Développement et simulation d’un système innovant et autonome de collecte intelligente des déchets basé sur la connaissance

Collecte des déchets plus intelligente pour des villes plus propres

Les ordures ménagères et le recyclage disparaissent généralement de nos trottoirs sans y prêter beaucoup d’attention, mais le processus derrière ce service simple est coûteux, polluant et souvent inefficace. Les camions parcourent des itinéraires fixes chaque jour, même lorsque de nombreuses poubelles ne sont qu’à moitié pleines, ce qui gaspille du carburant et encombre les rues. Cette étude explore une nouvelle façon de collecter les déchets qui utilise les données et des véhicules autonomes pour décider quand et où envoyer les camions, réduisant ainsi les coûts, la circulation et les émissions tout en maintenant la propreté des quartiers.

Pourquoi la collecte traditionnelle montre ses limites

La plupart des villes s’appuient encore sur une méthode simple : une flotte de camions suit le même trajet chaque jour, s’arrêtant à chaque poubelle quel que soit son niveau de remplissage. Comme la production de déchets varie selon les saisons, les jours fériés et les habitudes locales, cela amène les camions à desservir de nombreuses poubelles à moitié pleines tout en consommant du carburant et en augmentant la congestion. Les systèmes « intelligents » précédents ont tenté de résoudre ce problème en équipant chaque poubelle de capteurs pour signaler le niveau de remplissage en temps réel. En pratique, équiper des centaines ou des milliers de poubelles d’électronique s’est avéré coûteux et fragile, avec des défis allant du vandalisme et des dommages liés aux intempéries au remplacement des batteries et à la connectivité sans fil.

Transformer les collectes passées en connaissance utile

Plutôt que d’équiper chaque poubelle, les auteurs proposent un système « de connaissance » basé sur le cloud qui apprend de ce que les camions mesurent déjà. Les véhicules de collecte modernes peuvent être dotés de dispositifs de pesée qui enregistrent la contribution de chaque poubelle à chaque vidage, ainsi que sa localisation et la date. En compilant deux ans de ces relevés pour près de 400 poubelles de recyclage dans une zone résidentielle d’Abu Dhabi, les chercheurs ont entraîné des modèles informatiques pour prévoir la quantité de déchets attendue dans chaque poubelle le jour suivant. Plusieurs approches d’apprentissage automatique ont été testées, notamment des modèles linéaires, des réseaux neuronaux et des méthodes avancées basées sur des arbres. Le meilleur modèle a pu prédire les déchets quotidiens par poubelle avec une erreur relative d’environ 4 %, suffisamment précis pour distinguer les poubelles nécessitant réellement un ramassage de celles qui pouvaient attendre en toute sécurité.

Choisir les bonnes poubelles et itinéraires chaque jour

Armé de ces prévisions, le système applique une règle simple : seules les poubelles dont on prévoit qu’elles atteindront environ 90 % de leur capacité sont programmées pour la collecte. Les poubelles prévues moins pleines sont sautées pour la journée et revérifiées au cycle suivant. Les poubelles sélectionnées sont ensuite transmises à un moteur de routage qui utilise des cartes numériques pour trouver le chemin global le plus court pour le camion. Les chercheurs ont comparé trois configurations sur un mois simulé : le système conventionnel actuel qui dessert chaque poubelle quotidiennement ; un système fondé sur des capteurs reposant sur des mesures en temps réel ; et le système proposé basé sur la connaissance qui utilise des prévisions au lieu de matériel dans chaque poubelle.

Camions autonomes et impacts sur le terrain

Pour comprendre comment ces stratégies se dérouleraient dans la réalité, l’équipe a utilisé un logiciel de simulation de trafic pour modéliser à la fois des camions conduits par des humains et des véhicules connectés et autonomes. Ils ont intégré des comptages de trafic réels, des vitesses et la configuration des routes du quartier étudié. Dans les scénarios intelligents, il y a eu des jours où aucune collecte n’était nécessaire, et lors des jours de service les camions visitaient bien moins de poubelles. Par rapport à l’approche traditionnelle, les deux systèmes intelligents ont réduit les distances parcourues d’environ 60 %, réduit le temps de trajet total d’environ 85 % et diminué les émissions de carbone des camions de près de moitié. Lorsqu’on a ajouté la conduite autonome, les retards de circulation ont encore chuté — d’environ 70 à 90 % selon le scénario — car les camions autonomes pouvaient maintenir des vitesses plus régulières et interagir plus efficacement avec les autres véhicules.

Économiser de l’argent tout en réduisant la pollution

Les chercheurs ont également examiné les coûts à long terme sur 15 ans, incluant véhicules, poubelles, carburant, maintenance et électronique. Le système lourdement doté en capteurs s’est avéré le plus coûteux au global : les modestes économies de carburant liées à des trajets plus courts ne compensaient pas l’achat, l’installation et la maintenance de centaines de poubelles intelligentes. En revanche, le système basé sur la connaissance nécessitait seulement quelques capteurs sur les camions et de l’informatique distante dans le cloud. Il a offert presque les mêmes bénéfices opérationnels que l’approche basée sur les capteurs tout en réduisant les coûts totaux d’environ deux tiers par rapport aux systèmes conventionnel et fondé sur les capteurs. Même en incluant le coût supplémentaire du matériel pour véhicules autonomes, l’architecture basée sur la connaissance est restée l’option la plus économique.

Ce que cela signifie pour les villes de demain

Du point de vue du grand public, le message est clair : les villes n’ont pas besoin d’équiper chaque poubelle d’un gadget pour moderniser la collecte des déchets. En apprenant des collectes passées et en utilisant ces informations pour décider quand et où envoyer les camions, il est possible de collecter presque la même quantité de déchets avec beaucoup moins de trajets. L’étude montre qu’un système basé sur le cloud et piloté par des prévisions — surtout lorsqu’il est associé à des camions autonomes — peut réduire la circulation, les émissions et les coûts simultanément. Bien que des essais sur le terrain restent nécessaires, cette approche ouvre la voie à des quartiers plus propres, plus calmes et plus efficaces sans ajouter de complexité visible au bord du trottoir.

Citation: 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

Mots-clés: collecte intelligente des déchets, véhicules autonomes, apprentissage automatique, durabilité urbaine, optimisation des trajets