林長(zhǎng)碩,王嘉輝,張智博,邱思杭,張 政
(揚(yáng)州大學(xué),江蘇 揚(yáng)州)
目前,我國(guó)城市生活垃圾產(chǎn)生量逐年攀升,2021年城市生活垃圾產(chǎn)生量高達(dá)27 097.2 萬(wàn)t(見(jiàn)圖1)。但是垃圾的收運(yùn)效率低下,造成了城市生活垃圾堆積嚴(yán)重,這樣不僅占用大量的土地資源,還會(huì)產(chǎn)生大量有害氣體,嚴(yán)重污染大氣和城市生活環(huán)境。因此,如何對(duì)日益增長(zhǎng)的城市生活垃圾進(jìn)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(wèn)題。
圖1 中國(guó)垃圾清運(yùn)量統(tǒng)計(jì)
目前,國(guó)內(nèi)外對(duì)如何提高逆向物流(包括垃圾)收運(yùn)效率進(jìn)行了廣泛的研究。魏珊珊等[1]針對(duì)電子廢棄物逆向物流網(wǎng)絡(luò)特點(diǎn),從整體逆向物流選址優(yōu)化角度,分析并確定了網(wǎng)絡(luò)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(rèn)為不同結(jié)構(gòu)形式的電子類(lèi)產(chǎn)品逆向物流網(wǎng)絡(luò)對(duì)效率影響巨大,必須構(gòu)建高效運(yùn)作的逆向物流網(wǎng)絡(luò)。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(biāo),設(shè)計(jì)改進(jìn)離散蜂群算法,提出包含回收點(diǎn)、回收中心和處理中心組成的多級(jí)逆向物流網(wǎng)絡(luò)模型,以解決逆向物流中的車(chē)輛路徑問(wèn)題和選址分配問(wèn)題。付小勇等[4]將各消費(fèi)區(qū)域垃圾回收量看成模糊參數(shù),提出了逆向物流網(wǎng)絡(luò)的模糊約束機(jī)會(huì)規(guī)劃模型, 通過(guò)算例對(duì)模型進(jìn)行了求解, 為逆向物流網(wǎng)絡(luò)設(shè)計(jì)提供了依據(jù)。劉國(guó)秋等[5]通過(guò)把循環(huán)共生經(jīng)濟(jì)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。
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(duì)最終用戶(hù)與收集點(diǎn)之間距離、中間收集點(diǎn)(中轉(zhuǎn)站)的位置和收集車(chē)輛路線的依賴(lài)關(guān)系,同時(shí)確定了收集點(diǎn)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(dòng)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(duì)逆向物流網(wǎng)絡(luò)問(wèn)題進(jìn)行建模。Hossein Asefi 等[9]建立了一個(gè)混合整數(shù)線性規(guī)劃模型,設(shè)計(jì)了考慮機(jī)隊(duì)規(guī)模和有時(shí)間窗混合車(chē)輛路徑問(wèn)題的ISWM系統(tǒng),并通過(guò)實(shí)例證明方法對(duì)不確定條件下的系統(tǒng)經(jīng)濟(jì)成本最小化是有效的。Xiaoyun Bing 等[10]通過(guò)比較歐盟各國(guó)的城市固體廢物(MSW)管理實(shí)踐,得出在建立都市固體廢物回收的逆向供應(yīng)鏈模型時(shí),必須全面考慮不同廢物類(lèi)型的特點(diǎn)的結(jié)論。
雖然上述研究對(duì)垃圾收運(yùn)如何提高效率進(jìn)行了相關(guān)建模分析,但仍然未解決垃圾收運(yùn)環(huán)節(jié)存在的諸多突出問(wèn)題。例如,垃圾種類(lèi)如何與垃圾收運(yùn)車(chē)輛進(jìn)行精準(zhǔn)匹配,如何避免垃圾收運(yùn)車(chē)輛空載、虧載,如何解決實(shí)時(shí)垃圾收運(yùn)需求,以及針對(duì)不同垃圾收集點(diǎn)垃圾數(shù)量差異如何規(guī)劃收運(yùn)路徑等。針對(duì)以上垃圾收運(yùn)環(huán)節(jié)存在的問(wèn)題,亟需開(kāi)發(fā)設(shè)計(jì)智慧化的垃圾收運(yùn)調(diào)度平臺(tái)。
針對(duì)上述存在的問(wèn)題,本團(tuán)隊(duì)分別對(duì)收運(yùn)網(wǎng)絡(luò)分區(qū)重構(gòu)、收運(yùn)路徑動(dòng)態(tài)優(yōu)化進(jìn)行設(shè)計(jì)。首先,研究團(tuán)隊(duì)通過(guò)物聯(lián)網(wǎng)技術(shù)收集各垃圾收集點(diǎn)的垃圾產(chǎn)生量數(shù)據(jù),并分析其規(guī)律,并對(duì)各垃圾收集點(diǎn)構(gòu)成的收運(yùn)網(wǎng)絡(luò)進(jìn)行重構(gòu),實(shí)現(xiàn)中轉(zhuǎn)設(shè)施的均衡利用。其次,基于垃圾分類(lèi)和載運(yùn)車(chē)輛約束,動(dòng)態(tài)匹配相應(yīng)車(chē)輛,實(shí)現(xiàn)分類(lèi)收運(yùn)、按需分配,降低總體能耗。最后,面向垃圾收運(yùn)的復(fù)雜時(shí)空需求,綜合考慮環(huán)境、經(jīng)濟(jì)、時(shí)間等因素,構(gòu)建路徑?jīng)Q策智能算法,實(shí)現(xiàn)收運(yùn)路徑動(dòng)態(tài)優(yōu)化,提高垃圾收運(yùn)效率。技術(shù)路線見(jiàn)圖2。
圖2 技術(shù)路線
為了提高收運(yùn)效率,本研究將垃圾收集點(diǎn)以密度為基礎(chǔ)進(jìn)行分區(qū)處理,可同時(shí)安排多輛車(chē)在不同區(qū)域進(jìn)行垃圾分類(lèi)收運(yùn),減少垃圾整體收運(yùn)時(shí)間。采用K-means 聚類(lèi)算法求解過(guò)程如下:
(1) 設(shè)數(shù)據(jù)集為N,令I(lǐng)=1,選取k 個(gè)初始聚類(lèi)中心Zj(I),j=1,2,3,…,k。
(2) 計(jì)算每個(gè)數(shù)據(jù)對(duì)象與聚類(lèi)中心的距離D(Xi,Zj(I)),i=1,2,3,…,n,j=1,2,3,…,k,若滿(mǎn)足D(Xi,Zk(I))=min{D(Xi,Zj(I)),j=1,2,3,…,n},則Xi∈Wk。
(3) 計(jì)算誤差平方和準(zhǔn)則函數(shù)Jc:
本研究重點(diǎn)針對(duì)車(chē)輛的收運(yùn)路徑方案進(jìn)行優(yōu)化,選擇了改進(jìn)蟻群算法、粒子群算法、遺傳算法先后進(jìn)行試驗(yàn),通過(guò)對(duì)模型的求解結(jié)果與垃圾收運(yùn)歷史路徑進(jìn)行對(duì)比,尋找最優(yōu)方案。對(duì)比結(jié)果見(jiàn)表1。
表1 不同算法對(duì)模型求解結(jié)果對(duì)比
通過(guò)對(duì)比遺傳算法、粒子群算法對(duì)模型的求解結(jié)果,發(fā)現(xiàn)使用改進(jìn)蟻群算法能達(dá)到碳排放、經(jīng)濟(jì)節(jié)約、時(shí)效性的組合最優(yōu)。
蟻群算法求解過(guò)程如下:
假設(shè)收集點(diǎn)i 的坐標(biāo)為:
收集點(diǎn)i,j 之間的距離可以表示為:
假設(shè)在(t,t+n)時(shí)刻所有螞蟻完成一次周游,則在t+n 時(shí)刻收集點(diǎn)i,j 之間的信息素含量可以表示為:
在t 時(shí)刻,螞蟻k 從收集點(diǎn)i 轉(zhuǎn)移到收集點(diǎn)j 的概率可以由以下方式計(jì)算得到:
其中:ηi,j是一個(gè)啟發(fā)式因子,表示螞蟻從收集點(diǎn)i 轉(zhuǎn)移到收集點(diǎn)j 的期望程度。計(jì)算方式為:
基于收運(yùn)車(chē)輛智慧調(diào)度動(dòng)態(tài)優(yōu)化算法,綜合運(yùn)用物聯(lián)網(wǎng)、大數(shù)據(jù)分析、圖像識(shí)別等技術(shù),研發(fā)數(shù)字環(huán)衛(wèi)智慧運(yùn)維系統(tǒng),實(shí)現(xiàn)前端感知、調(diào)度優(yōu)化、車(chē)輛監(jiān)管、作業(yè)管理等功能。與浙江美欣達(dá)集團(tuán)進(jìn)行合作,并將系統(tǒng)投入湖州市織里鎮(zhèn)進(jìn)行了實(shí)踐應(yīng)用,取得了良好的社會(huì)經(jīng)濟(jì)效益。
通過(guò)實(shí)際運(yùn)行數(shù)據(jù)統(tǒng)計(jì),運(yùn)行1 年后,每收運(yùn)萬(wàn)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(jì)為企業(yè)減少運(yùn)營(yíng)成本264.8 萬(wàn)元,節(jié)能減排效益顯著。分析結(jié)果見(jiàn)表2。
表2 應(yīng)用前后對(duì)比分析
應(yīng)用本算法后能夠有效提升垃圾分類(lèi)收運(yùn)效率,降低收運(yùn)環(huán)節(jié)總體能耗,促進(jìn)前端垃圾分類(lèi)、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(wú)廢城市”建設(shè)。
本系統(tǒng)針對(duì)中轉(zhuǎn)站點(diǎn)服務(wù)能力弱,垃圾清運(yùn)不及時(shí),環(huán)境二次污染嚴(yán)重;收運(yùn)車(chē)輛運(yùn)行成本高,虧載、走回頭路現(xiàn)象嚴(yán)重,總體能耗高;收運(yùn)方案智慧程度低,垃圾資源化利用效率低等問(wèn)題,開(kāi)展分析研究并進(jìn)行系統(tǒng)研發(fā)。主要包括以下兩個(gè)主要?jiǎng)?chuàng)新點(diǎn)。
通過(guò)分析垃圾產(chǎn)生的時(shí)空分布特征,結(jié)合各中轉(zhuǎn)設(shè)施的垃圾接收能力,對(duì)其進(jìn)行收運(yùn)網(wǎng)絡(luò)的重構(gòu),智能分區(qū)實(shí)現(xiàn)設(shè)施資源的最優(yōu)化利用,減少垃圾堆積污染、中轉(zhuǎn)站排隊(duì)等候時(shí)間過(guò)長(zhǎng)、垃圾清運(yùn)響應(yīng)不及時(shí)等現(xiàn)象,避免車(chē)輛行駛里程過(guò)長(zhǎng),增加能耗。
基于深度學(xué)習(xí)的智能優(yōu)化算法,自動(dòng)匹配收運(yùn)車(chē)輛的行駛路線,實(shí)現(xiàn)收運(yùn)車(chē)輛多目標(biāo)復(fù)雜組合匹配及調(diào)度優(yōu)化。當(dāng)車(chē)輛處于收運(yùn)狀態(tài)時(shí),平臺(tái)可以實(shí)時(shí)監(jiān)測(cè)車(chē)輛行駛狀態(tài),并根據(jù)前方道路情況或垃圾收集點(diǎn)的狀態(tài)變化對(duì)收運(yùn)車(chē)輛發(fā)送實(shí)時(shí)信息進(jìn)行車(chē)輛動(dòng)態(tài)調(diào)度,有效減少了車(chē)輛走回頭路現(xiàn)象,達(dá)到碳排放最少、經(jīng)濟(jì)節(jié)約、時(shí)效性最優(yōu)的目標(biāo)。
本研究的目標(biāo)客戶(hù)為環(huán)衛(wèi)企業(yè)、政府監(jiān)管部門(mén),目前我國(guó)垃圾分類(lèi)收運(yùn)調(diào)度事業(yè)迅速崛起,各環(huán)衛(wèi)企業(yè)、政府從事垃圾分類(lèi)收運(yùn)的隊(duì)伍不斷壯大,我國(guó)現(xiàn)擁有6 000 余家環(huán)衛(wèi)企業(yè),市場(chǎng)容量約為180 億元,市場(chǎng)容量巨大。同時(shí),本研究技術(shù)先進(jìn),可以通過(guò)實(shí)時(shí)動(dòng)態(tài)調(diào)度收運(yùn)車(chē)輛、規(guī)劃收運(yùn)路線,實(shí)現(xiàn)收運(yùn)綜合效益最優(yōu),協(xié)同推進(jìn)“雙碳”目標(biāo)。
收運(yùn)車(chē)輛動(dòng)態(tài)調(diào)度的應(yīng)用將引領(lǐng)垃圾收運(yùn)過(guò)程中管按信息化、智能化的變革,通過(guò)技術(shù)的升級(jí)和資源的整合,使得垃圾收運(yùn)過(guò)程性監(jiān)管走向集成化、信息化、專(zhuān)業(yè)化。綜合考慮環(huán)境、經(jīng)濟(jì)、時(shí)間等因素,構(gòu)建路徑?jīng)Q策智能算法,實(shí)現(xiàn)收運(yùn)路徑動(dòng)態(tài)優(yōu)化,提高垃圾收運(yùn)效率,具有重要的現(xiàn)實(shí)意義,面對(duì)垃圾收運(yùn)環(huán)節(jié)的問(wèn)題,本系統(tǒng)通過(guò)動(dòng)態(tài)智能調(diào)度管按收運(yùn)路線,減少收運(yùn)環(huán)節(jié)碳排量,有效助力“雙碳”目標(biāo)實(shí)現(xiàn)!