Çöp kutularının genellikle yalnızca yüzde 40 dolu olduklarında boşaltıldığını biliyor muydunuz?
Dünya giderek daha karmaşık ve birbirine bağlı hale geliyor ve her zamankinden daha fazla veri trafiği üretiyor. Yakın tarihli bir IDC raporu, bağlı Nesnelerin İnterneti (IoT) cihazlarının sayısının 2025 yılına kadar küresel olarak neredeyse 75 milyara ulaşabileceğini ve yaklaşık 79.4 zettabayt veri üretebileceğini tahmin ediyor. Bu büyük miktardaki bilgi inanılmaz bir değer içeriyor, ancak tam potansiyelini ortaya çıkarmak için saklanmalı, işlenmeli, analiz edilmeli ve ilişkilendirilmelidir.
Bu inanılmaz görev için insan çabası yeterli mi? Muhtemelen değil. Yapay zeka (AI), geleneksel bilgisayar programlamasından daha doğru ve daha hızlı sonuçlarla bu kadar büyük ve artan miktarda veriyi anlamlandırmak için giderek daha fazla kullanılmaktadır.
Yapay zeka, bilgisayarların insan davranışlarını ve bilişsel süreçleri taklit etmesini sağlamayı hedeflerken, makine öğrenimi, özellikle verilerden öğrenen ve deneyim yoluyla zaman içinde doğruluğunu otomatik olarak iyileştiren algoritmalar ve uygulamalar geliştirmeye odaklanan daldır.
Makine öğreniminin, birçok bağlı cihazın homojen olmayan verileri topladığı ve paylaştığı akıllı şehirler ve IoT ağları üzerinde büyük bir etkisi olabilir. Bu durum mevcut kentsel hizmetleri iyileştirmek ve yeni akıllı uygulamalar geliştirmek için bir hazine niteliğinde.
Akıllı atık
Çöp kutularının genellikle yalnızca yüzde 40 dolu olduklarında boşaltıldığını biliyor muydunuz? Bu, belediye katı atık toplama işleminin ekonomik olarak verimsiz ve nadiren etkili olduğu anlamına gelir.
Çözümün performansını daha da iyileştirmek için yapay zeka ve makine öğrenimi algoritmaları entegre ediliyor. İlk adım, depoları sensörler ile donatarak doldurma seviyesi, en son atık toplama tarihi ve saati ve tam konum hakkındaki verileri izlemek.
Bu, operatörlerin kamyonları yalnızca ambarlar dolmaya yakın olduğu zaman ve yerde sevk etmelerine izin verir, böylece kamyon rulolarının sayısını ve bunlarla ilişkili kilometreyi azaltır, bu da kirliliği ve tıkanıklığı azaltır. Bölme doldurma seviyesi tahmin sistemi, akıllı bölmelerden alınan geçmiş verileri içeren bir veri kümesi üzerinde eğitilmiş derin bir sinir ağından yararlanır.
Her zaman öğrenme
Çöp kutusuna, süpermarketler, stadyumlar, istasyonlar veya hastaneler gibi yakınlardaki ilgili ilgi noktalarını tanımlamayı ve insan yoğunluğu, etkinlikler, festivaller ve daha fazlası gibi değişkenlere dayalı olarak atık girdisini tahmin etmeyi öğretmek için yakında daha karmaşık mantık entegre edilecek.
Sürekli öğrenme teknikleri, modelin yeni verileri ve birikmiş bilgileri birleştirerek sürekli gelişmesine izin verir. Bu, operatörlerin doldurma modellerini analiz ederek konteynerlerin miktarı, kapasitesi ve konumu hakkında veriye dayalı kararlar alabileceği anlamına gelir. Çöp kutuları, farklı kentsel senaryolara uyacak şekilde konumlandırılabilir ve birkaç gün içinde değişen koşullara, yani pandemi sırasında e-ticaretin ve eve teslimatların artması nedeniyle ambalajla ilgili çöplerdeki artış gibi farklı konut sakinlerinin alışkanlıklarına veya davranışlarına uyarlanabilir. .
Akıllı Kentsel Ağ ve makine öğrenimi algoritmaları sayesinde şehirler, atık toplama ve yönetimini gerçek anlamda iyileştirebilir, halk sağlığını ve çevreyi korurken yaşanabilirliği artırabilir.
Bu yazı alıntıdır.