CN115063013A - 基于再生资源的收运调度方法、系统及介质 - Google Patents
基于再生资源的收运调度方法、系统及介质 Download PDFInfo
- Publication number
- CN115063013A CN115063013A CN202210777829.7A CN202210777829A CN115063013A CN 115063013 A CN115063013 A CN 115063013A CN 202210777829 A CN202210777829 A CN 202210777829A CN 115063013 A CN115063013 A CN 115063013A
- Authority
- CN
- China
- Prior art keywords
- garbage
- duration
- transfer station
- collector
- overflow
- 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
- 238000000034 method Methods 0.000 title claims abstract description 31
- 239000010813 municipal solid waste Substances 0.000 claims abstract description 262
- 238000012546 transfer Methods 0.000 claims abstract description 112
- 238000005457 optimization Methods 0.000 claims description 34
- 238000012545 processing Methods 0.000 claims description 11
- 238000010606 normalization Methods 0.000 claims description 6
- 238000004590 computer program Methods 0.000 claims description 5
- 238000003860 storage Methods 0.000 claims description 5
- 238000009826 distribution Methods 0.000 claims description 3
- 230000008878 coupling Effects 0.000 abstract description 6
- 238000010168 coupling process Methods 0.000 abstract description 6
- 238000005859 coupling reaction Methods 0.000 abstract description 6
- 230000008569 process Effects 0.000 description 9
- 239000002699 waste material Substances 0.000 description 9
- 239000002910 solid waste Substances 0.000 description 6
- 238000004064 recycling Methods 0.000 description 4
- 238000012549 training Methods 0.000 description 4
- 238000004519 manufacturing process Methods 0.000 description 3
- 230000002159 abnormal effect Effects 0.000 description 2
- 238000005034 decoration Methods 0.000 description 2
- 238000013135 deep learning Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000002068 genetic effect Effects 0.000 description 2
- 239000002440 industrial waste Substances 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000001960 triggered effect Effects 0.000 description 2
- 230000001133 acceleration Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000013136 deep learning model Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000007781 pre-processing Methods 0.000 description 1
- 238000011084 recovery Methods 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 238000012360 testing method 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
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
- G06Q10/06311—Scheduling, planning or task assignment for a person or group
-
- 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
- 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
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
- G06Q10/06312—Adjustment or analysis of established resource schedule, e.g. resource or task levelling, or dynamic rescheduling
-
- 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
- G06Q10/08—Logistics, e.g. warehousing, loading or distribution; Inventory or stock management
- G06Q10/083—Shipping
- G06Q10/0835—Relationships between shipper or supplier and carriers
- G06Q10/08355—Routing methods
-
- 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
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
- G06Q50/26—Government or public services
Landscapes
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- Entrepreneurship & Innovation (AREA)
- General Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Development Economics (AREA)
- Physics & Mathematics (AREA)
- Marketing (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Educational Administration (AREA)
- Game Theory and Decision Science (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Refuse Collection And Transfer (AREA)
Abstract
本申请提供基于再生资源的收运调度方法、系统及介质,包括:获取垃圾桶的满溢时长和当前时刻收集员的闲忙状态,基于当前时刻收集员的闲忙状态获得满溢时长属于预设满溢时长内的垃圾桶点位;判断是否有待回收的中转站,若是,则基于待回收的中转站规划司机的最短路径和停留在中转站的时间窗;获取待回收中转站的点位和司机停留在所述中转站的时间窗,基于待回收中转站的点位、垃圾桶点位和司机停留在中转站的时间窗规划收集员的路径,使得收集员在时间窗内到达待回收中转站的点位处。通过本申请,根据派发下来的收集工单,并同时考虑收集员和司机在时间上的耦合关系,有效规划收集人员的路径规划,在确保用户体验的前提下,保证对收集员的公平性。
Description
技术领域
本申请涉及垃圾收运技术领域,特别涉及基于再生资源的收运调度方法、系统及介质。
背景技术
随着我国居民生活水平的提升和城市化进程的加快,城市生活垃圾的数量也相应地呈现较快增长的趋势,生活垃圾的急剧增加给城市的环境和垃圾的处理带来了极大的挑战,科学合理地处理和处置生活垃圾是当下的迫切需求。
在城市生活垃圾量日益增长的前提下,建立在分类基础上的收运调度是衔接垃圾处理前端和后端的重要环节。目前,主要采用集中式的人工无耦合收运调度,即人工只根据实际垃圾收集点的情况进行收发工单的派发,并未考虑人工需要去垃圾中转站帮助司机将垃圾搬运到垃圾车中,以及人工手中收发工单的执行时间和垃圾车到达垃圾中转站的时间冲突问题。如果能够找到合适的收运方式,进行收运调度的优化,既可以有效利用现有收运系统来优化作业流程,又不会带来收运成本的过多增长。而城市垃圾的及时回收、运输和处理等环节,可以有效降低污染,减少对居民生活环境影响;同时,合理的安排人工手中收发工单的执行时间和到达垃圾中转站帮助司机搬运垃圾的时间,可以避免和垃圾车到达垃圾中转站的时间冲突问题,达到节约收集成本的目的,提高派发订单合理性和公平性,平衡收集人员和收运车辆的工作量均衡性和用户体验,将废弃物对环境的污染降到最低,可有利于整个社会资源、经济和环境等多方面实现可持续发展的目标。
发明内容
根据派发下来的收集工单,并同时考虑收集员和司机在时间上的耦合关系,有效规划收集人员的路径规划,在确保用户体验的前提下,保证对收集员的公平性。
第一方面,本实施例提供了基于再生资源的收运调度方法,所述方法包括:
获取垃圾桶的满溢时长和当前时刻收集员的闲忙状态,基于所述当前时刻收集员的闲忙状态获得满溢时长属于预设满溢时长内的垃圾桶点位;
判断是否有待回收的中转站,若是,则基于待回收的中转站规划司机的最短路径和停留在中转站的时间窗;
获取待回收中转站的点位和司机停留在所述中转站的时间窗,基于所述待回收中转站的点位、所述垃圾桶点位和所述司机停留在中转站的时间窗规划收集员的路径,使得收集员在所述时间窗内到达所述待回收中转站的点位处。
在其中的一些实施例中,所述规划收集员的路径具体包括以下步骤:
所述待回收中转站的点位加入到所述垃圾桶点位中,获得收集员的路径需要途经的点位;基于所述收集员的路径需要途经的点位,以收集偏差、满溢超时惩罚和收集时长为优化目标,以收集员及司机的工作时间和收集员在所述时间窗内到达待回收中转站的点位处为约束条件来规划收集员的路径。
在其中的一些实施例中,所述以收集偏差、满溢超时惩罚和收集时长为优化目标,具体包括以下步骤:
获取不同收集员已完成收集的垃圾桶数量和所有收集员已完成收集的垃圾桶数量平均值,基于所述垃圾桶数量和所述垃圾桶数量平均值之间的偏差平方和作为收集偏差的标准,来获得关于最小化收集偏差的第一优化目标;
获取收集员到达待收集的垃圾桶点位时所述垃圾桶的第一满溢时长,基于不同垃圾桶点位的第一满溢时长的平方和作为满溢超时惩罚的标准,来获得关于最小化满溢超时惩罚的第二优化目标;
获取收集员在需要途径点位之间的收集代价,基于不同收集员收集代价的平方和作为收集代价的标准,来获得关于最小化收集时长的第三优化标准,其中,优化目标的优先级从高到低依次为第一优化目标、第二优化目标和第三优化目标。
在其中的一些实施例中,所述基于所述当前时刻收集员的闲忙状态获得满溢时长属于预设满溢时长内的垃圾桶点位包括:
获取当前时刻收集员还需要收集的第一批垃圾桶,判断所述第一批垃圾桶的数量是否大于预设阈值,若是,则判定当前收集员处于忙时状态,所述预设满溢时长为第一时长,基于所述第一时长获得满溢时长属于所述第一时长内的第二批垃圾桶,所述垃圾桶点位包括所述第一批垃圾桶的点位和所述第二批垃圾桶的点位;
否则,当前收集员处于闲时状态,所述预设满溢时长为第二时长,基于所述第二时长获得满溢时长属于所述第二时长内的第三批垃圾桶,所述垃圾桶点位包括所述第一批垃圾桶的点位和所述第三批垃圾桶的点位,其中,所述第一时长小于所述第二时长。
在其中的一些实施例中,所述获取垃圾桶的满溢时长包括:
定时获取天气特征、用户投放的垃圾特征和历史垃圾桶满溢时长;
对所述垃圾特征和所述天气特征分别进行参数化和归一化处理,获得垃圾参数和天气参数,使用满溢时长预测模型处理所述垃圾参数和天气参数,得到垃圾桶满溢时长参数;
对所述垃圾桶满溢时长参数进行反归一化处理,得到垃圾桶满溢时长,其中,所述满溢时长预测模型基于所述用户的历史投放的垃圾特征、历史天气特征和历史垃圾桶满溢时长训练。
在其中的一些实施例中,所述判断是否有待回收的中转站包括:
收集员每在中转站投放一次垃圾就记录一次中转站的垃圾数量,判断所述中转站的垃圾数量是否大于预设收集数量,若是,则所述中转站被标记为待回收的中转站。
在其中的一些实施例中,所述方法还包括定时触发或事件触发来获取垃圾桶的满溢时长。
第二方面,本实施例提供了基于再生资源的收运调度系统,所述系统包括调度前端APP和派单调度模块,其中,所述派单调度模块,用于获取垃圾桶的满溢时长和当前时刻收集员的闲忙状态;判断是否有待回收的中转站,若是,则基于待回收的中转站规划司机的最短路径和停留在中转站的时间窗;
所述调度前端APP,用于基于所述当前时刻收集员的闲忙状态获得满溢时长属于预设满溢时长内的垃圾桶点位;获取待回收中转站的点位和司机停留在所述中转站的时间窗;
所述派单调度模块,还用于基于所述待回收中转站的点位、所述垃圾桶点位和所述司机停留在中转站的时间窗规划收集员的路径,使得收集员在所述时间窗内到达所述待回收中转站的点位处。
在其中的一些实施例中,所述系统还包括垃圾桶后端服务模块,其中,
所述垃圾桶后端服务模块,用于定时获取用户投放的垃圾参数、天气参数;
所述派单调度模块,还用于基于所述用户投放的垃圾参数和天气参数,得到用户投放的垃圾参数分布图,使用满溢时长预测模型处理所述垃圾参数分布图,得到垃圾桶状态参数图,所述垃圾桶状态参数图中标注有垃圾桶满溢时长,将所述垃圾桶状态参数图中标注的垃圾桶满溢时长作为所述垃圾桶满溢时长,其中,所述满溢时长预测模型基于所述用户的历史投放的垃圾参数、历史天气参数和历史垃圾桶满溢时长训练。
第三方面,本实施例提供了一种计算机可读存储介质,其上存储有能在处理器上运行的计算机程序,所述计算机程序被所述处理器执行时实现如第一方面所述的城市生活垃圾的收运调度方法。
通过采用上述方案,本申请在规划生活垃圾的收运调度时,首先通过定时或者事件来触发派单,并基于满溢时长预测模型来预测垃圾桶的满溢时长,实现了垃圾桶和中转站满溢时长的智能判断,从而提升了判断的准确性,同时动态生成垃圾桶的满溢时长,结合收集员的闲忙状态来调整预设满溢时长,达到效率和用户服务的平衡,提高用户投放体验;然后基于当前收集员的闲忙状态来获得满溢时长属于预设满溢时长内的垃圾桶点位,判断是否有待回收的中转站,若有待回收的中转站,基于待回收的中转站规划司机的最短路径和停留在中转站的时间窗,将该中转站作为收集员的路径规划点,并将该中转站的点位加入到属于预设满溢时长的垃圾桶点位中,获得收集员的路途需要途经的点位,接着以收集偏差、满溢超时惩罚和收集时长为优化目标,收集员及司机的工作时间和收集员在时间窗内到达待回收中转站的点位处为约束条件来规划收集员的路径。根据派发下来的工单,并同时考虑收集员和司机在时间上的耦合关系,来分别规划司机和收集人员的路径规划,保证司机和收集员的公平性和用户体验。另外,该系统实现了调度中心化的最优化目标,即系统调度前端APP和垃圾桶后端服务模块负责数据上报和回传,调度模块负责实现多目标优化,保证收运调度全局最优和可追溯。
附图说明
图1是本实施例提供的基于再生资源的收运调度系统的结构框图。
图2是本实施例提供的基于再生资源的收运调度方法的流程图。
图3是本实施例提供的垃圾桶实时满溢时长预测和待回收垃圾桶点位生成的流程图。
图4是本实施例提供的基于ALNS的运输和收集两阶段路径规划算法的流程图。
图5是本实施例提供的基于再生资源的收运调度流程图。
具体实施方式
为更清楚地理解本申请的目的、技术方案和优点,下面结合附图和实施例,对本申请进行了描述和说明。然而,本领域的普通技术人员应该明白,可以在没有这些细节的情况下实施本申请。对于本领域的普通技术人员来说,显然可以对本申请所公开的实施例作出各种改变,并且在不偏离本申请的原则和范围的情况下,本申请中所定义的普遍原则可以适用于其他实施例和应用场景。因此,本申请不限于所示的实施例,而是符合与本申请所要求保护的范围一致的最广泛范围。
下面结合说明书附图对本申请实施例作进一步详细描述。
城市生活垃圾是指在城市日常生活中或者为城市日常生活提供服务的活动中产生的固体废物以及法律、行政法规规定视为城市生活垃圾的固体废物,主要包括居民生活垃圾、商业垃圾、集贸市场垃圾、街道垃圾、公共场所垃圾、机关、学校、厂矿等单位的垃圾(工业废渣及特种垃圾等危险固体废物除外),城市生活垃圾从生产到处置经过收集、运输和处理等三个环节,具有生产量和成分复杂多变、产生源头分散、处置高度集中等特点。生活垃圾的收集和运输构成了垃圾收运系统,处理和处置构成了末端处理处置系统。垃圾收运分为三个阶段,分别是搬运和贮存阶段、清运阶段和转运阶段。搬运和贮存阶段是指垃圾从产生后转移到收集容器或者垃圾点的过程,一般是由居民将垃圾投放到相应的垃圾桶中;清运阶段是指将垃圾桶内的垃圾运转到中转站的过程;转运阶段是指生活垃圾远距离的运输,一般由垃圾车将垃圾由中转站运至大型处理场的过程,此时的垃圾已经完成了分类处理。
本实施例提供了基于再生资源的收运调度系统,图1是本实施例提供的基于再生资源的收运调度系统的结构框图。如图1所示,该系统包括:调度前端APP、派单调度模块和垃圾桶后端服务模块。
派单调度模块包括数据预处理单元、满溢预测和动态工单生成单元、运输路径规划单元和收集路径规划单元,用于获取垃圾桶的满溢时长和当前时刻收集员的闲忙状态;判断是否有待回收的中转站,若是,则基于待回收的中转站规划司机的最短路径和停留在中转站的时间窗。
其中,在获取垃圾桶的满溢时长时需要使用垃圾桶后端服务模块,用于定时获取用户投放的垃圾特征和天气特征。然后,派单调度模块用于对所述用户投放的垃圾特征和天气特征分别进行参数化和归一化处理,获得垃圾参数和天气参数,使用满溢时长预测模型处理垃圾参数和天气参数,得到垃圾桶满溢时长参数;对垃圾桶满溢时长进行反归一化处理,得到垃圾桶满溢时长,其中,满溢时长预测模型基于用户的历史投放的垃圾特征、历史天气特征和历史垃圾桶满溢时长训练,满溢预测和动态工单生成单元中含有满溢时长预测模型。在规划司机的最短路径时使用运输路径规划模块来实现。
调度前端APP,用于基于当前时刻收集员的闲忙状态获得满溢时长属于预设满溢时长内的垃圾桶点位;获取待回收中转站的点位和司机停留在所述中转站的时间窗。
其中,垃圾桶点位表明垃圾桶放置的位置,默认为该城市生活垃圾的收运调度系统是已知垃圾桶点位的。
派单调度模块,还用于基于待回收中转站的点位、垃圾桶点位和司机停留在中转站的时间窗规划收集员的路径,使得收集员在时间窗内到达所述待回收中转站的点位处。
在规划收集员的路径时使用收集路径规划单元,上述调度前端APP包括垃圾车的定位信息上传、司机和收集员状态上报、收集重量数据回传和垃圾桶扫码状态回传,可以实现与收集员和垃圾车的交互,其中司机和收集员状态主要包括上下班打卡状态和异常状态等。另外,派单调度模块通过满溢预测和动态工单生成模块也可以获得收集重量数据和垃圾桶扫码状态,并回传到调度前端APP中。派单调度模块也会将生成的工单信息发送给司机和收集员,指引司机和收集员进行工作。
基于上述系统,本系统提供了一种城市生活垃圾的收运调度方法。图2是本实施例提供的基于再生资源的收运调度方法的流程图。如图2所示,该流程包括如下步骤:
步骤S201,获取垃圾桶的满溢时长和当前时刻收集员的闲忙状态,基于当前时刻收集员的闲忙状态获得满溢时长属于预设满溢时长内的垃圾桶点位。
在本实施例中,获取垃圾桶的满溢时长先是通过定时获取天气特征、用户投放的垃圾特征和历史垃圾桶满溢时长;天气特征包括温度、风力和天气状态等,用户投放的垃圾特征包括当前时刻投放的垃圾量和当天累计投放的垃圾量。对于风力来说,可以进行风级来对风力进行参数化处理;对于天气状态时,可以采用数字1-5分别表示晴天、多云、阴天、下雨和下雪这五种不同的状态,根据实际情况,通过使用其它参数来表示新增加的天气状态,这里就不再一一列举。对于投放的垃圾量可以与垃圾的重量来等价。然后对垃圾特征和天气特征分别进行参数化和归一化处理,获得垃圾参数和天气参数,使用满溢时长预测模型处理垃圾参数和天气参数,得到垃圾桶满溢时长参数;其中,在对天气特征和用户投放的垃圾特征进行参数化后进行归一化处理可以提高模型的训练效率。最后对垃圾桶满溢时长参数进行反归一化处理,得到垃圾桶满溢时长,其中,满溢时长预测模型基于用户的历史投放的垃圾特征、历史天气特征和历史垃圾桶满溢时长训练。
在本实施例中,基于当前时刻收集员的闲忙状态获得满溢时长属于预设满溢时长内的垃圾桶点位具体包括以下步骤:
获取当前时刻收集员还需要收集的第一批垃圾桶,判断第一垃圾桶的数量是否大于预设阈值,若是,则判定当前收集员处于忙时状态,预设满溢时长为第一时长,基于所述第一时长获得满溢时长属于第一时长内的第二批垃圾桶,垃圾桶点位包括第一批垃圾桶的点位和第二批垃圾桶的点位。
若第一垃圾桶的数量小于预设阈值,当前收集员处于闲时状态,预设满溢时长为第二时长,基于第二时长获得满溢时长属于第二时长内的第三批垃圾桶,垃圾桶点位包括第一批垃圾桶的点位和第三批垃圾桶的点位,其中第一时长小于第二时长。
根据当前时刻收集员的闲忙状态来规划收集员接下来的工作情况,给收集员合理地安排工作,不仅可以避免垃圾溢出,提高用于体验感,也可以减少收集员的工作压力。
图3是本实施例提供的垃圾桶实时满溢时长预测和待回收垃圾桶点位生成的流程图。如图3所示,该流程主要包括模型训练、模型预测和回收工单生成这三个阶段。
模型训练阶段,提取一段时间的历史样本数据,并将垃圾桶满溢时间点到预测时间点的间隔作为满溢时长的标签,即toverfill-tpredict,其中,toverfill表征垃圾桶满溢时间点,tpredict表征预测的时间点;提取用户历史特征、天气特征、历史N天投放特征等离线的特征,当前垃圾投放量、最近M小时投放量,当天的天气等实时在线特征作为模型特征,其中N可以为7、15或者30等,M可以为1、2或者3等,这里不做过多限制,但是N一般不小于7,M一般不大于4;使用LSTM时序模型训练深度学习模型,目标函数为并根据模型测试集表现做模型调优;将调优好的模型以及对应的离线特征存储在存储中心。通过对离线训练好的模型进行调优操作,可以提高模型的准确性,使得通过预测得到的垃圾桶满溢时长可作为垃圾桶实际的满溢时长。
模型预测阶段,编写线上服务接口并做模型部署,为生成满溢时长属于预设满溢时长内的垃圾桶点位这一阶段的满溢时长请求提供预测服务;线上为满溢垃圾桶请求预测满溢时长,线上服务给出预测时长,若预测服务出现错误,则采取历史统计时长来作为当次预测时长。
回收工单生成,判断垃圾桶所属收集员的闲忙状态,当收集员处于忙时,已满溢和预测第一时间内满溢的垃圾桶都成为第二批垃圾桶,并根据第二批垃圾桶生成工单来等待收集员来进行回收;当收集员处于闲时,已满溢和预测第二时间内满溢的垃圾桶都成为第三批垃圾桶,并根据第三批垃圾桶生成工单来等待收集员来进行回收,其中第一时间小于第二时间。
基于深度学习的满溢时长预测及工单动态生成方法。实现了垃圾桶和中转站满溢时长的智能判断,从而提升了判断的准确性,同时动态生成待回收工单,结合历史数据动态调整阈值,达到效率和用户服务的平衡,提升用户投放体验。
步骤S202,判断是否有待回收的中转站,若是,则基于待回收的中转站规划司机的最短路径和停留在中转站的时间窗。
在本实施例中,收集员每在中转站投放一次垃圾就记录一次中转站的垃圾数量,判断中转站的垃圾数量是否大于预设收集数量,若是,则中转站被标记为待回收的中转站,需要派遣垃圾车到达待回收的中转站将其回收到垃圾处理厂,考虑车辆区域限制、工作时间限制和载重限制等约束条件,最小化行驶路径,可以基于ALNS框架求解垃圾车路径,也可以使用遗传算法来求解垃圾车路径,这里不做限制。由于收集员的工作繁忙,垃圾车到达中转站时,收集员可能还会需要处理垃圾桶工作,会比垃圾车到达中转站的时间晚一些。为了保证各个收集员都能帮助垃圾车处理中转站中的垃圾工作,达到收集员之间的公平性,还需要将垃圾车停留在中转站的时间由时间点扩展为时间窗,时间窗可以根据收集员的闲忙情况进行动态调整。
步骤S203,获取待回收中转站的点位和司机停留在中转站的时间窗,基于待回收中转站的点位、垃圾桶点位和司机停留在中转站的时间窗规划收集员的路径,使得收集员在时间窗内到达待回收中转站的点位处。
本实施例中,在获取收集员的路径时,先将待回收中转站的点位加入到垃圾桶点位中,获得收集员的路径需要途经的点位。然后基于收集员的路径需要途经的点位,以收集偏差、满溢超时惩罚和收集时长为优化目标,以收集员及司机的工作时间和收集员在时间窗内到达待回收中转站的点位处为约束条件来规划收集员的路径。考虑到收集员和司机在时间上的耦合关系,并且确保收集员可以在时间窗内到达中转站等约束条件,在面对多个优化目标时,以收集偏差这个优化目标为主,依次为满溢超时惩罚优化目标和收集时长优化目标。比如,在规划收集员的路径时,如果规划第一条路径的收集时长要大于第二条路径的收集时长,但是第一条路径的收集偏差要小于第二条路径的收集偏差,由于收集偏差这个优化目标的优先级要高度收集时长的这个优化目标,因此,第一条路径为本次路径。可以基于ALNS框架求解垃圾车路径,也可以使用遗传算法来求解收集员的路径,这里不做限制。
其中,构建收集偏差是通过获取不同收集员已经完成收集的垃圾桶数量和所有收集员已完成收集的垃圾桶数量平均值,并基于垃圾桶数量和垃圾桶数量平均值之间的偏差平方和作为收集偏差的标准,来获得关于最小化收集偏差的第一优化目标。
构建满溢超时惩罚是通过获取收集员到达待回收的垃圾桶点位时垃圾桶的第一满溢时长,基于不同垃圾桶点位的第一满溢时长的平方和作为满溢超时惩罚的标准,来获得关于最小化满溢超时惩罚的第二优化目标。
构建收集时长是通过获取收集员在需要途径点位之间的收集代价,由于收集员在途径点位之间走过的距离和时长成正比,因此这个收集代价可以用时长来表示,也可以使用距离来表示。本实施例使用时长来表示。基于不同收集员收集代价的平方和作为收集代价的标准,来获得关于最小化收集时长的第三优化标准。
图4是本实施例提供的基于ALNS的运输和收集两阶段路径规划算法的流程图。如图4所示,该具体流程为:
A1、固定时间节点触发或者事件触发进入路径规划主流程,获取垃圾车的重量、实时位置、额定载重和状态信息,中转站的位置、中转站中待回收垃圾的实时重量和中转站中垃圾的高度信息,收集员的位置和状态等信息。
A2、判断是否有可回收的中转站,根据不同时间段的阈值判断。
A3、如果有中转站需要回收,那么进入A4生成运输路径,否则跳到A6。
A4、构建最小化路径行驶目标,加入车辆区域限制、工作时间限制、载重限制等约束条件,基于ALNS框架求解垃圾车路径,并将结果生成运输工单下发给司机。
A5、将运输工单加入对应待回收工单中。
A6、结合A5和垃圾桶满溢时长预测模型动态生成收集员需要途经的点位。
A7、构建模型决策变量为其中,k∈K为收集员集合,i,j∈P为待回收中转站集合,模型目标为最小化收集偏差其中Nk为k的收集量,为平均分配单量,最小化满溢时长∑p∈P(Tp)2,其中Tp为点p满溢时长,最小化收集时长其中为k收集员,i,j∈P之间的收集代价(如时长、距离);模型约束为收集唯一性约束片区约束以及流量守恒约束等。使用ALNS搜索框架搜索求解收集员路径规划,若达到搜索停止条件,如迭代次数和迭代时间限制,搜索步骤停止并返回当前最优解,并返回模型结果下发收集工单给收集员。
A8、本轮路径规划结束。
为了保证各个司机和收集员的公平性,待垃圾车到达待回收中转站时,将垃圾寄存在该待回收中转站的所有收集员都需要帮助司机将垃圾装到垃圾车上面。上述流程图应用于对运输司机和收集员生成路径规划,先利用ALNS算法框架对垃圾车进行路径规划,并预测到达和在中转站停留的时间,然后将该中转站作为规划点加入收集员路径规划中,从而达到动态快速实现多个收集员的工作量均衡性、用户体验以及收集和运输的工作效率最大化的多个目标。即根据派发下来的工单,并同时考虑收集员和司机在时间上的耦合关系,来分别规划司机和收集人员的路径规划,确保用户体验的前提下,保证对司机和收集员的公平性。
在本实施例中,定时触发或事件触发预测垃圾桶的满溢时长。
图5是本实施例提供的基于再生资源的收运调度流程图。如图5所示,调度以自然天为单位进行,单次调度以定时或者工单完成等时间触发方式实现调度动态性;单次调度开始后,满溢时长预估部分首先结合历史时序数据、实时天气数据以及实时投放数据,利用深度学习算法预测垃圾桶的满溢状态和垃圾桶可能的满溢时长;动态工单生成部分根据每个收集员的闲忙情况动态确定第一收集工单和运输工单,主要是为了兼顾收集员的公平性和用户投放的体验。工单生成后,就需要对垃圾车进行路径规划和收集员进行路径规划,该部分主要考虑了运输和收集效率、司机和收集员公平性以及尽快解决满溢,来提升用户投放体验等多个目标;调度工单下发执行部分通过调度前端应用将生成的路径推送给司机和收集员,司机和收集员根据路径安排执行相关的调度任务,直到当天无可调度工单或者司机和收集员下班为止。使用“云-端”一体化的交互模式,即前端负责执行和异常的上报,后端负责实现多目标优化,保证收运调度全局最优和可追溯。
本申请实施例提供了一种计算机可读存储介质,该计算机可读存储介质上存储有计算机程序,当其在计算机上运行时,使得计算机可以执行前述方法实施例中相应内容。
应该理解的是,虽然附图的流程图中的各个步骤按照箭头的指示依次显示,但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明,这些步骤的执行并没有严格的顺序限制,其可以以其他的顺序执行。
以上所述仅是本申请的部分实施方式,应当指出,对于本技术领域的普通技术人员来说,在不脱离本申请原理的前提下,还可以做出若干改进和润饰,这些改进和润饰也应视为本申请的保护范围。
Claims (10)
1.基于再生资源的收运调度方法,其特征在于,所述方法包括:
获取垃圾桶的满溢时长和当前时刻收集员的闲忙状态,基于所述当前时刻收集员的闲忙状态获得满溢时长属于预设满溢时长内的垃圾桶点位;
判断是否有待回收的中转站,若是,则基于待回收的中转站规划司机的最短路径和停留在中转站的时间窗;
获取待回收中转站的点位和司机停留在所述中转站的时间窗,基于所述待回收中转站的点位、所述垃圾桶点位和所述司机停留在中转站的时间窗规划收集员的路径,使得收集员在所述时间窗内到达所述待回收中转站的点位处。
2.根据权利要求1所述的方法,其特征在于,所述规划收集员的路径具体包括以下步骤:
所述待回收中转站的点位加入到所述垃圾桶点位中,获得收集员的路径需要途经的点位;
基于所述收集员的路径需要途经的点位,以收集偏差、满溢超时惩罚和收集时长为优化目标,以收集员及司机的工作时间和收集员在所述时间窗内到达待回收中转站的点位处为约束条件来规划收集员的路径。
3.根据权利要求2所述的方法,其特征在于,所述以收集偏差、满溢超时惩罚和收集时长为优化目标,具体包括以下步骤:
获取不同收集员已完成收集的垃圾桶数量和所有收集员已完成收集的垃圾桶数量平均值,基于所述垃圾桶数量和所述垃圾桶数量平均值之间的偏差平方和作为收集偏差的标准,来获得关于最小化收集偏差的第一优化目标;
获取收集员到达待收集的垃圾桶点位时所述垃圾桶的第一满溢时长,基于不同垃圾桶点位的第一满溢时长的平方和作为满溢超时惩罚的标准,来获得关于最小化满溢超时惩罚的第二优化目标;
获取收集员在需要途径点位之间的收集代价,基于不同收集员收集代价的平方和作为收集代价的标准,来获得关于最小化收集时长的第三优化标准,其中,优化目标的优先级从高到低依次为第一优化目标、第二优化目标和第三优化目标。
4.根据权利要求1所述的方法,其特征在于,所述基于所述当前时刻收集员的闲忙状态获得满溢时长属于预设满溢时长内的垃圾桶点位包括:
获取当前时刻收集员还需要收集的第一批垃圾桶,判断所述第一批垃圾桶的数量是否大于预设阈值,若是,则判定当前收集员处于忙时状态,所述预设满溢时长为第一时长,基于所述第一时长获得满溢时长属于所述第一时长内的第二批垃圾桶,所述垃圾桶点位包括所述第一批垃圾桶的点位和所述第二批垃圾桶的点位;
否则,当前收集员处于闲时状态,所述预设满溢时长为第二时长,基于所述第二时长获得满溢时长属于所述第二时长内的第三批垃圾桶,所述垃圾桶点位包括所述第一批垃圾桶的点位和所述第三批垃圾桶的点位,其中,所述第一时长小于所述第二时长。
5.根据权利要求1所述的方法,其特征在于,所述获取垃圾桶的满溢时长包括:
定时获取天气特征、用户投放的垃圾特征和历史垃圾桶满溢时长;
对所述垃圾特征和所述天气特征分别进行参数化和归一化处理,获得垃圾参数和天气参数,使用满溢时长预测模型处理所述垃圾参数和天气参数,得到垃圾桶满溢时长参数;
对所述垃圾桶满溢时长参数进行反归一化处理,得到垃圾桶满溢时长,其中,所述满溢时长预测模型基于所述用户的历史投放的垃圾特征、历史天气特征和历史垃圾桶满溢时长训练。
6.根据权利要求1所述的方法,其特征在于,所述判断是否有待回收的中转站包括:
收集员每在中转站投放一次垃圾就记录一次中转站的垃圾数量,判断所述中转站的垃圾数量是否大于预设收集数量,若是,则所述中转站被标记为待回收的中转站。
7.根据权利要求1所述的方法,其特征在于,所述方法还包括定时触发或事件触发来获取垃圾桶的满溢时长。
8.基于再生资源的收运调度系统,其特征在于,所述系统包括调度前端APP和派单调度模块,其中,
所述派单调度模块,用于获取垃圾桶的满溢时长和当前时刻收集员的闲忙状态;判断是否有待回收的中转站,若是,则基于待回收的中转站规划司机的最短路径和停留在中转站的时间窗;
所述调度前端APP,用于基于所述当前时刻收集员的闲忙状态获得满溢时长属于预设满溢时长内的垃圾桶点位;获取待回收中转站的点位和司机停留在所述中转站的时间窗;
所述派单调度模块,还用于基于所述待回收中转站的点位、所述垃圾桶点位和所述司机停留在中转站的时间窗规划收集员的路径,使得收集员在所述时间窗内到达所述待回收中转站的点位处。
9.根据权利要求8所述的系统,其特征在于,所述系统还包括垃圾桶后端服务模块,其中,
所述垃圾桶后端服务模块,用于定时获取用户投放的垃圾参数、天气参数;
所述派单调度模块,还用于基于所述用户投放的垃圾参数和天气参数,得到用户投放的垃圾参数分布图,使用满溢时长预测模型处理所述垃圾参数分布图,得到垃圾桶状态参数图,所述垃圾桶状态参数图中标注有垃圾桶满溢时长,将所述垃圾桶状态参数图中标注的垃圾桶满溢时长作为所述垃圾桶满溢时长,其中,所述满溢时长预测模型基于所述用户的历史投放的垃圾参数、历史天气参数和历史垃圾桶满溢时长训练。
10.一种计算机可读存储介质,其上存储有能在处理器上运行的计算机程序,其特征在于,所述计算机程序被所述处理器执行时实现如权利要求1-7中任意一项所述的一种城市生活垃圾的收运调度方法方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210777829.7A CN115063013A (zh) | 2022-07-04 | 2022-07-04 | 基于再生资源的收运调度方法、系统及介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210777829.7A CN115063013A (zh) | 2022-07-04 | 2022-07-04 | 基于再生资源的收运调度方法、系统及介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115063013A true CN115063013A (zh) | 2022-09-16 |
Family
ID=83204653
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210777829.7A Pending CN115063013A (zh) | 2022-07-04 | 2022-07-04 | 基于再生资源的收运调度方法、系统及介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115063013A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116911481A (zh) * | 2023-07-31 | 2023-10-20 | 深圳市新樟环保科技有限公司 | 基于大数据处理的垃圾收运系统及方法 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20170081120A1 (en) * | 2014-03-14 | 2017-03-23 | Hunan University | Intelligent and Informatized Multi-Vehicle Collaboratively Operating Municipal Refuse Collection and Transfer System and Method |
CN110991770A (zh) * | 2019-12-24 | 2020-04-10 | 上海龙澄专用车辆有限公司 | 一种新型垃圾清运方法、系统及垃圾清运车 |
CN112478529A (zh) * | 2020-11-30 | 2021-03-12 | 重庆电子工程职业学院 | 智慧垃圾收运系统 |
CN113469416A (zh) * | 2021-06-08 | 2021-10-01 | 哈尔滨工业大学 | 一种派件任务规划方法及设备 |
-
2022
- 2022-07-04 CN CN202210777829.7A patent/CN115063013A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20170081120A1 (en) * | 2014-03-14 | 2017-03-23 | Hunan University | Intelligent and Informatized Multi-Vehicle Collaboratively Operating Municipal Refuse Collection and Transfer System and Method |
CN110991770A (zh) * | 2019-12-24 | 2020-04-10 | 上海龙澄专用车辆有限公司 | 一种新型垃圾清运方法、系统及垃圾清运车 |
CN112478529A (zh) * | 2020-11-30 | 2021-03-12 | 重庆电子工程职业学院 | 智慧垃圾收运系统 |
CN113469416A (zh) * | 2021-06-08 | 2021-10-01 | 哈尔滨工业大学 | 一种派件任务规划方法及设备 |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116911481A (zh) * | 2023-07-31 | 2023-10-20 | 深圳市新樟环保科技有限公司 | 基于大数据处理的垃圾收运系统及方法 |
CN116911481B (zh) * | 2023-07-31 | 2024-05-28 | 深圳市新樟环保科技有限公司 | 基于大数据处理的垃圾收运系统及方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111641207B (zh) | 一种区域能源综合体虚拟聚合系统及方法 | |
CN111325483B (zh) | 一种基于电池容量预测的电动公交车辆排班方法 | |
Shi et al. | Memory-based ant colony system approach for multi-source data associated dynamic electric vehicle dispatch optimization | |
CN112488441B (zh) | 一种露天矿卡车智能调度方法及系统 | |
CN113222463B (zh) | 基于数据驱动的神经网络代理辅助露天矿无人卡车调度方法 | |
CN101908275A (zh) | 基于多网络的公共交通优化出行方法 | |
CN104009494A (zh) | 一种环境经济发电调度方法 | |
Han et al. | A survey for vehicle routing problems and its derivatives | |
Fan et al. | Solid waste collection optimization considering energy utilization for large city area | |
CN115063013A (zh) | 基于再生资源的收运调度方法、系统及介质 | |
CN110896529A (zh) | 一种智能分类垃圾的追踪和分析系统及方法 | |
CN112381398B (zh) | 考虑用户有限理性出行的电动汽车充电站选址方法及系统 | |
CN111967710A (zh) | 一种基于区块链与边缘计算技术的共享单车调度系统 | |
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 | |
CN115130727A (zh) | 一种新能源纯电公交车夜间充电调度方法 | |
CN112097783A (zh) | 基于深度强化学习的电动出租车充电导航路径规划方法 | |
CN115471153A (zh) | 一种新农村智慧物流管理系统 | |
CN110264009B (zh) | 一种共享汽车调度系统及其调度方法 | |
CN117151368A (zh) | 换电调度方法、装置、电子设备及换电调度系统 | |
Yuan et al. | Source: Towards solar-uncertainty-aware e-taxi coordination under dynamic passenger mobility | |
CN114611864A (zh) | 一种垃圾车辆低碳调度方法及系统 | |
CN115526427A (zh) | 一种垃圾转运站规划布局方法 | |
CN103116674A (zh) | 一种基于事件队列的区域应急疏散过程仿真方法 | |
CN114626622A (zh) | 一种光伏功率预测方法、系统、装置及存储介质 | |
Lekveishvili et al. | Application of genetic algorithm of optimization during the process of urban passenger traffic management |
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 | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20220916 |