买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉扬州大学申请的专利一种基于城市生活垃圾分类的收运车辆调度方法及系统获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN114330874B 。

龙图腾网通过国家知识产权局官网在2025-07-15发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202111623564.7，技术领域涉及：G06Q10/047；该发明授权一种基于城市生活垃圾分类的收运车辆调度方法及系统是由邓社军;于世军;丁永峰;嵇涛;张俊;陆曹烨;施议;彭浪;朱俊豪;管恩丞;宇泓儒;周鹏;王晓莹;李婷婷;窦玥;刘根基;姚炎宏;张海旻;徐成;郦红艺设计研发完成，并于2021-12-28向国家知识产权局提交的专利申请。

本一种基于城市生活垃圾分类的收运车辆调度方法及系统在说明书摘要公布了：本发明公开了一种基于城市生活垃圾分类的收运车辆调度方法及系统，对服务区域内历史垃圾量进行统计，对每日不同类型的垃圾量进行预测；利用K‑means聚类算法对整个区域内的垃圾收集点进行聚类并分为多个区域；对工作区域内不同类型车辆的工作耗时和运行耗时进行统计；对车辆的配置数量和路径进行规划分析，计算收运车辆的最少配置数量和车辆路径；将车辆配置及路径规划后车辆需要行驶的时间与历史收运时间进行对比，分析收运车辆配置及路径规划分析子模块分析不同规划路径的有效率，根据路径有效率判定区域内车辆收运最优路径。本发明以精细化测算区域内垃圾收运车辆运输成本，智能化分析范围内大量垃圾收集点的收运车辆最优配置及线路。

本发明授权一种基于城市生活垃圾分类的收运车辆调度方法及系统在权利要求书中公布了：1.一种基于城市生活垃圾分类的收运车辆调度方法，其特征在于，包括以下步骤： 1对服务区域内历史垃圾量进行统计，对每日易腐垃圾、可回收垃圾、有害垃圾和其他垃圾四种不同类型的垃圾量进行预测； 2利用K-means聚类算法对整个区域内的垃圾收集点进行聚类并分为多个区域； 3对工作区域内不同类型车辆的工作耗时和运行耗时进行统计； 4对车辆的配置数量和路径进行规划分析，计算收运车辆的最少配置数量和车辆路径； 5将车辆配置及路径规划后车辆需要行驶的时间与历史收运时间进行对比，分析收运车辆配置及路径规划分析子模块分析不同规划路径的有效率，根据路径有效率判定区域内车辆收运最优路径，形成调度方案； 所述步骤2实现过程如下： 假设有N个分散不均的垃圾收集点，在其中随机选择k个点作为初始聚类中心点，计算并记录剩余点到k个初始中心点的距离，选择最小的距离将归类到相应的初始中心点的类中，再计算每个类中的平均值并更新初始中心点，直到聚类准则函数收敛停止更新，最终将区域内所有垃圾收集点分为k个区域； 所述步骤3实现过程如下： 对首次测算的工作耗时时间进行标记，测算收运车辆在路段行驶的耗时时间，对二次测算的运行耗时时间进行标记，将标记的每一次收运车辆工作耗时和运行耗时时间进行对比，设置运行耗时时间对比值为0,tn]，当每一收运车辆工作耗时和运行耗时时间之差大于等于tn，则进行重新测算，将重新测算的数据进行分析满足对比值阈值后进行标记，将标记数据发送垃圾收运车辆配置及最优路径分析模块； 所述步骤4包括以下步骤： 41设定当前分析的收运车辆最少配置数量和车辆路径采用算法进行条件约束，N为垃圾收集点集合，其中N＝0表示起点，K为收运车辆集合，S为某一车辆访问收集点集合，根据该数学表征设定模型参数，设定车辆最大载重量为Q，设定收集点i和j之间的距离为dij，设定车辆k单位距离运输成本为ck，设定车辆k固定成本为fk，设定到达收集点i的左时间窗为ai，设定到达收集点i的右时间窗为bi，设定收集点i的时间窗宽度为wik； 42设定垃圾收运服务区域内部最少收运车辆配置数为minn； 43设定每个收集点只能被一辆车服务且只能访问一次，根据公式： 和进行约束； 44设定除起点和终点的每个收集点，进入和驶出每一收集点的车辆数相等，收运车辆进入某一收集点也必须从该点离开，根据公式： 进行流量守恒约束； 45设定每辆车都从垃圾车辆集中点出发并且服务完后必须返回垃圾车辆集中点，根据公式和进行约束； 46对所有收运车辆到达每个收集点起始时刻和离开每个收集点终止时刻进行定义，其中，根据公式：对所有收运车辆在每个收集点最早达到时间和最晚离开时间进行约束； 47设定收运车辆容量限制，确保每辆车的载重量不能超过车辆限制，根据公式进行约束； 48对xijk和yijk为0-1整数决策变量进行定义： 所述步骤5包括以下步骤： 51状态转移规则：在蚁群算法中，每只蚂蚁在寻找最优路径的过程时，根据路径上残留的信息素量，以及从点i转移到点j的启发式信息η，独立选择下一个访问点；在状态转移概率中综合考虑车辆访问收集点的时间窗吻合度、车辆容量约束以及车辆容量利用率；状态转移规则公式为： 其中，l表示所有可能的取值；τij表示边i,j上的信息素浓度，也就是边i,j的轨迹强度；αα≥0为信息启发式因子，表示信息素的相对重要性，其值越大蚂蚁则越倾向于选择较多蚂蚁走过的路径；ηij表示边i,j上的启发信息素： ηij＝1dij 其中，dij为点i到j的距离；ββ≥0为期望的启发式因子，表示能见度的相对重要性，其值越大则越倾向于选择距离较短的路径；kij表示车辆的容量利用率： kij＝qi+qjQ 其中，λλ≥0为车辆容量利用率的相对重要性；εij为时间窗吻合值： εij＝1|si-ei|+|si+li| 其中，si表示车辆到达收集点i的时间；θθ≥0为时间吻合的相对重要性；p为一个在区间[0,1]内的随机数；p0为一个算法参数固定值，其取值范围为0,1； 当收集点i与j之间的信息素浓度越大、距离越短、车辆的容量利用率越大、时间窗吻合度越高，它们的乘积所占比重就越大，因此选择收集点j的概率也越大； 52信息素更新规则：蚂蚁每走完一次周游后，会对路径上的信息素进行更新；信息素浓度更新采用全局更新策略，在所有蚂蚁构造出路径之后，对所有生成的可行路径以及在成本费用最小的路径上注入额外的信息素，更新公式如下： 其中：当i,j属于可行路径时，否则为0；当i,j属于成本费用最小路径时，否则为0；DLkt表示第t条可行路径长度，DL*表示成本费用最小的路径长度； 53引入负反馈机制：将信息素水平限制在[τmin,τmax]，防止路径间信息素浓度差距过大，促使算法跳出局部最优值；引入了外激素平滑思想，当信息素浓度相差很大时，将各边信息素最小值与信息素最大值进行加权平均，使得信息素浓度差异相对减小，更好地产生新的搜索路径，更新公式如下： 54过早收敛判断：基于种群中个体的聚集程度和最优解在多次迭代后无变化或变化很小，判断算法是否过早收敛；具体判断如下： 设定最小群体适应度方差群体适应度方差σ2，公式为： f＝max{1,max{|fi-favg|}} 其中，n为蚂蚁个数；fi为第i个度值；favg为种群目前的平均适应度值；通过f的取值不断变化来限制σ2的大小，当时，则认为种群中个体严重聚集，算法进入过早收敛，对选择初始解中部分较优解，再次进行混沌优化，否则继续下一过程； 计算全局最优值连续不变化的迭代次数，当达到预设的次数值时，说明算法进化缓慢，陷入停滞，对选择初始解中部分较优解，再次进行混沌优化，否则继续下一过程； 55解的进一步优化：计算初始路径中每台车辆的装载量，寻找到装载量最小的一辆车；将其他车辆最后服务的收集点增加到最小装载量的车辆服务路径中，判断是否满足约束条件并改善目标函数，构造更高质量的初始解；考虑到时间窗的限制，对路线内的改善采用两点交换和2-opt过程进行局部搜索，对所求得的最优路径进行优化。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人扬州大学，其通讯地址为：225009 江苏省扬州市大学南路88号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。