Jak odstranit zbytečné svozy a současně předcházet přetékání kontejnerů
Města často svážejí tříděný odpad podle pevného harmonogramu. V praxi to znamená, že někdy přijede svozový vůz ke skoro prázdnému kontejneru, zatímco jinde nádoba přetéká a zhoršuje čistotu okolí i spokojenost obyvatel.
Praha už měla k dispozici rozsáhlý datový základ ze senzorů zaplněnosti a potřebovala ověřit, zda lze pomocí AI a datové analýzy z těchto signálů vyčíst skutečně užitečné informace pro provozní rozhodování.
Projekt se proto zaměřil na detekci svozů, chybějících svozů, anomálií a senzorových problémů, na segmentaci časových řad, návrh optimalizace rozvrhů a na vytvoření nástroje, který umožní městskému expertovi výsledky přehledně procházet a ověřovat.
Jak řešení funguje
Detekce událostí v časové řadě
Systém nejprve analyzuje signál zaplněnosti kontejneru a rozpoznává důležité události, například svoz, ucpaný vhoz, výpadek signálu, peak, sesuv nebo propad. Tím vzniká datový základ pro další provozní interpretaci.
Segmentace a rozpoznání rozvrhu
Časová řada je rozdělena do intervalů se stabilním rozvrhem svozů. Pro každý interval se odhadne pravděpodobný režim svozu, což umožňuje přesněji odhalovat odchylky a chybějící svozy.
Alarmy a expertní interpretace
Sekvenční analýza vyhledává nadlimitní výskyty problematických jevů a prezentuje je uživateli jako alarmy. Expert se tak soustředí hlavně na podezřelé situace místo ruční kontroly všech signálů.
Optimalizace svozových rozvrhů
Na vybraných intervalech systém simuluje alternativní rozvrhy svozu a hledá takové varianty, které omezují jak zbytečné svozy poloprázdných nádob, tak riziko přeplnění. Výsledkem je podklad pro chytřejší plánování provozu.
Ukázky řešení
Co bylo součástí realizace
Vznikly metody pro rozpoznání svozů, chybějících svozů, výpadků signálu, ucpaného vhozu, peaků, sesuvů a dalších jevů, které mají pro město praktický význam.
Řešení umí navrhovat alternativní harmonogramy svozu a odhadovat jejich dopad na nevyužitou kapacitu i na přeplňování nádob.
Vznikla aplikace pro načítání signálů, ruční anotace, prohlížení alarmů a spuštění optimalizace. Slouží jako nástroj pro demonstraci a testování navržených přístupů.
Součástí služby byl i rozvoj predikce plnění s několikadenním předstihem a příprava automatických servisních a analytických výstupů pro městské služby.
Co je na tom cenné
AI analýza
alarmy
optimalizace
forecasting
ekologický dopad
Co klient získal
Úsporu času expertů
Experti nemusí ručně procházet všechny časové řady. Nástroj je navádí hlavně na alarmy, chyby a významné neefektivity, takže se lidská kapacita používá tam, kde má největší hodnotu.
Lepší rozhodování a nižší provozní náklady
Rozhodování je více opřené o skutečná data než o odhady. To vytváří prostor pro omezení zbytečných svozů, lepší využití kapacity nádob a efektivnější organizaci městských služeb.
Ekologický přínos pro město
Méně zbytečných jízd znamená nižší spotřebu paliva, méně emisí a čistší provoz. Zároveň se snižuje riziko přeplněných kontejnerů a zhoršené čistoty v ulicích.
Klíčové poznatky z analýzy
- Algoritmy dokážou odhalovat chybějící svozy, výpadky signálu i senzorové problémy.
- Dlouhé a stabilní intervaly dávají smysluplný základ pro segmentaci a optimalizaci.
- U barevného skla se ukázal výrazně větší prostor pro optimalizaci rozvrhů než u papíru.
- Část alarmů neukazuje jen problém svozu, ale i problém senzoru nebo nestabilního rozvrhu.
- Nástroj tak pomáhá nejen optimalizovat svoz, ale i zlepšovat kvalitu datové infrastruktury města.
Využitelnost a škálovatelnost
- využití pro městské experty při kontrole kvality svozové služby
- rozšíření na další komodity a další typy nádob se senzory
- napojení na širší městské datové platformy, například Golemio
- přenositelný princip pro jiná města a odpadové společnosti využívající senzory zaplněnosti
- základ pro chytřejší, datově řízený a udržitelnější ekosystém odpadového hospodářství
Důležitá poznámka k výsledku služby
Součástí realizace je i aplikace app_waste, která byla vytvořena jako demonstrační a testovací nástroj pro ověřování navržených metod. To je pro veřejný showcase důležité uvést, protože hodnota služby neleží jen v samotné aplikaci, ale v ověřených analytických přístupech, zjištěních a připravenosti k dalšímu rozvoji.
Právě tento test-before-invest přístup umožnil městu vyhodnotit, kde má AI a optimalizace největší smysl, a zároveň snížit riziko unáhlené investice do řešení, které by nebylo opřené o skutečná data a provozní zkušenost.
Chcete-li o službě vědět více, kontaktujte nás
Rádi s vámi probereme, jak lze podobný přístup využít pro odpadové hospodářství, městské služby, analýzu senzorových dat nebo další projekty chytrého města.