CN111536987B - 一种用于大面积垃圾清扫的车辆路径规划方法 - Google Patents
一种用于大面积垃圾清扫的车辆路径规划方法 Download PDFInfo
- Publication number
- CN111536987B CN111536987B CN202010424603.XA CN202010424603A CN111536987B CN 111536987 B CN111536987 B CN 111536987B CN 202010424603 A CN202010424603 A CN 202010424603A CN 111536987 B CN111536987 B CN 111536987B
- Authority
- CN
- China
- Prior art keywords
- path
- cleaning
- information
- vehicle
- planning
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000004140 cleaning Methods 0.000 title claims abstract description 71
- 238000000034 method Methods 0.000 title claims abstract description 68
- 238000012217 deletion Methods 0.000 claims abstract description 10
- 230000037430 deletion Effects 0.000 claims abstract description 10
- 239000011159 matrix material Substances 0.000 claims description 8
- 230000001174 ascending effect Effects 0.000 claims description 4
- 238000000638 solvent extraction Methods 0.000 claims 1
- 230000011218 segmentation Effects 0.000 abstract description 9
- 238000005516 engineering process Methods 0.000 abstract description 6
- 230000006872 improvement Effects 0.000 abstract description 4
- 238000004064 recycling Methods 0.000 description 7
- 238000012360 testing method Methods 0.000 description 7
- 238000000354 decomposition reaction Methods 0.000 description 4
- 238000004364 calculation method Methods 0.000 description 3
- 238000005457 optimization Methods 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 238000010408 sweeping Methods 0.000 description 3
- 238000005265 energy consumption Methods 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 238000005259 measurement Methods 0.000 description 2
- 238000011084 recovery Methods 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000010187 selection method Methods 0.000 description 1
- 238000003860 storage Methods 0.000 description 1
- 239000002699 waste material Substances 0.000 description 1
- 238000005303 weighing Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
- G01C21/26—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 specially adapted for navigation in a road network
- G01C21/34—Route searching; Route guidance
- G01C21/3446—Details of route searching algorithms, e.g. Dijkstra, A*, arc-flags, using precalculated routes
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
- G01C21/26—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 specially adapted for navigation in a road network
- G01C21/34—Route searching; Route guidance
- G01C21/3453—Special cost functions, i.e. other than distance or default speed limit of road segments
Landscapes
- Engineering & Computer Science (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Automation & Control Theory (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Navigation (AREA)
Abstract
本发明提供了一种用于大面积垃圾清扫的车辆路径规划方法，首先清扫车辆接收清扫任务信息，然后根据清扫规划路径信息进行清扫作业，并获取约束条件信息，根据未清扫区域信息和清扫规划路径信息计算预计条件信息，当预计条件信息满足约束条件信息时，根据清扫规划路径信息继续进行清扫作业。为了获得路径任务的良好连接，本发明基于现有技术提出了改进，通过在原始技术中增加对最优路径进行进一步路径分割，对已有路径中的比较差的连接进行删除，从而使得删除后所得较短路径有更多机会寻找良好的连接，最终获取良好的车辆路径安排，具有较好的应用前景。
Description
技术领域
本发明涉及智能垃圾回收路径规划领域，特别涉及一种用于大面积垃圾清扫的车辆路径规划方法，属于智能优化的实际应用领域。
背景技术
垃圾清扫问题是居民生活中的一项重要工作，越来越受到人们的关注，垃圾清扫问题的任务是对于一定区域内的各条生活道路中的垃圾进行清扫，清扫任务由驻扎在回收站的若干辆垃圾回收车完成；每辆车由回收站出发，对分配其的路面进行清扫，等载满后再回至回收站。由于车辆行驶过程中会产生运输费用，所以垃圾清扫问题的目标是对生活区域内的所有道路上的垃圾清扫完毕，并且使得车辆运输的总费用最低，即车辆运输能耗最小。所以，垃圾清扫问题体现了高环保、低能耗。垃圾清扫问题有别于垃圾回收问题，后者是针对垃圾存放点进行处理。所以，垃圾清扫是对应路面垃圾处理，其可归属于容量受限的弧路由问题(Capacitated Arc Routing Problem，CARP)，而垃圾回收问题是对应点处理，其可归属于车辆路径问题(Vehicle Routing Problem，VRP)。
垃圾清扫问题中存在一定条件的约束：(1)车辆由回收站出发，最后回归回收站；(2)每辆车均有一定的车载容量限制，清扫的垃圾量不得超过车载容量限制；(3)一条道路上的垃圾只能被一辆车清扫。由于各道路上的垃圾量存在差异，且道路分布情况往往较复杂，所以垃圾清扫问题是一种复杂的车辆路径规划问题，其可归属于经典的容量受限的弧路由问题。
针对上述问题模型，国内外学者提出了大量问题求解方法，典型的有Ulusoy分割法、基于扩展邻域搜索的MAENS、路径扫描法Path-Scanning以及路径扩张、合并法Augment-Merge等等；然而，上述方法处理的问题规模均有局限性，最大的问题中涉及的任务数不超过200。
随着道路数的增加，清扫问题的解空间会呈爆炸式扩大。所以，使用较早的方法应对大面积垃圾清扫问题的车辆路径规划，往往会出现的问题有：(1)路径规划的满意度下降，即总费用没有得到有效降低；(2)规划过程中，消耗的时间会很长。
现有技术中提出了一种迭代式结构的车辆路径规划方法，但是现有技术的此种迭代式结构在当前代结束时，利用所得的最优路径进行下一循环的问题分解，分解的单位是路径；然而，一条路径包含的信息较复杂，任何两个任务间的连接可能较好，也可能较差，无法确保获得路径任务的良好连接，这样依然存在上述路径规划的满意度下降，总费用无法获得更好的控制。
发明内容
针对上述动态车辆路径优化方法中存在的问题，本发明公布了一种用于大面积垃圾清扫的车辆路径规划方法，通过对已有路径中的比较差的连接进行删除，从而使得删除后所得较短路径有更多机会寻找良好的连接，最终获取良好的车辆路径安排，能够获得好高的路径规划的满意度，使得垃圾清扫的总费用得到更好的控制。
本发明提供的一种用于大面积垃圾清扫的车辆路径规划方法，该方法包括如下步骤：
清扫车辆接收清扫任务信息；其中，所述清扫任务信息中包括清扫区域地图信息和清扫规划路径信息；
根据所述清扫规划路径信息进行清扫作业；
获取约束条件信息；
根据所述未清扫区域信息和清扫规划路径信息计算预计条件信息；
当所述预计条件信息满足所述约束条件信息时，根据所述清扫规划路径信息继续进行清扫作业；
当所述预计条件信息不满足所述约束条件信息时，停止清扫作业。
作为本发明的进一步限定，所述约束条件信息为：
load(Rk)≤Qk，k＝1,2,...,m
上述约束条件中，t0表示特殊的任务，其端点均为depot；st(ti)表示这个行车方案中任务ti的出现次数，inv(ti)表示任务ti方向取反；load(Rk)表示路径Rk的车载量，Rk代表路径的长度，Qk为车容量。
作为本发明的进一步限定，所述清扫规划路径信息采用以下方法制定：
步骤1：初始化种群P(T)，计算个体的适应度，令最优个体为S*，并置cycle＝1；
步骤2：判断cycle是否小于最大循环次数，Max_cyc；若小于，则进入步骤3；若否，则直接输出最优个体S*；
步骤3：采用基于距离的路径分组策略获取最优个体S*的(T1,T2,…,Tg)；
步骤4：置i＝1，并判断i是否小于g；若小于，则使用优化器MAENS处理Ti，并置i＝i+1；如否，则将各子种群中的最好解连接，得到完整解S’；
步骤5：判断完整解S’是否优于S*；若是，则采用完整解S’更新S*；若否，则对S*中的路径进行分割处理；
步骤6：循环次数加1，cycle＝cycle+1，并返回至步骤2。
作为本发明的进一步限定，所述步骤5中使用SR分割S*中的路径的具体方法为：
步骤21：依据S*以及等级矩阵Mrank，对S*中所有连接按等级升序排列，取中位数MLV；
步骤22：令k＝1；
步骤23：从S*中删除Rk；
步骤24：根据步骤1所计算MLV，将Rk的连接归类到集合goodset和badset；其中，goodset为优良连接集合，badset为劣质连接集合；
步骤25：若车辆路径规划连续若干代得不到改进，则从goodset和badset各自随机挑选一个连接goodlink和badlink，转步骤27；
步骤26：从goodset和badset中分别挑选出连接goodlink，badlink：
步骤27：令pr1＝rand()％1000/1000，若pr1<PGsr，则从Rk中删除goodlink；
步骤28：令pr2＝rand()％1000/1000，若pr2<PBsr，则从Rk中删除badlink；
步骤29：将分割后的子路径插入到S*中；
步骤30：k＝k+1，若k<＝m，则转步骤23，继续分割路径。
步骤31：返回分割后的车辆路由方案S*。
其中，Mrank为等级矩阵，rand()表示随机产生一非负整数，pr1与pr2为由rand()函数随机产生的变量，PGsr、PBsr分别为删除优良连接和劣质连接的概率。
作为本发明的进一步限定，所述步骤26中选取goodlink，badlink的具体方法为：
步骤26-1：采用轮盘赌的方式选取goodlink，badlink；
步骤26-2：轮盘赌方式持续若干代无进展，则采用随机方式选取goodlink，badlink；如有进展，即转回轮盘赌方式进行选取。
本发明的有益效果如下：
1、本发明基于现有技术提出了改进，通过在原始技术中增加对最优路径进行进一步路径分割，对已有路径中的比较差的连接进行删除，从而使得删除后所得较短路径有更多机会寻找良好的连接，最终获取良好的车辆路径安排。
2、本发明的路径规划方法与RDG-MAENS方法、QICA-CARP方法、ESMAENS方法相比，仅1个算例上的最好值没有降低，在9个算例上的最好值都有下降。而且对于四种方法，本发明的路径规划方法在所有10个算例上，更新了6个最优值；同时，本发明的路径规划方法能够在所有算例上获得最小的均值，这表明本发明的基于路径分割技术的路径规划方法对于大面积垃圾清扫问题中的路径规划，有着明显的作用，能够获取良好的车辆路径安排。
附图说明
图1为本发明的用于大面积垃圾清扫的车辆路径规划方法的流程图。
具体实施方式
以下将结合附图对本发明各实施例的技术方案进行清楚、完整的描述，显然，所描述的实施例仅仅是本发明的一部分实施例，而不是全部的实施例；基于本发明的实施例，本领域普通技术人员在没有做出创造性劳动的前提下所得到的所有其它实施例，都属于本发明所保护的范围。
垃圾清扫问题可基于图进行描述，具体为：无向图G＝(V，E)，其中V为顶点的集合，V＝{v1,v2,…,vp}，E为边的集合，E＝{e1,e2,…,eq}；集合E中的边ei代表道路i；其端点属于V，即ei＝(u，v)，u，v∈V。每条边ei存在三项非负属性：dem(ei)、sc(ei)以及dc(ei)，分别表示边ei上的需求量，即垃圾量，边ei的服务费用以及边ei非服务的经过费用。
对于dem(ei)>0的边ei而言，其存在任务需求，即对应道路上存在垃圾，需要清扫，此时称边ei为任务。有所有任务边构成的集合记为T，显然T为E的子集，即
由于是基于无向图，每条边ei均存在两个方向，每个方向上的三项属性dem(ei)、sc(ei)以及dc(ei)均相同，但对于路径规划会产生影响。故而，对T中的每个任务t为其分配两个标号，如t1和t2，分别代表不同的方向；如t＝(u,v)，t1代表的方向为<u,v>，则t2则代表<v,u>。以inv()表示方向取反，则t1＝inv(t2)，t2＝inv(t1)。同时，以head(t1)表示t1的第一个顶点，即u，tail(t1)表示t1的第二个顶点，即v。回收站depot处驻扎了K辆车，每辆车的容量记为Q，depot亦属于V。
显然，第k辆车的路径可描述为一系列的任务序列：
其中，Rk代表路径的长度，即车辆所服务的道路数，则整个问题中所有车辆的道路清扫路径规划记为：
S＝(R1,R2,...,Rm) (2)
其中，m代表总的车辆路径数，所以有m≤K。
路径Rk的服务费用为：
其中，Δ(u,v)表示顶点u和v的最短距离，采用Dijkstra算法计算。
总费用为：
所以，问题的目标是tc(S)的最小化，即：
mintc(S) (5)
约束条件描述如下：
load(Rk)≤Qk，k＝1,2,...,m (8)
上述约束条件中，式(6)中的t0是特殊的任务，其端点均为depot，即式(6)的约束为车辆从停车场出发，最后回到停车场；式(7)中st(ti)表示这个行车方案中任务ti的出现次数，故而式(7)确保任一任务只被服务一次；式(8)则确保路径Rk的车载量不能超过车容量Qk。
如图1所示，本发明提供了一种用于大面积垃圾清扫的车辆路径规划方法，该方法包括如下步骤：
一种用于大面积垃圾清扫的车辆路径规划方法，该方法包括如下步骤：
清扫车辆接收清扫任务信息；其中，所述清扫任务信息中包括清扫区域地图信息和清扫规划路径信息；
根据所述清扫规划路径信息进行清扫作业；
获取约束条件信息；
根据所述未清扫区域信息和清扫规划路径信息计算预计条件信息；
当所述预计条件信息满足所述约束条件信息时，根据所述清扫规划路径信息继续进行清扫作业；
当所述预计条件信息不满足所述约束条件信息时，停止清扫作业。
现有技术中提出了一种迭代式结构的车辆路径规划方法，但是现有技术的此种迭代式结构在当前代结束时，利用所得的最优路径进行下一循环的问题分解，分解的单位是路径；然而，一条路径包含的信息较复杂，任何两个任务间的连接可能较好，也可能较差，无法确保获得路径任务的良好连接。
因此，为了获得路径任务的良好连接，本发明基于现有技术提出了改进，通过在原始技术中增加对最优路径进行进一步路径分割，对已有路径中的比较差的连接进行删除，从而使得删除后所得较短路径有更多机会寻找良好的连接，最终获取良好的车辆路径安排。
本发明的具体改进方法为，前述的清扫规划路径信息采用以下方法制定：
步骤1：初始化种群P(T)，计算个体的适应度，令最优个体为S*，并置cycle＝1；
步骤2：判断cycle是否小于最大循环次数，Max_cyc；若小于，则进入步骤3；若否，则直接输出最优个体S*；
步骤3：采用基于距离的路径分组策略获取最优个体S*的(T1,T2,…,Tg)；
步骤4：置i＝1，并判断i是否小于g；若小于，则使用优化器MAENS处理Ti，并置i＝i+1；如否，则将各子种群中的最好解连接，得到完整解S’；
步骤5：判断完整解S’是否优于S*；若是，则采用完整解S’更新S*；若否，则对S*中的路径进行分割处理；
步骤6：循环次数加1，cycle＝cycle+1，并返回至步骤2。
对于给定的路径，断点的设置要确保良好的任务排列得以保留，以备后续的路径搜索规划。也就是，断点应该定位于路径中那些相邻却彼此“关系”差的任务之间。这里任务间的“关系”描述为任务间的排斥度，排斥度越高则“关系”恶劣，反之则“关系”融洽。显然，排斥度高的任务易被分割，排斥度成为断点设置的标尺。排斥度的定义既要依据任务间的距离，也要考虑实际情况，比如某路径中两相邻任务(ti，tj)间的距离最大，然而由于ti是偏远，tj是其距离最近的邻接点，故而相邻任务(ti，tj)间不易设置断点，也就是它们的排斥度较低。另外，排斥度的高低定义不能仅局限于其所在路径，还需考虑整体解中所有路径的构成情况。为了在多样性解的空间里搜索，对于排斥度较低的相邻任务亦可以较低概率进行断点设置。
假设任务集T中的任务数为n，基于上述叙述，我们对于给定的任务t，为其余的n-1个任务分配等级。等级的设置是根据距离t的距离，距离越近，等级越小，反之则越大。需要注意的是，等距离的两个任务，分配的等级相同。如此，可以构造n+1个任务的等级矩阵，其中考虑了中心点depot所对应的任务t0。
等级矩阵Mrank为：
等级矩阵Mrank中，ri,j表示任务j相对于i等级。显然，路径中相邻任务的等级越小，则认为它们之间的连接越优良，反之则认为劣质连接。这里，劣质连接即可成为任务间的断点。
对于一条路径而言，良好的连接希望得以保留，而劣质连接尽量删除。然而，为了扩大搜索的空间，提高寻优的几率，我们对于优良的连接以低概率删除，而劣质连接则以高概率删除。
所以，有两个重要问题需要解决：(1)连接优劣的判断。通过设置衡量参数，进行连接判断。衡量参数应使得问题的搜索朝好的方向进行。本方法将所有连接按等级的升序进行排列，取中位数作为衡量标准，这样会使得整个路径规划中的任务连接趋向较小值变化；(2)当通过衡量标准将所有连接分成两个集合，优良连接集合和劣质连接集合，采用何种方式选择连接删除。
本方法采用轮盘赌的方式选择，轮盘赌又称比例选择方法。该方法是依据对象的贡献程度进行选择，如贡献大，则被选中的概率高，反之则低。当然，如果采用轮盘赌方法，连续若干代车辆路径计划未得以提升，则改用随机方式挑选删除连接。
如上所述，假定当前的路径规划方案为S，本方法所提的路径分割技术步骤描述如下：
步骤21：依据S以及等级矩阵Mrank，对S*中所有连接按等级升序排列，取中位数MLV；
步骤22：令k＝1；
步骤23：从S中删除Rk；
步骤24：根据步骤1所计算MLV，将Rk的连接归类到集合goodset和badset，其中goodset为优良连接集合，badset为劣质连接集合；
步骤25：若车辆路径规划连续若干代得不到改进，则从goodset和badset各自随机挑选一个连接goodlink和badlink，转步骤27；
步骤26：从goodset和badset中分别挑选出连接goodlink，badlink：
步骤27：令pr1＝rand()％1000/1000，若pr1<PGsr，则从Rk中删除goodlink；
步骤28：令pr2＝rand()％1000/1000，若pr2<PBsr，则从Rk中删除badlink；
步骤29：将分割后的子路径插入到S中；
步骤30：k＝k+1，若k<＝m，则转步骤23，继续分割路径。
步骤31：返回分割后的车辆路由方案S。
上述方法中，rand()随机产生一非负整数，pr1与pr2为由rand()函数随机产生的变量，PGsr、PBsr分别为删除优良连接和劣质连接的概率，显然，PGsr相对于PBsr，应设置成较小的值。为了便于表述，将本方法中的路径分割技术记为SR。
上述步骤26中选取goodlink，badlink的具体方法为：
步骤26-1：采用轮盘赌的方式选取goodlink，badlink；
步骤26-2：轮盘赌方式持续若干代无进展，则采用随机方式选取goodlink，badlink；如有进展，即转回轮盘赌方式进行选取。
为了验证本方法提出的路径分割技术SR在广域垃圾清扫问题中的性能，我们对比本发明的方法与现有技术的RDG-MAENS车辆路径规划方法对典型算例进行处理，并比较它们的结果。本发明的路径规划对应算法采用C++为工具实现，操作系统环境为WindowsServer 2008R2企业版，CPU为Intel(R)Xeon(R)E5-2650 v2，2.6GHz，内存64G。测试数据为标准的EGL-G测试集，其中10个测试样例均基于同样的图结构，存在的差异为任务数和车辆容量不同。由于本发明的路径规划方法是基于概率的，所以每个测试样例独立运行30次。同时，比较的方法还包括Shang等提出的优秀方法，包括QICA-CARP以及ESMAENS等方法，方法RDG-MAENS、QICA-CARP以及ESMAENS等结果均取自Shang较新的相关文献。
表1记录了各方法在测试集EGL-G上多次运行的最好结果，其中|V|表示测试算例中的顶点数，|V|表示测试算例中的边数，即总路面数；|T|表示任务数，即需要清扫的路面数，K表示车辆数。对于某一算例，若结果为最小值，则以粗体显示。
表1各方法的结果
由表1可以看出，本发明的路径规划方法仅在G2-C算例上的最好值没有降低，其余9个算例上的最好值都有了下降。而且对于四种方法，本发明的路径规划方法在所有10个算例上，更新了8个最优值。同时，所有算例上最优值的均值，本发明的路径规划方法为1299976.4，现有技术的RDG-MAENS车辆路径规划方法为1303553.5，QICA-CARP为1302394.6，ESMAENS为1301268.3；可见，本发明的路径规划方法对应所有算例的均值最小。
由上述分析知，我们提出的路径分割技术对于大面积垃圾清扫问题中的路径规划，有着明显的作用；本发明已有路径中的比较差的连接进行删除，从而使得删除后所得较短路径有更多机会寻找良好的连接，最终获取良好的车辆路径安排。
以下介绍一个算例的详细结果。
(1)算例介绍
名称：EGL-G1-A，顶点数：255，停车场位置：0，总边数(路面数)：375，需要服务的边数(路面数)：347，提供的车辆数：20，车容量：28600。
边的情况(端点，服务费用，需求量(对应垃圾清扫量))：(0,4,1860,1860)(4,5,556,556)(5,6,821,821)(6,7,606,606)(7,8,2195,2195)(8,9,282,282)(9,10,1834,1834)(10,11,1109,1109)(11,12,591,591)(12,13,3357,3357)(13,14,1922,1922)(4,15,390,390)(15,16,221,221)(16,17,318,318)(5,17,429,429)(17,18,717,717)(6,18,503,503)(15,19,960,960)(19,20,669,669)(18,20,460,460)(19,21,519,519)(21,22,463,463)(20,22,985,985)(21,23,528,528)(22,23,479,479)(23,24,1561,1561)(24,0,2841,0)(20,25,681,681)(7,25,1063,1063)(6,254,991,991)(25,26,969,969)(22,27,1471,1471)(26,27,590,590)(26,28,720,720)(27,28,819,819)(8,28,794,794)(8,254,637,637)(9,29,498,498)(28,30,559,559)(30,29,383,383)(30,31,1671,1671)(31,32,420,420)(29,32,1373,1373)(32,10,130,130)(31,33,546,546)(33,34,510,510)(34,35,363,363)(35,32,424,424)(35,11,673,673)(34,36,894,894)(36,12,226,226)(24,37,709,0)(37,38,2022,2022)(38,39,747,747)(38,40,2431,2431)(40,33,2533,2533)(38,41,3644,3644)(41,42,605,605)(40,42,3742,3742)(42,43,666,666)(36,43,5067,5067)(13,43,3407,3407)(14,44,1414,1414)(44,45,2781,2781)(45,46,844,844)(45,47,774,774)(47,48,553,553)(45,48,1231,1231)(48,49,1041,1041)(49,50,1486,1486)(50,51,1190,1190)(51,52,1254,1254)(52,53,468,468)(53,54,230,230)(54,41,1871,1871)(54,52,662,662)(43,53,1559,1559)(52,55,545,545)(55,56,341,341)(56,57,422,422)(55,57,332,332)(57,58,324,324)(58,51,502,502)(58,59,358,358)(50,59,1076,1076)(56,60,368,368)(60,61,376,376)(61,62,1669,1669)(59,63,1123,1123)(63,64,520,520)(64,65,2332,2332)(65,3,2562,2562)(3,49,2191,2191)(3,47,874,874)(63,66,3301,0)(65,66,4023,0)(66,67,4409,0)(67,68,1781,1781)(68,69,1101,1101)(68,70,563,563)(69,70,984,984)(69,62,2931,2931)(70,71,1613,1613)(71,72,2954,2954)(72,73,577,577)(61,73,3309,3309)(73,74,543,543)(74,72,588,588)(41,74,2479,2479)(74,75,3247,3247)(75,76,1169,1169)(76,39,1022,1022)(75,77,3457,3457)(77,78,342,342)(77,79,4719,4719)(79,80,212,212)(80,71,283,283)(80,81,1725,1725)(81,70,1274,1274)(81,82,422,422)(82,83,1671,1671)(83,79,1294,1294)(83,84,2384,2384)(84,85,1607,1607)(83,86,1479,1479)(85,86,1041,1041)(85,87,8010,8010)(87,88,602,602)(88,89,895,895)(254,88,883,883)(82,90,2892,2892)(90,91,450,450)(91,92,863,863)(92,93,509,509)(93,91,393,393)(67,93,2070,2070)(93,94,2463,2463)(67,94,1390,1390)(2,94,5069,5069)(2,95,3831,3831)(95,96,1948,1948)(92,96,3062,3062)(90,98,762,762)(97,98,4437,4437)(96,97,400,400)(95,99,3661,3661)(99,1,1562,1562)(86,100,1423,1423)(100,101,715,715)(101,102,572,572)(102,103,2681,2681)(103,104,1298,1298)(104,105,1451,1451)(104,106,982,982)(106,107,497,497)(107,105,630,630)(107,108,1268,1268)(106,108,1078,1078)(108,109,1724,1724)(101,110,436,436)(110,102,212,212)(100,111,3207,3207)(111,112,580,580)(112,113,1204,1204)(110,113,2014,2014)(103,113,3092,3092)(112,114,2331,2331)(98,111,2533,2533)(114,98,1971,1971)(114,115,304,304)(115,116,4996,4996)(105,117,1300,1300)(116,117,2279,2279)(117,118,3922,3922)(116,118,691,691)(118,119,7060,7060)(116,120,3157,3157)(120,121,2760,2760)(121,122,843,843)(115,122,4529,4529)(121,123,910,910)(122,123,542,542)(123,124,1486,1486)(124,125,490,490)(125,126,1720,1720)(97,126,3483,3483)(126,127,904,904)(127,128,304,304)(128,129,708,708)(129,130,2233,2233)(130,99,506,506)(131,99,572,572)(131,130,305,305)(131,132,2066,2066)(132,133,272,272)(132,134,1588,1588)(134,135,1753,1753)(135,136,1378,1378)(136,129,547,547)(136,137,224,224)(137,138,251,251)(137,128,424,424)(138,127,589,589)(138,139,772,772)(139,140,1138,1138)(139,141,394,394)(140,141,1308,1308)(141,142,9647,9647)(142,143,2703,2703)(142,144,1451,1451)(144,145,3385,3385)(135,145,604,604)(145,146,1812,1812)(134,146,1406,1406)(146,147,1533,1533)(147,148,697,697)(144,147,796,796)(140,149,547,547)(149,125,842,842)(149,124,881,881)(149,150,364,364)(254,149,477,477)(150,151,736,736)(151,124,971,971)(150,152,1253,1253)(151,152,636,636)(152,153,500,500)(151,154,2376,2376)(120,154,4308,4308)(154,155,2120,2120)(155,156,1295,1295)(153,156,3174,3174)(153,157,1764,1764)(157,158,334,334)(157,159,1652,1652)(158,159,1090,1090)(158,160,5318,5318)(155,161,1937,1937)(161,119,528,528)(161,162,2444,2444)(156,162,2208,2208)(156,160,4163,4163)(160,163,650,650)(163,164,783,783)(160,164,567,567)(164,165,1114,1114)(165,166,1191,1191)(166,162,638,638)(166,167,906,906)(162,167,1474,1474)(163,168,6561,6561)(119,169,3454,3454)(169,170,971,971)(170,171,886,886)(171,172,430,430)(170,254,1041,1041)(169,173,4804,4804)(165,174,696,696)(174,175,859,859)(167,175,271,271)(175,176,1324,1324)(176,174,1596,1596)(165,177,3419,3419)(177,178,1982,1982)(178,179,2073,2073)(179,176,1362,1362)(179,180,957,957)(176,180,2086,2086)(180,181,748,748)(181,173,1231,1231)(173,182,783,0)(182,178,1316,1316)(178,183,1731,1731)(183,184,1499,0)(177,184,2259,2259)(184,185,3109,3109)(184,252,3422,0)(183,186,1452,0)(185,186,1269,1269)(186,187,3112,3112)(187,173,2136,0)(187,188,755,0)(188,189,2565,0)(188,190,792,0)(190,191,1231,0)(190,192,1090,0)(191,192,582,0)(189,193,3251,3251)(193,194,376,376)(194,195,292,292)(194,196,301,301)(185,196,3261,3261)(196,197,309,309)(195,197,206,206)(197,198,3240,3240)(195,198,3076,3076)(198,199,2518,2518)(199,200,950,950)(199,201,937,937)(200,201,402,402)(201,202,1544,1544)(202,203,2782,2782)(202,250,5204,5204)(251,250,2237,0)(251,203,1611,1611)(203,204,2263,2263)(200,205,883,883)(205,204,2489,2489)(204,206,1895,1895)(206,207,2848,2848)(207,208,3369,0)(208,209,1518,1518)(209,210,364,364)(209,211,4722,4722)(206,211,5738,5738)(205,212,1700,1700)(212,213,1250,1250)(212,214,1561,1561)(213,214,1265,1265)(213,215,6400,6400)(215,216,2285,2285)(253,217,1829,0)(217,218,1659,1659)(218,219,1320,1320)(218,215,1346,1346)(214,220,4667,4667)(220,221,532,0)(221,222,695,0)(220,223,1716,0)(221,224,931,0)(223,224,545,545)(223,225,745,745)(222,224,1070,1070)(222,226,1133,1133)(226,227,3200,3200)(222,228,2680,2680)(228,229,418,418)(229,230,326,326)(228,230,220,220)(230,231,1412,1412)(231,232,4093,4093)(232,233,4007,4007)(232,254,354,354)(231,233,7275,7275)(229,234,3445,3445)(234,235,1645,1645)(235,236,1063,1063)(235,237,1669,1669)(237,192,901,901)(237,238,1077,1077)(238,234,1426,1426)(234,239,2205,0)(239,240,2880,0)(238,240,1392,0)(240,241,1248,1248)(241,191,403,403)(241,242,1690,1690)(240,242,1217,1217)(242,243,1580,1580)(242,244,1752,1752)(243,244,620,620)(243,193,1198,1198)(244,245,5203,5203)(245,214,1326,1326)(245,246,2680,2680)(246,247,2068,2068)(244,247,2904,2904)(247,248,624,624)(248,239,876,876)(248,249,1840,1840)(246,249,1432,1432)(249,228,812,812)(221,246,2857,2857)(211,253,775,0)(216,253,381,0)。
(2)垃圾清扫路径规划
总费用：997502
车辆通过的顶点序列：
04562542322312302282492462452142132122052002012022032042062072082092102092112532162152132142452462492282302312322546540045625423223123022824924624524424319319419519719819920020120225025120320220119919819519719619419318918818717316917025465400456254232231230228222221220214212205204206211253217218219218215213214245246249228230231232254654004562541701691731871861851961941932432422411912412402422442472482492282302312322546540045625414912415115415516116216616517717818318618518417717818217817918017917618018117316917025465400456254232231230229228222226227226222224223225223224221246247248239234235236235237192237238234229230231232254654004567252627283029323133404243535251504936564635958515857555253544142403837240045625414912512412312112011611710510410310410610810910810710610710511711811611811916917025465400456789293210323511121343361236343534333130282625202221232400415192018625414914014114214314214414513513613712812713813914114014925465400415161718625423223323123225482827222321191540024373841747372717069686793919098114115122123124149254654002437383976757472736160565758595049484546454734748454414131211109825465171615400456254149125126979695294676870818079807170696261605655525441383724004562548889888785848386858610011198971261251492546540045625414912512612712812913013199199131132133132134135145146147148147144147146134135136137138139140149254654004562541491501521531561601631681631641601581591571581571531521511501492546540045625417017117217117016911916116216717517617416516416517417516716616215615515415115014925465400456254149150151154120116115114112113110101100101102110102103113112111112114115122121123124149254654002437383976757778777983828182909192939493929695991301291361371381391401492546540。
综上对本发明的技术方案的说明，以及在相同算例下与其他三种算法的对比，本发明的用于大面积垃圾清扫的车辆路径规划方法通过对已有路径中的比较差的连接进行删除，从而使得删除后所得较短路径有更多机会寻找良好的连接，最终获取良好的车辆路径安排，具有较好的应用前景。
以上所述，仅为本发明较佳的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，根据本发明的技术方案及其发明构思加以等同替换或改变，都应涵盖在本发明的保护范围之内。
Claims (2)
1.一种用于大面积垃圾清扫的车辆路径规划方法，其特征在于，该方法包括如下步骤：
清扫车辆接收清扫任务信息；其中，所述清扫任务信息中包括清扫区域地图信息和清扫规划路径信息；
根据所述清扫规划路径信息进行清扫作业；
获取约束条件信息；
根据所述未清扫区域信息和清扫规划路径信息计算预计条件信息；
当所述预计条件信息满足所述约束条件信息时，根据所述清扫规划路径信息继续进行清扫作业；
当所述预计条件信息不满足所述约束条件信息时，停止清扫作业；
所述约束条件信息为：
上述约束条件中，t 0表示特殊的任务，其端点均为depot；st(t i )表示这个行车方案中任务t i 的出现次数，inv(t i )表示任务t i 方向取反；
表示路径R k 的车载量，R k 代表路径的长度，Q k 为车容量；
所述清扫规划路径信息采用以下方法制定：
步骤1：初始化种群P(T)，计算个体的适应度，令最优个体为S*，并置cycle=1；
步骤2：判断cycle是否小于最大循环次数，Max_cyc；若小于，则进入步骤3；若否，则直接输出最优个体S*；
步骤3：采用基于距离的路径分组策略获取最优个体S*的(T 1,T 2,…,T g)；
步骤4：置i=1，并判断i是否小于g；若小于，则使用优化器MAENS处理T i ，并置i=i+1；如否，则将各子种群中的最好解连接，得到完整解S’；
步骤5：判断完整解S’是否优于S*；若是，则采用完整解S’更新S*；若否，则对S*中的路径进行分割处理；
步骤6：循环次数加1，cycle=cycle+1，并返回至步骤2；
所述步骤5中使用SR分割S*中的路径的具体方法为：
步骤21：依据S*以及等级矩阵M rank ，对S*中所有连接按等级升序排列，取中位数MLV；
步骤22：令k=1；
步骤23：从S*中删除R k ；
步骤24：根据步骤1所计算MLV，将R k 的连接归类到集合goodset和badset；其中，goodset为优良连接集合，badset为劣质连接集合；
步骤25：若车辆路径规划连续若干代得不到改进，则从goodset和badset各自随机挑选一个连接goodlink和badlink，转步骤27；
步骤26：从goodset和badset中分别挑选出连接goodlink，badlink：
步骤27：令pr1=rand()%1000/1000，若pr1<PGsr，则从R k 中删除goodlink；
步骤28：令pr2=rand()%1000/1000，若pr2<PBsr，则从R k 中删除badlink；
步骤29：将分割后的子路径插入到S*中；
步骤30：k=k+1，若k<=m，则转步骤23，继续分割路径；
步骤31：返回分割后的车辆路由方案S*；
其中，M rank 为等级矩阵，rand()表示随机产生一非负整数，pr1与pr2为由rand()函数随机产生的变量，PGsr、PBsr分别为删除优良连接和劣质连接的概率。
2.根据权利要求1所述的用于大面积垃圾清扫的车辆路径规划方法，其特征在于，所述步骤26中选取goodlink，badlink的具体方法为：
步骤26-1：采用轮盘赌的方式选取goodlink，badlink；
步骤26-2：轮盘赌方式持续若干代无进展，则采用随机方式选取goodlink，badlink；如有进展，即转回轮盘赌方式进行选取。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010424603.XA CN111536987B (zh) | 2020-05-19 | 2020-05-19 | 一种用于大面积垃圾清扫的车辆路径规划方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010424603.XA CN111536987B (zh) | 2020-05-19 | 2020-05-19 | 一种用于大面积垃圾清扫的车辆路径规划方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN111536987A CN111536987A (zh) | 2020-08-14 |
| CN111536987B true CN111536987B (zh) | 2023-03-28 |
Family
ID=71968775
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010424603.XA Active CN111536987B (zh) | 2020-05-19 | 2020-05-19 | 一种用于大面积垃圾清扫的车辆路径规划方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111536987B (zh) |
Families Citing this family (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112067011B (zh) * | 2020-08-24 | 2024-04-26 | 安庆师范大学 | 一种基于大规模多中心问题的路径规划方法 |
| CN112033430B (zh) * | 2020-08-24 | 2023-08-29 | 安庆师范大学 | 一种改进的基于大规模多中心问题的路径规划方法 |
| CN112258048B (zh) * | 2020-10-23 | 2023-07-21 | 安庆师范大学 | 降低pcarp问题中车辆数的任务日程安排方法及电子设备 |
| CN112833899B (zh) * | 2020-12-31 | 2022-02-15 | 吉林大学 | 一种用于无人环卫车的全覆盖路径规划方法 |
| CN115265543B (zh) * | 2022-07-19 | 2023-07-18 | 中环洁环境有限公司 | 一种环卫洗扫车路径规划的方法、系统、介质及设备 |
| CN117852733B (zh) * | 2023-12-06 | 2024-07-30 | 江南大学 | 一种基于大规模限量弧路由问题求解的路径规划方法 |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108594828A (zh) * | 2018-06-05 | 2018-09-28 | 北京智行者科技有限公司 | 一种清扫作业路径的生成方法 |
| CN108733061A (zh) * | 2018-06-05 | 2018-11-02 | 北京智行者科技有限公司 | 一种清扫作业的路径修正方法 |
| WO2019042295A1 (zh) * | 2017-08-31 | 2019-03-07 | 广州小鹏汽车科技有限公司 | 一种无人驾驶路径规划方法、系统和装置 |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US8041654B2 (en) * | 2007-06-01 | 2011-10-18 | Neal Solomon | System for hybridized efficient genetic algorithms to solve bi-objective optimization problems with application to network computing |
-
2020
- 2020-05-19 CN CN202010424603.XA patent/CN111536987B/zh active Active
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2019042295A1 (zh) * | 2017-08-31 | 2019-03-07 | 广州小鹏汽车科技有限公司 | 一种无人驾驶路径规划方法、系统和装置 |
| CN108594828A (zh) * | 2018-06-05 | 2018-09-28 | 北京智行者科技有限公司 | 一种清扫作业路径的生成方法 |
| CN108733061A (zh) * | 2018-06-05 | 2018-11-02 | 北京智行者科技有限公司 | 一种清扫作业的路径修正方法 |
Non-Patent Citations (3)
| Title |
|---|
| 基于CPS架构的垃圾转运车辆的优化调度系统;周克良等;《制造业自动化》(第06期);全文 * |
| 基于改进混合蛙跳和GIS的城市垃圾车回收路径优化设计;明勇等;《计算机测量与控制》(第12期);全文 * |
| 随机配送时间车辆路径优化模型及求解算法;李秦渝等;《自动化与仪器仪表》(第03期);全文 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN111536987A (zh) | 2020-08-14 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN111536987B (zh) | 一种用于大面积垃圾清扫的车辆路径规划方法 | |
| CN110516870B (zh) | 一种基于协同进化的多回收站点垃圾收运方法 | |
| CN101694749B (zh) | 一种路径推测方法及装置 | |
| CN112215427B (zh) | 一种卡口数据缺失下的车辆行车轨迹重建方法及系统 | |
| CN110836675B (zh) | 一种基于决策树的自动驾驶搜索决策方法 | |
| CN107180274B (zh) | 一种电动汽车充电设施规划典型场景选取和优化方法 | |
| CN110807552B (zh) | 一种基于改进K-means的城市电动客车行驶工况构建方法 | |
| CN108195380A (zh) | 一种基于最短路径的agv最优路径选择方法 | |
| CN108805335B (zh) | 一种公共自行车调度方法 | |
| CN110046213A (zh) | 一种顾及路径失真纠正与交叉跨越纠正的电力选线方法 | |
| CN113935539B (zh) | 一种垃圾用地部署的区域划分和路径规划的方法 | |
| Zhang et al. | The effect of nonlinear charging function and line change constraints on electric bus scheduling | |
| CN116542709A (zh) | 一种基于交通态势感知的电动汽车充电站规划分析方法 | |
| CN109855640B (zh) | 一种基于自由空间与人工蜂群算法的路径规划方法 | |
| CN111611668A (zh) | 一种顾及几何特征与语义信息的道路网自动选取方法 | |
| CN106845727A (zh) | 考虑配网潮流约束的高速公路快速充电站启发式规划方法 | |
| CN110956325B (zh) | 一种带时间窗的电动汽车路径规划方法 | |
| Zhang et al. | Integrated route and charging planning for electric vehicles considering nonlinear charging functions | |
| CN112269848A (zh) | 一种众包轨迹数据融合方法及装置 | |
| Waury et al. | Assessing the accuracy benefits of on-the-fly trajectory selection in fine-grained travel-time estimation | |
| AU2021102429A4 (en) | Method for selecting roads in a small-mesh accumulation area | |
| CN115619900A (zh) | 基于距离地图和概率路图的点云地图拓扑结构提取方法 | |
| CN112067011B (zh) | 一种基于大规模多中心问题的路径规划方法 | |
| Li et al. | Efficient k Nearest Neighbor Query Processing on Public Transportation Network | |
| CN116402317B (zh) | 一种城市环境大数据综合管理系统 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |