CN114275409A - 一种基于人工智能与大数据的垃圾智慧回收系统 - Google Patents

Abstract

本发明公开了一种基于人工智能与大数据的垃圾智慧回收系统，旨在提供一种能够及时、高效地处理可回收垃圾桶内堆积的可回收垃圾的基于人工智能与大数据的垃圾智慧回收系统。它包括可回收垃圾桶和综合管理中心，可回收垃圾桶上安装有垃圾桶监测终端，垃圾桶监测终端包括摄像头、超声波测距模块、GPS模块、Wi‑Fi模块和单片机模块，摄像头、超声波测距模块、GPS模块均与单片机模块电连接，单片机模块通过Wi‑Fi模块与综合管理中心相连接。本发明的有益效果是：能够及时、高效地处理可回收垃圾桶内堆积的可回收垃圾；能够实时监测可回收垃圾桶；可以为不同种类可回收垃圾桶的投放数量和投放位置选址提供数据参考和分析依据。

Description

一种基于人工智能与大数据的垃圾智慧回收系统

技术领域

本发明涉及垃圾回收相关技术领域，尤其是指一种基于人工智能与大数据的垃圾智慧回收系统。

背景技术

近年来，为营造良好的生态环境，我国全力推进生活垃圾分类工作，积极倡导低碳、文明的生活方式，其中，可回收垃圾的有效回收处理是推动社会济发展、发展生态文明建设关键的一环。

当前国内的垃圾管理系统迅速发展，但是大多管理系统成本过高，同时没有垃圾桶的监测与数据传输、分析深度结合，不适宜大型推广与普及，并且缺乏对可回收垃圾的后续集中回收管理，没有专门用于回收可回收垃圾的相关方案，不能及时、高效地处理可回收垃圾桶内堆积的可回收垃圾。

因此，可回收垃圾桶智能管理系统急需建立一个低成本的基于人工智能与大数据的可回收垃圾智慧回收系统。智慧系统能够有效规避传统人工模式的弊端，实时监测每个垃圾桶状况，通过合理分配垃圾处理时间，规划最优路径，提高垃圾清理效率，高效、及时地解决校园内可回收垃圾因没有及时处理而堆积如山的问题。

发明内容

本发明是为了克服现有技术中垃圾管理系统缺乏对可回收垃圾的回收管理方案，不能及时、高效地处理可回收垃圾桶内堆积的可回收垃圾的不足，提供了一种能够及时、高效地处理可回收垃圾桶内堆积的可回收垃圾的基于人工智能与大数据的垃圾智慧回收系统。

为了实现上述目的，本发明采用以下技术方案：

一种基于人工智能与大数据的垃圾智慧回收系统，包括可回收垃圾桶和综合管理中心，所述可回收垃圾桶上安装有垃圾桶监测终端，所述垃圾桶监测终端包括摄像头、超声波测距模块、GPS模块、Wi-Fi模块和单片机模块，所述摄像头、超声波测距模块、GPS模块均与单片机模块电连接，所述单片机模块通过Wi-Fi模块与综合管理中心相连接，其特征是，具体包括以下回收步骤：

步骤一，启动可回收垃圾桶内的垃圾桶监测终端，通过单片机模块对摄像头、超声波测距模块、GPS模块、Wi-Fi模块均进行初始化操作；

步骤二，通过超声波测距模块获取可回收垃圾桶内的垃圾高度，通过GPS模块获取可回收垃圾桶的地理位置，通过摄像头获取可回收垃圾桶内实际情况的图片；

步骤三，单片机模块实时读取超声波测距模块、GPS模块和摄像头的数据信息，并进行存储，等待综合管理中心下发指令；

步骤四，当综合管理中心下发指令时，单片机模块立即通过Wi-Fi模块将数据传输给综合管理中心，综合管理中心采集到数据后进行整理分析，根据各个可回收垃圾桶内的垃圾数量，对每个可回收垃圾桶建立不同的预警等级；

步骤五，综合管理中心根据每个可回收垃圾桶的预警等级以及其所处的地理位置，将问题一般化处理，建立垃圾回收的最优路径模型，其模型为：假设有个m闭环为n个顶点服务，点i的垃圾总量为w_i，d_ij表示点i到点j的距离，第k个环上有n^(k)辆垃圾车，在该环上的第r^(k)辆垃圾车绕该环工作

圈，每辆垃圾车的限载为M，在不考虑时间的情况下，根据最短路径原则，建立如下数学规划模型：

通过模拟退火算法对上述模型求解即可得出垃圾回收的最优路径；

步骤六，根据垃圾回收的最优路径，建立出工作人员最优数量模型，其模型为：假定每个工作人员每天只服务于其中一个环，即花费8小时的工作时长在某个环中，并且在每次绕环工作时，保证工作人员员每次返回时尽量装满垃圾车，一天的工作时长也满足8小时，通过假设x_i为第i个环下的工作人员数量，于是可以建立以下线性规划模型：

其中，numTsp为环数，M为垃圾车的垃圾装载量，work_i表示第i个环的垃圾总量，worktime_i表示第i个环的工作时长，Circletime_i表示第i个环的绕环时长，通过借助Lingo软件求解上述数学规划模型，并且尝试多种环数的求解，得到该假设下的工作人员最优数量；

步骤七，通过HTML技术，将综合管理中心上的监测管理设计成数据可视化的网页，实时监测各个垃圾桶的状态，并在需要回收垃圾的时段，规划相应的最优路径和工作人员最优数量，提供给回收工作人员。

由于系统较复杂，所以本发明将基于人工智能与大数据的可回收垃圾桶智慧回收系统设计过程模块化，把系统划分为2个子系统——智慧垃圾桶监测终端(可回收垃圾桶)和综合管理中心，具体由多个位于可回收垃圾桶内的智能垃圾桶监测终端和综合管理中心两部分组成，通信模式为多对一模式。智能垃圾桶监测终端的设计包括摄像头、超声波模块、GPS、Wi-Fi模块、以及微处理器，其中摄像头获取垃圾桶内实际情况的图片，分辨垃圾种类；超声波测距模块获取垃圾高度，进而得到垃圾数量，以此判断预警级别；GPS获取垃圾桶地理位置信息，以便后期回收垃圾时进行最优路线规划；Wi-Fi模块对数据进行实时传输；微处理器与各模块相连，确保系统的正常运行。智能垃圾桶监测终端主要实现可回收垃圾桶状态信息数据的实时采集及传输功能。综合管理中心获取各个可回收垃圾桶的实时数据，将收到的数据信息与位置定位结合，再根据预警级别，对所有将要溢出或已溢出的垃圾桶之间规划最短路线，进行垃圾的回收管理。本发明通过摄像头和超声波测距模块实时监测各个可回收垃圾桶内的垃圾状态并将监测数据上传至云端(综合管理中心)，然后根据垃圾数量建立多级预警机制，提醒工作人员及时回收垃圾，并引入GPS模块的定位技术，对可回收垃圾桶进行定位处理，依据预警提示，结合大数据分析技术以及相关的人工智能算法对数据进行分析处理，在所有垃圾已满的可回收垃圾桶之间规划出垃圾回收的最优路径以及工作人员的最优分工策略，减少了人力投入，降低了工作量，提升了垃圾回收效率，很好的达到了及时、高效地处理可回收垃圾桶内堆积的可回收垃圾的目的。在该系统中，本发明以WIFI/4G/5G通信技术为基础，依托各类云计算、大数据等新兴技术，实现了通过物联网对可回收垃圾桶内的情况进行实时、规范化的运行管理和监测，同步获取的可回收垃圾处理数据可以实现共享、深度挖掘及优化分析，这不仅促进了云计算、大数据、物联网等新兴技术的发展，拓宽应用范围，还可以让人们了解新兴技术，推动新兴技术的民用化进程，利用WIFI/4G/5G通信技术，远程收集可回收垃圾桶内的信息，通过GPS定位，基于人工智能相关算法对数据进行分析处理，在web端的地图上实时动态显示垃圾桶位置信息并根据实际情况预警，同时对历史数据进行相关的统计分析，方便工作人员对可回收垃圾桶的信息化管理，推动绿色建设进程。

作为优选，步骤二中，通过摄像头的拍摄图片辅助判断，可分辨可回收垃圾桶内的垃圾种类及占比，进一步得到可回收垃圾桶内的垃圾的实时状态信息。辅助综合管理中心对发出的预警等级进行确认及完善，从而达到实时监测可回收垃圾桶的目的。

作为优选，步骤四中，采用

的值来表示可回收垃圾桶内的已有垃圾量，并依此建立预警等级，其中H为超声波测距模块到可回收垃圾桶底部的距离，d为超声波测距模块到垃圾表面的距离，l为可回收垃圾桶的高度：

当

时，表示垃圾桶内垃圾数量小于50％，此时综合管理中心上的网页端对应的显示为绿色；

当

时，表示垃圾桶的垃圾已经过半，此时综合管理中心上的网页端显示为蓝色；

当

时，表示垃圾桶的垃圾快满了，此时综合管理中心上的网页端显示为黄色；

当

时，表示垃圾桶内垃圾几乎满了，此时综合管理中心上的网页端显示为红色；

当

时，表示垃圾桶内垃圾已满或已溢出，此时综合管理中心上的网页端显示为红色并闪烁。根据预警等级，结合大数据分析技术以及相关的人工智能算法对数据进行分析处理，在所有垃圾已满的可回收垃圾桶之间规划出垃圾回收的最优路径以及工作人员的最优分工策略，同时工作人员也可以通过网页端颜色的不同变化，确定是否要去回收该垃圾桶内的垃圾。

作为优选，步骤五中，假定工作人员回收垃圾的路线在当天是确定不变的，工作人员沿固定路线回收垃圾，直至该垃圾车装满垃圾，然后就近返回，故会存在多条垃圾回收路线，形成多个垃圾回收的闭环路径，并且它们的起点和终点都位于垃圾回收处理中转点，则该最优路径问题就可以转化成多TSP旅行商问题，基于旅行商问题的特性，其新解的产生方法有三种，分别为交换法、移位法、倒置法，为进一步确定该最优路径，还包括以下子步骤：

步骤a，给定环数numTsp，因为各环都是以垃圾处理中转站位置A作为起点与终点，所以为了得到用于模拟退火算法的初始解，先随机生成1到n+numTsp-2的随机序列，将随机数为A的替换为n+numTsp-1，然后替换其中大于等于n+1的随机数为A，最后以A作为该序列的头尾，那么，该序列中便有numTsp+1个A，并且序列中的其它数值均两两不重复，取遍了所要求的每一个顶点，之后将该处理后的随机数序列作为模拟退火算法需要的初始路径path₀，同时该初始路径也意味着，包含了numTsp个初始子环路径；

步骤b，通过借鉴单旅行商问题的产生新解方法可以直接用于多旅行商问题的新解构造，规定通过交换法、移位法产生新解的概率分别为p₁、p₂＝0.33，随机生成一个数r，且r∈[0，1]，则有

根据新路径path₁，求得路径距离result₁，如果result₁＜result₀，则更新path₀为新路径path₁，若result₁≥result₀，根据Metropolis准则，考虑接受新解的概率p，且

其中T＝T₀，然后生成一个新的0到1间的随机数q，如果q小于p，则接受该新解path₁，更新path₀为新路径path₁，否则拒绝该新解path₁，保持原初始解path₀不变；

步骤c，解决了模拟退火算法中产生初始解和产生新解的问题后，需要对最优路径问题建立相应的目标函数，对解的好坏建立标准，为产生的每个解序列中都能包含每个子环的信息，本发明采用对每个子环确定所需的垃圾回收时间、绕环一周所需时间、垃圾回收总量，将各子环所需的工作总时间之和作为其目标函数，即：

其中的Tspt_i为第i个子环的总工作时间，包含环上的垃圾回收总时间和绕环的总时间；

步骤d，由于工作人员数量的不确定，为便于寻找该最优路径，规定绕环一周即可完成所有的垃圾回收工作，记第i个子环的最优路径P_i为

该子环的绕环工作一周所需时间为Ctime_i，假设第一个子环负责垃圾中转站点的垃圾回收处理，显然，绕环一周工作的总时长由绕环时长和垃圾回收时长组成，其对应关系如下公式所示：

进一步，建立相应的数学规划模型如下：

步骤e，考虑到未加约束条件的多旅行商问题的最优解必然是退化为单旅行商问题下的最优解，为解决这一问题，本发明采用人为添加约束条件：要求各个子环间的总工作时长是稳定的，故对每个子环的时长求解方差，要求该方差达到极小，故这numTsp个子环的总时长方差S²为：

将该约束条件视为目标函数的惩罚项，因此建立新的目标函数如下：

其中

通过对上述新的目标函数中的各项权重系数简单取为λ₁＝λ₂＝1，建立路径规划问题的规划模型如下：

基于模拟退火算法模型便可以利用MATLB求解上述规划，从而得到对不同环数下对应的最佳垃圾回收路径。

作为优选，考虑到工作人员单独对一个环工作可能与现实差距较大，为更贴近现实，对步骤六中的工作人员数量模型作出进一步优化，即一个工作人员可以对多个环进行工作，其工作方式和一个环的工作方式一致，以步骤六中的线性规划模型为基础，在确定工作人员总数下，进一步减少人数，给工作人员分配各环，确定工作人员对每个环的绕环次数以及在该环下的处理垃圾量，从而更加合适地分配各环，达到优化工作人员数量的目的，其新的模型为：设第i个快递员对第j个环绕环圈数为y(i,j)，对第j个环的垃圾处理量为yw(i,j)，可以建立如下数学规划模型：

min worker＝n

通过Lingo软件求解上述规划模型即可得到工作人员的最优分工策略。

作为优选，基于大数据分析技术，结合系统各个站点的可回收垃圾的相关数据，针对不同季节、不同日期、不同时间段，各个站点的可回收垃圾分布产生的相应的变化，利用SPSS软件时间序列图在综合管理中心上建立出时间序列模型，以对垃圾桶所载的垃圾量的变化规律作出预测分析。通过预测分析得到的数据，可以为不同种类可回收垃圾桶的投放数量和投放位置选址提供数据参考和分析依据。

本发明的有益效果是：通过摄像头和超声波测距模块实时监测各个可回收垃圾桶内的垃圾状态并将监测数据上传至云端(综合管理中心)，然后根据垃圾数量建立多级预警机制，提醒工作人员及时回收垃圾，并引入GPS模块的定位技术，对可回收垃圾桶进行定位处理，依据预警提示，结合大数据分析技术以及相关的人工智能算法对数据进行分析处理，在所有垃圾已满的可回收垃圾桶之间规划出垃圾回收的最优路径以及工作人员的最优分工策略，减少了人力投入，降低了工作量，提升了垃圾回收效率，很好的达到了及时、高效地处理可回收垃圾桶内堆积的可回收垃圾的目的；在该系统中，本发明以WIFI/4G/5G通信技术为基础，依托各类云计算、大数据等新兴技术，实现了通过物联网对可回收垃圾桶内的情况进行实时、规范化的运行管理和监测，同步获取的可回收垃圾处理数据可以实现共享、深度挖掘及优化分析，这不仅促进了云计算、大数据、物联网等新兴技术的发展，拓宽应用范围，还可以让人们了解新兴技术，推动新兴技术的民用化进程，利用WIFI/4G/5G通信技术，远程收集可回收垃圾桶内的信息，通过GPS定位，基于人工智能相关算法对数据进行分析处理，在web端的地图上实时动态显示垃圾桶位置信息并根据实际情况预警，同时对历史数据进行相关的统计分析，方便工作人员对可回收垃圾桶的信息化管理，推动绿色建设进程；辅助综合管理中心对发出的预警等级进行确认及完善，从而达到实时监测可回收垃圾桶的目的；根据预警等级，结合大数据分析技术以及相关的人工智能算法对数据进行分析处理，在所有垃圾已满的可回收垃圾桶之间规划出垃圾回收的最优路径以及工作人员的最优分工策略，同时工作人员也可以通过网页端颜色的不同变化，确定是否要去回收该垃圾桶内的垃圾；通过预测分析得到的数据，可以为不同种类可回收垃圾桶的投放数量和投放位置选址提供数据参考和分析依据。

附图说明

图1是本发明的系统结构图；

图2是本发明的系统整体方案图；

图3是垃圾桶监测终端软件流程图；

图4是综合管理中心软件流程图；

图5是系统主界面图；

图6是利用AXGlyph软件绘制三种方法示意图；

图7是最优路径图。

图中：1.综合管理中心，2.垃圾桶监测终端，3.摄像头，4.超声波测距模块，5.GPS模块，6.单片机模块，7.Wi-Fi模块。

具体实施方式

下面结合附图和具体实施方式对本发明做进一步的描述。

如图1和图2所述的实施例中，一种基于人工智能与大数据的垃圾智慧回收系统，包括可回收垃圾桶和综合管理中心1，可回收垃圾桶上安装有垃圾桶监测终端2，垃圾桶监测终端2包括摄像头3、超声波测距模块4、GPS模块5、Wi-Fi模块7和单片机模块6，摄像头3、超声波测距模块4、GPS模块5均与单片机模块6电连接，单片机模块6通过Wi-Fi模块7与综合管理中心1相连接，具体包括以下回收步骤：

步骤一，启动可回收垃圾桶内的垃圾桶监测终端2，通过单片机模块6对摄像头3、超声波测距模块4、GPS模块5、Wi-Fi模块7均进行初始化操作；

步骤二，通过超声波测距模块4获取可回收垃圾桶内的垃圾高度，通过GPS模块5获取可回收垃圾桶的地理位置，通过摄像头3获取可回收垃圾桶内实际情况的图片；

步骤三，单片机模块6实时读取超声波测距模块4、GPS模块5和摄像头3的数据信息，并进行存储，等待综合管理中心1下发指令；

步骤四，当综合管理中心1下发指令时，单片机模块6立即通过Wi-Fi模块7将数据传输给综合管理中心1，综合管理中心1采集到数据后进行整理分析，根据各个可回收垃圾桶内的垃圾数量，对每个可回收垃圾桶建立不同的预警等级；

步骤五，综合管理中心1根据每个可回收垃圾桶的预警等级以及其所处的地理位置，将问题一般化处理，建立垃圾回收的最优路径模型，其模型为：假设有个m闭环为n个顶点服务，点i的垃圾总量为w_i，d_ij表示点i到点j的距离，第k个环上有n^(k)辆垃圾车，在该环上的第r^(k)辆垃圾车绕该环工作

圈，每辆垃圾车的限载为M，在不考虑时间的情况下，根据最短路径原则，建立如下数学规划模型：

通过模拟退火算法对上述模型求解即可得出垃圾回收的最优路径；

步骤六，根据垃圾回收的最优路径，建立出工作人员最优数量模型，其模型为：假定每个工作人员每天只服务于其中一个环，即花费8小时的工作时长在某个环中，并且在每次绕环工作时，保证工作人员员每次返回时尽量装满垃圾车，一天的工作时长也满足8小时，通过假设x_i为第i个环下的工作人员数量，于是可以建立以下线性规划模型：

其中，numTsp为环数，M为垃圾车的垃圾装载量，work_i表示第i个环的垃圾总量，worktime_i表示第i个环的工作时长，Circletime_i表示第i个环的绕环时长，通过借助Lingo软件求解上述数学规划模型，并且尝试多种环数的求解，得到该假设下的工作人员最优数量；

步骤七，通过HTML技术，将综合管理中心1上的监测管理设计成数据可视化的网页，实时监测各个垃圾桶的状态，并在需要回收垃圾的时段，规划相应的最优路径和工作人员最优数量，提供给回收工作人员。

步骤二中，通过摄像头3的拍摄图片辅助判断，可分辨可回收垃圾桶内的垃圾种类及占比，进一步得到可回收垃圾桶内的垃圾的实时状态信息。

步骤四中，采用

的值来表示可回收垃圾桶内的已有垃圾量，并依此建立预警等级，其中H为超声波测距模块4到可回收垃圾桶底部的距离，d为超声波测距模块4到垃圾表面的距离，l为可回收垃圾桶的高度：

当

时，表示垃圾桶内垃圾数量小于50％，此时综合管理中心1上的网页端对应的显示为绿色；

当

时，表示垃圾桶的垃圾已经过半，此时综合管理中心1上的网页端显示为蓝色；

当

时，表示垃圾桶的垃圾快满了，此时综合管理中心1上的网页端显示为黄色；

当

时，表示垃圾桶内垃圾几乎满了，此时综合管理中心1上的网页端显示为红色；

当

时，表示垃圾桶内垃圾已经满了或溢出了，此时综合管理中心1上的网页端显示为红色并闪烁。

基于大数据分析技术，结合系统各个站点的可回收垃圾的相关数据，针对不同季节、不同日期、不同时间段，各个站点的可回收垃圾分布产生的相应的变化，利用SPSS软件时间序列图在综合管理中心1上建立出时间序列模型，以对垃圾桶所载的垃圾量的变化规律作出预测分析。

本发明的具体设计如下：

一、系统硬件和软件的设计

1.系统硬件设计：

垃圾桶监测终端2是监测系统最初的数据来源，位于可回收垃圾桶内，需求数量大，因此在选择垃圾桶监测终端2的硬件模块时应满足低成本、精度较高和体积小等要求，其具体包括单片机模块6(微控制器)、Wi-Fi模块7、超声波测距模块4、GPS模块5和摄像头3的选择和设计。

本发明的单片机模块6(微控制器)选择：综合考虑各类微控制器的性能与市场价格，本系统选用的是内核为Cortex-M3的微控制器STM32F103。微控制器STM32F103的CPU最高速度达72MHz，拥有16KB～1MB Flash、多种控制外设、USB全速接口和CAN，具有动态功耗调整功能，在运行过程中有着良好的低功耗性，使动态功耗与处理器性能达到最佳平衡。

本发明的Wi-Fi模块7选型与电路设计：本系统的Wi-Fi模块选用的ATK-ESP8266，ATK-ESP8266模块采用串口与MCU通信，包括STA、AP、STA+AP三种工作模式，可以快速构建串口-WiFi数据传输，实现手持终端通过互联网、局部网对设备进行控制。

本发明的超声波测距模块4选型与电路设计：超声波测距模块选用HC-SR04，该模块可自动发送8个40khz的方波，并自动检测信号的返回情况，若有信号返回，则通过控制口输出一个10US以上的高电平，接收口一旦有高电平输出，立即启用开定时器计时，待变为低电平时读取定时器中的时间数值，进而算出距离。

本发明的GPS模块5选型与电路设计：本系统选取的GPS模块是neo-m6，由ALIENTEK生产，具有50个模块核心，体积小巧，性能优异，支持USB，串口，SPI，I2C等通信协议，可得到定位信息、UTC时间信息，追踪灵敏度高达-161dBm。

本发明的摄像头3选择与电路设计：本系统选取的摄像头是OV7725，是一款二值化鹰眼摄像头，由XCLK驱动时钟进行图像数据的采样，在数字信号处理过程中，可以实现镜头阴影校正，降噪，像素校正，自动白平衡等功能。其芯片选用BAG封装，比用CLCC封装的芯片有更好的特性。

2.系统软件设计：

软件包括两部分：智慧垃圾桶监测终端软件和综合管理中心软件。智慧垃圾桶监测终端软件根据GPS模块5和超声波测距模块4采集得到的数据信息发送到单片机模块6(微控制器)，并通过Wi-Fi模块7传输至综合管理中心1；综合管理中心软件在接收数据的同时对数据进行处理，并将垃圾桶位置信息和各垃圾桶中的垃圾容量对应预警通过HTML技术数据可视化。

智慧垃圾桶监测终端的软件设计：如图3所示，垃圾桶内的监测系统开启，各硬件开始工作，微控制器对各部分进行初始化操作。微处理器读取各传感器数据，包括垃圾桶内的垃圾高度和垃圾的地理位置信息，并进行存储，等待综合管理中心下发指令。待综合管理中心下发指令时，立即通过Wi-Fi模块7进行数据的传输。

综合管理中心软件设计：如图4所示，综合管理中心软件核心是获取并保存监测数据，对监测到的数据进行大数据分析以及垃圾桶状态的实时多级预警；基于预警信息，通过人工智能的优化方法实时规划当前回收可回收垃圾的最优路径。最后根据数据分析相关结果，在web端对数据进行可视化，便于信息管理。其主要包括三大元素：数据采集、数据分析、可视化展示。数据可视化的显示空间可以根据图形绘制技术构建出二维平面地图，并根据数据属性，结合视觉通道在地图上进行标记，将数据信息可视化表达，其中对于标记颜色的控制需要依靠人机交互来达到。

二、系统软件的实现

智慧垃圾桶监测终端软件主要包括垃圾桶内状态信息采集程序、垃圾桶定位信息采集程序。综合管理中心的程序设计主要是利用Wi-Fi联入互联网，实现无线智慧回收系统，同时通过相关的人工智能方法对数据进行实时分析并预警，实时规划垃圾回收的最优路径，同时对相关的历史数据进行统计分析，web端可视化展示相关的预警、路径规划以及历史信息的统计分析结果，便于人们信息化、智能化的管理可回收垃圾的回收过程。

1.系统可视化：

如图5所示，通过HTML技术，为垃圾桶的监测管理设计了数据可视化网页，实时监测各个垃圾桶的状态，并在需要回收垃圾的时段，规划相应的最优路径，提供给回收工作人员，为垃圾的回收处理提高了效率。

2.数据分析及预测：

根据硬件系统，为垃圾桶测定了经纬度位置、垃圾桶的垃圾容量以及垃圾桶的实时图片信息，将数据上传至云端服务器，实时分析。可以明显发现，垃圾数量的变化规律和季节呈现高度相关性，于是我们考虑建立时间序列模型对垃圾桶的所载垃圾数量的变化规律作进一步的预测。

时间序列模型是将预测对象按照时间顺序排列起来，这一组时间序列过去的变化规律，推断今后变化的可能性及变化趋势，变化规律。常用的方法有移动平均法、指数平滑法、灰色预测和SPSS软件时间序列图等，由于pss软件时间序列建模功能可以对数据进行一个很好的预测和整合，精度较高，所以我们使用SPSS软件进行预测分析，是一种较好地选择。通过预测得到的数据，可以为工作人员规划最优的垃圾回收路径，达到减少人力、提高垃圾回收效率的目的。

3.多级预警：

通过超声波模块的测距功能，以及摄像头对垃圾状态的辅助判断，得到不同距离下，其对应的垃圾桶可回收垃圾所占容量，返回不同的预警等级。通过初始的垃圾桶高度，通过计算，随着垃圾桶内的垃圾高度不断变化时，页面端就会收到不同的提示。通过摄像头的拍摄图片辅助判断，可以进一步得到垃圾桶的垃圾的实时状态信息，对发出的预警等级进行确认及完善，从而达到监测垃圾桶的目的。

工作人员可依据预警提示，通过网页端颜色的不同变化，对超过50％的垃圾桶进行优先处理，通过各个垃圾桶的GPS信息，规划垃圾回收的最优路径，提升效率，减少工作量。

4.垃圾回收最短路线规划：

我们根据垃圾监测管理系统得到对应垃圾桶内可回收垃圾总量数据，将问题一般化处理，建立垃圾回收的最优路径模型，其模型为：假设有个m闭环为n个顶点服务，点i的垃圾总量为w_i，d_ij表示点i到点j的距离，第k个环上有n^(k)辆垃圾车，在该环上的第r^(k)辆垃圾车绕该环工作

圈，每辆垃圾车的限载为M。在不考虑时间的情况下，根据最短路径原则，建立如下数学规划模型：

根据上述规划模型，我们考虑利用模拟退火算法确定一条垃圾回收的最优路径，进而确定工作人员的分工策略。

我们规定工作人员回收垃圾的路线在当天是确定不变的，工作人员沿固定路线回收垃圾，直至该垃圾车装满垃圾，然后就近返回，故会存在多条垃圾回收路线，形成多个垃圾回收的闭环路径，并且它们的起点和终点都位于垃圾回收处理中转点。实际上，我们可以把该问题就可以转化成多TSP旅行商问题。为确定该最优路径，我们运用模拟退火算法求解。

基于旅行商问题的特性，其新解的产生方法有三种，如图6所示，分别为交换法、移位法、倒置法。为进一步确定该问题的最优路径，我们首先人为地给定环数numTsp，因为各环都是以垃圾处理中转站位置A作为起点与终点，所以为了得到用于模拟退火算法的初始解，先随机生成1到n+numTsp-2的随机序列，将随机数为A的替换为n+numTsp-1，然后替换其中大于等于n+1的随机数为A，最后以A作为该序列的头尾，那么，该序列中便有numTsp+1个A，并且序列中的其它数值均两两不重复，取遍了所要求的每一个顶点。将该处理后的随机数序列作为模拟退火算法需要的初始路径path₀，同时该初始路径也意味着，包含了numTsp个初始子环路径。

借鉴单旅行商问题的产生新解方法，可以直接用于多旅行商问题的新解构造。我们规定通过交换法、移位法产生新解的概率分别为p₁、p₂＝0.33，随机生成一个数r，且r∈[0，1]，则有

根据新路径path₁，求得路径距离result₁，如果result₁＜result₀，则更新path₀为新路径path₁，若result₁≥result₀，根据Metropolis准则，考虑接受新解的概率p，且

其中T＝T₀，然后生成一个新的0到1间的随机数q，如果q小于p，则接受该新解path₁，更新path₀为新路径path₁，否则拒绝该新解path₁，保持原初始解path₀不变。

解决了模拟退火算法中产生初始解和产生新解的问题后，需要对该问题建立相应的目标函数，对解的好坏建立标准。对产生的每个解序列中，都包含每个子环的信息，所以我们可以对每个子环确定所需的垃圾回收时间、绕环一周所需时间、垃圾回收总量。

我们将各子环所需的工作总时间之和作为其目标函数，即：

其中的Tspt_i为第i个子环的总工作时间，包含环上的垃圾回收总时间和绕环的总时间。由于工作人员数量的不确定，为便于寻找该最优路径，规定绕环一周即可完成所有的垃圾回收工作，得到最优路径后，才能对工作人员的数量以及分工做进一步决策。

记第i个子环的最优路径P_i为

该子环的绕环工作一周所需时间为Ctime_i。我们不妨假设第一个子环负责垃圾中转站点的垃圾回收处理，显然，绕环一周工作的总时长由绕环时长和垃圾回收时长组成，其对应关系如下公式所示：

进一步，建立相应的数学规划模型如下：

考虑到未加约束条件的多旅行商问题的最优解必然是退化为单旅行商问题下的最优解，所以我们采用人为添加约束条件，以便符合我们的预期。

我们要求各个子环间的总工作时长几乎是稳定的，以确保将来对每个工作人员在环内单独工作时的工作时长和其它环内工作人员的工作时长相差不大。故对每个子环的时长求解方差，要求该方差达到极小。故这numTsp个子环的总时长方差S²为：

将该约束条件视为目标函数的惩罚项，因此建立新的目标函数如下：

其中

我们对上述新的目标函数中的各项权重系数简单取为λ₁＝λ₂＝1，建立路径规划问题的规划模型如下：

基于模拟退火算法模型便可以利用MATLB求解上述规划。得到结果后，我们得到了对不同环数下对应的最佳垃圾回收路径，为了得到具体某一环至少分配多少个工作人员，我们又构建工作人员数量求解模型，以便对不同环数下的工作人员数量进行比较，得到最优的方案。

我们假定每个工作人员每天只服务于其中一个环，即花费8小时的工作时长在某个环中，并且在每次绕环工作时，保证工作人员员每次返回时尽量装满垃圾车，一天的工作时长也满足8小时，这样便于对工作人员数量进行决策。假设x_i为第i个环下的工作人员数量，于是可以建立以下线性规划模型：

其中，numTsp为环数，M为垃圾车的垃圾装载量，work_i表示第i个环的垃圾总量，worktime_i表示第i个环的工作时长，Circletime_i表示第i个环的绕环时长。可以借助Lingo软件求解上述数学规划模型，并且通过多种环数的求解，得到该假设下的工作人员最优数量。

考虑到工作人员单独对一个环工作可能与现实差距较大，为更贴近现实，对工作人员数量模型进行优化，即一个工作人员可以对多个环进行工作，其工作方式和一个环的工作方式一致。以上述模型为基础，在确定工作人员总数下，进一步减少人数，尝试给工作人员分配各环，确定工作人员对每个环的绕环次数以及在该环下的处理垃圾量，从而更加合理地分配各环，达到优化工作人员数量的目的。

设第i个快递员对第j个环绕环圈数为y(i,j)，对第j个环的垃圾处理量为yw(i,j)，可以建立如下数学规划模型：

min worker＝n

用lingo求解上述规划模型即可，便得到了如图7所示的垃圾回收的最优路径以及工作人员的分工策略。

Claims (6)

1.一种基于人工智能与大数据的垃圾智慧回收系统，其特征是，包括可回收垃圾桶和综合管理中心(1)，所述可回收垃圾桶上安装有垃圾桶监测终端(2)，所述垃圾桶监测终端(2)包括摄像头(3)、超声波测距模块(4)、GPS模块(5)、Wi-Fi模块(7)和单片机模块(6)，所述摄像头(3)、超声波测距模块(4)、GPS模块(5)均与单片机模块(6)电连接，所述单片机模块(6)通过Wi-Fi模块(7)与综合管理中心(1)相连接，具体包括以下回收步骤：

步骤一，启动可回收垃圾桶内的垃圾桶监测终端(2)，通过单片机模块(6)对摄像头(3)、超声波测距模块(4)、GPS模块(5)、Wi-Fi模块(7)均进行初始化操作；

步骤二，通过超声波测距模块(4)获取可回收垃圾桶内的垃圾高度，通过GPS模块(5)获取可回收垃圾桶的地理位置，通过摄像头(3)获取可回收垃圾桶内实际情况的图片；

步骤三，单片机模块(6)实时读取超声波测距模块(4)、GPS模块(5)和摄像头(3)的数据信息，并进行存储，等待综合管理中心(1)下发指令；

步骤四，当综合管理中心(1)下发指令时，单片机模块(6)立即通过Wi-Fi模块(7)将数据传输给综合管理中心(1)，综合管理中心(1)采集到数据后进行整理分析，根据各个可回收垃圾桶内的垃圾数量，对每个可回收垃圾桶建立不同的预警等级；

步骤五，综合管理中心(1)根据每个可回收垃圾桶的预警等级以及其所处的地理位置，将问题一般化处理，建立垃圾回收的最优路径模型，其模型为：假设有个m闭环为n个顶点服务，点i的垃圾总量为w_i，d_ij表示点i到点j的距离，第k个环上有n^(k)辆垃圾车，在该环上的第r^(k)辆垃圾车绕该环工作

圈，每辆垃圾车的限载为M，在不考虑时间的情况下，根据最短路径原则，建立如下数学规划模型：

通过模拟退火算法对上述模型求解即可得出垃圾回收的最优路径；

步骤六，根据垃圾回收的最优路径，建立出工作人员最优数量模型，其模型为：假定每个工作人员每天只服务于其中一个环，即花费8小时的工作时长在某个环中，并且在每次绕环工作时，保证工作人员员每次返回时尽量装满垃圾车，一天的工作时长也满足8小时，通过假设x_i为第i个环下的工作人员数量，于是可以建立以下线性规划模型：

其中，numTsp为环数，M为垃圾车的垃圾装载量，work_i表示第i个环的垃圾总量，worktime_i表示第i个环的工作时长，Circletime_i表示第i个环的绕环时长，通过借助Lingo软件求解上述数学规划模型，并且通过多种环数的求解，得到该假设下的工作人员最优数量；

步骤七，通过HTML技术，将综合管理中心(1)上的监测管理设计成数据可视化的网页，实时监测各个垃圾桶的状态，并在需要回收垃圾的时段，规划相应的最优路径和工作人员最优数量，提供给回收工作人员。

2.根据权利要求1所述的一种基于人工智能与大数据的垃圾智慧回收系统，其特征是，步骤二中，通过摄像头(3)的拍摄图片辅助判断，可分辨可回收垃圾桶内的垃圾种类及占比，进一步得到可回收垃圾桶内的垃圾的实时状态信息。

3.根据权利要求1所述的一种基于人工智能与大数据的垃圾智慧回收系统，其特征是，步骤四中，采用

的值来表示可回收垃圾桶内的已有垃圾量，并依此建立预警等级，其中H为超声波测距模块(4)到可回收垃圾桶底部的距离，d为超声波测距模块(4)到垃圾表面的距离，l为可回收垃圾桶的高度：

当

时，表示垃圾桶内垃圾数量小于50％，此时综合管理中心(1)上的网页端对应的显示为绿色；

当

时，表示垃圾桶的垃圾已经过半，此时综合管理中心(1)上的网页端显示为蓝色；

当

时，表示垃圾桶的垃圾快满了，此时综合管理中心(1)上的网页端显示为黄色；

当

时，表示垃圾桶内垃圾几乎满了，此时综合管理中心(1)上的网页端显示为红色；

当

时，表示垃圾桶内垃圾已经满了或溢出了，此时综合管理中心(1)上的网页端显示为红色并闪烁。

4.根据权利要求3所述的一种基于人工智能与大数据的垃圾智慧回收系统，其特征是，步骤五中，假定工作人员回收垃圾的路线在当天是确定不变的，工作人员沿固定路线回收垃圾，直至该垃圾车装满垃圾，然后就近返回，故会存在多条垃圾回收路线，形成多个垃圾回收的闭环路径，并且它们的起点和终点都位于垃圾回收处理中转点，则该最优路径问题就可以转化成多TSP旅行商问题，基于旅行商问题的特性，其新解的产生方法有三种，分别为交换法、移位法、倒置法，为进一步确定该最优路径，还包括以下子步骤：

步骤a，给定环数numTsp，因为各环都是以垃圾处理中转站位置A作为起点与终点，所以为了得到用于模拟退火算法的初始解，先随机生成1到n+numTsp-2的随机序列，将随机数为A的替换为n+numTsp-1，然后替换其中大于等于n+1的随机数为A，最后以A作为该序列的头尾，那么，该序列中便有numTsp+1个A，并且序列中的其它数值均两两不重复，取遍了所要求的每一个顶点，之后将该处理后的随机数序列作为模拟退火算法需要的初始路径path₀，同时该初始路径也意味着，包含了numTsp个初始子环路径；

步骤b，通过借鉴单旅行商问题的产生新解方法可以直接用于多旅行商问题的新解构造，规定通过交换法、移位法产生新解的概率分别为p₁、p₂＝0.33，随机生成一个数r，且r∈[0，1]，则有

根据新路径path₁，求得路径距离result₁，如果result₁＜result₀，则更新path₀为新路径path₁，若result₁≥result₀，根据Metropolis准则，考虑接受新解的概率p，且

其中T＝T₀，然后生成一个新的0到1间的随机数q，如果q小于p，则接受该新解path₁，更新path₀为新路径path₁，否则拒绝该新解path₁，保持原初始解path₀不变；

步骤c，建立最优路径问题相应的目标函数，对解的好坏建立标准，为产生的每个解序列中都能包含每个子环的信息，本发明采用对每个子环确定所需的垃圾回收时间、绕环一周所需时间、垃圾回收总量，将各子环所需的工作总时间之和作为其目标函数，即：

其中的Tspt_i为第i个子环的总工作时间，包含环上的垃圾回收总时间和绕环的总时间；

步骤d，由于工作人员数量的不确定，为便于寻找该最优路径，规定绕环一周即可完成所有的垃圾回收工作，记第i个子环的最优路径P_i为

该子环的绕环工作一周所需时间为Ctime_i，假设第一个子环负责垃圾中转站点的垃圾回收处理，显然，绕环一周工作的总时长由绕环时长和垃圾回收时长组成，其对应关系如下公式所示：

进一步，建立相应的数学规划模型如下：

步骤e，考虑到未加约束条件的多旅行商问题的最优解必然是退化为单旅行商问题下的最优解，为解决这一问题，采用人为添加约束条件：要求各个子环间的总工作时长是稳定的，故对每个子环的时长求解方差，要求该方差达到极小，故这numTsp个子环的总时长方差S²为：

将该约束条件视为目标函数的惩罚项，因此建立新的目标函数如下：

其中

通过对上述新的目标函数中的各项权重系数简单取为λ₁＝λ₂＝1，建立路径规划问题的规划模型如下：

基于模拟退火算法模型便可以利用MATLB求解上述规划，从而得到对不同环数下对应的最佳垃圾回收路径。

5.根据权利要求1所述的一种基于人工智能与大数据的垃圾智慧回收系统，其特征是，对步骤六中的工作人员数量模型作出进一步优化，即一个工作人员可以对多个环进行工作，其工作方式和一个环的工作方式一致：设第i个快递员对第j个环绕环圈数为y(i,j)，对第j个环的垃圾处理量为yw(i,j)，可以建立如下数学规划模型：

min wor ker＝n

通过Lingo软件求解上述规划模型即可得到工作人员的最优分工策略。

6.根据权利要求1所述的一种基于人工智能与大数据的垃圾智慧回收系统，其特征是，基于大数据分析技术，结合系统各个站点的可回收垃圾的相关数据，针对不同季节、不同日期、不同时间段，各个站点的可回收垃圾分布产生的相应的变化，利用SPSS软件时间序列图在综合管理中心(1)上建立出时间序列模型，以对垃圾桶所载的垃圾量的变化规律作出预测分析。

Images