CN117085954B - 一种基于大数据的家电回收智能分选系统及方法 - Google Patents

一种基于大数据的家电回收智能分选系统及方法 Download PDF

Info

Publication number
CN117085954B
CN117085954B CN202311035774.3A CN202311035774A CN117085954B CN 117085954 B CN117085954 B CN 117085954B CN 202311035774 A CN202311035774 A CN 202311035774A CN 117085954 B CN117085954 B CN 117085954B
Authority
CN
China
Prior art keywords
waste household
household appliance
waste
recovery
channel
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
Application number
CN202311035774.3A
Other languages
English (en)
Other versions
CN117085954A (zh
Inventor
商显旺
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Shanghai Lincheng Environmental Protection Technology Co ltd
Original Assignee
Shanghai Lincheng Environmental Protection Technology Co ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Shanghai Lincheng Environmental Protection Technology Co ltd filed Critical Shanghai Lincheng Environmental Protection Technology Co ltd
Priority to CN202311035774.3A priority Critical patent/CN117085954B/zh
Publication of CN117085954A publication Critical patent/CN117085954A/zh
Application granted granted Critical
Publication of CN117085954B publication Critical patent/CN117085954B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B07—SEPARATING SOLIDS FROM SOLIDS; SORTING
    • B07C—POSTAL SORTING; SORTING INDIVIDUAL ARTICLES, OR BULK MATERIAL FIT TO BE SORTED PIECE-MEAL, e.g. BY PICKING
    • B07C5/00—Sorting according to a characteristic or feature of the articles or material being sorted, e.g. by control effected by devices which detect or measure such characteristic or feature; Sorting by manually actuated devices, e.g. switches
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B07—SEPARATING SOLIDS FROM SOLIDS; SORTING
    • B07C—POSTAL SORTING; SORTING INDIVIDUAL ARTICLES, OR BULK MATERIAL FIT TO BE SORTED PIECE-MEAL, e.g. BY PICKING
    • B07C2501/00—Sorting according to a characteristic or feature of the articles or material to be sorted
    • B07C2501/0054—Sorting of waste or refuse

Landscapes

  • Processing Of Solid Wastes (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明涉及回收智能分选技术领域。具体为一种基于大数据的家电回收智能分选系统及方法，家电回收智能分选系统包括数据采集模块、数据分析模块、渠道规整模块和渠道分选模块；数据采集模块是用于采集废旧家电和设定的目标区域范围的废旧家电回收渠道的数据信息；数据分析模块是用于对废旧家电的种类以及设定目标区域范围内废旧家电回收渠道能够回收废旧家电的数量进行分析；渠道规整模块是对设定的目标区域范围内无用的废旧家电回收渠进行筛选剔除；渠道分选模块是在存在待回收废旧家电时，对废旧家电回收渠道进行分选出最佳的废旧家电回收渠道对待回收废旧家电进行回收。本发明是通过废旧家电回收渠道进行分选提高废旧家电的回收效率。

Description

一种基于大数据的家电回收智能分选系统及方法
技术领域
本发明涉及回收智能分选技术领域，具体为一种基于大数据的家电回收智能分选系统及方法。
背景技术
近年来，随着人工智能等新一代信息技术及5G等新一代通信技术的快速发展，各行各业正日益向科技化靠拢，积极开展网联化、智能化升级。作为与人们日常生活紧密相连的家电行业，也加快发展智能家电、智能家居等产品的更新，以满足消费者不断变化的消费需求；在数码家电迅速迭代更新的背景下，随着社会对环保的日益关注，人们也越来越重视废旧家电的重新利用，通过对废旧家电的回收以达到资源再生、物料增值和成本节约的目的。
在现有的技术下，建设大量的废旧家电回收渠道以供废旧家电的回收再利用，因为废旧家电回收渠道的混乱导致人们对于待回收的废旧家电的回收渠道无法进行抉择从而使得废旧家电回收成本高且回收效率低。
发明内容
本发明的目的在于提供一种基于大数据的家电回收智能分选系统及方法，以解决上述背景技术中提出的问题。
为了解决上述技术问题，本发明提供如下技术方案：一种基于大数据的家电回收智能分选方法，所述家电回收智能分选方法具体包括以下步骤：
S100、获取废旧家电的历史数据信息，依据废旧家电的数据信息对废旧家电进行分类；
S200、通过大数据获取设定目标区域范围内的废旧家电回收渠道的数据信息，依据所述废旧家电回收渠道的数据信息对设定目标区域范围内的回收渠道进行筛选，并且对废旧家电回收渠道进行规整；
S300、依据规整后废旧家电回收渠道的数据信息构建废旧家电回收平台，构建评分模型，依据评分模型选择与待回收废旧家电之间得分最高的废旧家电回收渠道进行回收。
进一步的，所述S100中依据废旧家电的数据信息对废旧家电进行分类的具体方法如下：
S101、获取设定目标区域范围内产生的废旧家电历史数据信息形成废旧家电历史数据集，依据大数据从废旧家电历史数据集中随机选取R个初始聚类中心Cr，根据废旧家电的种类以及回收类型等对废旧家电历史数据集分成R种类型的废旧家电，计算废旧家电历史数据集中其余数据对象与初始聚类中心Cr的欧式距离，得到离目标数据对象最近初始聚类中心Cr，将目标数据对象分配到初始聚类中心Cr所对应的簇中；
空间中数据对象与聚类中心之间的欧式距离的计算公式为：
L（X，Cr）=[∑J j=1（Xj-Crj）2]1/2
其中X表示为目标数据对象，Cr表示为第r个初始聚类中心，J为目标数据对象的维度，Xj，Crj分别表示为X和Cr的第j个属性值；
整个数据集中的误差平方和SSE计算公式为：
SSE=∑R r=1∑X∈Cr[｜L（X，Cr）｜]2
其中SSE的大小表示聚类结果的好坏；
S102、通过K-Means算法得到设定目标区域范围内的单位时间产生的废旧家电的种类和不同种类废旧家电产生的数量集合M，M={M1、M2、M3...MR}；依据设定目标区域范围内产生的废旧家电的种类数据信息生成产生废旧家电种类集合X，X={X1、X2、X3...XR}，其中，XR表示为在设定目标区域范围内产生的第R种类型的废旧家电，MR表示为在设定的目标区域范围内产生的第R种类型废旧家电的数量；R=1、2、3...R，R表示为设定目标区域范围内产生的废旧家电的种类总数量。
进一步的，所述S200中中对废旧家电回收渠道进行筛选的具体方法如下：
S201、通过大数据获取设定目标区域范围内单位时间的废旧家电回收渠道的数据信息，生成废旧家电回收渠道集合S，S={S1、S2、S3...SZ}，z=1、2、3...Z，Z表示为废旧家电回收渠道的数量，Sz表示为在设定目标区域范围内的第z个废旧家电回收渠道；
选取设定目标区域范围内的任意一个回收渠道Sa依据所述废旧家电回收渠道的数据信息通过K-Means算法对渠道回收的废旧家电进行分类，生成回收种类数量集合PA，PA={PA1、PA2、PA3...PAI}，PAi表示为回收渠道Sa回收废旧家电第i个种类的数量，对废旧家电回收渠道进行遍历得到集合Sz和Pz，Sz={Sz1、Sz2、Sz3...SzI}，Pz={Pz1、Pz2、Pz3...PzI}，Sz表示为设定目标区域内的第z个废旧家电回收渠道回收废旧家电的种类集合，SzI表示为设定目标区域范围内的第z个废旧家电回收渠道回收的第I个废旧家电的种类，Pz表示为设定目标区域范围内的第z个废旧家电回收渠道回收废旧家电种类的数量集合，PzI表示为设定目标区域范围内的第z个废旧家电回收渠道回收的第I个废旧家电种类的数量；i=1、2、3...I，I表示为回收渠道Sa回收废旧家电的种类总数；
S202、为了对设定目标区域内产生的废旧家电进行针对性的回收，需要对无用的回收渠道进行筛选，根据公式：
Fz=K（Sz∩X）
计算得到产生废旧家电种类集合与设定目标区域范围废旧家电回收渠道回收废旧家电的种类集合之间存在相同子集的数量，K（）表示为集合中子集的数量；当Fz=0时，说明第z个废旧家电回收渠道回收的废旧家电的种类与设定目标区域范围内产生的废旧家电的种类不相同，对第z个废旧家电回收渠道进行筛除，生成新的废旧家电回收渠道集合S’，S’={S’1、S’2、S’3...S’Z’}，z’=1、2、3...Z’，Z’表示为设定目标区域范围内新废旧家电回收渠道的数量。
进一步的，所述S200中对废旧家电回收渠道进行规整的具体方法如下：根据公式：
Gz’i=k1*Pz’i+δ
计算得到在设定目标区域范围内第z’个新的废旧家电回收渠道能够回收第i种类型废旧家电的数量，其中，k1为系数，Pz’i表示为设定目标区域范围内第z’个新的废旧家电回收渠道在单位时间内回收第i种类型废旧家电的数量，δ为误差项；
任意选取在设定目标区域范围内产生的第e种类型废旧家电的数量Me，由于废旧家电回收渠道回收的废旧家电的数量有限，所以需要选取多个废旧家电回收渠道进行回收，当Gz’e=Me时，对第z’个废旧家电回收渠道进行标识为第e种类型废旧家电回收的渠道；当Gz’e<Me时，选取任意废旧家电回收渠道使得废旧家电回收的第e种类型废旧家电的数量与Gz’e相加等于设定目标区域范围内产生第e种类型废旧家电的数量，并对废旧家电回收渠道进行标识为第e种类型废旧家电回收的渠道，基于上述对废旧家电回收渠道进行标识的方法对目标区域范围内废旧家电回收渠道进行规整。
进一步的，所述S300的具体方法如下：
S301、依据规整后废旧家电回收渠道的数据信息构建废旧家电回收平台，获取待回收废旧家电的数据信息，所述待回收废旧家电的数据信息包括废旧家电的种类、回收地点、回收数量；依据待回收的废旧家电的种类对废旧家电回收平台中的渠道进行筛选，生成集合Sn，Sn={S1、S2、S3...S N}，SN表示为符合待回收废旧家电的种类的第N个废旧家电回收渠道，n=1、2、3...N，N表示为符合待回收废旧家电种类的第N个废旧家电回收渠道的数量；
S302、构建评分模型
g（n）=1/D（n）+U（n）
Q（g）=；
得到待回收的废旧家电与废旧家电回收平台中渠道之间的得分，为标准差，/>=1表示为均数，由于当待回收废旧家电的回收地点与回收渠道的回收地点之间的距离接近0且第n个废旧家电回收渠道能够回收待回收废旧家电的数量与待回收废旧家电的数量之间的比值为1时即g无限接近1时，该废旧家电回收渠道为最佳回收渠道；其中，k1和k2表示为权重比，D（n）=[(x0-xn)2+(y0-yn)2]1/2，U（n）=mn/m0；D（n）表示为待回收废旧家电的回收地点与回收渠道的回收地点之间的距离，U（n）表示为第n个废旧家电回收渠道能够回收待回收废旧家电的数量与待回收废旧家电的数量之间的比值；（x0，y0），（xn，yn）分别标识为需要回收的废旧家电的回收地点以及符合需要回收废旧家电种类的第n个废旧家电回收渠道的回收地点在直角坐标系中映射的坐标点；mn表示为第n个废旧家电回收渠道能够回收待回收废旧家电的数量，mo表示为待回收废旧家电的数量；
S303、选取待回收的废旧家电与废旧家电回收平台中渠道之间得分最高的废旧家电回收渠道作为待回收废旧家电的回收渠道。
一种基于大数据的家电回收智能分选系统，所述家电回收智能分选系统包括数据采集模块、数据分析模块、渠道规整模块和渠道分选模块；所述数据采集模块的输出端与数据分析模块的输入端连接，所述数据分析模块的输出端与渠道规整模块的输入端连接，所述渠道规整模块的输出端与渠道分选模块的输入端连接；所述数据采集模块是用于采集废旧家电的数据信息和设定的目标区域范围的废旧家电回收渠道的数据信息；所述数据分析模块是用于对废旧家电的种类以及设定目标区域范围内废旧家电回收渠道能够回收废旧家电的数量进行分析；所述渠道规整模块是对设定的目标区域范围的废旧家电回收渠道中无用的废旧家电回收渠道进行筛选剔除；所述渠道分选模块是在存在待回收废旧家电时，对废旧家电回收平台中的废旧家电回收渠道进行分选，选取最佳的废旧家电回收渠道对待回收废旧家电进行回收。
进一步的，所述数据采集模块包括废旧家电数据采集单元和回收渠道数据采集单元；所述废旧家电数据采集单元是采集在设定目标区域范围内产生废旧家电的历史数据信息，通过产生废旧家电的历史数据信息对所述废旧家电的数据信息分析在目标区域范围内产生废旧家电的种类以及单位时间内废旧家电产生的数量；所述回收渠道数据采集单元是用于采集废旧家电回收渠道的数据信息，废旧家电回收渠道的数据信息包括废旧家电回收渠道的数量、回收废旧家电的种类和回收废旧家电种类的数量，通过废旧家电回收渠道的数据信息能够分析得到回收渠道能够回收废旧家电种类的数量。
进一步的，所述数据分析模块包括废旧家电分类单元和回收完成量分析单元；所述废旧家电分类单元是通过K-Means算法预将废旧家电的数据分为R组，岁选取R个对象作为初始的聚类中心，计算每个对象与各种聚类中心之间的距离，把每个对象分配给距离最近的聚类中心，从而实现对废旧家电进行分类，其中，聚类中心以及分配给它们的对象就代表一个聚类。每分配一个样本，聚类的聚类中心会根据聚类中现有的对象被重新计算。这个过程将不断重复直到满足某个终止条件。终止条件可以是没有（或最小数目）对象被重新分配给不同的聚类，没有（或最小数目）聚类中心再发生变化，误差平方和局部最小；所述回收完成量分析单元是分析废旧家电回收渠道对产生废旧家电能够完成的回收量，当废旧家电回收渠道对产生废旧家电能够完成的回收量越大时，则废旧家电回收渠道在回收产生的废旧家电过程中越重要。
进一步的，所述渠道规整模块包括回收渠道筛选单元和类别标识单元；所述回收渠道筛选单元是用于对设定目标区域范围内无用的废旧家电回收渠道进行筛选剔除，当存在一个废旧家电回收渠道回收的废旧家电与设定目标区域范围内产生废旧家电的种类不相同则说明该废旧家电回收渠道在设定目标区域范围内为无用废旧家电回收渠道；所述类别标识单元是用于对废旧家电回收渠道回收的废旧家电种类进行标识，确定废旧家电回收渠道的回收类别，实现对废旧家电回收渠道的规整，以达到提高废旧家电回收效率的效果。
进一步的，所述渠道分选模块包括评分模型和分选单元；所述评分模型是依据待回收废旧家电和废旧家电回收渠道的数据信息对与待回收废旧家电种类相对应的废旧家电回收渠道回收待回收废旧家电的评分进行分析；所述分选单元是基于所述与待回收废旧家电种类相对应的废旧家电回收渠道回收待回收废旧家电的评分，分选出回收待回收废旧家电的最佳废旧家电回收渠道。
与现有技术相比，本发明所达到的有益效果是：本发明通过对废旧家电进行分类以及对废旧家电回收渠道应回收的废旧家电的种类进行分析，实现对废旧家电回收渠道的规整，依据待回收废旧家电的数据信息分选出最佳的废旧家电回收渠道，能够提高废旧家电的回收效率和质量。
附图说明
附图用来提供对本发明的进一步理解，并且构成说明书的一部分，与本发明的实施例一起用于解释本发明，并不构成对本发明的限制。在附图中：
图1是本发明一种基于大数据的家电回收智能分选系统的结构示意图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中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他实施例，都属于本发明保护的范围。
请参阅图1，本发明提供技术方案： 一种基于大数据的家电回收智能分选方法，所述家电回收智能分选方法具体包括以下步骤：
S100、获取废旧家电的历史数据信息，依据废旧家电的数据信息对废旧家电进行分类；
S200、通过大数据获取设定目标区域范围内的废旧家电回收渠道的数据信息，依据所述废旧家电回收渠道的数据信息对设定目标区域范围内的回收渠道进行筛选，并且对废旧家电回收渠道进行规整；
S300、依据规整后废旧家电回收渠道的数据信息构建废旧家电回收平台，构建评分模型，依据评分模型选择与待回收废旧家电之间得分最高的废旧家电回收渠道进行回收。
进一步的，所述S100中依据废旧家电的数据信息对废旧家电进行分类的具体方法如下：
S101、获取设定目标区域范围内产生的废旧家电历史数据信息形成废旧家电历史数据集，依据大数据从废旧家电历史数据集中随机选取R个初始聚类中心Cr，根据废旧家电的种类以及回收类型等对废旧家电历史数据集分成R种类型的废旧家电，计算废旧家电历史数据集中其余数据对象与初始聚类中心Cr的欧式距离，得到离目标数据对象最近初始聚类中心Cr，将目标数据对象分配到初始聚类中心Cr所对应的簇中；
空间中数据对象与聚类中心之间的欧式距离的计算公式为：
L（X，Cr）=[∑J j=1（Xj-Crj）2]1/2
其中X表示为目标数据对象，Cr表示为第r个初始聚类中心，J为目标数据对象的维度，Xj，Crj分别表示为X和Cr的第j个属性值；
整个数据集中的误差平方和SSE计算公式为：
SSE=∑R r=1∑X∈Cr[｜L（X，Cr）｜]2
其中SSE的大小表示聚类结果的好坏；
S102、通过K-Means算法得到设定目标区域范围内的单位时间产生的废旧家电的种类和不同种类废旧家电产生的数量集合M，M={M1、M2、M3...MR}；依据设定目标区域范围内产生的废旧家电的种类数据信息生成产生废旧家电种类集合X，X={X1、X2、X3...XR}，其中，XR表示为在设定目标区域范围内产生的第R种类型的废旧家电，MR表示为在设定的目标区域范围内产生的第R种类型废旧家电的数量；R=1、2、3...R，R表示为设定目标区域范围内产生的废旧家电的种类总数量。
进一步的，所述S200中中对废旧家电回收渠道进行筛选的具体方法如下：
S201、通过大数据获取设定目标区域范围内单位时间的废旧家电回收渠道的数据信息，生成废旧家电回收渠道集合S，S={S1、S2、S3...SZ}，z=1、2、3...Z，Z表示为废旧家电回收渠道的数量，Sz表示为在设定目标区域范围内的第z个废旧家电回收渠道；
选取设定目标区域范围内的任意一个回收渠道Sa依据所述废旧家电回收渠道的数据信息通过K-Means算法对渠道回收的废旧家电进行分类，生成回收种类数量集合PA，PA={PA1、PA2、PA3...PAI}，PAi表示为回收渠道Sa回收废旧家电第i个种类的数量，对废旧家电回收渠道进行遍历得到集合Sz和Pz，Sz={Sz1、Sz2、Sz3...SzI}，Pz={Pz1、Pz2、Pz3...PzI}，Sz表示为设定目标区域内的第z个废旧家电回收渠道回收废旧家电的种类集合，SzI表示为设定目标区域范围内的第z个废旧家电回收渠道回收的第I个废旧家电的种类，Pz表示为设定目标区域范围内的第z个废旧家电回收渠道回收废旧家电种类的数量集合，PzI表示为设定目标区域范围内的第z个废旧家电回收渠道回收的第I个废旧家电种类的数量；i=1、2、3...I，I表示为回收渠道Sa回收废旧家电的种类总数；
S202、为了对设定目标区域内产生的废旧家电进行针对性的回收，需要对无用的回收渠道进行筛选，根据公式：
Fz=K（Sz∩X）
计算得到产生废旧家电种类集合与设定目标区域范围废旧家电回收渠道回收废旧家电的种类集合之间存在相同子集的数量，K（）表示为集合中子集的数量；当Fz=0时，说明第z个废旧家电回收渠道回收的废旧家电的种类与设定目标区域范围内产生的废旧家电的种类不相同，对第z个废旧家电回收渠道进行筛除，生成新的废旧家电回收渠道集合S’，S’={S’1、S’2、S’3...S’Z’}，z’=1、2、3...Z’，Z’表示为设定目标区域范围内新废旧家电回收渠道的数量。
进一步的，所述S200中对废旧家电回收渠道进行规整的具体方法如下：根据公式：
Gz’i=k1*Pz’i+δ
计算得到在设定目标区域范围内第z’个新的废旧家电回收渠道能够回收第i种类型废旧家电的数量，其中，k1为系数，Pz’i表示为设定目标区域范围内第z’个新的废旧家电回收渠道在单位时间内回收第i种类型废旧家电的数量，δ为误差项；
任意选取在设定目标区域范围内产生的第e种类型废旧家电的数量Me，由于废旧家电回收渠道回收的废旧家电的数量有限，所以需要选取多个废旧家电回收渠道进行回收，当Gz’e=Me时，对第z’个废旧家电回收渠道进行标识为第e种类型废旧家电回收的渠道；当Gz’e<Me时，选取任意废旧家电回收渠道使得废旧家电回收的第e种类型废旧家电的数量与Gz’e相加等于设定目标区域范围内产生第e种类型废旧家电的数量，并对废旧家电回收渠道进行标识为第e种类型废旧家电回收的渠道，基于上述对废旧家电回收渠道进行标识的方法对目标区域范围内废旧家电回收渠道进行规整。
进一步的，所述S300的具体方法如下：
S301、依据规整后废旧家电回收渠道的数据信息构建废旧家电回收平台，获取待回收废旧家电的数据信息，所述待回收废旧家电的数据信息包括废旧家电的种类、回收地点、回收数量；依据待回收的废旧家电的种类对废旧家电回收平台中的渠道进行筛选，生成集合Sn，Sn={S1、S2、S3...S N}，SN表示为符合待回收废旧家电的种类的第N个废旧家电回收渠道，n=1、2、3...N，N表示为符合待回收废旧家电种类的第N个废旧家电回收渠道的数量；
S302、构建评分模型
g（n）=1/D（n）+U（n）
Q（g）=；
得到待回收的废旧家电与废旧家电回收平台中渠道之间的得分，为标准差，/>=1表示为均数，由于当待回收废旧家电的回收地点与回收渠道的回收地点之间的距离接近0且第n个废旧家电回收渠道能够回收待回收废旧家电的数量与待回收废旧家电的数量之间的比值为1时即g无限接近1时，该废旧家电回收渠道为最佳回收渠道；其中，k1和k2表示为权重比，D（n）=[(x0-xn)2+(y0-yn)2]1/2，U（n）=mn/m0；D（n）表示为待回收废旧家电的回收地点与回收渠道的回收地点之间的距离，U（n）表示为第n个废旧家电回收渠道能够回收待回收废旧家电的数量与待回收废旧家电的数量之间的比值；（x0，y0），（xn，yn）分别标识为需要回收的废旧家电的回收地点以及符合需要回收废旧家电种类的第n个废旧家电回收渠道的回收地点在直角坐标系中映射的坐标点；mn表示为第n个废旧家电回收渠道能够回收待回收废旧家电的数量，mo表示为待回收废旧家电的数量；
S303、选取待回收的废旧家电与废旧家电回收平台中渠道之间得分最高的废旧家电回收渠道作为待回收废旧家电的回收渠道。
一种基于大数据的家电回收智能分选系统，所述家电回收智能分选系统包括数据采集模块、数据分析模块、渠道规整模块和渠道分选模块；所述数据采集模块的输出端与数据分析模块的输入端连接，所述数据分析模块的输出端与渠道规整模块的输入端连接，所述渠道规整模块的输出端与渠道分选模块的输入端连接；所述数据采集模块是用于采集废旧家电的数据信息和设定的目标区域范围的废旧家电回收渠道的数据信息；所述数据分析模块是用于对废旧家电的种类以及设定目标区域范围内废旧家电回收渠道能够回收废旧家电的数量进行分析；所述渠道规整模块是对设定的目标区域范围的废旧家电回收渠道中无用的废旧家电回收渠道进行筛选剔除；所述渠道分选模块是在存在待回收废旧家电时，对废旧家电回收平台中的废旧家电回收渠道进行分选，选取最佳的废旧家电回收渠道对待回收废旧家电进行回收。
进一步的，所述数据采集模块包括废旧家电数据采集单元和回收渠道数据采集单元；所述废旧家电数据采集单元是采集在设定目标区域范围内产生废旧家电的历史数据信息，通过产生废旧家电的历史数据信息对所述废旧家电的数据信息分析在目标区域范围内产生废旧家电的种类以及单位时间内废旧家电产生的数量；所述回收渠道数据采集单元是用于采集废旧家电回收渠道的数据信息，废旧家电回收渠道的数据信息包括废旧家电回收渠道的数量、回收废旧家电的种类和回收废旧家电种类的数量，通过废旧家电回收渠道的数据信息能够分析得到回收渠道能够回收废旧家电种类的数量。
进一步的，所述数据分析模块包括废旧家电分类单元和回收完成量分析单元；所述废旧家电分类单元是通过K-Means算法预将废旧家电的数据分为R组，岁选取R个对象作为初始的聚类中心，计算每个对象与各种聚类中心之间的距离，把每个对象分配给距离最近的聚类中心，从而实现对废旧家电进行分类，其中，聚类中心以及分配给它们的对象就代表一个聚类。每分配一个样本，聚类的聚类中心会根据聚类中现有的对象被重新计算。这个过程将不断重复直到满足某个终止条件。终止条件可以是没有（或最小数目）对象被重新分配给不同的聚类，没有（或最小数目）聚类中心再发生变化，误差平方和局部最小；所述回收完成量分析单元是分析废旧家电回收渠道对产生废旧家电能够完成的回收量，当废旧家电回收渠道对产生废旧家电能够完成的回收量越大时，则废旧家电回收渠道在回收产生的废旧家电过程中越重要。
进一步的，所述渠道规整模块包括回收渠道筛选单元和类别标识单元；所述回收渠道筛选单元是用于对设定目标区域范围内无用的废旧家电回收渠道进行筛选剔除，当存在一个废旧家电回收渠道回收的废旧家电与设定目标区域范围内产生废旧家电的种类不相同则说明该废旧家电回收渠道在设定目标区域范围内为无用废旧家电回收渠道；所述类别标识单元是用于对废旧家电回收渠道回收的废旧家电种类进行标识，确定废旧家电回收渠道的回收类别，实现对废旧家电回收渠道的规整，以达到提高废旧家电回收效率的效果。
进一步的，所述渠道分选模块包括评分模型和分选单元；所述评分模型是依据待回收废旧家电和废旧家电回收渠道的数据信息对与待回收废旧家电种类相对应的废旧家电回收渠道回收待回收废旧家电的评分进行分析；所述分选单元是基于所述与待回收废旧家电种类相对应的废旧家电回收渠道回收待回收废旧家电的评分，分选出回收待回收废旧家电的最佳废旧家电回收渠道。
在本实施例中：
获取设定目标区域内的第z个废旧家电回收渠道回收废旧家电的种类集合Sz，S1={1、2、4、6、9...},S2={2、4、7...}，S3={3、7、9...}...其中，设定目标区域范围内产生的废旧家电的种类数据信息生成产生废旧家电种类集合X={1、7、9...}；设置1、2、3、4、5、6...分别表示为废旧家电的种类编号；
根据公式：
Fz=K（Sz∩X）
计算得到产生废旧家电种类集合与设定目标区域范围废旧家电回收渠道回收废旧家电的种类集合之间存在相同子集的数量，K（）表示为集合中子集的数量；当Fz=0时，说明第z个废旧家电回收渠道回收的废旧家电的种类与设定目标区域范围内产生的废旧家电的种类不相同，对第z个废旧家电回收渠道进行筛除，生成新的废旧家电回收渠道集合S’，S’={S’1、S’2、S’3...S’Z’}，z’=1、2、3...Z’，Z’表示为设定目标区域范围内新废旧家电回收渠道的数量。
设置Pz’={10、15、16、18...}，其中设定目标区域范围内第z’个新的废旧家电回收渠道在单位时间内回收的第i种类废旧家电的数量Pz’i=10；根据公式：
Gz’i=k1*Pz’i+δ=10*k1+δ=0.9*10+0.85=9
计算得到在设定目标区域范围内第z’个新的废旧家电回收渠道能够回收第i种类型废旧家电的数量，Gz’i取整数。
任意选取在设定目标区域范围内产生的第e种类型废旧家电的数量Me=50，由于废旧家电回收渠道回收的废旧家电的数量有限，所以需要选取多个废旧家电回收渠道进行回收；
实施例1：设置每个新的废旧家电回收渠道中能够回收的第e种类型废旧家电的数量按照由高到低的进行排序为{60、50、35、29...}，G2e=50=Me，对第2新的废旧家电回收渠道进行标识为第e种废旧家电回收的渠道；
实施例2：设置每个新的废旧家电回收渠道中能够回收的第e种类型废旧家电的数量按照由高到低的进行排序为{45、40、26、15...}，G1e=45<Me，选取任意废旧家电回收渠道使得废旧家电回收的第e种类型废旧家电的数量与G1e相加等于设定目标区域范围内产生第e种类型废旧家电的数量，当不存在任意废旧家电回收渠道使得废旧家电回收的第e种类型废旧家电的数量与G1e相加等于设定目标区域范围内产生第e种类型废旧家电的数量时，选取废旧家电回收渠道回收的第e种类型废旧家电的数量与G1e相加大于设定目标区域范围内产生第e种类型废旧家电的数量且为G1e与其他废旧家电回收渠道回收的第e种类型废旧家电的数量之和中的最小值，基于上述对废旧家电回收渠道进行标识的方法对目标区域范围内废旧家电回收渠道进行规整。
需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。
最后应说明的是：以上所述仅为本发明的优选实施例而已，并不用于限制本发明，尽管参照前述实施例对本发明进行了详细的说明，对于本领域的技术人员来说，其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (6)

1.一种基于大数据的家电回收智能分选方法，其特征在于：所述家电回收智能分选方法具体包括以下步骤：
S100、获取废旧家电的历史数据信息，依据废旧家电的数据信息对废旧家电进行分类；
S200、通过大数据获取设定目标区域范围内的废旧家电回收渠道的数据信息，依据所述废旧家电回收渠道的数据信息对设定目标区域范围内的回收渠道进行筛选，并且对废旧家电回收渠道进行规整；
S300、依据规整后废旧家电回收渠道的数据信息构建废旧家电回收平台，构建评分模型，依据评分模型选择与待回收废旧家电之间得分最高的废旧家电回收渠道进行回收；
所述S100中依据废旧家电的数据信息对废旧家电进行分类的具体方法如下：S101、获取设定目标区域范围内产生的废旧家电历史数据信息形成废旧家电历史数据集，依据大数据从废旧家电历史数据集中随机选取R个初始聚类中心Cr，计算废旧家电历史数据集中其余数据对象与初始聚类中心Cr的欧式距离，得到离目标数据对象最近初始聚类中心Cr，将目标数据对象分配到初始聚类中心Cr所对应的簇中；
S102、通过K-Means算法得到设定目标区域范围内的单位时间产生的废旧家电的种类和不同种类废旧家电产生的数量集合M，M={M1、M2、M3...MR}；依据设定目标区域范围内产生的废旧家电的种类数据信息生成产生废旧家电种类集合X，X={X1、X2、X3...XR}，其中，XR表示为在设定目标区域范围内产生的第R种类型的废旧家电，MR表示为在设定的目标区域范围内产生的第R种类型废旧家电的数量；R=1、2、3...R，R表示为设定目标区域范围内产生的废旧家电的种类总数量；
所述S200中中对废旧家电回收渠道进行筛选的具体方法如下：S201、通过大数据获取设定目标区域范围内单位时间的废旧家电回收渠道的数据信息，生成废旧家电回收渠道集合S，S={S1、S2、S3...SZ}，z=1、2、3...Z，Z表示为废旧家电回收渠道的数量，Sz表示为在设定目标区域范围内的第z个废旧家电回收渠道；
选取设定目标区域范围内的任意一个回收渠道Sa依据所述废旧家电回收渠道的数据信息通过K-Means算法对渠道回收的废旧家电进行分类，生成回收种类数量集合PA，PA={PA1、PA2、PA3...PAI}，PAi表示为回收渠道Sa回收废旧家电第i个种类的数量，对废旧家电回收渠道进行遍历得到集合Sz和Pz，Sz={Sz1、Sz2、Sz3...SzI}，Pz={Pz1、Pz2、Pz3...PzI}，Sz表示为设定目标区域内的第z个废旧家电回收渠道回收废旧家电的种类集合，SzI表示为设定目标区域范围内的第z个废旧家电回收渠道回收的第I个废旧家电的种类，Pz表示为设定目标区域范围内的第z个废旧家电回收渠道回收废旧家电种类的数量集合，PzI表示为设定目标区域范围内的第z个废旧家电回收渠道回收的第I个废旧家电种类的数量；i=1、2、3...I，I表示为回收渠道Sa回收废旧家电的种类总数；
S202、根据公式：
Fz=K（Sz∩X）
计算得到产生废旧家电种类集合与设定目标区域范围废旧家电回收渠道回收废旧家电的种类集合之间存在相同子集的数量，K（）表示为集合中子集的数量；当Fz=0时，对第z个废旧家电回收渠道进行筛除，生成新的废旧家电回收渠道集合S’，S’={S’1、S’2、S’3...S’Z’}，z’=1、2、3...Z’，Z’表示为设定目标区域范围内新废旧家电回收渠道的数量；
所述S200中对废旧家电回收渠道进行规整的具体方法如下：根据公式：
Gz’i=k1*Pz’i+δ
计算得到在设定目标区域范围内第z’个新的废旧家电回收渠道能够回收第i种类型废旧家电的数量，其中，k1为系数，Pz’i表示为设定目标区域范围内第z’个新的废旧家电回收渠道在单位时间内回收第i种类型废旧家电的数量，δ为误差项；
任意选取在设定目标区域范围内产生的第e种类型废旧家电的数量Me，当Gz’e=Me时，对第z’个废旧家电回收渠道进行标识为第e种类型废旧家电回收的渠道；当Gz’e<Me时，选取任意废旧家电回收渠道使得废旧家电回收的第e种类型废旧家电的数量与Gz’e相加等于设定目标区域范围内产生第e种类型废旧家电的数量，并对废旧家电回收渠道进行标识为第e种类型废旧家电回收的渠道，对目标区域范围内废旧家电回收渠道进行规整；
所述S300具体方法如下：S301、依据规整后废旧家电回收渠道的数据信息构建废旧家电回收平台，获取待回收废旧家电的数据信息，所述待回收废旧家电的数据信息包括废旧家电的种类、回收地点、回收数量；依据待回收的废旧家电的种类对废旧家电回收平台中的渠道进行筛选，生成集合Sn，Sn={S1、S2、S3...S N}，SN表示为符合待回收废旧家电的种类的第N个废旧家电回收渠道，n=1、2、3...N，N表示为符合待回收废旧家电种类的第N个废旧家电回收渠道的数量；
S302、构建评分模型
g（n）=1/D（n）+U（n）
Q（g）=；
得到待回收的废旧家电与废旧家电回收平台中渠道之间的得分，为标准差，/>表示为均数；其中，k1和k2表示为权重比，D（n）=[(x0-xn)2+(y0-yn)2]1/2，U（n）=mn/m0；D（n）表示为待回收废旧家电的回收地点与回收渠道的回收地点之间的距离，U（n）表示为第n个废旧家电回收渠道能够回收待回收废旧家电的数量与待回收废旧家电的数量之间的比值；（x0，y0），（xn，yn）分别标识为需要回收的废旧家电的回收地点以及符合需要回收废旧家电种类的第n个废旧家电回收渠道的回收地点在直角坐标系中映射的坐标点；mn表示为第n个废旧家电回收渠道能够回收待回收废旧家电的数量，mo表示为待回收废旧家电的数量；
S303、选取待回收的废旧家电与废旧家电回收平台中渠道之间得分最高的废旧家电回收渠道作为待回收废旧家电的回收渠道。
2.一种应用权利要求1所述的基于大数据的家电回收智能分选方法的家电回收智能分选系统，其特征在于：所述家电回收智能分选系统包括数据采集模块、数据分析模块、渠道规整模块和渠道分选模块；所述数据采集模块的输出端与数据分析模块的输入端连接，所述数据分析模块的输出端与渠道规整模块的输入端连接，所述渠道规整模块的输出端与渠道分选模块的输入端连接；所述数据采集模块是用于采集废旧家电的数据信息和设定的目标区域范围的废旧家电回收渠道的数据信息；所述数据分析模块是用于对废旧家电的种类以及设定目标区域范围内废旧家电回收渠道能够回收废旧家电的数量进行分析；所述渠道规整模块是对设定的目标区域范围的废旧家电回收渠道中无用的废旧家电回收渠道进行筛选剔除；所述渠道分选模块是在存在待回收废旧家电时，对废旧家电回收平台中的废旧家电回收渠道进行分选，选取最佳的废旧家电回收渠道对待回收废旧家电进行回收。
3.根据权利要求2所述的家电回收智能分选系统，其特征在于：所述数据采集模块包括废旧家电数据采集单元和回收渠道数据采集单元；所述废旧家电数据采集单元是采集在设定目标区域范围内产生废旧家电的历史数据信息；所述回收渠道数据采集单元是用于采集废旧家电回收渠道的数据信息，废旧家电回收渠道的数据信息包括废旧家电回收渠道的数量、回收废旧家电的种类和回收废旧家电种类的数量。
4.根据权利要求3所述的家电回收智能分选系统，其特征在于：所述数据分析模块包括废旧家电分类单元和回收完成量分析单元；所述废旧家电分类单元是通过K-Means算法实现对废旧家电进行分类；所述回收完成量分析单元是分析废旧家电回收渠道对产生废旧家电能够完成的回收量，当废旧家电回收渠道对产生废旧家电能够完成的回收量越大时，则废旧家电回收渠道在回收产生的废旧家电过程中越重要。
5.根据权利要求4所述的家电回收智能分选系统，其特征在于：所述渠道规整模块包括回收渠道筛选单元和类别标识单元；所述回收渠道筛选单元是用于对设定目标区域范围内无用的废旧家电回收渠道进行筛选剔除；所述类别标识单元是用于对废旧家电回收渠道回收的废旧家电种类进行标识，确定废旧家电回收渠道的回收类别，实现对废旧家电回收渠道的规整。
6.根据权利要求5所述的家电回收智能分选系统，其特征在于：所述渠道分选模块包括评分模型和分选单元；所述评分模型是依据待回收废旧家电和废旧家电回收渠道的数据信息对与待回收废旧家电种类相对应的废旧家电回收渠道回收待回收废家电的评分进行分析；所述分选单元是基于所述与待回收废旧家电种类相对应的废旧家电回收渠道回收待回收废家电的评分，分选出回收待回收废旧家电的最佳废旧家电回收渠道。
CN202311035774.3A 2023-08-17 2023-08-17 一种基于大数据的家电回收智能分选系统及方法 Active CN117085954B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202311035774.3A CN117085954B (zh) 2023-08-17 2023-08-17 一种基于大数据的家电回收智能分选系统及方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202311035774.3A CN117085954B (zh) 2023-08-17 2023-08-17 一种基于大数据的家电回收智能分选系统及方法

Publications (2)

Publication Number Publication Date
CN117085954A CN117085954A (zh) 2023-11-21
CN117085954B true CN117085954B (zh) 2024-03-22

Family

ID=88771102

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202311035774.3A Active CN117085954B (zh) 2023-08-17 2023-08-17 一种基于大数据的家电回收智能分选系统及方法

Country Status (1)

Country Link
CN (1) CN117085954B (zh)

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20000014382A (ko) * 1998-08-20 2000-03-15 윤종용 가전제품의 사전 재활용 평가방법
JP2002109152A (ja) * 2000-09-28 2002-04-12 Lintec Corp 廃棄工業製品のリサイクル方法
JP2002366641A (ja) * 2001-06-07 2002-12-20 Hitachi Ltd リサイクル処理方法及びシステム
CN109117958A (zh) * 2017-06-26 2019-01-01 深圳回收宝科技有限公司 便携式电子设备估价方法、回收方法、终端、云端及系统
CN109604192A (zh) * 2018-11-21 2019-04-12 中国科学院自动化研究所 基于大数据分析的电池分选方法及系统
CN116485025A (zh) * 2023-04-26 2023-07-25 重庆大学 双重迁移的预测模型生成方法及废旧家电回收量预测方法
CN116503118A (zh) * 2023-04-03 2023-07-28 同济大学 一种基于分类选择强化预测模型的废旧家电价值评估系统

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111882355A (zh) * 2020-07-27 2020-11-03 哈尔滨商业大学 双回收渠道闭环供应链的分析方法

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20000014382A (ko) * 1998-08-20 2000-03-15 윤종용 가전제품의 사전 재활용 평가방법
JP2002109152A (ja) * 2000-09-28 2002-04-12 Lintec Corp 廃棄工業製品のリサイクル方法
JP2002366641A (ja) * 2001-06-07 2002-12-20 Hitachi Ltd リサイクル処理方法及びシステム
CN109117958A (zh) * 2017-06-26 2019-01-01 深圳回收宝科技有限公司 便携式电子设备估价方法、回收方法、终端、云端及系统
CN109604192A (zh) * 2018-11-21 2019-04-12 中国科学院自动化研究所 基于大数据分析的电池分选方法及系统
CN116503118A (zh) * 2023-04-03 2023-07-28 同济大学 一种基于分类选择强化预测模型的废旧家电价值评估系统
CN116485025A (zh) * 2023-04-26 2023-07-25 重庆大学 双重迁移的预测模型生成方法及废旧家电回收量预测方法

Also Published As

Publication number Publication date
CN117085954A (zh) 2023-11-21

Similar Documents

Publication Publication Date Title
Ralambondrainy A conceptual version of the k-means algorithm
CN103207879B (zh) 图像索引的生成方法及设备
CN104462383B (zh) 一种基于用户多种行为反馈的电影推荐方法
JP2009277136A (ja) 類似度分析評価システム
CN102088709A (zh) 基于聚类和arima模型的话务量预测方法
CN116128254A (zh) 基于边缘计算的嵌入式智能制造资源配置方法及终端系统
CN117085954B (zh) 一种基于大数据的家电回收智能分选系统及方法
CN107886130A (zh) 一种基于聚类和相似度加权的kNN快速分类方法
Maghsoudi et al. Representing the New Model for Improving K-Means Clustering Algorithm based on Genetic Algorithm
CN111652392A (zh) 一种面向废旧移动终端的低碳高效拆卸线平衡优化方法
Liu et al. PRUC: P-regions with user-defined constraint
CN110070111A (zh) 一种配网线路分类方法及系统
Torkul et al. An application of fuzzy clustering to manufacturing cell design
CN110956320B (zh) 基于动态松弛智能算法的可持续供应链的选址和分配方法
CN112540973A (zh) 一种基于关联规则的网络可视化方法
CN110362580A (zh) 一种bim建筑工程数据检索优化归类方法及其系统
CN116450830B (zh) 一种基于大数据的智慧校园推送方法及系统
CN110766591A (zh) 一种智能业务管理方法、装置、终端及存储介质
KR20140055837A (ko) 유전자 알고리즘을 이용한 프로젝트 스케줄링 방법 및 시스템
CN109145026A (zh) 一种根据注释者辅助信息程度的标签排序的方法
CN115795335B (zh) 物流网点异常识别方法、装置及电子设备
CN110222269B (zh) 一种针对Web服务应用的保形最优选择方法
CN117634710B (zh) 一种板材定尺方法及装置
CN118113685B (zh) 一种基于大数据的模型数据库管理系统及方法
CN111325420B (zh) 一种车间调度方法、装置及设备

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