【明報文章】早前香港大學建築學院iLab研究團隊，通過分析2014至2021年間1384宗非法傾倒垃圾個案，揭示了垃圾傾倒行為與城市空間結構的深層關聯。研究團隊結合空間分析與機器學習方法，發現某些高人口密度地區即使增設垃圾回收設施，亦無法有效減少非法傾倒行為。這一反直覺的發現，為本港的城市垃圾治理提供了新思路。

於繁華的香港，現代都市生活的高效運作依賴完善的垃圾管理體系。然而部分街角、公園旁或小巷深處，非法傾倒垃圾問題依然屢禁不止，成為影響城市環境與公共衛生的重要隱患。此類行為不僅破壞市容，更可能導致水源污染、疾病傳播，甚至威脅生態系統。此外，清理這些垃圾衍生的高昂成本，進一步加重政府財政負擔。

如附圖所示，非法傾倒垃圾案例在香港呈現明顯的空間集聚特徵，以九龍區和港島北部為重災區（圖中深色區域）；而新界地區的案例則相對分散（圖中淺色區域）。

究竟是何種因素決定了傾倒垃圾的地點？其分佈是否遵循特定空間模式？為解答這些問題，iLab團隊結合空間、社會及經濟因素，深入剖析非法傾倒行為背後的成因。

數據科學破解垃圾治理難題

為深入探討本港非法傾倒垃圾問題，iLab研究團隊採用英國倫敦大學學院開發的「空間語義分析」（Spatial Syntax Analysis, SSA）技術，並結合人工智能（AI）模型開展研究。團隊分析過去7年的1384宗非法傾倒個案紀錄，整合人口普查數據、街道網絡數據及垃圾收集設施分佈等多元資訊，全方位解構垃圾傾倒行為的空間規律。

團隊首先運用SSA技術，探討街道網絡的連通性與可達性如何影響垃圾傾倒行為，猶如繪製一張城市的「可能性地圖」，標示出因位置與特性而較易成為傾倒垃圾熱點的區域。透過熱點分析，團隊以不同統計置信度，確定了非法傾倒的高發區域和低發區域。同時，團隊引入機器學習模型，將空間特徵與社經因素結合，不僅能夠解釋不同區域的傾倒垃圾現象，更能預測潛在高風險地區。

透過結合SSA與機器學習，研究團隊揭示了非法傾倒垃圾行為背後的複雜驅動機制。結果顯示，此類行為並非隨機發生，而是受社會、經濟與空間三維因素的交互影響，共同導致這一特殊的城市現象。

社會因素：

人口密度與收入水平的雙重影響

研究指出：人口密度是非法傾倒垃圾的顯著影響因素。於高密度市區，因人流量大、垃圾產生量多，加上部分區域回收設施不足，容易出現隨意棄置現象。然而在極高密度區域，此影響趨於平緩，反映社區監管的重要。

另一方面，收入水平呈現意料之外的影響模式——在垃圾管理完善的低收入區域，非法傾倒現象反而較少；而在設施不足的高收入區域，問題仍可能嚴重。此發現表明，解決問題的關鍵在於基礎設施與管理措施，而非單純依賴經濟條件。

空間結構：

城市街道如何助長傾倒垃圾

研究發現，城市空間結構在垃圾傾倒分佈中扮演關鍵角色。街道網絡的連通性，與非法傾倒呈顯著正相關——連通性愈高的區域，傾倒事件愈多，可能與較大通行量有關。於部分核心街區，此現象尤為突出；而支路或封閉街區則影響較小。

值得注意的是，高流量主幹道附近的傾倒風險明顯上升。然而部分高連通性區域，因垃圾管理完善且執法嚴格，傾倒現象反而較少。

垃圾收集設施作用：

愈多反而問題愈大？

研究揭示一個反直覺的現象：增設垃圾收集點，未必能夠減少非法傾倒行為。在低密度住宅區，設施可及性確實與傾倒行為呈負相關，顯示便利度有助居民妥善處理垃圾。

然而在高密度市區（尤其設施集中的區域），傾倒行為不減反增。背後原因包括：部分回收點管理不善導致垃圾溢出、選址未能覆蓋實際需求區域，及居民誤解設施用途。這表明解決問題的關鍵，不在盲目增加設施，而在統籌選址合理性與清理頻率。

政策啟示：如何精準治理城市垃圾

研究結果為香港的垃圾管理提供新方向。首先，垃圾收集設施的佈局需更精準，避免單純增加數量，而應該結合人口密度、街道特性等因素，確保設施符合實際需求且易於管理。其次，在高風險區域（例如人流量大、街道連通性高的地段），需加強監管及清理頻率。此外，研究發現低收入但管理完善的區域，非法傾倒較少，反映社區參與及監督機制的重要；建議加強市民環保意識。

這些發現，為建立數據驅動的智慧垃圾管理系統奠定基礎。通過持續監測傾倒模式，政府可更快識別問題區域，實現從被動應對轉向主動預防。

基於此研究成果，iLab團隊將進一步擴展研究深度與廣度，為香港的垃圾治理提供更全面解決方案。我們未來計劃結合時間序列數據，分析傾倒行為的動態變化；引入街景圖像等新型數據，精細識別潛在問題區域；並透過問卷調查與實地訪談，深入了解市民行為動機。相關工作將為政府制訂精準政策提供科學依據，助力香港建設可持續宜居城市。

研究文獻：

Lu, W., Yang, B., Yuan, L., and Peng, Z. (2025). Understanding fly-tipping in urban areas: A social-economic-spatial combinatorial approach enabled by geographically weighted random forest. Environmental Impact Assessment Review, 112.

作者呂偉生是香港大學建築學院房地產及建設系講座教授兼系主任，彭子禹是港大建築學院房地產及建設系博士後，楊冰、高文君是港大建築學院房地產及建設系博士生

（本網發表的時事文章若提出批評，旨在指出相關制度、政策或措施存在錯誤或缺點，目的是促使矯正或消除這些錯誤或缺點，循合法途徑予以改善，絕無意圖煽動他人對政府或其他社群產生憎恨、不滿或敵意）

[呂偉生、楊冰、彭子禹、高文君]