林長碩，王嘉輝，張智博，邱思杭，張 政

（揚州大學，江蘇 揚州）

1 研究背景

目前，我國城市生活垃圾產生量逐年攀升，2021年城市生活垃圾產生量高達27 097.2 萬t（見圖1）。但是垃圾的收運效率低下，造成了城市生活垃圾堆積嚴重，這樣不僅占用大量的土地資源，還會產生大量有害氣體，嚴重污染大氣和城市生活環(huán)境。因此，如何對日益增長的城市生活垃圾進行有效、低碳化收集，減少環(huán)境二次污染，成為亟待解決的問題。

圖1 中國垃圾清運量統(tǒng)計

1.1 國內研究現(xiàn)狀

目前，國內外對如何提高逆向物流（包括垃圾）收運效率進行了廣泛的研究。魏珊珊等[1]針對電子廢棄物逆向物流網絡特點,從整體逆向物流選址優(yōu)化角度,分析并確定了網絡成本最優(yōu)化混合整數(shù)線性規(guī)劃（Mixed-Integer Linear Programming, MILP）模型。王發(fā)鴻等[2]認為不同結構形式的電子類產品逆向物流網絡對效率影響巨大，必須構建高效運作的逆向物流網絡。黃麗君[3]以垃圾回收總成本最小并兼顧回收便利性為目標，設計改進離散蜂群算法，提出包含回收點、回收中心和處理中心組成的多級逆向物流網絡模型，以解決逆向物流中的車輛路徑問題和選址分配問題。付小勇等[4]將各消費區(qū)域垃圾回收量看成模糊參數(shù),提出了逆向物流網絡的模糊約束機會規(guī)劃模型, 通過算例對模型進行了求解, 為逆向物流網絡設計提供了依據(jù)。劉國秋等[5]通過把循環(huán)共生經濟理念嵌入到包裝物逆向物流回收模式中，形成了包裝物逆向物流回收的四種模式。

1.2 國外研究現(xiàn)狀

Milorad Vidovi 等[6]提出了定位——路徑模型，該模型考慮了回收物數(shù)量對最終用戶與收集點之間距離、中間收集點(中轉站)的位置和收集車輛路線的依賴關系，同時確定了收集點的位置。Mei Zhang 等[7]提出了一種城市生活垃圾管理系統(tǒng)的非精確逆向物流模型，能夠反映城市生活垃圾管理系統(tǒng)的動態(tài)特性和不確定性。Shan Lu 等[8]采用模糊混合整數(shù)線性規(guī)劃方法對逆向物流網絡問題進行建模。Hossein Asefi 等[9]建立了一個混合整數(shù)線性規(guī)劃模型，設計了考慮機隊規(guī)模和有時間窗混合車輛路徑問題的ISWM系統(tǒng)，并通過實例證明方法對不確定條件下的系統(tǒng)經濟成本最小化是有效的。Xiaoyun Bing 等[10]通過比較歐盟各國的城市固體廢物(MSW)管理實踐，得出在建立都市固體廢物回收的逆向供應鏈模型時，必須全面考慮不同廢物類型的特點的結論。

雖然上述研究對垃圾收運如何提高效率進行了相關建模分析，但仍然未解決垃圾收運環(huán)節(jié)存在的諸多突出問題。例如，垃圾種類如何與垃圾收運車輛進行精準匹配，如何避免垃圾收運車輛空載、虧載，如何解決實時垃圾收運需求，以及針對不同垃圾收集點垃圾數(shù)量差異如何規(guī)劃收運路徑等。針對以上垃圾收運環(huán)節(jié)存在的問題，亟需開發(fā)設計智慧化的垃圾收運調度平臺。

2 設計原理

2.1 設計思路

針對上述存在的問題，本團隊分別對收運網絡分區(qū)重構、收運路徑動態(tài)優(yōu)化進行設計。首先，研究團隊通過物聯(lián)網技術收集各垃圾收集點的垃圾產生量數(shù)據(jù)，并分析其規(guī)律，并對各垃圾收集點構成的收運網絡進行重構，實現(xiàn)中轉設施的均衡利用。其次，基于垃圾分類和載運車輛約束，動態(tài)匹配相應車輛，實現(xiàn)分類收運、按需分配，降低總體能耗。最后，面向垃圾收運的復雜時空需求，綜合考慮環(huán)境、經濟、時間等因素，構建路徑決策智能算法，實現(xiàn)收運路徑動態(tài)優(yōu)化，提高垃圾收運效率。技術路線見圖2。

圖2 技術路線

2.2 收運網絡分區(qū)重構算法

為了提高收運效率，本研究將垃圾收集點以密度為基礎進行分區(qū)處理，可同時安排多輛車在不同區(qū)域進行垃圾分類收運，減少垃圾整體收運時間。采用K-means 聚類算法求解過程如下：

（1） 設數(shù)據(jù)集為N，令I=1，選取k 個初始聚類中心Zj（I），j=1，2，3，…，k。

（2） 計算每個數(shù)據(jù)對象與聚類中心的距離D（Xi，Zj（I）），i=1，2，3，…，n，j=1，2，3，…，k，若滿足D（Xi，Zk（I））=min{D（Xi，Zj（I）），j=1，2，3，…，n}，則Xi∈Wk。

（3） 計算誤差平方和準則函數(shù)Jc：

2.3 垃圾收運路徑優(yōu)化模型構建與求解

本研究重點針對車輛的收運路徑方案進行優(yōu)化，選擇了改進蟻群算法、粒子群算法、遺傳算法先后進行試驗，通過對模型的求解結果與垃圾收運歷史路徑進行對比，尋找最優(yōu)方案。對比結果見表1。

表1 不同算法對模型求解結果對比

通過對比遺傳算法、粒子群算法對模型的求解結果，發(fā)現(xiàn)使用改進蟻群算法能達到碳排放、經濟節(jié)約、時效性的組合最優(yōu)。

蟻群算法求解過程如下：

假設收集點i 的坐標為：

收集點i，j 之間的距離可以表示為：

假設在（t，t+n）時刻所有螞蟻完成一次周游，則在t+n 時刻收集點i，j 之間的信息素含量可以表示為：

在t 時刻，螞蟻k 從收集點i 轉移到收集點j 的概率可以由以下方式計算得到：

其中：ηi，j是一個啟發(fā)式因子，表示螞蟻從收集點i 轉移到收集點j 的期望程度。計算方式為：

2.4 應用研究- 基于智能算法的數(shù)字環(huán)衛(wèi)運維平臺研發(fā)

基于收運車輛智慧調度動態(tài)優(yōu)化算法，綜合運用物聯(lián)網、大數(shù)據(jù)分析、圖像識別等技術，研發(fā)數(shù)字環(huán)衛(wèi)智慧運維系統(tǒng)，實現(xiàn)前端感知、調度優(yōu)化、車輛監(jiān)管、作業(yè)管理等功能。與浙江美欣達集團進行合作，并將系統(tǒng)投入湖州市織里鎮(zhèn)進行了實踐應用，取得了良好的社會經濟效益。

2.5 應用報告——以湖州市織里鎮(zhèn)為例

通過實際運行數(shù)據(jù)統(tǒng)計，運行1 年后，每收運萬噸垃圾可節(jié)約油耗35 694 L、減少碳排放75.2 t，1 年間總計為企業(yè)減少運營成本264.8 萬元，節(jié)能減排效益顯著。分析結果見表2。

表2 應用前后對比分析

應用本算法后能夠有效提升垃圾分類收運效率，降低收運環(huán)節(jié)總體能耗，促進前端垃圾分類、提升末端垃圾回收利用率，改善城市居民環(huán)境，助力“綠色、低碳、無廢城市”建設。

3 創(chuàng)新特色

本系統(tǒng)針對中轉站點服務能力弱，垃圾清運不及時，環(huán)境二次污染嚴重；收運車輛運行成本高，虧載、走回頭路現(xiàn)象嚴重，總體能耗高；收運方案智慧程度低，垃圾資源化利用效率低等問題，開展分析研究并進行系統(tǒng)研發(fā)。主要包括以下兩個主要創(chuàng)新點。

3.1 面向總體碳排放最少的收運網絡分區(qū)重構

通過分析垃圾產生的時空分布特征，結合各中轉設施的垃圾接收能力，對其進行收運網絡的重構，智能分區(qū)實現(xiàn)設施資源的最優(yōu)化利用，減少垃圾堆積污染、中轉站排隊等候時間過長、垃圾清運響應不及時等現(xiàn)象，避免車輛行駛里程過長，增加能耗。

3.2 基于車輛路徑動態(tài)優(yōu)化的低碳收運模式構建

基于深度學習的智能優(yōu)化算法，自動匹配收運車輛的行駛路線，實現(xiàn)收運車輛多目標復雜組合匹配及調度優(yōu)化。當車輛處于收運狀態(tài)時，平臺可以實時監(jiān)測車輛行駛狀態(tài)，并根據(jù)前方道路情況或垃圾收集點的狀態(tài)變化對收運車輛發(fā)送實時信息進行車輛動態(tài)調度，有效減少了車輛走回頭路現(xiàn)象，達到碳排放最少、經濟節(jié)約、時效性最優(yōu)的目標。

結束語

本研究的目標客戶為環(huán)衛(wèi)企業(yè)、政府監(jiān)管部門，目前我國垃圾分類收運調度事業(yè)迅速崛起，各環(huán)衛(wèi)企業(yè)、政府從事垃圾分類收運的隊伍不斷壯大，我國現(xiàn)擁有6 000 余家環(huán)衛(wèi)企業(yè)，市場容量約為180 億元，市場容量巨大。同時，本研究技術先進，可以通過實時動態(tài)調度收運車輛、規(guī)劃收運路線，實現(xiàn)收運綜合效益最優(yōu)，協(xié)同推進“雙碳”目標。

收運車輛動態(tài)調度的應用將引領垃圾收運過程中管按信息化、智能化的變革，通過技術的升級和資源的整合，使得垃圾收運過程性監(jiān)管走向集成化、信息化、專業(yè)化。綜合考慮環(huán)境、經濟、時間等因素，構建路徑決策智能算法，實現(xiàn)收運路徑動態(tài)優(yōu)化，提高垃圾收運效率，具有重要的現(xiàn)實意義，面對垃圾收運環(huán)節(jié)的問題，本系統(tǒng)通過動態(tài)智能調度管按收運路線，減少收運環(huán)節(jié)碳排量，有效助力“雙碳”目標實現(xiàn)！