一种自动预测垃圾产出分布及规划最优运输路线的方法技术

本发明专利技术公开了一种自动预测垃圾产出分布及规划最优运输路线的方法。属于城市垃圾处理及最优路线规划领域；步骤：通过信息处理模块，建立最优运输路线规划模块所必要的前置条件；建立垃圾分布预测模块，将历史垃圾分布数据送入其中进行训练；结合最优运输路线规划模块，通过训练后的垃圾分布预测模块，对未来各地区的垃圾产出分布进行预测，使用最优运输规划模块计算得最优运输路线。本发明专利技术先获取每个地区的历史基础数据；再构建启发式神经网络，预测未来每个地区的垃圾产出分布；最后，以神经网络得到的结果作为预测分布，以各个垃圾处理站的日处理量作为目标分布，以各地区的间隔距离作为代价矩阵，使用Sinkhorn迭代方法计算最优运输路线。运输路线。运输路线。

【技术实现步骤摘要】
一种自动预测垃圾产出分布及规划最优运输路线的方法


[0001]本专利技术属于城市垃圾处理分布预测及最优路线规划领域，涉及一种自动预测垃圾产出分布及规划最优运输路线的方法。

技术介绍

[0002]近年来，随着经济快速发展，城市化进程加快，城市的规模变得越发庞大。与此同时，城市的垃圾产出呈现指数级增长的趋势，垃圾问题变得较为棘手。特别是对于大城市而言，垃圾大量产生的地方例如居住区，商业区等地区的位置均与城市垃圾处理站的距离较远。如果垃圾处理的问题不能得到解决，轻则影响人民的日常生活，重则带来污染环境，浪费资源等后果。而如果不仔细研究垃圾产出分布以及规划合适的运输路线，则垃圾运输成本会居高不下。并且，由于各种因素的影响，城市中的各个垃圾处理站的垃圾处理容量并不统一。
[0003]专利202010984181.1，公开了一种用于城市生活垃圾产量的预测方法，该方法从数据集中筛选有用的信息作为LSTM神经网络的输入，以此预测城市的垃圾产量。然而，该专利仅考虑了垃圾产量的预测，并没有细致化考虑城市的垃圾产量分布并对其进行运输路线规划。本专利不仅对垃圾产量分布进行预测，而且规划了最优的垃圾运输路线，可以更好地帮助有关部门对垃圾进行管理。因此，急需一种自动预测垃圾产出，并且能够根据多个垃圾处理站的处理能力规划最优运输路线的方法为决策者提供建议。

技术实现思路

[0004]专利技术目的：本专利技术的目的在于提供了一种自动预测垃圾产出分布及规划最优运输路线的方法，采用深度神经网络(DNN)构成的启发式神经网络预测城市各地区的垃圾产出分布，使用Sinkhorn迭代方法计算出垃圾最优运输方法。
[0005]技术方案：本专利技术所述的一种自动预测垃圾产出分布及规划最优运输路线的方法，其具体操作步骤如下：
[0006](1)、通过信息处理模块，整合历史垃圾分布数据并建立最优运输路线规划模块所必要的前置条件；
[0007](2)、建立垃圾分布预测模块，将步骤(1)中整合完毕的历史垃圾分布数据作为训练集送入该模块中进行训练；
[0008](3)、结合步骤(1)中通过前置条件建立的最优运输路线规划模块，通过步骤(2)中训练后的垃圾分布预测模块，对未来各地区的垃圾产出分布进行预测，随后使用最优运输规划模块计算得到最优运输路线。
[0009]进一步的，在步骤(1)中，所述建立最优运输路线规划模块所必要的前置条件具体包括：
[0010]一、将城市平均分为数个地区，确定包含垃圾处理站的地区，并计算各个地区到含有垃圾处理站的地区的运输代价，从而得到代价矩阵；
[0011]二、连接到城市当地的数据采集库，收集数据库中关于各个地区垃圾产出的数据，并根据垃圾处理站的每日处理量，最终得到垃圾最优运输的目标分布。
[0012]进一步的，在步骤(2)中，所述建立的垃圾分布预测模块是由深度神经网络组成。
[0013]进一步的，在步骤(2)中，所述将整合完毕的历史垃圾分布数据作为训练集送入建立的垃圾分布预测模块中进行训练具体是指：采用启发式学习方法对深度神经网络进行训练。
[0014]进一步的，在步骤(3)中，所述使用最优运输规划模块计算得到最优运输路线的必备条件是：以垃圾分布预测模块的输出作为预测分布，以各垃圾站的每日垃圾处理量作为目标分布，使用Wasserstein距离度量预测分布与期望分布之间的差异，并使用Sinkhorn迭代方法缩小该差异，最终得到差异的最小值和与之对应的最优运输路线。
[0015]有益效果：本专利技术与现有技术相比，本专利技术的特点是：本专利技术提出一种自动预测垃圾产出及规划最优运输路线的方法，首先将城市平均划分为多个地区，并获取每个地区的历史基础数据，包括垃圾每日产出分布，是否包含垃圾处理站，垃圾处理站的每日处理量等；其次构建启发式神经网络，预测未来每个地区的垃圾产出分布；最后，以神经网络得到的结果作为预测分布，以各个垃圾处理站的日处理量作为目标分布，以各地区的间隔距离作为代价矩阵，使用Sinkhorn迭代方法计算最优运输路线。
附图说明
[0016]图1是本专利技术的操作流程图；
[0017]图2是本专利技术的代价矩阵计算示意图；
[0018]图3是本专利技术实施例中垃圾分布均差对比图；
[0019]图4是本专利技术实施例中运输代价对比图。
具体实施方式
[0020]为了更清楚地说明本专利技术的技术方案，下面结合附图对本专利技术的技术方案做进一步的详细说明：
[0021]本专利技术所述的一种自动预测垃圾产出分布及规划最优运输路线的方法，在本专利技术中包括有信息处理模块，垃圾分布预测模块与最优运输规划模块；
[0022]其具体操作步骤如下：
[0023](1)、通过信息处理模块，整合历史垃圾分布数据并建立最优运输路线规划模块所必要的前置条件；
[0024]在步骤(1)中，所述建立最优运输路线规划模块所必要的前置条件主要包含两点：
[0025]一、将城市平均分为数个地区，确定包含垃圾处理站的地区，并计算各个地区到含有垃圾处理站的地区的运输代价，得到代价矩阵；代价矩阵可以通过以下方式得到：
[0026]使用正方形网格将城市覆盖，正方形边长为n，每个小格边长为1，其中一个小格即代表一个地区，因此该城市被划分为n2个地区；相邻的两个小格运输代价为1；设该城市的一个垃圾处理站位于地区(x
L
,y
L
)中，则任意地区(x0,y0)对于该垃圾处理站的运输代价Cost
0L
可以表示为：
[0027]Cost
0L
＝|x
L
‑
x0|+|y
L
‑
y0|
[0028]假设该城市有m座垃圾处理站，每个地区对m个处理站均有各自的运输代价，可以组合为一个维度为(n2,m)的代价矩阵；
[0029]图2为一个示例，将城市平均划分为16个地区，某些地区中的黑点含义为该地区有垃圾处理站；以地区(a,a)为例，若要将垃圾分别送往(a,d)，(d,a)，(d,c)，则对应的运输代价为3，3，5；以此类推，每个地区均包含前往三个垃圾站所对应的代价，因此可以组成一个维度为(16,3)的代价矩阵；
[0030]二、连接到城市当地的数据采集库，收集数据库中关于各个地区垃圾产出的数据，并根据垃圾处理站的每日处理量，得到垃圾最优运输的目标分布；
[0031]将收集到的各个地区垃圾产出的数据将垃圾处理站每日处理量求平均，得到每个处理站的垃圾处理量的期望值，将所有垃圾站的期望值组合起来，得到一个一维向量，作为垃圾最优运输的目标分布；
[0032](2)、建立垃圾分布预测模块，将步骤(1)中整合完毕的历史垃圾分布数据作为训练集送入该模块中进行训练；
[0033]在步骤(2)中，所述垃圾分布预测模块由深度神经网络(DNN)组成。
[0034]在步骤(2)中，所述将整合完毕的历史垃圾分布数据作为训练本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种自动预测垃圾产出分布及规划最优运输路线的方法，其特征在于，其具体操作步骤如下：(1)、通过信息处理模块，整合历史垃圾分布数据并建立最优运输路线规划模块所必要的前置条件；(2)、建立垃圾分布预测模块，将步骤(1)中整合完毕的历史垃圾分布数据作为训练集送入该模块中进行训练；(3)、结合步骤(1)中通过前置条件建立的最优运输路线规划模块，通过步骤(2)中训练后的垃圾分布预测模块，对未来各地区的垃圾产出分布进行预测，随后使用最优运输规划模块计算得到最优运输路线。2.根据权利要求1所述的一种自动预测垃圾产出分布及规划最优运输路线的方法，其特征在于，在步骤(1)中，所述建立最优运输路线规划模块所必要的前置条件具体包括：一、将城市平均分为数个地区，确定包含垃圾处理站的地区，并计算各个地区到含有垃圾处理站的地区的运输代价，从而得到代价矩阵；二、连接到城市当地的数据采集库，收集数据库中关于各个地区垃圾产出的数据，并根据垃圾处理站...

【专利技术属性】
技术研发人员：彭春雨，郑尚，邹海涛，于化龙，高尚，
申请(专利权)人：江苏科技大学，
类型：发明
国别省市：