تطوير ومحاكاة نظام ذكي مبتكر لجمع النفايات قائم على المعرفة الذاتية

جمع نفايات أذكى لمدن أنظف

عادةً ما تختفي نفايات المنازل وإعادة التدوير من أرصفة الشوارع دون كثير من التفكير، لكن العملية وراء هذه الخدمة البسيطة مكلفة وتلوثية وغالبًا ما تكون غير فعّالة. تسير الشاحنات في مسارات ثابتة يوميًا، حتى عندما تكون العديد من الحاويات نصف ممتلئة فقط، ما يهدر الوقود ويزدحم الشوارع. تستكشف هذه الدراسة طريقة جديدة لجمع النفايات تعتمد على البيانات والمركبات الذاتية لتقرير متى وأين ترسل الشاحنات، مما يقلل التكلفة وحركة المرور والانبعاثات مع الحفاظ على نظافة الأحياء.

لماذا يفشل الجمع التقليدي في تلبية الاحتياجات

تعتمد معظم المدن حتى الآن على نهج بسيط: أسطول من الشاحنات يتبع نفس المسار كل يوم، ويتوقف عند كل حاوية بغض النظر عن مدى امتلائها. لأن إنتاج النفايات يتغير مع الفصول والعطلات والعادات المحلية، يؤدي ذلك إلى خدمة العديد من الحاويات نصف الفارغة بينما تُهدر الوقود وتزداد الازدحامات. حاولت أنظمة "ذكية" سابقة إصلاح هذا بوضع حسّاسات في كل حاوية للإبلاغ عن مستويات الامتلاء في الوقت الفعلي. على أرض الواقع، كان تجهيز مئات أو آلاف الحاويات بالإلكترونيات مكلفًا وهشًا، مع تحديات تتراوح بين التخريب والأضرار الناتجة عن الطقس إلى استبدال البطاريات والاتصال اللاسلكي.

تحويل عمليات الجمع السابقة إلى معرفة مفيدة

بدلاً من توصيل كل حاوية، يقترح المؤلفون نظامًا سحابيًا "قائمًا على المعرفة" يتعلم من قياسات الشاحنات الحالية. يمكن تزويد مركبات الجمع الحديثة بأجهزة وزن تسجّل مقدار مساهمة كل حاوية في كل مرة تُفرغ فيها، جنبًا إلى جنب مع موقعها والتاريخ. من خلال تجميع سجلات لمدة عامين لما يقرب من 400 حاوية إعادة تدوير في منطقة سكنية بأبوظبي، درّب الباحثون نماذج حاسوبية للتنبؤ بكمية النفايات المتوقعة في كل حاوية في اليوم التالي. تم اختبار عدة طرق في التعلّم الآلي، بما في ذلك النماذج الخطية والشبكات العصبية وطرق الأشجار المتقدمة. كان أفضل نموذج قادرًا على التنبؤ بالنفايات اليومية لكل حاوية بخطأ نسبي يقارب 4% فقط، دقة كافية للتمييز بين الحاويات التي تحتاج فعلاً إلى الخدمة وتلك التي يمكنها الانتظار بأمان.

اختيار الحاويات والمسارات اليومية المناسبة

مسلحًا بهذه التنبؤات، يطبق النظام قاعدة بسيطة: تُجدول فقط الحاويات المتوقّع أن تبلغ نحو 90% من سعتها لجمعها. تُتخطى الحاويات المتوقَّع أن تكون أقل امتلاءً في ذلك اليوم وتُعاين مرة أخرى في الدورة التالية. ثم تُنقل الحاويات المختارة إلى محرك تخطيط المسار الذي يستخدم خرائط رقمية لإيجاد أقصر مسار إجمالي للشاحنة. قارن الباحثون ثلاث ترتيبات على مدى شهر محاكٍ: النظام التقليدي الحالي الذي يخدم كل الحاويات يوميًا؛ نظام قائم على الحسّاسات يعتمد على قياسات الحاويات في الوقت الفعلي؛ والنظام المقترح القائم على المعرفة الذي يستخدم التنبؤات بدلًا من الأجهزة في كل حاوية.

الشاحنات الذاتية القيادة والتأثيرات الواقعية

لفهم كيف ستتبلور هذه الاستراتيجيات في الشوارع الحقيقية، استخدم الفريق برنامج محاكاة حركة المرور لنمذجة كل من الشاحنات التي يقودها بشر والمركبات المتصلة الذاتية. أدخلوا بيانات فعلية عن أحجام المرور والسرعات وتصاميم الطرق للحي المدروس. في السيناريوهات الذكية، كانت هناك أيام لا تحتاج فيها عملية جمع على الإطلاق، وفي أيام الخدمة زارت الشاحنات عددًا أقل بكثير من الحاويات. مقارنة بالنهج التقليدي، قلصت كلا النظامين الذكيين مسافة الرحلة بنحو 60%، وخفضت الوقت الكلي للرحلة بنحو 85%، وقلّلت انبعاثات الكربون من الشاحنات ما يقرب من النصف. عندما أضيفت القيادة الذاتية، انخفضت التأخيرات المرورية أكثر—بنحو 70–90% اعتمادًا على السيناريو—لأن الشاحنات الذاتية يمكنها الحفاظ على سرعات أكثر سلاسة والتفاعل بكفاءة أكبر مع المركبات الأخرى.

توفير المال مع تقليل التلوث

درس الباحثون أيضًا التكاليف طويلة الأمد على مدى 15 سنة، بما في ذلك المركبات والحاويات والوقود والصيانة والإلكترونيات. تبين أن النظام المعتمد على الحسّاسات كان الأكثر تكلفة إجمالًا: فإن الوفورات المتواضعة في الوقود الناتجة عن المسارات الأقصر لم تُعوّض تكلفة شراء وتركيب وصيانة مئات الحاويات الذكية. في المقابل، تطلّب النظام القائم على المعرفة عددًا قليلاً فقط من المستشعرات على الشاحنات وحوسبة سحابية بعيدة. قدّم فوائد تشغيلية تقارب تلك التي يوفرها النظام المعتمد على الحسّاسات بينما خفّض التكاليف الإجمالية بحوالي ثلثي التكلفة مقارنةً بالنظامين التقليدي والقائم على الحسّاسات. حتى عند احتساب التكلفة الإضافية لمعدات المركبات الذاتية، ظلّ خيار النظام القائم على المعرفة هو الأكثر اقتصادية.

ماذا يعني هذا لمدن المستقبل

من منظور غير متخصص، الرسالة واضحة: لا تحتاج المدن إلى تغطية كل حاوية نفايات بأجهزة لتحديث جمع النفايات. من خلال التعلم من عمليات الجمع السابقة واستخدام تلك المعلومات لتقرير متى وأين تُرسل الشاحنات، من الممكن جمع تقريبا نفس كمية النفايات مع عدد أقل بكثير من الرحلات. تُظهر الدراسة أن نظامًا سحابيًا قائمًا على التنبؤ—وخاصة عند إقرانه بشاحنات ذاتية—يمكن أن يقلل الحركة المرورية والانبعاثات والتكاليف في الوقت نفسه. وعلى الرغم من الحاجة إلى تجارب ميدانية فعلية، يشير هذا النهج إلى أحياء أنظف وأكثر هدوءًا وكفاءة دون إضافة تعقيد مرئي عند أرصفة الشوارع.

الاستشهاد: Abdallah, M., Hosny, M. Development and simulation of an innovative autonomous knowledge-based smart waste collection system. Sci Rep 16, 13414 (2026). https://doi.org/10.1038/s41598-026-48792-w

الكلمات المفتاحية: جمع النفايات الذكي, مركبات ذاتية القيادة, التعلّم الآلي, استدامة حضرية, تحسين المسارات