Over de hele wereld, grote steden hebben bijna geen ruimte meer voor vast stedelijk afval. Bestaande stortplaatsen raken snel vol en niemand wil een nieuwe stortplaats in de buurt van hun huis of bedrijf. In de tussentijd, belastingbetalers zijn niet geïnteresseerd in hogere kosten voor kwaliteitsvol afvalbeheer.

Een manier om de levensduur van bestaande afvalbeheerlocaties aanzienlijk te verlengen, is recycling. Recycling kan ook werkgelegenheid opleveren, helpen om een ​​circulaire economie tot stand te brengen of richting nul afval te gaan. Maar vaak, huishoudens zijn zeer goed bestand tegen recycling.

Een recente studie rapporteert een krachtige kunstmatige intelligentie (AI)-techniek om de stortplaatsvereisten voor een stad op de lange termijn te voorspellen. De onderzoekers gebruikten machine learning om stedelijk vast afval in een grote Afrikaanse stad te voorspellen. De prognose laat zien hoeveel afval er over 30 jaar zal zijn als het recyclingniveau gelijk blijft.

Dr. Olusola Olaitan Ayeleru en de heer Lanrewaju Ibrahim Fajimi publiceerden hun onderzoek in de Journal of Cleaner Production . Beiden zijn verbonden aan de afdeling Chemical Engineering van de Universiteit van Johannesburg.

Afval plannen met spreadsheets

Het is moeilijk te voorspellen wanneer de stortplaatsen van een stad te weinig ruimte zullen hebben. zelfs wanneer nauwkeurige informatie beschikbaar is. Echter, conventionele statistische prognoses met behulp van een spreadsheet kunnen goed genoeg zijn om 30 jaar vooruit te plannen.

Tegelijkertijd, spreadsheets met veel handmatig aangepaste formules en macro's zijn moeilijk te begrijpen. Deze kunnen ook tijdrovend en moeilijk te onderhouden zijn.

Maar prognoses voor verschillende recyclingscenario's zijn misschien niet mogelijk op spreadsheets. Neem de bevolkingsgroei, soorten afval, weers- en andere datasets in een dergelijke voorspelling niet mogelijk zijn, of.

In ontwikkelingslanden, informatie over het afval dat in een stad wordt gegenereerd ontbreekt vaak of is onnauwkeurig. Hier, Het is onwaarschijnlijk dat spreadsheets stadsmanagers prognoses geven voor langetermijnplanning.

Echter, machine learning-modellen kunnen worden getraind op basis van de beschikbare gegevens, en van meer gegevens die later zijn toegevoegd. Ook, machine learning is beter geschikt om te profiteren van meerdere datasets in verschillende formaten.

Een snel groeiende stad

Johannesburg is het economische centrum van Zuid-Afrika en de grootste stad van het land. Het trekt mensen uit andere provincies en buitenlanders aan die op zoek zijn naar werk.

Voor deze studie is alleen de stad Johannesburg Metropolitan Municipality was inbegrepen. Deze strekt zich uit van Diepsloot en Midrand in het noorden tot Ennerdale/Orange Farm in het zuiden; Doornkop/Soweto in het westen tot Bruma in het oosten. De naburige steden Ekhurhuleni, Tshwane, Mogale, Merafong, Rand West, Emfuleni, Midvaal en Lesedi werden uitgesloten van het onderzoek.

Tussen 1996 en 2001, de bevolking van de stad Johannesburg groeide van 2,59 miljoen tot 3,22 miljoen. tegen 2011, de bevolking van de stad was 4,43 miljoen, volgens de gegevens van de nationale volkstelling. Hetzelfde jaar, 90% van naar schatting 59 miljoen ton algemeen afval geproduceerd in Zuid-Afrika belandde op stortplaatsen, terwijl 10% werd gerecycled. Nationaal, 12,9% van de grootstedelijke huishoudens gaf zelf aan dat ze recyclen, gevolgd door 10,8% van de huishoudens in stedelijke gebieden.

voor 2021, de bevolking van de stad werd voorspeld op 5,3 miljoen, volgens het geïntegreerde ontwikkelingsplan 2019/2020.

De stad exploiteert momenteel vier stortplaatsen. In september 2020, de COO van Pickitup, het afvalverwerkingsbedrijf van de stad, meldde dat er op deze locaties nog vier en een half jaar capaciteit over is.

in 2018, de stad startte een recyclingprogramma voor scheiding aan de bron. De afdeling recycleert plastic, papier, glas en blikjes, evenals huishoudelijk geproduceerd tuinafval. In februari 2021, Pickitup kondigde een coproductieprogramma aan met 48 bedrijven. Het doel is om meer afval te verzamelen, straatreiniging en recycling bewustzijn en educatie in de stad. Per afdeling zullen vijftien nieuwe Pickitup-medewerkers het programma coördineren.

Gegevens aangesloten op AI

Ayeleru en Fajimi gebruikten machine learning om het vaste gemeentelijk afval in Johannesburg over 30 jaar te voorspellen met behulp van een standaard notebookcomputer met een i7-processor. De onderzoekers gebruikten censusgegevens uit 2011 die de bevolking aangeven, formeel werkzaam, werklozen en het aantal gezinseenheden. De gegevens zijn aangeleverd door de landelijke overheidsinstantie StatsSA. Ze combineerden dit met gegevens over de totale hoeveelheid vast stedelijk afval per jaar op de vier stortplaatsen van de stad, van 1996 tot 2008. Deze gegevens zijn aangeleverd door de stad Johannesburg.

In dit onderzoek, Fajimi gebruikte twee soorten machine learning om 30-jarige voorspellingen te genereren van de totale hoeveelheid vast afval die in de stad wordt gegenereerd. Beide algoritmen staan ​​bekend om hun nauwkeurige voorspellingen en consistentie.

Het eerste type is kunstmatige neurale netwerken (ANN's). Dit type model kan vanzelf leren. De onderzoekers gebruikten vijf-, 10-, 20-, 30- en 40-neuronmodellen om vijf voorspellingen te maken De onderzoekers gebruikten MATLAB-software, die een robuuste ANN neurale fitting toolbox heeft.

Het tweede type wordt ondersteunde vectormachines (SVM's) genoemd. De onderzoekers gebruikten lineaire, kwadratisch, kubiek, een Gaussiaans, medium gaussiaanse en grove gaussiaanse methoden in MATLAB-software om nog eens zes voorspellingen te maken.

Het 10-neuronenmodel produceerde de beste ANN-voorspelling. Van de SVM's gaf het lineaire model de beste voorspelling.

De AI-bottomline

Het 10-neuronenmodel voorspelde dat de bevolking in de stad Johannesburg waarschijnlijk zal toenemen van 5,3 miljoen in 2021 tot 6,4 miljoen in 2031; en tot 8,4 miljoen in 2050. Daarentegen het model voorspelde niet dezelfde toename van vast stedelijk afval. In plaats daarvan, het voorspelde een toename van het totale jaarlijkse afval van 1,61 miljoen ton in 2021 tot 1,72 miljoen ton in 2031; en tot 1,95 miljoen ton in 2050.

"Je mag verwachten dat de afvalproductie zou moeten toenemen naarmate de bevolking toeneemt, maar dit is ook afhankelijk van factoren als lage of hoge koopkracht of inkomstenbron, ' zegt Ayeleru.

"Als burgers hun bron van inkomsten verliezen of de koopkracht laag is, de hoeveelheid geproduceerd afval zou worden verminderd omdat ze thuis zouden koken in vergelijking met het kopen van kant-en-klaar voedsel in een restaurant, bijvoorbeeld."

Volgende stappen

Bij vervolgonderzoek is Ayeleru en Fajimi onderzoeken hoe ze AI kunnen gebruiken om de soorten afval te voorspellen en hoeveel inkomsten de stad uit elk van die soorten kan genereren. "De stad Johannesburg doet het momenteel veel beter op het gebied van afvalbeheer in vergelijking met andere grote steden op het continent. Deze AI-voorspelling kan helpen bij het ontwerpen van toekomstige infrastructuur voor afvalbeheer door de stad, ' zegt Ayeleru.

"Op korte termijn, de eerste stap die de stad kan zetten is mensen opleiden, dus beginnen ze meer te recyclen. Ten tweede, de stad moet misschien verder kijken dan wat ze op dit moment doen om inkomsten te genereren uit vast afval."