校园垃圾桶优化配置方案.doc

校园垃圾桶优化配置方案8B-537组校园垃圾桶优化配置方案分析过程如下图所示，是我们的工作流程图：数据 处理数据 收集计算每个垃圾桶平均垃圾量的百分比栅格代 数运算影响 因子现状分析 宿舍区 服务场所 活动区 教学区 景区 重要道路距离栅格分析重分级赋予权重分析结果方根法经验 判断获取垃圾量信息建立判断矩阵，得出要素间的相对重要性数量化相对权重值距离 查询基础地图数据准备 校园地图矢量化 现有垃圾桶统计获得基础矢量数据卫生区值周最佳路径旅行商分析图1 工作流程图具体过程：一、 基础数据准备阶段1.1 地图数据准备1) 数据获取：聊城大学现状图一副（*.jpg）；2) 数据处理：a) 首先将聊城大学现状图导入到Photoshop中，拟建立一个平面直角坐标系，找出若干个特征地物，并将其标注出来。b) 在Google Earth量算出特征地物的长度，通过计算，便可得到一个较为精确的平面直角坐标系，如此便可得到现状图上任意一点的坐标。c) 将聊城大学现状图导入到SuperMap Deskpro 6中，建立平面直角坐标系，并根据得到的坐标值进行配准。d) 对配准得到的结果进行屏幕跟踪矢量化，得到聊城大学西校区地图一副，供分析使用。1.2 垃圾量信息获取与处理1) 垃圾桶内垃圾量的获取：连续7天，每天选择同一时段对整个校区的垃圾桶中的垃圾量进行统计。得出一星期内每个垃圾桶垃圾量的平均值2) 权重值的计算：a) 根据现有垃圾桶的调查，得出西校区共有垃圾桶4类102个。将得到的每个垃圾桶垃圾量除以不同类别垃圾桶体积，%=/得出每个垃圾桶的平均垃圾量的百分比%。运用空间分析中的距离查询，分别查询距各个影响因子一定范围内的垃圾桶的垃圾量百分比%。并求出其平均值。比较各均值的大小，值比较大的认为其对垃圾桶分布的影响越大。b) 根据各个影响因子对垃圾桶分布影响程度的大小，运用计量地理课上学到的“地理环境辨识模型”，从不同的角度和方面出发，构造上述六个影响因子的判断矩阵R： 宿舍区 服务区 活动区 教学区 景区 重要道路 R=其中： =1，表示i与j同等重要； =2，表示i比j稍重要； =3，表示i比j较重要； =4，表示i比j重要得多。c) 采用方根法，求出各个影响因子的相对权重，并以此作为空间叠加分析的权重。 计算公式为：对上述判断矩阵进行计算，得 宿舍区权重 =0.167 服务区权重 =0.340 活动区权重 =0.098 教学区权重 =0.167 景区权重 =0.149 重要道路权重 =0.078二、 数据分析处理阶段2.1 距离栅格分析1) 分析环境设置：根据分析需要，在进行栅格分析之前首先对栅格分析环境进行如下设置：图2 分析环境设置2) 各因子距离栅格分析：a) 距离栅格分析设置：图3 距离栅格设置在进行距离栅格分析时，不同的影响因子设置了不同的“最大距离”：表 1宿舍区服务区活动区教学区景区道路1500150015001500250040 “最大距离”的设置主要是考虑到影响因子的范围大小，尽可能使分析范围包括“分析环境设置”所能包括的所用范围。b) 结果举例：图4 道路距离栅格2.2 重分级1) 对得到的距离栅格数据进行重分级：a) 重分级分析设置：图5 重分级设置b) 数据类型统一选择浮点型；c) 不同分级间间隔详见下表：表 2 各影响因子重分级间隔：宿舍区服务区活动区教学区景区道路555554d) 级数设置说明：级数设置为12，第一级统一设置为00.0001，是由于在使用SuperMap Deskpro 6进行重分级时，得到的结果中影响因子内部也会被赋值， 图6 重分级因为我们要分析的是影响因子周围的区域，所以，影响因子内部有值会影响我们的分析结果，所以，我们便又多分了一级，并且设置成0-0.0001这一很小的区域，目的在于使重分级得到的结果中影响因子内部的值为0。同样，由于在距离栅格分析的时候设置的“最大距离”较大，因此影响因子一些区域也是没有分析价值的，50米（由表2知，并不是所有的影响因子都是分析了50米）之外的全部设置为0：图7 重分级设置e) 重分级结果举例：图8 道路重分级2.3 栅格代数运算1) 栅格代数运算：a) 根据重分级得到的结果以及基础数据准备阶段得到的各个影响因子的相对权重值，进行栅格代数“+”运算。将上一步得到的重分级结果分别乘以相对权重值然后相加，栅格代数运算设置见下图：图9 栅格代数运算说明：像素类型应保持和重分级得到的结果数据类型一致，此处都是浮点型；b) 栅格代数运算式：垃圾桶优化配置.道路重分级 * 0.078+ 垃圾桶优化配置.服务区重分级* 0.340+ 垃圾桶优化配置.活动场所重分级 * 0.098+ 垃圾桶优化配置.教学重分级* 0.167+ 垃圾桶优化配置.景区重分级 * 0.149+ 垃圾桶优化配置.宿舍区重分级 * 0.167c) 栅格代数运算结果如下：图10 栅格代数运算结果2.4 现有垃圾桶摆放点分析1) 确定密集点：规定垃圾桶之间15米范围内，不可重合，因此，要对垃圾桶密集程度进行分析：a) 对现有垃圾桶进行缓冲区分析，建立一个以15米为半径的缓冲区。b) 通过空间查询，查询出相交的点，如此便可得到密集点，是多余的，属于不合理摆放位置，需要进行调整。2) 点位调整：用栅格代数运算得到的结果设置范围分段专题地图，以得到垃圾桶摆放的重点区域：a) 范围专题地图设置；图11 范围分段专题图得到的重要区域如下图中红色区域：图11 重点区域 b) 点位调整根据以上两步得到的待调整点和重点区域，在尽量保证最小变动范围的情况下，对垃圾桶位置进行调整。c) 补充点根据得到的重点区域和现有垃圾桶位置数据，对一些垃圾桶相对较少而又比较重要的区域，适当增加垃圾桶。2.5 卫生区最优值周路径选取劳动周是我们聊城大学的优良传统之一，任何一个在校生每个学年都会有一周的值周时间，通过全校学生密切的分工合作，共同保证了我们有一个干净又和谐的学习环境，我们也在这个过程中体会到了换为劳动者的辛苦，受益良多。超图软件中的旅行商分析，是无序的路径分析。旅行商可以自己决定访问结点的顺序，目标是旅行路线阻抗总和最小（或接近最小）。在遍历网络的所有站点过程中，只要给定一个确定的起点和终点，旅行商分析可以自己决定对结点的访问顺序。本方案中卫生区最优路径分析时将环卫处作为起点，将垃圾站点作为终点，将各卫生区内的垃圾桶作为中间点，以此便可得出卫生区最优值周路径。1) 旅行商分析利用SuperMap Deskpro 6 中“网络分析工具栏”下的“旅行商分析”，对卫生区最佳值周路线进行选取。a) 旅行商分析准备首先，对矢量化得到的线状道路数据集构建网络数据集图12 构建网络数据集然后，根据聊城大学西校区环卫办公室老师提供的卫生区分区数据以及垃圾站的位置，以及上一步得到的道路网络数据集，配置出一幅路径分析简图，以供分析之用：图13 路径分析说明：上图中标注的是西校区环卫办公室，也是值周学生值周的起始出发点，标注的是垃圾站点(由上往下依次编号为01、02、03/04)，标注的是数据分析处理阶段得到的垃圾桶的位置。b) 旅行商分析说明首先通过主观经验判断，很容易确定出第一、二、三、四组只与01、02两个垃圾站间的差距较小，因此对于第一、二、三、四组与其他站点就不再进行分析，以提高工作效率。同理，五、六、七、八只在02、03两个垃圾站间进行分析。另外，04号为第九卫生区专用，因此对于第九组只通过旅行商分析选出了最佳路径，并没有和其他组别比较分析。c) 旅行商分析根据以上准备，依次对每个小组进行旅行商分析，并且每个小组都进行多次重复分析，以确保得到的路径是最优的。d) 旅行商分析结果处理根据旅行商分析得到的路由数据，按照其Cost属性值，选择出各个卫生区的最佳值周路线，并配置专题地图。2) 各小组路线图图14 一组图15 二组图16 三组图17 四组图18 五组图19 六组图20 七组图21 八组图22 九组三、 后期处理阶段3.1 分析结果整理根据数据分析处理阶段得到的垃圾桶摆放位置以及通过旅行商分析得到的卫生区最佳值周路径结果，配置专题地图并输出为图片。3.2 配置专题地图1) 专题地图：我们配色的原则：简约美观，突出重点；同时还建立了丰富的文本装饰图层，加强了专题图的可读性；图23 配色截图四、 分析结果利用地图学设计原理对分析结果进行修饰并制定专题地图。结果展示与说明如下：4.1 现有垃圾桶分布图图24 现有垃圾桶分布图在图24中，红色的点表示现有垃圾桶的位置。4.2 距离栅格分析图图25 距离栅格分析图图25表示的是分析后得出的垃圾桶应分布的区域。图中颜色越深表示越应该放置垃圾桶。而白色部分则表示不应安置垃圾桶的区域，相应的图中红点表示现有垃圾桶中不合理放置的垃圾桶。4.3 垃圾分布密集区域示意图图26 垃圾分布密集区域示意图图26中红色部分表示垃圾桶分布密集的区域，在此区域内应多放置垃圾桶。蓝色点表示垃圾桶现有的分布位置。4.4 垃圾桶调整图图27 垃圾桶调整图在图27中，参考图25中落在白色区域部分的点，及密集点中应删除的点表示为灰色多余点；参考图26重点区域应该增加的点，在图中表示为红色补充点；少数垃圾桶位置摆放偏离垃圾桶分布重点区域，其位置应稍做调整，在图中表示为橘黄色调整点；部分垃圾桶之间间距小于30米，分布过于密集，应选择去掉一部分图中，图中表示为黄色密集点，蓝色点表示为分布合理的点。4.5 结果图图28 结果图图28为最终的结果图，红色点表示应安放垃圾桶的位置。决策者可直接根据此图安放垃圾桶。五、 结论本方案为聊城大学校园垃圾桶配置的优化方案，在校园公共设施布局中起到辅助决策作用。从给出的方案结果来看，目前校园垃圾桶的设置还是较为合理的，其中不合理处则