预测未来垃圾产量以及收集和运输方案

摘 要：首先考虑可能影响垃圾产量的两大因素：人口数、GDP。再通过查阅本年重庆市各主城区总人口数、GDP和垃圾产量等资料，以家庭为粒度单位，在不考虑时间因素的情况运用多元线性回归方法，建立回归模型，利用此模型中人口回归系数β1=16.5，GDP回归系数β2=1来对未来所选粒度垃圾产量进行预测。垃圾收集根据人口密度等影响因素可以通过改变清洁工和垃圾箱数量实现;垃圾运输先找出回收站到中转厂或处理厂的距离dij，将此问题转化为产销不平衡的运输问题，进一步引入候补选项并利用Lingo软件进行目标规划求出最优解。

关键词：多元回归;垃圾产量;运输问题;目标规划

1 引言

在习近平总书记对垃圾分类工作的指示下，重庆市逐步开始对垃圾进行分类处理。本文根据重庆市现有的主要垃圾源、垃圾中转厂和处理厂的位置和产量等数据建立数学模型，设置有效的垃圾分类和处理方案。

2 问题分析

要预计未来的垃圾产量，首先确定出影响生活垃圾产量的因素：人口数和经济水平。再将目前主要垃圾源按照所在的区域进行分类，分别找出人口数，GDP与垃圾产量之间的线性关系，建立多元线性回归模型来拟合三者之间的关系。再利用matlab软件对回归模型进行求解。

在垃圾预测的所求数据的基础上，垃圾收集情况主要考虑人口密度和经济情况的影响，垃圾产量与两者均成正比，据此来调整所需安排的清洁工人数以及垃圾箱数量。对于垃圾运输问题，运用距离公式后可以将其转换为产销不平衡的运输问题，将候补产地引入新的需求产地，利用Lingo软件进行目标规划，找出最优值和待选地。

3 垃圾产量的预测

3.1 垃圾源的分类

根据目前重庆主要的25个主要垃圾源，我们根据其所在的区域进行划分，划分为九大主城区的垃圾产生源。见下图：

3.2 根据人口数量和经济水平预测垃圾产量

由已知数据可以看出人口，GDP与垃圾产量呈线性关系，于是利用线性回归拟合来建立三者之间的关系：

式中β0，β1，β2，都是与x1，x2无关的未知参数，其中β0，β1，β2称为回归系数，x1是人口数，x2是GDP，y是垃圾产量。利用matlab统计工具箱的regress命令，求解y与x1，x2的线性关系，得到下式：

则通过预测未来的人口和GDP便能预测未来的垃圾产量。

4 垃圾收集方案

利用matlab将回收站坐标导入重庆地图中，根据人口分布，经济发展情况对所研究的重庆的几个地区进行划分，由上述内容可知垃圾产量与人口分布、经济发展情况存在线性正相关关系，故在人口分布较多，经济发展情况较好的区域按照比例配备较多的清洁工与垃圾箱，并设置每个清洁工人负责收集的垃圾箱数目。

可以考虑在经济繁华地区（如旅游景点、人口集中地）等地方以2km～5km放置六个垃圾箱，因为垃圾数量较正常地方较多，相应减低这些地方垃圾工人负责的垃圾箱数目，且提高这些地方清洁工人进行垃圾回收的频率;在一般地区，可以考虑5km～10km之间放置六个垃圾箱，安排每个清洁工人负责固定数量的垃圾箱内垃圾的收集工作;在人口稀少或者经济欠发达地区，可以再适当降低垃圾箱设置的密集程度，或者提高每个工人负责收集垃圾的垃圾箱的数目。

5 垃圾運输方案

5.1 垃圾回收站与处理厂、中转站之间的距离

下图为垃圾回收站、垃圾处理厂、垃圾中转站的分布。垃圾回收站主要有25个，分为工厂垃圾和生活垃圾。处理厂有4个，中转站有3个。

可将回收站看作产地，中转站和处理厂看作销地，此问题是一个产大于销的运输问题，其中运价与距离成正比。

回收站到处理厂的距离：

回收站到中转站的距离为：

5.2 建立数学模型

此运输问题可看作从回收站将垃圾运往中转站或处理厂，设hij为回收站i（i=1，2，…，25）运往给处理厂j（j=1，2，3，4）和运往中转站的运量j（j=5，6，7）的运量，cij分别表示回收站运往处理厂和中转站的运费其跟距离成正比，故可用dij代替。bj表示第j个处理厂或中转站的需求量，ai表示第i个回收站的垃圾量。

其具体模型如下：

用LINGO软件求解，得到总运输距离为422305km。

6 结束语

目前居民产生的生活垃圾主要由清洁人员转运到垃圾回收站或者由封闭式垃圾车运输到垃圾中转站或垃圾处理厂。本文根据重庆市现有的主要垃圾源、垃圾中转厂和处理厂的位置和垃圾产量等数据建立数学模型，设置有效的垃圾处理方案。能够有效提高垃圾收集和运输效率。

参考文献

[1]赵红霞，刘高森，李愈.基于随机游走的分类垃圾回收最优路径规划[J].交通运输工程与信息学报，2018，16（03）：103-108.

作者简介

余佳芯（2000-），女，本科，研究方向：交通运输。