Akıllı şehir uygulamalarında kentsel katı atık yönetimi Yalova (Merkez) örneği

Abstract

Bu doktora çalışması, Yalova şehir merkezine ait kentsel katı atık toplama verilerinden oluşturulan veri setleri temelinde, sürdürülebilir atık yönetimi için yenilikçi bir model geliştirmeyi amaçlamaktadır. Araştırmada, özellikle seçilen bölgede yapılan modelleme çalışmaları kapsamında, Nesnelerin İnterneti (IoT) teknolojileri ve K-means kümeleme algoritması kullanılarak atık toplama süreçlerinin optimizasyonu sağlanmıştır. Konteynerlerin kapasite, doluluk oranı ve konum verileri titizlikle analiz edilmiş; Coğrafi Bilgi Sistemleri (CBS) entegrasyonu ve gerçek zamanlı veri analitiği ile toplama rotaları dinamik olarak optimize edilmiştir. Bu sayede, operasyonel maliyetler, karbon emisyonları ve lojistik giderler önemli ölçüde azaltılmıştır. Heterojen yapıdaki konteynerlerin yol açtığı bakım zorlukları, estetik problemler ve trafik yoğunluğu gibi sorunlar, yeni nesil konteyner uygulamaları ile giderilmiştir. Araştırmanın bulguları, yerel yönetimlerin sürdürülebilir kalkınma hedeflerine uyumlu politika geliştirmelerine ve çevre mühendisleri ile şehir plancılarının uygulamalı çözümler üretmesine olanak sağlamaktadır. Çalışmanın kapsamı, saha verilerinin toplanması, analizi ve yorumlanmasında kullanılan yöntemlerin dikkatle belirlenmesini içermektedir. Ayrıca, ekonomik analizler ve çevresel etki değerlendirmeleri, karar vericilere yol gösterici nitelikte bilgiler sunarak, gelecekteki projelere ışık tutmaktadır. Bu model, sürdürülebilir şehir planlaması ve çevresel koruma alanlarında uygulamaların genişletilmesi için örnek teşkil etmekte olup, atık yönetimi süreçlerinde teknolojinin etkin kullanımını göstererek, toplumsal ve ekolojik faydaların artırılmasına katkıda bulunmaktadır. Bu çalışma, gelecekteki projeler için de sağlam bir temel sunmaktadırThis doctoral research is based on data sets generated from urban municipal solid waste collection in Yalova city centre and aims to develop an innovative model for sustainable waste management. In the study, modelling exercises conducted in a specifically selected area employed Internet of Things (IoT) technologies and the K-means clustering algorithm to optimise waste collection processes. The capacities, fill levels, and location data of containers were meticulously analysed; by integrating Geographic Information Systems (GIS) and real-time data analytics, collection routes were dynamically refined. Consequently, operational costs, carbon emissions, and logistical expenses have been significantly reduced. The challenges arising from the heterogeneity of containers—such as maintenance difficulties, aesthetic issues, and traffic congestion—have been addressed through the implementation of next-generation container applications. The research findings enable local authorities to develop policies aligned with sustainable development objectives and provide environmental engineers and urban planners with practical solutions. The study encompasses the careful determination of methodologies employed for the collection, analysis, and interpretation of field data. Furthermore, economic analyses and environmental impact assessments offer guiding insights for policymakers, thereby informing future projects. This model serves as an exemplar for the expansion of sustainable urban planning and environmental protection initiatives, demonstrating the effective utilisation of technology in waste management processes and contributing to enhanced societal and ecological benefits. Finally, the research provides a robust foundation for forthcoming endeavours in this field.