垃圾回收路径优化的经济性分析

摘要：成都市是我国新一线城市，近年来，随着社会经济的快速发展，垃圾产生量大幅度增加。优化垃圾回收路径对于城市的可持续发展至关重要。以成都市为例，结合垃圾分类回收现状，运用灰色模型及反向传播（Back Propagation，BP）神经网络模型预测垃圾产生量，通过最小生成树模型规划最优路径，运用物联网技术提高运输周转效率，实现零库存。随着垃圾回收路径的优化，成都市可以更好地实现资源利用和环境保护的双重红利。

关键词：垃圾回收路径优化；经济性分析；灰色模型；反向传播（Back Propagation，BP）神经网络模型；最小生成树

中图分类号：X705 文献标识码：A 文章编号：1008-9500（2024）08-0-03

DOI：10.3969/j.issn.1008-9500.2024.08.051

Economic Analysis of Garbage Recycling Path Optimization

—Taking Chengdu City as an Example

ZHAO Kaifang， CHEN Qiuting， GUO Ruiman

（Chengdu Normal University， Chengdu 631130， China）

Abstract： Chengdu city is a new first tier city in China， in recent years， with the rapid development of the social economy， the amount of garbage generated has increased significantly. The optimization of garbage recycling paths is crucial for the sustainable development of cities. Taking Chengdu city as an example， combined with the current situation of garbage classification and recycling， the grey model and Back Propagation （BP） neural network model are used to predict the amount of garbage generated， and the minimum spanning tree model is used to plan the optimal path， and the Internet of Things technology is used to improve transportation turnover efficiency and achieve zero inventory. With the optimization of the garbage recycling path， Chengdu city can better achieve the dual dividends of resource utilization and environmental protection.

Keywords： optimization of garbage recycling path; economic analysis; grey model; Back Propagation （BP） neural network model; minimum spanning tree

新时代，推进人与自然和谐共生是生态文明建设的客观要求，也是中国式现代化建设的精髓所在。随着城市化进程的加快，垃圾回收问题日益突出。垃圾回收是“无废城市”建设中尤为关键的一环，目前国内外垃圾回收路径优化的研究较少，研究视角大都是垃圾处理及垃圾分类。以成都市为例，首先使用灰色模型得到垃圾产生量的影响指标，再利用反向传播（Back Propagation，BP）神经网络模型预测区域垃圾产生量，最后通过最小生成树模型优化垃圾回收路径，分析垃圾回收路径优化带来的经济效益。

1 成都市垃圾产生量预测

近年来，成都市在经济、文化和科技等领域取得显著进步，同时生活垃圾产生量持续增长。为了更好地优化垃圾回收路径，有必要预测城市垃圾产生量[1]。城市垃圾产生量预测既可以使用多元回归模型[2]，又可以使用灰色模型[3]，GM（1，1）模型是应用最广的灰色模型。BP神经网络模型结合灰色模型，能够直观地预测城市垃圾产生量。成都市垃圾产生量的预测选择灰色模型和BP神经网络模型。城市垃圾产生量主要与城市常住人口、经济发展水平、居民收入与消费结构等因素有关。选取较具代表性的因素进行研究，统计结果如表1所示。首先利用GM（1，1）模型对统计因素进行灰色关联度分析，然后对以上指标进行预测，结果如表2所示。将预测数据作为BP神经网络模型的输入层数据，输出为2024年及2028年的垃圾产生量数据。通过表1数据对BP神经网络模型进行训练，提高预测精度[4]，再导入表2数据进行预测。预测结果显示，2025年与2028年成都市垃圾产生量分别为769万t和923万t。

目前，成都市生活垃圾采用混合收集运输模式，收运过程可简化为垃圾桶→垃圾中转站→垃圾处理厂。根据当地生活垃圾处理情况，经核算，年垃圾收运成本约为27 037.2万元，年垃圾处理成本约为68 041.2万元，前者在后者中的占比偏高。收运人工、运输距离及转运次数是垃圾收运成本的主要影响因素。因此，有必要合理规划，缩短收运距离，减少转运次数，降低垃圾收运成本和总处理成本，提高经济效益。

2 成都市垃圾回收路径优化

2.1 用最小生成树寻找最优路径

最小生成树是一种图论算法，用于寻找一个无向图中的一棵包含所有顶点的树，该树所有边的权值之和最小。最小生成树在解决城市规划问题时具有重要的应用价值，通过贪婪算法进行求解，贪婪算法是最接近人类日常思维的一种问题求解方式。最小生成树可以探索符合实际且经济效益最高的垃圾回收路线。最小生成树模型属于指派模型的一种，需要确定出发地。垃圾桶数量庞大且难以测算，因此未将垃圾产生地设为出发地，而是将垃圾回收站或存放站设为出发地，目的地为垃圾处理厂，转运点的净流量为0，没有弧的容量限制，目标是到目的地的总距离最短，总成本最低。以成都市温江区为例，采用AutoCAD软件将该区垃圾处理站的分布简化为点线图，开展最小生成树模型规划。

2.2 最小生成树模型求解

求解最小生成树问题的贪婪算法有很多种，这里使用Kruskal算法计算[5]。考虑收运距离及垃圾产生量与运输量，通过处理参数对收运成本进行测算。为便于规划，测算均取整到个位。规划后，运输车辆能够以最低成本实现垃圾收运。综合成都市温江区各站点的收运距离、转运人工等因素，以前端收集-小型转运站-大型转运站-生活垃圾处理厂的模式为例，运输车负载质量1 t的成本参数设为1，其他参数相应进行处理，得到垃圾收运成本测算结果，如表3所示，并用最小生成树算法计算。最小生成树模型计算过程如图1所示。经计算，可将转运次数由原来的14次缩减为8次，每次转运成本预算参数值从79缩减为37，每次转运成本参数缩减50%，为垃圾收运成本带来约5%的削减。

3 优化垃圾回收路径带来的经济效益

优化生活垃圾的回收处理，增加经济效益，是城市化进程加快和人口增长背景下十分重要的研究课题。传统垃圾回收路径存在效率低、资源浪费等问题，根据垃圾处理厂、垃圾中转站的分布情况，利用贪婪算法重新规划线路，优化收运车辆的路线及数量，降低物流成本，同时确保每个回收点都得到有效覆盖，减少垃圾的二次污染和运输资源的浪费。可缩减垃圾收运成本，提高收运效率，提升城市形象和居民生活质量，为城市经济发展带来正外部性效益，带来更大的社会净福利。

4 结论

生活垃圾种类多样，收运处理方式存在差异。经灰色模型和BP神经网络模型预测，2024—2028年，成都市垃圾产生量呈持续增长的态势。采用最小生成树模型规划更具经济效益的垃圾回收路径，缩减中转次数，同时借助物联网、大数据等工具实现零库存周转，提高垃圾收运效率。总体来看，优化垃圾回收路径能带来经济效益，减少资源浪费，创造就业机会，实现可持续发展，带来经济与环境的双重红利。

参考文献

1 于 涛，黄 涛，潘膺希，等.基于BP神经网络和灰色关联度组合模型的城市生活垃圾清运量预测[J].安全与环境学报，2013（4）：94-97．

2 杨小妮，张凯轩，杨宏刚，等.西安市城市生活垃圾产生量的多元回归及ARIMA模型预测[J].环境卫生工程，2020（2）：37-41．

3 陈文龙，董振武.上海市垃圾产量影响因素分析及规模预测：基于灰色系统理论的研究[J].再生资源与循环经济，2020（5）：13-19．

4 张 珏，张建强.基于灰色理论与BP神经网络预测成都市生活垃圾产生量[J].环境科学与管理，2012（8）：52-56.

5 张 敏，陈雅琪，叶安宁.经济距离、最小支撑树与信息产业链分析[J].新疆师范大学学报（自然科学版），2023（2）：27-36.