Clustering sottrattivo per problemi di allocazione spaziale delle risorse nella gestione dei rifiuti

Perché una collocazione più intelligente dei cassonetti conta

In città e paesi, il riciclo spesso fallisce non perché le persone non siano interessate, ma perché il punto di raccolta più vicino è troppo lontano o troppo pieno. Questo articolo esplora un nuovo modo di decidere dove collocare un numero limitato di contenitori per rifiuti in modo che siano facilmente raggiungibili, equamente condivisi e coerenti con il modo in cui le persone si muovono realmente nel loro ambiente.

Dalle persone e dai cassonetti a una mappa dei bisogni

Gli autori analizzano problemi di allocazione spaziale delle risorse, dove un numero limitato di strutture deve servire molti utenti sparsi. Nella gestione dei rifiuti queste strutture sono contenitori, stazioni di trasferimento o impianti di trattamento, e gli utenti sono i residenti che producono rifiuti. Una buona pianificazione cerca di coprire il maggior numero possibile di persone mantenendo basso lo sforzo di viaggio e i costi. La realtà complica questo compito perché le persone si spostano, le strade modellano i percorsi e ogni struttura ha una capacità limitata. I metodi tradizionali si concentrano o sull’ottimizzazione matematica, che può diventare molto lenta per grandi aree, o su tecniche di clustering che raggruppano le richieste vicine ma faticano a includere limiti di capacità e percorsi di viaggio realistici.

Un’idea di clustering adattata al mondo reale

Lo studio adatta una tecnica chiamata clustering sottrattivo per cogliere come domanda e servizio interagiscono nello spazio. A ogni insediamento, o posizione potenziale per un contenitore, viene assegnato un valore di “potenziale” che riflette quante persone può servire comodamente, incluse quelle nei centri vicini. Questo viene calcolato con semplici curve basate sulla distanza che descrivono due idee intuitive: quanto le persone sono disposte a spostarsi verso un cassonetto e quanto è attrattiva la posizione del cassonetto. L’algoritmo posiziona quindi i contenitori uno per uno nelle località più promettenti, riducendo il potenziale residuo nel loro intorno in base alla capacità di ciascun contenitore. Se il fabbisogno rimane elevato nello stesso punto, possono essere collocati più contenitori lì, permettendo al metodo di gestire capacità diseguali e aree molto affollate.

Seguire le strade invece delle linee rette

Un miglioramento chiave è che il metodo non misura la distanza “in linea d’aria”. Usa invece distanze sulla rete stradale o tempi di percorrenza, che riflettono meglio come le persone raggiungono effettivamente i contenitori. Questo è particolarmente importante per regioni vaste, dove fiumi, montagne o strade scarse possono rendere un cassonetto apparentemente vicino sulla mappa effettivamente distante. Gli autori progettano anche misure semplici per valutare quanto funziona un piano di collocazione dei contenitori. Queste includono la quota di domanda che rimane scoperta, quanto il nuovo piano differisce da quello attuale e quanto il modello spaziale dei contenitori si avvicina al modello spaziale della popolazione.

Mettere alla prova il metodo in Ungheria

Per mostrare l’approccio in azione, i ricercatori studiano i contenitori per rifiuti tessili in Ungheria. Al momento dello studio, 2.453 contenitori erano distribuiti in sole 503 delle oltre 3.000 municipalità del Paese, lasciando vaste aree senza servizio. Assumendo che i rifiuti tessili siano proporzionali alla popolazione, usano il loro metodo per ridistribuire lo stesso numero di contenitori mantenendo realistiche le capacità. La disposizione risultante diffonde i contenitori in quasi il doppio delle municipalità e fa sì che il loro pattern sulla mappa somigli da vicino al pattern della popolazione. Metriche semplici basate sulla distanza mostrano che il nuovo piano serve le persone in modo molto più uniforme rispetto al sistema esistente. Gli autori confrontano inoltre il loro approccio con alternative comuni basate su programmazione lineare e clustering k-medoidi, trovando soluzioni simili o migliori con molto meno sforzo computazionale nei problemi di grandi dimensioni.

Cosa significa questo per la pianificazione urbana e regionale futura

Per un lettore non specialista, il messaggio principale è che una collocazione più intelligente di un numero fisso di punti di raccolta può migliorare notevolmente chi viene servito, senza aggiungere nuovi cassonetti. Combinando una semplice idea di clustering con distanze stradali realistiche, comportamento di viaggio e limiti di capacità, il metodo offre ai pianificatori uno strumento flessibile per progettare sistemi di contenitori sia a livello cittadino sia nazionale. Pur concentrandosi sui rifiuti tessili in Ungheria, le stesse idee potrebbero guidare dove collocare altre strutture condivise, come punti di riciclo, stazioni di ricarica o servizi sanitari, contribuendo a far corrispondere risorse limitate ai movimenti quotidiani delle persone in modo più equo ed efficiente.

Citazione: Kenyeres, É., Kummer, A. & Abonyi, J. Subtractive clustering for spatial resource allocation problems in waste management. Sci Rep 16, 14986 (2026). https://doi.org/10.1038/s41598-026-45718-4

Parole chiave: gestione dei rifiuti, pianificazione spaziale, clustering, contenitori per il riciclo, reti stradali