一种垃圾车辆低碳调度方法及系统技术方案

本发明专利技术公开了一种垃圾车辆低碳调度方法及系统，包括：获取输入信息，包括：垃圾车辆需要服务的垃圾投放点数量N、垃圾投放点的坐标信息、车场坐标信息、垃圾中转站坐标信息、每个垃圾投放点的垃圾量、垃圾车辆容量Q以及司机的最大工作时长T

【技术实现步骤摘要】
一种垃圾车辆低碳调度方法及系统


[0001]本专利技术涉及一种垃圾车辆低碳调度方法及系统，属于车辆调度


技术介绍

[0002]全球人口增长和城市化的脚步不断加快，城市人口逐步集中，生活水平和环境有了较大的改变，伴随而来的便是越积越多的生活垃圾。2020年1月21日，位于日本东京的废弃物工学研究所发布的估算数据显示，全球一年产生的垃圾量将在2050年达到320亿吨，是2000年的4.2倍。垃圾的积累导致全球环境迅速恶化，CO2的排放量也呈直线上升趋势。根据国际能源署(IEA)的数据，2019年全球碳排放增长量约为330亿吨。面对这样巨大的压力和挑战，全球高度重视，许多地方政府开始实行固体废物综合管理(ISWM)。他们主张开发一个整体的城市生活垃圾管理系统。该系统包括前端垃圾产生和终端垃圾处置，连接二者之间的则是垃圾运输，由此可见，运输环节在城市生活垃圾管理系统中起着关键作用。在垃圾处理成本中，运输成本占相当大的比例，如文献指出美国每年的垃圾处理费用总额约200亿美元，其中运输费用已超过100亿美元。此外，运输环节也是全球碳排放量增长的主本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种垃圾车辆低碳调度方法，其特征在于，包括：获取输入信息，包括：垃圾车辆需要服务的垃圾投放点数量N、垃圾投放点的坐标信息、车场坐标信息、垃圾中转站坐标信息、每个垃圾投放点的垃圾量、垃圾车辆容量Q以及司机的最大工作时长T
max
；将输入信息输入到预先构建的基于自适应粒子群算法的垃圾车辆低碳调度优化模型，确定最优调度方案；所述基于自适应粒子群算法的垃圾车辆低碳调度优化模型的优化目标为所规划的调度方案中车辆总的运输成本最少，基于自适应粒子群算法的垃圾车辆低碳调度优化模型的约束条件为所有车辆均从车场出发且仅出发一次、每个垃圾投放点只允许一辆车服务一次、每个垃圾投放点被服务时、一定会有一辆车从某个地点行驶到该垃圾投放点并从该点离开、所有车辆在垃圾中转站将垃圾全部排空、车辆在一次行程中的垃圾装载量不大于其容量限制以及每辆车的司机的工作时间不能超过规定的最大工作时长限制。2.根据权利要求1所述的垃圾车辆低碳调度方法，其特征在于，所述将输入信息输入到预先构建的基于自适应粒子群算法的垃圾车辆低碳调度优化模型，确定最优调度方案，包括：步骤1，设置自适应粒子群算法进化种群规模为n、邻域搜索最大规模Y；最大评价次数为Eva
max
、评价次数计数器Eva＝0；步骤2，采用整数编码，随机生成n个个体，每个个体的编码均为一串由3～N之间整数组成的序列：X＝{x3,x4,x
i
,
…
,x
N
}其中，x
i
表示垃圾投放点的标号，i＝3,4,
…
,N，车场编号为1，垃圾中转站编号为2，垃圾投放点编号为3～N；计算每个个体的目标值f(X)：f(X)＝C
fixed
+C
fuel
+C
carbon
其中，C
fixed
为固定成本，C
fuel
为燃油成本，C
carbon
为碳排放成本；其中，C
f
为每辆车的固定使用成本，U
k
表示第k辆车是否被使用，K表示车辆总数，表示第k辆车是否被使用，K表示车辆总数，其中，C
m
为车辆行驶单位距离所花费的燃油成本，B表示一辆车所有的行程集合，d
ij
为垃圾投放点i与垃圾投放点j之间的距离,表示第k辆车在第b次行程中是否经过路径EC
ij
＝FE
·
FC
ij
其中，EC
ij
表示车辆从垃圾投放点i行驶到j的碳排放量，FE为燃油排放参数，C
e
为碳税，表示第k辆车在第b次行程中是否服务垃圾投放点i，FC
ij
为车辆从垃圾投放点i行驶到垃圾投放点j消耗的燃油量，具体计算方式如下：FC
ij
＝[α
ij
(z+l
ij
)+βv2]d
ij
其中，z表示车辆自重，l
ij
表示车辆从垃圾投放点i行驶到j的载重，v表示车辆的行驶速度，α
ij
和β分别是与路况和车型相关的参数，计算方式如下：α
ij
＝a+gsinθ
ij
+gC
r
cosθ
ij
β＝0.5C
d
Aρ其中，a为车辆行驶加速度，g为重力加速度常量，θ
ij
为从垃圾投放点i到垃圾投放点j这一路段的路面坡度，C
r
为滚动阻力系数，C
d
为牵引力系数，A为车辆正面表面积，ρ表示空气密度；个体的适应度为F(X)：步骤3，采用增强型局部搜索策略对解码后的个体进行精细搜索，组成新的个体；步骤4，对新的个体采用基于贡献度的自适应学习策略，自适应选择最符合粒子自身阶段的学习方式，生成子代粒子：步骤5，根据优胜劣汰的规则在每次迭代中更新个体极值和全局极值；步骤6，若Eva>Eva
max
则终止迭代，输出适应度最优的个体，该个体为规划好车辆调度方案，否则，Eva相应增加，转步骤3。3.根据权利要求2所述的垃圾车辆低碳调度方法，其特征在于，所述采用增强型局部搜索策略对解码后的个体进行精细搜索，组成新的个体，包括：步骤31，通过消除时间和容量约束的解码方式对个体进行解码，得到垃圾车辆的调度方案；步骤32，找出包含垃圾投放点数最多的行程所对应的车辆索引和行程索引；步骤33，对包含垃圾投放点数最多的行程进行2
‑
opt优化，有效打开在行程中的交叉路线；步骤34，将优化后的行程与其余未被选择的行程按照顺序重新拼接，组成新的个体；在拼接过程中，根据车辆行程的终点分成两种情况：当行程的终点为中转站点，表明车辆在该行程中不会再前往车场，此时仅需去除行程中的出发点和垃圾中转站；当行程的终点为车场，则该车是前往垃圾中转站卸货继而再回到车场，此时需要去除该行程中的出发点、垃圾中转站以车场；步骤35，输出实施增强型局部搜索策略后的新的个体。4.根据权利要求2所述的垃圾车辆低碳调度方法，其特征在于，所述对新的个体采用基于贡献度的自适应学习策略，自适应选择最符合粒子自身阶段的学习方式，生成子代粒子，包括：
步骤41，设置m种学习策略；步骤42，令每种学习策略的贡献度C
kk
＝0，kk＝1,2,
…
,m；步骤43，对种群中各个新的个体ii分别通过轮盘赌选择确定学习策略learn(ii)，根据learn(ii)生成新粒子Npop(ii)并计算Npop(ii)的目标值；步骤44，将新种群中的新粒子依据目标值排序，得到粒子的排名向量r(ii)；步骤45，按照下式为第ii个新粒子分配权重w
ii
，粒子排名越靠前，分配得到的权重便越大；其中，w
ii
为第ii个粒子应该被分配的权重，r(ii)为第...

【专利技术属性】
技术研发人员：申晓宁，潘红丽，陈庆洲，葛忠佩，徐继勇，姚铖滨，许笛，
申请(专利权)人：南京信息工程大学，
类型：发明
国别省市：