2017 Fiscal Year Research-status Report
センサ協調による廃棄物系バイオマス還元物流の適応的モーダルシフト
| Project/Area Number |
16K12537
|
|---|
| Research Institution | Chiba University |
|---|
Principal Investigator |
荒井 幸代 千葉大学, 大学院工学研究院, 教授 (10372575)
|
|---|
| Co-Investigator(Kenkyū-buntansha) |
和嶋 隆昌 千葉大学, 大学院工学研究院, 准教授 (00380808)
矢入 郁子 上智大学, 理工学部, 准教授 (10358880)
|
|---|
| Project Period (FY) |
2016-04-01 – 2019-03-31
|
| Keywords | 多目的最適化 / 強化学習 / センサネットワーク / リサイクル / バイオマス |
|---|
| Outline of Annual Research Achievements |
廃棄物系バイオマス活用に向けて，近年のIoT技術とリサイクル技術と融合し，ゴミの発生から乾燥，そしてゴミ回収からリサイクル処理による還元までの一連の処理過程を考慮した物流の最適化実現をめざしてきた．本課題の遂行において，IoT技術を支えるセンサ開発を矢入が，リサイクル技術を和嶋，そして物流最適化技術を荒井がそれぞれ担当している．センサ利用については，既存の方法では，スマートゴミ箱に付与されたセンサが容積を感知することによってゴミ回収頻度を低減するに留まっている．一方，本課題では，水分減少を促す乾燥ファンを装着したゴミ箱を想定する．容積がゴミの投入量と水分の減少率によって変化するため，この変化を考慮した回収頻度の決定が必要である．バイオマス収集効率を考慮した水分率の低減に要する時間との関係調査（和嶋）や，ゴミ箱あふれを事前検知する赤外線センサの開発（矢入），さらに，容量上限の制約条件の下で，各ゴミ箱の水分量を最小化するための多目的最適化（最小化）問題の解法（荒井）がそれぞれ検討した．
本課題の困難は複数のゴミ箱を管理し，可能な限り一回の巡回でゴミを回収したいという要請をみたさなければならないことである．したがって，上述した多目的最適化問題になるが，さらに，各ゴミ箱に至るルートも最適化する必要があることから，多目的，多段の最適化問題となる．これに対しては多目的強化学習を導入したアルゴリズムを提案した．
また，ごみの発生量は天候やイベントの有無など無数の潜在変数によって変動し，すべての潜在変数を把握しない限り強化学習による最適なごみ収集方策は求められない．そこでH29年度は，複数の潜在変数によって変動する環境を複数のマルコフ環境の混合分布モデルによって表されるとして定式化し，複数のゴミ箱のゴミ発生のダイナミクスを考慮したパレート最適方策を導く方法を提案した．
|
| Current Status of Research Progress |
Current Status of Research Progress
2: Research has progressed on the whole more than it was originally planned.
Reason
IoT技術の活用による「ゴミの収集，乾燥，収容量の管理」，および，リサイクル技術による「廃棄物系バイオマス活用」のプロセスを一体化させ，ゴミの発生から乾燥，そして（目的地を含む）回収ルートの決定からリサイクル処理による還元までの一連の処理を包括的に考える物流の最適化実現をめざしてきた．
IoT技術を支えるセンサ開発を矢入が，「ゴミ箱あふれを事前検知する赤外線センサの開発」の成果を口頭発表し，重量センサの検討もしている．和嶋は，「乾燥と脱臭への利用を指向した天然ゼオライトの改質」として安心安全な材料を用いた水分低減方法を報告しておりH30年度にはこの成果を論文化する． 多目的，多段最適化については荒井が「多目的強化学習によるごみ収集業務のパレート方策の獲得」にてゴミ箱ごとのパレート最適解を求める方法を提案し，また，ゴミの量の変動に関しては「センサ情報を利用したごみ収集最適化のための強化学習アプローチ」として隠れマルコフ過程を用いたアルゴリズムを提案し，2つのゴミ箱の場合のシンプルな環境ではあるが，複数（3つ）の異なる確率分布に基づいて生成されるゴミを対象として，その有効性を検証している．
当初課題の廃棄物系バイオマスを意図したスマートゴミ箱に搭載すべきセンサの仕様とその実現可能性はすでに示しており，最終年度はこれらの情報を統合する自律的協調を創成する部分の設計方法に取り組む必要がある．現状では，各センサの情報を中央で吸い上げて一括集中で，多目的多段階の計画問題を解く方法として提案しているが，以後は，ゴミ箱間での協調，あるいは収集車間の連携の必要性と意義を検討する．
|
| Strategy for Future Research Activity |
最終年度のH30年度は，課題タイトル中の「モーダルシフト」という用語に注目し，H28, H29年度とは異なる還元物流形態も検討する．これまでは，従来のゴミ収集形態，すなわち，「固定された集積箇所にスマートゴミ箱が置かれ，必要に応じて収集車が巡回する」という形態を継承した上での最適化を考えてきた．しかし，近年のモビリティサービスが現実味を増した今こそ，例えば集積所のスマートゴミ箱にモビリティを持たせ，回収車が無くとも，自ずと，処理場，あるいはリサイクル向上まで運搬するサービスの方が，他のゴミ箱の収量を考慮して回収巡回をするよりも衛生的かつ効率的と考えることができる．これまでは，「水分は極力減らし，かつ，収量はゴミ箱の最大容量に限り無く近づくまで貯める」という問題設定であったが，この設定について，学会での反応は“衛生的な問題が気になる”という指摘が多数を占めた．また，複数のゴミ箱間の収集量の差異も含めた最適な収集タイミングと，最適な巡回ルート探索に酔う留守計算量は莫大である割に実りは少ないように思われる．問題を複雑にし，センサ間の協調も困難になる一方で，結局，ある1台の収集車によって各ゴミ箱の廃棄物は，ゴミ箱ごとの乾燥の度合いが異なっているにも拘わらず，混ぜられて，水分が平衡するなどの影響も考慮しなければならない．
それよりは，自律的な移動ゴミ箱を想定した最適化を考えることも一案である．この設定において，この2年間で蓄積したセンサ性能や，水分減少に関する化学反応の成果を無駄にすることなく，そのまま生かすことのできる問題設定であり，モーダルシフトの観点も含めた物流最適化に対する方法論として提案，評価するところまでを目標とする．
|
| Causes of Carryover |
当初，予定していた実証実験に要する費用として，旅費（リサイクル処理場所の立地），学生への謝金（リサイクル巡回エリアの調査）が先送りになったことから，本費用の余剰が生じた．しかし，実験計画と準備が整い次第（フィールド実験）および，約5名の学生への調査依頼費用として利用する予定である．
|
