مسیریابی وسایل نقلیه جمع‌آوری پسماند شهری با ظرفیت محدود نامتقارن و پنجره زمانی

موضوع جمع آوری پسماند یک چالش بزرگ برای جوامع مدرن می باشد حدود 80% از کل هزینه مدیریت پسماند را شامل می‌شود. بنابراین برنامه‌ریزی صحیح جمع‌آوری پسماند جهت به‌کارگیری اصولی منابع، می‌تواند از ایجاد هزینه‌های اضافی جلوگیری نماید و موجب بالا رفتن اثربخشی و درنهایت بهره‌وری مدیریت پسماند گردد. هدف از این تحقیق، یافتن مسیری های مناسب جمع آوری پسماند شهری با استفاده از داده های مکان مبنا طوری که زمان مجموع سفرهای وسایل نقلیه کمینه کردن شود. از طرفی محدودیت های حداکثر زمان مسافرت، حداکثر کل فاصله ی طی شده، حداکثر تعداد سطل زباله بررسی شده رعایت شود. در این تحقیق از تلفیق مسئله مسیریابی وسیله نقلیه (vrp) با سیستم اطلاعات جغرافیایی (gis) استفاده می شود. سناریوهای تحقیق بر پایه یک ناوگان ثابت غیریکنواخت با تعداد ثابتی از هر نوع ماشین با هزینه و ظرفیت‌های محدود و متفاوت می باشد. مسئله سازگار شده تحقیق با توجه به ویژگی های جمع آوری پسماند، مسئله مسیریابی وسایل نقلیه با ظرفیت دار نا متقارن و پنجره زمانی نرم[1] (acvrptws) می باشد. در ادامه به منظور اجرای یک نمونه کاربردی از مسئله مورد نظر برروی مسئله جمع‌آوری پسماند در یک پایلوت از شهر تهران موردبررسی قرار گرفت. در ادامه نتایج حاصل از acvrptws با واقعیت مقایسه شده و نشان از کاهش 14 و 24 درصدی زمان مسافرت و زمان کل مسافرت می دهد. در واقع با استفاده از این روش می توان شبکه ای طراحی کرد که به کمک آن کاهش قابل توجهی در هزینه های جمع آوری پسماند داشته باشد به عبارت دیگر الگوریتم پیشنهادی توانسته است یک تناسب منطقی بین تعداد سطل های زباله مورد بررسی، حجم پسماند جمع آوری شده، مسافت پیموده شده و مدت زمان سرویس دهی هر وسلیه نقلیه برقرار کند . لازم به ذکر است که الگوریتم پیشنهادی در 5 دقیقه اجرا شده است.

Routing Vehicle of Urban Waste Collection Utilities GIS

Municipal solid waste collection is expensive and, in some cities, 46 -85% of their whole waste management expenses are used for waste collection and transportation. Rapid urbanization and every day human actions generate a large amount of waste from residential, commercial, or industrial extents all over the world. Waste collection optimization can decrease the waste collection budget and environmental emissions by reducing the collection route distance. Therefore, suitable planning of waste collection process can prevent additional costs and increase the efficiency of waste management. This paper aims to find appropriate routes for municipal waste collection using geospatial data to minimize total travel time of vehicles. On the other hand, the constraint set for the maximum travel time, the maximum total distance traveled, and the maximum number of checked waste bins have to be taken into account. In this research, the integration of the Vehicle Routing Problem (VRP) with the Geographic Information System (GIS) is used. Research scenarios are considered based on a fixed nonuniform fleet with a constant number of each types of vehicles in the Asymmetric Capacitated Vehicle Routing Problem with Backhauls and with Time Windows (ACVRPTW). The reason for choosing the ACVRPTW for this research is that in urban traffic network, vehicles have limited capacity, also urban passages are oriented asymmetrically, on the other hand, the time of service to buckets garbage is important and they should be viewed in a time window.In order to implement the proposed method, first, location data of waste bins and the average amount of waste generated per day are prepared. Also, the standards and policies of the waste management organization including the number and types of vehicles with their characteristics such as capacity and fuel consumption should be provided. The amount of waste generated by each trash should be calculated further. These data provide a pattern for the amount of waste accumulated in each garbage bin. The next step is solving the routing problem; in fact, the same VRP is executed in a specific way with the restrictions, parameters, and target function of the ACVRPTW. Then, the evaluation of the results will be accomplished.ACVRPTW was surveyed in a case study of Tehran, Iran. The results of the ACVRPTW are compared with real applications, indicating a decrease of 14% and 24% in each trip and whole travel time. In addition, the results also indicate that this research clearly contains a scientific approach to urban waste collection systems, and the proposed algorithm is able to take into account the constraints that the waste management organization has put forward. Furthermore, it determined the optimal time routes for each vehicle according to its characteristics. In fact, with this method, a network can be designed in order to reduce waste collection costs significantly. In other words, the proposed algorithm has been able to find an appropriate balance between the numbers of examined waste bins, the amount of collected waste, the mileage, and the duration time that each vehicle is serviced. It should be noted that the proposed algorithm runs in 5 minutes on average.