技术领域本发明涉及一种大数据处理方法，尤其涉及一种应用于垃圾处理等领域的基于车载信息数据的大数据处理方法。
背景技术：
目前，国内及国外在系统优化技术如下：基本上分为智能系统优化系统和人工优化两种，人工优化主要是通过行业内拥有多年经验的技术人员，对工业系统进行人为的分析和判断，并提供优化方案，这是传统的工程技术咨询工作的一种，主要运用在石油化工工业当中；智能系统优化技术目前主要由世界一级企业所掌控，应用在少部分行业中，基本上是依托本身就具有高信息化程度的行业，或企业本身的产品体系中已配备高信息化能力，如飞机场的智能管理系统和大型工业化农业智能优化系统。而针对物流和收运的系统优化技术，目前在国内仍然处于学术界研究阶段，以VSP和VRP为基本算法。现有技术中主要存在以下的问题及缺陷：第一、人工系统优化仍然是一种智力密集型产业，该技术应用的范围严重的局限于人才的数量和经验，也正是如此，该技术的应用也多数局限于石油化工业和生产制造业，因为专业性极强的人力资源稀缺、培训难度大，导致人工技术难以广泛复制；也因为是人为的对工业系统进行调研、理解、归纳、制作方案，因此工作周期通常冗长，且效率低下，而且人与人之间的对接沟通的偏差都会对优化方案的效果有巨大影响。第二、智能优化系统目前还仅限于少数行业，并且由国际大企业垄断该行业内的优化技术，比如，IBM公司，依托飞机场本身信息化程度高的基础，将飞机场内的所有信息数据进行大数据收集，通过运算，提高机场的飞机流量、提高飞机上座率、提高机场商场的销售营业额。但由于IBM并不全面提供前端数据采集设备，需要通过设施本身高度的信息化程度才能实现，因此该技术除机场以外的应用非常有限；又比如，JohnDeer公司，依托自己农用机械的智能化、信息化基础，向农户提供农业优化技术，包括优化农业的选种、灌溉效率、精准施肥和农产品期货服务等等，该技术主要面向大型的农场，并且必须要配合JohnDeer公司自己的农业机械打包销售，除了行业局限性以外，还会对客户形成巨大的经济负担。国内现有的收运体系优化技术，仍然处于学术研究阶段；而且通常使用的算法非常复杂，需要消耗大量的计算机资源，当学院研究条件无法提供足够计算资源时，则需要将数据进行简化。作为学术研究的数据，本身就有数据量小和数据不精准的缺陷，再次进行数据简化，只会失去数据中隐藏的信息和资讯，优化结果难以达到实操的目的，智能进行基础的理论学习与研究，而基于以上问题，在垃圾处理等领域的大数据处理方法根本不能满足目前的应用需求，浪费了大量人力和物力。
技术实现要素：
本发明所要解决的技术问题是需要提供一种求取收运垃圾处理开销最小值，进而降低垃圾处理的人力物力的大数据处理方法。对此，本发明提供一种基于车载信息数据的大数据处理方法，包括以下步骤：步骤S1，收集垃圾收运车相关的地理坐标和数据信息；步骤S2，对获得的地理坐标和数据信息进行分析，并根据分析结果对垃圾收运点进行分组；步骤S3，对分组后的垃圾收运车进行收集路线优化；步骤S4，将优化后的收集路线通过无线方式传输至所述垃圾收运车中。本发明的进一步改进在于，所述步骤S1中，收集垃圾收运车的每个停靠垃圾收运点的地理坐标、垃圾转运站的地理坐标、垃圾处理设施的地理坐标、垃圾收运点所装载的垃圾重量、每次垃圾装载的时间以及垃圾收运车本身装载的垃圾重量。本发明的进一步改进在于，所述步骤S2中，建立混合整数线性规划模型，然后将获得的地理坐标、垃圾量、路程距离和时间这四个数据包的数据代入至所述混合整数线性规划模型中进行运算，进而根据运算结果得到对垃圾收运点进行分组。本发明的进一步改进在于，所述分组用于实现每一组垃圾收运点的垃圾总量能够达到一辆垃圾收运车满载重量的整数倍数。本发明的进一步改进在于，所述步骤S3中，对分组后的各个垃圾收运点所装载的垃圾重量进行分析，进而在减少运输距离的基础上尽量减少所述垃圾收运车的非满载状况。本发明的进一步改进在于，所述步骤S2通过以下公式建立混合整数线性规划模型：mincve*Σt(Σldo,l*Xt,1,l+Σs>1ΣiΣldi,l*Yt,s,i,l+ΣmΣl1.1*dl,o*Zt,s,l)+Σlcla*Llde;]]>其中，i为垃圾收运点的地理坐标；l为垃圾收运车的停靠节点的地理坐标，t为收集垃圾所需要的往返次数，s为垃圾收运车停靠的先后步骤；cve为垃圾收运车满载时的收运成本，单位为元/每千米；do,l为垃圾收运车起点和终点与每个垃圾收运点之间的路线距离，单位为千米；Xt,1,l为定位变量，表示当垃圾收运车在第t次的第1步的时候到达l位置；di,l为每个垃圾收运点之间的路线距离，单位为千米；Yt,s,i,l为运行弧变量，表示当车辆在第t次的第s步的时候从位置i到达位置l；dl,o为垃圾收运车终点和起点与每个垃圾收运点之间的路线距离，单位为千米；Zt,s,l为返回变量，表示当垃圾收运车在第t次的第s步的时候，垃圾收运车已经没有更多的承载量来装载垃圾，需要返回卸载的时间；cla为垃圾填埋费，单位为元/每立方米；Ll为需要投进填埋场处理的垃圾量，单位为吨；de为垃圾的密度，单位为吨/每立方米。本发明的进一步改进在于，所述步骤S2还依次通过以下公式建立混合整数线性规划模型：用于保证每辆垃圾收运车在每一次的每一步骤都不能到访超过一个以上垃圾收运点；和用于实现所述混合整数线性规划模型运行的连续性；其中，为全称量词，表示在设定范围内该方程都成立；Xt,s,l为定位变量，表示当垃圾收运车在第t次的第s步的时候到达l位置；Xt,s,i为定位变量，表示当垃圾收运车在第t次的第s步的时候到达i位置；Yt,s+1,i,l为运行弧变量，表示当车辆在第t次的第s+1步的时候从位置i到达位置l。本发明的进一步改进在于，所述步骤S2还依次通过以下公式建立混合整数线性规划模型：Σtwl*Xt,1,l+ΣtΣs>1Σiwl*Yt,s,i,l+Ll=wl∀l,]]>用于保证所有垃圾收运点的垃圾都被收运走；用于约束垃圾收运车所的装载的垃圾重量不超过该垃圾收运车本身的承载量；其中，wl为每个垃圾收运点的垃圾量，单位为吨；Ct为垃圾收运车的承重极限。本发明的进一步改进在于，所述步骤S2还依次通过以下公式建立混合整数线性规划模型：Zt,s,i=Xt,s,i-ΣlYt,s+1,i,l∀t,s,i,]]>用于确定垃圾收运车装满后返回的地点；用于限制垃圾收运车避免离开某一地点后再次回到该地点的行为。本发明的进一步改进在于，所述步骤S2还依次通过以下公式建立混合整数线性规划模型：用于确保在任何一个步骤中同一辆垃圾收运车避免在两个不同的地方同时出现。与现有技术相比，本发明的有益效果在于：能够应用于垃圾处理、物流和环保行业，在行业中进行创新，通过前端数据的收集，提高了垃圾处理等行业的经济效益，以区域为单位进行全方位的优化管理，包含垃圾收运和处理，利用真实的垃圾收运处理数据，对数据进行最少的处理，充分反应数据中的所有信息和资讯，动态优化垃圾收运车和垃圾处理设施的每一个环节和每一个步骤，减少人力资源的消耗，节省人员的培训，垃圾收运的驾驶员和操作员只需要听从电脑分析的指示就能够完美运行整个系统，实现了收运垃圾处理开销最小值的求取，并且能够为下一步的无人操作和无人垃圾收运系统提供发展的基础。附图说明图1是本发明一种实施例的工作流程示意图。具体实施方式下面结合附图，对本发明的较优的实施例作进一步的详细说明：如图1所示，本例提供一种基于车载信息数据的大数据处理方法，包括以下步骤：步骤S1，收集垃圾收运车相关的地理坐标和数据信息；步骤S2，对获得的地理坐标和数据信息进行分析，并根据分析结果对垃圾收运点进行分组；步骤S3，对分组后的垃圾收运车进行收集路线优化；步骤S4，将优化后的收集路线通过无线方式传输至所述垃圾收运车中。本例的进一步改进在于，所述步骤S1中，收集垃圾收运车的每个停靠垃圾收运点的地理坐标、垃圾转运站的地理坐标、垃圾处理设施的地理坐标、垃圾收运点所装载的垃圾重量、每次垃圾装载的时间以及垃圾收运车本身装载的垃圾重量。本例所述步骤S2中，建立混合整数线性规划模型，然后将获得的地理坐标、垃圾量、路程距离和时间这四个数据包的数据代入至所述混合整数线性规划模型中进行运算，进而根据运算结果得到对垃圾收运点进行分组。本例所述分组用于实现每一组垃圾收运点的垃圾总量能够达到一辆垃圾收运车满载重量的整数倍数；所述步骤S3中，对分组后的各个垃圾收运点所装载的垃圾重量进行分析，进而在减少运输距离的基础上尽量减少所述垃圾收运车的非满载状况。本例所述步骤S2通过公式建立改进型的混合整数线性规划模型，即建立改进型的MILP模型，MILP是MixedIntegerLinearPrograming的缩写，即混合整数线性规划，是在运筹学中系统优化理论(SystemOptimization)的一种应用技术。其基础原理就是求最大值或最小值，在本例中，运算基本目的为在覆盖所有垃圾收运点的前提下求收运处理开销的最小值。本例通过对垃圾收运车进行信息化改造，项目运行时会收集以下数据：垃圾收运车停靠的每个垃圾收运点的地理坐标、垃圾转运站的地理坐标、垃圾处理设施的地理坐标、垃圾收运点转载的垃圾重量、每次垃圾装载的时间以及垃圾收运车本身装载的垃圾重量等。利用各种获得的地理坐标和数据信息，可以运用ArcGIS等地理信息系统计算出每个垃圾收运点、垃圾转运站和垃圾处理设施之间的实际路程距离，值得注意的是，该实际路程距离非不是直线距离。之后，通过将地理坐标、垃圾收运点的垃圾量、路程距离和时间这四个数据包的数据代入至所述混合整数线性规划模型中进行运算，就能够得到收运垃圾处理开销的最小值。本例所述步骤S2将每个垃圾收运点之间进行分组，分组的基本机制主要是确保每一组垃圾收运点的垃圾总量可以正好达到一辆垃圾收运车满载重量的整数倍数，不多不少，这样可以保证一辆或几辆垃圾收运车到达这一组垃圾收运点以后就可以正好装满，避免垃圾收运车在非满载状况下运输垃圾去处理设施；同时，所述步骤S3对分组后的垃圾收运车进行收集路线优化，即对垃圾收运点分组还要考虑运输的距离，在减少运输距离的前提下，同时减少非满载状况。本例所述步骤S3将在以分好的小组以内进行路线优化，以出发地点开始，垃圾车需要停靠多个垃圾收运点才能装满，优化收集路线也是本例很重要的一个步骤，其中，收集路线的优化机制依次考虑以下几个方面：第一、确定一辆垃圾收运车要停靠多少处垃圾收运点；第二、收集最后一个垃圾收运点以后，垃圾收运车能够正好装满；第三、垃圾收运车的总行驶距离尽可能短；第四、垃圾收运车在空车状况下，行驶到离垃圾卸载点最远的地方，满载时正好离卸载点最近。经过上述收集路线优化运算，在步骤S4中，运算结果会通过无线传输到每一辆对应的垃圾收运车中，当垃圾收运车在装载垃圾的过程中就会获得下一个垃圾收运点的信息，其中，收取的信息包含下一个垃圾收运点的地理位置和符合交通规定并避免交通拥堵的最近GPS路线规划图。除路线规划以外，本例通过对垃圾收运的监测和优化，运算结果可以推算出垃圾收运的资源消耗，包括人力资源和能源等。对于资源消耗大的小部分收运区域，还能够根据本例的数据进行进一步的量化该区域的资源消耗，并进行针对新兴垃圾收运设施的成本-收益分析(Cost-BenefitAnalysis)，模拟未来新设施的对地区垃圾收运的影响，提供准确的决策依据。本例的其应用领域为垃圾处理、货运物流、固体废弃物收集、农产品收集和公交系统等行业领域内，并且属于大数据基础共性技术，比如能够应用于生活垃圾收集路线优化、餐厨垃圾收集路线优化、采矿车矿场内载重及运输优化、钢铁冶炼厂内原料配方装载流程优化、物流运输业库存与运输系统优化以及公交系统线路图优化提高覆盖率及经济效益。应用方法如下：车辆物流通常要经停多个地点装卸货物，通过车载电脑和称重系统记录车辆的运行、位置和载重信息的变化，并储存在车载电脑内；利用GSM和GPRS模块将车辆前端采集的数据上传到网络服务器中；该技术在服务器中对车辆的数据进行分析和运算，计算出车辆下一步的最优化经停点和路线。本例所述步骤S2通过以下公式建立混合整数线性规划模型：mincve*Σt(Σldo,l*Xt,1,l+Σs>1ΣiΣldi,l*Yt,s,i,l+ΣmΣl1.1*dl,o*Zt,s,l)+Σlcla*Llde,]]>该公式为所述混合整数线性规划模型的主程序，在建立了所述混合整数线性规划模型之后，在实际应用中，将地理坐标、垃圾收运点的垃圾量、路程距离和时间这四个数据包的数据分别代入至所述混合整数线性规划模型中进行运算，就能够得到收运垃圾处理开销的最小值。其中，i为垃圾收运点的地理坐标；l为垃圾收运车的停靠节点的地理坐标，为收集垃圾所需要的往返次数，s为垃圾收运车停靠的先后步骤；cve为垃圾收运车满载时的收运成本，单位为元/每千米；do,l为垃圾收运车起点和终点与每个垃圾收运点之间的路线距离，单位为千米；Xt,1,l为定位变量，表示当垃圾收运车在第t次的第1步的时候到达l位置；di,l为每个垃圾收运点之间的路线距离，单位为千米；Yt,s,i,l为运行弧变量，表示当车辆在第t次的第s步的时候从位置i到达位置l，该变量优选为1；dl,o为垃圾收运车终点和起点与每个垃圾收运点之间的路线距离，单位为千米；Zt,s,l为返回变量，表示当垃圾收运车在第t次的第s步的时候，垃圾收运车已经没有更多的承载量来装载垃圾，需要返回卸载的时间，该变量优选为1；cla为垃圾填埋费，单位为元/每立方米；Ll为需要投进填埋场处理的垃圾量，单位为吨；de为垃圾的密度，单位为吨/每立方米。本例所述步骤S2还依次通过以下八个约束公式建立混合整数线性规划模型，进而使得所述混合整数线性规划模型更为优化。第一、用于保证每辆垃圾收运车在每一次的每一步骤都不能到访超过一个以上垃圾收运点。第二和第三、Xt,s,i≥ΣlYt,s+1,i,l∀t,s,i]]>和Xt,s,i=≥ΣiYt,s,i,l∀t,s,>1.l,]]>用于实现所述混合整数线性规划模型运行的连续性，简单来讲，就是当垃圾收运车到达了一个垃圾收运点，那么下一步，该垃圾收运车必须先从这一垃圾收运点离开才能到下一个垃圾收运；其中，为全称量词，表示在设定范围内该方程都成立，设定范围可以根据用户需求进行自定义设置；Xt,s,l为定位变量，表示当垃圾收运车在第t次的第s步的时候到达l位置，该定位变量优选为1；Xt,s,i为定位变量，表示当垃圾收运车在第t次的第s步的时候到达i位置；Yt,s+1,i,l为运行弧变量，表示当车辆在第t次的第s+1步的时候从位置i到达位置l。第四、Σtwl*Xt,1,l+ΣtΣs>1Σiwl*Yt,s,i,l+Ll=wl∀l,]]>用于保证所有垃圾收运点的垃圾都被收运走。第五、用于约束垃圾收运车所的装载的垃圾重量不超过该垃圾收运车本身的承载量；其中，wl为每个垃圾收运点的垃圾量，单位为吨；Ct为垃圾收运车的承重极限。第六、用于确定垃圾收运车装满后返回的地点。第七、用于限制垃圾收运车避免离开某一地点后再次回到该地点的行为。第八、用于确保在任何一个步骤中同一辆垃圾收运车避免在两个不同的地方同时出现。本例能够应用于垃圾处理、物流和环保行业，在行业中进行创新，通过前端数据的收集，提高了垃圾处理等行业的经济效益，以区域为单位进行全方位的优化管理，包含垃圾收运和处理，利用真实的垃圾收运处理数据，对数据进行最少的处理，充分反应数据中的所有信息和资讯，动态优化垃圾收运车和垃圾处理设施的每一个环节和每一个步骤，减少人力资源的消耗，节省人员的培训，垃圾收运的驾驶员和操作员只需要听从电脑分析的指示就能够完美运行整个系统，实现了收运垃圾处理开销最小值的求取，并且能够为下一步的无人操作和无人垃圾收运系统提供发展的基础。以上内容是结合具体的优选实施方式对本发明所作的进一步详细说明，不能认定本发明的具体实施只局限于这些说明。对于本发明所属技术领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干简单推演或替换，都应当视为属于本发明的保护范围。