Обоснование выбора комплекса программных модулей для автоматизации сбора и транспортировки твердых коммунальных отходов в рамках развития жилищно-коммунального хозяйства

Бесплатный доступ

Статья посвящена исследованиям вопросам автоматизации сбора и транспортировки твердых коммунальных отходов. Целью работы является анализ состояния и определение тенденций развития сферы жилищно-коммунального хозяйства, а также разработка методики обоснования выбора и оценки экономической эффективности внедрения программного обеспечения для управления сбором и транспортировкой твердых бытовых отходов. Рассмотрены математические модели, используемые для прогнозирования вида и количества отходов. Модели могут быть реализованы в перспективных информационных системах управления твердыми коммунальными отходами. Определен перечень параметров, характеризующих сбор и транспортировку твердых коммунальных отходов. Полученный набор параметров позволяет отслеживать выполнение цикла сбора и транспортировки твердых коммунальных отходов. Окончание цикла наступает при балансе между количеством твердых коммунальных отходов, сгенерированным организациями по управлению многоквартирными домами, и количеством твердых коммунальных отходов, выгруженных из мусоровозов на сортировочные предприятия...

Еще

Жилищно-коммунальное хозяйство, твердые коммунальные отходы, сбор и транспортировка, информационная система, многоквартирный дом, программный модуль, алгоритм

Короткий адрес: https://sciup.org/142223549

IDR: 142223549   |   DOI: 10.17513/vaael.1121

Текст научной статьи Обоснование выбора комплекса программных модулей для автоматизации сбора и транспортировки твердых коммунальных отходов в рамках развития жилищно-коммунального хозяйства

Управление твердыми коммунальными отходами (ТКО) является одной из наиболее сложных проблем из-за от- сутствия достоверных данных хранению, сбору, транспортировке, разделению, переработке и захоронению. Существует положительная взаимосвязь, в которой от- ходы образуются прямо пропорционально уровню экономического процветания и достигнутому уровню промышленного роста. Состав отходов становится более сложным (широкое распространение получили пластиковые и электронные потребительские товары). Такая тенденция усложняет управление отходами. Стратегия управления ТКО, их состав и количество зависят от культурных, климатических и социально-экономических характеристик региона. Основные проблемы управления ТКО включают интеграцию управления ТКО в развивающихся и промышленно развитых городах, увеличение и стандартизацию сбора и анализа данных о количестве и видах ТКО, которые имеют тенденцию к усложнению [1–3]. В США разработана стратегия иерархического ранжирования управления отходами. При этом иерархия управления отходами состоит из четырех уровней [4]. Европейский союз ввел пятиступенчатую иерархию управления отходами (предот- вращение, подготовка к повторному использованию, повторное использование, рециркуляция, утилизация) в которой иерархия управления отходами представлена в виде пирамиды и указывает на порядок предпочтения действий по управлению отходами [5]. Усовершенствованной версией такой иерархии является иерархия управления отходами «Три R»: сокращение отходов (reduse), включающее их предотвращение (preventsion), повторное использование (reuse), переработка (recycle). Целью такого иерархического управления отходами является нулевое количество отходов для захоронения на полигоне или для сжигания. Произведенные товары и продукты должны производиться и потребляться в соответствии с принципом максимального и оптимального использования [6] (рис. 1). Элементы иерархии «Три R», соответствующие рассматриваемой в данной работе информационной системе сбора и транспортировке ТКО, отмечены на рис. 1 темным цветом.

Рис. 1. Усовершенствованная иерархия «Три R»

Таким образом, вопросы управления ТКО является актуальной. В частности, является актуальным рассмотрения вопросов автоматизации управления ТКО в рамках усовершенствованной иерархии «Три R».

Целью работы является анализ состояния и определение тенденций развития сферы жилищно-коммунального хозяйства (ЖКХ), а также разработка методов обоснования выбора и оценки экономической эффективности внедрения программных средств для управления сбором и транспортировкой ТКО. Работа выполнена в рамках специальности 08.00.05.

Объектом исследования является система управления ТКО в рамках управления ЖКХ, в частности, в рамках управления многоквартирными домами (МКД).

Предметом исследования является определение состава модулей информационной системы управления сбором и транспортировкой ТКО.

Математические модели для управления отходами

Принятие решений в управлении сбором и транспортировкой ТКО является сложной проблемой, включающей в себя несколько уровней. Различные компоненты ТКО по-разному влияют на процессы сбора и транспортировки ТКО. Рассмотрим математические модели, которые могут быть использованы в работе программных модулей перспективной информационной системы для управления сбором и транспортировкой ТКО.

В [7] приведены модели для прогнозирования частоты образования ТКО с помощью нейронной сети и множественной линейной регрессии. В [8] для прогнозирования количества ТКО используется оптимизированная многомерная модель Грея. Определен наиболее важный фактор (плотность населения), который оказывает наибольшее влияние на количество ТКО. В [9] демографические показатели используются в качестве входных переменных для прогнозирования количества видов ТКО с помощью регрессионного анализа и анализа временных рядов. В [10] для планирования системы управления ТКО используется смешанное целочисленное линейное программирование с нечеткими случайными ограничениями. В [11] используются целочисленное линейное программирование и смешанное целочисленное программирование для моделирования сценариев управления ТКО. В [12] для управления отходами используется метод линейного программирования с нечетким стохастическим интервалом. В [13] используется нечеткое параметрическое программирование для выбора вида отходов и выбора объектов для их обработки и утилизации (производится распределение ТКО с учетом нечетких значений, характеризующих количество отходов и эксплуатационные возможности объектов по обращению с отходами). В [14, 15] использована мультиагентная модель представления системы управления ТКО. В [16] рассматривается использование генетического алгоритма для минимизации транспортных расходов при выполнении сбора и транспортировки ТКО с учетом технических, экономических и экологических ограничений. В [17] представлены полустатическая и динамическая модель маршрутизации мусоровозов по кратчайшему пути, которая дополнена возможностью использования устройств Интернета вещей.

Использование цифровых технологий в управлении ТКО Для управления ТКО стали использоваться цифровые технологии (облачные технологии, технология Интернет вещей, нейросети и искусственный интеллект, технология блокчейн). В [15, 18] рассматривается задача управления отходами за счет использования устройств Интернета вещей, устанавливаемых в мусорных контейнерах. С помощью данных, полученных от датчиков, производится минимизация транспортных расходов. В [19] рассмотрено использование плат Arduino с микроконтроллером и модулем GSM и инфракрасных датчиков для определения уровня ТКО в мусорных контейнерах. Реализована интеллектуальная составляющая для управления ТКО (сбор и транспортировка ТКО производится только тогда, когда это необходимо). В [20] рассматривается использование облачных технологий и устройств Интернета вещей, исполь- зующих протокол беспроводной связи ZigBee, установленных в мусорных контейнерах для определения уровня отходов в мусорных контейнерах и выдачи водителям мусоровозов сигналов о наполнении мусорных контейнеров. В [21] рассматривается возможность использования мобильного программного приложения для организации сбора некоторых типов ТКО. В [22] предлагается использовать микрокомпьютеры Raspberry Pi и ультразвуковые датчики для измерения уровня отходов в мусорных контейнерах. Данные, характеризующие уровень отходов в мусорных контейнерах, используются для прогнозирования уровня ТКО в контейнерах, а также для динамического формирования маршрутов мусоровозов. В [23] рассматривается использование среды Big Bucket IoT Cloud, в которой интеллектуальные мусорные контейнеры оснащены устройствами Интернета вещей и программным обеспечением с открытым исходным кодом. В [24] показана возможность использования технологий Интернета вещей и технологии блокчейн (интеллектуальных контрактов, децентрализованной автономной организации и собственной криптовалюты) для разработки интеллектуальной системы управления ТКО, использующей для взаимодействия с пользователями системы программного робота Telegram. В [25] рассматривается использование устройств Интернета вещей, взаимодействующих с помощью протокола MQTT, для определения уровня заполнения контейнеров для мусора. Данные о достижении уровнем отходов порогового значения используются для определения оптимального маршрута для сбора ТКО отходов из заполненных контейнеров с использованием формулы Хаверсайна и алгоритма коммивояжера. После этого информация о маршруте для сбора ТКО передается водителям мусоровозов через приложение обмена сообщениями Telegram. В [26] рассматривается интеллектуальная система мониторинга ТКО с использованием технологии Интернета вещей и облачной платформы Thing-Speaki. Данные об уровнях заполнения мусорных контейнеров отправляются уведомления (твиты) в соответствующие органы управления о состоянии мусорных контейнеров. В [27] рассматривается облачная платформа WasteIQ, которая обеспечивает взаимодействие CRM-системы, ERP-системы, а также различного программного обеспечения, подключенного к инфраструктуре сбора отходов с помощью программных интерфейсов для обмена данными.

Таким образом, перспективная информационная система по управлению сбором и транспортировкой ТКО представляет собой совокупность программных модулей, позволяющих использовать умные контейнеры, которые в режиме реального времени передают данные о своём состоянии и расположении на сервер, расположенный в организации по сбору и транспортировке отходов или в облаке. При этом данные, полученные от контейнеров, используются для прогнозирования состава и количества отходов, а также для определения оптимальных маршрутов мусоровозов для сборки отходов. Также типовое решение должно предоставлять возможность работы с мобильным приложением, в том числе, для доведения маршрутов движения водителям мусоровозов

Параметры, характеризующие сбор и транспортировку твердых коммунальных отходов

В качестве источника отходов рассматриваются организации по управлению МКД, входящие в состав массива ORG = { org ( io ); io = 1, 2, …, IO }, где IO – количество организаций, генерирующих отходы. Каждая io -я организация в течение фиксированного интервала времени генерирует отходы iw -го вида (элемент w ( io , iw ) матрицы W , iw = 0 – ТКО в смешанном виде, iw ≠ 0 – раздельно собираемые отходы iw -го вида). Окончание такого интервала времени является началом цикла работ по сбору и транспортировке ТКО. При этом

W = { w ( io , iw ); iw = 0, 1, 2, …, IW ;

io = 1, 2, …, IO}, где IW – количество видов отходов.

Общее количество отходов, сгенерированных всеми организациями, равно

IO IW

WG = LX w ( io , iw ).

io = 1 iw = 0

Для прогнозирования количества и вида отходов, сгенерированных организациями по управлению МКД, могут быть использованы положения, лежащие в основе математических моделей, приведенных в [7–9].

Для сбора отходов используются «умные» контейнеры, предназначенные как для смешанного, так и для раздельного сбора отходов. По аналогии с [27] может быть KT типов контейнеров («умные» вакуумные контейнеры, «умные» подземные контейнеры, обычные «умные» наземные контейнеры), на которых установлены датчики, фиксирующие уровень отходов в контейнере. Для iw -го вида ТКО используются K ( iw ) мусорных контейнеров K ( iw ) = J (1, iw ) + + J (2, iw ) + …+ J ( KT , iw ), где J ( k , iw ), количество контейнеров k -го типа для раздельного сбора iw -го вида ТКО. Отходы iw -го вида, поступившие от io -й организации, размещаются в одном или нескольких контейнерах k -го типа для iw -го вида ТКО. Таким образом:

w ( io , iw ) = kn ( io , iw , 1) +

+ kn ( io , iw , 2) + … + kn ( io , iw , KT );

kn ( io , iw , k ) = kr ( io , iw , k , 1) + kr ( io , iw , k , 2) +

+ … + kr ( io , iw , k , J ( iw , k ));

где kn ( io , iw , k ), kr ( io , iw , k , j ) – соответственно количество отходов iw -го вида, которые io -я организация размещает в контейнерах k -го типа, и количество отходов iw -го вида, которые io -я организация размещает в j -м контейнере k -го типа.

Общее количество отходов, загруженных в контейнеры, равно

IO IW KT J ( k , iw )

WS = ШХ kr ( io , iw , k , j ) io = 1 iw = 1 k = 1 j = 1

Цикл загрузки сгенерированных отходов в контейнеры завершается при WS = WG .

Для сбора и транспортировки ТКО используются MR мусоровозов. При этом для транспортировки отходов iw -го вида используется M ( iw ) мусоровозов. Количество ТКО iw -го вида, загруженных в m -й мусоровоз из контейнеров, равно WR ( iw , m ). В m -й мусоровоз для

ТКО iw -го вида загрузка ТКО может производиться из одного или нескольких контейнеров различных типов:

WR ( iw , m ) = mr ( iw , m , 1) + mr ( iw , m , 2) +

+ … + mr ( iw , m , KT );

mr ( iw , m , k ) = r ( iw , m , k , 1) + r ( iw , m , k , 2)) +

+ …+ r(iw, m, k, J(k, iw)), где mr(iw, m, k), r(iw, m, k, j) – количество ТКО iw-го вида, загружаемых в m-й мусоровоз из мусорных контейнеров t-го типа, и количество ТКО iw-го вида, загружаемых в m-й мусоровоз, из j-го мусорного контейнера k-го типа.

Общее количество перевозимых ТКО равно

IW M ( iw ) KT J ( k , iw )

WP = E E E E r ( iw, m,k, j ).

iw = 1 m = 1 k = 1 j = 1

Цикл загрузки отходов в контейнеры завершается при WP = WS .

Контейнеры и мусоровозы характеризуется значениями параметров, отображающими местоположение (координаты). Каждый контейнер характеризуется уровнем заполнения ТКО. Каждый мусоровоз характеризуется остатком горючего и максимальным количеством ТКО, которое может быть загружено. Таким образом:

KP ( iw , k , j ), KL ( iw , k , j ) – местоположение j -го контейнера k -го типа для сбора ТКО iw -го вида, а также уровень заполнения j -го контейнера k -го типа для сбора ТКО iw -го вида;

MP ( iw , m ), MF ( iw , m ), MM ( iw , m ) – местоположение m -го мусоровоза для сбора и транспортировки отходов iw -го вида, остатки горючего в m -м мусоровозе, а также максимальное количество ТКО iw -го вида, которое может быть загружено в m -й мусоровоз.

Параметры, характеризующие мусорные контейнеры, входят в состав множества

KF = { kn ( iw , io , k ), KP ( iw , k , j ), KL ( iw , k , j );

w = 1, 2, …, IW ; k = 1, 2, …, KT ;

j = 1, 2,…, J ( k , iw )}.

Параметры, характеризующие работу мусоровозов по сбору и транспортировке ТКО, входят в состав множества ST :

ST = { WMR ( iw , m ), MP ( iw , m );

iw = 1,2, …, IW ; m = 1, 2, …, M ( iw )}.

Ограничения, накладываемые на работу мусоровозов, входят в состав множества DR = { MP ( iw , m ), MF ( iw , m ), MM ( iw , m );

iw = 1,2, …, IW ; m = 1, 2, …, M ( iw )}.

Выгрузка отходов из мусоровозов производится на PP предприятий, осуществляющих сортировку отходов. Отсортированные отходы в соответствии с рис. 1 могут направляться на повторное использование, на переработку, на утилизацию на полигоне и на сжигание. Количество ТКО iw -го вида, выгруженных на pp -е предприятие:

WW ( pp ) = ZW ( pp , 0) + ZW ( pp , 1) +

+ ZW ( pp , 2) + … ZW ( pp , IW ),

ZW ( pp , iw ) = s ( pp , iw , 1) + s ( pp , iw , 2) +

+ … s ( pp , iw , M ( iw )),

ZW ( pp , iw ), s ( pp , iw , m ) – количество отходов iw -го вида, выгруженных из мусоровозов на pp -е сортировочное предприятие, и количество отходов iw -го вида, а также количество ТКО iw -го вида, выгружаемые на pp -е сортировочное предприятие из m -го мусоровоза. Количество ТКО всех видов, выгруженных из мусоровозов на сортировочные предприятия:

PP IW M ( iw )

WT = SIE s ( pp , iw , m ).

pp = 1 iw = 1 m = 1

Цикл сбора и транспортировки ТКО завершается при WT = WP . После окончания очередного цикла сбора и транспортировки ТКО, который продолжается в течение промежутка времени ∆ t , производится запись значения WT в элемент cw ( u ) множества CW = { cw ( u ); u = 1, 2, … U }. После этого при необходимости происходит переход к следующему циклу сбора и транспортировки ТКО.

Каждое сортировочное предприятие характеризуется местоположением SP ( pp ), где pp = 1, 2, …, PP . Также сортировочное предприятие имеет ограничение на максимальное количество ТКО iw -го вида, которое может принять в текущий момент времени: WW ( pp , iw ) ≤ WWmax ( pp , iw ). Выгрузка ТКО на сортировочное предприятие может производиться из одного или нескольких мусоровозов с учетом указанных ограничений. Параметры, характеризующие работу сортировочных предприятий, входят в состав множества SR = { SP ( pp ), WWmax ( pp , iw ); pp = 1, 2, …, PP ; iw = 1,2, …, IW }.

Для управления сбором ТКО и их транспортировкой могут быть использованы положения, лежащие в основе математических моделей, приведенных в [10–14].

Каждый мусоровоз движется по назначенному маршруту для сбора ТКО из контейнеров и их транспортировки отходов на сортировочные предприятия. Маршрут каждого мусоровоза зависит от следующих параметров:

вид ТКО, для транспортировки которого предназначен мусоровоз;

местоположения мусоровоза, контейнеров и сортировочных предприятий;

уровень заполнения контейнеров; запас горючего в мусоровозе;

максимальное количество ТКО, которое может быть загружено в мусоровоз;

ограничения на количество ТКО различных видов, которые может принять сортировочное предприятие в текущий момент времени.

Для каждого m -го мусоровоза, предназначенного для перевозки iw -го вид ТКО, с учетом приведенных выше параметров строится Z( iw , m ) вариантов маршрутов RR ( iw , m , z ) с учетом различной последовательности объезда контейнеров и предприятий, сортирующих ТКО. При этом количество Z( iw , m ) маршрутов для каждого мусоровоза может отличаться.

RR ( iw , m , z ) = FR ( KP ( iw , k , j ), KL ( iw , kt , j ),

MP ( iw , m ), MF ( iw , m ),

MM ( iw , m ), SP ( pp ), WWmax ( pp , iw ), z ), где k = 1, 2, …, KT ; m = 1, 2, …, M ( iw ); pp = 1, 2, …, PP ; z = 1, 2, …, Z( iw , m );

FR – функция для построения маршрутов движения мусоровозов, собирающих и транспортирующих ТКО на сортирующие предприятия;

z – номер маршрута мусоровоза;

Z( iw , m ) – количество маршрутов, построенных для m -го мусоровоза собирающего и транспортирующих iw -й вид ТКО.

В качестве функции FR в программных модулях могут быть использованы подходы, которые приведены в [16, 17]. Маршруты мусоровозов являются элементами множества RT :

RT = { RR ( iw , m , z ); iw = 1,2, …, IW ;

m = 1, 2, …, M ( iw );

z = 1, 2, …, Z( iw , m )}.

Каждому маршруту мусоровоза соответствует стоимость сбора и транспортировки ТКО на сортировочные предприятия. P ( iw ): { RR ( iw , m, z )}→ { PS ( iw , m, z )}, где PAY ( iw ) функция, преобразующая маршруты мусоровозов, перевозящих отходы iw -го вида, в затраты на сбор и транспортировку ТКО.

Постановка задачи

Дано:

  • 1.    Массив ORG . Матрица W .

  • 2.    Множества KF , ST , DR , RT , SR .

  • 3.    Функции PAY ( iw ), iw = 1,2, …, IW .

Требуется определить:

Набор программных модулей PM = { pm (1), pm (2), …, pm ( P )}, позволяющий определить комбинацию маршрутов мусоровозов R* , которой соответствуют минимальные затраты MNP на сбор и транспортировку для сбора и транспортировки ТКО:

PM : ( ORG , W , KF , ST , DR , RT , SR , PAY ( iw )) → MNP ,

R* = { RTR ( iw , m, z* ( iw , m ));

iw = 1,2, …, IW ; m = 1, 2, …, M ( iw )},

MNP = P (1)( R *) +

+ P (2)( R *) + … + P ( IW )( R *), z* ( iw , m ) – номер маршрута для множества R* , выбранный из числа Z( iw , M ( iw ))

маршрутов m -го мусоровоза для сбора и транспортировки ТКО iw -го вида.

Программные модули, входящие в состав информационной системы для сбора и транспортировки твердых коммунальных отходов, и их взаимодействие

Для управления сбором и транспортировкой ТКО необходимы следующие программные модули:

  • 1.    Программный модуль GEN , предназначенный для ввода массива ORG и матрицы W , а также для определения количества сгенерированных отходов WG .

  • 2.    Программный модуль WCONT для учета загрузки количества сгенерированных отходов в мусорные контейнеры различного типа с учетом их уровня заполнения, а также для определения количества ТКО, закруженных в мусорные контейнеры WS .

  • 3.    Программный модуль GTRCONT для определения количества ТКО, загруженных в мусоровозы WP .

  • 4.    Программный модуль GTR для учета и уточнения ограничений на загрузку и движение мусоровозов.

  • 5.    Программный модуль RESSORT для учета и уточнения ограничений на выгрузку ТКО из мусоровозов на сортировочные предприятия.

  • 6.    Программный модуль ROUTGTR для определения набора маршрутов для каждого мусоровоза.

  • 7.    Программный модуль ROUTOPT для определения набора маршрутов мусоровозов R* , которому соответствует MNP .

  • 8.    Программный модуль DRIVERGTR для доведения маршрутов до водителей мусоровозов.

  • 9.    Программный модуль GTRSORT для определения WT – количества ТКО, выгруженных из мусоровозов на предприятия, занимающиеся сортировкой отходов.

  • 10.    Программный модуль CYCLE для подготовки информационной системы к новому циклу сбора и транспортировки отходов.

Взаимодействие программных модулей, входящих в набор PM , происходит в соответствии с алгоритмом, приведенным на рис. 2.

Таким образом, использование набора программных модулей PM позволяет достичь баланса количества сгенерированных отходов, отходов, загруженных в мусорные контейнеры, отходов, перевозимых мусоровозами, и отходами, размещенными на сортировку. При этом достигаются минимальные затраты MNP для сбора и транспортировки отходов. В случае окончания процесса сбора и транспортировки отходов остается архив количества отходов в виде множества CW .

Использование набора программных средств для достижения минимальных затрат MNP на сбор и транспортировку

ТКО позволяет снизить общие расходы организаций в сфере ЖКХ на величину ∆ X ТКО. При этом ∆ X ТКО = XPM – X , где X – затраты на сбор и транспортировку ТКО без использования набора программных модулей, а XPM затраты на сбор и транспортировку ТКО с использование набора программных модулей. В состав расходов организаций в сфере ЖКХ на сбор и транспортировку ТКО входят затраты:

на работу с мусоровозами (техническое обслуживание, организацию аренды мусоровозов, а также оплата труда водителей мусоровозов) и на топливо, затрачиваемое мусоровозами в процессе сбора и транспортировки ТКО;

Рис. 2. Порядок взаимодействия программных модулей информационной системы сбора и транспортировки ТКО

на содержание мусорных контейнеров и оплату труда сотрудников, обслуживающих мусорные контейнеры;

на зарплаты сотрудников организаций в сфере ЖКХ, задействованных в организации сбора и транспортировки ТКО (подготовка документов, осуществление доведения информации до водителей и до сотрудников, обслуживающих мусорные контейнеры);

на обслуживание набора программных модулей (в случае его использования).

Экономический эффект (положительное значение ∆ X ТКО) достигается в результате того, что в результате определения оптимальных маршрутов движения мусоровозов R* и соответствующего MNP достигается экономия расходов на топливо для мусоровозов (значение ∆ X топл) и работу с ними (значение ∆ X РабМус). Кроме этого уменьшаются затраты нау зарплаты сотрудников, задействованных в организации сбора и транспортировки ТКО (значение ∆ X сотр). При этом при внедрении набора прорграммных модулей появляются дополнительные затраты на его обслуживание (значение ∆ XPM ). Также в случае использования «умных» мусорных контейнеров могут возрасти затраты на содержание мусорных контейнеров и оплату труда сотрудников, обслуживающих мусорные контейнеры (значение ∆ X конт). В работе предполагается, что количество мусоровозов и количество мусорных контейнеров при внедрении набора программных модулей не меняется. Таким образом

∆XТКО > 0, если

|∆ X топл + ∆ X сотр + ∆ X РабМус| – ∆ XPM X конт > 0.

Использование рассматриваемого в статье набора программных модулей может снизить на 15-20 % расходы организаций по управлению МКД на сбор и транспортировку ТКО. При этом экономический эффект достижим лишь для тех организаций по управлению МКД, уровень готовности которых к автоматизации [28] соответствует внедрению набора программных модулей. В противном случае внедрение набора программных модулей будет экономически невыгодным.

Заключение

В результате исследований, проведенных в данной работе, получены следующие результаты:

  • 1.    Рассмотрены математические модели для прогнозирования вида и количества ТКО.

  • 2.    Проведен анализ использования облачных информационных технологий и технологии Интернета вещей в составе информационных систем в управлении ТКО.

  • 3.    Проанализированы параметры, характеризующие сбор и транспортировку ТКО.

  • 4.    Обоснован состав набора программных модулей, входящих в состав информационной системы для сбора и транспортировки ТКО. Разработан алгоритм взаимодействия программных модулей.

  • 5.    Сформулированы условия, при которых внедрение набора программных модулей будет экономически эффективным для организаций по управлению МКД. В случае внедрения набора программных модулей в организациях по управлению МКД, уровень готовности которых к автоматизации не менее требуемого, снижение затрат на сбор и транспортировку ТКО может достигать 15-20 %.

Список литературы Обоснование выбора комплекса программных модулей для автоматизации сбора и транспортировки твердых коммунальных отходов в рамках развития жилищно-коммунального хозяйства

  • Vergara S.E., Tchobanoglous G. Municipal solid waste and the environment: A global perspective. Annual Review of Environment and Resources. 2012. vol. 37. Р. 277-309.
  • Kumar Sunil, Dhar Hiya Nair, Vijay V., Bhattacharyya J.K., Vaidya A.N., Akolkar A.B. Characterization of municipal solid waste in high-altitude sub-tropical regions. Environmental Technology. 2016. vol. 37(20). Р. 2627-2637.
  • Zhou H., Meng A., Long Y., Li Q., Zhang Y. An overview of characteristics of municipal solid waste fuel in China: Physical, chemical composition and heating value. Renewable and Sustainable Energy Reviews. 2014. vol. 36. Р. 107-122.
  • Advancing Sustainable Materials Management: Facts and Figures // EPA. [Электронный ресурс]. URL: https://www.epa.gov/facts-and-figures-about-materials-waste-and-recycling/advancing-sustainable-materials-management-0 (дата обращения: 13.04.2020).
  • Guidelines for national waste management strategies: moving from challenges to opportunities // [Электронный ресурс]. URL: http://cwm.unitar.org/publications/publications/cw/wm/UNEP_UNITAR_NWMS_English.pdf (дата обращения: 13.04.2020).
  • Zero Waste Lifestyle Will Make You Say No To Waste // [Электронный ресурс]. URL: https://earthbuddies.net/zero-waste-lifestyle/ (дата обращения: 13.04.2020).
  • Azadi S., Karimi Jashni A. Verifying the performance of artificial neural network and multiple linear regression in predicting the mean seasonal municipal solid waste generation rate: A case study of Fars province, Iran. Waste Management. vol. 48. Р. 14-23.
  • Intharathirat R., Abdul Salam P., Kumar S., Untong A. Forecasting of municipal solid waste quantity in a developing country using multivariate Grey models. 2015. Waste Management. vol. 39. Р. 3-14.
  • Ghinea C., Drăgoi E.N., Comăniţă E.-D., Gavrilescu M., Câmpean T., Curteanu S., Gavrilescu, M. Forecasting municipal solid waste generation using prognostic tools and regression analysis. Journal of Environmental Management. 2016. vol. 182. Р. 80-93.
  • Guo P., Huang G.H. Inexact fuzzy-stochastic mixed-integer programming approach for long-term planning of waste management - Part A: Methodology. Journal of Environmental Management. 2009. vol. 91(2). Р. 461-470.
  • Lee C.K.M., Yeung C.L., Xiong Z.R., Chung S.H. A mathematical model for municipal solid waste management - A case study in Hong Kong. waste management. 2016. vol. 58. Р. 430-441.
  • Li P., Chen B. FSILP: Fuzzy-stochastic-interval linear programming for supporting municipal solid waste management. Journal of Environmental Management. 2011. vol. 92(4). Р. 1198-1209.
  • Srivastava A.K., Nema A.K. Fuzzy parametric programming model for integrated solid waste management under uncertainty. Journal of Environmental Engineering. 2011. vol. 137(1). Р. 69-83.
  • Ruiz-Chavez Z., Salvador-Meneses J., Díaz-Quilachamín S., Mejía-Astudillo C. Solid Waste Management using Georeferenced Multi-agent Systems // 2018 IEEE Latin American Conference on Computational Intelligence (Gudalajara, Mexico, 7-9 Nov. 2018). IEEE. 2018. Р. 1-6.
  • Idwan S., Mahmood I., Zubairi, J.A., Matar, I. Optimal Management of Solid Waste in Smart Cities using Internet of Things. Wireless Personal Communications. 2020. vol. 110 (1). Р. 485-501.
  • Jammeli H., Argoubi M., Masri H. Genetic algorithm for a stochastic programming model of the green household waste transportation problem // 8th International Conference on Modeling Simulation and Applied Optimization (Manama, Bahrain, 15-17 April 2019). IEEE. 2019. Р. 1-6.
  • Anagnostopoulos T.V., Zaslavsky A. Effective waste collection with shortest path semi-static and dynamic routing. Lecture Notes in Computer Science (including subseries Lecture Notes in Artificial Intelligence and Lecture Notes in Bioinformatics). 2014. vol. 8638 LNCS. Р. 95-105.
  • Jatinkumar Shah P., Anagnostopoulos T., Zaslavsky A., Behdad S. A stochastic optimization framework for planning of waste collection and value recovery operations in smart and sustainable cities. Waste Management. 2018. vol. 78. Р. 104-114.
  • Furqan Durrani, A.M., Rehman A.U., Farooq A., Meo J.A., Sadiq M.T. An automated waste control management system (AWCMS) by using Arduino // 2019 International Conference on Engineering and Emerging Technologies (Lahore, Pakistan, 21-22 February 2019). IEEE. 2019. Р. 1-6.
  • Aswin Raaju V., Mappilllai Meeran J., Sasidharan M., Premkumar K. IOT based smart garbage monitoring system using ZigBee // 2019 IEEE International Conference on System, Computation, Automation and Networking (Pondicherry, India, 29-30 March 2019): IEEE. 2019. Р. 1-7.
  • Ballaran P.M., Corpuz C.B.A., Paras L.A.R., Fabito B.S., Rivera E.R. Perazuhan: A Mobile Application for Solid Waste Micro-Management Framework // 2019 IEEE Student Conference on Research and Development (Seri Iskandar, Perak; Malaysia; 15-17 October 2019). IEEE. 2019. Р. 17-20.
  • Bakhshi T., Ahmed M. IoT-Enabled Smart City Waste Management using Machine Learning Analytics // 2018 2nd International Conference on Energy Conservation and Efficiency (Lahore, Pakistan, 16-17 Oct. 2018). IEEE. 2018. Р. 66-71.
  • Giacobbe M., Puliafito C., Scarpa M. The big bucket: An IoT cloud solution for smart waste management in smart cities. Communications in Computer and Information Science. 2018. vol. 707. Р. 43-58.
  • Lamichhane М. A smart waste management system using IOT and blockchain technology // [Электронный ресурс]. URL: https://lutpub.lut.fi/bitstream/handle/10024/143751/ PERCCOM_MASTERS_THESIS_ManishLamichhane_20170720_final.pdf?sequence=2 (дата обращения: 13.04.2020).
  • Karthikeyan S., Rani G.S., Sridevi M., Bhuvaneswari P.T.V. IoT enabled waste management system using ZigBee network // 2nd IEEE International Conference on Recent Trends in Electronics, Information and Communication Technology (Bangalore, India, 19-20 May 2017). IEEE. 2018. Р. 2182-2187.
  • Atayero A.A., Williams R., Badejo J.A., Popoola S.I. Cloud based IoT-enabled solid waste monitoring system for smart and connected communities. International Journal of Civil Engineering and Technology. 2019. vol. 10(2). Р. 2308-2315.
  • The 4th Industrial Revolution in Practice - WasteIQ, the Open Waste Management Platform // ISWA. [Электронный ресурс]. URL: https://www.iswa.org/home/news/news-detail/article/guest-blog-the-4th-industrial-revolution-in-practice-wasteiq-the-open-waste-management-platf/109/ (дата обращения: 13.04.2020).
  • Попов А.А. Разработка системы поддержки принятия решений для формирования рациональной структуры единого информационного пространства жилищно-коммунального хозяйства региона. М.: Русайнс, 2017. 170 с.
Еще
Статья научная