《Waste Management》：Optimization of municipal solid waste (MSW) collection routes in Hengyang City, china using an enhanced genetic algorithm based on Amap application programming interface (API)
编辑推荐：
城市固废收集路径优化模型与增强遗传算法研究。通过整合高德地图API实时路网数据，构建了包含运输成本、固定成本和碳排放成本的综合优化模型，并创新性地提出基于种群多样性反馈的动态参数调整机制、混合变异策略及精英保留策略。实验表明，所提EGA在求解400节点规模的实际问题时，总成本较传统GA降低31%，较模拟退火、粒子群优化和蚁群算法分别节省55%、90%和12%。研究有效解决了静态路网规划与实时交通条件的适配难题，为智慧环卫系统提供可扩展的优化框架。
张思宇|张晓文|肖亚楠|唐慧兰|赵玉静|王思柔|彭颖
华南理工大学资源环境与安全工程学院，中国衡阳421001
摘要 人口增长和城市化进程，加上日益严重的环境问题，使得低碳和高效的垃圾收集成为环境卫生管理系统中的关键组成部分。为了解决研究区域内垃圾收集过程中空驶和绕行等问题，以及传统遗传算法（GA）在涉及高密度道路网络和现实世界条件的路线优化应用中收敛速度慢和计算瓶颈的问题，本研究开发了一种车辆路线优化模型，旨在最小化车辆运输成本、固定成本和碳排放成本的总和。该模型利用Amap API获取真实道路网络数据等信息，确保模型解决方案在现实应用场景中的可行性。提出了一种改进的遗传算法（EGA），该算法引入了基于种群多样性反馈的自适应参数调整机制、复合变异策略和精英保留策略。这些改进显著提升了算法的全局搜索能力、收敛速度、鲁棒性和计算效率。与基于GA的解决方案相比，优化后的路线总距离减少了31%。与模拟退火（SA）、粒子群优化（PSO）和蚁群优化（ACO）相比，分别节省了55%、90%和12%的成本。
引言 垃圾收集是指收集车辆以社区或街道为主要收集单元，从各个地点收集生活垃圾并将其运输到垃圾转运站或处理中心的过程（Das和Bhattacharyya，2015）。垃圾收集过程的成本占整个垃圾管理系统总支出的近60%（Yu等人，2020；Niu等人，2024）。优化垃圾收集路线是城市垃圾管理中的核心挑战（Wei等人，2022），因为它直接影响运营效率、成本控制和环境可持续性。联合国（UN）预计到2050年，三分之二的人口将居住在城市地区，“垃圾围城”的问题将更加严重（联合国，2018）。根据中国国家统计局（NBSC）的数据，到2023年，中国城市收集和运输的生活垃圾年量已超过2.5亿吨（NBSC，2024）。传统的收集方式主要依赖人工经验，难以适应垃圾量的波动和复杂的交通状况。不合理的收集路线不仅导致高昂的燃料成本，还会加剧交通拥堵和二次污染（Breukelman等人，2019）。有效的路线优化可以提高车辆使用效率并显著减少碳排放（Song和Chen，2025）。研究人员通常将垃圾收集和运输过程建模为容量限制的车辆路线问题（CVRP）（Hannan等人，2020a；Liao等人，2025），将其抽象为从单一仓库出发、在容量限制下服务多个需求节点并返回仓库的最小成本路径优化问题。
在路线建模方面，CVRP研究通常依赖于欧几里得距离或静态道路网络等假设，一些学者选择GIS技术进行静态路线模拟（Amal等人，2018；Li等人，2022；Ullah等人，2025）。但实际上，静态GIS规划经常忽略单行道、禁止左转等交通限制以及实时交通状况（Hannan等人，2020b；Ji等人，2015），导致理论最优路线与实际行驶路径之间存在显著偏差。随着Amap和Google Maps等开放地图接口的普及，获取真实道路网络数据已成为可能。一些研究人员开始在可达性分析等场景中使用这些接口（Liu和Wang，2020；Yu和Wang，2021；Lv等人，2023；Ferr?o等人，2024）。然而，很少有研究人员将这些实时交通数据整合到CVRP模型中用于垃圾收集。
为了解决路径规划问题，研究人员采用了多种算法，其中GA作为经典的启发式优化算法在物流分配和路线规划领域得到了广泛应用（Movahed等人，2020；Pe?a等人，2024）。然而，GA在处理大规模问题时经常面临收敛速度慢、局限于局部最优解以及对参数设置敏感等挑战。这些挑战在一定程度上限制了其在实际应用中的效率和可靠性。尽管一些研究人员提出了一系列改进措施，如引入多种群体策略和混合局部搜索（Zhang等人，2022；Li等人，2023c；Hua，2025），但大多数人使用固定参数，无法动态适应进化不同阶段的搜索需求。
针对上述研究空白，本研究提出以下具体研究问题：
(1) 如何将现实世界的道路网络约束和实时交通状况有效地整合到城市垃圾收集路线优化的数学模型中？
(2) 如何改进传统的GA，解决其过早收敛、收敛速度慢和容易陷入局部最优解的问题，从而提高算法的全局搜索能力和收敛鲁棒性？
(3) 所提出的模型和改进的算法能否在真实的城市场景中有效优化实际的垃圾收集路线，提高收集效率并降低运营成本和碳排放？
为了解决这些问题，本研究采用了一系列有针对性的方法。首先，可以利用Amap API提供的路径规划和交通状况查询接口，根据收集点和运输点之间的实际距离构建距离矩阵和实时交通信息查询，从而建立整合真实道路条件和生活垃圾收集运输路线优化的数学模型。其次，整合了自适应参数调整机制、复合变异策略和精英保留机制等优化策略，以提高GA的性能并避免过早收敛。最后，在湖南省衡阳市进行了近400个节点的案例研究，以验证模型和算法的可行性和有效性。本研究为优化城市垃圾收集路线提供了有效的解决方案，从而促进可持续的城市发展。本文的主要贡献总结如下：
(1) 将生活垃圾收集过程建模为在真实道路条件下的车辆路线规划问题，确保路线优化结果更接近实际情况和更具实用性。
(2) 提出了一种结合基于种群多样性反馈的自适应参数调整机制、混合变异策略和精英保留机制的EGA，以提高传统GA在城市垃圾收集路线优化中的适应性，从而增强全局搜索能力、收敛速度的鲁棒性和解决方案质量。
(3) 实际案例研究的实验结果表明，所提出的模型和算法是有效的，可以解决生活垃圾收集和运输路线的优化问题，提高收集和运输效率，并降低运营成本。
文献综述 近年来，关于垃圾收集路线优化的研究十分丰富，相关研究可以从四个不同的角度进行分类。
在应用场景方面，为了满足各种现实生活场景中的垃圾管理需求，一些学者进行了相关研究。Wu等人（2020）构建了一个优先级受限的绿色车辆路线问题（PCGVRP）模型，考虑了高优先级的垃圾箱（例如医疗垃圾箱）
问题描述和基本假设 研究问题可以描述如下：环境卫生部门负责其管辖范围内的垃圾收集。给定一组住宅收集点N = { 0 , ? , n } K = { 1, 2 , ? , n }
设计动机 首先，关于GA中使用固定的交叉率和变异率，它们难以适应算法不同进化阶段的搜索需求。当迭代后期种群多样性显著下降时，固定的变异率无法有效跳出局部最优域，导致过早收敛。因此引入了一种自适应的动态参数调整机制，根据种群情况动态调整变异率
数据集和实验平台 数据集：为了验证所提出的EGA与其他算法的性能比较，本研究采用了CVRPLIB中的Augerat数据集，这是一个国际公认的容量限制车辆路线问题的标准数据集库（见补充数据集）。
实验平台：本文中的所有算法均在Python 3.13（64位）环境下实现，并在配置相同的个人计算机（PC）上执行：Intel(R) Core (TM) i7-8550U CPU @ 1.80 GHz
研究局限性 尽管本研究在生活垃圾收集路线优化方面取得了良好的优化结果，但仍存在以下局限性：
(1) 模型假设所有收集点的垃圾量都是已知且固定的，没有考虑实际中的不确定因素，如垃圾量的季节性波动和天气影响。
(2) 模型中的所有车辆类型相同且容量恒定，尚未考虑多车辆类型协同调度的问题
结论 本文解决了当前垃圾收集中存在的问题，以及传统GA在现实道路应用场景中的收敛速度慢和计算瓶颈问题。它开发了一个结合Amap API的绿色车辆路线优化模型，并提出了一种EGA，该模型集成了由种群多样性反馈驱动的自适应参数调整机制、复合变异策略和精英保留机制。
实验结果
CRediT作者贡献声明 张思宇： 撰写——原始草稿、软件开发、方法论、数据整理、概念化。张晓文： 撰写——审阅与编辑、监督、概念化。肖亚楠： 调查、数据整理。唐慧兰： 可视化、调查。赵玉静： 可视化、验证。王思柔： 验证、调查。彭颖： 撰写——审阅与编辑、监督、概念化。
利益冲突声明 作者声明他们没有已知的财务利益或个人关系可能影响本文所述的工作。
