Ψηφιακό δίδυμο για την έξυπνη διαχείριση απορριμμάτων με χρήση τεχνητής νοημοσύνης
Digital twin for smart waste management using Artificial Intelligence

Προβολή/ Άνοιγμα
Λέξεις κλειδιά
Ψηφιακό δίδυμο ; Έξυπνη διαχείριση αποβλήτων ; Τεχνητή νοημοσύνη ; Πρόβλεψη μηχανικής μάθησης ; Πρόβλημα δρομολόγησης οχημάτων ; Δυναμική δρομολόγηση ; Αστική βιωσιμότητα ; Βελτιστοποίηση συλλογής αποβλήτων ; Μείωση εκπομπών CO2 ; Παρακολούθηση αποβλήτων ; IoTΠερίληψη
Η συλλογή αστικών αποβλήτων παραμένει μια από τις δημόσιες υπηρεσίες με τη μεγαλύτερη κατανάλωση πόρων σε αστικά περιβάλλοντα. Τα παραδοσιακά συστήματα σταθερής διαδρομής λειτουργούν με στατικά χρονοδιαγράμματα που δεν αντικατοπτρίζουν τα πρότυπα παραγωγής αποβλήτων σε πραγματικό χρόνο, οδηγώντας σε περιττές μετακινήσεις, μη βέλτιστη αξιοποίηση οχημάτων, κατανάλωση καυσίμου που μπορεί να αποφευχθεί και αυξημένες εκπομπές αερίων του θερμοκηπίου. Αυτή η μελέτη αναπτύσσει και αξιολογεί ένα πλαίσιο ψηφιακού διδύμου για έξυπνη διαχείριση αποβλήτων που υποστηρίζεται από προβλέψεις που βασίζονται στην τεχνητή νοημοσύνη και δυναμική βελτιστοποίηση δρομολόγησης.
Το προτεινόμενο σύστημα ενσωματώνει μοντελοποίηση συσσώρευσης αποβλήτων σε επίπεδο κάδου, πρόβλεψη πληρότητας βασισμένη στη μηχανική μάθηση και δυναμική χωρητική δρομολόγηση οχημάτων εντός μιας ενοποιημένης αρχιτεκτονικής ψηφιακού διδύμου. Η παραγωγή αποβλήτων μοντελοποιείται ως μια χρονικά εξαρτώμενη στοχαστική διαδικασία που ενσωματώνει εβδομαδιαία εποχικότητα, επιδράσεις αργιών και μεταβλητότητα του περιβάλλοντος. Προγνωστικά μοντέλα, συμπεριλαμβανομένης της μάθησης σε σύνολο και προσεγγίσεων που βασίζονται σε ακολουθίες, εκτιμούν τον χρόνο έως το όριο για κάθε κάδο. Οι αποφάσεις δρομολόγησης επανυπολογίζονται καθημερινά χρησιμοποιώντας ευρετικές μεθόδους βελτιστοποίησης για την ελαχιστοποίηση της συνολικής απόστασης μετακίνησης, σεβόμενοι παράλληλα τη χωρητικότητα του οχήματος και τους λειτουργικούς περιορισμούς.
Μια συγκριτική προσομοίωση μεταξύ ενός βασικού συστήματος σταθερής διαδρομής και του σεναρίου ψηφιακού διδύμου βελτιστοποιημένου με τεχνητή νοημοσύνη πραγματοποιήθηκε για ένα δίκτυο πόλης 500 κάδων και 8 οχημάτων ντίζελ. Τα αποτελέσματα δείχνουν μείωση 26,5% στη συνολική απόσταση διαδρομής, μείωση 31,9% στην κατανάλωση καυσίμου και αντίστοιχη μείωση 31,9% στις εκπομπές CO2. Η χρήση των οχημάτων βελτιώθηκε από 63% σε 84%, ενώ τα περιστατικά υπερχείλισης μειώθηκαν από 47 σε 9 περιστατικά ανά μήνα. Η ανάλυση ευαισθησίας σε μικρά, μεσαία και μεγάλα δίκτυα πόλεων επιβεβαιώνει ότι τα οφέλη βελτιστοποίησης κλιμακώνονται θετικά με το μέγεθος του δικτύου.
Τα ευρήματα δείχνουν ότι η λειτουργική βελτιστοποίηση μέσω της ενσωμάτωσης ψηφιακών διδύμων παρέχει άμεσα οικονομικά και περιβαλλοντικά οφέλη χωρίς να απαιτείται ηλεκτροδότηση του στόλου ή σημαντική αντικατάσταση υποδομών. Ενώ οι προκλήσεις εφαρμογής, όπως η αξιοπιστία των αισθητήρων, η ενσωμάτωση δεδομένων και η οργανωτική προσαρμογή, πρέπει να αντιμετωπιστούν, τα αποτελέσματα καταδεικνύουν ότι ο συνδυασμός της παρακολούθησης σε πραγματικό χρόνο, της προγνωστικής ανάλυσης και της δυναμικής δρομολόγησης προσφέρει μια πρακτική οδό προς πιο βιώσιμα και ανθεκτικά συστήματα διαχείρισης αστικών αποβλήτων.


