双碳背景下的城市垃圾智慧收运调度优化与应用研究

林长硕，王嘉辉，张智博，邱思杭，张 政

（扬州大学，江苏 扬州）

1 研究背景

目前，我国城市生活垃圾产生量逐年攀升，2021年城市生活垃圾产生量高达27 097.2 万t（见图1）。但是垃圾的收运效率低下，造成了城市生活垃圾堆积严重，这样不仅占用大量的土地资源，还会产生大量有害气体，严重污染大气和城市生活环境。因此，如何对日益增长的城市生活垃圾进行有效、低碳化收集，减少环境二次污染，成为亟待解决的问题。

图1 中国垃圾清运量统计

1.1 国内研究现状

目前，国内外对如何提高逆向物流（包括垃圾）收运效率进行了广泛的研究。魏珊珊等[1]针对电子废弃物逆向物流网络特点,从整体逆向物流选址优化角度,分析并确定了网络成本最优化混合整数线性规划（Mixed-Integer Linear Programming, MILP）模型。王发鸿等[2]认为不同结构形式的电子类产品逆向物流网络对效率影响巨大，必须构建高效运作的逆向物流网络。黄丽君[3]以垃圾回收总成本最小并兼顾回收便利性为目标，设计改进离散蜂群算法，提出包含回收点、回收中心和处理中心组成的多级逆向物流网络模型，以解决逆向物流中的车辆路径问题和选址分配问题。付小勇等[4]将各消费区域垃圾回收量看成模糊参数,提出了逆向物流网络的模糊约束机会规划模型, 通过算例对模型进行了求解, 为逆向物流网络设计提供了依据。刘国秋等[5]通过把循环共生经济理念嵌入到包装物逆向物流回收模式中，形成了包装物逆向物流回收的四种模式。

1.2 国外研究现状

Milorad Vidovi 等[6]提出了定位——路径模型，该模型考虑了回收物数量对最终用户与收集点之间距离、中间收集点(中转站)的位置和收集车辆路线的依赖关系，同时确定了收集点的位置。Mei Zhang 等[7]提出了一种城市生活垃圾管理系统的非精确逆向物流模型，能够反映城市生活垃圾管理系统的动态特性和不确定性。Shan Lu 等[8]采用模糊混合整数线性规划方法对逆向物流网络问题进行建模。Hossein Asefi 等[9]建立了一个混合整数线性规划模型，设计了考虑机队规模和有时间窗混合车辆路径问题的ISWM系统，并通过实例证明方法对不确定条件下的系统经济成本最小化是有效的。Xiaoyun Bing 等[10]通过比较欧盟各国的城市固体废物(MSW)管理实践，得出在建立都市固体废物回收的逆向供应链模型时，必须全面考虑不同废物类型的特点的结论。

虽然上述研究对垃圾收运如何提高效率进行了相关建模分析，但仍然未解决垃圾收运环节存在的诸多突出问题。例如，垃圾种类如何与垃圾收运车辆进行精准匹配，如何避免垃圾收运车辆空载、亏载，如何解决实时垃圾收运需求，以及针对不同垃圾收集点垃圾数量差异如何规划收运路径等。针对以上垃圾收运环节存在的问题，亟需开发设计智慧化的垃圾收运调度平台。

2 设计原理

2.1 设计思路

针对上述存在的问题，本团队分别对收运网络分区重构、收运路径动态优化进行设计。首先，研究团队通过物联网技术收集各垃圾收集点的垃圾产生量数据，并分析其规律，并对各垃圾收集点构成的收运网络进行重构，实现中转设施的均衡利用。其次，基于垃圾分类和载运车辆约束，动态匹配相应车辆，实现分类收运、按需分配，降低总体能耗。最后，面向垃圾收运的复杂时空需求，综合考虑环境、经济、时间等因素，构建路径决策智能算法，实现收运路径动态优化，提高垃圾收运效率。技术路线见图2。

图2 技术路线

2.2 收运网络分区重构算法

为了提高收运效率，本研究将垃圾收集点以密度为基础进行分区处理，可同时安排多辆车在不同区域进行垃圾分类收运，减少垃圾整体收运时间。采用K-means 聚类算法求解过程如下：

（1） 设数据集为N，令I=1，选取k 个初始聚类中心Zj（I），j=1，2，3，…，k。

（2） 计算每个数据对象与聚类中心的距离D（Xi，Zj（I）），i=1，2，3，…，n，j=1，2，3，…，k，若满足D（Xi，Zk（I））=min{D（Xi，Zj（I）），j=1，2，3，…，n}，则Xi∈Wk。

（3） 计算误差平方和准则函数Jc：

2.3 垃圾收运路径优化模型构建与求解

本研究重点针对车辆的收运路径方案进行优化，选择了改进蚁群算法、粒子群算法、遗传算法先后进行试验，通过对模型的求解结果与垃圾收运历史路径进行对比，寻找最优方案。对比结果见表1。

表1 不同算法对模型求解结果对比

通过对比遗传算法、粒子群算法对模型的求解结果，发现使用改进蚁群算法能达到碳排放、经济节约、时效性的组合最优。

蚁群算法求解过程如下：

假设收集点i 的坐标为：

收集点i，j 之间的距离可以表示为：

假设在（t，t+n）时刻所有蚂蚁完成一次周游，则在t+n 时刻收集点i，j 之间的信息素含量可以表示为：

在t 时刻，蚂蚁k 从收集点i 转移到收集点j 的概率可以由以下方式计算得到：

其中：ηi，j是一个启发式因子，表示蚂蚁从收集点i 转移到收集点j 的期望程度。计算方式为：

2.4 应用研究- 基于智能算法的数字环卫运维平台研发

基于收运车辆智慧调度动态优化算法，综合运用物联网、大数据分析、图像识别等技术，研发数字环卫智慧运维系统，实现前端感知、调度优化、车辆监管、作业管理等功能。与浙江美欣达集团进行合作，并将系统投入湖州市织里镇进行了实践应用，取得了良好的社会经济效益。

2.5 应用报告——以湖州市织里镇为例

通过实际运行数据统计，运行1 年后，每收运万吨垃圾可节约油耗35 694 L、减少碳排放75.2 t，1 年间总计为企业减少运营成本264.8 万元，节能减排效益显著。分析结果见表2。

表2 应用前后对比分析

应用本算法后能够有效提升垃圾分类收运效率，降低收运环节总体能耗，促进前端垃圾分类、提升末端垃圾回收利用率，改善城市居民环境，助力“绿色、低碳、无废城市”建设。

3 创新特色

本系统针对中转站点服务能力弱，垃圾清运不及时，环境二次污染严重；收运车辆运行成本高，亏载、走回头路现象严重，总体能耗高；收运方案智慧程度低，垃圾资源化利用效率低等问题，开展分析研究并进行系统研发。主要包括以下两个主要创新点。

3.1 面向总体碳排放最少的收运网络分区重构

通过分析垃圾产生的时空分布特征，结合各中转设施的垃圾接收能力，对其进行收运网络的重构，智能分区实现设施资源的最优化利用，减少垃圾堆积污染、中转站排队等候时间过长、垃圾清运响应不及时等现象，避免车辆行驶里程过长，增加能耗。

3.2 基于车辆路径动态优化的低碳收运模式构建

基于深度学习的智能优化算法，自动匹配收运车辆的行驶路线，实现收运车辆多目标复杂组合匹配及调度优化。当车辆处于收运状态时，平台可以实时监测车辆行驶状态，并根据前方道路情况或垃圾收集点的状态变化对收运车辆发送实时信息进行车辆动态调度，有效减少了车辆走回头路现象，达到碳排放最少、经济节约、时效性最优的目标。

结束语

本研究的目标客户为环卫企业、政府监管部门，目前我国垃圾分类收运调度事业迅速崛起，各环卫企业、政府从事垃圾分类收运的队伍不断壮大，我国现拥有6 000 余家环卫企业，市场容量约为180 亿元，市场容量巨大。同时，本研究技术先进，可以通过实时动态调度收运车辆、规划收运路线，实现收运综合效益最优，协同推进“双碳”目标。

收运车辆动态调度的应用将引领垃圾收运过程中管按信息化、智能化的变革，通过技术的升级和资源的整合，使得垃圾收运过程性监管走向集成化、信息化、专业化。综合考虑环境、经济、时间等因素，构建路径决策智能算法，实现收运路径动态优化，提高垃圾收运效率，具有重要的现实意义，面对垃圾收运环节的问题，本系统通过动态智能调度管按收运路线，减少收运环节碳排量，有效助力“双碳”目标实现！