Yenilikçi, otonom, bilgi temelli akıllı atık toplama sisteminin geliştirilmesi ve simülasyonu

Daha Temiz Şehirler İçin Daha Akıllı Çöp Toplama

Evsel çöp ve geri dönüşüm genellikle kaldırımdan pek düşünülmeden kaybolur, ancak bu basit hizmetin arkasındaki süreç maliyetli, kirletici ve çoğu zaman verimsizdir. Kamyonlar her gün sabit güzergâhları izler; birçok kutu yarı doluyken bile çalıştırılan bu seferler yakıt israfına ve yolların tıkanmasına yol açar. Bu çalışma, verileri ve otonom araçları kullanarak kamyonların ne zaman ve nereye gönderileceğine karar veren yeni bir atık toplama yöntemini araştırıyor; böylece mahalleler temiz kalırken maliyetler, trafik ve emisyonlar azaltılıyor.

Geleneksel Toplamanın Nerede Eksik Kaldığı

Çoğu şehir hâlâ basit bir reçeteye dayanıyor: bir filo kamyon her gün aynı güzergâhı takip eder ve kutunun ne kadar dolu olduğuna bakmaksızın hepsinde durur. Çöp üretimi mevsimlere, tatillere ve yerel alışkanlıklara göre değiştiği için bu, kamyonların birçok yarı dolu kutuya hizmet etmesine ve bunun sonucunda yakıt yakılmasına ve trafik yoğunluğunun artmasına neden olur. Önceki “akıllı” sistemler bu sorunu her kutuya sensör takarak gerçek zamanlı doluluk bildiren çözümlerle düzeltmeye çalıştı. Uygulamada yüzlerce veya binlerce kutuyu elektronikle donatmak pahalı ve kırılgan olduğu; vandallık, hava koşulları hasarı, pil değişimi ve kablosuz bağlantı gibi zorlukların ortaya çıktığı görüldü.

Geçmiş Toplamalardan Yararlı Bilgi Üretmek

Her kutuyu kablolamak yerine, yazarlar kamyonların zaten ölçtüklerinden öğrenen bulut tabanlı bir “bilgi” sistemi öneriyor. Modern toplama araçları, boşaltıldıklarında her kutunun ne kadar katkı sağladığını, konumunu ve tarihi kaydeden tartma cihazlarıyla donatılabilir. Abu Dabi’deki bir yerleşim bölgesindeki yaklaşık 400 geri dönüşüm kutusu için iki yıllık böyle kayıtlar derlenerek araştırmacılar, her kutuda ertesi gün ne kadar atık olacağını tahmin etmek için bilgisayar modelleri eğitti. Doğrusal modeller, sinir ağları ve gelişmiş ağaç tabanlı yöntemler dahil çeşitli makine öğrenimi yaklaşımları test edildi. En iyi model, kutu başına günlük atığı yalnızca yaklaşık %4 göreli hata ile tahmin edebiliyordu; bu, gerçekten hizmet gerektiren kutuları güvenle bekleyebileceklerden ayırt edecek kadar doğruydu.

Her Gün Doğru Kutuları ve Güzergâhları Seçmek

Bu öngörülerle donanmış sistem basit bir kural uygular: kapasitesinin yaklaşık %90’ına ulaşması beklenen kutular yalnızca toplama için planlanır. Daha az dolu olması öngörülen kutular o gün atlanır ve bir sonraki döngüde yeniden kontrol edilir. Seçilen kutular daha sonra kamyon için toplam yolu kısaltmak üzere dijital haritalar kullanan bir güzergâh motoruna verilir. Araştırmacılar, simüle edilmiş bir ay boyunca üç düzeni karşılaştırdı: her kutuya günlük hizmet veren bugünün geleneksel sistemi; gerçek zamanlı kutu ölçümlerine dayanan sensör tabanlı sistem; ve her kutuya donanım koymak yerine tahminleri kullanan önerilen bilgi temelli sistem.

Otonom Kamyonlar ve Gerçek Dünyadaki Etkileri

Bu stratejilerin gerçek sokaklarda nasıl uygulanacağını anlamak için ekip, insan sürüşlü kamyonları ve bağlı, otonom araçları modellemek üzere trafik simülasyon yazılımı kullandı. Çalışma mahallesine ait gerçek trafik sayıları, hızlar ve yol düzenleri sisteme verildi. Akıllı senaryolarda, hiç toplama gerekmeyen günler oldu ve hizmet günlerinde kamyonlar çok daha az sayıda kutuyu ziyaret etti. Geleneksel yaklaşımla kıyaslandığında, her iki akıllı sistem de seyahat mesafesini yaklaşık %60 oranında kısalttı, toplam seyahat süresini yaklaşık %85 azalttı ve kamyonlardan kaynaklanan karbon emisyonlarını neredeyse yarıya indirdi. Otonom sürüş eklendiğinde trafik gecikmeleri daha da düştü—senaryoya bağlı olarak yaklaşık %70–90 aralığında—çünkü sürücüsüz kamyonlar daha düzgün hızlar koruyabiliyor ve diğer araçlarla daha verimli etkileşebiliyordu.

Kirliği Azaltırken Para Tasarrufu

Araştırmacılar ayrıca 15 yıllık dönemde araçlar, kutular, yakıt, bakım ve elektronikler dahil uzun vadeli maliyetleri inceledi. Sensör ağırlıklı sistem genel olarak en pahalı çıkan seçenek oldu: daha kısa güzergâhlardan elde edilen sınırlı yakıt tasarrufu, yüzlerce akıllı kutunun satın alınması, kurulması ve bakımı maliyetini karşılamadı. Buna karşılık bilgi temelli sistem yalnızca kamyonlarda birkaç sensör ve uzaktan bulut hesaplama gerektirdi. Sensör tabanlı yaklaşıma neredeyse eşit operasyonel faydalar sunarken toplam maliyetleri hem geleneksel hem de sensör tabanlı sistemlere kıyasla yaklaşık üçte bir oranında azalttı. Otonom araç donanımının ek maliyeti de dahil edildiğinde bile bilgi temelli düzen en ekonomik seçenek olarak kaldı.

Gelecek Şehirler İçin Anlamı

Bir sıradan vatandaşın bakış açısından mesaj net: atık toplama modernleştirmek için her çöp kutusunu cihazlarla kaplamaya gerek yok. Geçmiş toplamalardan öğrenerek ve kamyonların ne zaman ve nereye gönderileceğine bu bilgiyi kullanarak neredeyse aynı miktarda atığı çok daha az seferle toplamak mümkün. Çalışma, özellikle otonom kamyonlarla eşleştirildiğinde bulut tabanlı, tahmin odaklı bir sistemin trafiği, emisyonları ve maliyetleri aynı anda azaltabileceğini gösteriyor. Gerçek dünya denemeleri hâlâ gerekli olsa da bu yaklaşım, kaldırımda görünür bir karmaşa yaratmadan daha temiz, daha sessiz ve daha verimli mahallelere işaret ediyor.

Atıf: 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

Anahtar kelimeler: akıllı atık toplama, otonom araçlar, makine öğrenimi, kentsel sürdürülebilirlik, güzergâh optimizasyonu