CN117077987B - 一种基于元胞自动机的环卫管理方法及存储介质 - Google Patents
一种基于元胞自动机的环卫管理方法及存储介质 Download PDFInfo
- Publication number
- CN117077987B CN117077987B CN202311333819.5A CN202311333819A CN117077987B CN 117077987 B CN117077987 B CN 117077987B CN 202311333819 A CN202311333819 A CN 202311333819A CN 117077987 B CN117077987 B CN 117077987B
- Authority
- CN
- China
- Prior art keywords
- sanitation
- state
- cell
- area
- output information
- 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
- 230000001413 cellular effect Effects 0.000 title claims abstract description 70
- 230000007613 environmental effect Effects 0.000 title claims abstract description 43
- 238000007726 management method Methods 0.000 title claims abstract description 40
- 238000003860 storage Methods 0.000 title claims abstract description 16
- 239000010813 municipal solid waste Substances 0.000 claims abstract description 82
- 239000002699 waste material Substances 0.000 claims abstract description 8
- 238000012937 correction Methods 0.000 claims description 78
- 238000000034 method Methods 0.000 claims description 20
- 238000012545 processing Methods 0.000 claims description 20
- 238000010276 construction Methods 0.000 claims description 16
- 238000013439 planning Methods 0.000 claims description 16
- 238000012546 transfer Methods 0.000 claims description 15
- 230000008569 process Effects 0.000 claims description 11
- 238000004364 calculation method Methods 0.000 claims description 4
- 238000007689 inspection Methods 0.000 claims 1
- 230000008859 change Effects 0.000 abstract description 18
- 230000004927 fusion Effects 0.000 abstract description 12
- 238000004140 cleaning Methods 0.000 abstract description 8
- 238000013468 resource allocation Methods 0.000 abstract description 6
- 230000007704 transition Effects 0.000 abstract description 4
- 238000005457 optimization Methods 0.000 abstract description 2
- 238000004088 simulation Methods 0.000 description 14
- 238000012544 monitoring process Methods 0.000 description 8
- 238000004422 calculation algorithm Methods 0.000 description 6
- 238000009825 accumulation Methods 0.000 description 5
- 230000003749 cleanliness Effects 0.000 description 4
- 230000010485 coping Effects 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 238000013459 approach Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 2
- 230000007547 defect Effects 0.000 description 2
- 230000008713 feedback mechanism Effects 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 230000006399 behavior Effects 0.000 description 1
- 238000009795 derivation Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 238000013178 mathematical model Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000013486 operation strategy Methods 0.000 description 1
- 238000002360 preparation method Methods 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 238000000638 solvent extraction Methods 0.000 description 1
- 230000003442 weekly effect Effects 0.000 description 1
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
- G06Q10/06312—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
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock 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
- G06Q50/00—Systems or methods specially adapted for 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)
- Strategic Management (AREA)
- Economics (AREA)
- Tourism & Hospitality (AREA)
- Entrepreneurship & Innovation (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Marketing (AREA)
- General Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Development Economics (AREA)
- Educational Administration (AREA)
- Quality & Reliability (AREA)
- Operations Research (AREA)
- Game Theory and Decision Science (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种基于元胞自动机的环卫管理方法及存储介质：将城市区域划分为元胞，每个元胞代表一个特定的环卫区域，包括小区、商场、工厂等。P2、状态表示：每个元胞的状态可以表示为该区域的环卫情况，如垃圾多少、清洁程度等。P3、状态转移：利用元胞自动机规则；智能作业调度和资源优化：元胞自动机模拟环卫区域的状态变化，而D‑S理论能够将来自不同源头的环卫信息合理融合。通过结合这两者，可以实现智能作业调度，根据实时的环卫情况和证据融合结果，优化环卫作业的计划和资源分配。系统可以根据各区域的垃圾产生量、清洁程度等动态调整作业优先级和频率，最大程度地提高资源利用效率，减少资源浪费。
Description
技术领域
本发明涉及城市环卫技术领域，特别涉及一种基于元胞自动机的环卫管理方法及存储介质。
背景技术
城市环卫工作主要由环卫工人进行，包括垃圾收集、清扫、清理等。工人根据固定的时间表和区域进行作业，但可能存在效率低下、资源浪费等问题。环卫管理部门通常根据固定的计划进行环卫作业，如每周清扫道路、每天收集垃圾等。这种方法可能无法适应城市环境的动态变化。
传统方法通常缺乏及时的反馈机制，无法准确了解环卫现场的实际情况，难以及时调整和优化管理策略；具体来说，通常依赖人工管理和固定计划，导致资源分配不均匀，效率低下，无法灵活应对不同情况。同时缺乏实时的数据和反馈机制，环卫管理部门难以准确了解环卫现场的实际情况，无法及时做出调整和决策。由于缺乏精细化管理，可能导致资源浪费，例如在某些区域过度投入资源，而在其他区域资源不足。最重要的是，城市环境和需求可能随时发生变化，传统方法难以灵活应对这些变化，导致环卫管理不够适应性和弹性。
综上所述，传统的城市环卫管理方法在效率、信息获取、资源利用和应对动态变化等方面存在缺陷亟需解决。
为此，提出一种基于元胞自动机的环卫管理方法及存储介质。
发明内容
有鉴于此，本发明实施例提供一种基于元胞自动机的环卫管理方法及存储介质，以解决或缓解现有技术中存在的技术问题，即效率、信息获取、资源利用和应对动态变化，并对此至少提供一种有益的选择；
本发明实施例的技术方案是这样实现的：
第一方面：
一种基于元胞自动机的环卫管理方法：
本申请的上述环卫管理方法涉及元胞自动机和D-S理论，可以用于城市环卫管理的创新方法：元胞自动机是一种基于格点的数学模型，用于模拟复杂系统的演化和行为。它将空间划分为一系列单元格（元胞），每个单元格可以处于不同的状态，根据预定义的规则和邻居单元格的状态进行演化。在城市环卫管理中，元胞自动机可以将城市区域划分为不同的元胞，并根据元胞之间的互动模拟环卫作业的状态变化。
在环卫管理中的应用：
P1、元胞定义：将城市区域划分为元胞，每个元胞代表一个特定的环卫区域，包括小区、商场、工厂等。
P2、状态表示： 每个元胞的状态可以表示为该区域的环卫情况，如垃圾多少、清洁程度等。
P3、状态转移：利用元胞自动机规则，根据相邻元胞的状态和预设规则，模拟环卫区域在不同时间步的变化，包括垃圾积累、清扫、维护等。
D-S理论（Dempster-Shafer Theory）： D-S理论是一种处理不确定性和冲突的理论，通过概率和集合论的方法进行证据的合并和冲突处理。它允许多个证据源的信息进行合理的融合，从而提供更准确的决策依据。
在环卫管理中的应用：
P1、证据融合：将来自不同源头的环卫信息作为证据，如实际垃圾信息和平均垃圾输出信息。
P2、置信度计算：基于D-S理论的公式，计算每个证据的置信度和冲突度，以获取更准确的信息融合结果。
P3、决策支持：利用合并后的证据，为环卫作业提供决策支持，包括调整清扫计划、资源分配等。
通过将元胞自动机和D-S理论结合，元胞自动机模拟环卫区域的状态变化，结合D-S理论的证据融合，可以智能地调度环卫作业，优化资源分配，提高效率。元胞自动机与D-S理论结合，可以根据实时的环卫信息进行修正，实现实时监测和调整环卫作业计划。元胞自动机模拟环卫区域的动态变化，结合D-S理论的决策支持，可以更好地适应城市环境的变化，提高管理的灵活性和适应性。
将元胞自动机和D-S理论应用于城市环卫管理，可以实现智能化、动态化的环卫作业，优化资源利用，提高效率和环境质量。这种创新方法能够更好地应对传统方法所存在的低效率、信息滞后、资源浪费等缺陷，为城市环卫工作带来新的可行性。
第二方面：
一种存储介质，所述存储介质内存储有用于执行如上述所述的环卫管理方法的程序指令。这个存储介质可以是计算机硬盘、固态硬盘、闪存卡等。存储介质内的程序指令包括了实现元胞自动机模拟、D-S理论证据融合和决策支持的算法和逻辑。具体而言，这些指令应当包括以下方面：
（1）元胞自动机算法：存储介质中包含了实现元胞自动机模拟的算法，定义了元胞的状态表示、状态转移规则以及元胞之间的相互作用方式。这些算法将指导元胞自动机在不同时间步上的状态演化。
（2）D-S理论实现：存储介质内存储了执行D-S理论证据融合和决策支持的具体算法。这些算法涉及证据的合并、冲突处理、置信度计算等，以及根据合并后的证据做出决策的方法。
（3）实时监测和调整逻辑：存储介质中应当还包含了实时监测城市环卫信息的逻辑，以及根据实时数据调整环卫作业计划的方法。这些逻辑将允许系统根据实际情况进行灵活调整，实现环卫作业的实时性和效率。
总结性的，与现有技术相比，本发明所提供的一种基于元胞自动机的环卫管理方法及存储介质的有益效果如下：
一、智能作业调度和资源优化：元胞自动机模拟环卫区域的状态变化，而D-S理论能够将来自不同源头的环卫信息合理融合。通过结合这两者，可以实现智能作业调度，根据实时的环卫情况和证据融合结果，优化环卫作业的计划和资源分配。系统可以根据各区域的垃圾产生量、清洁程度等动态调整作业优先级和频率，最大程度地提高资源利用效率，减少资源浪费。
二、实时监测和作业调整：元胞自动机模拟环卫区域的状态变化，并结合D-S理论进行证据融合，实时的环卫信息可以被有效地集成和分析。这使得环卫作业可以根据实时数据进行调整，例如在特定区域垃圾堆积较多时，系统可以实时调整作业计划，派遣更多的环卫人员进行清理。这种实时监测和调整能力有助于迅速响应城市环卫问题，确保公共区域始终保持干净整洁。
三、灵活适应城市环境变化：元胞自动机模拟环卫区域的动态变化，而D-S理论的决策支持能力可以根据多源信息做出更准确的决策。通过结合这两者，环卫管理可以更好地适应城市环境的变化，如天气、人口流动等因素的影响。当城市环境发生变化时，系统可以根据实时信息和证据融合结果，调整环卫作业策略，确保高效的环卫管理和资源分配。
附图说明
为了更清楚地说明本申请实施例或现有技术中的技术方案，下面将对实施例或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申请的一些实施例，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为本发明的逻辑示意图；
图2为本发明的实施例7的程序示意图。
具体实施方式
为使本发明的上述目的、特征和优点能够更加明显易懂，下面结合附图对本发明的具体实施方式做详细的说明。在下面的描述中阐述了很多具体细节以便于充分理解本发明。但是本发明能够以很多不同于在此描述的其它方式来实施，本领域技术人员可以在不违背本发明内涵的情况下做类似改进，因此本发明不受下面公开的具体实施例的限制；
请参阅图1，本具体实施方式将提供相关技术方案：
一种基于元胞自动机的环卫管理方法，在实施所述环卫管理方法前，执行如下步骤：
S1、获取信息：根据城建规划，将城市划分为不同区域，每个区域代表一个特定的城建建筑特征，如小区、工厂、商场等。为每个区域收集平均垃圾输出信息，这些信息反映了每个区域的环卫情况，包括垃圾产生量、清洁程度等。
S2、确定环卫区域：根据城建规划和收集的信息，将城市环卫区域划分为M个元胞，每个元胞对应一个城建规划区域。这样，整个城市环卫区域被分解为多个小区域，每个元胞代表一个特定区域的环卫情况。
在完成S1~S2后，实施环卫管理方法：
S3、基于收集的平均垃圾输出信息，使用元胞自动机模拟每个元胞区域在不同时间步的状态变化。这些状态包括垃圾堆积情况、清洁程度等。元胞自动机模拟的结果将指导环卫作业的制导，确定何时、何地进行清理和维护。同时，将工作人员实际收集到的垃圾信息与元胞区域的平均垃圾输出信息进行对比，以便进一步修正环卫作业的计划。
S4、修正：将元胞自动机模拟得到的环卫情况与城建规划区域预先设置的平均垃圾输出信息进行比对。使用D-S理论对比实际垃圾信息与预期信息之间的差异，计算置信度和冲突度，反向输出至元胞自动机进行修正。修正的过程会调整元胞自动机模拟的状态，从而更准确地反映实际环卫情况。
S5、循环执行S3~S4。这个环节形成了一个闭环，不断地执行元胞自动机的模拟和修正过程。随着时间的推移，元胞自动机将根据实际数据和D-S理论的反馈逐渐趋于准确，环卫作业计划将持续优化，以适应城市环境的变化和发展。
在本具体实施方式中，这种基于元胞自动机的环卫管理方法通过收集信息、模拟环卫区域状态变化、结合D-S理论进行证据融合和修正，实现了智能作业调度、实时监测和适应性管理，从而提高了环卫作业的效率、资源利用率和适应性。
以上所述具体实施方式的各技术特征可以进行任意的组合，为使描述简洁，未对上述具体实施方式中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。
实施例1
根据上述具体实施方式及实施例，本实施例进一步的提供如下技术方案：
在上述环卫管理方法中，S1和S2阶段是为了为后续的元胞自动机和D-S理论的应用做准备。以下是每个步骤的具体逻辑原理以及其在整体技术流程中的作用。
在S1中，城市根据规划被分为不同的区域（A1, A2, ..., AN），每个区域具有独特的城建建筑特征。针对每个区域，收集并记录其平均垃圾输出信息（Ri），这个信息可以包括垃圾产生量、清洁程度等环卫情况。获得了各个区域的环卫情况数据，为后续的元胞自动机模拟提供了基础信息。
其中，区域包括环卫区域和城建规划区域。
在S2中，将城市环卫区域划分为M个元胞，每个元胞对应一个城建规划区域。每个元胞具有一个状态（Si），该状态代表元胞在某一时间步的环卫情况，可以是垃圾堆积情况、清洁程度等。将城市环卫区域分解为多个小区域，每个元胞代表一个特定区域的环卫情况，为元胞自动机模拟和状态更新提供了基础。
通过S1和S2的准备工作，获得了城市不同区域的平均垃圾输出信息（Ri），并将城市环卫区域划分为了M个元胞（C1, C2, ..., CM）。这为后续的元胞自动机模拟、D-S理论的证据融合以及修正提供了必要的数据和区域划分。
示例性的，S1、获取信息：城建规划和平均垃圾输出信息（Ri）：
在一座虚拟的城市中，根据城建规划，将城市划分为六个主要区域：住宅区、商业区、工业区、交通枢纽、公园和旅游景区。每个区域具有不同的建筑特征和环境情况。
（1）住宅区：平均垃圾输出信息（R1）为中等，因为这里有许多家庭，但环保意识较高。
（2）商业区：平均垃圾输出信息（R2）为高，因为商业区域有较多的人流，垃圾产生量相对较大。
（3）工业区：平均垃圾输出信息（R3）为中等，工业区域存在一些废弃物，但管理较好。
（4）交通枢纽：平均垃圾输出信息（R4）为较低，这里主要是交通区域，垃圾量相对较少。
（5）公园：平均垃圾输出信息（R5）为低，这里环境清洁，垃圾较少。
（6）旅游景区：平均垃圾输出信息（R6）为中等，由于游客流量大，垃圾产生量较大。
S2、确定环卫区域：划分元胞（C1, C2, ..., CM）：
在模拟中，将城市环卫区域划分为15个元胞，每个元胞对应一个城建规划区域。
（1）C1-C3：代表住宅区，每个元胞对应一个住宅小区。
（2）C4-C6：代表商业区，每个元胞对应一个商场或商业街区。
（3）C7-C9：代表工业区，每个元胞对应一个工业园区。
（4）C10-C11：代表交通枢纽，每个元胞对应一个交通枢纽站点。
（5）C12-C13：代表公园，每个元胞对应一个公园区域。
（6）C14-C15：代表旅游景区，每个元胞对应一个旅游景点。
每个元胞具有一个状态（Si），表示该元胞在某一时间步的环卫情况，这个状态可以是垃圾积累情况、清洁程度等。根据城建规划和收集的平均垃圾输出信息（Ri），可以为每个元胞赋予初值的状态。
实施例2
根据上述具体实施方式及实施例，本实施例进一步的提供如下技术方案：
在S3中：在每个时间步（t），对每个元胞（Ci）进行验算，以模拟其状态演化。这个过程使用状态转移函数（f）来计算下一个时间步（t+1）的状态（Si）。状态转移函数将当前状态和平均垃圾输出信息（Ri）作为输入，输出下一个时间步的状态：
其中，f是状态转移函数，用于根据当前状态和平均垃圾输出信息计算下一个时间步的状态。
其中，Si（t）是某个元胞Ci在时间步t下的状态，Si（t+1）是某个元胞Ci在时间步t+1下的状态。
具体的，对于每个元胞Ci，在时间步t，将当前元胞的状态Si(t)和对应区域的平均垃圾输出信息Ri传递给状态转移函数f。
状态转移函数f根据当前状态Si(t)和平均垃圾输出信息Ri计算出元胞在下一个时间步（t+1）的状态Si(t+1)。
通过不同时间步的迭代，让元胞自动机产生演化结果，即每个元胞在不同时间步的状态演化序列。每个元胞在不同时间步的状态Si(t)代表了该区域环卫情况的预测值，即预测在下一个时间步该区域的垃圾输出情况，这可以用来指导环卫人员的作业计划。
通过不同时间步的迭代，让元胞自动机产生演化结果，演化结果为每个元胞在不同时间步的状态，每个元胞在不同时间步的状态为每个区域具有对应的当前垃圾输出信息的预测值，通过预测值指导环卫人员进行作业。通过这个过程，可以利用元胞自动机模拟不同区域在不同时间步的状态变化，从而预测未来的垃圾输出情况。这些预测值将成为环卫作业的指导，帮助环卫人员有效分配资源和优化作业计划，以应对不同区域的垃圾情况。
实施例3
根据上述具体实施方式及实施例，本实施例进一步的提供如下技术方案：
希望通过状态转移函数来模拟元胞在不同时间步的状态演化，使其受到平均垃圾输出信息的影响。引入权重参数α，用于调节平均垃圾输出信息对元胞状态的影响程度。不同的α值将导致不同程度的状态变化，从而实现对环卫情况的调控。设状态Si表示某元胞在时间步t的状态，而Ri表示对应区域在时间步t的平均垃圾输出信息。
设状态Si表示某元胞在时间步t的状态，而Ri表示对应区域在时间步t的平均垃圾输出信息。引入状态转移函数f，用于计算下一个时间步（t+1）的状态：状态转移函数f：
其中，α是一个权重参数，表示平均垃圾输出信息对元胞状态的影响程度。即元胞的状态在下一个时间步会受到平均垃圾输出信息的影响，而α用于调节这种影响程度。下一个时间步的状态Si(t+1)等于当前状态Si(t)加上一个根据平均垃圾输出信息Ri调整的增量。α控制了这个增量的大小，即平均垃圾输出信息对元胞状态的影响程度。
具体的，α可以根据具体情况进行调整，例如当α为较大值时，平均垃圾输出信息对状态的影响较大，元胞状态会更快地适应平均垃圾输出情况；而当α为较小值时，状态变化较为缓慢，元胞状态会受到平均垃圾输出信息的影响较小。
进一步的，α的确定可以基于实际数据、经验或者实验来进行，以实现状态变化的合理调控，确保元胞状态能够更准确地预测环卫情况。通过引入状态转移函数和权重参数α，可以在元胞自动机的模拟过程中更精确地模拟不同区域的环卫情况，根据平均垃圾输出信息对状态进行动态调整，从而提高预测的准确性和环卫管理的效果。
示例性的，设有一个元胞C1代表住宅区，其初始状态为Si(0) = 10（表示垃圾量），对应的平均垃圾输出信息为R1 = 3。将使用状态转移函数进行一步演化，其中α = 0.5。
场景示例：
初始状态：
公式推导：
根据状态转移函数：
代入初始值：
计算：
在这个场景中，使用状态转移函数来计算元胞C1在下一个时间步（t+1）的状态。初始状态为Si(0) = 10，对应的平均垃圾输出信息为R1 = 3，权重参数α = 0.5。根据状态转移函数的公式，计算得到Si(1) = 11.5。这意味着在下一个时间步，住宅区的垃圾量将增加到11.5。这个演化结果可以用来指导环卫人员在下一个时间步的作业计划。
实施例4
根据上述具体实施方式及实施例，本实施例进一步的提供如下技术方案：
在S4中：元胞自动机与D-S理论结合：
在环卫作业过程中，工作人员需要测量每个元胞Ci在当前时间步的实际垃圾信息（Mi(t)），即实际的垃圾堆积情况。为了判断环卫情况是否与预期一致，将实际垃圾信息与预先设置的平均垃圾输出信息（Ri）进行比对，以得出比对结果，进一步反映环卫情况的准确程度。
在环卫作业过程中，在每个时间步（t），环卫作业人员对每个元胞Ci进行实际垃圾信息的测量，记为Mi(t)。
引入比对函数g，用于将实际垃圾信息（Mi(t)）与对应区域的平均垃圾输出信息（Ri）进行比对判断，得出比对结果（Vi(t)）：
将实际垃圾信息与预先设置的平均垃圾输出信息进行比对判断，得出比对结果，记为Vi(t)。这里，Vi(t)代表比对结果，反映了实际垃圾信息与预期平均垃圾输出信息之间的差异程度。比对结果Vi(t)提供了环卫情况的实际测量值与预期值之间的差异信息，用于评估环卫作业的准确性和效果。
比对函数g优选为AVERAGEIF函数，根据指定的条件对数据进行平均数计算。
比对结果可以作为D-S理论的输入，进行证据的合并和冲突处理，从而修正元胞自动机模拟的状态，使其更符合实际情况。结合元胞自动机模拟和D-S理论的比对判断，可以实现对环卫作业计划的实时监测和调整，以适应环境变化和提高管理的灵活性。通过元胞自动机与D-S理论的结合，可以根据实际的垃圾信息进行比对判断，从而更准确地评估环卫情况，指导作业计划的修正，提高环卫管理的精准性和效率。
实施例5
根据上述具体实施方式及实施例，本实施例进一步的提供如下技术方案：使用D-S理论，可以将不同来源的证据进行合并，考虑证据之间的冲突程度，并根据合并后的证据得到一个修正因子，用于调整元胞自动机的状态。
具体的，使用D-S理论，根据比对结果Vi(t)作为证据，进行证据的合并和冲突处理：
1）将两个证据进行合并，使用D-S合并公式：
有两个来源的证据，一个是实际垃圾信息的比对结果Vi(t)，另一个是预先设置的平均垃圾输出信息Ri。
使用D-S合并公式进行证据的合并，计算合并后的置信度Bel(Vi(t) ∨ Ri)：这个合并公式考虑了两个证据之间的冲突程度，通过相互交叉的置信度进行合并，得到合并后的证据置信度。
2）冲突处理：理证据之间的冲突，使用D-S冲突处理规则，对合并后的置信度进行冲突处理，得到伪证度Pl(Vi(t) ⊕ Ri)：
是D-S合并公式的合并符，/>是D-S合并公式的区分符。
其中，Pl(X)表示X的伪证度或冲突度，冲突处理规则将合并后的置信度进行归一化；这个冲突处理规则将合并后的置信度进行归一化，得到一个衡量冲突程度的伪证度。
3）得到修正因子：最终，得到一个修正因子Cicorr(t)，表示实际垃圾信息比对结果与预先设置的平均垃圾输出信息比对结果之间的冲突和合并情况：
修正因子Cicorr(t)将用于调整元胞自动机的状态，对环卫作业的指导进行修正，使其更符合实际情况。通过使用D-S理论进行证据的合并和冲突处理，可以综合考虑不同来源的证据，评估其冲突程度，得到修正因子，从而更准确地调整元胞自动机的状态，指导环卫作业的实际执行，提高管理的准确性和效率。
示例性的，设有如下数据：
（1）实际垃圾信息比对结果：Vi(t) = 0.7。
（2）预先设置的平均垃圾输出信息：Ri = 0.6。
（3）实际垃圾信息比对结果：Vi(t) = 0.7 ，预先设置的平均垃圾输出信息：Ri =0.6。
（4）证据的合并和冲突处理：
证据的合并： 使用D-S合并公式，计算合并后的置信度Bel(Vi(t) ∨ Ri)：
设Bel(Vi(t)) = 0.8，Bel(Ri) = 0.7，代入公式得：
冲突处理：使用D-S冲突处理规则，计算伪证度Pl(Vi(t) ⊕ Ri)：
代入之前计算得到的值，得：
（5）得到修正因子：修正因子Cicorr(t) = Pl(Vi(t) ⊕ Ri) = 0.985
使用D-S理论进行了实际垃圾信息比对结果和平均垃圾输出信息的证据合并和冲突处理。通过计算，得到了修正因子Cicorr(t)的值为约0.985。这个修正因子反映了两个证据之间的冲突和合并情况，将用于修正元胞自动机的状态，进而调整环卫作业的指导，以更准确地反映实际环卫情况。
实施例6
根据上述具体实施方式及实施例，本实施例进一步的提供如下技术方案：
使用修正因子Cicorr(t)来调整元胞自动机的状态，以更准确地反映实际环卫情况。修正因子通过修正函数与当前状态进行加权平均，实现环卫作业计划的动态调整。
将修正因子Cicorr(t)应用于元胞自动机的状态Si(t)进行修正：
其中，h是修正函数，用于根据修正因子更新元胞状态。
进一步的，引入修正函数h，用于根据修正因子更新元胞状态。修正函数将考虑修正因子和当前状态，以得到修正后的元胞状态。修正函数h：将元胞状态和修正因子进行加权平均，得到修正后的元胞状态，设权重参数为β，修正函数h：
这里，Sicorr(t)表示修正后的元胞状态，在下一个时间步（t+1）的状态；Cicorr(t)表示修正因子，表示实际垃圾信息比对结果与平均垃圾输出信息比对结果之间的冲突和合并情况；Si(t)表示当前时间步（t）的元胞状态；β是权重参数，用于控制修正因子的影响程度。
具体的，修正函数将修正因子与当前元胞状态进行加权平均，以得到修正后的元胞状态，权重参数β可以用于控制修正因子的影响程度，从而平衡实际垃圾信息的修正和保留元胞自动机的演化趋势。
可以理解的是，修正函数将修正因子Cicorr(t)与当前元胞状态Si(t)进行加权平均，得到修正后的元胞状态Sicorr(t)。修正后的状态Sicorr(t)融合了实际垃圾信息的修正和保留元胞自动机的演化趋势，从而更准确地指导环卫作业计划的执行。
进一步的，通过应用修正因子和修正函数，可以实现环卫作业计划的动态调整，根据实际垃圾信息的比对结果对元胞自动机的状态进行修正，提高环卫管理的精准性和效率。权重参数β的设置可以根据实际需要进行调整，用于平衡修正因子对元胞状态的影响程度，确保环卫作业计划在修正后仍然保持合理的演化趋势。通过将修正因子应用于元胞自动机的状态，并使用修正函数进行加权平均，可以更好地适应实际环卫情况的变化，从而实现环卫作业计划的实时监测和调整。
示例性的：
修正因子：Cicorr(t) = 0.985。
当前元胞状态：Si(t) = 10。
权重参数：β = 0.8。
本实施例将按照实施例五提到的修正函数公式，展示修正函数的具体应用过程。修正因子：Cicorr(t) = 0.985；当前元胞状态：Si(t) = 10；权重参数：β = 0.8。
修正函数的应用：
修正函数公式：
代入具体值：
计算：
在这个示例中，使用修正函数来计算修正后的元胞状态Sicorr(t)。给定修正因子Cicorr(t)为0.985，当前元胞状态Si(t)为10，权重参数β为0.8，按照修正函数的公式计算得到Sicorr(t)为2.788。这个修正后的状态将用于指导环卫作业的实际执行，使其更加符合实际垃圾信息的情况。
可以理解的是，权重参数β的选择可能会根据实际情况进行调整，以平衡修正因子和元胞自动机的演化趋势。此外，修正函数的具体形式也可以根据需求进行调整和优化。
实施例7
根据上述具体实施方式及实施例，本实施例进一步的提供如下技术方案：
请参阅图2，本实施例进一步提供一种存储介质，该存储介质内存储有用于执行如实施例实施例1至实施例6所述的方法的控制程序，如图2所示，其采用C++伪代码的形式展示其原理：
measureActualGarbage(cell)函数：该函数用于模拟工作人员在当前时间步对元胞区域内实际垃圾信息的测量。基于实际情况或传感器数据，此函数可能模拟收集的垃圾数量、重量等信息。
compareFunction(actualGarbage, avgGarbage)函数：该函数用于计算实际垃圾信息与预先设置的平均垃圾输出信息的比对结果。可能根据实际情况，计算出实际垃圾信息与平均垃圾输出信息之间的差异度，或者进行其他定量化的比对判断。
dsCombineEvidence(oldEvidence, newEvidence)函数：该函数实现了D-S理论的证据合并过程，将旧的证据与新的比对结果进行合并。基于D-S合并公式，结合两个证据的置信度，计算出合并后的置信度。
dsConflictResolution(mergedEvidence)函数：该函数实现了D-S理论的冲突处理过程，根据合并后的证据进行冲突处理。基于D-S冲突处理规则，将合并后的置信度进行归一化，得到伪证度，用于评估证据之间的冲突程度。
updateCorrectionFactor(cell, correctionFactor)函数：该函数用于更新每个元胞的修正因子，将计算得到的冲突处理结果保存在元胞的数据结构中，以便后续修正过程使用。
applyCorrectionFunction(cellState, correctionFactor)函数：该函数用于根据修正因子和权重参数，应用修正函数对元胞状态进行修正。基于修正函数的公式，将修正因子与当前元胞状态进行加权平均，得到修正后的元胞状态。
总体原理：在每个时间步中，元胞自动机根据平均垃圾输出信息进行状态转移，然后结合实际垃圾信息和D-S理论，计算修正因子，表示实际垃圾信息的冲突和合并情况。修正函数将修正因子与元胞状态进行加权平均，从而调整元胞状态，实现环卫作业计划的动态调整，提高精准性和效率。这个程序的原理在于结合元胞自动机的状态演化和D-S理论的证据合并与冲突处理，实现了智能的环卫管理方法，使环卫作业计划能够根据实际情况进行动态修正，更好地适应城市环境的变化。
Claims (3)
1.一种基于元胞自动机的环卫管理方法，其特征在于，在实施所述环卫管理方法前，执行如下步骤：
S1、获取信息：按照城建规划划分区域，其中每个区域包括城建的建筑特征，每个区域具有对应的平均垃圾输出信息；
S2、确定环卫区域：将环卫区域划分为M个元胞，每个元胞对应一个城建规划区域；
实施所述环卫管理方法：
S3、元胞自动机实施：基于平均垃圾输出信息进行验算，输出元胞自动机演化结果，对环卫作业进行指导；将元胞自动机与D-S理论结合；
S4、修正：基于城建规划区域预先设置的平均垃圾输出信息与元胞自动机模拟得到的环卫情况进行比对并判断二者的出入情况，使用D-S理论反向输出至元胞自动机进行修正；
S5、循环执行S3~S4；
在所述S1中，按照城建规划，设城市被划分为N个区域：A1, A2, ..., AN，其中每个区域包括城建的建筑特征，每个区域具有对应的平均垃圾输出信息，记为Ri，i = 1, 2, ...,N；所述区域包括环卫区域和城建规划区域；
在所述S2中，将环卫区域划分为M个元胞：C1, C2, ..., CM，每个元胞对应一个城建规划区域，每个元胞具有状态Si，表示该元胞在某一时间步的状态；
在所述S3中：
基于平均垃圾输出信息的验算：对于每个元胞Ci，在时间步t，根据预先设置的平均垃圾输出信息Ri，进行验算：
其中，f是状态转移函数，用于根据当前状态和平均垃圾输出信息计算下一个时间步的状态；
Si（t）是某个元胞Ci在时间步t下的状态，Si（t+1）是某个元胞Ci在时间步t+1下的状态；
在所述S3中：元胞自动机与D-S理论结合：
在环卫作业过程中，工作人员对每个元胞Ci在当前时间步的实际垃圾信息进行测量，记为Mi(t)；
比对函数：将实际垃圾信息与预先设置的平均垃圾输出信息进行比对判断，得出比对结果，记为Vi(t)；
使用D-S理论，将比对结果Vi(t)作为证据，进行证据的合并和冲突处理：
1）将两个证据进行合并，使用D-S合并公式：
其中，Bel(X)表示X的置信度或信任度；
2）冲突处理：理证据之间的冲突，使用D-S冲突处理规则：
其中，Pl(X)表示X的伪证度或冲突度，冲突处理规则将合并后的置信度进行归一化；/>是D-S合并公式的合并符，/>是D-S合并公式的区分符；
3）得到修正因子：修正因子Cicorr(t)：修正因子Cicorr(t)表示了实际垃圾信息比对结果与预先设置的平均垃圾输出信息比对结果之间的冲突和合并情况；
将修正因子Cicorr(t)应用于元胞自动机的状态Si(t)进行修正：
其中，h是修正函数，用于根据修正因子更新元胞状态；
修正函数h：将元胞状态和修正因子进行加权平均，得到修正后的元胞状态，设权重参数为β，修正函数h：修正函数将修正因子与当前元胞状态进行加权平均，以得到修正后的元胞状态，权重参数β用于控制修正因子的影响程度，从而平衡实际垃圾信息的修正和保留元胞自动机的演化趋势。
2.根据权利要求1所述的环卫管理方法，其特征在于：
状态转移函数f：其中，α是权重参数，表示平均垃圾输出信息对元胞状态的影响程度。
3.一种存储介质，其特征在于：所述存储介质内存储有用于执行如权利要求1~2任意一项所述的环卫管理方法的程序指令。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311333819.5A CN117077987B (zh) | 2023-10-16 | 2023-10-16 | 一种基于元胞自动机的环卫管理方法及存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311333819.5A CN117077987B (zh) | 2023-10-16 | 2023-10-16 | 一种基于元胞自动机的环卫管理方法及存储介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN117077987A CN117077987A (zh) | 2023-11-17 |
| CN117077987B true CN117077987B (zh) | 2024-01-02 |
Family
ID=88704641
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202311333819.5A Active CN117077987B (zh) | 2023-10-16 | 2023-10-16 | 一种基于元胞自动机的环卫管理方法及存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117077987B (zh) |
Citations (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2014203039A1 (en) * | 2013-06-19 | 2014-12-24 | Aselsan Elektronik Sanayi Ve Ticaret Anonim Sirketi | System and method for implementing reservoir computing using cellular automata |
| CN105013718A (zh) * | 2015-07-31 | 2015-11-04 | 泉州装备制造研究所 | 基于多种检测方式的块状固体建筑垃圾分拣系统 |
| CN106570851A (zh) * | 2016-10-27 | 2017-04-19 | 大连理工大学 | 一种基于加权分配d‑s证据理论的显著图融合方法 |
| CN108875242A (zh) * | 2018-06-29 | 2018-11-23 | 集美大学 | 一种城市元胞自动机情景模拟方法、终端设备及存储介质 |
| CN109002911A (zh) * | 2018-06-30 | 2018-12-14 | 北方民族大学 | 一种面向绿色制造的汽车后门框加工工艺规划方案评估方法 |
| CN110503243A (zh) * | 2019-07-25 | 2019-11-26 | 沈振江 | 空间战略规划的约束性元胞自动机耦合建模方法 |
| CN114707227A (zh) * | 2022-04-28 | 2022-07-05 | 水利部南京水利水文自动化研究所 | 一种基于数字孪生的大坝安全预警消警方法及系统 |
| CN116680062A (zh) * | 2023-08-03 | 2023-09-01 | 湖南博信创远信息科技有限公司 | 一种基于大数据集群的应用调度部署方法及存储介质 |
| CN116703984A (zh) * | 2023-08-07 | 2023-09-05 | 福州和众信拓科技有限公司 | 机器人路径规划及红外光图像融合方法、系统及存储介质 |
| CN116882709A (zh) * | 2023-09-05 | 2023-10-13 | 深圳市睿拓新科技有限公司 | 一种基于大数据分析的道路施工智能监管方法及存储介质 |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116295475A (zh) * | 2022-12-16 | 2023-06-23 | 成都秦川物联网科技股份有限公司 | 一种智慧城市垃圾清扫路线规划方法和物联网系统 |
-
2023
- 2023-10-16 CN CN202311333819.5A patent/CN117077987B/zh active Active
Patent Citations (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2014203039A1 (en) * | 2013-06-19 | 2014-12-24 | Aselsan Elektronik Sanayi Ve Ticaret Anonim Sirketi | System and method for implementing reservoir computing using cellular automata |
| CN105013718A (zh) * | 2015-07-31 | 2015-11-04 | 泉州装备制造研究所 | 基于多种检测方式的块状固体建筑垃圾分拣系统 |
| CN106570851A (zh) * | 2016-10-27 | 2017-04-19 | 大连理工大学 | 一种基于加权分配d‑s证据理论的显著图融合方法 |
| CN108875242A (zh) * | 2018-06-29 | 2018-11-23 | 集美大学 | 一种城市元胞自动机情景模拟方法、终端设备及存储介质 |
| CN109002911A (zh) * | 2018-06-30 | 2018-12-14 | 北方民族大学 | 一种面向绿色制造的汽车后门框加工工艺规划方案评估方法 |
| CN110503243A (zh) * | 2019-07-25 | 2019-11-26 | 沈振江 | 空间战略规划的约束性元胞自动机耦合建模方法 |
| CN114707227A (zh) * | 2022-04-28 | 2022-07-05 | 水利部南京水利水文自动化研究所 | 一种基于数字孪生的大坝安全预警消警方法及系统 |
| CN116680062A (zh) * | 2023-08-03 | 2023-09-01 | 湖南博信创远信息科技有限公司 | 一种基于大数据集群的应用调度部署方法及存储介质 |
| CN116703984A (zh) * | 2023-08-07 | 2023-09-05 | 福州和众信拓科技有限公司 | 机器人路径规划及红外光图像融合方法、系统及存储介质 |
| CN116882709A (zh) * | 2023-09-05 | 2023-10-13 | 深圳市睿拓新科技有限公司 | 一种基于大数据分析的道路施工智能监管方法及存储介质 |
Non-Patent Citations (3)
| Title |
|---|
| 主体建模技术在城市规划中的应用研究评述;刘润姣;蒋涤非;石磊;;城市规划(第05期);全文 * |
| 元胞自动机仿真模拟在矿山厂址选择决策中的应用;曾荣;陈建宏;郭宏斌;;有色金属(矿山部分)(第06期);全文 * |
| 干道交通状态识别及演变机理研究;唐聚;彭博;蔡晓禹;谢济铭;张媛媛;;公路与汽运(第02期);全文 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN117077987A (zh) | 2023-11-17 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| KR102483187B1 (ko) | 기상 예측에 기반한 공사 공정 관리 방법 | |
| Ji et al. | Inexact stochastic risk-aversion optimal day-ahead dispatch model for electricity system management with wind power under uncertainty | |
| CN112508306A (zh) | 一种电力生产配置的自适应方法及系统 | |
| CN116681320B (zh) | 一种工程监控一体化的智能管理方法及系统 | |
| Sathishkumar et al. | An energy consumption prediction model for smart factory using data mining algorithms | |
| CN108346009B (zh) | 一种基于用户模型自学习的电力生产配置方法和装置 | |
| Abolghasemian et al. | Delay scheduling based on discrete-event simulation for construction projects | |
| Dridi et al. | A novel deep reinforcement approach for IIoT microgrid energy management systems | |
| Vasiliev et al. | Decision support system for street-road network objects repair | |
| Kaveh et al. | Fuzzy-multi-mode resource-constrained discrete time-cost-resource optimization in project scheduling using ENSCBO | |
| CN117077987B (zh) | 一种基于元胞自动机的环卫管理方法及存储介质 | |
| Shabani et al. | Predicting building energy consumption using engineering and data driven approaches: A review | |
| Yuill et al. | Application of Adaptive Neuro Fuzzy Inference System (ANFIS) based short term load forecasting in South African power networks | |
| Marzouk et al. | Quantifying weather impact on formwork shuttering and removal operation using system dynamics | |
| Doungsoma et al. | Reliable time contingency estimation based on adaptive neuro-fuzzy inference system in construction projects | |
| Ha et al. | An approach for home load energy management problem in uncertain context | |
| Zhai et al. | A simulation-GA based model for production planning in precast plant | |
| Hwang et al. | Proactive project control using productivity data and time series analysis | |
| CN112199402A (zh) | 一种基于能源大数据的监管系统及方法 | |
| Ansari | Dynamic optimization for analyzing effects of multiple resource failures on project schedule robustness | |
| Afshari et al. | Distribution-service network design: an agent-based approach | |
| Schultmann | Sustainable deconstruction of buildings | |
| Zhou et al. | A data-driven approach to forecasting the distribution of distributed photovoltaic systems | |
| Steens et al. | A forecast based load management approach for commercial buildings--comparing LSTM and standardized load profile techniques | |
| Ramdani et al. | The role of time and cost control in CPM, PERT, and EVA methods in construction projects: A meta-analysis study on evaluating project performance |
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 |