CN105631546A - 基于大数据处理的垃圾收运系统及方法 - Google Patents

Abstract

本发明公开一种基于大数据处理的垃圾收运系统，包括垃圾收集车和远程监控服务器，垃圾收集车包括垃圾桶抓取机构、卫星定位模块、ECU及第一无线通信模块，远程监控服务器包括第二无线通信模块、分析统计模块、预处理模块和数据挖掘模块，垃圾桶抓取机构通过自带的称重传感器采集垃圾桶的负荷信息；卫星定位模块采取垃圾桶的位置信息；数据挖掘模块基于垃圾桶的负荷信息的历史数据，预测未来一段时间内垃圾桶的负荷数据；对垃圾桶数量配置进行优化并规划出垃圾收集车进行垃圾收运的最优路径。本发明能够降低垃圾收运系统的制造成本与维护成本，实现垃圾桶的配置优化和垃圾收集车的收运路径优化。本发明还公开一种基于大数据处理的垃圾收运方法。

Description

基于大数据处理的垃圾收运系统及方法

技术领域

本发明涉及垃圾收运技术领域，尤其涉及一种基于大数据处理的垃圾收运系统及方法。

背景技术

现有垃圾收运系统通常包括垃圾收集车、垃圾桶和控制中心服务器。垃圾桶上设置称重传感器、信号处理模块、垃圾桶通信模块和电源，称重传感器用于采集垃圾桶的负荷数据，经过信号处理模块的处理将垃圾桶的负荷信息传递到垃圾桶通信模块；控制中心服务器与垃圾桶通信模块进行无线通信，并接收垃圾桶的负荷信息，根据垃圾桶的负荷信息发出是否收运垃圾的指令信号；垃圾车包括与控制中心服务器进行无线通信的垃圾车通信模块，接收来自控制中心服务器的指令信号，完成垃圾收运。现有垃圾收运系统需要在每个垃圾桶上安装传感器、信号处理模块、垃圾桶通信模块和电源等电子装置，生产成本过高；另外，由于垃圾桶的工作环境比较恶劣，经常存在一些腐蚀性液体，很容易造成垃圾桶的电子装置的破坏，这样又会耗费大量成本维护垃圾桶的电子装置，因此现有垃圾收运系统由于生产和维护成本过高，无法得到广泛应用。

发明内容

本发明的主要目的在于提供一种基于大数据处理的垃圾收运系统及方法，旨在降低垃圾收运系统的制造成本与维护成本，实现垃圾桶的配置优化和垃圾收集车的收运路径优化。

为了实现上述目的，本发明提供一种基于大数据处理的垃圾收运系统，包括垃圾收集车和远程监控服务器，所述垃圾收集车包括垃圾桶抓取机构、卫星定位模块、ECU及第一无线通信模块，所述垃圾桶抓取机构自带有称重传感器，所述远程监控服务器包括第二无线通信模块、分析统计模块、预处理模块和数据挖掘模块，其中：

所述垃圾桶抓取机构用于抓取垃圾桶进行垃圾收集，同时通过自带的称重传感器采集垃圾桶的负荷信息并传输给所述ECU；

所述卫星定位模块用于采取垃圾桶的位置信息并传输给所述ECU；

所述ECU用于接收所述垃圾桶的负荷信息和位置信息，对所述垃圾桶给出相应编号，将垃圾桶的负荷信息、位置信息和编号进行编码处理形成垃圾桶综合数据并传输给所述第一无线通信模块；

所述第一无线通信模块与所述远程监控服务器的第二无线通信模块进行无线通信连接，用于将编码处理后的垃圾桶综合数据发送给所述远程监控服务器，以及接收所述远程监控服务器所发出的控制指令并传输给所述ECU；

所述第二无线通信模块用于接收所述第一无线通信模块所发送的编码处理后的垃圾桶综合数据并传输给所述分析统计模块，以及发送控制指令给所述垃圾收集车；

所述分析统计模块用于将所述垃圾桶综合数据进行解码处理，得到相应垃圾桶的负荷信息、位置信息和编号后进行存储，并利用分布式数据库对存储于其内的垃圾桶的负荷信息数据进行普通的分析和分类汇总；

所述预处理模块用于将经所述分析统计模块进行分析和分类汇总后的负荷信息数据导入到一个集中的大型分布式数据库中，在导入基础上做一些简单的清洗和预处理工作；

所述数据挖掘模块用于将经过所述预处理模块进行清洗和预处理后的负荷信息数据进行支持向量机SVM优化算法的计算，建立趋势分析模型；基于垃圾桶的负荷信息的历史数据，预测未来一段时间内垃圾桶的负荷数据；根据预测的数据，对垃圾桶数量配置进行优化；以及判断每个垃圾桶垃圾的收运频率，规划出垃圾收集车进行垃圾收运的最优路径。

优选地，所述分析统计模块定期利用分布式数据库对存储于其内的垃圾桶的负荷信息数据进行普通的分析和分类汇总，以定期更新统计数据。

优选地，所述数据挖掘模块在计算中将日期因素和垃圾桶位置因素添加到趋势分析模型当中。

优选地，所述日期因素将收集垃圾日期分为普通日期、周末和重大节假日三种。

优选地，所述数据挖掘模块通过如下方式对垃圾桶数量配置进行优化以及规划出垃圾收集车进行垃圾收运的最优路径：

在某一区域内，初始设置的垃圾桶数量为n个，其中n为正整数，设定垃圾收集车每天收集垃圾3次，分别为早、中、晚，所述数据挖掘模块预测未来一段时间内垃圾桶的负荷信息数据如下：

将预测的垃圾桶的负荷信息数据与垃圾桶需要收运的负荷设定值M进行比较，初步确定每一个垃圾桶Ti收运次数如下：

根据每个垃圾桶一天的收运次数规划出垃圾车收运垃圾的最优路径，对于每天需要收运1次的垃圾桶，所述数据挖掘模块生成第一控制指令以指示垃圾收集车早上进行收运，对于需要收运2次的垃圾桶，所述数据挖掘模块生成第二控制指令以指示垃圾收集车选择间隔的两个时间段进行收运，对于需要收运超过3次的垃圾桶，所述数据挖掘模块生成第三控制指令以提醒垃圾收集车需要增加垃圾桶数量。

本发明还提供一种基于大数据处理的垃圾收运方法，包括步骤：

通过垃圾收集车的垃圾桶抓取机构抓取垃圾桶进行垃圾收集，同时通过垃圾桶抓取机构自带的称重传感器采集垃圾桶的负荷信息并传输给所述ECU，以及通过卫星定位模块采取垃圾桶的位置信息并传输给所述ECU；

通过ECU接收所述垃圾桶的负荷信息和位置信息，对所述垃圾桶给出相应编号，将垃圾桶的负荷信息、位置信息和编号进行编码处理形成垃圾桶综合数据并传输给垃圾收集车的第一无线通信模块；

通过垃圾收集车的第一无线通信模块以无线数据传输方式将编码处理后的垃圾桶综合数据发送给远程监控服务器；

通过远程监控服务器的第二无线通信模块接收所述编码处理后的垃圾桶综合数据并传输给远程监控服务器的分析统计模块；

通过远程监控服务器的分析统计模块将所述垃圾桶综合数据进行解码处理，得到相应垃圾桶的负荷信息、位置信息和编号后进行存储，并利用分布式数据库对存储于其内的垃圾桶的负荷信息数据进行普通的分析和分类汇总；

通过远程监控服务器的预处理模块将经分析和分类汇总后的负荷信息数据导入到一个集中的大型分布式数据库中，在导入基础上做一些简单的清洗和预处理工作；

通过远程监控服务器的数据挖掘模块将经过清洗和预处理后的负荷信息数据进行支持向量机SVM优化算法的计算，建立趋势分析模型；基于垃圾桶的负荷信息的历史数据，预测未来一段时间内垃圾桶的负荷数据；根据预测的数据，对垃圾桶数量配置进行优化；以及判断每个垃圾桶垃圾的收运频率，规划出垃圾收集车进行垃圾收运的最优路径并生成控制指令；

通过远程监控服务器的第二无线通信模块以无线数据传输方式将所述控制指令发送给垃圾收集车；

通过垃圾收集车的第一无线通信模块接收所述控制指令并传输给垃圾收集车的ECU以指示垃圾收运路径。

优选地，所述分析统计模块定期利用分布式数据库对存储于其内的垃圾桶的负荷信息数据进行普通的分析和分类汇总，以定期更新统计数据。

优选地，所述数据挖掘模块在计算中将日期因素和垃圾桶位置因素添加到趋势分析模型当中。

优选地，所述日期因素将收集垃圾日期分为普通日期、周末和重大节假日三种。

优选地，所述数据挖掘模块通过如下方式对垃圾桶数量配置进行优化以及规划出垃圾收集车进行垃圾收运的最优路径：

在某一区域内，初始设置的垃圾桶数量为n个，其中n为正整数，设定垃圾收集车每天收集垃圾3次，分别为早、中、晚，所述数据挖掘模块预测未来一段时间内垃圾桶的负荷信息数据如下：

将预测的垃圾桶的负荷信息数据与垃圾桶需要收运的负荷设定值M进行比较，初步确定每一个垃圾桶Ti收运次数如下：

根据每个垃圾桶一天的收运次数规划出垃圾车收运垃圾的最优路径，对于每天需要收运1次的垃圾桶，所述数据挖掘模块生成第一控制指令以指示垃圾收集车早上进行收运，对于需要收运2次的垃圾桶，所述数据挖掘模块生成第二控制指令以指示垃圾收集车选择间隔的两个时间段进行收运，对于需要收运超过3次的垃圾桶，所述数据挖掘模块生成第三控制指令以提醒垃圾收集车需要增加垃圾桶数量。

本发明的基于大数据处理的垃圾收运系统及方法中，通过垃圾收集车的垃圾桶抓取机构自带的称重传感器来采集垃圾桶的负荷信息，并通过垃圾收集车的卫星定位模块来采取垃圾桶的位置信息，相对于现有技术，无需在每一个垃圾桶上设置称重传感器、信号处理模块、垃圾桶通信模块和电源，从而可以大大地节省垃圾收运系统的生产和维护成本，制造与维护成本较低，适合在城市广泛应用；通过远程监控服务器的分析统计模块、预处理模块和数据挖掘模块对采集垃圾桶的负荷信息和位置信息进行大数据处理，能够实现垃圾桶的配置优化和垃圾收集车的收运路径优化，适应于垃圾收集车智能化发展的大趋势。

附图说明

图1为本发明基于大数据处理的垃圾收运系统一实施例的系统架构图。

图2为图1所示基于大数据处理的垃圾收运系统中垃圾收集车的结构框图。

图3为图1所示基于大数据处理的垃圾收运系统中远程监控服务器的结构框图。

图4为本发明基于大数据处理的垃圾收运方法一实施例的流程图。

本发明目的的实现、功能特点及优点将结合实施例，参照附图做进一步说明。

具体实施方式

应当理解，此处所描述的具体实施方式仅仅用以解释本发明，并不用于限定本发明。

本发明提供一种基于大数据处理的垃圾收运系统。如图1至图3所示，在本发明的一实施例中，基于大数据处理的垃圾收运系统包括垃圾收集车1和远程监控服务器2，所述垃圾收集车1包括垃圾桶抓取机构11、卫星定位模块12、ECU13及第一无线通信模块14，所述垃圾桶抓取机构11自带有称重传感器111。所述远程监控服务器2包括第二无线通信模块21、分析统计模块22、预处理模块23和数据挖掘模块24，其中：

所述垃圾桶抓取机构11用于抓取垃圾桶进行垃圾收集，同时通过自带的称重传感器111采集垃圾桶的负荷信息并传输给所述ECU13；

所述卫星定位模块12用于采取垃圾桶的位置信息并传输给所述ECU13；

所述ECU13用于接收所述垃圾桶的负荷信息和位置信息，对所述垃圾桶给出相应编号，将垃圾桶的负荷信息、位置信息和编号进行编码处理形成垃圾桶综合数据并传输给所述第一无线通信模块14；

所述第一无线通信模块14与所述远程监控服务器2的第二无线通信模块21进行无线通信连接，用于将编码处理后的垃圾桶综合数据发送给所述远程监控服务器2，以及接收所述远程监控服务器2所发出的控制指令并传输给所述ECU13；

所述第二无线通信模块21用于接收所述第一无线通信模块14所发送的编码处理后的垃圾桶综合数据并传输给所述分析统计模块22，以及发送控制指令给所述垃圾收集车1；

所述分析统计模块22用于将所述垃圾桶综合数据进行解码处理，得到相应垃圾桶的负荷信息、位置信息和编号后进行存储，并利用分布式数据库对存储于其内的垃圾桶的负荷信息数据进行普通的分析和分类汇总；

所述预处理模块23用于将经所述分析统计模块22进行分析和分类汇总后的负荷信息数据导入到一个集中的大型分布式数据库中，在导入基础上做一些简单的清洗和预处理工作；

所述数据挖掘模块24用于将经过所述预处理模块23进行清洗和预处理后的负荷信息数据进行支持向量机SVM优化算法的计算，建立趋势分析模型；基于垃圾桶的负荷信息的历史数据，预测未来一段时间内垃圾桶的负荷数据；根据预测的数据，对垃圾桶数量配置进行优化；以及判断每个垃圾桶垃圾的收运频率，规划出垃圾收集车1进行垃圾收运的最优路径。

上述基于大数据处理的垃圾收运系统中，垃圾桶抓取机构11可采用现有任意已公开的抓取机构，只要其自带有称重传感器即可，例如申请日为2014年12月26日、申请号为201420839406.4、名称为“一种带称重功能的垃圾桶提升装置”即可应用于本发明的垃圾收运系统中，另外，本申请人于本申请的申请日同一天申请的名称为“具有称重功能的垃圾车抓取装置”的专利申请中所揭露的垃圾车抓取装置，也同样适用于本申请中作为垃圾桶抓取机构11，本申请中，对垃圾桶抓取机构11的具体结构不作具体限定，凡是自带称重传感器的垃圾桶抓取机构均可适用于本发明的垃圾收运系统。

卫星定位模块12可以是采用全球卫星定位(GlobalPositioningSystem，简称GPS)芯片，利用GPS定位卫星，在全球范围内可实时进行定位和导航。GPS是由美国国防部研制建立的一种具有全方位、全天候、全时段、高精度的卫星导航系统，能为全球用户提供低成本、高精度的三维位置、速度和精确定时等导航信息。卫星定位模块12还可以是采用其它卫星定位芯片，例如北斗芯片，北斗芯片包含了RF射频芯片，基带芯片及微处理器的芯片组，相关设备通过北斗芯片，可以接受由北斗卫星发射的信号，从而完成定位导航的功能。

在车辆中，ECU13实际上是一个“电子控制单元”(ElectronicControlUnit)，又称为行车电脑，它是由输入电路、微机和输出电路等三部分组成。输入电路接受传感器和其它装置输入的信号，对信号进行过滤处理和放大，然后转换成一定伏特的输入电平。从传感器送到ECU输入电路的信号既有模拟信号也有数字信号，输入电路中的模/数转换器可以将模拟信号转换为数字信号，然后传递给微机。微机将上述已经预处理过的信号进行运算处理，并将处理数据送至输出电路。输出电路将数字信息的功率放大，有些还要还原为模拟信号，使其驱动被控的调节伺服元件工作。

第一无线通信模块14与所述远程监控服务器2的第二无线通信模块21进行无线通信连接，其中无线通信方式可以是通用分组无线服务技术(GeneralPacketRadioService，简称GPRS)、第三代移动通信技术(3G)、第四代移动通信技术(4G)等通信方式。通过移动基站进行数据传输，移动基站数量多，信号覆盖范围广，可以达到实时监控的目的。

分析统计模块22利用分布式数据库对存储于其内的垃圾桶的负荷信息数据进行普通的分析和分类汇总时，对于一些实时性需求，可以采用EMC公司(易安信，一家美国信息存储资讯科技公司，主要业务为信息存储及管理产品、服务和解决方案，EMC公司创建于1979年，总部在马萨诸塞州霍普金顿市)的GreenPlum数据库、Oracle公司(甲骨文公司，是全球最大的企业级软件公司，总部位于美国加利福尼亚州的红木滩)的Exadata数据库，以及基于MySQL(关系型数据库管理系统)的列式存储Infobright(Infobright是开源的MySQL数据仓库解决方案，引入了列存储方案，高强度的数据压缩，优化的统计计算)等，而一些批处理，或者基于半结构化数据的需求可以使用Hadoop(Hadoop是一个由Apache基金会所开发的分布式系统基础架构)。

在机器学习领域，支持向量机SVM(SupportVectorMachine)是一个有监督的学习模型，通常用来进行模式识别、分类、以及回归分析。

上述基于大数据处理的垃圾收运系统中，通过垃圾收集车1的垃圾桶抓取机构11自带的称重传感器111来采集垃圾桶的负荷信息，并通过垃圾收集车1的卫星定位模块12来采取垃圾桶的位置信息，相对于现有技术，无需在每一个垃圾桶上设置称重传感器、信号处理模块、垃圾桶通信模块和电源，从而可以大大地节省垃圾收运系统的生产和维护成本，制造与维护成本较低，适合在城市广泛应用；通过远程监控服务器2的分析统计模块22、预处理模块23和数据挖掘模块23对采集垃圾桶的负荷信息和位置信息进行大数据处理，能够实现垃圾桶的配置优化和垃圾收集车的收运路径优化，适应于垃圾收集车1智能化发展的大趋势。

特别地，所述分析统计模块22定期利用分布式数据库对存储于其内的垃圾桶的负荷信息数据进行普通的分析和分类汇总，以定期更新统计数据。这样，随着区域内人口结构的变化所导致的垃圾投放量的变化，通过定期更新统计数据能够适时更新垃圾收运的最优路径，经济效益显著，特别适合在城市中大范围推广。

在本实施例中，所述数据挖掘模块24在计算中将日期因素和垃圾桶位置因素添加到趋势分析模型当中。日期因素和垃圾桶位置因素在趋势分析模型起到最重要的影响，通过将日期因素和垃圾桶位置因素添加到趋势分析模型，可以使得趋势分析模型的建立更加贴近现实情况，提高对垃圾收运的最优路径进行规划的准确性。

特别地，所述日期因素将收集垃圾日期分为普通日期、周末和重大节假日三种。在同一区域内，普通日期、周末和重大节假日所投放的垃圾的数量通常相差较大，因此作为日期因素时应该进行分开，进一步使得趋势分析模型的建立更加贴近现实情况，从而提高对垃圾收运的最优路径进行规划的准确性。

在垃圾桶数量配置进行优化以及规划出垃圾收集车1进行垃圾收运的最优路径的一个具体实施例中，所述数据挖掘模块24通过如下方式对垃圾桶数量配置进行优化以及对规划出垃圾收集车1进行垃圾收运的最优路径：

请同时参照图1，在某一区域内，初始设置的垃圾桶数量为n个，其中n为正整数，设定垃圾收集车1每天收集垃圾3次，分别为早、中、晚，所述数据挖掘模块24预测未来一段时间内垃圾桶的负荷信息数据如下：

将预测的垃圾桶的负荷信息数据与垃圾桶需要收运的负荷设定值M进行比较，初步确定每一个垃圾桶Ti收运次数如下：

根据每个垃圾桶一天的收运次数规划出垃圾车收运垃圾的最优路径，对于每天需要收运1次的垃圾桶，所述数据挖掘模块24生成第一控制指令以指示垃圾收集车1早上进行收运，对于需要收运2次的垃圾桶，所述数据挖掘模块24生成第二控制指令以指示垃圾收集车1选择间隔的两个时间段进行收运，对于需要收运超过3次的垃圾桶，所述数据挖掘模块24生成第三控制指令以提醒垃圾收集车1需要增加垃圾桶数量。另外，根据垃圾产生的频率，还可以确定早、中、晚的具体收运时间，例如，确定收运时间分别是早上6点，下午13点与晚上20点，这样可以进一步提升收运效率，以及避免资源浪费。

上述垃圾桶数量配置进行优化以及规划出垃圾收集车1进行垃圾收运的最优路径仅仅是一个具体的示例，本发明对垃圾桶数量配置进行优化以及对垃圾收集车进行垃圾收运的最优路径的规划方式并不局限如何，可根据实际应用要求进行相应的变换，例如收运的次数并不限于3次，可相应增加或减少。

本发明提供一种基于大数据处理的垃圾收运方法。如图4所示，在本发明的一实施例中，基于大数据处理的垃圾收运方法运行如前述的基于大数据处理的垃圾收运系统，所述垃圾收运方法包括如下步骤：

步骤S10：通过垃圾收集车1的垃圾桶抓取机构11抓取垃圾桶进行垃圾收集，同时通过垃圾桶抓取机构11自带的称重传感器111采集垃圾桶的负荷信息并传输给所述ECU13，以及通过卫星定位模块12采取垃圾桶的位置信息并传输给所述ECU13；

步骤S20：通过ECU13接收所述垃圾桶的负荷信息和位置信息，对所述垃圾桶给出相应编号，将垃圾桶的负荷信息、位置信息和编号进行编码处理形成垃圾桶综合数据并传输给垃圾收集车1的第一无线通信模块14；

步骤S30：通过垃圾收集车1的第一无线通信模块14以无线数据传输方式将编码处理后的垃圾桶综合数据发送给远程监控服务器2；

步骤S40：通过远程监控服务器2的第二无线通信模块21接收所述编码处理后的垃圾桶综合数据并传输给远程监控服务器2的分析统计模块22；

步骤S50：通过远程监控服务器2的分析统计模块22将所述垃圾桶综合数据进行解码处理，得到相应垃圾桶的负荷信息、位置信息和编号后进行存储，并利用分布式数据库对存储于其内的垃圾桶的负荷信息数据进行普通的分析和分类汇总；

步骤S60：通过远程监控服务器2的预处理模块23将经分析和分类汇总后的负荷信息数据导入到一个集中的大型分布式数据库中，在导入基础上做一些简单的清洗和预处理工作；

步骤S70：通过远程监控服务器2的数据挖掘模块24将经过清洗和预处理后的负荷信息数据进行支持向量机SVM优化算法的计算，建立趋势分析模型；基于垃圾桶的负荷信息的历史数据，预测未来一段时间内垃圾桶的负荷数据；根据预测的数据，对垃圾桶数量配置进行优化；以及判断每个垃圾桶垃圾的收运频率，规划出垃圾收集车1进行垃圾收运的最优路径并生成控制指令；

步骤S80：通过远程监控服务器2的第二无线通信模块21以无线数据传输方式将所述控制指令发送给垃圾收集车1；

步骤S90：通过垃圾收集车1的第一无线通信模块14接收所述控制指令并传输给垃圾收集车1的ECU13以指示垃圾收运路径。

分析统计模块22利用分布式数据库对存储于其内的垃圾桶的负荷信息数据进行普通的分析和分类汇总时，对于一些实时性需求，可以采用EMC公司(易安信，一家美国信息存储资讯科技公司，主要业务为信息存储及管理产品、服务和解决方案，EMC公司创建于1979年，总部在马萨诸塞州霍普金顿市)的GreenPlum数据库、Oracle公司(甲骨文公司，是全球最大的企业级软件公司，总部位于美国加利福尼亚州的红木滩)的Exadata数据库，以及基于MySQL(关系型数据库管理系统)的列式存储Infobright(Infobright是开源的MySQL数据仓库解决方案，引入了列存储方案，高强度的数据压缩，优化的统计计算)等，而一些批处理，或者基于半结构化数据的需求可以使用Hadoop(Hadoop是一个由Apache基金会所开发的分布式系统基础架构)。

在机器学习领域，支持向量机SVM(SupportVectorMachine)是一个有监督的学习模型，通常用来进行模式识别、分类、以及回归分析。

上述基于大数据处理的垃圾收运方法中，通过垃圾收集车1的垃圾桶抓取机构11自带的称重传感器111来采集垃圾桶的负荷信息，并通过垃圾收集车1的卫星定位模块12来采取垃圾桶的位置信息，相对于现有技术，无需在每一个垃圾桶上设置称重传感器、信号处理模块、垃圾桶通信模块和电源，从而可以大大地节省垃圾收运系统的生产和维护成本，制造与维护成本较低，适合在城市广泛应用；通过远程监控服务器2的分析统计模块22、预处理模块23和数据挖掘模块23对采集垃圾桶的负荷信息和位置信息进行大数据处理，能够实现垃圾桶的配置优化和垃圾收集车的收运路径优化，适应于垃圾收集车1智能化发展的大趋势。

特别地，所述分析统计模块22定期利用分布式数据库对存储于其内的垃圾桶的负荷信息数据进行普通的分析和分类汇总，以定期更新统计数据。这样，随着区域内人口结构的变化所导致的垃圾投放量的变化，通过定期更新统计数据能够适时更新垃圾收运的最优路径，经济效益显著，特别适合在城市中大范围推广。

在本实施例中，所述数据挖掘模块24在计算中将日期因素和垃圾桶位置因素添加到趋势分析模型当中。日期因素和垃圾桶位置因素在趋势分析模型起到最重要的影响，通过将日期因素和垃圾桶位置因素添加到趋势分析模型，可以使得趋势分析模型的建立更加贴近现实情况，提高对垃圾收运的最优路径进行规划的准确性。

特别地，所述日期因素将收集垃圾日期分为普通日期、周末和重大节假日三种。在同一区域内，普通日期、周末和重大节假日所投放的垃圾的数量通常相差较大，因此作为日期因素时应该进行分开，进一步使得趋势分析模型的建立更加贴近现实情况，从而提高对垃圾收运的最优路径进行规划的准确性。

在垃圾桶数量配置进行优化以及规划出垃圾收集车1进行垃圾收运的最优路径的一个具体实施例中，所述数据挖掘模块24通过如下方式对垃圾桶数量配置进行优化以及对规划出垃圾收集车1进行垃圾收运的最优路径：

请同时参照图1，在某一区域内，初始设置的垃圾桶数量为n个，其中n为正整数，设定垃圾收集车1每天收集垃圾3次，分别为早、中、晚，所述数据挖掘模块24预测未来一段时间内垃圾桶的负荷信息数据如下：

将预测的垃圾桶的负荷信息数据与垃圾桶需要收运的负荷设定值M进行比较，初步确定每一个垃圾桶Ti收运次数如下：

根据每个垃圾桶一天的收运次数规划出垃圾车收运垃圾的最优路径，对于每天需要收运1次的垃圾桶，所述数据挖掘模块24生成第一控制指令以指示垃圾收集车1早上进行收运，对于需要收运2次的垃圾桶，所述数据挖掘模块24生成第二控制指令以指示垃圾收集车1选择间隔的两个时间段进行收运，对于需要收运超过3次的垃圾桶，所述数据挖掘模块24生成第三控制指令以提醒垃圾收集车1需要增加垃圾桶数量。另外，根据垃圾产生的频率，还可以确定早、中、晚的具体收运时间，例如，确定收运时间分别是早上6点，下午13点与晚上20点，这样可以进一步提升收运效率，以及避免资源浪费。

上述垃圾桶数量配置进行优化以及规划出垃圾收集车1进行垃圾收运的最优路径仅仅是一个具体的示例，本发明对垃圾桶数量配置进行优化以及对垃圾收集车进行垃圾收运的最优路径的规划方式并不局限如何，可根据实际应用要求进行相应的变换，例如收运的次数并不限于3次，可相应增加或减少。

本发明并不局限于以上实施方式，在上述实施方式公开的技术内容下，还可以进行各种变化。凡是利用本发明说明书及附图内容所作的等效结构变换，或直接或间接运用在其他相关的技术领域，均同理包括在本发明的专利保护范围内。

Claims (10)

1.一种基于大数据处理的垃圾收运系统，其特征在于，包括垃圾收集车和远程监控服务器，所述垃圾收集车包括垃圾桶抓取机构、卫星定位模块、ECU及第一无线通信模块，所述垃圾桶抓取机构自带有称重传感器，所述远程监控服务器包括第二无线通信模块、分析统计模块、预处理模块和数据挖掘模块，其中：

所述垃圾桶抓取机构用于抓取垃圾桶进行垃圾收集，同时通过自带的称重传感器采集垃圾桶的负荷信息并传输给所述ECU；

所述卫星定位模块用于采取垃圾桶的位置信息并传输给所述ECU；

所述ECU用于接收所述垃圾桶的负荷信息和位置信息，对所述垃圾桶给出相应编号，将垃圾桶的负荷信息、位置信息和编号进行编码处理形成垃圾桶综合数据并传输给所述第一无线通信模块；

所述第一无线通信模块与所述远程监控服务器的第二无线通信模块进行无线通信连接，用于将编码处理后的垃圾桶综合数据发送给所述远程监控服务器，以及接收所述远程监控服务器所发出的控制指令并传输给所述ECU；

所述第二无线通信模块用于接收所述第一无线通信模块所发送的编码处理后的垃圾桶综合数据并传输给所述分析统计模块，以及发送控制指令给所述垃圾收集车；

所述分析统计模块用于将所述垃圾桶综合数据进行解码处理，得到相应垃圾桶的负荷信息、位置信息和编号后进行存储，并利用分布式数据库对存储于其内的垃圾桶的负荷信息数据进行普通的分析和分类汇总；

所述预处理模块用于将经所述分析统计模块进行分析和分类汇总后的负荷信息数据导入到一个集中的大型分布式数据库中，在导入基础上做一些简单的清洗和预处理工作；

所述数据挖掘模块用于将经过所述预处理模块进行清洗和预处理后的负荷信息数据进行支持向量机SVM优化算法的计算，建立趋势分析模型；基于垃圾桶的负荷信息的历史数据，预测未来一段时间内垃圾桶的负荷数据；根据预测的数据，对垃圾桶数量配置进行优化；以及判断每个垃圾桶垃圾的收运频率，规划出垃圾收集车进行垃圾收运的最优路径。

2.如权利要求1所述的垃圾收运系统，其特征在于，所述分析统计模块定期利用分布式数据库对存储于其内的垃圾桶的负荷信息数据进行普通的分析和分类汇总，以定期更新统计数据。

3.如权利要求1所述的垃圾收运系统，其特征在于，所述数据挖掘模块在计算中将日期因素和垃圾桶位置因素添加到趋势分析模型当中。

4.如权利要求3所述的垃圾收运系统，其特征在于，所述日期因素将收集垃圾日期分为普通日期、周末和重大节假日三种。

5.如权利要求1所述的垃圾收运系统，其特征在于，所述数据挖掘模块通过如下方式对垃圾桶数量配置进行优化以及规划出垃圾收集车进行垃圾收运的最优路径：

在某一区域内，初始设置的垃圾桶数量为n个，其中n为正整数，设定垃圾收集车每天收集垃圾3次，分别为早、中、晚，所述数据挖掘模块预测未来一段时间内垃圾桶的负荷信息数据如下：

将预测的垃圾桶的负荷信息数据与垃圾桶需要收运的负荷设定值M进行比较，初步确定每一个垃圾桶Ti收运次数如下：

根据每个垃圾桶一天的收运次数规划出垃圾车收运垃圾的最优路径，对于每天需要收运1次的垃圾桶，所述数据挖掘模块生成第一控制指令以指示垃圾收集车早上进行收运，对于需要收运2次的垃圾桶，所述数据挖掘模块生成第二控制指令以指示垃圾收集车选择间隔的两个时间段进行收运，对于需要收运超过3次的垃圾桶，所述数据挖掘模块生成第三控制指令以提醒垃圾收集车需要增加垃圾桶数量。

6.一种基于大数据处理的垃圾收运方法，其特征在于，包括步骤：

通过垃圾收集车的垃圾桶抓取机构抓取垃圾桶进行垃圾收集，同时通过垃圾桶抓取机构自带的称重传感器采集垃圾桶的负荷信息并传输给所述ECU，以及通过卫星定位模块采取垃圾桶的位置信息并传输给所述ECU；

通过ECU接收所述垃圾桶的负荷信息和位置信息，对所述垃圾桶给出相应编号，将垃圾桶的负荷信息、位置信息和编号进行编码处理形成垃圾桶综合数据并传输给垃圾收集车的第一无线通信模块；

通过垃圾收集车的第一无线通信模块以无线数据传输方式将编码处理后的垃圾桶综合数据发送给远程监控服务器；

通过远程监控服务器的第二无线通信模块接收所述编码处理后的垃圾桶综合数据并传输给远程监控服务器的分析统计模块；

通过远程监控服务器的分析统计模块将所述垃圾桶综合数据进行解码处理，得到相应垃圾桶的负荷信息、位置信息和编号后进行存储，并利用分布式数据库对存储于其内的垃圾桶的负荷信息数据进行普通的分析和分类汇总；

通过远程监控服务器的预处理模块将经分析和分类汇总后的负荷信息数据导入到一个集中的大型分布式数据库中，在导入基础上做一些简单的清洗和预处理工作；

通过远程监控服务器的数据挖掘模块将经过清洗和预处理后的负荷信息数据进行支持向量机SVM优化算法的计算，建立趋势分析模型；基于垃圾桶的负荷信息的历史数据，预测未来一段时间内垃圾桶的负荷数据；根据预测的数据，对垃圾桶数量配置进行优化；以及判断每个垃圾桶垃圾的收运频率，规划出垃圾收集车进行垃圾收运的最优路径并生成控制指令；

通过远程监控服务器的第二无线通信模块以无线数据传输方式将所述控制指令发送给垃圾收集车；

通过垃圾收集车的第一无线通信模块接收所述控制指令并传输给垃圾收集车的ECU以指示垃圾收运路径。

7.如权利要求6所述的垃圾收运方法，其特征在于，所述分析统计模块定期利用分布式数据库对存储于其内的垃圾桶的负荷信息数据进行普通的分析和分类汇总，以定期更新统计数据。

8.如权利要求6所述的垃圾收运方法，其特征在于，所述数据挖掘模块在计算中将日期因素和垃圾桶位置因素添加到趋势分析模型当中。

9.如权利要求8所述的垃圾收运方法，其特征在于，所述日期因素将收集垃圾日期分为普通日期、周末和重大节假日三种。

10.如权利要求6所述的垃圾收运方法，其特征在于，所述数据挖掘模块通过如下方式对垃圾桶数量配置进行优化以及规划出垃圾收集车进行垃圾收运的最优路径：

在某一区域内，初始设置的垃圾桶数量为n个，其中n为正整数，设定垃圾收集车每天收集垃圾3次，分别为早、中、晚，所述数据挖掘模块预测未来一段时间内垃圾桶的负荷信息数据如下：

将预测的垃圾桶的负荷信息数据与垃圾桶需要收运的负荷设定值M进行比较，初步确定每一个垃圾桶Ti收运次数如下：

根据每个垃圾桶一天的收运次数规划出垃圾车收运垃圾的最优路径，对于每天需要收运1次的垃圾桶，所述数据挖掘模块生成第一控制指令以指示垃圾收集车早上进行收运，对于需要收运2次的垃圾桶，所述数据挖掘模块生成第二控制指令以指示垃圾收集车选择间隔的两个时间段进行收运，对于需要收运超过3次的垃圾桶，所述数据挖掘模块生成第三控制指令以提醒垃圾收集车需要增加垃圾桶数量。