基于分治法的在线大规模垃圾收运调度方法技术

一种基于分治法的在线大规模垃圾收运调度方法，通过采集垃圾站点和车辆相关数据后进行数据预处理，生成初始问题模型；然后以层次聚类算法(AHC)对初始问题进行等效分剖，获得若干初始集群；再对初始集群通过集群细化(CR)微调后对子收运问题进行求解并汇总得到总收运调度方案。本发明专利技术通过层次聚类算法Pie，将超大规模问题尽可能等价的分解为一组小规模的易求解的子问题，并采用求解带容量限制的车辆调度问题的算法求解器LKH

【技术实现步骤摘要】
基于分治法的在线大规模垃圾收运调度方法


[0001]本专利技术涉及的是一种城市环卫领域的技术，具体是一种基于分治法的在线大规模垃圾收运调度方法。

技术介绍

[0002]现有分类垃圾收运的主要技术及其对应的问题分别是：传统的垃圾收运问题通常由人工来进行，不能根据垃圾量的多少进行实时的调整，而且人力也往往无法做出最优的选择。现有技术方法而言，将垃圾收运问题概括成带容量限制的车辆路径规划问题(CVRP)，对这样一个问题来说，世界上最好的技术方法都存在的问题是无法求解城市规模的问题，一个城市的垃圾站点规模是成千上万的，而此类问题是计算机证明无法在多项式时间内求解的NP完全问题，所以当问题规模变大时各种方法都会显得难以求解，表现在求解时间过长以及结果过差。为降低日益增长的运营成本，大型城市往往需要更好的在线垃圾收运调度方案。然而垃圾收运问题作为一个NP完全问题，无法在多项式时间内求解，当垃圾点数目很大时，这个求解时间是难以接受的。

技术实现思路

[0003]本专利技术针对现有技术存在的上述不足，提出一种基于分治法的在线大规模垃圾收运调度方法，通过层次聚类算法Pie，将超大规模问题尽可能等价的分解为一组小规模的易求解的子问题，并采用求解带容量限制的车辆调度问题的算法求解器LKH
‑
3来求解本专利技术经过拆分后的子问题，从而有效的减少整体的垃圾收运成本和算法运行时间。
[0004]本专利技术是通过以下技术方案实现的：
[0005]本专利技术涉及一种基于分治法的在线大规模垃圾收运调度方法，通过采集垃圾站点和车辆相关数据后进行数据预处理，生成初始问题模型；然后以层次聚类算法(AHC)对初始问题进行等效分剖，获得若干初始集群；再对初始集群通过集群细化(CR)微调后对子收运问题进行求解并汇总得到总收运调度方案。
[0006]所述的垃圾站点和车辆相关数据包括：各个垃圾站点和初始出发点位的位置及垃圾量信息，每辆车的载重信息。
[0007]所述的数据预处理是指：从前面的垃圾点位通过GPS地图信息或给定数据获取任意两点间的通行距离，得到下面问题模型里所有所需数据。
[0008]所述的初始问题模型为：给定n个在地理上任意分布的站点，设为S＝{S
i,
i∈[1,n]}，其中每个站点s
i
都有在该站点上所积累的垃圾量q
i
。另外把s0站点特别的取出来作为问题的原点，所有收运车辆将从此出发并最终回到原点。模型中共有p辆垃圾收运车辆组成一个车队，设为V＝{v
j,
j∈[1,p]}，其中每辆车都有一个给定的最大载重量称为C。问题要求使用这p辆车收运完成n个站点的所有垃圾并且每辆车不得超载，在这个前提下去优化收运路线使得总代价最小(在本问题中为行驶距离)，将初始问题抽象为规范数学模型：
[0009]定义的优化目标是使所有车辆行驶的总距离最小同时满
足以下约束
[0010]s.t.
[0011]每辆车需要离开每个它进入的站点
[0012]每个站点只所有车中的一辆访问一次
[0013]每辆车开始从原点即车库出发并在最后回到出发地点s0，，
[0014]每辆车不能超载，
[0015]其中：d
ij
为s
i
和s
j
之间的距离；x
ijk
为v
k
是否从s
i
到s
j
；当一个站点的垃圾量大于预定车辆的可用容量，可以将该站点划分为多个虚拟站点以满足CVRP问题的定义。因此，垃圾收运问题可以表述为经典的带容量限制的车辆路径规划问题，它是一个NP完全问题。
[0016]所述的层次聚类算法包括：将问题描述中所定义的各个站点初始化成单个聚类，然后根据点与点之间的位置关系以及点与点之间的垃圾量关系对相邻聚类进行合并(合并加起来可以节省收运车辆数并且最近的聚类)，在没有可以合并的时候停止。
[0017]所述的集群细化(CR)微调包括：从最远的聚类开始考虑每个聚类的垃圾量是否刚好为收运车辆载重的整数倍，当不是则原则最近的站点放入本聚类进行微调，迭代每个聚类直至可以使用最少的车辆数进行收运。
[0018]所述的对自收运问题进行求解是指：使用LKH
‑
3算法对层次聚类分割得到的子问题进行求解(并行或串行求解)，得到每个子问题的多条收运路线和总行驶距离。
[0019]所述的汇总包括：对求解得到的各个子问题收运路线进行汇总，行驶距离进行相加，得到最终原问题结果。
[0020]本专利技术涉及一种实现上述方法的系统，包括：原始数据获取单元、层次聚类算法单元、集群微调算法单元、子问题求解单元以及子问题结果汇总单元，其中：原始数据获取单元根据输入问题信息信息，访问地图接口或相关数据库得到点与点之间实时通行距离信息，得到完成输入数据，层次聚类算法单元根据前单元获取到的完整数据信息，对原问题进行层次聚类划分成若干子问题，集群微调单元根据粗分的若干子问题信息进行对每个集群的微调处理，使得可以使用最少车辆进行收运，得到最终的子问题划分结果，子问题求解单元使用LKH
‑
3算法根据子问题输入信息进行求解，得到每个子问题的若干条收运路线和总收运距离，汇总单元将子问题信息进行汇总，得到原始问题的所有推荐收运路线和总收运距离。技术效果
[0021]本专利技术能够尽可能无损的将初始的大规模CVRP问题拆分成子问题。可以用这种同时考虑容量和距离的聚类方法解决大量车辆路径规划问题，可以在短时间内获取大规模CVRP问题的相对最优解，求解效果超过现有的所有方法。
附图说明
[0022]图1为本专利技术流程图；
[0023]图2为实施例中收运代价和子集群最大车辆数的关系示意图；
[0024]图3为现有技术和本实施例聚类结果的可视化差异示意图。
具体实施方式
[0025]如图1所示，为本实施例涉及一种基于分治法的在线大规模垃圾收运调度方法，通过采集垃圾站点和车辆相关数据后进行数据预处理，生成初始问题模型；然后以层次聚类算法对初始问题进行等效分剖，获得若干初始集群；再对初始集群微调后对子收运问题进行求解并汇总得到总收运调度方案。
[0026]所述的层次聚类算法(AHC)迭代地将站点合并到集群中，使每个集群中的垃圾量都接近收运车辆容量的整数倍，同时使每个集群的收集成本最小，根据各集群与出发地点的距离对所有集群进行从远到近的排序，并从最远的集群开始进行逐步迭代的集群合并。在每次迭代中，当目标集群与源集群的距离在预设阈值内且合并后集群上的垃圾总量需要较少的车辆来进行收运，则将该源集群与目标集群合并。这个过程将迭代重复进行，直到集群的大小达到一个预先定义的标准。
[0027]本实施例通过定义一个集群内所能计算的最大车辆数(也就定义集群可承载的垃圾总量)来限制集群的大小。当在一轮迭代中发现没有集群可以合并，迭代层次聚类程序就会结束。<本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于分治法的在线大规模垃圾收运调度方法，其特征在于，通过采集垃圾站点和车辆相关数据后进行数据预处理，生成初始问题模型；然后以层次聚类算法(AHC)对初始问题进行等效分剖，获得若干初始集群；再对初始集群通过集群细化(CR)微调后对子收运问题进行求解并汇总得到总收运调度方案；所述的垃圾站点和车辆相关数据包括：各个垃圾站点和初始出发点位的位置及垃圾量信息，每辆车的载重信息。2.根据权利要求1所述的基于分治法的在线大规模垃圾收运调度方法，其特征是，所述的数据预处理是指：从前面的垃圾点位通过GPS地图信息或给定数据获取任意两点间的通行距离，得到下面问题模型里所有所需数据。3.根据权利要求1所述的基于分治法的在线大规模垃圾收运调度方法，其特征是，所述的初始问题模型为：给定n个在地理上任意分布的站点，设为S＝{S
i,
i∈[1,n]}，其中每个站点s
i
都有在该站点上所积累的垃圾量q
i
，另外把s0站点特别的取出来作为问题的原点，所有收运车辆将从此出发并最终回到原点；模型中共有p辆垃圾收运车辆组成一个车队，设为V＝{v
j,
j∈[1,p]}，其中每辆车都有一个给定的最大载重量称为C，问题要求使用这p辆车收运完成n个站点的所有垃圾并且每辆车不得超载，在这个前提下去优化收运路线使得总代价最小，将初始问题抽象为规范数学模型，即定义的优化目标是使所有车辆行驶的总距离最小同时满足以下约束s姨t姨每辆车需要离开每个它进入的站点每个站点只所有车中的一辆访问一次每辆车开始从原点即车库出发并在最后回到出发地点s0，，每辆车不能超载，其中：其中：d
ij
为s
i
和s
j
之间的距离；x
ijk
为v
k
是否从s
i
到s
j
；当一个站点的垃圾量大于预定车辆的可用容量，将该站点划分为多个虚拟站点以满足CVRP问题的定义。4.根据权利要求1所述的基于分治法的在线大规模垃圾收运调度方法，其特征是，所述的层次聚类算法包括：将问题描述中所定义的各个站点初始化成单个聚类，然后根据点与点之间的位置关系以及点与点之间的垃圾量关系对相邻聚类进行合并，以节省收运车辆数并且最近的聚类，在没有可以合并的时候停止。5.根据权利要求1所述的基于分治法的在线大规模垃圾收运调度方法，其特征是，所述的集群细化微调包括：从最远的聚类开始考虑每...

【专利技术属性】
技术研发人员：朱弘恣，边逸翔，楼紫阳，过敏意，
申请(专利权)人：上海交通大学，
类型：发明
国别省市：