کاربرد یادگیری ماشین در مدیریت هوشمند پسماند شهری: چارچوبی برای شهرداری های شهرهای کوچک

مدیریت پسماند شهری یکی از پرهزینه ترین و پیچیده ترین وظایف عملیاتی شهرداری هاست و شهرداری های شهرهای کوچک به دلیل محدودیت ناوگان حمل ونقل و نیروی انسانی، آسیب پذیری بیشتری در برابر ناکارآمدی این فرآیند دارند. یادگیری ماشین با پیش بینی دقیق تر حجم پسماند تولیدی و بهینه سازی مسیرهای جمع آوری، پتانسیل قابل توجهی برای کاهش هزینه سوخت، زمان عملیات و انتشار آلایندگی دارد. این پژوهش با رویکرد توصیفی-تحلیلی و بر پایه یک مطالعه موردی شبیه سازی شده در یک شهرداری فرضی با جمعیت پنجاه هزار نفر، اثربخشی به کارگیری الگوریتم های یادگیری ماشین بر سه شاخص کاهش مسافت پیموده شده ناوگان، کاهش هزینه عملیاتی و افزایش دقت پیش بینی حجم پسماند را بررسی می کند. داده های شبیه سازی شده بر مبنای الگوهای گزارش شده در پژوهش های پیشین در حوزه پیش بینی پسماند و بهینه سازی مسیر تولید و با روش های آمار توصیفی تحلیل شده اند. یافته ها نشان می دهد استقرار یک سامانه پیش بینی مبتنی بر یادگیری ماشین همراه با بهینه سازی مسیر می تواند مسافت پیموده شده و هزینه سوخت را به طور محسوس کاهش داده و دقت پیش بینی حجم پسماند را افزایش دهد. این مقاله در پایان چارچوبی مرحله ای و کم هزینه برای پیاده سازی این فناوری متناسب با ظرفیت شهرداری های کوچک ارائه می دهد.

کلیدواژه ها:

یادگیری ماشین ، مدیریت پسماند شهری ، بهینه سازی مسیر جمع آوری ، شهرداری هوشمند ، شهر کوچک