[论文解读] Prioritizing municipal lead mitigation projects as a relaxed knapsack optimization: a method and case study

Isaac Slavitt|arXiv (Cornell University)|Jan 23, 2022

Environmental Justice and Health Disparities参考文献 25被引用 2

一句话总结

本文提出了一种数据驱动的、宽松的0/1背包优化框架，通过使用地理编码的地块和学校注册数据估算儿童特定的铅暴露年数，以优先排序市政铅服务管线更换项目。通过按效益-成本比率对项目进行排序，该方法使规划者能够在有限预算下最大化公共健康影响，案例研究以马萨诸塞州马尔登市为例，展示了该方法如何利用现有市政数据识别出高影响力项目。

ABSTRACT

Lead pipe remediation budgets are limited and ought to maximize public health impact. This goal implies a non-trivial optimization problem; lead service lines connect water mains to individual houses, but any realistic replacement strategy must batch replacements at a larger scale. Additionally, planners typically lack a principled method for comparing the relative public health value of potential interventions and often plan projects based on non-health factors. This paper describes a simple process for estimating child health impact at a parcel level by cleaning and synthesizing municipal datasets that are commonly available but seldom joined due to data quality issues. Using geocoding as the core record linkage mechanism, parcel-level toxicity data can be combined with school enrollment records to indicate where young children and lead lines coexist. A harm metric of estimated exposure-years is described at the parcel level, which can then be aggregated to the project level and minimized globally by posing project selection as a 0/1 knapsack problem. Simplifying further for use by non-experts, the implied linear programming relaxation is solved intuitively with the greedy algorithm; ordering projects by benefit cost ratio produces a priority list which planners can then consider holistically alongside harder to quantify factors. A case study demonstrates the successful application of this framework to a small U.S. city's existing data to prioritize federal infrastructure funding. While this paper focuses on lead in drinking water, the approach readily generalizes to other sources of residential toxicity with disproportionate impact on children.

研究动机与目标

• 开发一种透明、数据驱动的方法，基于公共健康影响对铅服务管线更换项目进行优先排序。
• 解决市政规划中缺乏基于健康原则的评估标准的问题，这些标准通常依赖于铺路时间表等非健康因素。
• 使数据和技术资源有限的市政机构能够估算并比较潜在项目的公共健康价值。
• 创建一个灵活的框架，可扩展应用于饮用水铅以外的其他儿童毒性缓解措施。
• 通过使用马萨诸塞州马尔登市的真实市政数据集，证明该方法的可行性，该市铅服务管线普及率较高。

提出的方法

• 利用地理编码将分散的市政数据集——地块、学校注册和铅服务管线记录——整合为统一的地块级暴露评估。
• 通过结合学校注册数据与铅管线存在情况，估算儿童暴露年数，假设儿童在学年期间居住在家中。
• 将项目价值定义为项目所涉地块中所有儿童的总估计暴露年数，按年龄加权以反映不同的易感性差异。
• 应用宽松的0/1背包公式，通过贪心算法按效益-成本比率对项目进行排序，实现直观的优先级划分。
• 放宽严格的二值优化，使规划者能够将非量化因素（如公平性、后勤安排）与数据驱动的排序结果结合考虑。
• 通过预测建模和概率性效益-成本估计，将框架扩展至处理不确定性，如某些地块中铅管线状态未知的情况。

实验结果

研究问题

• RQ1 当市政机构缺乏集中化的儿童人口统计数据时，如何估算铅服务管线更换项目的公共健康影响？
• RQ2 是否可以使用地理编码和现有市政记录的简化、数据整合方法，生成可靠且可用于优先排序的铅暴露风险指标？
• RQ3 基于暴露年数的效益-成本比率排序，在多大程度上优于非健康因素驱动的项目选择方式，从而改善公共健康结果？
• RQ4 该框架在处理不完整或不确定数据（如某些地块中铅管线状态未知）方面，如何实现适应？
• RQ5 该方法是否可推广至其他涉及住宅暴露的儿童环境健康威胁？

主要发现

• 该方法成功地将马萨诸塞州马尔登市的碎片化、低质量市政数据转化为一致的、基于地块的儿童暴露风险地图。
• 通过整合地理编码的学校注册数据与铅管线数据，该框架实现了地块级的暴露年数估算，使项目级危害量化成为可能。
• 基于效益-成本比率的贪心算法生成的优先排序列表与公共健康目标一致，且规划者可据此调整非健康因素。
• 案例研究证明，即使数据质量有限，该方法也能识别出适合申请联邦基础设施资金的高影响力项目。
• 该框架可扩展至其他毒性暴露，如铅漆或工业污染，且可适应不同数据可用性的城市。
• 该方法提供了一种透明、可复现且可扩展的决策方法，支持基于数据的倡导和预算编制。