Sviluppo e simulazione di un innovativo sistema autonomo di raccolta rifiuti intelligente basato sulla conoscenza

Raccolta dei rifiuti più intelligente per città più pulite

I rifiuti domestici e la raccolta differenziata scompaiono di solito dai nostri marciapiedi senza pensarci troppo, ma il processo dietro quel servizio apparentemente semplice è costoso, inquinante e spesso inefficiente. I camion percorrono ogni giorno itinerari fissi, anche quando molti contenitori sono solo a metà capacità, sprecando carburante e intasando le strade. Questo studio esplora un nuovo modo di raccogliere i rifiuti che usa i dati e veicoli autonomi per decidere quando e dove mandare i camion, riducendo costi, traffico ed emissioni mantenendo puliti i quartieri.

Perché la raccolta tradizionale non basta

La maggior parte delle città si affida ancora a un metodo semplice: una flotta di camion segue lo stesso percorso ogni giorno, fermandosi a ogni contenitore indipendentemente dal livello di riempimento. Poiché la produzione di rifiuti varia con le stagioni, le festività e le abitudini locali, questo porta i camion a svuotare molti contenitori mezzo vuoti consumando carburante e aumentando la congestione. I precedenti sistemi “intelligenti” hanno tentato di risolvere il problema dotando ogni cassonetto di sensori per segnalare in tempo reale il livello di riempimento. In pratica, equipaggiare centinaia o migliaia di contenitori con elettronica si è rivelato costoso e fragile, con problemi che vanno dal vandalismo e danni dovuti alle intemperie alla sostituzione delle batterie e alla connettività wireless.

Trasformare le raccolte passate in conoscenza utile

Invece di cablare ogni contenitore, gli autori propongono un sistema “di conoscenza” basato sul cloud che apprende da ciò che i camion già misurano. I moderni veicoli di raccolta possono essere dotati di bilance che registrano quanto contribuisce ciascun contenitore ogni volta che viene svuotato, insieme alla posizione e alla data. Compilando due anni di questi registri per quasi 400 cassonetti per la raccolta differenziata in una zona residenziale di Abu Dhabi, i ricercatori hanno addestrato modelli informatici per prevedere quanto rifiuto ci sarebbe stato in ciascun contenitore il giorno successivo. Sono stati testati diversi approcci di machine learning, inclusi modelli lineari, reti neurali e metodi avanzati basati su alberi. Il miglior modello è stato in grado di prevedere la quantità giornaliera di rifiuti per contenitore con un errore relativo di circa il 4%, sufficiente a distinguere i contenitori che necessitavano davvero di essere svuotati da quelli che potevano aspettare in sicurezza.

Selezionare i contenitori e i percorsi giusti ogni giorno

Con queste previsioni, il sistema applica una regola semplice: vengono programmati per la raccolta solo i contenitori che si prevede raggiungano circa il 90% della loro capacità. I contenitori previsti meno pieni vengono saltati per la giornata e ricontrollati nel ciclo successivo. I contenitori selezionati vengono quindi inviati a un motore di instradamento che utilizza mappe digitali per trovare il percorso complessivo più breve per il camion. I ricercatori hanno confrontato tre configurazioni in una simulazione mensile: l’attuale sistema convenzionale che serve ogni contenitore quotidianamente; un sistema basato su sensori che si affida a misure in tempo reale dei contenitori; e il sistema proposto basato sulla conoscenza che usa previsioni invece di hardware su ogni cassonetto.

Camion autonomi e impatti nel mondo reale

Per capire come queste strategie si svolgerebbero su strade reali, il team ha usato software di simulazione del traffico per modellare sia camion guidati da esseri umani sia veicoli connessi e autonomi. Hanno inserito conteggi reali del traffico, velocità e configurazioni stradali per il quartiere di studio. Negli scenari intelligenti ci sono stati giorni in cui non era necessaria alcuna raccolta e, nei giorni di servizio, i camion hanno visitato molti meno contenitori. Rispetto all’approccio tradizionale, entrambi i sistemi intelligenti hanno ridotto la distanza percorsa di circa il 60%, tagliato il tempo totale di viaggio di circa l’85% e ridotto le emissioni di carbonio dei camion di quasi la metà. Con l’aggiunta della guida autonoma, i ritardi nel traffico sono diminuiti ulteriormente — di circa il 70–90% a seconda dello scenario — perché i camion a guida autonoma potevano mantenere velocità più regolari e interagire in modo più efficiente con gli altri veicoli.

Risparmiare denaro riducendo l’inquinamento

I ricercatori hanno anche esaminato i costi a lungo termine su 15 anni, includendo veicoli, contenitori, carburante, manutenzione ed elettronica. Il sistema pesante di sensori si è rivelato il più costoso in assoluto: i modesti risparmi di carburante dovuti a percorsi più brevi non compensavano l’acquisto, l’installazione e la manutenzione di centinaia di cassonetti intelligenti. Al contrario, il sistema basato sulla conoscenza richiedeva solo pochi sensori sui camion e calcolo remoto su cloud. Ha fornito quasi gli stessi vantaggi operativi dell’approccio basato sui sensori riducendo i costi totali di circa due terzi rispetto sia al sistema convenzionale sia a quello basato sui sensori. Anche includendo il costo aggiuntivo dell’hardware per i veicoli autonomi, l’impostazione basata sulla conoscenza è rimasta l’opzione più economica.

Cosa significa per le città del futuro

Dal punto di vista di un lettore non specialista, il messaggio è chiaro: le città non devono dotare ogni cassonetto di dispositivi per modernizzare la raccolta dei rifiuti. Imparando dalle raccolte passate e usando quelle informazioni per decidere quando e dove inviare i camion, è possibile raccogliere quasi la stessa quantità di rifiuti con molte meno percorrenze. Lo studio mostra che un sistema basato su cloud e guidato da previsioni — specialmente se abbinato a camion autonomi — può ridurre contemporaneamente traffico, emissioni e costi. Sebbene siano ancora necessarie prove sul campo, questo approccio indica la via verso quartieri più puliti, più silenziosi e più efficienti senza aggiungere complessità visibile sul marciapiede.

Citazione: 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

Parole chiave: raccolta rifiuti intelligente, veicoli autonomi, apprendimento automatico, sostenibilità urbana, ottimizzazione dei percorsi