بهینه سازی جمع آوری زباله در شهرهای هوشمند (مطالعه موردی: کلان شهر تهران)

نویسندگان

1 گروه مهندسی کامپیوتر، واحد رشت، دانشگاه آزاد اسلامی، رشت، ایران

2 گروه مهندسی کامپیوتر، دانشکده فنی و مهندسی، موسسه آموزش عالی صنعتی قائم، قائم شهر، ایران

3 گروه مهندسی کامپیوتر، دانشکده فنی و مهندسی موسسه آموزش عالی شفق، تنکابن، نام ایران

doi
10.71633/jshsp.2026.1203324
چکیده

انباشت زباله در کلان‌شهرهایی مانند تهران، مدیریت شهری را با چالش مواجه کرده است، زیرا روش‌های سنتی جمع‌آوری زباله در مناطق پرجمعیت ناکارآمد هستند. شهرهای هوشمند با ارائه راه‌حل‌های فناورانه، کیفیت زندگی شهری را بهبود می‌بخشند و سیستم‌های هوشمند جمع‌آوری زباله زمان خدمات، آلودگی و هزینه‌ها را کاهش می‌دهند. این مطالعه با تمرکز بر جمع‌آوری زباله در تهران، به دنبال افزایش پایداری و کارایی با استفاده از اینترنت اشیا و الگوریتم‌های بهینه‌سازی است. با توجه به افزایش جهانی زباله پیش‌بینی‌شده 4/3 میلیارد تن تا سال 2050  این پژوهش ناکارآمدی‌های زمان‌بندی، مصرف انرژی، آلودگی و هزینه‌ها را با مدلی هوشمند هدف قرار می‌دهد. این مطالعه کاربردی، جمع‌آوری زباله در تهران را با الگوریتم بهینه‌سازی صخره¬های مرجانی  بهینه می‌کند. رویکرد چند مرحله‌ای  الگوریتم پیشنهادی،  نه تنها سطح پر شدن مخازن و ترافیک  را کنترل می کند بلکه نوع زباله را در نظر می‌گیرد تا تفکیک مناسب¬تری انجام شود. در مدل پیشنهادی  حسگرهای متصل روی سطل های زباله اطلاعت مرتبط به داد¬ها از قبیل سطح پرشدن سطل و نوع زباله را جمع‌آوری کرده و الگوریتم پیشنهادی مسیرها و زمان‌بندی‌ها را بهینه می‌کند  کارایی روش پیشنهادی در مقایسه با الگوریتم ژنتیک  و بهینه‌سازی کلونی مورچه سنجیده شده است و ان را در مقایسه با این روش¬ها کاراتر نشت داده است. الگوریتم هوشمند پیشنهادی با استفاده از حسگرها و در بستر اینترنت اشیاء، در مقایسه با روش‌های سنتی در تهران، هزینه‌ها، مسافت طی‌شده، انتشار گازها و زمان تخلیه را کاهش می‌دهد. این روش، راه‌حلی مقیاس‌پذیر مبتنی بر  اینترنت اشیاء برای مدیریت زباله، ترافیک و حجم بالای زباله ارائه می‌دهد. بستر اینترنت اشیاء و حسگرهای مربوطه و ترکیب با  الگوریتم  صخره های مرجانی، مدیریت زباله را با بهینه‌سازی مسیرها، کاهش هزینه‌ها و زمان بهبود می‌بخشد. تکرارهای متوالی مدلی کارآمد ارائه داده که در همه اهداف از روش‌های کلاسیک پیشی می‌گیرد