Модель маршрутизации транспортных средств с ограничением по выбросам для устойчивого сбора городских отходов с использованием гибридного направляемого локального поиска

Почему разумные маршруты вывоза мусора важны

Мусоровозы привычны в любом городе, но немногие задумываются, сколько топлива они расходуют и сколько углерода выделяют, лавируя по загруженным улицам. В этой работе показано, что при более интеллектуальном планировании маршрутов — с учётом не только расстояния и времени, но и загрузки машин и объёма их выбросов — города могут сократить расход топлива, уменьшить выбросы парниковых газов и сэкономить деньги, не покупая новые машины и не меняя частоту вывоза.

Мусоровозы и изменение климата

Транспорт является важным источником загрязнения, приводящего к глобальному потеплению, и городские службы, такие как сбор отходов, вносят непропорционально большой вклад, поскольку задействуют тяжёлую технику с частыми остановками на оживлённых улицах. Традиционное планирование маршрутов ориентируется на минимизацию расстояния или затрат, предполагая, что более короткие маршруты автоматически означают меньше топлива и выбросов. На практике это лишь часть истины. Полностью загруженный мусоровоз сжигает больше топлива, чем пустой, а городские власти всё чаще устанавливают явные цели и бюджеты по углеродным выбросам. Авторы утверждают, что городам нужны системы маршрутизации, которые прямо «видят» топливо и углерод, а не только километры или рабочие часы.

Новый подход к планированию городских маршрутов

Для решения этой задачи исследование представляет расширенную модель планирования — Задачу маршрутизации транспортных средств с учётом выбросов и ограничений по вместимости с временными окнами. Проще говоря, это математическая схема, которая решает, какой автомобиль обслуживает какие контейнеры, в каком порядке и в какое время, соблюдая ограничения по вместимости машин, рабочему времени и временным окнам клиентов. Новизна заключается в том, что в расчёт напрямую заложены топливо и выбросы. Расход топлива связан как с расстоянием, так и с нагрузкой: тяжелый автомобиль сжигает больше топлива на километр. К тому же модель позволяет городу вводить политические правила, например общий суточный лимит по углеродным выбросам и верхний предел средней интенсивности выбросов на километр для всего парка.

Умный поиск для улучшения маршрутов

Поскольку число возможных маршрутов стремительно растёт с ростом города, ни один компьютер не может просто перебрать все варианты. Поэтому авторы разрабатывают адаптированную процедуру поиска, названную Гибридным направляемым локальным поиском. Она начинается с быстрого метода «дешёвой допустимой вставки», который формирует начальный набор рабочих маршрутов, всегда добавляя следующую остановку наиболее дешёвым способом, учитывающим все ограничения. Затем алгоритм многократно улучшает эти маршруты — меняя остановки местами, разворачивая участки или перекладывая клиентов между машинами — при этом контролируя и логистические правила, и лимиты по выбросам. Механизм направляющих штрафов отводит поиск от паттернов, которые систематически приводят к высоким затратам или выбросам, помогая алгоритму выходить из локальных минимумов и продолжать улучшение решения.

Проверка модели на практике

Подход сначала тестируется на стандартных академических тестовых задачах, чтобы убедиться в его конкурентоспособности по сравнению с известными методами. В десятках тестовых случаев гибридный поиск часто сравним или превосходит лучшие известные решения по числу используемых автомобилей и пройденному расстоянию, и стабильно опережает распространённые альтернативы, такие как генетические алгоритмы и имитация отжига. Ещё важнее для практики то, что авторы применили модель к реальной зоне сбора отходов в Пешаваре (Пакистан) — с 109 площадками контейнеров и сложной уличной сетью с односторонними улицами, узкими переулками и ограничениями, связанными со школами. По сравнению с городскими эпизодическими маршрутами оптимизированные планы сократили потребление топлива и выбросы CO₂ примерно на 9–11% и уменьшили общие эксплуатационные расходы примерно на 8–9%, при этом соблюдая строгие углеродные бюджеты и пределы интенсивности выбросов.

Что это значит для городов

Для неспециалистов вывод прост: без покупки новых машин и без изменения частоты вывоза более разумное планирование само по себе может заметно уменьшить углеродный след города и счёт за топливо. Рассматривая выбросы и политические лимиты как первоочередные входные данные — а не как отчёты по факту — предложенный метод позволяет городским менеджерам исследовать разные сценарии: приоритет экономии затрат, ужесточение углеродных бюджетов или требование, чтобы каждый проведённый километр оставался ниже выбранного порога выбросов. Результаты кейса показывают, что такое умное планирование делает муниципальный сбор отходов чище, дешевле и устойчивее, предоставляя практический инструмент для городов, стремящихся выполнить климатические цели, сохраняя при этом бесперебойную работу необходимых служб.

Цитирование: Khalid, Q.S., Maqsood, S., Mumtaz, J. et al. An emission-capacitated vehicle routing model for sustainable urban waste collection using hybrid guided local search. Sci Rep 16, 7691 (2026). https://doi.org/10.1038/s41598-026-38829-5

Ключевые слова: сбор городских отходов, маршрутизация транспортных средств, выбросы углерода, устойчивая логистика, алгоритмы оптимизации