利用数据资源，实现科研成果和业务数据的最大化应用，实现环评数据资源向大数据的转变，加强管理和应用服务的创新，推动环评管理从粗放化到精细化的转变，从而更好地服务于环境管理并支撑环境质量管理的目标。