一种危废收运处智慧运营管理系统的制作方法

1.本发明属于危废处理管理领域，具体涉及危废收运处智慧运营管理系统。


背景技术：

2.危废集中收集和转运具有“分散统一收集、集中分类分流”，可实现“就近收集、集中贮存，批量委外、降低成本”的目标。但是现有技术中收运平台不能实现危废物处理过程根据实际情况动态选择每日最优收运处的危废量，无法保证特殊情况下运送稳定性以，以及无法动态跟踪车辆轨迹以及对异常情况进行预警提高收运过程安全性。
3.期刊文献1：张章建,罗鹏飞.危废处置企业的信息化系统建设[j].再生资源与循环经济,2018,11(07):28-31，其记载了危废处置企业信息化管理是互联网时代背景下对危废处置企业管理的进一步扩展与提升。以危废处置企业的业务流程为根据,概括了危废处置企业信息化系统的基本模块,并结合北仑环保固废管理系统实例,进一步说明信息化管理系统如何规范危废处置企业流程管理及危废处置数据的收集汇总,并指导企业决策。但是不能实现危废物处理过程根据实际情况动态选择每日最优收运处的危废量，无法保证特殊情况下运送稳定性以，以及无法动态跟踪车辆轨迹以及对异常情况进行预警提高收运过程安全性。
[0004]
期刊文献2：王丽娇,李天河,朱赛嫦,李琼轩.小微企业危废集中收集转运模式探索[j].资源节约与环保,2021(06):69-70，其记载了台州市年产废量10吨以下的小微企业点多面广、产废量少而分散,转移处理费用又较高昂,存在收集转运不及时、处置出路不通畅的问题,为破解这一难题,台州市建设了3个小微企业危废集中收集转运平台试点,率先树立了小微企业危废集中收集转运样板。通过梳理3个试点存在的问题,总结成功的经验,从加强危废源头规范管理、加强平台收运能力建设、加强环保监管能力建设、加大环境监管执法力度、加强落实各项保障措施等方面提出解决对策,可以规范台州市各小微企业危废集中收集转运平台的建设和运营。但是其仅仅是宽泛地讨论了小微企业危废集中收集转运平台试点，并没有解决上述技术问题。
[0005]
中国专利申请号：cn201920168242.x公开了一种液态危废品的远程管理系统，解决了现有液态危废品收集不便等技术问题。其包括至少一个具有gsm模块的危废云仓以及能够通过无线通讯与gsm模块连接的数据终端，危废云仓包括壳体和用于储存液态废品的收集桶，收集桶设于壳体内，壳体内设有用于检测收集桶油量的传感器以及与传感器串口连接的控制器，控制器与gsm模块电连接，数据终端上设有能够实时显示各个危废云仓内的收集桶的危废信息的显示屏。本实用新型解决了液态危险废物的收集和监管问题，实现远程监管危废，达到网络化收集、集中化处置的目的，其中提及预警仅仅是危废云仓的位置和重量预警、火宅预警和设备故障，并未考虑运输途中偏离以及等待时间等导致的运输安全性问题。但是其不能实现危废物处理过程根据实际情况动态选择每日最优收运处的危废量，无法保证特殊情况下运送稳定性以，以及无法动态跟踪车辆轨迹以及对异常情况进行预警提高收运过程安全性。
[0006]
中国专利申请号：cn201510339909.4公开了一种互联网 危险废弃物管理的系统和方法，包括危废监管单元、危废产生单元、危废运输单元、危废处置单元、云平台、企业信息管理系统和预警系统，危废监管单元与云平台之间进行数据的传输；云平台与危废产生单元、危废运输单元及危废处置单元之间进行数据的传输，预警系统接收云平台传送的信息；危险废弃物依次在危废产生单元、危废运输单元和危废处置单元的作用下进行了有效的处理，其中涉及到多次危险废弃物的确认和运输车辆的确认，保证了危险废弃物的安全，避免出现遗失的问题。本发明所述的结构连接紧密，使用起来智能化程度高，人员参与比较少，所说的方法流程紧凑，有效降低了危险废弃物的非法遗失，加强了危险废弃物的监管力度。该方法过程复杂，涉及的检测上传信息多，操作起来不太便捷，比较依赖网速和操作人员自觉性，且其同样并未实现上述实时动态预警以及每日运送稳定性的问题。
[0007]
本发明结合现有技术危废收运处平台的特点以及当下存在的主要问题，对平台功能和运行方式进行了优化，实现危废物处理过程根据实际情况动态选择每日最优收运处的危废量，保证特殊情况下运送稳定性，以及能动态跟踪车辆轨迹以及对异常情况进行预警提高收运过程安全性。


技术实现要素：

[0008]
为解决上述技术问题，本发明提供一种危废收运处智慧运营管理系统，所述危废收运处智慧运营管理系统的根据用户区别操作界面由危废管理app客户端、产废单位小程序、产废单位门户、运输单位门户、处置单位门户、环保部门门户组成，危废收运处智慧运营管理系统由联单管理模块、化验管理模块、产废单位模块、运输单位模块、贮存管理模块、转运管理模块、处置管理模块、合同管理模块、生产管理模块、管理计划模块、账户管理模块、汇总统计模块、系统管理模块以及硬件管理模块组成；
[0009]
产废单位通过产废单位小程序进入进行产废单位注册、涉废信息填报、环评信息填报、产废设备信息填报、贮存设施信息填报，涉废信息包括废物类别、废物代码、废物名称、废物类型、有害物质名称、危险性质；管理计划模块包括管理计划信息、危废减量计划、危废转移信息以及环境监测信息，管理计划信息可以进行管理计划的预览和下载；贮存管理模块包括贮存设备id，并与产废设备信息填报中对应的设备进行绑定；
[0010]
运输单位通过运输单位门户进入进行运输单位注册、车辆信息填报、驾驶员信息填报、联单管理信息填报；
[0011]
贮存管理模块包括产废单位自备贮存设备以及第三方租用贮存设备，通过危废收运处智慧运营管理系统自动进行分配和人工调整进行确定；
[0012]
转运管理模块包括上报管理，上报管理包括产废入库信息上报、产废入库联单信息上报、产废单位信息上报、联单签收后危废包装信息上报；
[0013]
危废管理app客户端能够全流程显示危废收集和转移过程，能显示接运、入库、贮存、转运节点的关键信息；
[0014]
管理计划模块的管理计划信息的指定过程如下：建立以危废库存最低、日运输量均衡性最好为目标的日生产计划模型，以日累计运输量不低于月总运输量、日累计运输、贮存和处置成本不超过月预算总额、日累计有害物质处理量不低于有害物质处理量月总计划量为约束条件，通过改进的多目标人工蜂群算法进行求解得到最优的每日生产计划；
[0015]
运输单位模块还包括预警单元提供预警功能，根据驾驶员的位置信息，如ip地址、gps定位信息，与地图的导航轨迹之间的偏差以及某一位置的停留时长，采用智能算法，当偏差和停留时长分别都超过一定设定值时，会自动弹出预警推动信息提醒驾驶员、产废单位或者运输单位进行留意。
[0016]
更进一步的，改进的多目标人工蜂群算法的参数为：蜂群大小为400，邻域搜索次数限制limit为400，蜜源数目为200，搜索最高次数iter为4000；改进的多目标人工蜂群算法通过优化个体的适应度函数来实现。
[0017]
更进一步的，产废单位门户可以完成收运计划、收运申请操作，产废单位门户与产废单位小程序功能重叠，界面更为简洁，使用门槛更低。
[0018]
更进一步的，运输单位模块包括收集派车单、转移派车单、车辆轨迹查看。
[0019]
更进一步的，运输单位门户包括使用运输app，能采集位置信息，便于驾驶员完成发车、收集、转移过程提供服务，其中通过地图对产废单位进行位置显示，并能通过地图为驾驶员转运过程提供导航服务。
[0020]
更进一步的，运输单位使用运输app进行转运过程中，危废收运处智慧运营管理系统的用户能实时查看车辆运行轨迹，根据派车单查看该车辆收运过程的行车历史轨迹，以及显示派车单包括的产废单位和涉废信息列表。
[0021]
更进一步的，产废单位和涉废信息通过包括有二维码和文字形式的标签进行张贴。
[0022]
更进一步的，处置单位模块能完成转移派车单接收工作。
[0023]
更进一步的，环保部门门户完成查看产废单位信息、联单信息、车辆轨迹。
[0024]
本发明的有益效果在于：
[0025]
1、本发明的危废收运处智慧运营管理系统通过使用运输app，能采集位置信息，便于驾驶员完成发车、收集、转移过程提供服务，其中通过地图对产废单位进行位置显示，并能通过地图为驾驶员转运过程提供导航服务，危废收运处智慧运营管理系统的用户还能实时查看车辆运行轨迹，根据派车单查看该车辆收运过程的行车历史轨迹，以及显示派车单包括的产废单位和涉废信息列表；
[0026]
2、运输单位模块还包括预警单元提供预警功能，根据驾驶员的位置信息，如ip地址、gps定位信息，与地图的导航轨迹之间的偏差以及某一位置的停留时长，采用智能算法，当偏差和停留时长分别都超过一定设定值时，会自动弹出预警推动信息提醒驾驶员、产废单位或者运输单位进行留意，方便用户动态跟踪车辆轨迹以及对异常情况进行预警提高收运过程安全性；
[0027]
3、本发明的危废收运处智慧运营管理系统能通过改进的多目标人工蜂群算法对月生产计划进行分解，得到最优的每日生产计划，相比人工调整的结果只有一种结果，当生产情况变化时，比如设备维修，则调整余地不大，不能兼顾每日生产均衡性和库存两种目标，而多目标abc求解得到的结果则更具灵活性，可以根据决策者选择本月库存和生产线均衡性两种目标的偏好，选择不同的点的结果来组织每日危废收运处量，这为实际操作带来了很大的柔性。
附图说明
[0028]
图1为危废收运处智慧运营管理系统运行流程图；
[0029]
图2为入库和出库流程图；
[0030]
图3为人工蜂群算法流程图；
[0031]
图4为多目标人工蜂群算法总体框架；
[0032]
图5为危废收运处智慧运营管理系统的界面展示。
具体实施方式
[0033]
实施例1
[0034]
本发明提供一种危废收运处智慧运营管理系统，所述危废收运处智慧运营管理系统的根据用户区别操作界面由危废管理app客户端、产废单位小程序、产废单位门户、运输单位门户、处置单位门户、环保部门门户组成，危废收运处智慧运营管理系统由联单管理模块、化验管理模块、产废单位模块、运输单位模块、贮存管理模块、转运管理模块、处置管理模块、合同管理模块、生产管理模块、管理计划模块、账户管理模块、汇总统计模块、系统管理模块以及硬件管理模块组成；
[0035]
产废单位通过产废单位小程序进入进行产废单位注册、涉废信息填报、环评信息填报、产废设备信息填报、贮存设施信息填报，涉废信息包括废物类别、废物代码、废物名称、废物类型、有害物质名称、危险性质；管理计划模块包括管理计划信息、危废减量计划、危废转移信息以及环境监测信息，管理计划信息可以进行管理计划的预览和下载；贮存管理模块包括贮存设备id，并与产废设备信息填报中对应的设备进行绑定；
[0036]
运输单位通过运输单位门户进入进行运输单位注册、车辆信息填报、驾驶员信息填报、联单管理信息填报；
[0037]
贮存管理模块包括产废单位自备贮存设备以及第三方租用贮存设备，通过危废收运处智慧运营管理系统自动进行分配和人工调整进行确定；
[0038]
转运管理模块包括上报管理，上报管理包括产废入库信息上报、产废入库联单信息上报、产废单位信息上报、联单签收后危废包装信息上报；
[0039]
危废管理app客户端能够全流程显示危废收集和转移过程，能显示接运、入库、贮存、转运节点的关键信息；
[0040]
管理计划模块的管理计划信息的指定过程如下：建立以危废库存最低、日运输量均衡性最好为目标的日生产计划模型，以日累计运输量不低于月总运输量、日累计运输、贮存和处置成本不超过月预算总额、日累计有害物质处理量不低于有害物质处理量月总计划量为约束条件，通过改进的多目标人工蜂群算法进行求解得到最优的每日生产计划；
[0041]
运输单位模块还包括预警单元提供预警功能，根据驾驶员的位置信息，如ip地址、gps定位信息，与地图的导航轨迹之间的偏差以及某一位置的停留时长，采用智能算法，当偏差和停留时长分别都超过一定设定值时，会自动弹出预警推动信息提醒驾驶员、产废单位或者运输单位进行留意。
[0042]
产废单位门户可以完成收运计划、收运申请操作，产废单位门户与产废单位小程序功能重叠，界面更为简洁，使用门槛更低。
[0043]
运输单位模块包括收集派车单、转移派车单、车辆轨迹查看。
[0044]
运输单位门户包括使用运输app，能采集位置信息，便于驾驶员完成发车、收集、转移过程提供服务，其中通过地图对产废单位进行位置显示，并能通过地图为驾驶员转运过程提供导航服务。
[0045]
运输单位使用运输app进行转运过程中，危废收运处智慧运营管理系统的用户能实时查看车辆运行轨迹，根据派车单查看该车辆收运过程的行车历史轨迹，以及显示派车单包括的产废单位和涉废信息列表。
[0046]
产废单位和涉废信息通过包括有二维码和文字形式的标签进行张贴。
[0047]
处置单位模块能完成转移派车单接收工作。
[0048]
环保部门门户完成查看产废单位信息、联单信息、车辆轨迹。
[0049]
在实际危废收运处运营过程中，希望实现三个目标：(1)为防止每日运输量的波动而造成运力不足或者时效性差等问题，要保证每日运输量的均衡性；(2)尽量减少危废物库存从而增加资金流动性。
[0050]
本发明定义日运输量均衡性系数为：
[0051][0052]
式中，——某日运输量与平均日运输量之间的偏离程度；
[0053]
m——总运输量，t；
[0054]
d——总天数，天。
[0055]
确定日运输量均衡性系数后，日生产计划的优化目标为最小化日运输量均衡性系数之和以及最小化危废库存。
[0056]
建立了危废库存最低、日运输量均衡性最好为目标的日生产计划模型，通过日累计运输量不低于月总运输量、日累计运输、贮存和处置成本不超过月预算总额、日累计有害物质处理量不低于有害物质处理量月总计划量为约束条件，通过多目标人工蜂群算法进行求解得到最优的每日生产计划。多目标人工蜂群算法的相关描述如下：
[0057]
(1)人工蜂群算法简介
[0058]
生物学家研究发现，群居性动物蜜蜂能适应环境变化，并总能高效地采集到花蜜，这是由于蜜蜂是以跳舞的方式来交换蜜源信息。蜜蜂采集到花蜜后，飞回到蜂巢中，以跳“8字舞”的方式与同伴交流蜜源信息。引领蜂跳舞时间越长，表示蜜源质量越好，跟随蜂则根据所看到的舞蹈进行判断是否采蜜，期采蜜的概率与引领蜂发现蜜源的质量成正比。在一定条件下引领蜂的角色转变为侦查蜂，在蜂巢的周围搜索新的蜜源。蜜蜂通过这种信息交流实现协同高效完成采蜜工作。蜜蜂搜索蜜源有三个步骤：1)引领蜂发现蜜源并跳“8字舞”共享蜜源信息；2)跟随蜂接受引领蜂的信息并选择蜜源采蜜；3)引领蜂多次搜索蜜源质量未改善时，放弃蜜源，变成侦查蜂在蜂巢周边搜寻新蜜源，当搜索到更好的蜜源时，则其角色又变为引领蜂。模拟生物界蜜蜂搜索蜜源的过程，科学家们提出了群体智能算法——abc算法，其特有机制，区别于其他智能算法，是角色的转化。
[0059]
abc算法在求解实际优化问题时，将问题的解抽象为解空间内的各种可能解(即蜜源i，i＝1,2,3,
···
,np)，解的好坏(即蜜源的质量)对应于解的适应度fitnessi，其中np代表蜜源的数量，abc算法中引领蜂和跟随蜂的数量相等，均为蜂群数量的一般，且与蜜源的数量相同，每个蜜源在同一个时间内只能被一个引领蜂采蜜。
[0060]
现假设所求解问题的维数d，蜜源的位置为其中，t为当前的迭代次数；x
id
∈(ld,ud)，ld和ud非别为搜索空间的下限和上限，d＝1,2,3,
···
,d。蜜源i的初始位置由下式(1)在空间中随机生成。
[0061]
x
id
＝ld rand(0,1)(u
d-ld)
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(1)
[0062]
搜索的初始阶段，引领蜂在蜜源i的周围生成一个新的蜜源，其生成方式根据下式(2)进行。
[0063][0064]
式中，d在[1,d]内随机取整，表示引领蜂随机选择一维搜索；j＝1,2,3,
···
,np,j≠i，即选择出蜜源i以外的其他蜜源；为均匀分布的随机数，表示扰动因子。当新蜜源vi＝[v
i1
,v
i2
,
…
,v
id
]的适应度大于xi时，则采用贪婪选择将xi替代为vi，反之，保留xi。在所有引领蜂完成式(2)的计算后，飞回信息区共享信息。跟随蜂则根据共享的信息，以一定的概率选择是否进行采蜜，概率计算如下式(3)所示：
[0065][0066]
跟随蜂采用轮盘赌的策略选择是否跟随引领蜂，即在[0,1]之间随机生成数r，若pi》r，则该跟随蜂按式(3-37)在蜜源i的周围生成一个新的蜜源，同样采用贪婪选择的方法来选择该保留的蜜源。
[0067]
上述搜过过程中，如果xi经历的迭代搜索次数trial达到阈值limit却仍未找到更好的蜜源，该蜜源会被视为放弃，此时，引领蜂则会转变为侦查蜂。侦查蜂在蜂巢周边搜寻新蜜源代替xi，上述过程可以下式(4)来描述。
[0068][0069]
abc算法流程图如图3所示。
[0070]
(2)多目标人工蜂群算法简介
[0071]
多目标人工蜂群算法相比于人工蜂群算法而言，区别在于求解目标函数不止一个，且求解方式有所差异，多目标人工蜂群算法的计算流程如图4所示。
[0072]
本发明采用的多目标abc算法的流程如下：
[0073]
step1初始化阶段：参数初始化，种群初始化，计算个体的目标函数值，并根据pareto支配原则，找出初始化种群中的所有非劣解，并加入到外部档案中，完成外部档案的初始化；循环计数器iter＝1。
[0074]
step2采蜜蜂阶段：根据邻域搜索公式(见式(5))，在外部档案中非劣解的引导下进行邻域搜索，通过pareto支配原则判断新产生的邻域解和原有解之间的支配关系，并保留较优的解。
[0075]
xi＝xi w1·
rand(0,1)(x
i-xk)
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(5)
[0076]
式中，xk为在外部档案中随机选择的非劣解，w1为比例因子，rand(0,1)产生[0,1]之间的随机数。
[0077]
step3根据式(5)计算跟随蜂选择引领蜂的跟随概率。
[0078]
p(i)＝0.9
·
fitness(i)/max(fitness) 0.1
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(6)
[0079]
式中，fitness(i)为第i个个体的适应度值，对应食物源的丰富程度，食物源越丰富，则被跟随蜂选择的概率越大。fitness为种群适应度值向量。
[0080]
通过给个体赋予适应度值，使其被跟随的概率不尽相同。个体越偏离可行域则赋予其较小的适应度值，而个体离可行域较近则具有较大的适应度值，适应度值越大的个体具有更大的跟随概率，本发明构造个体的适应度函数，如下式(7)所示。
[0081][0082]
ψ(δ,ω)＝max{0,g
max
(δ)}
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(8)
[0083][0084]gmax
(δ)＝max{g
p
(δ),p＝1,2,
…
,m}
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(10)
[0085][0086]
其中，m为不等式约束的数目，ψ(δ,ω)表示点δ与可行域ω之间的距离，反映了点δ与可行域ω之间的关系。当ψ(δ,ω)＞0时，则且ψ(δ,ω)越大表示点δ与可行域ω越远；当ψ(δ,ω)＝0时，则δ∈ω。ξ(δ)表示违反约束的数量。当ξ(δ)＝0时，则δ完全不属于可行域ω；当ξ(δ)＝1时，则δ∈ω；当0＜ξ(δ)＜1时，则且当ξ(δ)越接近0违反约束越多。从式(7)可看出，个体越接近可行域则其适应度值越接近于1，且随着迭代的次数iter的增加，违反约束的个体适应度越来越小，越难被选入外部档案集。
[0087]
step4观察蜂阶段：while((iter《＝maxcycle))do
[0088]
根据跟随概率随机选择一个解，使用式(3-40)进行邻域搜索。
[0089]
step5侦查蜂阶段：为防止算法陷入局部最优，算法limit次迭代没有改进，放弃该解，由侦察蜂产生一个新的位置代替将trial达到limit限定的解抛弃，随机产生一个新的解。
[0090]
step6外部档案的更新：将当前种群中的pareto最优解加入外部档案，当达到外部档案的最大值时，根据拥挤距离对外部档案进行裁剪更新。
[0091]
step7最终输出外部档案的所有解作为最终的优化结果。
[0092]
step8 end while.
[0093]
以国内某公司采用该系统的实际数据为实例，进行模型及算法的应用效果检验。
[0094]
采用本发明所述日生产计划模型建模，并通过多目标abc算法进行求解，将月生产计划指标进一步进行分解，得到最优的结果。
[0095]
采用本文的日生产计划优化模型建模后，采用多目标abc算法求解，经过不同参数组合的反复试验，得到最优化的算法相关参数设置如下表1所示。计算过程的硬件配置为windows7/pentium(r)dual-corecpu/3.2ghz/ram2gb，在matlabr2014a软件中通过编写函数来实现运行。
[0096]
表1多目标abc算法参数设置
[0097][0098]
计算后得出每日转运各类危废的转运量结果是以日运输量均衡性为横坐标，以危废库存为纵坐标的散点图，近似一条下斜直线的分布，在实际生产过程中，决策者根据需求选择不同的点进行生产。各点对应的运输量基本完成下达的月生产计划要求，生产实现了连续运行，危废库存保持在安全范围内。同理，按照其他各点进行生产也可得到类似结果。按照人工平均分配月生产计划得到的结果，其生产很均衡，但每日库存之和更大，且更为重要的是，人工调整的结果只有一种结果，当生产情况变化时，比如设备维修，则调整余地不大，不能兼顾生产均衡性和库存两种目标，而多目标abc求解得到的结果则更具灵活性，可以根据决策者选择本月库存和生产线均衡性两种目标的偏好，选择不同的点的结果来组织生产，这为实际操作带来了很大的柔性。
[0099]
最后应说明的是：以上所述仅为本发明的优选实施例而已，并不用于限制本发明，尽管参照前述实施例对本发明进行了详细的说明，对于本领域的技术人员来说，其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。