• Título:  A KNOWLEDGE-BASED FRAMEWORK TO MANAGE PLASTIC WASTE IN URBAN ENVIRONMENTS USIMG MULTI-SOURCE DATA.
• Autor:  Sidhu, Navjot
• Universidad:  Universidad Católica San Antonio
• Departamento:  Ciencias politécnicas
• Fecha de Lectura:  27/04/2022
• Programa de doctorado:  Programa de Doctorado en Tecnologías de la Computación e Ingeniería Ambiental por la Universidad Católica San Antonio
• Dirección: 
  • Terroso Sáenz, Fernando (DIRECTOR)
  • Muñoz Ortega, Andrés (DIRECTOR)
• Tribunal: 
  • Freitas de Oliveira Novais, Paulo Jorge (PRESIDENTE)
  • Bueno Crespo, Andrés (SECRETARIO)
  • Cecilia Canales, Jose Maria (VOCAL)
• Descriptores: 
  • URBANISMO
  • COMPUTACION EN ESTADISTICA
  • MATERIALES PLASTICOS
  • DISEÑO DE SISTEMAS SENSORES
• Localización:  ESCUELA INTERNACIONAL DE DOCTORADO DE LA UCAM
• 642780_1470706.pdf
• Resumen:
  Debido al continuo aumento de la cantidad de residuos plásticos a nivel mundial, la definición de políticas eficientes de planificación urbana junto con una correcta gestión y recogida de los residuos domésticos pueden ser a menudo un reto muy exigente. Muchas ciudades y países se enfrentan a menudo con una inadecuada eliminación de los residuos plásticos, como los dos países en los que se centra esta tesis: India y Filipinas. En este sentido, India tiene políticas diferentes en función de su segmentación geográfica. Dos de los estados de dicho país que se analizan con más detalle son Punjab, donde la mayoría de las ciudades no tienen un contenedor de basura adecuado, y Gujarat, donde el uso e implantación de los contenedores municipales acaban de empezar. Esta tesis presenta un sistema colaborativo inteligente que se centra en la monitorización de los residuos plásticos a través de un enfoque novedoso para definir políticas que ayuden en el proceso de gestión de este tipo de residuos en entornos urbanos. El sistema propuesto se compone de contenedores domésticos inteligentes equipados con balanzas de peso y una aplicación inteligente para recoger y anticipar los residuos plásticos que se almacenarán en el contenedor en diferentes horizontes temporales. Por otro lado, el sistema es también capaz de genera rutas mediante un mecanismo de planificación que facilita a los recicladores la recogida proactiva de residuos en los hogares con diferentes medios de transporte. Los recicladores pueden utilizar las diferentes ubicaciones de los contenedores municipales de residuos plásticos que han sido previamente inferidas por nuestro sistema a través del análisis de datos abiertos socioeconómicos y demográficos. Este sistema inteligente ha sido evaluado en dos zonas urbanas de la India y Filipinas mostrando resultados convincentes. Gracias a la continua promoción mundial de los datos abiertos como método para acceder a datos transparentes, este estudio también ha utilizado datos abiertos para recuperar la demografía, el número de locales dentro de diferentes categorías, el número de segmentos de calles y la ubicación de los contenedores de cuatro ciudades occidentales de referencia: Nueva York, Málaga, Madrid y Stavanger. El objetivo principal de extraer los datos abiertos de estas cuatro ciudades es determinar la distribución de las papeleras en función de las variables mencionadas. Como prueba de concepto, hemos empleado estos datos para planificar un escenario de gestión de residuos urbanos en las ciudades objetivo de Filipinas e India. La comparación de las ciudades de referencia y las ciudades objetivo también nos permite ver que las zonas de la India parecen ser más familiares, como Stavanger, debido a la distribución de los locales, y que Quezon City tiene una actividad ciudadana similar a la de Nueva York, Madrid y Málaga. En concreto, se realizó un análisis de regresión lineal sobre los datos de las ciudades de referencia para determinar las variables relevantes y el coeficiente de determinación que mide la confianza en los modelos. También se aplicó el análisis de mínimos cuadrados ponderados a las diferentes variables obtenidas en los pasos anteriores, como la densidad de población, el número de segmentos de calles y los cuatro usos del suelo predominantes obtenidos mediante la aplicación del algoritmo de análisis de componentes principales. Con ello, se identificó el número de contenedores necesarios y propuestos en cada una de las ciudades objetivo. Por otro lado, la recogida de residuos en la mayoría de los países sigue basándose en métodos tradicionales con horarios fijos. Esto representa un problema, ya que una recogida de residuos inadecuada e ineficaz puede provocar contaminación y polución. También pueden surgir grandes preocupaciones entre la población cuando hay un tratamiento inadecuado de los residuos plásticos debido a problemas de recogida como, por ejemplo, la irregularidad de la misma. Como alternativa, se utiliza un contenedor inteligente con una báscula de alta resolución para controlar los residuos plásticos domésticos. También se diseñó una aplicación colaborativa para gestionar la recogida de residuos domésticos en las comunidades con necesidades especiales, como residentes afectados por Covid-19, personas mayores o con discapacidad. Este desarrollo incluyó además un algoritmo para prever la generación de residuos de plástico con el fin de disponer de una ruta de recogida optimizada para los recolectores de basura doméstica. A modo general, el sistema recoge el peso de los contenedores de las casas a través del sensor de peso. Estos datos se envían a un servidor backend que incluye un panel de control para visualizar los datos recogidos por el sensor, así como un algoritmo de planificación capaz de personalizar las rutas de los recicladores registrados en el sistema para que la recogida de residuos sea proactiva y no tradicional. Los datos utilizados para realizar las simulaciones se basaron en experimentos realizados a través de diferentes características demográficas como tipos de hogar y grupos de edad. La predicción del peso se introduce en el módulo que se utiliza para crear rutas para los recicladores. También se obtuvieron tres clústers basados en dichas características, cada uno representando un perfil particular de generación de residuos plásticos. La evaluación de la simulación se llevó a cabo en la ciudad de Quezon, Filipinas, donde se definieron ocho contenedores inteligentes domésticos y dos ubicaciones de recicladores, y cada contenedor se vinculó a un clúster particular. Se simuló un enfoque iterativo en el que se extrajo un experimento particular y se generó un número específico de subexperimentos. Los puntos de recogida junto con el registro de tiempo u horas de los recicladores se introdujeron en un algoritmo para la optimización de las rutas de recogida necesarias para los recicladores. Posteriormente, se calcula la tasa de recogida que indica el porcentaje de contenedores incluidos en la ruta que son recogidos por los recicladores antes de que se llenen. Los cálculos de cada ruta incluyen la hora de recolección y la hora de llenado real de cada contenedor. Tres medios de transporte diferentes, coche, bicicleta y a pie, fueron estudiados para estudiar dicha tasa de recogida. Los resultados muestran que la solución alcanzó una tasa de recogida media del 80%. Además, cuando se utilizan bicicletas y coches, las tasas de recogida aumentan con el mayor número de predicciones de contenedores. Con la integración del módulo de planificación urbana y el módulo de composición de rutas y contenedores inteligentes, los resultados muestran una tasa de recogida media superior al 80% para bicicletas, coches y a pie como medio de transporte. También se puede observar que el uso de los recicladores y los contenedores de residuos municipales en la misma zona, facilitaría un sistema sostenible que permite el uso de bicicletas y el desplazamiento a pie a las casas y los contenedores en lugar de en coche. En definitiva, se ha conseguido una solución colaborativa que ayuda a distintos colectivos en la recogida de los residuos plásticos domésticos. Así, se propone un contenedor inteligente ligero de alta resolución para captar y pronosticar la cantidad de residuos plásticos en los contenedores de cada hogar. Además, se definen diferentes técnicas inteligentes para generar rutas optimizadas para los recolectores de residuos domésticos y los recicladores registrados. Esto les permitirá llevar a cabo una recogida de residuos eficiente. También se determina el número de contenedores de plástico necesarios en una zona específica a través de datos abiertos y diferentes variables relacionadas con la planificación urbana y la gestión de los plásticos extraídos de ciudades referentes en la gestión de residuos urbanos.