基于大数据处理的垃圾收运系统及方法技术方案

本发明专利技术涉及大数据技术领域，尤其涉及一种基于大数据处理的垃圾收运系统及方法。该方法包括以下步骤：获取垃圾点位分布数据；对垃圾点位分布数据进行特征数据提取，从而获取垃圾点填充紧急程度特征数据以及垃圾点相对距离特征数据；根据垃圾点相对距离特征数据挖掘获取最短垃圾收运路线数据，并根据垃圾点填充紧急程度特征数据对最短垃圾收运路线数据进行优化，从而获取优化垃圾收运路线数据；对优化垃圾收运路线数据进行实时调度优化，从而获取实时调度反馈数据，发送至基于大数据处理的垃圾收运系统以执行实时垃圾收运处理。本发明专利技术中有助于实现精确的垃圾收运调度，避免因误判导致的收运效率低下或资源浪费。致的收运效率低下或资源浪费。致的收运效率低下或资源浪费。

【技术实现步骤摘要】
基于大数据处理的垃圾收运系统及方法


[0001]本专利技术涉及大数据
，尤其涉及一种基于大数据处理的垃圾收运系统及方法。

技术介绍

[0002]垃圾收运方法是指为了有效、高效地收集和处理垃圾而采取的一系列技术和操作步骤。这些方法旨在将城市、社区或个人产生的垃圾收集并运送到垃圾处理设施进行妥善处理，以维护环境卫生和公共健康。在传统的垃圾收运方法中，垃圾收运车辆通常按照固定的路线进行收集，导致资源利用不充分。有些地区可能垃圾较少，但仍需进行固定的收运，造成资源浪费。

技术实现思路

[0003]本专利技术为解决上述技术问题，提出了一种基于大数据处理的垃圾收运系统及方法，以解决至少一个上述技术问题。
[0004]本申请提供了一种基于大数据处理的垃圾收运方法，包括以下步骤：
[0005]步骤S1：获取垃圾点位分布数据，其中垃圾点位分布数据包括垃圾点位置数据、垃圾点容量数据以及垃圾点历史填充数据，垃圾点历史填充数据包括垃圾点历史填充物数据以及垃圾点历史填充物投放数据；
[0006]步骤S2：对垃圾点位分布数据进行特征数据提取，从而获取垃圾点填充紧急程度特征数据以及垃圾点相对距离特征数据；
[0007]步骤S3：根据垃圾点相对距离特征数据挖掘获取最短垃圾收运路线数据，并根据垃圾点填充紧急程度特征数据对最短垃圾收运路线数据进行优化，从而获取优化垃圾收运路线数据；
[0008]步骤S4：对优化垃圾收运路线数据进行实时调度优化，从而获取实时调度反馈数据，发送至基于大数据处理的垃圾收运系统以执行实时垃圾收运处理。
[0009]本专利技术中通过获取垃圾点位分布数据，并进行特征数据提取和优化垃圾收运路线数据，该方法可以帮助优化垃圾收运路线，使垃圾收运车辆能够更加高效地收集垃圾。优化后的垃圾收运路线将减少车辆的行驶距离和时间，从而提高了垃圾收运效率。通过优化垃圾收运路线，可以减少车辆的行驶里程和油耗，从而降低了垃圾收运的成本。此外，通过实时调度优化，可以更好地利用垃圾收运车辆的资源，进一步降低运营成本。通过获取垃圾点填充紧急程度特征数据和垃圾点相对距离特征数据，从而更准确地判断垃圾点的填充状态和距离信息。这有助于实现精确的垃圾收运调度，避免因误判导致的收运效率低下或资源浪费。基于大数据处理的方法可以对大量的垃圾点位分布数据进行分析和挖掘，从中获取垃圾收运的关键特征信息，进而优化收运路线和调度。这样的智能化垃圾收运系统有助于提高整体的垃圾管理水平和效率。通过优化垃圾收运路线和调度，减少垃圾车辆在城市道路上的行驶，可以降低交通拥堵和尾气排放，从而减少对环境的不良影响，改善城市环境质
量。
[0010]优选地，步骤S1具体为：
[0011]步骤S11：利用GPS设备收集垃圾点的位置数据，从而获取垃圾点位置原始数据；
[0012]步骤S12：通过嵌入式智能传感设备收集垃圾点的容量数据，从而获取垃圾点容量原始数据；
[0013]步骤S13：通过物联网设备获取垃圾点的历史填充数据，从而获取历史填充物原始数据，其中垃圾点原始数据包括垃圾点位置原始数据、垃圾点容量原始数据以及历史填充物原始数据；
[0014]步骤S14：对垃圾点原始数据进行原始数据清洗，从而获取垃圾点预处理数据，其中垃圾点原始数据包括垃圾点位置原始数据、垃圾点容量原始数据以及历史填充物原始数据；
[0015]步骤S15：对垃圾点预处理数据进行安全验证，从而获取垃圾点位分布数据。
[0016]本专利技术中通过利用GPS设备和嵌入式智能传感设备，该方法能够准确获取垃圾点的位置数据和容量数据。同时，通过物联网设备收集垃圾点的历史填充数据，可以获得垃圾点填充状态的历史记录。这些数据的精确获取有助于准确了解垃圾点的实际情况和填充状态。在步骤S1中，对垃圾点原始数据进行原始数据清洗，这一步骤有助于去除数据中的噪声、异常值和重复信息，提高数据的质量和准确性。数据预处理的过程可以提供干净、完整的数据，为后续特征数据提取和优化路线提供了更可靠的基础。
[0017]优选地，原始数据清洗通过垃圾点原始数据清洗计算公式进行清洗，其中垃圾点原始数据清洗计算公式具体为：
[0018]P'(t)＝{P(t),f(P(t))≥θP
avg
,f(P(t))<θ}；
[0019][0020]P'(t)为垃圾点预处理数据，P(t)为垃圾点原始数据，f(P(t))为垃圾点原始数据的异常值概率分布函数，θ为异常阈值数据，P
avg
为垃圾点的平均位置数据，f(x)为异常值概率分布函数，x为垃圾点的特定项数据，μ为垃圾点的特定项平均长度数据，σ为垃圾点的特定项标准差数据，t为垃圾点时序数据，α为函数形态调整项。
[0021]本专利技术构造了一种垃圾点原始数据清洗计算公式，该计算公式通过概率分布函数f(P(t))对垃圾点原始数据进行异常值检测，根据异常阈值θ来判断垃圾点数据是否为异常值。当垃圾点原始数据的异常概率f(P(t))大于等于阈值θ时，保留原始数据P(t)，否则将其替换为特定值P'(t)，从而进行数据清洗和处理。通过计算公式，将垃圾点原始数据P(t)转换为预处理数据P'(t)，这样的数据预处理有助于去除异常值，使得预处理数据更加干净和准确。公式中的参数相互之间通过函数形态调整项α(t
‑
μ)来影响异常概率分布函数f(P(t))的形状和位置。其中，μ是垃圾点的特定项平均长度数据，σ是垃圾点的特定项标准差数据，而α则是用于控制函数形态调整的参数。通过调整这些参数，可以灵活地适应不同垃圾点数据的异常检测需求，使得异常值检测的效果更加准确。在计算公式中，函数形态调整项α(t
‑
μ)对概率分布函数f(P(t))的影响是非线性的。通过调整μ和σ，可以控制函数的中心位置和形状，进而影响异常值检测的灵敏度。而异常阈值θ则是用于设定异常概率的阈值，决
定了哪些数据被认为是异常值。垃圾点的平均位置数据P
avg
则是用于对比垃圾点数据与平均位置的差异，进一步确定是否为异常。该垃圾点原始数据清洗计算公式可以通过概率分布函数和参数调整，实现对垃圾点原始数据中的异常值进行检测和处理，预处理后的数据更加干净和准确，为后续的特征数据提取和垃圾收运路线优化提供了更可靠的数据基础。通过合理选择参数，该公式可以适用于不同垃圾点数据的处理需求，并有效地提高垃圾收运系统的效率和精度。
[0022]优选地，步骤S2具体为：
[0023]步骤S21：对垃圾点位分布数据进行差分计算，从而获取填充变化程度特征数据；
[0024]步骤S22：利用预设的填充变化程度标记方式对填充变化程度特征数据进行标注，从而获取填充紧急程度特征数据；
[0025]步骤S23：对垃圾点位分布数据进行相对距离特征提取，从而获取相对距离特征数据；
[0026]步骤S24：对填充紧急程度特征数据以及相对距离特征数据进行垃圾点相关特征选择，从而获取垃本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于大数据处理的垃圾收运方法，其特征在于，包括以下步骤：步骤S1：获取垃圾点位分布数据，其中垃圾点位分布数据包括垃圾点位置数据、垃圾点容量数据以及垃圾点历史填充数据，垃圾点历史填充数据包括垃圾点历史填充物数据以及垃圾点历史填充物投放数据；步骤S2：对垃圾点位分布数据进行特征数据提取，从而获取垃圾点填充紧急程度特征数据以及垃圾点相对距离特征数据；步骤S3：根据垃圾点相对距离特征数据挖掘获取最短垃圾收运路线数据，并根据垃圾点填充紧急程度特征数据对最短垃圾收运路线数据进行优化，从而获取优化垃圾收运路线数据；步骤S4：对优化垃圾收运路线数据进行实时调度优化，从而获取实时调度反馈数据，发送至基于大数据处理的垃圾收运系统以执行实时垃圾收运处理。2.根据权利要求1所述的方法，其特征在于，步骤S1具体为：步骤S11：利用GPS设备收集垃圾点的位置数据，从而获取垃圾点位置原始数据；步骤S12：通过嵌入式智能传感设备收集垃圾点的容量数据，从而获取垃圾点容量原始数据；步骤S13：通过物联网设备获取垃圾点的历史填充数据，从而获取历史填充物原始数据，其中垃圾点原始数据包括垃圾点位置原始数据、垃圾点容量原始数据以及历史填充物原始数据；步骤S14：对垃圾点原始数据进行原始数据清洗，从而获取垃圾点预处理数据，其中垃圾点原始数据包括垃圾点位置原始数据、垃圾点容量原始数据以及历史填充物原始数据；步骤S15：对垃圾点预处理数据进行安全验证，从而获取垃圾点位分布数据。3.根据权利要求2所述的方法，其特征在于，原始数据清洗通过垃圾点原始数据清洗计算公式进行清洗，其中垃圾点原始数据清洗计算公式具体为：P
′
(t)＝{P(t)，f(P(t))≥θP
avg
，f(P(t))＜θ}；P
′
(t)为垃圾点预处理数据，P(t)为垃圾点原始数据，f(P(t))为垃圾点原始数据的异常值概率分布函数，θ为异常阈值数据，P
avg
为垃圾点的平均位置数据，f(x)为异常值概率分布函数，x为垃圾点的特定项数据，μ为垃圾点的特定项平均长度数据，σ为垃圾点的特定项标准差数据，t为垃圾点时序数据，β为函数形态调整项。4.根据权利要求1所述的方法，其特征在于，步骤S2具体为：步骤S21：对垃圾点位分布数据进行差分计算，从而获取填充变化程度特征数据；步骤S22：利用预设的填充变化程度标记方式对填充变化程度特征数据进行标注，从而获取填充紧急程度特征数据；步骤S23：对垃圾点位分布数据进行相对距离特征提取，从而获取相对距离特征数据；步骤S24：对填充紧急程度特征数据以及相对距离特征数据进行垃圾点相关特征选择，从而获取垃圾点填充紧急程度特征数据以及垃圾点相对距离特征数据。5.根据权利要求4所述的方法，其特征在于，步骤S21具体为：
步骤S211：对垃圾点位分布数据中的垃圾点历史填充数据进行时序检测，从而获取时序垃圾点历史填充物数据；步骤S212：对时序垃圾点历史填充物数据进行优化时序数据平滑处理，从而获取平滑垃圾点历史填充物数据；步骤S213：对平滑垃圾点历史填充物数据进行差分计算，从而获取填充变化程度特征数据。6.根据权利要求4所述的方法，其特征在于，步骤S212中优化时序数据平滑处理通过优化时序数据平滑计算公式进行平滑处理，其中优化时序数据平滑计算公式具体为：化时序数据平滑计算公式进行平滑处理，其中优化时序数据平滑计算公式具体为：化时序数据平滑计算公式进行平滑处理，其中优化时序数据平滑计算公式具体为：为平滑垃圾点历史填充物数据，H
smo...

【专利技术属性】
技术研发人员：黄玉群，
申请(专利权)人：深圳市新樟环保科技有限公司，
类型：发明
国别省市：