Modelli previsionali di produzione di rifiuti nel territorio = Model-based prediction of the territory waste production

Creare e consolidare un'economia circolare che favorisca la raccolta, la trasformazione e il ri-utilizzo delle materie già a nostra disposizione è la chiave per frenare il cambiamento climatico. I cittadini sono sempre più interessati a politiche di sostenibilità a salvaguardia dell'ambiente, come evidenzia la crescita dell'utilizzo della raccolta differenziata. I rifiuti urbani rappresentano il 10% del totale ed ottimizzarne i processi di raccolta e gestione porta ad un miglioramento per l'intera comunità cittadina. Stimare il tasso di riempimento dei cassonetti permette di decidere quali siti visitare, minimizzando i costi di trasporto e pianificando l'allocazione delle risorse ma assicurando ai cittadini che i cassonetti vengano svuotati prima del raggiungimento di una determinata soglia di accettabilità. Per fare questo, il principale strumento a nostra disposizione è l'analisi statistica dello storico della quantità raccolta precedentemente nei siti. Questa tesi è in collaborazione con moltosenso, azienda specializzata nella ricerca e nell'implementazioni di nuove soluzioni ICT all'avanguardia. Nell’ambito del progetto O.N.D.E.- UWC (Optimization for Networked Data in Environmental Urban Waste Collection) promosso dalla regione Piemonte ed in collaborazione con Cidiu Servizi S.p.A (Centro Intercomunale di Igiene Urbana) operante nell'area metropolitana di Torino, sono stati posti dei rilevatori, chiamati transponder, sui cassonetti nel territorio. Durante il ciclo di raccolta, il transponder si associa al rilevatore posto sul camion, in grado di misurare il peso del rifiuto presente in ogni cassonetto svuotato. Questo progetto ha lo scopo di creare uno strumento ad hoc per le aziende coinvolte che permetta, a partire dai dati a disposizione, di stimare la quantità di rifiuto presente in ogni giorno nei cassonetti, tramite l'implementazione di algoritmi predittivi sviluppati in R, ambiente per analisi statistiche computazionali.