首南街道居民垃圾投放行为规范评价数据

随着“甬城分类”平台及全品类智能回收箱在街道、社区逐步应用，居民垃圾投放行为已经可以通过智能设备形成订单数量、投放重量、投放时间等数字化记录。但仅依靠投放次数和投放重量，只能反映居民是否参与垃圾分类及参与程度，难以准确评价居民实际投放过程是否规范，也无法有效识别垃圾乱扔、散落等投放质量问题。 为提升居民垃圾投放质量评价和街道垃圾分类精细化治理能力，公司利用全品类智能回收箱内置摄像头采集居民投放图像，通过自研AI模型识别居民投放至箱内垃圾桶区域的垃圾情况，计算乱扔垃圾区域面积比例，并将识别结果与居民投放订单、投放重量等数据进行关联。通过订单去重、异常数据剔除、特殊账户排除和重量加权计算，形成以居民用户为统计对象的月度投放质量评价数据。 该数据能够在投放次数、投放重量等传统参与度指标基础上，进一步反映居民投放行为的规范程度，为居民投放质量评价、用户分层管理、垃圾分类宣传引导、重点用户教育、运营活动效果分析以及街道精细化治理提供数据支撑。一、加工前的数据说明 本数据来源于本企业“甬城分类”平台，原始数据包括智能回收箱摄像头采集的居民投放图像，以及平台记录的投放订单数量、投放时间、投放重量。原始图像属个人数据范畴。加工前对图像实时识别，识别完成后图像数据不进入汇总统计；用户ID在输出前已去标识化，确保无法还原原始图像及识别特定个人。 二、变量说明与处理规则 （一）变量说明 percent：乱扔垃圾区域面积比例参数，指单笔有效订单中AI模型输出的乱扔垃圾区域面积占有效识别区域面积的比例，计算公式：percent=乱扔垃圾区域像素面积/有效识别区域像素面积。取值范围0至1，0表示未检测到乱扔垃圾。 weight：单笔有效订单的投放重量（kg），由回收箱称重模块采集。 （二）处理规则 统计范围为2026年6月在首南街道有有效投放的居民用户。各字段生成规则： 用户ID、所属街道、投放周期：用户ID已去标识化；所属街道根据注册地址及投放柜位置确定；投放周期为202606。 投放订单数：统计周期内有效投放订单总数，需满足投放重量≥0、订单状态“已完成”、非特殊账户订单。 AI识别订单数：投放订单中经AI模型处理并成功输出percent的订单数量。本数据采用基于计算机视觉深度学习算法的识别模型，对投放图像进行目标区域检测与像素级分析，计算乱扔垃圾区域面积占比（percent）。模型完成图像解析并生成有效percent参数时，记为AI识别成功。本数据中AI识别成功订单数等于投放订单数。 无乱扔垃圾次数：percent=0的订单数。有乱扔垃圾次数：percent>0的订单数。AI识别订单数=两者之和。 总投放重量：统计周期内投放重量之和（kg）。 重量加权投放规范得分：先计算每笔订单percent×weight；再计算P=Σ(percent×weight)/Σweight；最后S=(1-P)×100，满分100分，保留两位小数。S越高表示投放越规范，所有订单percent均为0时S=100分。 三、数据内容描述 最终形成月度投放质量评价数据，包含用户ID（已去标识）、所属街道、投放周期、投放订单数、AI识别订单数、无乱扔垃圾次数、有乱扔垃圾次数、总投放重量、重量加权投放规范得分等字段，覆盖首南街道1102名居民用户。

搜集汇总

背景与挑战

背景概述

该数据集基于“甬城分类”平台智能回收箱的AI图像识别与投放订单、重量数据，计算居民乱扔垃圾区域面积比例，并生成月度投放质量评价。数据覆盖首南街道1103名居民用户，包含用户ID、投放周期、订单数、AI识别次数、总投放重量及重量加权投放规范得分等字段，旨在为垃圾分类精细化治理、用户分层管理和宣传引导提供数据支撑。