農機作業路徑規劃策略研究
——基于智慧農機大數據平臺

張 璠,李 蔓,常淑惠,張 喆

(1.河北農業大學 信息科學與技術學院,河北 保定 071000;2.石家莊鐵路職業技術學院,石家莊 050041;3.河北省農村金融服務中心,石家莊 050021)

0 引言

農業機械是現代農業發展的物質基礎和科技載體。隨著我國購機補貼政策的實施,各地農機保有量持續增長,農機跨區機手作業的競爭日益激烈,調配成本呈上升趨勢,而調配收益卻逐步下降。農機跨區作業信息不對稱、缺少實時作業信息和優化的調配策略,導致農機供需失衡,農作物無法及時收獲。面對部分小麥聯合收割機過飽和狀態,提高跨區作業的組織化、信息化和智能化程度迫在眉睫。

國外農業規模化程度較高,如加拿大、澳大利亞及歐洲大多數國家土地經營規模較大,農場主同時擁有農田和農機,一般農機具自用,很少組織大規模農機跨區作業。因此,國外專門對農機跨區作業開展的研究很少,重點考慮的是不同農機在作業過程中的配合問題[1-4]。農機跨區作業是我國農機服務市場化的偉大創舉。文獻[5]提出通過開展“訂單作業”,形成了作業區域清晰、服務半徑適度、服務對象牢固、作業收益穩定的發展模式,避免機手盲目行動,提高作業效率,實現跨區作業收益最大化。文獻[6]針對油價上漲、單機作業量下降、作業價格上升緩慢、地區間規模不均、部分機具保有量飽和等問題,運用經濟學觀點對目前農機跨區作業面臨問題進行了分析,建議開展訂單作業、中介人、公司化實體等多種契約化發展模式。文獻[7]結合農機跨區作業模式的發展現狀,提出了維護市場秩序、完善服務平臺及完善配套機制等策略。這些文獻從宏觀上給出了一些行政管理的建議和指導,但沒有從理論層次上為跨區作業中存在的問題提供具體解決思路。

目前,現有的農機信息服務平臺為農機需求者(種植戶、作業經紀人)和農機擁有者(合作社、農機手)之間搭建了一個信息對接平臺,解決了農民找機手、找農活的難題,促進作業農機的有序流動[8-11]。但是,由于農機跨區調配影響因素較多,如時間、地點、路況、數量、作業能力、作業價格、天氣和機手主觀因素等,如何使機手或合作社獲得最大收益,現有平臺并未提供科學有效的智能決策服務[12-14]。由于沒有統一的規范和標準,現有的信息服務平臺無法實現不同數據的整合,跨區作業的供需信息不對稱,缺少實時的作業信息和優化的調配策略,無法為機手和農機合作社提供精準化智能化的服務。在文獻[15-24]中,分別研究了基于機主選擇的調配模式和管理部門主導的應急調配模式及現狀,構建并設計了基于優先級規則的調配算法,通過模擬數據來驗證算法的有效性。這些研究只是對農機調配模型和算法的理論研究與探討,沒有結合實際作業數據來驗證算法的科學性與適用性,未能實現農機作業信息的實時采集與精準信息服務。

本文首先介紹基于“互聯網+”的智慧農機作業信息服務平臺的體系結構,借助手機APP、智能終端采集設備實現農機作業信息供需對接,為農戶、農機戶提供精準信息服務;然后研究了基于智慧農機平臺的農機作業路徑優化問題,設計了農機作業優化調度算法,為農機大戶或農機合作社的多臺農機提供最優作業區域和行駛路線。

1 構建智慧農機大數據管理平臺

“互聯網+”模式下的農機跨區作業富有廣泛研究前景。智慧農機大數據管理平臺采用物聯網和精確定位技術實現農機作業的位置、作業狀態、作業環境參數等信息的實時采集,運用互聯網技術開發的手機APP和信息服務管理平臺實現了農機作業供需信息的無縫對接及農機基礎數據的采集,從而構建了基于互聯網+的河北省農機大數據,如圖1所示。

圖1 智慧農機大數據平臺體系結構圖Fig.1 Architecture diagram of intelligent agricultural machinery big data platform

圖2 “我是地主”APP與“我是機手”APP首界面Fig.2 Mobile app homepages of “I am a farmer” and “I am a driver”

1.1 數據采集

數據是“智慧”決策的基礎,有了數據才能決策分析。因此,基于“互聯網+”的作業服務管理平臺首先要解決的是數據問題。該平臺的農機作業數據(如作業位置、作業面積、作業時間窗、作業能力等信息)可以通過手機APP、移動終端等方式采集。

1)手機APP應用。研發的“我是地主”APP可以發布待作業農田信息、實時查詢農田附近的可用農機信息并進行個人信息維護等,同時可以為農戶推送先進農機具、先進生產技術、先進生產資料等信息服務。研發的“我是機手”APP,可以發布農機信息、查詢農機周邊待作業的農田信息,可以得到科學合理的作業路徑優化方案,享受維修站、加油站的便捷服務,并能得到及時的信息推送服務。通過兩款手機APP,可以實現信息智能無縫對接,解決農機作業市場的信息不對稱問題。

2)農機智能采集終端。從功能上分為信息采集(環境溫濕度、風速、GPS信息)及GPRS無線傳輸,從物理連接上分為智能主機和數據顯示模塊兩個單元。智慧農機終端包括主機、顯示機、溫濕度傳感器、GPS天線、GPRS天線、固定支架及電源線,具體功能如表1所示。

表1 農機智能采集終端主要功能Table 1 Main Functions of Intelligent Collection Terminal for Agricultural Machinery

1.2 智能服務

通過互聯網、移動通信及物聯網等網絡傳輸方式,將數據層采集到的數據傳輸到該作業服務管理平臺。大數據平臺主要完成存儲和計算功能;存儲功能主要是指對采集到的農作物和農機的信息進行存儲、查詢及管理;計算功能主要是指對已有的數據進行加工計算處理后,為平臺的不同用戶提供智能化與個性化的服務。

針對多機多地塊作業任務,通過綜合分析位置信息、天氣信息、收獲時間、播種面積及作業價格等因素,設計了基于平均收益最大的優化調度算法,通過智能分單方式為農機大戶或農機合作社的多臺農機提供最優作業區域和行駛路線,不僅確保按時完成農作物作業任務,也提高作業收益,減少作業成本。本文將重點研究并分析基于多機多任務的農機作業路徑規劃算法。

2 農機作業路徑規劃策略研究

農戶通過“我是地主”APP發布地塊信息,機手通過“我是機手”APP查詢地塊信息;接著,智能搜索出待作業農田點附近可用的農機信息;生成可用農機列表,綜合農機作業能力、作物位置、面積、種植種類及作業時間等信息,通過多農機智能分單,設計基于平均收益最大的優化調度算法,實現多機多任務的調度,得到科學的調度策略,供農機大戶或農機合作社參考。

2.1 問題描述與模型構建

針對農機作業路徑優化問題,本節將做以下形式化描述:

1)農田信息。集合A={a1,a2,…,am},用于表示m塊農田。任意農田ai可以表示為如下形式,即

ai={areai,timeWi,locFi,pricei}

(1)

其中,areai表示農田i的面積;timeWi={TEi,TLi}表示農田i適宜作業的時間窗;TEi和TLi分別表示農田i適宜作業的開始時間和結束時間;locFi={lngFi,latFi}表示農田i的位置信息,lngFi和latFi分別表示農田i的經緯度信息。

2)農機信息。集合B={b1,b2,...,bn},用于表示n臺農機,任意農機bj可以表示為

bj={abilityj,velocityj,costj,locMj}

(2)

其中,abilityj表示農機j的作業能力;velocityj表示農機j的行駛速度; costj={costIj,costSj,costWj}表示從農機j到農田i的成本;costIj表示百公里油耗成本;costSj表示單位時間人工作業成本;costWj表示農機j的等待成本(元);locMj={lngMj,latMj}表示農機j的位置信息,lngMj和latMj分別表示農機j的經緯度信息。

3)調配方案為

其中,集合S表示n臺農機到m塊農田的調配方案集。任意方案sji表示從農機j到農田i的調配方案,具體表示為

sji={zji,locMj,locFi,tji,scji,dji,earningji}

(3)

其中,zji=1為農機j服務農田i;zji=0表示農機j未服務農田i;dji表示農機j到農田i的距離(km);tji= {tdji,taji,tsji,teji}表示農機j到農田i的時間集合,tdji表示從農機j到農田i的出發時間點,taji表示農機j到農田i的到達時間點,tsji表示農機j到農田i的開始作業時間點,teji表示農機j到農田i的結束時間點;scji表示農機j為農田i作業的面積(667hm2)。

4)調配目標為

(4)

earningi=pricei·scji-costIj·dji-

costSj·(teji-tdji)-fji·costWj·(taji-tsji)

(5)

(6)

其中,fji=1表示農機j到農田i有等待時間;fji=0表示農機j到農田i無等待時間。

約束條件為

(7)

(8)

taji=tdji+distanceji/velocityj

(9)

由式(7)可知:農田i的面積等于所有到農田i的農機作業的總面積之和。由式(8)可知:當農機j到達農田i的時間taji大于農田i的適宜開始作業時間TEi時,農機j為農田i的實際作業時間為taji,否則為TEi。由式(9)可知:農機j到達農田i的時間等于農機j到農田i的出發時間加上路上時間。

2.2 基于平均收益最大的路徑規劃算法設計

2.2.1 概念定義

定義1:有效作業時間為農機j到達農田i開始作業到完成農田i的作業任務間的作業時間。

(10)

2.2.2 算法設計

根據調度模型,提出了基于單位時間平均作業收益最大的農機作業優化調度算法,記為(Algorithm of Maximum Average Profit)MAPA。算法思想如下:首先通過智慧農機大數據平臺獲取農田的作業面積、作業單價、作業時間窗、農田經緯度位置及農機的作業能力、百公里油耗、實時經緯度、行駛速度等信息,根據農機和待作業的農田信息分別計算出每臺農機到每塊農田的單位時間平均收益,找出單位時間平均作業收益最大的一對農田和農機,優先把該農機分配給該農田。若該農田任務未被完成,則將到該農田平均收益最大的農機分配給該農田;若該農田被完成則繼續選擇當前平均收益最大的一對農田和農機,直到該農田點被完成或所有農機被分配完為止。具體算法步驟如下:

Step 1:數據獲取與準備工作。

(1)農戶通過“我是農戶”APP發布待作業的農田信息,主要包括農田面積、作業單價、作業時間窗、農田經緯度位置等信息。

(2)機手通過“我是機手”APP發布可用農機信息,主要包括農機的作業能力、百公里油耗、行駛速度等信息;通過安裝在農機上的GPS智能終端實時采集到農機的實時經緯度信息。

(3)通過調用中國天氣網的接口來實時獲取農田所在地的天氣狀況信息。

(4)根據農田和農機的經緯度信息,調用百度地圖接口,計算每臺農機到每個農機的實際距離。

Step 2:綜合分析農田作業時間窗、農田面積、作業單價、距離、天氣、農機作業能力及行駛速度等因素,以收益最高成本最低為調配目標,建立多機多任務的跨區作業調配的數學模型。

Step 3:確定單位時間平均收益的計算方法,并計算每臺可作業農機到每塊待作業農田的單位時間的平均收益。

Step 4:判斷可用農機數且待作業農田數量是否大于0。

Step 5:優先搜索單位時間平均收益最大的一對農田和農機。

Step 6:按照跨區作業調配的數學模型,記錄該農機到該農田的調配方案,接著對該農田和農機進行判斷。

(1)判斷該農田是否已被完成,若是則標記該農田為已完成狀態,更新到該農田作業的農機的調配信息,轉向Step4;

(2)否則,更新該農機的狀態為不可用,若可用農機數是否大于0,則搜索到該農田平均收益最大的農機,轉向Step 6:,否則轉向Step 7。

Step 7:若所有待作業農田均完成,或所有農機均為不可用狀態,則調配結束,可得到所有的調配方案。

2.3 試驗分析

2.3.1 試驗設計

以小麥聯合收割機作業為研究對象,小麥作業數據來源于智慧農機平臺,農田基本信息如表2所示。假設2臺農機M1和M2所在的經緯度分別為[114.5584,36.5068]、[114.5584,36.5068],農機行駛速度為32km/h,行駛油耗0.1L/km,農機作業能力0.67hm2/h,作業油耗為5.4 L/h。農田到農機的距離及不同農田間的距離通過調用百度地圖接口來計算,結果如表3所示。由表3可知:凈收益為22 214元,成本為15 236元,運行時間為1.578s。

表3 算法計算結果分析Table 3 Analysis of the calculation results of the algorithm

2.3.2 結果驗證

為進一步可算法的有效性,采集了2016-2018年度的河北省邯鄲市小麥聯合收割機作業數據進行多組驗證。

1)分別對不同數量的農田和農機情況下算法平均運行時間進行比較可知:本算法屬于基于啟發式優先級規則的路徑規劃算法,運行時間均能滿足實際需求,具體如表4所示。

表4 不同數量的農田和農機下算法平均運行時間比較Table 4 Comparison of average running time of the algorithm under different numbers of farmlands and agricultural machinery s

表5 基于本算法的近3年農機收益情況分析Table 5 Analysis of agricultural machinery income in recent three years based on the algorithm

2)采用本算法計算得到的作業路徑優化策略后,單臺農機的作業成本下降,效益增加。為了進一步說明算法的有效性,統計了河北省邯鄲市曲周縣2016-2018年部分農機作業信息,通過計算得到單臺農機的平均作業空駛距離減少值及總作業成本減少額。農機行駛每公里的油耗為0.9元,農機在1個作業季可作業時間為25天,具體如表4所示。

由上述分析可知:基于平均收益最大的農機作業優化調度算法的運行時間能滿足實際需求;通過智能分單的方式,單機的作業成本下降,單機的平均作業空駛距離減少,作業效益增加;基于單位時間平均作業收益最大的農機作業優化調度算法為解決多機多地塊調度提供了一個有效的方案。

3 結論

1)智慧農機作業優化調度問題就是要在多農田作業點和多農機點之間建立一種映射關系,通過組織適當的行車路線,使農機有序地為農田作業點服務。研發了以獲取最大收益為目標的多因素農機作業智能優化模型,根據農機位置、作業地點、收獲時間及作業價格等因素,為實現“智能調度,節能降耗,增產增收”的深度智能化服務提供技術支持。同時,為機手提供最優作業地塊和行駛路線,大大減少機械空駛率,提升農機作業的智能化水平。

2)借助于互聯網+、大數據等技術,建設統一規范、統一標準的智慧農機大數據平臺,通過對農機農業數據的采集、存儲、清洗、統計分析和共享共用,為科學決策提供參考,為精準管理找準方向,為基層群眾提供實用信息。