一种垃圾清运车的调度优化方法技术

本发明专利技术公开了一种垃圾清运车的调度优化方法：包括参数准备、参数验证及处理、产生种群、计算适应度、优质基因可视化、优质基因变异、迭代计算、结果可视化。本发明专利技术能够克服现有垃圾收运模式耗时长、效率低、收运路线依靠工人经验确定等问题，可适用于某特大型城市固废垃圾清运车的调度优化。垃圾清运车的调度优化。垃圾清运车的调度优化。

【技术实现步骤摘要】
一种垃圾清运车的调度优化方法


[0001]本专利技术涉及智慧市政领域，更具体的说，是涉及一种垃圾清运车的调度优化方法。

技术介绍

[0002]随着社会经济的不断发展，人们日常生活产生的垃圾量也逐年攀升，特别是对于较大城市，全国约2/3的大中型城市受城市生活垃圾困扰。目前，城市管理者已不再只着力于加强末端处理，逐渐开始尝试全过程管理策略。
[0003]城市生活垃圾的收集，指的是将每家每户、单位的垃圾按照不同收集手段转载到环卫车上，然后进行统一运送的过程。收运优化问题是城市固体废物全过程管理的重要一环，收运成本占管理总成本的40～70％，国家科技支撑计划课题《城市生活垃圾收运关键技术与示范》(2006BAC06B02)的研究成果表明，利用运筹学方法对收运车辆路径进行的优化，收运成本相对传统的依靠经验制定转运路径的方法低10％左右，因此，收运优化有利于大大减少管理成本、提高管理效率。
[0004]近几年，我国很多城市的生活垃圾收运方式逐渐向密闭化、机械化方向转变，对于生活垃圾的混合收运工作，其模式基本固定，而从混合收运过渡到分类收运，需要对转运站、收运车辆、收集点等进行改造，所以推行垃圾分类的城市迫切需要找到最合适的分类收运模式，既能最大限度地利用原有收运系统，又不会带来收运成本的大幅增长，这就必须要依托收运优化手段，比选出成本较低的分类收运模式。

技术实现思路

[0005]为了克服现有垃圾收运模式耗时长、效率低、收运路线依靠工人经验确定等问题，本专利技术提出一种清运路线优化计算并将计算过程可视化处理的方法，即一种垃圾清运车的调度优化方法，将垃圾清运车的调度优化问题转化为MTSP(Multiple Traveling Salesman Problem)问题，利用遗传算法求解。
[0006]本专利技术的目的是通过以下技术方案实现的。
[0007]本专利技术垃圾清运车的调度优化方法，包括以下过程：
[0008](1)参数准备：确定待优化区域内垃圾清运点坐标数据、两两垃圾清运点间路径距离和计算所需的相关参数；所述计算所需的相关参数包括参与清运工作的清运车数量、每辆清运车最少需要清运的垃圾清运点数、清运车起终点是否相同、种群中个体数量、计算迭代次数；
[0009](2)参数验证及处理：验证步骤(1)准备的参数的数量是否合理，所准备参数是否正确，否则进行补齐或修正；
[0010](3)产生种群：随机生成路径基因以及中断点；
[0011](4)计算适应度：分别计算种群中每个路径基因的路径总距离；
[0012](5)优质基因可视化：以距离最短者为最优基因，选出种群中最优基因，并将其路径以图片的形式展示；
[0013](6)优质基因变异：随机改变最优基因的某一片段，随机生成新的中断点，得到新的种群；
[0014](7)迭代计算：对步骤(6)产生的新的种群，重复上述步骤(4)、(5)、(6)，直至达到参数验证及处理后的计算迭代次数；
[0015](8)结果可视化：输出最后一次迭代计算后得到的最优基因及其对应的路径距离，并将每次迭代计算步骤(5)中生成的图片整合成GIF格式的图片，动态展示路径优化过程。
[0016]步骤(1)中所述垃圾清运点坐标为直角坐标。
[0017]步骤(2)中所述参数的数量是否合理指的是参与清运工作的清运车数量为整数、每辆清运车最少需要清运的垃圾清运点数为整数、种群中个体数量为整数、计算迭代次数为整数，所准备参数是否正确指的是垃圾清运点坐标是二维直角坐标、清运车起终点是否相同的定义值为0或1，其中，0表示不相同，1表示相同。
[0018]步骤(2)中参数数量不足时根据默认参数补齐，参数不正确时进行修正，如下：
[0019]①
清运点坐标：随机生成二维直角坐标；
[0020]②
清运车数量：5辆；
[0021]③
每辆清运车最少需要清运的垃圾清运点数：清运点坐标数量除以清运车数量，取整数；
[0022]④
清运车起终点是否相同：1，表示相同；
[0023]⑤
种群中个体数量：16个；
[0024]⑥
计算迭代次数：10000次。
[0025]步骤(3)中产生种群包括两部分：一是借助Matlab中randperm函数生成M个路径基因，M＝参数验证及处理后的种群中个体数量；二是随机抽取N个清运点作为中断点，N＝参数验证及处理后的清运车数量
‑
1。
[0026]步骤(5)中优质基因可视化的具体过程：以距离最短者为最优基因，选出种群中最优基因，利用Matlab中plot函数将该路径可视化处理，同时利用saves函数将图片保存。
[0027]步骤(6)中优质基因变异的具体过程：从M个路径基因中取出2个最优基因作为父代，通过基因突变产生M个子代与新的中断点，M＝参数验证及处理后的种群中个体数量；其中，基因突变产生子代的方式包括以下7种：
[0028]①
随机生成两个突变位置I、J，反转I与J之间的基因片段，中断点使用父代基因的中断点；
[0029]②
交换I和J位置的基因，中断点使用父代基因的中断点；
[0030]③
将J位置的基因放到I与I
‑
1之间，中断点使用父代基因的中断点；
[0031]④
反转I与J之间的基因片段，随机产生中断点；
[0032]⑤
交换I和J位置的基因，随机产生中断点；
[0033]⑥
将J位置的基因放到I与I
‑
1之间，随机产生中断点；
[0034]⑦
复制父代基因，随机产生中断点；
[0035]父代基因与产生的以上七个基因共同组成子代。
[0036]与现有技术相比，本专利技术的技术方案所带来的有益效果是：
[0037](1)本专利技术提出的垃圾清运车的调度优化方法，可通过快速计算得出最优路径，可以为垃圾清运工作中路径规划提供便利，大大提升垃圾清运工作效率。
[0038](2)本专利技术提出的垃圾清运车的调度优化方法，计算过程可视化，计算结果可视化，可以直观地展示计算过程与结果。
附图说明
[0039]图1是本专利技术本专利技术垃圾清运车的调度优化方法的工艺流程图；
[0040]图2是本专利技术中M＝16时迭代计算的流程图；
[0041]图3是垃圾清运点坐标分布图；
[0042]图4是路径规划计算结果示意图。
具体实施方式
[0043]下面结合附图对本专利技术作进一步的描述。
[0044]如图1所示，本专利技术垃圾清运车的调度优化方法，包括参数准备、参数验证及处理、产生种群、计算适应度、优质基因可视化、优质基因变异、迭代计算、结果可视化共八个步骤。具体过程如下：
[0045](1)参数准备：确定待优化区域内垃圾清运点坐标数据、两两垃圾清运点间路径距离和计算所需的相关参本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种垃圾清运车的调度优化方法，其特征在于，包括以下过程：(1)参数准备：确定待优化区域内垃圾清运点坐标数据、两两垃圾清运点间路径距离和计算所需的相关参数；所述计算所需的相关参数包括参与清运工作的清运车数量、每辆清运车最少需要清运的垃圾清运点数、清运车起终点是否相同、种群中个体数量、计算迭代次数；(2)参数验证及处理：验证步骤(1)准备的参数的数量是否合理，所准备参数是否正确，否则进行补齐或修正；(3)产生种群：随机生成路径基因以及中断点；(4)计算适应度：分别计算种群中每个路径基因的路径总距离；(5)优质基因可视化：以距离最短者为最优基因，选出种群中最优基因，并将其路径以图片的形式展示；(6)优质基因变异：随机改变最优基因的某一片段，随机生成新的中断点，得到新的种群；(7)迭代计算：对步骤(6)产生的新的种群，重复上述步骤(4)、(5)、(6)，直至达到参数验证及处理后的计算迭代次数；(8)结果可视化：输出最后一次迭代计算后得到的最优基因及其对应的路径距离，并将每次迭代计算步骤(5)中生成的图片整合成GIF格式的图片，动态展示路径优化过程。2.根据权利要求1所述的垃圾清运车的调度优化方法，其特征在于，步骤(1)中所述垃圾清运点坐标为直角坐标。3.根据权利要求1所述的垃圾清运车的调度优化方法，其特征在于，步骤(2)中所述参数的数量是否合理指的是参与清运工作的清运车数量为整数、每辆清运车最少需要清运的垃圾清运点数为整数、种群中个体数量为整数、计算迭代次数为整数，所准备参数是否正确指的是垃圾清运点坐标是二维直角坐标、清运车起终点是否相同的定义值为0或1，其中，0表示不相同，1表示相同。4.根据权利要求1所述的垃圾清运车的调度优化方法，其特征在于，步骤(2)中参数数量不足时根据默认参数补齐，参数不正确时进行修正，如下：
①
清运点坐标：随机生成二维直角坐标；
②
清运车数量：5辆；
③
每辆清运车最少需要清...

【专利技术属性】
技术研发人员：王雅然，王叶明，由世俊，张欢，陈冠益，郑雪晶，齐智猛，万福京，
申请(专利权)人：天津大学，
类型：发明
国别省市：