雙碳背景下的城市垃圾智慧收運調度優化與應用研究

林長碩，王嘉輝，張智博，邱思杭，張 政

（揚州大學，江蘇 揚州）

1 研究背景

目前，我國城市生活垃圾產生量逐年攀升，2021年城市生活垃圾產生量高達27 097.2 萬t（見圖1）。但是垃圾的收運效率低下，造成了城市生活垃圾堆積嚴重，這樣不僅占用大量的土地資源，還會產生大量有害氣體，嚴重污染大氣和城市生活環境。因此，如何對日益增長的城市生活垃圾進行有效、低碳化收集，減少環境二次污染，成為亟待解決的問題。

圖1 中國垃圾清運量統計

1.1 國內研究現狀

目前，國內外對如何提高逆向物流（包括垃圾）收運效率進行了廣泛的研究。魏珊珊等[1]針對電子廢棄物逆向物流網絡特點,從整體逆向物流選址優化角度,分析并確定了網絡成本最優化混合整數線性規劃（Mixed-Integer Linear Programming, MILP）模型。王發鴻等[2]認為不同結構形式的電子類產品逆向物流網絡對效率影響巨大，必須構建高效運作的逆向物流網絡。黃麗君[3]以垃圾回收總成本最小并兼顧回收便利性為目標，設計改進離散蜂群算法，提出包含回收點、回收中心和處理中心組成的多級逆向物流網絡模型，以解決逆向物流中的車輛路徑問題和選址分配問題。付小勇等[4]將各消費區域垃圾回收量看成模糊參數,提出了逆向物流網絡的模糊約束機會規劃模型, 通過算例對模型進行了求解, 為逆向物流網絡設計提供了依據。劉國秋等[5]通過把循環共生經濟理念嵌入到包裝物逆向物流回收模式中，形成了包裝物逆向物流回收的四種模式。

1.2 國外研究現狀

Milorad Vidovi 等[6]提出了定位——路徑模型，該模型考慮了回收物數量對最終用戶與收集點之間距離、中間收集點(中轉站)的位置和收集車輛路線的依賴關系，同時確定了收集點的位置。Mei Zhang 等[7]提出了一種城市生活垃圾管理系統的非精確逆向物流模型，能夠反映城市生活垃圾管理系統的動態特性和不確定性。Shan Lu 等[8]采用模糊混合整數線性規劃方法對逆向物流網絡問題進行建模。Hossein Asefi 等[9]建立了一個混合整數線性規劃模型，設計了考慮機隊規模和有時間窗混合車輛路徑問題的ISWM系統，并通過實例證明方法對不確定條件下的系統經濟成本最小化是有效的。Xiaoyun Bing 等[10]通過比較歐盟各國的城市固體廢物(MSW)管理實踐，得出在建立都市固體廢物回收的逆向供應鏈模型時，必須全面考慮不同廢物類型的特點的結論。

雖然上述研究對垃圾收運如何提高效率進行了相關建模分析，但仍然未解決垃圾收運環節存在的諸多突出問題。例如，垃圾種類如何與垃圾收運車輛進行精準匹配，如何避免垃圾收運車輛空載、虧載，如何解決實時垃圾收運需求，以及針對不同垃圾收集點垃圾數量差異如何規劃收運路徑等。針對以上垃圾收運環節存在的問題，亟需開發設計智慧化的垃圾收運調度平臺。

2 設計原理

2.1 設計思路

針對上述存在的問題，本團隊分別對收運網絡分區重構、收運路徑動態優化進行設計。首先，研究團隊通過物聯網技術收集各垃圾收集點的垃圾產生量數據，并分析其規律，并對各垃圾收集點構成的收運網絡進行重構，實現中轉設施的均衡利用。其次，基于垃圾分類和載運車輛約束，動態匹配相應車輛，實現分類收運、按需分配，降低總體能耗。最后，面向垃圾收運的復雜時空需求，綜合考慮環境、經濟、時間等因素，構建路徑決策智能算法，實現收運路徑動態優化，提高垃圾收運效率。技術路線見圖2。

圖2 技術路線

2.2 收運網絡分區重構算法

為了提高收運效率，本研究將垃圾收集點以密度為基礎進行分區處理，可同時安排多輛車在不同區域進行垃圾分類收運，減少垃圾整體收運時間。采用K-means 聚類算法求解過程如下：

（1） 設數據集為N，令I=1，選取k 個初始聚類中心Zj（I），j=1，2，3，…，k。

（2） 計算每個數據對象與聚類中心的距離D（Xi，Zj（I）），i=1，2，3，…，n，j=1，2，3，…，k，若滿足D（Xi，Zk（I））=min{D（Xi，Zj（I）），j=1，2，3，…，n}，則Xi∈Wk。

（3） 計算誤差平方和準則函數Jc：

2.3 垃圾收運路徑優化模型構建與求解

本研究重點針對車輛的收運路徑方案進行優化，選擇了改進蟻群算法、粒子群算法、遺傳算法先后進行試驗，通過對模型的求解結果與垃圾收運歷史路徑進行對比，尋找最優方案。對比結果見表1。

表1 不同算法對模型求解結果對比

通過對比遺傳算法、粒子群算法對模型的求解結果，發現使用改進蟻群算法能達到碳排放、經濟節約、時效性的組合最優。

蟻群算法求解過程如下：

假設收集點i 的坐標為：

收集點i，j 之間的距離可以表示為：

假設在（t，t+n）時刻所有螞蟻完成一次周游，則在t+n 時刻收集點i，j 之間的信息素含量可以表示為：

在t 時刻，螞蟻k 從收集點i 轉移到收集點j 的概率可以由以下方式計算得到：

其中：ηi，j是一個啟發式因子，表示螞蟻從收集點i 轉移到收集點j 的期望程度。計算方式為：

2.4 應用研究- 基于智能算法的數字環衛運維平臺研發

基于收運車輛智慧調度動態優化算法，綜合運用物聯網、大數據分析、圖像識別等技術，研發數字環衛智慧運維系統，實現前端感知、調度優化、車輛監管、作業管理等功能。與浙江美欣達集團進行合作，并將系統投入湖州市織里鎮進行了實踐應用，取得了良好的社會經濟效益。

2.5 應用報告——以湖州市織里鎮為例

通過實際運行數據統計，運行1 年后，每收運萬噸垃圾可節約油耗35 694 L、減少碳排放75.2 t，1 年間總計為企業減少運營成本264.8 萬元，節能減排效益顯著。分析結果見表2。

表2 應用前后對比分析

應用本算法后能夠有效提升垃圾分類收運效率，降低收運環節總體能耗，促進前端垃圾分類、提升末端垃圾回收利用率，改善城市居民環境，助力“綠色、低碳、無廢城市”建設。

3 創新特色

本系統針對中轉站點服務能力弱，垃圾清運不及時，環境二次污染嚴重；收運車輛運行成本高，虧載、走回頭路現象嚴重，總體能耗高；收運方案智慧程度低，垃圾資源化利用效率低等問題，開展分析研究并進行系統研發。主要包括以下兩個主要創新點。

3.1 面向總體碳排放最少的收運網絡分區重構

通過分析垃圾產生的時空分布特征，結合各中轉設施的垃圾接收能力，對其進行收運網絡的重構，智能分區實現設施資源的最優化利用，減少垃圾堆積污染、中轉站排隊等候時間過長、垃圾清運響應不及時等現象，避免車輛行駛里程過長，增加能耗。

3.2 基于車輛路徑動態優化的低碳收運模式構建

基于深度學習的智能優化算法，自動匹配收運車輛的行駛路線，實現收運車輛多目標復雜組合匹配及調度優化。當車輛處于收運狀態時，平臺可以實時監測車輛行駛狀態，并根據前方道路情況或垃圾收集點的狀態變化對收運車輛發送實時信息進行車輛動態調度，有效減少了車輛走回頭路現象，達到碳排放最少、經濟節約、時效性最優的目標。

結束語

本研究的目標客戶為環衛企業、政府監管部門，目前我國垃圾分類收運調度事業迅速崛起，各環衛企業、政府從事垃圾分類收運的隊伍不斷壯大，我國現擁有6 000 余家環衛企業，市場容量約為180 億元，市場容量巨大。同時，本研究技術先進，可以通過實時動態調度收運車輛、規劃收運路線，實現收運綜合效益最優，協同推進“雙碳”目標。

收運車輛動態調度的應用將引領垃圾收運過程中管按信息化、智能化的變革，通過技術的升級和資源的整合，使得垃圾收運過程性監管走向集成化、信息化、專業化。綜合考慮環境、經濟、時間等因素，構建路徑決策智能算法，實現收運路徑動態優化，提高垃圾收運效率，具有重要的現實意義，面對垃圾收運環節的問題，本系統通過動態智能調度管按收運路線，減少收運環節碳排量，有效助力“雙碳”目標實現！