CC BY
11
The article proposes a method for constructing an automatic control system (ACS) with a variable structure of a frequency-controlled electric drive (ED), which is based on a synchronous machine of classical design. The method is based on the calculation and a specific task, depending on the load, of the angle between the spatial vectors of the stator winding's flux linkage and the current flowing in windings. Mathematical and simulation modeling of ACS synchronous ED with vector control is carried out. The results of this work can be used in the design of automatic control systems of the frequency-controlled synchronous motor with field-oriented control.
Key words: automatic control system, variable structure, synchronous electric drive, vector control, electromagnetic moment, magnetic field control law, stator flow coupling, scattering flow coupling.
Ostrovlyanchik Victor Yurevich, doctor of technical sciences, professor, [email protected], Russia, Novokuznetsk, Siberian State Industrial University,
Zaitsev Nikita Sergeevich, postgraduate, [email protected], Russia, Novokuznetsk, Siberian State Industrial University,
Kubarev Vasiliy Anatolevich, candidate of technical sciences, docent, head of chair, [email protected], Russia, Novokuznetsk, Siberian State Industrial University,
Kuznetsova Elena Stepanovna, candidate of technical sciences, docent, [email protected], Russia, Novokuznetsk, Siberian State Industrial University,
Modzelevskiy Dmitriy Evgenevich, candidate of technical sciences, docent, [email protected], Russia, Novokuznetsk, Siberian State Industrial University
УДК 656.078
DOI: 10.24412/2071-6168-2023-4-624-634
РАЗРАБОТКА АЛГОРИТМА АВТОМАТИЗАЦИИ ПРОГНОЗА ТРАНСПОРТНОЙ РАБОТЫ ПЕРЕВОЗЧИКОВ ТВЕРДЫХ КОММУНАЛЬНЫХ ОТХОДОВ
В.В. Рубинов, Н.Н. Майоров, А.А. Буцанец
Задачей исследования является разработка метода принятия решения, подпрограммы автоматизации о количестве и типе специализированной транспортной техники для работы с твердыми коммунальными и крупногабаритными отходами внутри существующей схемы потоков для любого региона, области, или транспортного участка. Для решения поставленной задачи и разработки подпрограммы автоматизации прогноза, в предлагаемом исследовании, был разработан новый подход к анализу системы транспортировки коммунальных отходов с точки зрения оценки необходимого перечня универсальных структурированных исходных данных, которые первично характеризуют работу в том или ином регионе. В статье была предложена классификация специализированной техники, позволяющая проводить подобный анализ без большого количества технологических данных. Для работы с данными был разработан новый алгоритм определения количественных показателей мест накопления и определения необходимого количества транспорта для обслуживания определённого участка в зоне деятельности. Разработанный новый алгоритм, позволил исследовать регион используя автоматизированную подпрограмму для определения расстояний от групп контейнерных площадок до «узловой» точки, определения необходимого количества специализированного транспорта. Разработанный алгоритм был реализован на платформе «1С:Комплексная автоматизация» для удобства интеграции как с городскими информационными системами, так и информационными системами транспортных компаний. Для решения поставленной задачи выполнен анализ объемов перевозок, сформирован набор данных, который необходимо использовать для исследования территории обслуживания, и данные позволяющие принимать решения по выбору типа и количества транспортных средств для последующего построения моделей в имитационных программных системах для прогнозной оценки загруженности, мощности и совокупных транспортных издержек. На основе полученных результатов были определены области дальнейших исследований для повышения точности и расширения возможной области решения задач для разработанного алгоритма и подпрограммы автоматизации. Представленное автоматизированное решение можно интегрировать в существующие информационные системы и, за счет универсальности решения, внедрить в другие компании и регионы.
Ключевые слова: твердые коммунальных отходы, система обращения отходов, регионы, реформа, транспортное предприятие, переработка, анализ, прогноз, алгоритм принятия решения, система транспортировки отходов, специализированный транспорт, мусоровозы.
Система обеспечения нормальной эксплуатации жизненного пространства городов и поселков городского типа формируется органами жилищного коммунального хозяйства. Одним из основных видов их деятельности является вывоз твердых коммунальных отходов (далее ТКО) из зон накопления, расположенных вблизи жилого фонда [1].
Накопление, вывоз, сортировка, утилизация ТКО является не только социальным, но и коммерческим проектом. Эффективность работы такого проекта в первую очередь зависит от оперативного управления функционирования всей рассмотренной технологической цепочки. Таким образом в городской среде активно формируется «Умная городская среда» на всех уровнях власти [2,3].
Лидером по мусорообразованию является Москва, которая производит десятую часть отходов страны — 24 млн куб. м в 2017 году. На втором месте — Подмосковье (22 млн куб. м). Далее идут Краснодарский край (12 млн), Санкт-Петербург (11 млн), Самарская (10 млн) и Ростовская (9 млн) области [11].
В статье «Проблемы и перспективы управления твердыми бытовыми отходами» Иванцова Е.А. отмечает, что каждый год объем отходов в Российской Федерации возрастает на душу населения увеличивается на 3% [8].
Кроме того, рост объёма отходов связан с ростом объемов отходов из нежилого фонда. Количество предприятий нежилого фонда так же способствует образованию ТКО и напрямую не зависит от населения города [4].
Исходя из исследования поведения функций, на рис. 1 можно спрогнозировать рост объёма отходов в Санкт-Петербурге.
Рис. 1. Прогнозирование роста объема ТКО в Санкт-Петербурге
Прогноз предполагает серьезный рост отходов в регионе в ближайшее время. С 2020 по 2030 год количество ТКО может возрасти на 30%. Проблема, связанная с отходами, преследует человечество со времени его возникновения. Меняются лишь причины и следствия. Например, раньше проблемы были связаны с недостаточным развитием цивилизации, теперь, наоборот, с чрезмерным [5].
В ближайшие годы важность этого сектора и нагрузка на него может сильно возрасти, а недостаток перерабатывающих мощностей может создать кризисную ситуацию в области захоронения отходов. Во избежание этого, помимо государственного реформирования в сфере обращения отходов в регионе законом "Об отходах производства и потребления" от 31.12.2017 №503-Ф3 предприятиям необходимо оптимизировать свою работу [9,10,12].
Задачей исследования можно считать построение автоматизированного алгоритма, который позволит рассмотреть систему работы с ТКО с определением конкретных параметров, к характеристикам которых необходимо применять особое внимание при принятии управленческих и оптимизационных решений.
При принятии управленческих решений на уровне транспортного предприятия есть существенное ограничение - организация эффективности движения потоков отходов от мест накопления через места перегрузов к местам утилизации или захоронения регулируются территориальной схемой обращения с отходами.
Территориальные схемы обращения с отходами - совокупность различных описаний системы организации и осуществления деятельности по работе с отходами, образующихся на территории субъекта Российской Федерации, и направлений ее развития на определенный период [6].
Задача определения эффективного количества транспорта является основополагающей для перевозчика ТКО. Для решения вышеуказанной задачи необходимо иметь два набора исходных данных: о регионе работы и о транспорте. В рамках исследования современный подвижной состав был условно классифицирован на 4 группы. Классификация проводилась по признаку возможности обеспечения максимальной производительности работы:
Группа А - двухосный мусоровоз с прессом и задней загрузкой. Объем бункера обычно от 8 до
- 16 м3. Двухосная база позволяет проезжать в труднодоступные и узкие контейнерные площадки и обслуживать мусорокамеры во дворах и плотной городской застройке. Для города Санкт-Петербурга это центральные районы (Петроградский центральный). Вместимость бункера не максимальная, однако ограничение по габаритам не позволяет использовать конструкции другого типа.
Группа Б - трехосных мусоровоз с прессом и задней загрузкой. Объем бункера обычно от 17 до
- 23 м3. Трёхосная база и самые вестимые бункеры позволяют такому типу мусоровозов обеспечивать самые экономически эффективные показатели работы. Невозможность использования только мусорово-
зов такого типа обуславливается наличием контейнерных площадок с затрудненными подъездами и наличием крупногабаритных отходов (далее КГО) которые не могут быть обслужены прессовыми установками.
Группа В - портальный погрузчик сменных контейнеров (перевозит сменные контейнера от 14 до 27 м3). Предназначены для работы с КГО. Перевозят контейнера большого объема. Бывают двух и трехосные варианты.
Группа Г - транспорт для перевозки устаревших типов контейнеров тросового или крюкового
типа.
В рамках проводимого исследования можно ограничится поиском необходимого транспорта групп А, Б, В. Группа Г технически малочисленна и может быть учтена в виде ограничений к основной модели. Наличие ее важно для точности исходных данных.
Основные характеристики региона необходимые для проведения исследования можно разделить на следующие группы: базовые и технические. К базовым относятся: население региона, количество населенных пунктов и муниципальных образований, норматив накопления отходов, площадь территории, плотность населения. К технологическим характеристикам региона как зоны обслуживания ТКО были отнесены следующие параметры: адресная программа контейнерных площадок, тип оборудования, график вывоза, плановые показатели значений вывоза, характеристики площадки (возможность подъезда автомобилей группы Б).
В рамках исследования были рассмотрены два региона Российской Федерации, которые необходимо обеспечить достаточным количеством транспорта. Фрагменты исходных данных предоставлены в табл. 1 и 2.
Таблица 1
Базовые характеристики региона вывоза ТКО _
Характеристика Население Площадь территории Плотность
1 район 198762 3203,88 63,6
2 район 78264 3839,79 21,68
Норматив накопления, м3 1,8
Объем ТКО в год, м3 516647
Потенциальная масса ТКО в год, тонн 51664
Масса ТКО в месяц, тонн 4166,7
Таблица 2
Фрагмент технических исходных данных по одному из регионов РФ (адресная программа)
Адрес Муниципальное образование Тип контейнера Количество контейнеров Плановый объем График вывоза
Ленина ул. 21 МО 1 4 м3 1 4 ПН, ВТ, СР, ЧТ, ПТ, СБ, ВС
Ленина ул. 4 МО 2 0,36 м3 2 0,72 ВТ, СР, СБ
Володарского ул. 16 МО 2 1,1 м3 5 5,5 Через день с 02.01
Маяковского ул. 2 МО 1 1,1 м3 1 1,1 ПТ, ВС
Победы ул. 3 МО 1 0,75 м3 2 1,5 ПН, ВТ, СР, ЧТ, ПТ, СБ, ВС
Пушкина ул. 1 МО 1 1,1 м3 2 2,2 ВТ,ПТ
1 Мая ул. 44 МО 2 1,1 м3 1 1,1 ПН, ВТ, СР, ЧТ, ПТ, СБ, ВС
Результаты исследования. Для анализа вышеописанных исходных данных был проведен ряд исследований. В первую очередь, опираясь на открытую статистику некоторых регионов и районов, были определены средние показатели плотности ТКО в России (рис. 2).
Основываясь на проведенном исследовании, можно принять среднюю плотность ТКО без учета сезонности на уровне 100 кг в м3. Данный показатель подтверждается практическими данными по городу Санкт-Петербургу и Ленинградской области.
Были проведены исследования транспортной работы основных групп транспорта исходя из расстояния до пункта назначения (указанного в территориальной схеме тяготения станции перегруза или полигона). Определена экспонентальная зависимость между потенциальной производительностью транспорта и расстоянием (рис. 3). Соотношение между группами А и Б принято параметром отношения средних объемов бункеров (16 и 22 м3 соответственно). Значения параметра установлено на уровне 0,727. Контрольными точками были выбраны значения 20, 50, 80 км, так как именно на таких расстояниях чаще всего располагаются узловые точки в системе работы с отходами.
В качестве параметра мощности был определен наиболее важный параметр эффективности -масса перевозимых отходов в месяц. В табл. 3 представлены узловые параметры мощности работы транспортных средств в зависимости от типа транспорта и плеча вывоза.
Дополнительно были оценены ограничения к парку транспортных средств, а именно, доля транспортных средств группы Б необходимые к работе. Данный параметр характеризует долю объектов, к которым затруднен подъезд трехосным транспортом. Кроме того, был определен параметр доли КГО в объёме ТКО для среднего региона России. Данные ограничивающие параметры рассчитываются исходя из статистических данных. Обладая дополнительными данными их можно уточнить (табл. 4).
140 130 120 110 100 90 80 70 60
109
114-,!15 110 111 106
105Ю5107
115 110 111
114
94
96
91
97
• 91
95 93 95
93 93
105 105
100 101щ ......»'
93 94
Рис 2. Анализ исследования плотности ТКО на разных территориях
99
900 800 700 600 500 400 300 200 100 0
0 10 20 30 40 50 60 70 80 90
Рис 3. Исследование эффективности работы от расстояния до пункта разгрузки
Таблица 3
Результаты исследования зависимости типа транспорта от контрольных точек расстояния
800
581,818 ......... 550 У = 2770,2х -0,414
.............а... 327,273
У = 2014,7х"0,414
R2 = 0,9999
Расстояние до перегруза, км Группа А (бункер 22 м3) Группа Б (бункер 16 м3) Группа В и Д
До 20 км 800 581,8 300
От 20 до 50 км 550 400 270
От 50 до 70 км 450 327,3 250
Таблица 4
Ограничивающие параметры _
Параметры Значение
Доля КГО в общем объёме ТКО в регионе 0,15
Необходимая доля малогабаритного транспорта 0,2
Коэффициент сезонности, % 20%
Большое влияние на выбор и оценку количества транспорта оказывает коэффициент сезонности. При решении задачи определения количества транспорта необходимо учитывать эффект сезонности на предполагаемой к обслуживанию территории.
Исследование показало существенные колебания уровня ТКО в зависимости от сезона, что необходимо учитывать при выборе транспорта.
В результате проведённых исследований был сформулирован алгоритм действий и расчетов, которые необходимо провести для определения необходимого количества техники для осуществления вывоза ТКО согласно территориальной схеме движения отходов (рис. 4). Результат исследования представлен в табл. 6.
Алгоритм был реализован на платформе «1С:Комплексная автоматизация». Большинство транспортных компаний ведут свою отчетность в данном программном обеспечении. Реализация позволяет при необходимости обращаться к необходимым данным без дополнительных действий. Алгоритм представляет из себя последовательное решение нескольких задач:
А. Анализ на макроскопическом уровне исходных данный региона работы. В подготовку исходных данных входят: анализ численности населения, нормативов накопления и совокупного объема и массы ТКО образующихся в регионе. Данный параметр можно ввести вручную если у регионального оператора сформированы необходимые данные.
Б. Анализ на мезоскопическом уровне исходных данный транспорта и адресной программы. Расчет основных показателей: расчет пика сезонности, доли КГО в общем объеме ТКО, доли адресов с затрудненными подъездами, определение мощности транспортной работы групп специализированного транспорта. Данные могут быть использованы из общероссийской статистики или при необходимости получены анализом исходных данный работы в конкретном регионе. Оконная форма представлена на рис. 5.
Рис 4. Алгоритм расчёта
В. Формирование массива исходных данных и ограничивающих параметров. Объединение адресной программы в укрупненные блоки. Расчет основных показателей: количества КП и планового объема.
Г. Определение расстояний от групп контейнерных площадок до «узловой» точки. Контейнерные группы объединяются в блоки. Возможно это делать по отдельным населенным пунктам или по точкам территориально формирующих группы. На основании координат перегруза и объектов формируются расстояния между «узловыми» точками. Пример визуализации работы на рис. 6.
Расчет количества авто
Вводные Результат расчета
(? i > Еще ■
Путь к файлу Население
Норматив накопления: Сезонность, %:
D íUsers'vmbinov'Düwnloads'SarpyjKa 1С xlsx
... j х Заполнить данные из файла
Г
JÜ
Соотношение выработки между А о 745Q743556 i g
и&
Ппюгноаь 120,0; Н
« *
Характериспна транспортной работы типов спецтранспорта До 20 км 700,0001@1 521.972 g |
400.000 О
До 50 км 500.000; i 447,405 Я 350.000, В
До вО км 450.000| в | | 335.553 Ш ! ¡ 200,000 1
Доли в морфологии отходов
ДопяТБО; | 0.70 j В |
0.30 I
Доли затрудненных подьеэдов
Доля затрудненных подъездов Допя для трехосного транспорта
Выполнить расчет
Сообщения: — Данные были успешно загружены!
Рис. 5. Оконная форма расчета основных показателей
Пусты Н КЗ
Ульиновка
Гладкое
Черная Грива ! I
массива Чарная Грива
Сиголоас Стар&сельа
Шапки
■ Г1
Tocho
y I , я
Рис. 6. Пример формирования блока расстояний до «узловой точки»
Д. Определение весового коэффициента влияния каждой группы транспорта на каждый участок вывоза с учетом пика сезонности. Весовой коэффициент определяет какую долю ТКО и КГО данный блок объектов накопления статистически будет образовывать в пиковый месяц. Фрагмент програм-ного кода представлен на рис. 7.
Е. Определение весового коэффициента влияния каждой группы транспорта на каждый участок вывоза с учетом пика сезонности. Определяется отношением прогнозной нагрузки блока на группы транспорта к максимальной возможной нагрузке в данного типа транспорта.
Ж. Определение необходимого количества специализированного транспорта по группам, определяется как сумма коэффициентов, определенных блоке Е. Оконная форма на рис. 8. Результаты работы алгоритма представлены в табл. 6.
В вопросе маршрутизации транспортных средств и определения расстояний от групп контейнерных площадок до «узловой» точки, поиска оптимальных маршрутов, разработанные модели прошли аппробацию и включены вошли в выполняемую работу при финансовой поддержке Министерства науки и высшего образования Российской Федерации, соглашение № FSRF-2023-0003, "Фундаментальные основы построения помехозащищенных систем космической и спутниковой связи, относительной навигации, технического зрения и аэрокосмического мониторинга".
Процедура В*нюлнггъРасчети.аСервере()
Для каждого стр из Объект.ланныеЕксель Цикл нов<тр - Объект,Результат,Добавнтъ(); н»о£тр.НлсПум*т - стр.НасПуккт; нонстр.г» - с 1р.но;
НопОр-КюгоПлосидок ■ с Гр.ИтсгсНлощлдо«;
Нсик тр.куби - стр.Кубн;
нмС тр. Рас с юани* ■ с I р - Рас с гонит?;
надстр.доля - «1р.ку6ы/ обьект.дл«ныеЕ*сель.итог(*куб10*100;
н«стр. Пасса - Объект.норнативНакоппечия * Объект.Население * новСтр.Доля / Объект.плотноеть/120000 * (10© ♦ Объект.сезонноеть); нсмЛтр.тьо - новстр.нлеса * Обьект,Доллтвд; юпетр.кго * НОвСтр.юсс* * Оби-*т,ДопдкГс>;
А1 - 0; Ы • О; Д1 - 05
Если стр.Расстояние < 20 Тогда
А1 * новСтр.ТБО / й6м^кт,Гру<и1лА^а0;
Ы ' НйВСтр.КГО / обьект . ГруШЫБ Д1 - НовСтр.КГО / Обьект.грутисд_70; нкачсЕсли стр. Рае стояние < 5« Тогда
А1 ■ НовСтр.ТБО / Обьект.ГрупплА_50; Б1 » НовСтр.КГО / Обьект.груплаБ_50; Д1 - НовСтр.КГО I Объект.Грутысд_5в; н»аче£сли стр.Расстояние > 5в Тогда
А1 ' НовСтр.ТБО / Объект.ГруллаА_80; Б1 ■ НовСтр.КГО / Обьект. Гру1таБ_ВО; Д1 - НовСтр.КГО / Обьект. Г(УуллаСД_80; Конец/Если;
ИовСтр.ГрупплА - А1 ' Обьект.ДолпДляТрехосносоТранспортац МовСтр.ГруппаБ » Б1 * Обьект.ДоляЗатрудненныхПодьездов; МОвСтр.ГрулпаСЛ ■ Д1 • Объект,Доля ЗатрудненньиПодъездов;
Рис. 7. Процедура расчета основных параметров
КонеиЛроиеяури
En* -
Вмдда Пецп>т«1 ркчшв
t * Г*"!
н Ю и ста гич1*д™ Куб» Акст шме Доля Мня ГБО rpimnA
1 Ш КЗ 100» 2& 977.31 9 499 гф 140,5
2 tmi 406 1« 753.11 55 32.3 137,3
«02
3 73 2 463.40 75 42 17.9 Iii
Гам! ЮЗ
4 Л тя 90 0.5 21 w
5 (»4 МО» 3Q 1М.29 19 0.3 15
б WS зв 2ЖДО 11 0,5 2.1 Ii
fewf ICI зг 1962,05 5» 2.7 1!£ K.1
8 !t») vi к 294,00 15 0-i 2.1
9 я 7*4,10 36 1Л 5,5 U»
Рис. 8. Оконная форма результатов
Таблица 6
Результат прогнозирования транспорта в регионе ___
Мест накопления Плано- Расстоя-
Населенный пункт Муниципальное образование вый объем в ме-сяц3, м3 Доля ние до узловой точки Масса ТБ О КГ О Группа А ГРУппа Б ГРУппы В,Г
Город 1 МО 1 1009 26947 51 9 1990 1691 298 1,691 0,581 0,995
Поселок 1 МО 2 406 17895 34 55 1321 1123 198 1,997 0,686 0,661
Поселок 2 МО 3 73 2338 4 76 173 147 26 0,261 0,090 0,086
Поселок 3 МО 4 32 1524 3 59 113 96 17 0,170 0,058 0,056
СНТ 1 МО 5 36 38 0 11 3 2 0 0,002 0,001 0,001
СНТ 2 МО 6 38 27 0 19 2 2 0 0,002 0,001 0,001
СНТ 3 МО 7 32 12 0 15 1 1 0 0,001 0,000 0,000
СНТ 4 МО 8 39 8 0 90 1 0 0 0,001 0,000 0,000
ИТОГО 1665 48789 100 3603 3062 540 4 1,4178 1,8013
Обсуждение. Определяющей транспортную эффективность и основные расходы транспортных предприятий является схема движения потоков в регионе, закрепляемая в территориальной схеме. Однако методы, критерии, факторы оптимальности схем потоков территориальных схем в соответствующем федеральном законе не закреплены. Исследование эффективности самих схем потоков в рамках данного исследования не проводится. Задачей можно считать поиск решения внутри существующей схемы потоков. Сегодня задача выбора оптимального количества транспорта перевозчиками решается, как правило, не системно, а путем случайного набора маршрутов и не предполагает первичного анализа территории и параметров мест накопления.
Известно, что без надлежащего исследования и анализа невозможно эффективно управлять, проектировать и прогнозировать работу транспорта в целом. Работа с системой вывоза ТКО не исключение. Вопросам оптимизации транспортных затрат уделяется значительное внимание, однако все существующие модели расчета не содержат исследований первичных исходных данных и не учитывают ряд важных статистических данных. По большому счету, даже сами критерии выбора количества и типа транспорта не структурированы и не описаны, поэтому перевозчики зачастую используют транспорт неэффективно, ориентируясь лишь на принцип выполнения услуги.
В предлагаемом исследовании рассмотрен подход к анализу системы транспортировки ТКО с точки зрения оценки необходимого перечня универсальных структурированных исходных данных, которые первично принципиальны и характеризуют сложность работы в том или ином регионе. По проше-
ствии трех лет работы реформы ТКО эти статистические данные есть у каждого регионального оператора Российской Федерации. Выполнен анализ и разработан универсальный алгоритм, который позволит исследовать каждый регион используя автоматизированный системный подход. Основной конечной целью является задача определения количественных показателей мест накопления и определения необходимого количества транспорта для обслуживания определённого участка в зоне деятельности.
Выполненный анализ сформировал набор данных, который необходимо использовать для исследования территории обслуживания и данные позволяющие принимать решения выборе типа и количества транспортных средств для построения в имитационных программных системах для прогнозной оценки загруженности, мощности и совокупных транспортных издержек.
Результаты. Представленный анализ позволяет структурировать и описать данные для формирования системы принятия решения по прогнозированию образования отходов в регионах и зафиксировать основные параметры необходимые для определения необходимого количества специализированного транспорта. Полученные результаты основаны на существующих данных операторов по вывозу ТКО в Российской Федерации и анализе современных методов работы перевозчиков. При проведении исследований учитывались следующие параметры:
1. Территориальные схемы обращения отходов в регионах и схемы потоков движения ТКО.
2. Характеристики накопления отходов и мест накопления ТКО.
3. Оценка основных параметров существующего специализированного транспорта.
4. Оценка сезонности образования отходов.
Для реализации автоматизированного принятия решения выбора количества транспорта и направлений был разработан алгоритм принятия решения, позволяющий, исходя из основных известных характеристик региона и опыта работы перевозчиков по транспортированию отходов, определить опорный план работы в регионе пользуясь существующей территориальной схемой. Разработанный алгоритм также может быть использован для совершенствования и анализа территориальной схемы потоков ТКО, если продолжить исследования в части экономической составляющей и объединить модель с системой обработки отходов.
Представленные данные в совокупности с цифровой маршрутной моделью необходимо использовать для формирования принятия решения по определению необходимого количества специализированной техники, прогнозированию количества ТКО в регионе, и оценке эффективности схемы потоков ТКО региона. Выполненный анализ позволяет повысить точность принятия решений.
Дальнейшие исследования необходимо продолжить в сфере уточнения параметров работы и определения дополнительных ограничивающих факторов в виде дорожной сети, типа контейнерного хозяйства, определения более эффективных схем движения потоков, мест расположения узловых точек, параметров оперативного управления транспортом.
Заключение. На основе выполненного исследования можно сделать следующие
выводы:
1. Выполнен прогноз роста ТКО в отдельных регионах Российской Федерации.
2. Обоснована необходимость системного подхода к организации работы системы транспортировки отходов.
3. Предложены параметры, которые необходимо принять за основу при анализе и прогнозе на участке работы системы транспортировки отходов
4. Обоснована необходимость в ходе решения задачи принятия решения по определению необходимого количества транспорта опираться на определенные характеристики транспорта, региона и мест накопления.
5. Определен перечень исходных данных необходимых для первоначального анализа при прогнозе и определению количества техники в системе транспортировки отходов.
6. Описаны основные классы современных транспортных средств, работающих с ТКО в России.
7. Создан алгоритм принятия решения о выборе количества и типа транспортных средств и параметров региона обслуживания.
8. Проанализированы данные по средней плотности ТКО в регионах России.
9. Проведена оценка сезонности образования ТКО в некоторых регионах России.
10. Сформированны данные по зависимости параметров транспорта и региона, а также явления сезонности позволяют повысить точность принятия решений по организации транспортной работы в зависимости от внешних факторов и параметров регионов.
11. Сформированные данные необходимо использовать в цифровых имитационных транспортных моделях при моделировании различных вариантов работы системы транспортировки ТКО в регионах Российской Федерации как на этапе краткосрочного планирования, так и при решении некоторых вопросов прогнозирования развития и создания эффективных территориальных схем тяготения отходов.
12. Результаты анализа необходимо использовать при исследовании эффективности организации транспортной работы в регионе.
13. Определены дальнейшие направления исследований в сфере автоматизации и управления транспортными потоками в системе работы с ТКО.
Список литературы
1. Романенко И.И., Петровнина И.Н., Кондратьев К.А. Автоматизация систем сбора и переработки твердых бытовых отходов // Форум молодых ученых. 2019. №1(29). С. 52-57.
2. Цыплаков В. Ю. Транспортировка и комбинированная переработка твердых бытовых отходов // Молодой ученый. 2010. №9. С. 51-52.
3. Касапов А.В., Заиченко Г.В. Утилизация и автоматизация переработки бытовых отходов // Юный ученый. 2017. №3.1. С. 31-36.
4. Рубинов В.В. Оценка динамики роста отходов в Санкт-Петербурге // Системный анализ и логистика. Вып. 3 (25). СПб.: ГУАП, 2020. С. 3-8. 2.
5. Рубинов В.В. Использование математических моделей теории систем массового обслуживания для описания и анализа систем работы с отходами в мегаполисах // Системный анализ и логистика: журнал.: выпуск №4(34). СПб.: ГУАП., 2022. С. 28-35. DOI: 10.31799/2077-5687-2022-4-28-35.
6. Рубинов В.В., Фетисов В.А. Разработка модели оптимизации потоков ТКО на уровне маршрутов // Системный анализ и логистика: журнал, 2021. Выпуск №4(30). СПб.: ГУАП., 2021. С. 68-75. DOI: 10.31799/2077-5687-2021-4- 68-75.
7. Rubinov V.V. Problems of a Modern Approach to the Technological Process of Waste Management Conference Proceedings: 2021 Wave Electronics and its Application in Information and Telecommunication Systems (WECONF) // IEEE. 2021. Copyright.
8. Иванцова Е.А. Проблемы и перспективы управления твердыми бытовыми отходами // Вестник Волгоградского государственного университета. Серия 3: Экономика. Экология, 2016. №5. С. 109113.
9. Приказ Минприроды России от 14.08.2013 N 298 "Об утверждении комплексной стратегии обращения с твердыми коммунальными (бытовыми) отходами в Российской Федерации. [Электронный ресурс] URL: http://docs.cntd.ru/document/499041934 (дата обращения: 20.02.2023).
10. Федеральный закон РФ № 89-ФЗ «Об отходах производства и потребления», принят государственной думой 22.05.1998 г. Постановлением № 2491-II ГД, подписан президентом РФ 24.06.1998 г. c изменениями по состоянию на 18.12.2006. [Электронный ресурс] URL: http://www.consultant.ru/document/cons doc LAW 19109 (дата обращения: 20.02.2023).
11. Сайт информационного агентства «РБК». [Электронный ресурс] URL: www.realty.rbc.ru/news/5ab4b3509a7947d2bee4777c (дата обращения: 20.02.2023).
12. Бродецкий Г. Л. Системный анализ в логистике. Выбор в условиях неопределенности. М.: Academia, 2010. 336 с.
Рубинов Владислав Валерьевич, научный сотрудник, аспирант, [email protected], Россия, Санкт-Петербург, Санкт-Петербургский государственный университет аэрокосмического приборостроения,
Майоров Николай Николаевич, д-р техн. наук, профессор, [email protected], Россия, Санкт-Петербург, Санкт-Петербургский государственный университет аэрокосмического приборостроения,
Буцанец Артем Александрович, канд. техн. наук, начальник отдела научно-технической информации и интеллектуальной собственности, [email protected], Россия, Санкт-Петербург, Государственный университет морского и речного флота им. адмирала С. О. Макарова
DEVELOPMENT OF AN ALGORITHM FOR AUTOMATION OF THE FORECAST OF TRANSPORT WORK OF CARRIERS OF SOLID MUNICIPAL WASTE ON THE BASIS OF TERRITORIAL HANDLING SCHEMES
N.N. Maiorov, V.V. Rubinov, А.А. Butsanets
The objective of the reserach is to develop a decision-making method, an automation subroutine on the number and type of specialized transport equipment to handle solid municipal and large-sized waste within the existing flow chart for any region, area, or transport section. In order to solve the task and develop a subprogramme to automate the forecast, the proposed study developed a new approach to the analysis of the municipal waste transport system in terms of estimating the necessary list of universal structured input data, which primarily characterizes the operation in a particular region. A classification of specialised machinery has been proposed in the article to enable such an analysis without a large amount of technological data. To work with the data, a new algorithm was developed to determine the quantitative indicators of accumulation sites and determine the required number of vehicles to serve a particular area in the area of operation. The developed new algorithm, has allowed to investigate region using the automated subroutine for definition of distances from groups of container sites to "knot" point, definition of necessary quantity of the specialised transport. The developed algorithm was implemented on the platform "1C:Complex Automation" for easy integration both with urban information systems and information systems of transport companies. In order to solve the set task the analysis of traffic volume was carried out, a set of data to be used for the study of service area and data enabling to
632
make decisions on the selection of type and number of vehicles for further model construction in simulation software systems for the forecast assessment of workload, capacity and total transport costs were formed. Based on the results, areas for further research were identified to improve the accuracy and expand the possible problem solving area for the developed algorithm and the automation subprogramme. The presented automated solution can be integrated into existing information systems and, due to the versatility of the solution, can be implemented in other companies and regions.
Key words: municipal solid waste, waste disposal system, regions, reform, transport enterprise, processing, analysis, forecast, decision-making algorithm, waste transportation system, specialized transport, garbage trucks.
Rubinov Vladislav Valerievich, researcher, postgraduate, [email protected], Russia, St. Petersburg State University of Aerospace Instrumentation,
Maiorov Nikolai Nikolaevich, doctor of technical sciences, professor, [email protected], Russia, St. Petersburg, St. Petersburg State University of Aerospace Instrumentation,
Butsanets Artem Aleksandrovich, candidate of technical sciences, head of the department of scientific and technical information and intellectual property, [email protected], Russia, Admiral Makarov State University of Maritime and Inland Shipping
