Trong thực tế, một hệ thống quản lý rác thải đô thị (bao gồm cả quản lý thu gom và vận chuyển rác thải đô thị) ngoài lộ trình tối ưu phải tính toán, còn phải thực hiện tính toán xử lý nhiều nội dung khác, từ các nội dung phổ dụng như thu thập và thống kê thể tích rác thải đô thị đến các nội dung khó hơn như tính toán số lượng các điểm tập kết rác thải, vị trí các điểm tập kết rác thải, phân chia các điểm tập kết rác cho xe cuốn ép rác, tính toán lộ trình tối ưu có khả năng thích ứng thay đổi với sự thay đổi của thể tích rác thải tại các điểm tập trung, điều tiết phương tiện thực hiện thu gom hộ các điểm tập kết rác lân cận trong những hành trình mà thể tích thùng chưa đầy…
Trong phạm vi mở rộng của luận văn, có thực hiện xây dựng mô hình thu gom và vận chuyển rác thải giải quyết thêm một số nội dung:
- Phân chia các điểm tập kết rác thải cho xe cuốn ép rác
- Đề xuất phương án thu thập dữ liệu thể tích rác tại các điểm tập kết rác - Đề xuất phương án cập nhật tình trạng thể tích thùng của xe cuốn ép rác - Tính toán lộ trình tối ưu với rác buộc về thể tích rác tại các điểm tập trung và thể tích thùng xe cuốn ép rác.
- Tính toán lại lộ trình tối ưu trong trường hợp thể tích rác tại các điểm tập trung có sự thay đổi vượt ngưỡng cho trước hoặc số lượng các điểm tập kết rác thay đổi.
- Theo dõi tình trạng thể tích thùng của phương tiện chở rác để đề xuất khả năng hỗ trợ thu gom các điểm tập kết rác lân cận trong phạm vi cho phép.
Hình 3.6 mô phỏng một hệ thống hỗ trợ quá trình quản lý thu gom và vận chuyển rác thải rắn đô thị. Hệ thống bao gồm các thành phần như sau:
Cơ sở dữ liệu tri thức (Knowledge Database): Cơ sở dữ liệu này lưu trữ các thông tin về dữ liệu bản đồ số như các dữ liệu không gian địa lý (Geospatial – GEO): các con đường, thông tin tọa độ đường, tọa độ các điểm tập kết rác, tọa độ bãi rác, … Lưu trữ các thông tin khác như danh sách các điểm tập kết rác, ma trận khoảng cách của các điểm tập kết rác, thể tích rác tại các điểm thu tập kết rác theo
thời gian (quá khứ và hiện tại), số lượng xe cuốn ép rác và các thuộc tính của xe cuốn ép rác như thể tích chuyên chở.
Thành phần chuyển đổi dữ liệu (Master Data Agent, Converter Agent). Thành phần này thực hiện chuyển đổi dữ liệu không gian địa lý từ các tập tin thành các thông tin có thể lưu trữ trong Cơ sở dữ liệu tri thức.
Tác tử điểm tập kết rác (Collection Center Point Agent). Tác tử này đại diện cho nhóm trưởng tại các điểm tập kết rác thải. Tác tử này có nhiệm vụ cung cấp thông tin thể tích rác thông qua cách đếm số lượng xe đẩy tay thu thập rác. Thông tin thể tích rác được cập nhật theo chu kỳ trước mỗi thời điểm xe cuốn ép rác thực hiện lộ trình của mình. Trong những trường hợp rác thải tại các điểm tập trung phát sinh vượt một ngưỡng cho trước. Thông tin thể tích rác cũng được cập nhật. Cách thực cập nhật thông tin thể tích rác trong thực tế được sử dụng bằng các thiết bị di động để gửi dữ liệu về những máy chủ tập trung.
Tác tử xe cuốn ép rác (Vehicle Agent). Tác tử này đại diện cho xe cuốn ép rác. Bằng cách sử dụng thiết bị thông minh, sau khi thực hiện lấy rác tại các điểm tập trung thì có thể cập nhật tình trạng thể tích đang chứa thùng xe hiện tại. Số liệu này có thể tính toán bằng cách cộng tổng thể tích rác tại những điểm mà xe đã đi qua. Tuy nhiên, trong một số trường hợp, chất liệu rác thải khác nhau có thể tích khác nhau dẫn tới việc tính toán tình trạng thể tích đang chứa của thùng xe có thể sẽ không còn chính xác. Do đó, việc bổ sung thêm thông tin tình trạng thể tích đang chứa của thùng xe sẽ chính xác hơn và cho kết quả tính toán chính xác hơn.
Tác tử điều khiển (Master Control Agent). Tác tử này có nhiệm vụ tính toán chia các điểm tập kết rác cho các phương tiện và lộ trình tối ưu dựa trên các thông tin lịch sử hoặc thông tin thu thập gần nhất được lưu trữ trong Cơ sở dữ liệu tri thức. Việc tính toán chia các điểm tập kết rác cho các xe cuốn ép rác dựa trên thuật toán K-Mean với các điểm tọa độ dựa trên kinh độ và vĩ độ của bản đồ kết hợp với ma trận khoảng cách được đo lường bằng độ dài các tuyến đường thực tế nối các điểm với nhau. Lộ trình tối ưu được tính toán bằng thuật toán tối ưu hóa đàn kiến ACO.
Hình 3.6. Mô phỏng hệ thống hỗ trợ quản lý thu gom vận chuyển rác thải mở rộng
Hệ thống hỗ trợ quản lý thu gom vận chuyển rác thải căn cứ trên các số liệu thu thập được hoạt động thông qua một quá trình bao gồm một số bước cơ bản sau đây:
Đầu tiên, các tập tin dữ liệu không gian địa lý GEO được đọc và chuyển đổi thành các dữ liệu thông tin bản đồ số như tuyến đường, các điểm tập kết rác,… và thông tin về các phương tiện cũng như các thuộc tính của nó được lưu trữ trong cơ sở dữ liệu tri thức. Một số thông tin dẫn xuất như ma trận khoảng cách cũng được tính toán và lưu trữ tại cơ sở dữ liệu tri thức.
Số liệu thể tích rác tại các điểm tập kết rác được cập nhật định kỳ trước mỗi thời điểm vận chuyển bằng xe cuốn ép rác bằng cách sử dụng phần mềm cài đặt trên thiết bị di động thông minh. Ngoài ra trong trường hợp thể tích rác có sự thay đổi vượt ngưỡng quy định thì số liệu cũng được cập nhật mà không cần phải chờ đến chu kỳ vận chuyển rác tiếp theo tiếp theo.
Căn cứ trên số liệu bản đồ số, cụ thể là tọa độ của các điểm tập kết rác theo kinh độ, vĩ độ và căn cứ theo ma trận khoảng cách lưu trữ trong cơ sở dữ liệu tri
thức hệ thống thực hiện tính toán phân cụm các điểm tập kết rác bằng thuật toán K- Mean với số cụm bằng số xe cuốn ép rác tham gia vận chuyển rác thải. Sau khi phân cụm, tổng thể tích rác tại mỗi cụm được tính toán. Những cụm có tổng thể tích rác lớn được giao cho những xe cuốn ép rác có thể tích chuyên chở lớn, ngược lại những cụm có tổng thể tích rác nhỏ hơn được giao cho những xe cuốn ép rác có thể tích thùng nhỏ hơn phụ trách.
Sau khi đã thực hiện phân cụm và giao các điểm tập kết rác thải cho xe cuốn ép rác phụ trách vận chuyển, hệ thống thực hiện tính toán lộ trình tối ưu cho các xe cuốn ép rác bằng cách sử dụng thuật toán tối ưu hóa đàn kiến ACO. Trong trường hợp thực tế này, không còn giả định tổng thể tích rác tại mỗi cụm nhỏ hơn hoặc bằng thể tích chuyên chở của phương tiện nữa. Nói cách khác, thông thường tổng thể tích rác thải của mỗi cụm lớn gấp nhiều lần thể tích chuyên chở của xe cuốn ép rác. Vì vậy, thuật toán ACO được điều chỉnh với một số khác biệt so với chương 2 như sau:
* Phương tiện được phép quay trở lại điểm tập kết rác nhiều lần
* Khái niệm “một chu trình” được chuyển thành ý nghĩa “tất cả các điểm tập kết rác thải được thu gom hết rác thải”. Điều này có nghĩa là xe chỉ viếng thăm một tập con của các điểm tập kết rác thải trong một cụm cho đến khi đầy và phải quay trở về đổ rác. Trong trường hợp nếu vẫn còn điểm tập kết rác thải thì phải đến những điểm đó để vận chuyển rác thải cho đến khi không còn rác thải ở tất cả các điểm tập trung đã giao.
Việc thực thi giải thuật ACO là hoàn toàn tương tự như phát biểu trong chương 2. Việc cập nhật thông tin chất dịch pheromon được thực hiện khi “một chu trình” hoàn tất. Dễ dàng nhận thấy, với giải thuật ACO ta có thể truyền đạt thông tin về tuyến đường tốt cho con kiến đi sau một cách gián tiếp. Trong thực tế, để đảm bảo việc cho ra kết quả tính toán trong một khoảng thời gian nhất định, số lần vòng lặp thực thi giải thuật ACO được điều chỉnh cho phù hợp.
Sau khi tính toán được lộ trình tối ưu bằng giải thuật ACO, lộ trình tối ưu được gửi tới xe cuốn ép rác bằng thiết bị di động thông minh.
Trong quá trình vận chuyển rác thải, tài xế thực hiện cập nhật thông tin tình trạng thể tích thùng của xe sau mỗi thời điểm thực hiện thu gom xong một điểm tập kết rác thải. Dựa vào thông tin này có thể tận dụng để xử lý trường hợp giảm thiểu số lần xe cuốn ép rác trở về bãi rác trong tình trạng không đầy. Để giảm được số lần xe cuốn ép rác trở về bãi rác trong tình trạng không đầy hay nói cách khác là tăng năng lực xử lý của xe, trong phạm vi mở rộng, hệ thống thực hiện như sau:
Mỗi khi xe kết thúc lộ trình thu gom và không đầy, hệ thống thực hiện tìm kiếm những điểm tập kết rác lân cận thuộc phạm vi xử lý của phương tiện khác sau cho khoảng cách từ phương tiện không đầy đó tới điểm tập kết rác nhỏ hơn một ngưỡng cho trước và tổng thể tích rác của cụm do xe khác phụ trách đó lớn hơn thể tích còn dư của phương tiện phụ trách cụm đó. Như vậy, tổng số lượt xe trở về bãi rác với thùng xe chưa đầy được giảm xuống.
3.4. Kết luận
Trong chương này đã trình bày hệ thống thu gom rác thải tại TP. Hà Giang, thực hiện tính toán lộ trình tối ưu theo giải thuật đã đề xuất, từ đó thực hiện thí nghiệm với mô hình đa tác tử, thực hiện đo lường kết quả và so sánh với kết quả thực tế. Kết quả cho thấy lộ trình tối ưu tốt hơn lộ trình cũ. Ngoài ra, thực hiện mô tả mô hình hệ thống tối ưu thu gom rác thải mở rộng với nhiều nội dung được xử lý tính toán, kết quả thử nghiệm đã được công bố tại hội nghị SoICT năm 2016 tại TP. Hồ Chí Minh và phát hành trên thư viện số ACM (http://dl.acm.org/).
CHƯƠNG 4. KẾT LUẬN VÀ HƯỚNG PHÁT TRIỂN
Trong phạm vi luận văn đã thực hiện nghiên cứu về bài toán định tuyến xe VRP và một số biến thể của nó như OVRP, DVRP. Thực hiện tìm hiểu một số giải thuật áp dụng cho bài toán định tuyến xe VRP như giải thuật tối ưu hóa đàn kiến, giải thuật tìm kiếm cục bộ, giải thuật hàng xóm gần nhất.
Luận văn đã thực hiện nghiên cứu bài toán định tuyến xe áp dụng trong lĩnh vực tối ưu hóa thu gom và vận chuyển rác thải rắn trong đô thị cùng với một số phương pháp tối ưu được giới thiệu như chiến lược tối ưu hóa đàn kiến, sử dụng giải thuật di truyền, lập trình nhị phân,… Từ các nghiên cứu đó, nêu lên hàm mục tiêu của bài toán và đề xuất giải thuật cho bài toán tối ưu hóa thu gom rác thải trong đô thị.
Luận văn đã khảo sát mô hình thu gom rác thải truyền thống, đề xuất một giải pháp định tuyến các xe cuốn ép rác phù hợp với số liệu thực tế của TP. Hà Giang. Phương pháp đề xuất được phân tích và đánh giá bằng cách so sánh, thực hiện trên tập dữ liệu thực tế của TP. Hà Giang, so sánh số liệu của phương pháp thu gom rác truyền thống và số liệu thu được từ mô hình mô phỏng thử nghiệm lộ trình tối ưu. Ngoài ra, kết quả của luận văn đã được công bố tại hội nghị SoICT năm 2016 tại TP. Hồ Chí Minh và phát hành trên thư viện số ACM (http://dl.acm.org/).
TÀI LIỆU THAM KHẢO
[1]. Barbucha, D., P. Jedrzejowicz, An Agent-Based Approach to Vehicle Routing Problem, International Journal of Applied Mathematics and Computer Science, vol. 4 nr 2 pp. 538 543, 2007.
[2]. Sindhya K.Nambiar and Dr. Sumam Mary Idicula, A Multi-Agent Vehicle Routing System for Garbage Collection, International Conference on Advanced Computing (ICoAC), 2013 Fifth.
[3]. Asvin Goel and Volker Gruhn Solving a Dynamic Real-Life Vehicle Routing Problem, Operations Research Proceedings 2005.
[4]. R. Montemanni et aI., Ant colony system for a dynamic vehicle routing problem, Journal of Combinatorial Optimization,vol 10,pp:327{343, 2005. [5]. Manh Hung Nguyen, Manh Son Nguyen, Tuong Vinh Ho, Thi Ha Phan, Van
Anh Trinh, Dynamic Path Optimization in Traffic Routing,
[6]. B.E. Gillett, L.R. Miller, A heuristic algorithm for the vehicle dispatch problem, Operations Research 22, pp. 240-349, 1974.
[7]. G. B. Dantzig and R.H. Ramser, The truck dispatching problem, Management Science, vol. 6, pp. 809 1, October 1959.
[8]. Golden, B., Naji-Azimi, Z., Raghavan, S., Salari, M., Toth, P., 2012. The generalized covering salesman problem. INFORMS J. Comput. 24, 534–553. doi:10.1287/ijoc.1110.0480
[9]. Toro, E., Escobar, A., Granada, M., 2016. Literature Review on the Vehicle Routing Problem in the Green Transportation Context. Luna Azul 42, 362– 387. doi:10.17151/luaz.2016.42.21
[10]. Salari, M., 2010. Formulations and Algorithms for Routing Problems. DEGLI STUDI DI BOLOGNA Dottorato.
[11]. Archetti, C., Speranza, M.G., 2004. Vehicle routing in the 1-skip collection problem. J. Oper. Res. Soc. 55, 717–727. doi:10.1057/palgrave.jors.2601743 [12]. Buenrostro-Delgado, O., Ortega-Rodriguez, J.M., Clemitshaw, K.C.,
algorithms to improve the solid waste collection service in an urban area. Waste Manag. 41, 20–7. doi:10.1016/j.wasman.2015.03.026
[13]. Chatzouridis, C., Komilis, D., 2012. A methodology to optimally site and design municipal solid waste transfer stations using binary programming. Resour. Conserv. Recycl. 60, 89–98. doi:10.1016/j.resconrec.2011.12.004 [14]. Das, S., Bhattacharyya, B.K., 2015. Optimization of municipal solid waste
collection and transportation routes. Waste Manag. 43, 9–18. doi:10.1016/j.wasman.2015.06.033
[15]. Karadimas, N. V., Kouzas, G., Anagnostopoulos, I., Loumos, V., 2005. Urban solid waste collection and routing: The ant colony strategic approach. Int. J. Simul. Syst. Sci. Technol. 6, 45–53.
[16] Marco Dorigo and Thomas Stützle, Ant Conoly Optimization, A Bradford Book, The MIT Press, Cambridge, Massachusetts, London, England, 2004. [17] Marco Dorigo and ThomasStützle, The Ant Colony Optimization
Metaheuristic: Algorithms, applications and Advances, Technical Report IRIDIA/2000-32, IRRIDIA, Université Libre de Bruxelles, Belgium, 2000. [18] Marco Dorigo, Mauro Birattari, and Thomas Stützle, Ant Conoly Optimization,
IEEE COMPUTATIONAL INTELLIGENCE MAGAZINE, 11/2006.
[19] Dinh Quang Huy; Do Duc Dong; and Hoang Xuan Huan, Multi-level ant system - a new approach through the new pheromone update for ant colony optimization. The IEEE international conference on Research, Innovation and Vision for the Future (RIVF), 2006.
[20] Thomas Stützle and Holger H. Hoos, Max - Min Ant System, Technical Report IRIDIA/ Furure Generation Computer System 16, 2000, 889 - 914.
[21] A. Malakahmad, P. M. Bakri, M. R. M. Mokhtar, and N. Khalil, “Solid waste collection routes optimization via fGISg techniques in ipoh city, malaysia,” Procedia Engineering, vol. 77, pp. 20 – 27, 2014, fourth International Symposium on Infrastructure Engineering in Developing Countries, fIEDCg
2013. [Online]. Available:
[22] T. Ebistu and A. Minale, “Solid waste dumping site suitability analysis using geographic information system (GIS) and remote sensing for Bahir Dar Town, North Western Ethiopia,” African Journal of Environmental Science and ..., vol. 7, no. November, pp. 976–989, 2013. [Online]. Available: http://www.ajol.info/index.php/ajest/article/view/95935
[23] K. B. Hareesh, N. T. Manjunath, and D. P. Nagarajappa, “Route optimization model for municipal solid waste management by decentralized system in davangere city hareesh,” International Journal of Emerging Technology and Advanced Engineering, 2015.
[24] S. Das and B. K. Bhattacharyya, “Optimization of municipal solid waste collection and transportation routes,” Waste Management, vol. 43, pp. 9 – 18,
2015. [Online]. Available:
http://www.sciencedirect.com/science/article/pii/S0956053X15004432
[25] H. Haghshenas, M. Vaziri, and A. Gholamialam, “Evaluation of sustainable policy in urban transportation using system dynamics and world cities data: A case study in isfahan,” Cities, vol. 45, pp. 104 – 115, 2015. [Online]. Available:
http://www.sciencedirect.com/science/article/pii/S0264275114001735
[26] O. Buenrostro-Delgado, J. M. Ortega-Rodriguez, K. C. Clemitshaw, C. Gonzlez-Razo, and I. Y. Hernndez-Paniagua, “Use of genetic algorithms to improve the solid waste collection service in an urban area,” Waste Management, vol. 41, pp. 20 – 27, 2015. [Online]. Available: