基于互联网大数据的智慧环卫系统研究与分析

张红亮，吴 兢，龚青山，吴 琪，陈如云

（1. 湖北省国瑞智能装备股份有限公司，湖北 十堰 442000；2. 湖北汽车工业学院科技学院，湖北 十堰442000； 3. 湖北汽车工业学院机械工程学院，湖北 十堰 44200）

1 引言

随着科学技术和社会经济的不断发展，互联网大数据技术在人们的衣食住行中的作用日渐增加，生活中几乎每个地方都有大数据的使用。大数据是在合理时间内，对信息进行拾取、管理、处理，并整理成为决策的依据。互联网大数据源于2008 年《Nature》杂志推出的“大数据”专栏；Viktor Mayer-Schönberger将大数据应用商业中，此举引发了商业应用领域对大数据方法的广泛思考和探讨。

如今大数据在很多方面都有研究和应用，如交通、医疗、电子商务等。在城市环卫系统的应用中，田琦等认为运用互联网+智慧环卫管控体系可以让环卫作业更加符合科学的标准，环卫管理及监管模式也更为科学；Kang等基于物联网建立了垃圾收集过程的应用程序模型；某公司基于超声波传感器开发收集垃圾桶状态数据的系统，可以直接了解垃圾桶的承载状态。

文章针对城市的智慧环卫系统进行研究与分析。在国外的许多国家一直在对智慧城市和智慧环卫进行研究。 IBM于2008年在智慧城市建设方面提出了“智慧地球”的概念，并在2009年参加了首个智慧城市的建设；美国也在2010年开始发展智能智慧基础设施和智能应用，通过智慧城市带动经济发展。

智慧环卫的发展历程经历了社会化、信息化、智能化、平台化、生态化五个阶段，在目前许多国家已经发展到了高端生态化水平，这些国家不是一步到位的，而是每个阶段都经历过，他们将物联网、互联网、人工智能等技术融入智慧环卫的建设中，使环卫产业高效化、生态化。

国内学者认为，智慧城市建设的基础是智慧环卫系统的创建，目前，智慧环卫系统面临着互联网技术应用不足、平台耦合度低、生命周期管控信息集成度低、环卫信息化管理不到位等问题。文章针对智慧环卫系统目前面临的问题做了相关研究，并提出了智慧环卫管控系统。首先，该系统基于云计算提出了多功能智慧环卫管控系统，其可以根据需求安排资源调用量，节约了资源和经济成本，且效率较高。

该智慧环卫系统有三方面优点：①采用Faster RCNN目标检测算法进行垃圾分类处理，分类效率较高；②利用蒲公英算法完成区域资源分配，通过GA算法优化收运路径，找到最优收运路线，节约收运成本；③通过建设智慧环卫全生命周期管理平台，实现环卫作业、人事资源管理和资源虚拟化。

2 系统介绍

2.1 主要内容

该系统是基于智慧环卫“1+5”城市环卫模式来开发环卫智慧管控系统，系统主要包括大数据决策中心、环境监管可视化、治理流程数字化、安全管理预警化、管理决策智慧化和指挥调度平台化。其中大数据决策中心在智慧环卫管控中起主要的作用。智慧环卫系统方案示意图如图1所示。

图1 智慧环卫系统方案示意图

环卫智慧管控系统整体包括展示、应用、统计、分析、报表等，使其能够实现多种功能一体化，满足不同功能需求。该系统采用了标准交换体系数据接口，且预留了充足的数据交互、联动接口，实现数据孤岛的互动。在安全防护体系中，采用了多种加密手段，以确保数据传输的绝对安全。

智慧环卫系统有着严格的项目管控系统，该管控系统一共分为三层：集团管控、多系统交互管控、智能化管控。其中，集团管控以集团群控为核心，建立群防集团管控系统，可以实现集团业务纵向和横向多角度比较，从而指导集团发展方向和优化业务结构；多系统交互管控系统，建立了集环卫、垃圾分类、收运、处置、资源利用于一体的城市生化垃圾管理系统；智能化管控，利用多种传感器、算法、分析手段，使得监管、调度等工作更加智能化，实现降低成本、增加效率。项目管控系统如图2所示。

图2 项目管控系统

2.2 垃圾分类系统

目前，许多城市需要运用人力资源对垃圾进行分类，这样的分类方式，效率低且垃圾分类的准确性较差。该智慧环卫系统中的垃圾分类系统主要是基于Faster RCNN目标检测算法，采用视觉识别的方法对垃圾进行分类，分类准确性和效率较高。

首先，当垃圾进入分类系统后，系统会对当前垃圾生成特征图片，然后会将特征图片与数据库中保存的图片进行比对分析，根据轮廓识别、特征识别、色彩识别、材质识别等识别方法来寻找两者之间的共同点。 若有共同点的，则系统会控制舵机，将该垃圾放入正确的分类区，以实现对垃圾的精确分类；若数据库中无相应的图片与之对应，则系统就会将拍下来的图片上传与网络数据库对比分析，以确保垃圾分类的准确性。视觉识别系统流程，如图3所示。

图3 视觉识别系统流程图

3 关键技术介绍

3.1 智慧环卫云平台架构

基于云服务和云计算的智慧环卫管控系统工程，其中云计算具有高性能、服务化、弹性伸缩、环境友好等优点，已经成为广泛采用的新型IT基础设施。在软件设计中采用B/S架构，符合UI设计原则。B/S架构是浏览器和服务器之间进行直接数据信息交换的软件架构，随着Internet网络的快速发展，B/S架构是对C/S架构的发展和完善。这种新的模式可以使得用户更加方便地访问到自己所需的信息；同时，它还具有良好的扩展性，能够根据不同的需求实现灵活扩展。其系统更新的便利性是B/S架构成为当今最流行的应用软件架构的原因之一。

3.2 Faster RCNN目标检测算法

目标检测算法有单阶段目标检测算法和双阶段目标检测算法两种，双阶段目标检测算法是先提取候选框区域，然后根据建议框对位置进行分类和回归，得出最终的检测框。双阶段目标检测算法由R-CNN、Fast R-CNN和Faster-RCNN代表。与单阶段目标检测算法相比较，双阶段目标检测算法更加复杂和缓慢，但优点是检测精度更高。Faster-RCNN是双阶段目标检测算法的最佳代表，在检测速度和训练速度方面均有提高。

Faster RCNN算法的工作原理是将图像输入一个卷积网络，然后提取图像的相应特征图并将其映射到RPN网络，然后由RPN网络自动找到目标候选区域。最后，用Softmax分类器区分目标和背景，用回归框校正目标区域的位置，然后确定目标区域，完成检测，并对垃圾进行分类。

3.3 蒲公英算法

蒲公英智能优化算法为解决优化问题提供一种新的基础算法，模拟蒲公英在繁殖过程中飘落生长的植物特性，以弥漫式并行搜索方式对解空间进行搜索，直到找到最优解为止。

在智慧环卫系统的垃圾运输方面，对于固定运输费用问题，在考虑与运输有关的成本外，根据每个社区当日的垃圾运输量、历史作业量、位置数据、路况数据、时间因素等各种约束条件，利用蒲公英算法，自动求解和搜索多种资源配置方法，找到最优解，实现合理调配运输资源，以满足每个社区对于垃圾运输的需求，从而找到运输成本最小的运输方案，降低成本。

3.4 GA算法

GA算法是借鉴达尔文进化论和孟德尔遗传学理论，模拟自然界生物进化机制的一种随机全局搜索优化方法。其本质是一种高效、并行、全局搜索的方法，能在搜索过程中自动获取和积累有关搜索空间的知识，并自适应地控制搜索过程以求得最佳解。

GA算法需要将车辆路径优化问题看成目标函数，将路况数据、时间因素等设置为约束条件，用染色体编码方式对目标函数编码，然后再利用解码方法优化目标函数，得到车辆运输的最佳路径，提高作业效率。

4 智慧环卫全生命周期管理平台

智慧环卫全生命周期管理平台包括生产管理驾驶舱、数据经营仓、作业实时管理、车辆实时管理、报警管理、电子围栏、作业考核、数据统计、作业优化等。其中有主要有日常运营KPI指标、环卫作业GIS图以及报告环卫作业预警信息。

日常运营KPI包括作业量（车辆作业量、环卫人员作业量、清扫垃圾量）、近一周的车辆及人员作业趋势图、总车辆数及在岗车辆数、总环卫工人数及在岗工人数等。环卫数据实时信息都可以在智慧环卫全生命周期管理平台中显示；环卫作业GIS图主要是显示环卫作业车辆、人员等实时位置，其中不同颜色代表不同类型的车辆和人员；环卫作业预报警信息能够显示车辆、人员违规操作滚动播报信息。例如车辆违规行驶出电子围栏、区域未作业、人员离岗和人员串岗等，同时提供违规时间、编号等基本信息，便于进一步查询确定，方便系统对环卫工作的管理。

数据管理仓包括环卫GIS地图（车辆、人员）、环卫作业实时预警信息、环卫实时作业数量、环卫作业趋势分析。

作业实时管理能够实现：①实时了解车辆轨迹、清运过程、清运状态；②实现在线监测车辆作业效果；③实时监控车辆油耗；④即时报警信息；⑤超时未清扫报警和作业管控等。这样可以有效快速的对环卫工作进行管理，提高了工作效率。

5 总结

1）基于云计算和智慧环卫“1+5”城市环卫模式开发一种多种功能一体化的智慧管控系统，满足了不同功能需求。

2）在垃圾分类方面，使用视觉识别技术，将所拍的垃圾图片与数据库中的图片比对，进行分类。其次，采用了Faster RCNN目标检测，提高了垃圾分类的效率，降低了检测分类出错的概率。

3）在垃圾运输方面，利用蒲公英算法和GA算法进行区域资源的合理配置和车辆路径的优化，可以降低成本，提高运输的效率。

4）在环卫管理方面，建立了智慧环卫全生命周期管理平台对环卫作业、人员和车辆等进行管理，提高了环卫工作的效率。