Нечёткая оптимизация маршрутов сбора мусора в муниципалитетах при неопределённых выбросах

Почему важно переосмыслить маршруты вывоза мусора

Каждый день города отправляют парки мусоровозов по точно рассчитанным маршрутам, чтобы улицы оставались чистыми, а районы — удобными для жизни. Однако объём мусора в каждом контейнере или пункте сбора может сильно меняться из‑за праздников, штормов, массовых мероприятий или внезапных нарушений. Когда городские планировщики предполагают, что объём отходов полностью предсказуем, машины могут перегружаться, совершать дополнительные рейсы или оставлять мусор. В этом исследовании рассматривается, как проектировать более разумные маршруты сбора с учётом такой неопределённости, помогая городам экономить средства и сохранять надёжность обслуживания.

Запутанные реалии повседневного мусора

Муниципальные твёрдые отходы поступают из домов, магазинов, ресторанов, офисов и общественных пространств. Во всём мире сейчас образуется более двух миллиардов тонн таких отходов в год, с прогнозами почти удвоения к 2050 году. Сбор и транспортировка этих материалов — одна из самых дорогих частей управления отходами, часто составляющая 60–70 процентов общих затрат. Во многих городах, в том числе в тех, что исследованы здесь, системы сбора отстают от современных перерабатывающих мощностей, поэтому важно извлечь максимум эффективности из грузовиков, депо и маршрутов. Загвоздка в том, что объём отходов в каждой точке сбора не фиксирован, а формируется поведенческими факторами и внешними событиями, которые трудно точно предсказать.

От фиксированных чисел к нечётким ожиданиям

Большинство предыдущих работ рассматривали объём мусора в каждой остановке как фиксированную величину или пытались подогнать точную вероятностную кривую, используя большие объёмы исторических данных. Обе стратегии на практике сталкиваются с проблемами: подробные данные часто недоступны, а фиксированные допущения игнорируют колебания, наблюдаемые в реальных операциях. Это исследование вместо этого использует «нечёткое» описание выбросов, основанное на трапециевидных нечётких числах. Проще говоря, каждой остановке соответствует разумный диапазон вероятных объёмов отходов с центральной полосой, которая особенно правдоподобна, а не одно единственное лучшее предположение. Модель затем требует, чтобы любой планируемый маршрут имел достаточную вероятность оставаться в пределах вместимости каждого грузовика согласно уровню доверия, выбранному городскими руководителями.

Проектирование маршрутов с заложенной гибкостью

Имея такую более нечёткую, но реалистичную картину, решение о том, какие грузовики должны обслуживать какие районы, становится сложной задачей с множеством возможных решений. Для её решения авторы создают модель оптимизации для города с несколькими перегрузочными станциями и множеством пунктов сбора, обслуживаемых в узком утреннем временном окне. Затем они разрабатывают специализированную процедуру поиска под названием ALNS-TS, которая сочетает адаптивный поиск по большим окрестностям с механизмом табу-поиска. По сути алгоритм многократно разбирает и восстанавливает кандидатные маршруты, обучаясь тому, какие изменения снижают затраты, и используя кратковременную память, чтобы не застревать в повторяющихся или субоптимальных шаблонах. Это позволяет ему быстро исследовать множество вариантов маршрутизации, даже когда базовая задача очень большая.

Что происходит, когда учитывают неопределённость

Используя стандартные эталонные наборы данных, исследователи сравнивают планы, построенные при двух предположениях: одно — когда объём отходов в каждой точке считается точно известным, и другое — когда он варьируется в пределах нечётких диапазонов. Как и ожидалось, маршруты, игнорирующие неопределённость, выглядят более дешевыми на бумаге: машины проезжают меньше километров и требуется меньше транспортных средств. Однако при серьёзном учёте колеблющихся объёмов требуется дополнительный пробег и больше машин, чтобы избежать перегрузок и проваленных вывозов. Исследование также показывает, что более высокие уровни требуемой уверенности — то есть когда городские менеджеры менее склонны рисковать пропущенными сборками — приводят к постоянно растущим эксплуатационным затратам. Через тесты чувствительности авторы выделяют средний уровень доверия, который обеспечивает высокую надёжность без чрезмерных расходов.

Более умные алгоритмы для чище городов

Чтобы проверить, стоит ли их метод усилий, авторы сравнивают ALNS-TS с несколькими популярными методами оптимизации, включая базовый адаптивный поиск, генетический алгоритм и оптимизацию муравьиных колоний. В ряде тестовых случаев гибридный метод находит маршруты с более низкой суммарной стоимостью, потребляя при этом лишь умеренно больше вычислительного времени по сравнению с простыми эвристиками. С практической точки зрения это означает, что городская служба могла бы генерировать качественные планы маршрутов в течение ночи или даже в рамках ежедневного цикла планирования, при явном учёте неопределённых объёмов мусора и выбранных стандартов обслуживания.

Что это значит для горожан

Для неспециалистов главный вывод в том, что сбор мусора можно сделать одновременно более надёжным и более эффективным, открыто признавая непредсказуемость объёмов и планируя с учётом этого факта. Вместо притворства, что каждый контейнер заполняется с фиксированной скоростью, эта работа моделирует реалистичный диапазон для каждой остановки и даёт городским менеджерам возможность решить, какой риск переполнения или пропуска сбора они готовы принять. В результате получается набор маршрутов, которые могут потреблять немного больше топлива и задействовать несколько дополнительных машин, но значительно снижают вероятность накопления невывезенного мусора на тротуарах. Коротко говоря, сочетая нечёткие описания уровней мусора с современными алгоритмами маршрутизации, города могут поддерживать улицы чище и рациональнее использовать свои ресурсы.

Цитирование: Zhang, Y., Wei, Y., Zhang, B. et al. Fuzzy optimization of municipal solid waste collection routing under uncertain emissions. Sci Rep 16, 4857 (2026). https://doi.org/10.1038/s41598-026-35209-x

Ключевые слова: маршрутизация сбора отходов, муниципальные твёрдые отходы, моделирование неопределённости, нечёткая оптимизация, эвристические алгоритмы