ارائه چارچوب ترکیبی شبکه‌های عصبی و الگوریتم اره‌ماهی در بستر شهر هوشمند برای مدیریت پسماند شهری (مطالعه موردی: اردبیل)

ارائه چارچوب ترکیبی شبکه‌های عصبی و الگوریتم اره‌ماهی در بستر شهر هوشمند برای مدیریت پسماند شهری (مطالعه موردی: اردبیل)

الهام دورنما1

1) دانشجوی کارشناسی مهندسی شهرسازی دانشگاه پیام‌نور، اردبیل، ایران

کد IOI مقاله : AAHF-ABKAGE
محل انتشار : کنفرانس ملی فناوری های معماری و هنر، شهر هوشمند، صنایع نرم وخلاق و فرهنگ فناوری (icact.ir)
چکیده :
    مدیریت بهینه پسماند شهری یکی از چالش‌های اساسی در توسعه شهرهای هوشمند است که به دلیل رشد جمعیت، نوسانات گردشگری و محدودیت‌های توپوگرافیک، نیازمند رویکردهای نوآورانه است. در این پژوهش، یک چارچوب ترکیبی برای مدیریت هوشمند پسماند در شهر اردبیل ارائه شده است. این چارچوب در دوفاز عملیاتی تدوین شده است: در فاز نخست، جهت پیش‌بینی دقیق حجم تولید پسماند، از مدل ترکیبی شبکه‌های عصبی LSTM-GNN بهره گرفته شد. این مدل با درنظرگرفتن هم‌زمان وابستگی‌های زمانی و روابط فضایی میان مناطق شهری، توانست به‌دقت بالای ۹۴.۷ درصد دست یابد. در فاز دوم، برای بهینه‌سازی مسیر ناوگان جمع‌آوری و حل مسئله مسیریابی خودروها (VRP)، از الگوریتم فراابتکاری اره‌ماهی (SFO) استفاده شد. نتایج ارزیابی نشان می‌دهد که الگوریتم SFO در مقایسه با سایر روش‌های فراابتکاری (مانند PSO)، پایداری بالاتر و همگرایی سریع‌تری در رسیدن به جواب‌های بهینه دارد. تحلیل سناریوهای مختلف حاکی از آن است که پیاده‌سازی این چارچوب ترکیبی می‌تواند تا ۵۰ درصد در شاخص‌های مسافت طی‌شده و هزینه‌های عملیاتی نسبت به وضع موجود بهبود ایجاد کند. یافته‌های این پژوهش، یک ابزار تصمیم یار داده‌محور را برای مدیریت شهری فراهم می‌آورد که با درنظرگرفتن ویژگی‌های خاص اقلیمی و ساختاری شهر اردبیل، امکان مدیریت هوشمند، اقتصادی و پایدار خدمات شهری را میسر می‌سازد. پیاده‌سازی این چارچوب ضمن ارتقای کیفیت خدمات عمومی، گامی مؤثر در جهت کاهش آلایندگی‌های زیست‌محیطی و ترافیک شهری است.

کلمات کلیدی : مدیریت پسماند هوشمند شبکه‌های عصبی ترکیبی (lstm gnn) الگوریتم اره‌ماهی (sfo) مسیریابی خودروها (vrp) شهر هوشمند