CN113762624A - 一种垃圾清运车路线优化方法及城市垃圾清运生态系统 - Google Patents
一种垃圾清运车路线优化方法及城市垃圾清运生态系统 Download PDFInfo
- Publication number
- CN113762624A CN113762624A CN202111057437.5A CN202111057437A CN113762624A CN 113762624 A CN113762624 A CN 113762624A CN 202111057437 A CN202111057437 A CN 202111057437A CN 113762624 A CN113762624 A CN 113762624A
- Authority
- CN
- China
- Prior art keywords
- garbage
- vehicle
- temporary
- route
- garbage collection
- 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.)
- Pending
Links
- 239000010813 municipal solid waste Substances 0.000 title claims abstract description 210
- 238000000034 method Methods 0.000 title claims abstract description 29
- 238000005457 optimization Methods 0.000 title claims abstract description 8
- 238000004140 cleaning Methods 0.000 claims abstract description 52
- 238000013473 artificial intelligence Methods 0.000 claims description 15
- 238000012544 monitoring process Methods 0.000 claims description 6
- 238000013528 artificial neural network Methods 0.000 claims description 5
- 238000013145 classification model Methods 0.000 claims description 4
- 238000007781 pre-processing Methods 0.000 claims description 4
- 238000012545 processing Methods 0.000 claims description 4
- 238000012549 training Methods 0.000 claims description 4
- 238000004891 communication Methods 0.000 claims description 3
- 238000013500 data storage Methods 0.000 claims description 3
- 238000005516 engineering process Methods 0.000 claims description 3
- 238000003709 image segmentation Methods 0.000 claims description 3
- 238000012795 verification Methods 0.000 claims description 3
- 230000009466 transformation Effects 0.000 claims description 2
- 239000000463 material Substances 0.000 description 3
- 238000013527 convolutional neural network Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 230000032258 transport Effects 0.000 description 2
- 239000002699 waste material Substances 0.000 description 2
- 238000007792 addition Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 230000001788 irregular Effects 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000000691 measurement method Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 239000002689 soil Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
- G06Q10/047—Optimisation of routes or paths, e.g. travelling salesman problem
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/50—Information retrieval; Database structures therefor; File system structures therefor of still image data
- G06F16/58—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually
- G06F16/583—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using metadata automatically derived from the content
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/50—Information retrieval; Database structures therefor; File system structures therefor of still image data
- G06F16/58—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually
- G06F16/5866—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using information manually generated, e.g. tags, keywords, comments, manually generated location and time information
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/50—Information retrieval; Database structures therefor; File system structures therefor of still image data
- G06F16/58—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually
- G06F16/587—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using geographical or spatial information, e.g. location
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/60—Analysis of geometric attributes
- G06T7/62—Analysis of geometric attributes of area, perimeter, diameter or volume
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10004—Still image; Photographic image
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02W—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO WASTEWATER TREATMENT OR WASTE MANAGEMENT
- Y02W30/00—Technologies for solid waste management
- Y02W30/50—Reuse, recycling or recovery technologies
- Y02W30/82—Recycling of waste of electrical or electronic equipment [WEEE]
Abstract
本发明公开了一种垃圾清运车路线优化方法及城市垃圾清运生态系统，涉及垃圾清运技术领域，解决了现有方案定点定时对垃圾进行清运，导致垃圾清运成本高和效率低的技术问题；本发明将垃圾清运车辆划分为常规车辆和临时车辆；通过常规车辆完成常规路线上的垃圾清运，通过临时车辆完成临时路线上的垃圾清运；既能够保证垃圾清运的及时性，又能够降低垃圾清运的成本；本发明通过高清摄像头和智能终端生成临时需求，进而生成临时路线；在完成常规路线垃圾清运的基础上，还通过高清图像来调度临时车辆完成垃圾的紧急清运，提高了垃圾定点清运效率。
Description
技术领域
本发明属于垃圾清运技术领域，具体是一种垃圾清运车路线优化方法及城市垃圾清运生态系统。
背景技术
城市社区产生的垃圾数量和垃圾种类日趋增多，及时对垃圾进行分类清理，对空气、土壤、气候等自然环境有着极大的好处。目前社区垃圾的清运处理采集传统的工作模式，由垃圾清运公司人工对来及收集点的垃圾箱逐一清理，这种方式无法掌握社区垃圾收集点垃圾箱的容量状态，且垃圾清运车也是在固定时间，沿着固定的路线对垃圾点的垃圾进行清运，不仅会提高垃圾清运公司的运营成本，而且效率低下，无法实现对垃圾进行高效、实时清运的目标。
因此，亟需一种多维度、高效率的垃圾清运系统来解决现有方案存在的垃圾清运成本高、效率低下的问题。
发明内容
本发明提供了一种垃圾清运车路线优化方法及城市垃圾清运生态系统，用于解决现有方案定点定时对垃圾进行清运，导致垃圾清运成本高和效率低的技术问题，本发明通过对垃圾清运车辆进行划分，以及设置临时路线解决了上述问题。
本发明的目的可以通过以下技术方案实现：一种垃圾清运车路线优化方法，包括：
将垃圾清运公司的垃圾清运车辆划分成常规车辆和临时车辆；
通过高清摄像头和智能终端对垃圾收集点的垃圾体积进行实时监控，并生成临时需求；其中，临时需求包括至少一条垃圾参数，每条垃圾参数包括垃圾收集点的地理位置和垃圾体积；
根据临时需求生成临时路线，同时获取垃圾清运公司的常规路线；
根据常规路线或者临时路线调度垃圾清运车辆，并实时获取垃圾清运车辆的运行状态，根据运行状态实时调整垃圾清运车辆的行驶路线；其中，运行状态包括垃圾清运车辆的地理位置和车厢剩余容量。
优选的，通过设定比例或者经验数据将所述垃圾清运车辆划分为常规车辆和临时车辆；其中，设定比例包括3:1、4:1和5:2。
优选的，根据所述经验数据实现垃圾清运车辆划分，包括：
获取天气预测参数；其中，天气预测参数与经验数据中天气参数的内容属性一致；
获取车辆划分模型；其中，车辆划分模型通过经验数据对人工智能模型训练获取，人工智能模型包括深度卷积神经网络和RBF神经网络；
将天气预测参数输入至车辆划分模型获取输出结果；其中，输出结果即为天气预测参数对应的常规车辆和临时车辆的比值；
根据输出结果对垃圾清运车辆进行划分。
优选的，所述车辆划分模型的获取包括：
获取经验数据；其中，经验数据包括天气参数以及该天气参数对应调度的常规车辆和临时车辆的比值，天气参数包括温度均值、湿度均值和天气状态标签；天气状态标签为1时，表示晴朗天气，天气状态标签为2时，表示云雾天气，天气状态标签为3时，表示雨雪天气；
构建人工智能模型；其中，人工智能模型至少包括深度卷积神经网络和RBF神经网络中的一种；
将经验数据中的天气参数作为人工智能模型的输入数据，将天气参数对应调度的常规车辆和临时车辆的比值作为人工智能模型的输出数据，对人工智能模型进行训练，将训练完成的人工智能模型标记为车辆划分模型。
优选的，垃圾收集点的所述垃圾体积的获取包括：
通过高清摄像头和/或智能终端获取垃圾收集点的高清图像；
对高清图像进行图像预处理之后获取目标图像；其中，图像预处理包括图像分割、图像去噪和灰度变换；
根据图像识别技术获取目标图像中的垃圾体积。
优选的，所述临时需求的生成包括：
当垃圾体积达到体积阈值时，则判定对应垃圾收集点需要进行垃圾清运；
获取对应垃圾收集点的地理位置，联合垃圾体积生成临时需求。
优选的，根据所述临时需求获取临时路线，包括：
当临时需求中仅包括一个垃圾收集点的垃圾信息时，则将垃圾清运公司或者临时车辆停放点作为初始位置，将垃圾信息中的地理位置作为目标位置；
根据距离最短原则和/或者时间最短原则规划初始位置和目标位置之间的路线，并标记为临时路线。
优选的，所述常规路线为垃圾清运公司根据负责的垃圾收集点设置的垃圾清运路线，且垃圾清运公司调度常规车辆对常规路线上的垃圾收集点进行垃圾清运。
优选的，在根据所述临时路线调度临时车辆之前，还包括对常规车辆的地理位置进行校验；当常规车辆的地理位置满足要求时，则通过该常规车辆完成临时需求。
优选的，校验所述常规车辆的地理位置包括：
获取临时需求中垃圾收集点的地理位置，并标记为校验位置；
以校验位置为圆心，以设定距离为半径划定圆形区域；其中，设定距离为小于校验距离的正数；校验距离为校验位置和垃圾清运公司的距离，或者为校验位置和临时车辆停放点的距离；
当圆形区域中存在常规车辆时，则判定常规车辆的地理位置满足要求，并选择圆形区域中与校验位置距离最小的常规车辆来完成临时需求。
优选的，所述智能终端包括智能手机和平板电脑。
一种城市垃圾清运生态系统，包括：
数据采集模块：与高清摄像头和智能终端通信连接，用于实时监控垃圾收集点的垃圾体积；
中央处理模块：用于根据数据采集模块获取的数据生成临时需求，并实现对垃圾清运车辆的划分；根据常规路线或者临时路线调度垃圾清运车辆，并实时获取垃圾清运车辆的运行状态；
实时监控模块：用于实时显示垃圾清运车辆的运行状态和形式路线；
数据存储模块：用于存储数据采集模块获取的数据和车辆划分模型。
与现有技术相比，本发明的有益效果是：
1、本发明将垃圾清运车辆划分为常规车辆和临时车辆；通过常规车辆完成常规路线上的垃圾清运，通过临时车辆完成临时路线上的垃圾清运；既能够保证垃圾清运的及时性，又能够降低垃圾清运的成本。
2、本发明通过高清摄像头和智能终端生成临时需求，进而生成临时路线；在完成常规路线垃圾清运的基础上，还通过高清图像来调度临时车辆完成垃圾的紧急清运，提高了垃圾定点清运效率。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1为本发明的工作步骤示意图；
图2为本发明的系统原理示意图。
具体实施方式
下面将结合实施例对本发明的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其它实施例，都属于本发明保护的范围。
这里使用的术语用于描述实施例，并不意图限制和/或限制本公开；应该注意的是，除非上下文另有明确指示，否则单数形式的“一”、“一个”和“该”也包括复数形式；而且，尽管属于“第一”、“第二”等可以在本文中用于描述各种元件，但是元件不受这些术语的限制，这些术语仅用于区分一个元素和另一个元素。
请参阅图1-图2，本申请提供了一种垃圾清运车路线优化方法，包括：
将垃圾清运公司的垃圾清运车辆划分成常规车辆和临时车辆；
通过高清摄像头和智能终端对垃圾收集点的垃圾体积进行实时监控，并生成临时需求；
根据临时需求生成临时路线，同时获取垃圾清运公司的常规路线；
根据常规路线或者临时路线调度垃圾清运车辆，并实时获取垃圾清运车辆的运行状态，根据运行状态实时调整垃圾清运车辆的行驶路线。
本申请的思路是将垃圾清运公司现有的垃圾清运车辆划分成常规车辆和临时车辆，保证充足的后备机动力量；常规车辆按照设定的清运时间完成常规路线上的垃圾清运，临时车辆不受时间限制的完成临时路线上的垃圾清运；在另外一些优选的实施例中，临时车辆在工作人员的上班时间完成临时路线上的垃圾清运。
本实施例中，临时需求包括至少一条垃圾参数，每条垃圾参数包括垃圾收集点的地理位置和垃圾体积；运行状态包括垃圾清运车辆的地理位置和车厢剩余容量。
本实施例中，既可以根据设定比例划分垃圾清运车辆，又可以根据经验数据划分垃圾清运车辆。
设定比例包括3:1、4:1和5:2；当设定比例为3:1时，表示常规车辆和临时车辆的比值为3:1；当设定比例为4:1时，表示常规车辆和临时车辆的比值为4:1；
根据所述经验数据实现垃圾清运车辆划分，包括：
获取经验数据；其中，经验数据包括天气参数以及该天气参数对应调度的常规车辆和临时车辆的比值，天气参数包括温度均值、湿度均值和天气状态标签；天气状态标签为1时，表示晴朗天气，天气状态标签为2时，表示云雾天气，天气状态标签为3时，表示雨雪天气；
构建人工智能模型；本实施例中人工智能模型具体为深度卷积神经网络模型；
将经验数据中的天气参数作为人工智能模型的输入数据，将天气参数对应调度的常规车辆和临时车辆的比值作为人工智能模型的输出数据，对人工智能模型进行训练，将训练完成的人工智能模型标记为车辆划分模型；
获取天气预测参数；
将天气预测参数输入至车辆划分模型获取输出结果；其中，输出结果即为天气预测参数对应的常规车辆和临时车辆的比值；
根据输出结果对垃圾清运车辆进行划分。
值得注意的是，天气预测参数与经验数据中天气参数的内容属性一致，即天气预测参数也包括温度均值、湿度均值和天气状态标签，天气预测参数可以根据天气预报获取。
本实施例中，经验数据包括天气参数以及该天气参数对应调度的常规车辆和临时车辆的比值，这里常规车辆和临时车辆的比值与天气参数一一对应，温度均值和湿度均值是指一天的平均值，如某天的温度均值和湿度均值，某天中云雾天气所占时间最长，则这一天对应的天气状态标签为2。
本实施例通过高清摄像头和智能终端获取垃圾收集点的垃圾体积，包括：
通过高清摄像头和/或智能终端获取垃圾收集点的高清图像；
对高清图像进行图像分割、图像去噪和灰度变换之后获取目标图像；
根据图像识别技术获取目标图像中的垃圾体积；根据图像获取垃圾体积具体可参考申请号为CN201910972066X的发明专利(一种基于双目相机的不规则堆料体积测量方法)，以及论文《复杂形状物料堆体积测量算法研究》中的技术方案。
值得注意的是，本实施例还可以将高清摄像头和智能终端获取的高清图像分开分析；高清摄像头固定设置在垃圾收集点，并对垃圾收集点进行实时监控，当高清摄像头获取到垃圾体积达到需要清运的要求时，则设置临时需求，进而通过临时路线完成垃圾清运；与此同时，居民/路人可以通过智能终端对垃圾收集点的垃圾体积进行上报，中央处理模块根据上报的信息设置临时需求，进而通过临时路线完成垃圾清运。
本实施例中，提供了临时需求的生成方式，包括：
当垃圾体积达到体积阈值时，则判定对应垃圾收集点需要进行垃圾清运；
获取对应垃圾收集点的地理位置，联合垃圾体积生成临时需求。
本实施例提供的体积阈值可以根据垃圾收集点中垃圾箱的体积进行设置；如垃圾收集点中至少有一个垃圾桶满了，则可以理解为垃圾体积达到了体积阈值，则可以生成临时需求。
本实施例中，根据临时需求获取临时路线，包括：
当临时需求中仅包括一个垃圾收集点的垃圾信息时，则将垃圾清运公司或者临时车辆停放点作为初始位置，将垃圾信息中的地理位置作为目标位置；
根据距离最短原则或者时间最短原则规划初始位置和目标位置之间的路线，并标记为临时路线。
距离最短原则和时间最短原则的目的都是保证临时车辆在最短的时间内完成临时路线上垃圾收集的任务，且距离最短原则和时间最短原则可以交叉运用。
本申请中虽然设置了临时需求和临时路线，但是并不是直接按照临时路线来进行垃圾清运，在根据临时路线调度临时车辆之前，还包括对常规车辆的地理位置进行校验；当常规车辆的地理位置满足要求时，则通过该常规车辆完成临时需求。
获取临时需求中垃圾收集点的地理位置，并标记为校验位置；
以校验位置为圆心，以设定距离为半径划定圆形区域；其中，设定距离为小于校验距离的正数；校验距离为校验位置和垃圾清运公司的距离，或者为校验位置和临时车辆停放点的距离；
当圆形区域中存在常规车辆时，则判定常规车辆的地理位置满足要求，并选择圆形区域中与校验位置距离最小的常规车辆来完成临时需求。
本实施例提供的对常规车辆的地理位置进行校验的思想是如果在校验位置旁边有常规车辆，则通过常规车辆对校验位置的垃圾收集点进行垃圾清运，则不必要在从垃圾清运公司或者临时车辆停放点调度临时车辆。
本申请根据常规路线或者临时路线调度垃圾清运车辆，并实时获取垃圾清运车辆的运行状态，根据运行状态实时调整垃圾清运车辆的行驶路线。如当临时需求中仅包括一个垃圾收集点时，可在返程过程中对临时路线上的垃圾收集点或者相对于临时路线偏离程度在允许范围内的垃圾收集点进行垃圾清运。如临时车辆在返程过程中对与临时路线垂直距离为1公里的垃圾收集点完成垃圾清运。
本申请提供了一种城市垃圾清运生态系统，包括：
数据采集模块：与高清摄像头和智能终端通信连接，用于实时监控垃圾收集点的垃圾体积；
中央处理模块：用于根据数据采集模块获取的数据生成临时需求，并实现对垃圾清运车辆的划分；根据常规路线或者临时路线调度垃圾清运车辆，并实时获取垃圾清运车辆的运行状态；
实时监控模块：用于实时显示垃圾清运车辆的运行状态和形式路线；
数据存储模块：用于存储数据采集模块获取的数据和车辆划分模型。
本发明的工作原理：
将垃圾清运公司的垃圾清运车辆划分成常规车辆和临时车辆；通过高清摄像头和智能终端对垃圾收集点的垃圾体积进行实时监控，并生成临时需求；根据临时需求生成临时路线，同时获取垃圾清运公司的常规路线；根据常规路线或者临时路线调度垃圾清运车辆，并实时获取垃圾清运车辆的运行状态，根据运行状态实时调整垃圾清运车辆的行驶路线。
在本说明书的描述中，参考术语“一个实施例”、“示例”、“具体示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不一定指的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。
以上内容仅仅是对本发明结构所作的举例和说明，所属本技术领域的技术人员对所描述的具体实施例做各种各样的修改或补充或采用类似的方式替代，只要不偏离发明的结构或者超越本权利要求书所定义的范围，均应属于本发明的保护范围。
Claims (10)
1.一种垃圾清运车路线优化方法，其特征在于，包括：
将垃圾清运公司的垃圾清运车辆划分成常规车辆和临时车辆；
通过高清摄像头和智能终端对垃圾收集点的垃圾体积进行实时监控，并生成临时需求；其中，临时需求包括至少一条垃圾参数，每条垃圾参数包括垃圾收集点的地理位置和垃圾体积；
根据临时需求生成临时路线，同时获取垃圾清运公司的常规路线；
根据常规路线或者临时路线调度垃圾清运车辆，并实时获取垃圾清运车辆的运行状态，根据运行状态实时调整垃圾清运车辆的行驶路线；其中，运行状态包括垃圾清运车辆的地理位置和车厢剩余容量。
2.根据权利要求1所述的一种垃圾清运车路线优化方法，其特征在于，通过设定比例或者经验数据将所述垃圾清运车辆划分为常规车辆和临时车辆；其中，设定比例包括3:1、4:1和5:2。
3.根据权利要求2所述的一种垃圾清运车路线优化方法，其特征在于，根据所述经验数据实现垃圾清运车辆划分，包括：
获取天气预测参数；其中，天气预测参数与经验数据中天气参数的内容属性一致，经验数据包括天气参数以及该天气参数对应调度的常规车辆和临时车辆的比值，天气参数包括温度均值、湿度均值和天气状态标签；
获取车辆划分模型；其中，车辆划分模型通过经验数据对人工智能模型训练获取，人工智能模型包括深度卷积神经网络和RBF神经网络；
将天气预测参数输入至车辆划分模型获取输出结果；其中，输出结果即为天气预测参数对应的常规车辆和临时车辆的比值；
根据输出结果对垃圾清运车辆进行划分。
4.根据权利要求1所述的一种垃圾清运车路线优化方法，其特征在于，垃圾收集点的所述垃圾体积的获取包括：
通过高清摄像头和/或智能终端获取垃圾收集点的高清图像；
对高清图像进行图像预处理之后获取目标图像；其中，图像预处理包括图像分割、图像去噪和灰度变换；
根据图像识别技术获取目标图像中的垃圾体积。
5.根据权利要求1所述的一种垃圾清运车路线优化方法，其特征在于，所述临时需求的生成包括：
当垃圾体积达到体积阈值时，则判定对应垃圾收集点需要进行垃圾清运；
获取对应垃圾收集点的地理位置，联合垃圾体积生成临时需求。
6.根据权利要求5所述的一种垃圾清运车路线优化方法，其特征在于，根据所述临时需求获取临时路线，包括：
当临时需求中仅包括一个垃圾收集点的垃圾信息时，则将垃圾清运公司或者临时车辆停放点作为初始位置，将垃圾信息中的地理位置作为目标位置；
根据距离最短原则和/或者时间最短原则规划初始位置和目标位置之间的路线，并标记为临时路线。
7.根据权利要求1所述的一种垃圾清运车路线优化方法，其特征在于，所述常规路线为垃圾清运公司根据负责的垃圾收集点设置的垃圾清运路线，且垃圾清运公司调度常规车辆对常规路线上的垃圾收集点进行垃圾清运。
8.根据权利要求1所述的一种垃圾清运车路线优化方法，其特征在于，在根据所述临时路线调度临时车辆之前，还包括对常规车辆的地理位置进行校验；当常规车辆的地理位置满足要求时，则通过该常规车辆完成临时需求。
9.根据权利要求8所述的一种垃圾清运车路线优化方法，其特征在于，校验所述常规车辆的地理位置包括：
获取临时需求中垃圾收集点的地理位置，并标记为校验位置；
以校验位置为圆心，以设定距离为半径划定圆形区域；其中，设定距离为小于校验距离的正数；校验距离为校验位置和垃圾清运公司的距离，或者为校验位置和临时车辆停放点的距离；
当圆形区域中存在常规车辆时，则判定常规车辆的地理位置满足要求，并选择圆形区域中与校验位置距离最小的常规车辆来完成临时需求。
10.基于权利要求1-9任一项权利要求所述的一种垃圾清运车路线优化方法的城市垃圾清运生态系统，其特征在于，包括：
数据采集模块：与高清摄像头和智能终端通信连接，用于实时监控垃圾收集点的垃圾体积；
中央处理模块：用于根据数据采集模块获取的数据生成临时需求，并实现对垃圾清运车辆的划分；根据常规路线或者临时路线调度垃圾清运车辆，并实时获取垃圾清运车辆的运行状态；
实时监控模块：用于实时显示垃圾清运车辆的运行状态和形式路线；
数据存储模块：用于存储数据采集模块获取的数据和车辆划分模型。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111057437.5A CN113762624A (zh) | 2021-09-09 | 2021-09-09 | 一种垃圾清运车路线优化方法及城市垃圾清运生态系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111057437.5A CN113762624A (zh) | 2021-09-09 | 2021-09-09 | 一种垃圾清运车路线优化方法及城市垃圾清运生态系统 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN113762624A true CN113762624A (zh) | 2021-12-07 |
Family
ID=78794403
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202111057437.5A Pending CN113762624A (zh) | 2021-09-09 | 2021-09-09 | 一种垃圾清运车路线优化方法及城市垃圾清运生态系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113762624A (zh) |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114399104A (zh) * | 2022-01-11 | 2022-04-26 | 北京林业大学 | 垃圾回收调度方法 |
| CN115027847A (zh) * | 2022-05-24 | 2022-09-09 | 深圳市有方科技股份有限公司 | 垃圾收运方法、装置及介质 |
| CN117095364A (zh) * | 2023-10-20 | 2023-11-21 | 深圳市润江科技有限公司 | 基于ai智能垃圾识别的市容环境预警方法及系统 |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105956695A (zh) * | 2016-04-27 | 2016-09-21 | 苏州市伏泰信息科技股份有限公司 | 循环优化的垃圾收集转运规划方法及系统 |
| WO2019107738A1 (ko) * | 2017-11-30 | 2019-06-06 | 주식회사 이큐브랩 | 쓰레기 수거 차량제어 방법, 이를 수행하는 쓰레기 수거 차량제어 장치 및 이를 저장하는 기록매체 |
| CN111931986A (zh) * | 2020-07-08 | 2020-11-13 | 淮阴工学院 | 一种垃圾清运车路线优化方法及城市垃圾清运生态系统 |
| CN112906932A (zh) * | 2019-12-04 | 2021-06-04 | 北京城市机扫服务有限公司 | 垃圾清运车辆路线处理方法和装置 |
| CN113344262A (zh) * | 2021-05-28 | 2021-09-03 | 淮阴工学院 | 一种基于城市垃圾分类的智能清运系统及方法 |
-
2021
- 2021-09-09 CN CN202111057437.5A patent/CN113762624A/zh active Pending
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105956695A (zh) * | 2016-04-27 | 2016-09-21 | 苏州市伏泰信息科技股份有限公司 | 循环优化的垃圾收集转运规划方法及系统 |
| WO2019107738A1 (ko) * | 2017-11-30 | 2019-06-06 | 주식회사 이큐브랩 | 쓰레기 수거 차량제어 방법, 이를 수행하는 쓰레기 수거 차량제어 장치 및 이를 저장하는 기록매체 |
| CN112906932A (zh) * | 2019-12-04 | 2021-06-04 | 北京城市机扫服务有限公司 | 垃圾清运车辆路线处理方法和装置 |
| CN111931986A (zh) * | 2020-07-08 | 2020-11-13 | 淮阴工学院 | 一种垃圾清运车路线优化方法及城市垃圾清运生态系统 |
| CN113344262A (zh) * | 2021-05-28 | 2021-09-03 | 淮阴工学院 | 一种基于城市垃圾分类的智能清运系统及方法 |
Cited By (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114399104A (zh) * | 2022-01-11 | 2022-04-26 | 北京林业大学 | 垃圾回收调度方法 |
| CN115027847A (zh) * | 2022-05-24 | 2022-09-09 | 深圳市有方科技股份有限公司 | 垃圾收运方法、装置及介质 |
| CN115027847B (zh) * | 2022-05-24 | 2023-09-01 | 深圳市有方科技股份有限公司 | 垃圾收运方法、装置及介质 |
| CN117095364A (zh) * | 2023-10-20 | 2023-11-21 | 深圳市润江科技有限公司 | 基于ai智能垃圾识别的市容环境预警方法及系统 |
| CN117095364B (zh) * | 2023-10-20 | 2024-02-13 | 深圳市润江科技有限公司 | 基于ai智能垃圾识别的市容环境预警方法及系统 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN113762624A (zh) | 一种垃圾清运车路线优化方法及城市垃圾清运生态系统 | |
| CN106115104B (zh) | 基于物联网的生活垃圾分类收运系统、装置及其方法 | |
| CN105303285B (zh) | 一种电力应急处置物资的智能化调拨方法 | |
| CN101436345B (zh) | 基于TransCAD宏观仿真平台的港区道路交通需求预测系统 | |
| CN111967698B (zh) | 基于移动充电桩调度的电动汽车充电系统及装置 | |
| CN108256714A (zh) | 一种基于车联网大数据的行车轨迹实时风险评估模型 | |
| CN113344262A (zh) | 一种基于城市垃圾分类的智能清运系统及方法 | |
| CN109703389B (zh) | 基于新能源公交车的车桩网一体化充电调度装置及方法 | |
| CN101944205A (zh) | 一种工厂物料配送车辆调度系统 | |
| CN104464344B (zh) | 一种车辆行驶路径预测方法及系统 | |
| CN112966925B (zh) | 一种基于遥感时序变化分析的村镇垃圾增量风险分析系统 | |
| CN111931986A (zh) | 一种垃圾清运车路线优化方法及城市垃圾清运生态系统 | |
| CN112434854B (zh) | 智慧环卫管理方法、装置、计算机设备及可读介质 | |
| CN112016771B (zh) | 基于电动汽车需求预测的移动充电桩调度方法及系统 | |
| US20230057564A1 (en) | Methods for managing cleaning routes in smart cities, internet of things systems, and storage mediums | |
| CN110363342A (zh) | 基于物联网和5g通讯技术的密封运输生活垃圾处理系统 | |
| CN115796423A (zh) | 一种基于物联网监测缓解城市扬尘的方法及系统 | |
| CN103984991A (zh) | 一种基于微气象数据的分布式太阳能辐射预测方法及系统 | |
| Anagnostopoulos et al. | IoT-enabled tip and swap waste management models for smart cities | |
| CN109978266A (zh) | 一种资源回收的路线规划方法 | |
| CN116824861B (zh) | 基于城市大脑平台多维数据的共享单车调度方法和系统 | |
| CN112365032A (zh) | 垃圾清运的路径优化系统与方法 | |
| CN116562486A (zh) | 城市生活垃圾运输路线的优化方法及装置 | |
| AlKheder et al. | Maritime transport management in Kuwait toward an automated port logistical city | |
| CN115526427A (zh) | 一种垃圾转运站规划布局方法 |
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 | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20211207 |
|
| RJ01 | Rejection of invention patent application after publication |