Publicación: Optimización del servicio de recogida de residuos sólidos urbanos mediante predicción del nivel de llenado de los contenedores
Cargando...
Fecha
2021-07-01
Autores
Editor/a
Director/a
Tutor/a
Coordinador/a
Prologuista
Revisor/a
Ilustrador/a
Derechos de acceso
info:eu-repo/semantics/openAccess
Título de la revista
ISSN de la revista
Título del volumen
Editor
Universidad Nacional de Educación a Distancia (España). Escuela Técnica Superior de Ingeniería Informática. Departamento de Inteligencia Artificial
Resumen
En el ámbito del Internet of Things (IoT), las técnicas de Machine Learning nos ofrecen múltiples de posibilidades que pueden ayudar a la toma de decisiones de alto nivel. Cada vez son más las ciudades que se unen al movimiento de las Smart Cities captando datos del entorno a través de sensores instalados en campo, donde uno de los sectores clave es la recogida de residuos sólidos urbanos. El rápido crecimiento demográfico, sobre todo en grandes núcleos urbanos, junto con la sobreexplotación de recursos hace que sea necesaria una óptima gestión del servicio de recogida de residuos que supone en torno a un 70% del coste total del tratamiento de residuos. El objetivo de este trabajo es analizar mecanismos de machine learning que sirvan para optimizar el servicio de recogida de residuos sólidos urbanos a través de técnicas de Machine Learning haciendo uso de los datos históricos del servicio enviados al Internet of Things consiguiendo no solo que las empresas sean más productivas sino consiguiendo un importante ahorro ambiental a través de una reducción de las emisiones de CO2 de los camiones reduciendo así la huella de carbono derivada del servicio.
In the field of the Internet of Things (IoT), Machine Learning techniques offer us endless possibilities that can help make high-level decisions. More and more cities are joining the Smart Cities movement by capturing data from the environment through sensors installed in the field, where one of the key sectors is the collection of municipal solid waste. Rapid population growth, especially in large urban centers, together with the overexploitation of resources makes it necessary to optimize the waste collection service, which represents around 70% of the total cost of waste treatment. The objective of this work is to optimize the municipal solid waste collection service through Machine Learning techniques making use of the historical data of the service sent to the Internet of Things, not only making companies more productive but also achieving significant environmental savings through a reduction in CO2 emissions from trucks, thus reducing the carbon footprint derived from the service.
In the field of the Internet of Things (IoT), Machine Learning techniques offer us endless possibilities that can help make high-level decisions. More and more cities are joining the Smart Cities movement by capturing data from the environment through sensors installed in the field, where one of the key sectors is the collection of municipal solid waste. Rapid population growth, especially in large urban centers, together with the overexploitation of resources makes it necessary to optimize the waste collection service, which represents around 70% of the total cost of waste treatment. The objective of this work is to optimize the municipal solid waste collection service through Machine Learning techniques making use of the historical data of the service sent to the Internet of Things, not only making companies more productive but also achieving significant environmental savings through a reduction in CO2 emissions from trucks, thus reducing the carbon footprint derived from the service.
Descripción
Categorías UNESCO
Palabras clave
Machine Learning, Internet Of Things, optimización recogida de residuos, series temporales, ARIMA, waste collection optimization, time series
Citación
Centro
Facultades y escuelas::E.T.S. de Ingeniería Informática
Departamento
Inteligencia Artificial