tối ưu hóa hệ thống thu gom rác thải rắn xây dựng tại thành phố hồ chí minh

Điều này đặt ra nhiều thách thức cho các kỹ sư xây dựng, các nhà quản lý, nhà hoạch định, phải nỗ lực không ngừng để tìm ra các giải pháp để xử lý vấn đề, bố trí xây dựng lại các vị trí

TRƯỜNG ĐẠI HỌC BÁCH KHOA” -

TRẦN THIẾT VĂN

“TỐI ƯU HÓA HỆ THỐNG THU GOM RÁC THẢI RẮN

“Chuyên ngành: Quản Lý Xây Dựng Mã số ngành: 8580302

LUẬN VĂN THẠC SĨ

Thành Phố Hồ Chí Minh, Tháng 12 Năm 2023”

“Công trình được hoàn thành tại: Trường Đại học Bách Khoa – ĐHQG HCM

Cán bộ hướng dẫn khoa học 1: TS Chu Việt Cường, chữ ký……….……

Cán bộ hướng dẫn khoa học 2: PGS.TS Phạm Vũ Hồng Sơn, chữ ký………… ……

Cán bộ chấm nhận xét 1: PGS.TS Trần Đức Học, chữ ký ……….….………

Cán bộ chấm nhận xét 2: TS Nguyễn Hoài Nghĩa, chữ ký ………

Luận văn Thạc sĩ được bảo vệ tại Trường Đại học Bách Khoa, ĐHQG Tp HCM ngày 25 tháng 01 năm 2024

Thành phần Hội đồng đánh giá luận văn thạc sĩ gồm: 1 TS Lê Hoài Long

2 PGS.TS Đỗ Tiến Sỹ 3 PGS.TS Trần Đức Học 4 TS Nguyễn Hoài Nghĩa 5 TS Đặng Thị Trang

Xác nhận của Chủ tịch Hội đồng đánh giá Luận Văn và Trưởng Khoa quản lý chuyên ngành sau khi đề cương luận văn đã được sửa chữa (nếu có)

CHỦ TỊCH HỘI ĐỒNG TRƯỞNG KHOA KỸ THUẬT XÂY DỰNG”

NHIỆM VỤ LUẬN VĂN THẠC SĨ

I TÊN ĐỀ TÀI:

“TỐI ƯU HÓA HỆ THỐNG THU GOM RÁC THẢI RẮN XÂY DỰNG TẠI THÀNH PHỐ HỒ CHÍ MINH”

NHIỆM VỤ VÀ NỘI DUNG:

- “Xác định rõ lý do, mục đích, vì sao hệ thống xử lý hiện tại cần được quản lý, xây dựng, tính toán lại để đưa ra phương án tối ưu mới

- Xem xét các hàm ràng buộc liên quan và hàm mục tiêu cần giải quyết trong việc quản lý hệ thống xử lý rác thải rắn trong xây dựng tại thành phố Hồ Chí Minh - Phân tích, đánh giá và chọn lọc mức độ ảnh hưởng của các tiêu chí ràng buộc - Đề xuất giải pháp mới, phương pháp tính toán, tối ưu hóa xây dựng hệ thống - Kiểm tra, đối chiếu, so sánh và đánh giá chất lượng của phương pháp được đề xuất

với số liệu của dự án thực tế đã triển khai tại thành phố Hồ Chí Minh.”

II NGÀY GIAO NHIỆM VỤ: 04/09/2023

III NGÀY HOÀN THÀNH NHIỆM VỤ: 24/12/2023

IV CÁN BỘ HƯỚNG DẪN: TS Chu Việt Cường và PGS.TS Phạm Vũ Hồng Sơn

“Bằng tất cả sự kính trọng, tác giả muốn bày tỏ lòng biết ơn sâu sắc đến quý thầy, cô ở Bộ môn Thi công và Quản lý xây dựng, Khoa Kỹ Thuật Xây Dựng, Trường Đại học Bách Khoa, Đại Học Quốc Gia Thành phố Hồ Chí Minh Sự chia sẻ kiến thức quý báu và nhiệt tình của quý thầy, cô là nguồn năng lượng quan trọng giúp tác giả phát triển suốt thời gian học tại trường

Tác giả cũng muốn bày tỏ lòng biết ơn đặc biệt đến các Sở, Ban, Ngành địa phương vì đã tạo điều kiện thuận lợi giúp tác giả hoàn thành số liệu thực tế cho luận văn Sự hỗ trợ này là nguồn tài liệu quý giá và thực sự quan trọng, có ảnh hưởng lớn đến sự thành công của dự án nghiên cứu trong đề tài này

Đặc biệt, tác giả xin gửi lời cảm ơn chân thành đến PGS.TS Phạm Vũ Hồng Sơn và TS Chu Việt Cường, những người thầy tận tâm đã dành thời gian và kiến thức để hướng dẫn tác giả hoàn thiện bài nghiên cứu trong luận văn này

Tác giả cũng xin gửi lời biết ơn đặc biệt đến các thầy, cô trong Hội đồng đánh giá luận văn Thạc sĩ, những người đã dành thời gian và công sức để góp ý, chỉ dẫn tận tình, từ đó giúp tác giả hoàn thiện luận văn một cách toàn diện nhất

Cuối cùng, tác giả không quên bày tỏ lòng biết ơn đến người thân gia đình, bạn bè và đồng nghiệp, những người đã luôn ở bên cạnh, động viên và hỗ trợ tác giả qua những giai đoạn khó khăn, giúp tác giả vượt qua mọi thách thức để hoàn thành luận văn này Sự ủng hộ của họ là nguồn động viên vô cùng quý báu và không thể thiếu trong hành trình này

Xin chân thành cảm ơn!

tại Thành phố Hồ Chí Minh đang nhận được sự quan tâm và nguồn kinh phí đầu tư lớn từ xã hội và các cấp chính quyền Theo Nghị định 38/2015/NĐ-CP về Quản lý Chất thải và Phế liệu, chất thải xây dựng cần phải được thu gom và vận chuyển đến các điểm tập kết, trạm trung chuyển hoặc cơ sở xử lý được phê duyệt Chất thải cũng có thể chuyển đến cơ sở tái chế hoặc các công trình khác để tái chế và sử dụng lại Tuy nhiên, tình trạng xả chất thải trái phép vẫn đang diễn ra và các hoạt động phân loại, thu gom, vận chuyển và xử lý chưa đạt đến mức độ triệt để, đặc biệt tại các thành phố đang phát triển.Nhiều dự án xây dựng không tuân thủ quy trình xử lý chất thải theo hồ sơ môi trường đã được phê duyệt, gây rủi ro ô nhiễm môi trường và tác động tiêu cực đến cảnh quan và cuộc sống hàng ngày của cộng đồng địa phương Việc xây dựng lại hệ thống quản lý và xử lý, tái chế rác thải, biến nó trở thành một nguồn cung cấp nhiên liệu sạch trở nên rất cấp thiết với mức độ xây dựng phức tạp và quy mô ngày càng lớn Điều này đặt ra nhiều thách thức cho các kỹ sư xây dựng, các nhà quản lý, nhà hoạch định, phải nỗ lực không ngừng để tìm ra các giải pháp để xử lý vấn đề, bố trí xây dựng lại các vị trí trạm thu gom, điểm tái chế, tiêu hủy, phân loại chất thải một cách khoa học và hợp lý, tạo ra các tuyến đường thu gom hiệu quả một cách nhanh chóng, với chi phí đầu tư xây dựng phù hợp và đạt được kết quả thu gom, tái chế tốt nhất.”

Để nâng cao hiệu suất tính toán cho mô hình nghiên cứu trở nên thực tế, tác giả đề xuất một phương pháp kết hợp mới dựa trên mô hình “trí tuệ nhân tạo” (AI), tích hợp giữa “thuật toán tối ưu hóa chim bồ nông” (POA) và các công cụ thông tin địa lý (GIS) Các đánh giá thực nghiệm, được thực hiện bằng dữ liệu thực tế, một cách rõ ràng chứng minh rằng phương pháp kết hợp POA-GIS được đề xuất vượt trội hơn so với các phương pháp khác, đặc biệt khi so sánh với quy trình thu gom chất thải rắn truyền thống, đang được áp dụng tại thành phố Hồ Chí Minh Nghiên cứu này đóng góp quan trọng cho lĩnh vực quản lý xây dựng, quản lý chất thải và bền vững đô thị, với mục tiêu cuối cùng là giảm nhẹ những tác động xấu lên nền kinh tế, xã hội và môi trường liên quan đến việc quản lý xây dựng và xử lý chất thải rắn tại thành phố Hồ Chí Minh, cũng như các thành phố tại các quốc gia đang phát triển khác trong khu vực.”

construction in Ho Chi Minh City has been receiving significant attention and substantial investment from society and governmental levels According to Decree 38/2015/ND-CP on Waste Management and Scrap, construction waste needs to be collected and transported to approved collection points, transfer stations, or processing facilities Waste can also be transferred to recycling facilities or other projects for reuse However, illegal waste dumping is still occurring, and sorting, collection, transportation, and processing activities have not reached a comprehensive level, especially in developing cities Many construction projects fail to comply with the approved environmental procedures for waste disposal, posing environmental pollution risks and negatively impacting the local community's landscape and daily life Rebuilding waste management and processing systems to turn waste into a clean fuel source has become increasingly imperative due to the complexity and scale of construction This poses numerous challenges for construction engineers, managers, planners, who must continually strive to find solutions to address the problem, allocate resources to rebuild collection stations, recycling points, disposal sites, waste classification in a scientific and reasonable manner, and create efficient collection routes quickly, with appropriate construction investment costs and achieve the best collection and recycling results

To enhance computational efficiency for the research model to become more practical, the author proposes a new combined method based on Artificial Intelligence (AI) model, integrating the Particle Swarm Optimization Algorithm (PSO) and Geographic Information Systems (GIS) Experimental evaluations, conducted with real data, clearly demonstrate that the proposed PSO-GIS combined method outperforms other methods, especially when compared to the traditional solid waste collection process applied in Ho Chi Minh City This study makes a significant contribution to the fields of construction management, waste management, and sustainable urban development, with the ultimate goal of mitigating adverse impacts on the economy, society, and environment related to construction management and solid waste processing in Ho Chi Minh City, as well as other developing cities in the region

của bản thân Mọi thông tin, số liệu và kết quả được trình bày trong luận văn đều được tác giả xác nhận là trung thực và chưa được công bố trong bất kỳ nghiên cứu nào khác Luận văn “Tối ưu hóa hệ thống thu gom rác thải rắn xây dựng tại thành phố Hồ Chí Minh” và các số liệu tham khảo đối chiếu là thật, tác giả đã xin phép và được các chủ thể chấp thuận để đưa vào nghiên cứu Tác giả xin hoàn toàn chịu trách nhiệm về nghiên cứu của mình.”

“TP Hồ Chí Minh, ngày 24 tháng 12 năm 2023

Tác giả luận văn

Trần Thiết Văn”

1.3 Mục tiêu nghiên cứu 6

1.4 Đối tượng và phạm vi nghiên cứu 7

1.4.1 Đối tượng nghiên cứu 7

1.4.2 Phạm vi nghiên cứu 8

1.5 Đóng góp nghiên cứu 8

CHƯƠNG 2 TỔNG QUAN NGHIÊN CỨU 11

2.1 Tổng quan về các phương pháp xử lý rác thải rắn trong quản lý xây dựng 11

2.1.1 Dự đoán phát sinh chất thải rắn 12

2.1.2 Vận chuyển và thu gom rác thải 14

2.2 Cảm hứng về phương pháp kết hợp POA-GIS 29

2.2.1 Phương pháp toán học 29

2.2.2 Phương pháp tìm kiếm Heuristic 30

2.2.3 Phương pháp tìm kiếm mở rộng Metaheuristic 31

2.2.4 Thuật toán tối ưu hóa chim bồ nông (POA) 33

2.2.5 Thuật toán SR-1 35

2.2.6 Các công cụ GIS 35

2.3 Các nghiên cứu trước đây liên quan đến thuật toán POA 36 2.3.1 Giải thích vì sao phương pháp sử dụng thuật toán này hứa hẹn giải quyết được

3.2 Thuật toán POA 49

3.2.1 Mô hình thông tin địa lý GIS 55

3.2.2 Thuật toán SR-1 giải quyết vấn đề lập tuyến đường đầu tiên 56

3.2.3 Thuật toán cải tiến cục bộ 58

3.3 Giải quyết vấn đề bằng thuật toán POA-GIS 59

3.3.1 Dữ liệu đầu vào và kết quả đầu ra 59

3.3.2 Xác định các điều kiện ràng buộc 61

3.3.3 Xác định các hàm mục tiêu 63

3.3.4 Điều kiện dừng 66

CHƯƠNG 4 ĐỀ XUẤT MÔ HÌNH VÀO TRƯỜNG HỢP NGHIÊN CỨU TRƯỚC ĐÂY 67 4.1 Thông số đầu vào 67

4.2 Phân tích mô hình thuật toán 67

4.2.1 Kết quả giải thuật và so sánh, đánh giá 67

4.2.2 Kết luận 76

4.2.3 Những hạn chế 77

CHƯƠNG 5 ỨNG DỤNG VÀO THỰC TIỄN 78

5.1 Thông số đầu vào 78

5.2 Phân tích mô hình thuật toán 79

5.2.1 Kết quả giải thuật và so sánh, đánh giá 79

DANH MỤC CÔNG TRÌNH KHOA HỌC ……… ……… 89

TÀI LIỆU THAM KHẢO 90

PHỤ LỤC 101

Hình 1.2 Mạng lưới thu gom và tái chế rác thải cơ bản 3

Hình 2.1 Các hướng nghiên cứu chính trong quá trình xử lý rác thải trong xây dựng 11

Hình 2.2 Minh họa quy trình tạo tuyến thuật toán SR-1 34

Hình 3.3 Minh họa quy trình Opt 59

Hình 4.1 Giá trị tối ưu thu được bởi thuật toán POA sau 20 lần chạy trong nghiên cứu bao gồm 6 bộ dữ liệu 71

Hình 4.2 Mô phỏng tuyến đường tối ưu thu được bởi thuật toán POA sau 20 lần chạy trong trường hợp M-n101-k10 72

Hình 4.3 Sau 20 lần chạy, các giá trị trung bình tối ưu đã được đạt được bằng cách sử dụng các thuật toán khác nhau trong trường hợp M-n101-k10 73

Hình 4.4 Sự thay đổi của các bộ dữ liệu theo TWL 76

Hình 5.1 Lượng rác thu được theo phương pháp (kg) 81

Hình 5.2 Quãng đường di chuyển theo từng phương pháp (km) 82

Hình 5.3 Thời gian di chuyển theo từng phương pháp (Giờ) 82

Hình 5.4 Số lượng xe (Chiếc) 83

Hình 5.5 Lộ trình tối ưu để xe hook-lift đến trạm trung chuyển Thạnh Mỹ Lợi 84

Hình 5.6 Lộ trình tối ưu để xe hook-lift đến trạm trung chuyển Bình Trưng Tây 85

Bảng 2.2 Các phương pháp nghiên cứu trước đây liên quan đến thuật toán POA 36 Bảng 4.1 So sánh giữa các phương pháp (kết quả đạt được bởi phương pháp đề xuất được tô đậm) 70 Bảng 4.2 Kết quả tối ưu đạt được thông qua các thuật toán khác nhau sau 20 lần lặp 73 Bảng 4.3 Giải pháp khoảng cách tốt nhất thu được trong trường hợp M-n101-k10 bằng các thuật toán khác nhau sau 20 lần chạy và 500 lần lặp 74 Bảng 4.4 Dữ liệu thu gom khi số lượng rác thay đổi theo TWL 74 Bảng 5.1 Tổng quan thông tin 80 Bảng 5.2 Kết quả So sánh: Các giá trị đậm nổi bật là những kết quả đạt được bằng phương pháp đề xuất 81 Bảng 5.3 Dữ liệu thu gom khi số lượng rác thay đổi TWL tại trạm trung chuyển Bình Trưng Tây và Thạnh Mỹ Lợi 86

AVOA African Vultures Optimization Algorithm

CHƯƠNG 1 MỞ ĐẦU 1.1 Sự cần thiết

Ngành xây dựng đóng vai trò vô cùng quan trọng trong hệ thống các ngành công nghiệp, góp phần đáng kể vào sự phát triển của nền kinh tế quốc gia và có tác động sâu rộng đến nhiều lĩnh vực khác Việc phát triển và đầu tư vào ngành xây dựng là một tiền đề không thể thiếu để đáp ứng các nhu cầu cơ bản về cơ sở hạ tầng và hệ thống an sinh xã hội Cùng với sự tiến bộ của đất nước, cuộc sống vật chất và tinh thần của người dân cũng được nâng cao, dẫn đến sự tăng cường nhu cầu xây dựng nhà ở xã hội và các công trình công cộng như mạng lưới viễn thông, mạng lưới điện, mạng lưới nước và mạng lưới xử lý rác thải “Điều này đòi hỏi ngành xây dựng phải tiên phong, các kế hoạch và phương án tổ chức quy hoạch xây dựng phải được chuẩn bị, tính toán trước cho sự phát triển này, các vấn đề trọng tâm trong quản lý xây dựng được thể hiện trong hình 1.1 Nói một cách khác, sự phát triển và đầu tư vào ngành xây dựng là điều kiện tiên quyết để các ngành kinh tế, ngành công nghiệp và cả văn hóa, nghệ thuật phát triển Trong bối cảnh này, nghiên cứu về kỹ thuật xây dựng và quản lý dự án xây dựng đóng một vai trò quan trọng đối với sự thành công của ngành công nghiệp này và nền kinh tế, phát triển của quốc gia nói chung.”

“Một trong những vấn đề đang thu hút sự chú ý của xã hội ngày nay là quản lý, xây dựng, và quy hoạch hệ thống xử lý chất thải rắn Vấn đề này đã và đang trở thành một thách thức "toàn cầu" đáng lo ngại, do ảnh hưởng trực tiếp của nó đối với môi trường, đặc biệt là trong bối cảnh sự gia tăng của lượng khí nhà kính (GHGs) đang đóng góp vào hiện tượng nóng lên toàn cầu.Theo Nghị định 38/2015/NĐ-CP về Quản lý Chất thải và Phế liệu, các chất thải rắn từ công trình xây dựng cần phải được thu gom và vận chuyển đến các điểm tập kết, trạm trung chuyển, hoặc cơ sở xử lý đã được quy hoạch và có phép cấp Chúng cũng có thể được chuyển đến cơ sở tái chế hoặc các dự án khác để tái chế và tái sử dụng Tuy nhiên, thực tế cho thấy tình trạng xả chất thải trái phép vẫn diễn ra và không giảm bớt Các hoạt động phân loại, thu gom, vận chuyển, và xử lý chất thải hiện chưa đạt đến mức độ triệt để và không tuân thủ quy định, đặc biệt là trong các dự án xây dựng ở các thành phố với mật độ phát

triển ngày càng tăng Nhiều dự án xây dựng không tuân thủ quy trình xử lý chất thải rắn theo hồ sơ môi trường đã được cơ quan chức năng phê duyệt Điều này có thể tạo ra rủi ro gây ô nhiễm môi trường, ngập lụt, sạt lở đất, và ảnh hưởng đến cảnh quan và cuộc sống hàng ngày, cũng như sản xuất của cộng đồng địa phương Ngoài ra, sự gia tăng đáng kể về lượng chất thải phát sinh từ việc xây dựng các khu dân cư, các tòa nhà thương mại và khu công nghiệp trên toàn thế giới, việc đô thị hóa nhanh chóng và các hoạt động hằng ngày của con người, dẫn đến mối đe dọa đáng kể đối với chất lượng môi trường toàn cầu (Hannan et al., 2018; Safo-Adu & Owusu-Adzorah, 2023; Xu et al., 2021).”Sự tích tụ phát triển của CO2 trong khí quyển Trái đất đang cho thấy một xu hướng tăng lên đáng lo ngại, như được chỉ ra bởi dữ liệu từ năm 2022, với sự gia tăng trung bình hằng năm khoảng 2,5 phần trên mỗi triệu (ppm) (Friedlingstein et al., 2022) Hiện tại, mức CO2 trong khí quyển đã tăng lên khoảng 410 ppm, đóng một vai trò quan trọng trong hiện tượng nóng lên toàn cầu (Pellegrini et al., 2022) Sự tăng tốc nhanh chóng của quá trình đô thị hóa và bùng phát dân số, cùng với sự đầu tư không đủ vào cơ sở hạ tầng quản lý chất thải, đã tạo nên một tình

Hình 1.1 Các vấn đề liên quan trong quản lý xây dựng

hình khẩn cấp trong việc quản lý chất thải hiện tại (Saxena et al., 2021) Để giải quyết các vấn đề liên quan đến chất thải rắn, việc triển khai các quy trình xây dựng quản lý mạng lưới xử lý chất thải một cách có hệ thống và hiệu quả là hết sức cần thiết

“Trong quy trình quản lý chất thải, việc thu gom chất thải đóng một vai trò quan trọng, bắt đầu từ điểm phát sinh chất thải đến các cơ sở xử lý chất thải Quá trình này bao gồm cả việc xử lý và tái chế chất thải, ví dụ như phân loại chúng để tạo ra điện năng và năng lượng tiêu thụ Điều này giải quyết một khía cạnh quan trọng của vấn đề cung cấp năng lượng, một thách thức cấp bách trong các thành phố đang phát triển, như thể hiện trong hình 1.1 Tầm quan trọng, của quá trình thu gom chất thải được đặc biệt chú ý (Perkumienė et al., 2023).“Khi quá trình thu gom chất thải không được thực hiện một cách hiệu quả, nó có thể dẫn đến sự gián đoạn trong cuộc sống hàng ngày, ô nhiễm môi trường, và sự lan truyền của các bệnh truyền nhiễm tại các khu vực nơi chất thải được tạo ra (Doussoulin & Colther, 2022) Việc thu gom và xử lý chất thải rắn đô thị (MSW) trong xây dựng, đặc biệt là ở các nước đang phát triển, đã trở thành một nhiệm vụ cấp bách để bảo đảm sự phát triển môi trường bền vững và sức khỏe vật chất của cộng đồng Hơn nữa, việc tối ưu hóa quá trình thu gom MSW này mang lại những ảnh hưởng tích cực đối với môi trường sống, cảnh quan đô thị và giảm chi phí tài chính cho quốc gia.”

Để giải quyết thách thức trong MSW chung và trong xây dựng nói riêng, các nhóm nghiên cứu đã đề xuất nhiều phương pháp, bao gồm các thuật toán đồ thị, lập trình số nguyên, hệ thống thông tin địa lý (GIS),và các thuật toán tiến hóa (EA).”Các phương pháp EA giải quyết bài toán được phân loại thành ba nhóm chính: phương pháp tìm

Hình 1.2 Mạng lưới thu gom và tái chế rác thải cơ bản

kiếm heuristic, phương pháp quy hoạch toán học và phương pháp tìm kiếm mở rộng metaheuristic Phương pháp tìm kiếm Heuristic và phương pháp quy hoạch toán học thường được sử dụng để giải quyết các bài toán ít mục tiêu có quy mô nhỏ đến vừa Tuy nhiên, khi giải quyết các bài toán đa mục tiêu, kích thước lớn, hoặc không gian quyết định không liên tục, hai phương pháp này thường gặp phải nhược điểm, khó khăn trong thời gian giải quyết vấn đề Trong trường hợp đó, phương pháp tìm kiếm mở rộng metaheuristic đã chứng tỏ tính hiệu quả của mình Đặc biệt, với sự phát triển nhanh chóng của ngành khoa học và kỹ thuật máy tính, phương pháp này đang được áp dụng rộng rãi trong các bài toán tối ưu hóa, đặc biệt là trong những tình huống mà lượng dữ liệu đầu vào là quá lớn Cụ thể, phương pháp tìm kiếm metaheuristic sử dụng các thuật toán dựa trên trí tuệ bầy đàn, lý thuyết tiến hóa, cơ chế sinh học và mô phỏng hành vi của các loài động vật Các thuật toán này đang thu hút sự quan tâm đặc biệt từ cộng đồng nhà toán học, nhờ vào khả năng tiềm năng và hiệu quả trong việc giải quyết các vấn đề trong thời gian ngắn.”

“Theo xu hướng đó (Pavel Trojovský & Mohammad Dehghani, 2022) đã đề xuất thuật toán tối ưu hóa chim bồ nông (POA) dựa trên việc bắt chước hành động săn mồi của chim bồ nông với cấu trúc thuật toán không quá phức tạp cũng như dễ vận hành và cho ra hiệu xuất kết quả ổn định Lấy nguồn cảm hứng từ đó, trong luận văn này, tác giả muốn giới thiệu một phương pháp mới kết hợp giữa thuật toán tối ưu hóa chim bồ nông (POA) với các phần mềm thông tin địa lý (GIS), được gọi là POA-GIS Phương pháp tích hợp này nhằm vượt qua nhược điểm của các phương pháp trước đó, tận dụng lợi ích của cả thuật toán EA và các phần mềm thông tin địa lý GIS để cung cấp một giải pháp linh hoạt và tối ưu hóa hơn.”

Hơn nữa, phương pháp POA-GIS cho phép hiển thị kết quả tối ưu trên giao diện chính xác bản đồ của khu vực nơi cần xử lý chất thải thông qua phần mềm GIS, hỗ trợ người quyết định trong việc chọn lựa giải pháp xử lý phù hợp với điều kiện tài nguyên và các tiện ích công cộng hiện tại Cấu trúc luận văn được trình bày như một mô hình thực tế ảo (VR) và phương pháp tích hợp được đề xuất, đóng vai trò như một bản đồ chỉ dẫn thực tế để giải quyết vấn đề MSW theo vị trí địa lý cụ thể đã được xác định trước Mặc dù phương pháp này mang lại nhiều lợi ích, nhưng cũng đi kèm với

nhược điểm, bao gồm sự phức tạp trong thời gian giải quyết vấn đề do phụ thuộc vào các phần mềm GIS độc quyền

Phương pháp POA-GIS có thể yêu cầu thời gian xử lý lâu hơn so với các thuật toán EA độc lập và các chức năng GIS tích hợp độc lập Sự phụ thuộc vào phần mềm GIS độc quyền có thể làm hạn chế tính linh hoạt và khả năng mở rộng của nghiên cứu này Tuy nhiên, những hạn chế này có thể chấp nhận được khi xem xét đến mục tiêu cuối cùng của nghiên cứu này

1.2 Xác định vấn đề nghiên cứu

“Trong phạm vi của luận văn này, nghiên cứu tập trung vào việc tối ưu hóa quá trình di chuyển của các phương tiện xử lý rác thải rắn, và khả năng thu gom lượng rác thải nhiều nhất có thể dựa trên tổng số điểm thu gom được cho trước, thông qua việc lên kế hoạch dựa trên hệ thống định vị GIS để xác định con đường thực tế ngắn nhất đáp ứng đặc thù của từng trường hợp, nhằm để định hướng quyết định vị trí quy hoạch xây dựng cụ thể cho các điểm trung chuyển, điểm xử lý, điểm tái chế, thu gom… Phân tích các mô hình kinh điển của bài toán định tuyến phương tiện (CVRP), luận văn này áp dụng các thuật toán lai ghép kết hợp tiên tiến để đạt được kết quả tối ưu, sau đó đối chiếu và so sánh giữa phương pháp lai kết hợp mà nghiên cứu đưa ra với cách làm truyền thống tại địa phương

Trong đề tài này, nghiên cứu tập trung vào giải quyết vấn đề vận chuyển rác thải bằng cách sử dụng nhiều công cụ tính toán kết hợp, tuyến đường các phương tiện chạy bắt đầu từ trạm trung chuyển đến điểm thu gom, sau đó quay lại trạm trung chuyển tập kết và di chuyển đến bãi chôn lấp để xử lý rác thải đã gom sau đó quay về lại trạm trung chuyển để vệ sinh và chuẩn bị cho tuyến đường thu gom tiếp theo, nhằm đảm bảo tối ưu hóa quãng đường di chuyển Quá trình lên kế hoạch định tuyến cho các phương tiện, để đưa ra các lựa chọn giải pháp linh hoạt, di chuyển đến các điểm thu gom, phụ thuộc vào lượng rác tập kết tại mỗi điểm thu gom, mà lượng rác thải tập kết này liên tục thay đổi theo từng ngày Giải pháp di chuyển của các phương tiện này được đề xuất dựa trên các hàm ràng buộc đối với các phương tiện vận chuyển rác thải và tình hình thực tế tại khu vực, như được mô tả chi tiết trong chương 4 và

chương 5”khi phân tích cụ thể bài toán Tối ưu hóa tuyến đường vận chuyển này cũng phụ thuộc vào các tài nguyên hiện có của cơ quan, doanh nghiệp như số lượng phương tiện chuyên chở, sức chứa tối đa của các phương tiện, địa điểm thuê đất làm trạm trung chuyển, và các điểm thu gom tập kết, để tính toán lên các phương án, từ đó đưa ra quyết định lựa chọn phương án tối ưu việc sử dụng tài nguyên hiện có

1.3 Mục tiêu nghiên cứu

Mục tiêu nghiên cứu hướng đến của luận văn được thể hiện như sau:

➢ Giới thiệu mô hình vận chuyển chất thải rắn trong xây dựng hiện nay tại thành phố Hồ Chí Minh

➢ Đề xuất phương pháp lai kết hợp giữa thuật toán tối ưu chim bồ nông POA và các công cụ địa lý GIS để đưa số liệu, toạ độ định vị cụ thể thực tế để tính toán và so sánh

➢ Phát triển thuật toán POA kết hợp với thuật toán SR-1 nhằm tìm kiếm đưa ra kết quả tối ưu hội tụ một cách nhanh chóng và ổn định khi so sánh với các thuật toán tìm kiếm ngẫu nhiên khác cùng loại, khi giải quyết các bài toán thực tế lớn

➢ Áp dụng mô hình đề xuất vào bài toán thực tế tại thành phố Hồ Chí Minh để kiểm định và đánh giá, đối chiếu nhằm đưa ra lập ra các kịch bản, kế hoạch bố trí vị trí xây dựng các bãi, trạm xử lý một cách phù hợp

Việc giải quyết vấn đề quãng đường tối ưu bằng bài toán lập kế hoạch định tuyến cho các phương tiện thu gom rác trong xây dựng sử dụng thuật toán kết hợp POA-GIS để giải là một điểm mới quan trọng được đề xuất trong luận văn này Với các thuật toán hiện đại sẽ tìm ra được phương án tuyến đường tối ưu, giúp rút ngắn khoảng cách di chuyển và thời gian tìm kiếm phương án hợp lý nhất, đồng thời vẫn thỏa các điều kiện ràng buộc của bài toán, được miêu tả ở chương 3 Luận văn sẽ đưa các phương án, trường hợp để có một cái nhìn tổng quát hơn về quá trình vận chuyển rác thải rắn trong xây dựng, từ đó có những quyết định tốt nhất, khi xem xét những tài nguyên hiện có như khả năng của phương tiện và sức thu gom thực tế

Bài toán thu gom chất thải rắn đến hiện tại trên thế giới, có rất nhiều phương pháp giải, phụ thuộc vào điều kiện thực tế của mỗi quốc gia và vùng lãnh thổ, các nhà nghiên cứu đã đề xuất nhiều trang thiết bị kỹ thuật công nghệ để tăng cường hiệu suất thu gom chất thải Ví dụ, công nghệ nhận dạng tần số Radio (RFID) được sử dụng để theo dõi thùng chứa chất thải và xe rác, như đã được thể hiện trong nghiên cứu của (Hannan et al., 2011) Các kỹ thuật xử lý ảnh tiên tiến được áp dụng để phát hiện mức chất thải trong thùng, như đã nổi bật trong (Hannan et al., 2013)

Ngoài ra, các hệ thống tích hợp cảm biến và xem xét phân loại các thành phần rác thải rắn khác, như đã thảo luận bởi (Czekała et al., 2023), cùng với việc triển khai mạng lưới Ad-hoc vận tải di động (VANETs) (Kumar et al., 2014) để kết nối giữa các thành phần thu gom chất thải khác nhau, đóng góp vào việc đảm bảo hiệu suất tốt nhất trong quá trình thu gom chất thải

Bên cạnh đó, (H Wu et al., 2020) đã giới thiệu một phương pháp kết hợp các thuật toán tối ưu hóa để xác định các tuyến đường thu gom chất thải hiệu quả, năm 2018 (Hannan et al., 2018) đã giới thiệu một phương pháp tìm kiếm metaheuristic mô hình hóa khái niệm cho tuyến đường và lịch trình thu gom chất thải, bằng cách kết hợp các thuật toán POA và thuật toán Sweep để xác định các tuyến đường thu gom chất thải hiệu quả Đây cũng là nguồn cảm hứng nghiên cứu cho tác giả luận văn, khi mà việc giải quyết bài toán tối ưu hệ thống xử lý rác thải bằng các thuật toán hiện đại áp dụng trong ngành quản lý xây dựng ở Việt Nam chưa đón nhận được sự quan tâm và ít trường hợp nghiên cứu theo phương pháp này, cũng như chưa tính toán được đa kịch bản có kết quả thu gom được tốt nhất cùng với thời gian giải sao cho hội tụ kết quả một cách nhanh chóng, đặc biệt với những bài toán có quy mô trung bình và lớn

1.4 Đối tượng và phạm vi nghiên cứu 1.4.1 Đối tượng nghiên cứu

“Bài toán sử dụng phương pháp tối ưu hóa nhằm mục đích phân loại, lưu giữ, thu gom, vận chuyển chất thải rắn trong xây dựng, sau đó tính toán quản lý, quy hoạch, đề xuất các phương án xây dựng các cơ sở xử lý, thu gom, tái chế rác thải thông qua việc ước tính quãng đường các phương tiện thu gom rác thải rắn hằng ngày

một cách nhanh chóng và hợp lý, bằng cách sử dụng thuật toán tối ưu hóa chim bồ nông POA kết hợp với các phần mềm thông tin địa lý GIS.”

1.4.2 Phạm vi nghiên cứu

- “Dữ liệu mẫu trong chương 4 được lấy từ bài báo nước ngoài, nhằm mục đích so sánh, đối chiếu những ưu nhược điểm của phương pháp mà tác giả đề xuất với những số liệu, phương pháp khác đã được sử dụng trong bài báo, nhằm tăng tính thuyết phục của phương án được đề xuất

- So sánh tính ưu việt và hiệu quả của thuật toán tối ưu chim bồ nông POA với một số thuật toán EA khác cùng loại nhằm đánh giá chính xác khả năng của thuật toán mới này trong bài toán CVRP cổ điển

- Kiểm nghiệm tính khả thi của mô hình VR, khi áp dụng phương pháp đề xuất vào thực tế, điển hình tại Thành Phố Hồ Chí Minh trong chương 5 nhằm đánh giá, xem xét khả năng, tính linh hoạt và hiệu quả của phương pháp đề xuất vào bài toán quy mô lớn nhằm giải quyết vấn đề thực tế tại địa phương.”

1.5 Đóng góp nghiên cứu

➢ Về mặt học thuật

“Nghiên cứu về tối ưu hóa lập kế hoạch định tuyến quá trình vận chuyển thu gom rác thải rắn (CVRP) bằng trí tuệ nhân tạo (AI) đang ở giai đoạn phát triển, còn rất mới tại các nước đang phát triển như Việt Nam, đặc biệt là trong lĩnh vực quản lý xây dựng hệ thống thu gom rác thải rắn với mục tiêu cốt lỗi giải quyết bài toán quy hoạch vùng, lên kế hoạch và xây dựng phương án thu gom tái chế năng lượng hiệu quả

Hiện các đề tài luận văn cao học của bộ môn thi công và quản lý xây dựng tại thư viện Trường Đại Học Bách Khoa Hồ Chí Minh nghiên cứu về vấn đề này vẫn còn khá khiêm tốn, tập trung vào việc phân tích các yếu tố ảnh hưởng, chiến lược quản lý tác động đến rác thải trong xây dựng, như tác giả Châu Trần Minh Nhật do PGS.TS Lưu Trường Văn hướng dẫn năm 2015 với đề tài “Ứng dụng mô hình động học hệ thống (SD) đánh giá hiệu quả của chiến lược quản lý rác thải xây dựng” nhằm mục đích sử dụng xác định các yếu tố ảnh hưởng thông qua phương pháp xây dựng mô

hình phân tích định tính và định lượng, hỗ trợ cho việc ra quyết định đánh giá và nâng cao hiệu quả quản lý rác thải rắn trong xây dựng, hay gần đây nhất vào năm 2017 tác giả Nguyễn Văn Minh do PGS.TS Lưu Trường Văn hướng dẫn với đề tài “Phân tích các yếu tố ảnh hưởng đến rác thải xây dựng” với mục tiêu nhận diện các yếu tố ảnh hưởng, phân tích mối quan hệ giữa các yếu tố và đề xuất các biện pháp tăng cường hiệu quả trong quản lý rác thải rắn xây dựng

Điểm chung hạn chế trong phương pháp nghiên cứu của các đề tài trên là số liệu phân tích khảo sát chưa bao quát được hết vấn đề, khó khăn trong việc thu thập thông tin, lấy ý kiến từ các công ty, cơ quan trong lĩnh vực môi trường để tổng hợp phân tích và báo cáo số liệu, nên chỉ cung cấp được số liệu từ một số công trình cụ thể, dẫn đến kích thước và không gian mẫu chưa bao quát được quần thể

Trong luận văn này, tác giả giới thiệu một phương pháp mới, tiếp cận trực tiếp vấn đề quản lý rác thải rắn trong xây dựng một cách tổng quan hơn, thông qua xử lý mô hình CVRP sử dụng thuật toán tối ưu hóa chim bồ nông POA và kết hợp với các công cụ thông tin địa lý GIS để lựa chọn phương án xử lý tối ưu nhất Mục tiêu của nghiên cứu không chỉ là quản lý xây dựng hệ thống thu gom rác thải, mà còn hỗ trợ quá trình phân loại chất thải rắn trong xây dựng từ nguồn gốcthu gom và vận chuyển chúng.Ngoài ra, nghiên cứu này cũng đóng vai trò hỗ trợ việc đề xuất các giải pháp xây dựng trạm tái chế để tăng khả năng tái chế chất thải rắn, biến chúng thành nguyên liệu cho các công trình xây dựng trong tương lai

Điểm đặc biệt của nghiên cứu này là việc đề xuất phương pháp kết hợp mới để giải quyết bài toán thực tế tại địa phương với quy mô lớn, dựa trên dữ liệu thông tin hiện có thu thập được từ quá trình thu gom rác thải rắn hiện có Đây là một đóng góp quan trọng cho sự phát triển bền vững về môi trường và năng lượng tại các quốc gia đang phát triển như Việt Nam hiện tại

➢ Về mặt thực tiễn

Nghiên cứu này mang lại những lợi ích quan trọng cho cộng đồng chuyên gia và người quản lý trong lĩnh vực xây dựng, quy hoạch, và quản lý hệ thống xử lý và thu

gom rác thải rắn.Đặc biệt, nó cung cấp cho các kỹ sư xây dựng, nhà hoạch định, nhà quản lý, nhà nghiên cứu và các cơ quan tổ chức một công cụ quan trọng để lựa chọn phương án và lập kế hoạch hiệu quả nhất cho quản lý chất thải trong lĩnh vực xây dựng tại thành phố Hồ Chí Minh Đây là một mô hình đại diện cho các thành phố lớn khác trong các quốc gia đang phát triển.”

“Phương pháp tính toán dựa trên các điều kiện và tài nguyên hiện có của địa phương, sử dụng phương pháp kết hợp giữa thuật toán tối ưu hóa chim bồ nông POA và các công cụ thông tin địa lý GIS Mô hình này cung cấp một công cụ hỗ trợ hiệu quả cho việc phân tích và lập kế hoạch cho các dự án xây dựng có hệ thống mang tính chất dây chuyền

Sự kết hợp độc đáo giữa thuật toán tối ưu hóa chim bồ nông POA và công cụ phần mềm GIS không chỉ đưa ra giải pháp hiệu quả cho thách thức hiện tại mà còn mở ra nhiều hướng nghiên cứu và phát triển trong tương lai Điều này góp phần vào sự đổi mới và tiến bộ trong lĩnh vực quản lý chất thải và xây dựng môi trường sống bền vững.”

CHƯƠNG 2 TỔNG QUAN NGHIÊN CỨU

2.1 Tổng quan về các phương pháp xử lý rác thải rắn trong quản lý xây dựng

“Rác thải là một vấn đề môi trường đang ngày càng trở nên nghiêm trọng trên khắp thế giới Trong đó, rác thải rắn (MSW) và rác thải rắn xây dựng (CDW) chiếm một tỷ trọng quan trọng, góp phần vào việc gây ô nhiễm môi trường và ảnh hưởng xấu đến sức khỏe con người cũng như động vật và thực vật Rác thải rắn, hay còn gọi là rác thải sinh hoạt, bao gồm các loại rác từ hộ gia đình, công nghiệp nhẹ và cơ sở dịch vụ Đây là loại rác thải phổ biến nhất và đa dạng, bao gồm các vật liệu như nhựa, giấy, kim loại, thủy tinh và hữu cơ Sự gia tăng của rác thải sinh hoạt không chỉ làm ô nhiễm môi trường mà còn ảnh hưởng đến cảnh quan và sinh thái Rác thải rắn xây dựng là loại rác được sinh ra từ các công trình xây dựng, sửa chữa hoặc tháo dỡ cấu trúc Điều này bao gồm các vật liệu xây dựng như bê tông, gạch, gỗ, kim loại, và các vật liệu phụ trợ như vật liệu đóng gói và sản phẩm hóa chất Rác thải rắn xây dựng (CDW) thường không được xử lý đúng cách và thải ra môi trường một cách không kiểm soát, gây ra ô nhiễm đất đai, nước ngầm và không khí (Ofori-Boateng et al., 2013; Yi et al., 2011) Với sự đô thị hóa nhanh chóng, phát triển kinh tế và tăng trưởng dân số, MSW đã tăng đáng kể (Magazzino et al., 2020), lượng rác thải trên toàn cầu sẽ tăng lên 2,2 tỷ tấn mỗi năm vào năm 2025 (Hoornweg & Bhada-Tata, 2012), riêng

Hình 2.1 Các hướng nghiên cứu chính trong quá trình xử lý rác thải trong xây dựng

lượng CDW luôn được tạo ra với nhu cầu lớn và chiếm hơn 30% tổng lượng chất thải rắn trên toàn thế giới mỗi năm (Ginga et al., 2020) Lượng lớn MSW đã trở thành một mối đe dọa nghiêm trọng đối với thành phố và môi trường sinh thái xung quanh nó, gây ra nhiều vấn đề như việc đổ rác trái phép và ô nhiễm (da Paz et al., 2020) MSW được coi là một vấn đề môi trường toàn cầu quan trọng, đặc biệt là trong các nước đang phát triển (Nguyen et al., 2020) Do đó, việc phát triển hệ thống xử lý chất thải rắn trong quản lý xây dựng (CDWM) một cách hiệu quả là quan trọng để bảo vệ tài nguyên, môi trường và sức khỏe cộng đồng (Ceylan, 2020), nhưng các vấn đề môi trường của CDW thường khó giải quyết do tính đa dạng và không đồng nhất của chúng”(Bagheri et al., 2019) Với bối cảnh này, các hướng nghiên cứu quản lý chất thải được mô tả trong hình 2.1 đã tập trung vào việc sử dụng công nghệ thông tin tiên tiến để cải thiện rác thải, thúc đẩy hiệu suất trong quản lý chất thải xây dựng và phá hủy (C&D) và giảm nhẹ tác động môi trường và xã hội của việc xử lý chất thải trong những năm gần đây (Nowakowski & Pamuła, 2020).”Do khả năng hoàn thành xuất sắc trong việc mô hình các cơ chế phức tạp, các phương pháp học máy (ML) và trí tuệ nhân tạo (AI) gồm tám loại công nghệ tiên tiến được xác định như mô hình thông tin xây dựng (BIM), hệ thống thông tin địa lý (GIS), dữ liệu lớn (BD), nhận dạng tần số radio (RFID), công nghệ nhận dạng hình ảnh (IRT), phân tích hình ảnh (IA), hệ thống định vị toàn cầu (GPS) và công nghệ mã vạch (BT) đã được áp dụng thành công trong các lĩnh vực liên quan đến môi trường như nước thải, chất ô nhiễm không khí, xử lý chất thải rắn, quản lý chất thải C&D (Zamani Joharestani et al., 2019).”Hệ thống CDWM trong quản lý xây dựng bao gồm nhiều mối quan hệ phi tuyến, và mô hình tuyến tính truyền thống bị hạn chế (Chhay et al., 2018), do đó, các phương pháp học máy (ML) và trí tuệ nhân tạo (AI) được kỳ vọng sẽ đóng một vai trò quan trọng trong việc mô hình hóa, dự đoán và tối ưu hóa các vấn đề liên quan đến CDW trong quản lý xây dựng, (Ye et al., 2020) đã thảo luận về các mô hình trí tuệ nhân tạo (AI) khác nhau được sử dụng trong các ứng dụng chất thải rắn dựa trên 85 nghiên cứu được công bố từ năm 2004 đến năm 2019, và (Li et al., 2020) giới thiệu các công nghệ thông tin được sử dụng trong các ứng dụng quản lý chất thải xây dựng và phá hủy

Bên cạnh đó trong nước, cũng có một số đề tài được giới thiệu về tối ưu hóa rác thải rắn nhưng không nhiều, hầu như là rác thải rắn đô thị, không bao gồm rác thải xây dựng, với số lượng rất ít, thuộc một số địa phương cụ thể như (Nguyễn, 2023) tại Đà Nẵng, Việt Nam, áp dụng GIS trong xử lý rác thải (LÊ THU et al.), tối ưu hóa vận chuyển và thu gom (LÊ THU et al.; Tạ, 2017)

2.1.1 Dự đoán phát sinh chất thải rắn

Trang thiết bị và cơ sở vật chất liên quan đến xử lý chất thải rắn trong xây dựng thường đòi hỏi đầu tư lớn, và các cơ quan chức năng không chỉ tập trung vào tình hình hiện tại mà cần phải lập kế hoạch và triển khai trước dựa trên xu hướng phát sinh rác thải rắn Dự đoán đáng tin cậy về phát sinh rác thải rắn rất quan trọng vì nó có thể cung cấp dữ liệu hỗ trợ cho quy hoạch, vận hành và giám sát môi trường đô thị, cũng như hỗ trợ trong việc phát triển kế hoạch thực hiện hợp lý cho việc thu gom, vận chuyển và xử lý chất thải (Oguz Ekim, 2020) Do đó, dự báo phát sinh rác thải rắn là cơ sở cho quản lý chất thải Tuy nhiên, tính toán việc phát sinh rác thải rắn là một quá trình phức tạp, bị ảnh hưởng bởi nhiều yếu tố như dân số, tăng trưởng kinh tế và hành vi cá nhân (Ceylan et al., 2020) Mối quan hệ giữa các yếu tố ảnh hưởng và rác thải rắn phát sinh không đơn giản là tuyến tính, và các mô hình phi tuyến đã cho thấy độ chính xác cao hơn so với mô hình tuyến tính (F Wu et al., 2020) Nhiều phương pháp đã được phát triển để dự báo phát sinh chất thải rắn, với kết quả khả quan

Xem xét các thuật toán khác nhau được sử dụng và ứng dụng của chúng trong các quốc gia hoặc khu vực khác nhau, bảng 2.1 cung cấp một tóm tắt về các phương pháp sử dụng công nghệ thông tin ML và AI được sử dụng để dự đoán phát sinh chất thải rắn Theo độ dài của chu kỳ dự báo, các nghiên cứu hiện tại thường được chia thành dự báo ngắn hạn (từ hàng tuần đến hàng tháng), dự báo trung hạn (từ vài tháng đến 3-5 năm) và dự báo dài hạn (nhiều năm sau) (Ye et al., 2020) Quy mô dự đoán có thể bao gồm từ hộ gia đình, tòa nhà văn phòng đến thành phố và quốc gia

Theo các bài báo được xem xét, các thuật toán học máy (ML) khác nhau như ANN, SVM, ANFIS đã được sử dụng để xây dựng mô hình dự đoán, và các yếu tố

sinh rác thải rắn Dự đoán đáng tin cậy về phát sinh rác thải rắn rất quan trọng vì nó có thể cung cấp dữ liệu hỗ trợ cho quy hoạch, vận hành và giám sát môi trường đô thị, cũng như hỗ trợ trong việc phát triển kế hoạch thực hiện hợp lý cho việc thu gom, vận chuyển và xử lý chất thải (Oguz Ekim, 2020) Do đó, dự báo phát sinh rác thải rắn là cơ sở cho quản lý chất thải Tuy nhiên, tính toán việc phát sinh rác thải rắn là một quá trình phức tạp, bị ảnh hưởng bởi nhiều yếu tố như dân số, tăng trưởng kinh tế và hành vi cá nhân (Ceylan et al., 2020) Mối quan hệ giữa các yếu tố ảnh hưởng và rác thải rắn phát sinh không đơn giản là tuyến tính, và các mô hình phi tuyến đã cho thấy độ chính xác cao hơn so với mô hình tuyến tính (F Wu et al., 2020) Nhiều phương pháp đã được phát triển để dự báo phát sinh chất thải rắn, với kết quả khả quan

Xem xét các thuật toán khác nhau được sử dụng và ứng dụng của chúng trong các quốc gia hoặc khu vực khác nhau, bảng 2.1 cung cấp một tóm tắt về các phương pháp sử dụng công nghệ thông tin ML và AI được sử dụng để dự đoán phát sinh chất thải rắn Theo độ dài của chu kỳ dự báo, các nghiên cứu hiện tại thường được chia thành dự báo ngắn hạn (từ hàng tuần đến hàng tháng), dự báo trung hạn (từ vài tháng đến 3-5 năm) và dự báo dài hạn (nhiều năm sau) (Ye et al., 2020) Quy mô dự đoán có thể bao gồm từ hộ gia đình, tòa nhà văn phòng đến thành phố và quốc gia

Theo các bài báo được xem xét, các thuật toán học máy (ML) khác nhau như ANN, SVM, ANFIS đã được sử dụng để xây dựng mô hình dự đoán, và các yếu tố như dữ liệu thời tiết và dân số học và kinh tế thường được chọn làm đặc điểm đầu vào Trong số đó, ANN là phương pháp phổ biến nhất, nhưng hiệu suất của nó bị ảnh hưởng bởi quá mức dữ liệu, các cực tiểu địa phương và tổng quát kém (Abbasi & El Hanandeh, 2016) Tuy nhiên, GBRT được tạo thành từ nhiều cây hồi quy với tổng quát mạnh mẽ và dễ giải thích, thường đạt được kết quả tốt hơn so với ANN (Kontokosta et al., 2018) Hơn nữa, lượng phát sinh chất thải rắn có thể được phân tích bằng chuỗi thời gian, và hiện nay, các thuật toán DL như LSTM đã thể hiện hiệu suất tốt trong dự đoán chuỗi (Chang et al., 2020) Do đó, nhiều nghiên cứu đã sử dụng LSTM để dự báo phát sinh chất thải rắn với độ chính xác cao, đặc biệt khisử dụng

lượng lớn dữ liệu (L Huang et al., 2020) Bên cạnh đó, các mô hình trí tuệ nhân tạo (AI) khác cũng được áp dụng như mô hình thông tin công trình (BIM), một công nghệ mới nổi trong thập kỷ qua, đã nhận được sự quan tâm rộng rãi và trở thành một giải pháp quan trọng trong quản lý chất thải xây dựng và phá hủy”(C&D) (Li et al., 2017) (Porwal & Hewage, 2012) đã áp dụng BIM trong quản lý chất thải C&D, để mô phỏng các yêu cầu thiết kế kiến trúc và kết cấu nhằm giảm thiểu chất thải thép gai bằng cách thực hiện thay đổi thiết kế dựa trên kết quả mô phỏng (Cheng & Ma, 2013) đã phát triển một hệ thống để ước lượng chất thải từ công trình phá hủy và cải tạo Xu hướng sử dụng BIM trong quản lý chất thải C&D đã phát triển nhanh chóng

Mặc dù các mô hình học máy ML và các công cụ tính toán AI có thể dự đoán phát sinh chất thải rắn một cách chính xác, thách thức lớn nhất là thiếu dữ liệu lịch sử và dữ liệu cần thiết khác, đặc biệt là ở cấp độ các đơn vị nhỏ như hộ gia đình, tòa nhà hoặc cộng đồng (Cubillos, 2020), điều này có thể được quy cho việc quản lý chất thải không hiệu quả (Ayeleru et al., 2021) Với đủ dữ liệu, các phương pháp học máy ML và công cụ AI có thể đạt được độ chính xác cao hơn trong dự báo sinh chất thải rắn nói chung, và trong lĩnh vực xây dựng nói riêng (Kannangara et al., 2018)

2.1.2 Vận chuyển và thu gom rác thải

“Hệ thốngthu gom và vận chuyển chất thải rắn (MSW) trong xây dựng, như một trung tâm kết nối giữa nơi xuất phát khởi nguyên, điểm xử lý cuối cùng và các trạm quản lý tái chế tài nguyên, là chìa khóa để đảm bảo sự phân luồng bền vững cho nguyên vật liệu sử dụng và nguồn năng lượng cung cấp cho đô thị Một mặt, sự gia tăng nhanh chóng của chất thải rắn đã dẫn đến sự thất bại của quá trình xử lý ở phía sau Mặt khác, phạm vi vận hành của hệ thống thu gom và vận chuyển MSW tăng nhanh, và độ phức tạp của quản lý cũng tăng theo đó Do đó, tối ưu hóa tuyếnđường thu gom và vận chuyển MSW trở nên hiệu quả trong việc giảm chi phí vận chuyển và cải thiện hiệu suất vận hành.”

Thu gom chất thải đối mặt với vấn đề chi phí vận chuyển cao, và xe thường ghé thăm thùng rác khi trong trạng thái đầy, điều này làm lãng phí tài nguyên, nên việc phát hiện và xác định đúng vị trí thùng rác, để bố trí lên lịch trình cho các phương

tiện đến chuyển chở là đề tài rất được quan tâm và nghiên cứu (Ramos et al., 2018) Nhiều yếu tố có thể ảnh hưởng đến sự tích tụ chất thải, dẫn đến khó khăn khi dự đoán mức độ đầy của thùng rác Để cải thiện hiệu suất của việc thu gom chất thải, nhiều nghiên cứu đã áp dụng các thuật toán học máy (ML) hay mô hình trí tuệ nhân tạo (AI) để thực hiện phát hiện thùng rác, cũng có thể xem như là bài toán phân loại và chọn lọc

Dữ liệu đầu vào thường đến từ cảm biến mức độ hoặc hình ảnh được lắp đặt trong thùng rác, và quá trình trích xuất đặc trưng được thực hiện dựa trên kỹ thuật xử lý ảnh (Hannan et al., 2014) sử dụng ANN với mô hình biến đổi Hough hoặc bộ lọc sóng Gabor để phân loại mức chất thải rắn trong thùng, và kết quả được chia thành năm lớp: trống, trung bình, vừa đủ, đầy và quá đầy Kết hợp với phương pháp trích xuất đặc trưng ma trận xuất hiện cấp xám, (Arebey et al., 2012) sử dụng ANN và KNN để phát hiện mức chất thải rắn cứng và thấy rằng bộ phân loại KNN hoạt động tốt hơn so với ANN với cùng bộ dữ liệu Dựa trên dữ liệu thu thập từ cảm biến được gắn bên trong thùng, (Rutqvist et al., 2020) xử lý phát hiện mức thùng rác như một vấn đề phân loại hai lớp: rỗng và không rỗng, và ANN, KNN, và RF được chọn làm thuật toán phân loại, trong đó RF đạt hiệu suất tốt nhất

“Bên cạnh đó,các mô hình AI khác được đưa vào để phân tích hỗ trợ thêm như Hệ thống thông tin địa lý (GIS), dữ liệu lớn (BD), RFID (Radio-Frequency Identification), và các công nghệ khác, cụ thể là công nghệ nhận diện hình ảnh (IRT), phân tích hình ảnh (IA), hệ thống định vị toàn cầu (GPS)và công nghệ mã vạch (BT)

Hệ thống thông tin địa lý (GIS) là một hệ thống dựa trên máy tính để thu thập, lưu trữ, tích hợp, xử lý, phân tích và hiển thị dữ liệu trong một môi trường được tham chiếu không gian; GIS hỗ trợ trong việc phân tích dữ liệu một cách trực quan và tìm kiếm các mô hình, xu hướng và mối quan hệ, có thể không rõ ràng trong dạng bảng hoặc viết, (Li et al., 2005) đã tích hợp GPS và GIS để giảm chất thải xây dựng thông qua quản lý vật liệu và thiết bị xây dựng tại công trường Big Data (BD)”có ba thuộc tính quan trọng, còn được biết đến với ba "V": dung lượng (Volume), đa dạng (Variety), và tốc độ (Velocity) Dung lượng ám chỉ terabytes, petabytes dữ liệu và

vượt xa Đa dạng nghĩa là định dạng không đồng nhất, chẳng hạn như văn bản, cảm biến, âm thanh, video, đồ thị và tệp Tốc độ đề cập đến luồng liên tục của dữ liệu (Chen & Lu, 2016) Công nghệ này có thể khám phá thông tin chi tiết đằng sau lượng thông tin khổng lồ và mối liên kết giữa các vấn đề khác nhau Do đó, một 'V' bổ sung được đề xuất cho BD, đó là giá trị (Wilder-James, 2013) BD đã được áp dụng trong nhiều lĩnh vực, bao gồm khoa học, kinh doanh, chính phủ công cộng, đổi mới, cạnh tranh và năng suất (Sagiroglu & Sinanc, 2013) Trong khi đó, công nghệ này đã được áp dụng để phân tích lượng lớn thông tin được tạo ra từ chất thải xây dựng và phá hủy để giải quyết vấn đề quản lý (Lu et al., 2016) BD được sử dụng đầu tiên trong quản lý chất thải xây dựng bởi (Lu et al., 2015) Họ sử dụng BD để đánh giá hiệu suất của quản lý chất thải xây dựng

RFID (Radio-Frequency Identification) có thể xác định đối tượng bằng cách sử dụng các tần số sóng khác nhau Công nghệ này bao gồm ba thành phần chính: thẻ RFID, ăng ten và đầu đọc Thẻ RFID thường được làm từ một vi mạch lưu trữ dữ liệu và một ăng ten tích hợp làm truyền tải RFID có thể được chia thành hai loại, đó là RFID không hoạt động và RFID hoạt động, tùy thuộc vào nguồn năng lượng của chúng RFID không hoạt động không có nguồn năng lượng và cần đầu đọc cung cấp năng lượng thông qua truyền thông không dây RFID hoạt động có nguồn năng lượng riêng được cài đặt bên trong (Lu et al., 2011) RFID đã được áp dụng trong nhiều lĩnh vực (ví dụ như lắp ráp ô tô, dịch vụ nhanh và Internet của các đối tượng) và không phải là một công nghệ hoàn toàn mới trong ngành xây dựng (Tzeng et al., 2008) đã nghiên cứu ảnh hưởng của RFID và vật liệu trang trí nội thất đối với hệ thống RFID bằng cách xác định hai yếu tố, đó là cách kết hợp phù hợp và bố trí không gian thẻ (Li et al., 2014) đã phát triển một hệ thống tích hợp mã vạch di động 2D và RFID để cải thiện quản lý bảo dưỡng trong phòng thí nghiệm xây dựng (Li & Becerik-Gerber, 1970) đề xuất sử dụng RFID trong ngành xây dựng, đặc biệt là tích hợp công nghệ RFID để đánh giá vòng đời của toàn bộ công trình xây dựng (Zhang & Atkins, 2015) đã phát triển một hệ thống sử dụng RFID để ghi lại các bản ghi dữ liệu nghiên cứu, bao gồm vị trí, dung tích, trọng lượng, chuyển động của thùng chứa hàng hóa và theo

dõi hàng tồn kho Thông tin thu được có thể được nhập vào hệ thống quản lý, giúp người ra quyết định phân tích, lập kế hoạch và theo dõi Ứng dụng của hệ thống này trong một nghiên cứu điển hình cho thấy rằng công nghệ RFID là một cách hiệu quả để có thông tin đáng tin cậy và thời gian thực, điều này là cơ sở của hệ thống này

“Trong thời gian gần đây, cùng với sự phát triển của các thuật toán tiến hóa EA, việc kết hợp các phương pháp AI như trên với một số thuật toán tìm kiếm metaheuristic khác nhau được dùng để tối ưu hóa vòng xe chạy trong quá trình thu gom rác thải được sự quan tâm và nghiên cứu để rút ngắn thời gian giải quyết bài toán và đem lại kết quả tốt nhất”(Mahmuda Akhtar et al., 2017; Amal et al., 2018; Farrokhi-Asl et al., 2020; Hannan et al., 2018; Son, 2014; Wang et al., 2022) Đáng chú ý, để tối ưu vòng xe năm 2023, (Afrasyabi et al., 2023) đã đề xuất thuật toán tối ưu hóa đa mục tiêu để giải quyết vấn đề định tuyến trong mạng lưới đô thị đa phương tiện, một mạng vận tải với các chế độ tàu điện ngầm, xe bus (BRT), taxi và đi bộ Các hàm mục tiêu xác định tuyến đường được tối ưu hóa bằng cách xem xét bốn mục tiêu bao gồm, chiều dài tuyến đường, giao thông, sự thoải mái và an toàn

So với mô hình được thiết kế thủ công hiện tại, các phương pháp học máy (ML) và mô hình trí tuệ nhân tạo (AI) được thể hiện qua bảng 2.1 đã cải thiện độ chính xác phân loại, và việc phát hiện thông minh mức thùng rác có thể giảm khoảng cách di chuyển, giúp quản lý tiết kiệm chi phí và giảm lượng khí CO2 thải ra (Vecchi et al., 2016)

Chi phí thu gom và vận chuyển chất thải chiếm 60% - 80% tổng chi phí hệ thống quản lý chất thải trong xây dựng (H Wu et al., 2020), vì vậy tối ưu hóa tuyến đường của xe thu gom và vận chuyển chất thải có thể tiết kiệm thời gian, giảm khoảng cách di chuyển, chi phí bảo dưỡng xe và chi phí nhiên liệu, và cũng có thể sắp xếp hiệu quả xe và phân bổ nguồn nhân lực một cách hợp lý Một số nghiên cứu đã áp dụng các thuật toán học máy (ML) và mô hình trí tuệ nhân tạo (AI) vào tuyến đường thu gom chất thải (Vu et al., 2019) kết hợp một mô hình phi tuyến chuỗi thời gian ANN với hệ thống thông tin địa lý (GIS) để phân tích ảnh hưởng của sự thay đổi trong thành phần và mật độ chất thải đối với tối ưu hóa tuyến đường xe tải Ví dụ,

(Ferreira et al., 2017) phát triển một mô hình ANN để dự đoán tần suất thu gom cho mỗi địa điểm, giảm số lần thăm không cần thiết Ngoài ra, một số nghiên cứu khác kết hợp phương pháp gom cụm trong tối ưu hóa tuyến đường xe thu gom chất thải (Al-Refaie et al., 2020), cụ thể là "tập trung vào cụm đầu tiên, sau đó mới xác định tuyến." Trong bước đầu tiên, thuật toán K-means được sử dụng để tổng hợp vị trí thùng rác thành cụm và xác định số lượng tối thiểu của xe thu gom hoặc khoảng cách tối thiểu được đi bởi xe thu gom Trong bước thứ hai, một thuật toán tối ưu hóa được sử dụng để giải quyết vấn đề tuyến đường cho mỗi cụm Kết quả của quá trình tối ưu hóa là giảm khoảng cách di chuyển và lượng khí thải, làm tốt cho kinh tế và môi trường

Phân loại chất thải là một phương pháp quản lý khoa học để xử lý chất thải một cách hiệu quả Thông qua phân loại, vật liệu đã qua sử dụng được tái chế và sản xuất, dẫn đến chất lượng chất thải được cải thiện, giúp giảm việc phải chôn hoặc đốt chất thải, thúc đẩy xử lýgiảm rủi ro đối với sức khỏe con người và môi trường Hơn nữa, việc phân loại và tái sử dụng chất thải có ý nghĩa quan trọng trong nền kinh tế vòng tròn Phân loại chất thải truyền thống chủ yếu dựa vào lựa chọn thủ công (G.-L Huang et al., 2020), làm cho quá trình trở nên không hiệu quả, và với sự phát triển của trí tuệ nhân tạo (AI), nhiều thuật toán học máy (ML) đã được đề xuất để cải thiện độ chính xác của việc nhận biết chất thải có thể tái chế (Li et al., 2021) Trong những năm gần đây, CNN đã đạt được kết quả đáng kể trong phân loại ảnh Do đó, bằng cách chụp ảnh chất thải, CNN có thể tự động nhận biết các loại chất thải khác nhau.””

Hiện nay, nhiều loại CNN khác nhau đã được sử dụng (ví dụ như VGGNet, AlexNet, ResNet và DenseNet) để xây dựng mô hình phân loại MSW, có độ chính xác cao Tuy nhiên, một trong những thách thức lớn là có ít bộ dữ liệu ảnh chất thải để huấn luyện mô hình, và (Xia et al., 2021) đã tạo ra bộ dữ liệu công cộng TrashNet, chứa sáu loại và tổng cộng 2527 hình ảnh Tuy nhiên, vẫn còn thiếu các cơ sở dữ liệu lớn như ImageNet Một bộ dữ liệu huấn luyện nhỏ không thể chính xác nắm bắt đặc điểm của các loại chất thải khác nhau Để vượt qua nhược điểm của dữ liệu không đủ, các phương pháp mở rộng dữ liệu, như lật theo chiều ngang hoặc dọc, đã được áp

dụng để tăng số lượng ảnh Một thách thức khác là CNN có một lượng lớn tham số, và quá trình huấn luyện đòi hỏi nguồn lực và thời gian đáng kể; do đó, học chuyển giao đã được sử dụng để chia sẻ các tham số mô hình đã được huấn luyện với mô hình mới để cải thiện và tối ưu hóa hiệu suất học, đó là thuật toán tiên tiến nhất cho phân loại chất thải Đặc biệt, (Mao et al., 2021) đề xuất DenseNet121 tối ưu hóa, đạt độ chính xác 99.6% trên bộ dữ liệu TrashNet, đây là kết quả tốt nhất cho bộ dữ liệu công cộng này đến nay, nhưng thời gian huấn luyện hơi chậm ở 5542 giây (Vo et al., 2019) thiết kế một mô hình nhẹ, RecycleNet, cho kết quả dự đoán chỉ 15.9 giây (GPU) và 352 giây (CPU) Tuy nhiên, độ chính xác của RecycleNet tương đối thấp với chỉ 81% Do đó, nghiên cứu trong tương lai nên cải thiện hiệu suất của hệ thống được đề xuất trong các hệ thống thực tế và đạt được sự cân bằng giữa thời gian chạy và độ chính xác

Bảng 2.1 Các nghiên cứu về vấn đề xử lý chất thải rắn trong xây dựng trước đây

STT Tên bài báo Tác giả Năm Mô tả (Vấn đề, ưu/nhược điểm)

1

“Machine Learning Approaches for

Municipal Solid Waste

Generation Forecasting”

Pinar Oguz

- Dự báo chính xác về rác thải rắn là yếu tố quan trọng để hỗ trợ quy hoạch đô thị và phát triển kế hoạch xử lý chất thải hiệu quả.”

- Tuy nhiên, việc sử dụng phương pháp này có một số khó khăn về dữ liệu đầu vào, làm cho khó thực hiện chính xác được trong thực tế

2

“Forecasting municipal solid

waste generation using artificial

intelligence modelling approaches”

Abbasi, M and A El Hanandeh

2016

- Nghiên cứu này áp dụng bốn mô hình trí tuệ nhân tạo (SVM, ANN, ANFIS, kNN) để mô phỏng sản lượng rác thải đô thị hàng tháng Trước khi mô hình hóa, tiến hành xác định cấu trúc tối ưu cho mỗi thuật toán dựa trên các tham số lý thuyết Trong ANFIS, sử dụng thuật toán phân cụm trừ đi một lần, với bán kính r được xác định thông qua thử nghiệm

- ANN là phương pháp phổ biến nhất, nhưng hiệu suất của nó bị ảnh hưởng bởi quá mức dữ liệu, các cực tiểu địa phương và tổng quát kém

3

“Quantification of construction

waste prevented by

BIM-based design validation: Case studies in

South Korea”

Jongsung Won, Jack

C.P Cheng, Ghang Lee

2016

- Nghiên cứu này tập trung vào việc đo lường lượng rác xây dựng tránh được thông qua quá trình xác nhận thiết kế dựa trên BIM và thể hiện ảnh hưởng tích cực của BIM trong giảm thiểu lượng rác xây dựng Dựa trên hai dự án, đã phát hiện 517 lỗi thiết kế có thể dẫn đến làm lại và rác xây dựng BIM giúp giảm lượng rác xây dựng từ 15,2% đến 4,3% Lượng rác tránh được tập trung chủ yếu trong yếu tố kiến trúc và cấu trúc, đặc biệt là rác bê tông

- Mặc dù có hạn chế về việc xem xét khuôn và vật liệu đóng gói, nghiên cứu này là một ví dụ về cách BIM có thể giúp ngăn chặn hiệu quả tạo ra lượng rác xây dựng trong quá trình thiết kế và xây dựng

4

“A BIM-based system for demolition and

renovation waste estimation and

planning”

Cheng, J.C.P and L.Y.H Ma

2013

- Nghiên cứu này tập trung vào phát triển hệ thống ước lượng rác xây dựng, tái tạo và phá hủy (D&R) dựa trên công nghệ BIM Hệ thống này sử dụng thông tin từ mô hình thông tin xây dựng kỹ thuật số để tự động, nhanh chóng và chính xác ước lượng lượng rác Nó không chỉ là công cụ ước lượng trước D&R, mà còn có thể tính phí xử lý rác và yêu cầu xe tải đón rác

- Bài báo nhấn mạnh tiềm năng của việc sử dụng hệ thống dựa trên BIM để quản lý lượng rác từ quá trình D&R, đặc biệt là trong bối cảnh sự phổ biến và giảm chi phí của công

nghệ BIM Tác giả đề xuất mở rộng hệ thống này trong tương lai để cải thiện độ chính xác và tính linh hoạt, đồng thời kỳ vọng rằng nó có thể được sử dụng rộng rãi với sự gia tăng của sự hiểu biết về BIM trong ngành công nghiệp xây dựng

5

“The smart waste collection

routing problem: Alternative operational management

approaches”

Ramos, T.R.P., C.S de Morais, and A.P Barbosa-

Póvoa

2018

- Nghiên cứu này giới thiệu Vấn đề Định tuyến Thu gom Rác Thông minh, tận dụng cảm biến đo mức độ đầy của thùng rác để tạo ra lộ trình thu gom linh hoạt Ba phương pháp quản lý hoạt động được thử nghiệm, với phương pháp thứ ba được xác định là hiệu quả nhất, có thể tăng lợi nhuận của công ty lên đến 7% - Các kết quả chỉ ra rằng việc chọn lựa thùng dựa trên mức độ đầy và vị trí của chúng có thể tối ưu hóa lợi nhuận và giảm lượng khí thải, đồng thời mô hình này cũng linh hoạt đối với các ngày thu gom tiềm năng khác nhau Công việc tương lai có thể mở rộng vào việc kế hoạch chiến lược, phân tích nhạy cảm và xem xét chi phí đầu tư cho cảm biến

6

“Solid waste bin level detection using

gray level occurrence matrix feature

co-extraction approach”

Arebey,

M., et al 2012

- Bài báo tập trung vào việc sử dụng MLP và KNN classifiers để phân loại mức độ đầy của thùng rác sử dụng các tham số GLCM Kết quả cho thấy MLP với d = 1 và giá trị G lớn nhất đạt hiệu suất tốt nhất trong phân loại và cấp bậc Trong khi đó, KNN với K = 3 và d = 1 cũng đạt kết quả tốt và vượt trội hơn so với MLP

- Việc giảm số lượng đặc trưng xuống còn bốn không ảnh hưởng đáng kể đến độ chính xác so với sử dụng mười đặc trưng Tóm lại, với d

= 1, giá trị G cao và ít đặc trưng có thể dẫn đến độ chính xác cao hơn trong việc phân loại mức độ đầy của thùng rác

7

“An Automated

Machine Learning Approach for

Smart Waste Management

Systems”

Rutqvist, D., D Kleyko,

and F Blomstedt

2020

- Bài báo này giới thiệu việc sử dụng phương pháp học máy tự động để phát hiện chính xác việc đổ rỗng một thùng tái chế thông qua cảm biến Bài báo đề xuất phương pháp luân phiên dựa trên dữ liệu, tối ưu hóa giải pháp hiện tại và áp dụng thuật toán học máy, đồng thời cũng thực hiện kỹ thuật đặc trưng để cải thiện kết quả - Kết quả cho thấy sự kết hợp giữa các đặc trưng mở rộng và bộ phân loại tập hợp có thể đạt được hiệu suất tốt nhất, với độ chính xác đạt 99.1% và tỷ lệ nhớ đạt 98.2% Nghiên cứu nhấn mạnh tầm quan trọng của việc sử dụng dữ liệu để thiết kế các hệ thống Quản lý Rác Thông Minh

8

“Application of integrated GPS

and GIS technology for

reducing construction

waste and improving construction

- Bản prototype được mở rộng tiếp theo thành một hệ thống quản lý M&E xây dựng tích hợp GPS và GIS để cung cấp thông tin thời gian thực cho cả trụ sở và các công trường xây dựng Mô hình đề xuất đổi mới quản lý từ việc ngăn chặn lãng phí tập trung vào quá trình sang giảm thiểu

lãng phí toàn diện hướng dự án, nhằm cải thiện hiệu suất của hệ thống mã vạch trong việc thu thập và tái sử dụng dữ liệu thời gian thực

9

“Analysis of the construction

waste management performance in

Hong Kong: the public and private sectors

compared using big data”

Lu, W., et

- Nghiên cứu tập trung vào phân tích hiệu suất quản lý chất thải xây dựng (CWM) giữa các dự án xây dựng công cộng và tư tại Hong Kong bằng dữ liệu lớn Phát hiện rằng có sự chênh lệch đáng kể, ngược lại với quan điểm truyền thống

- Giải thích bằng Định lý không đổi Coase, nghiên cứu chỉ ra ảnh hưởng của các hình thức cơ sở đối với hiệu suất CWM dù cả hai phần đều chịu các chính sách công cộng tương tự Sự quan tâm của đối tác đến bảo vệ môi trường ảnh hưởng đáng kể đến hiệu suất CWM của nhà thầu Kết luận rằng cần tập trung nhiều hơn đến sắp đặt cơ sở để cải thiện hiệu quả chính sách CWM và khuyến khích nghiên cứu về chính sách công cụ thể để nâng cao hiệu suất CWM ở cả phần công và tư

10

“Benchmarking construction

waste management performance using big data”

Lu, W., et

- Nghiên cứu này tập trung vào phân tích tỷ lệ tạo ra chất thải xây dựng (WGRs) từ nhiều dự án tại Hong Kong trong giai đoạn 2011 và 2012 Kết quả từ dữ liệu lớn cho thấy rằng công trình phá hủy tạo ra nhiều chất thải nhất, trong khi công trình xây dựng và bảo trì tạo ra ít chất thải nhưng có tỷ lệ giữa chất thải không hoạt động và chất thải không hoạt động lớn

- Kết quả này mang lại thông tin hữu ích cho quản lý chất thải xây dựng và thiết lập các chỉ số hiệu suất để đánh

giá và so sánh giữa các nhà thầu Các đề xuất bao gồm việc cải thiện hệ thống quản lý chất thải và thiết lập các biện pháp khuyến khích như hệ thống phạt và khen ngợi từ chính phủ để thúc đẩy hiệu suất CWM

11

“A Decision Support Application in

Tracking Construction Waste Using Rule-based Reasoning and

RFID Technology.”

Zhang, L and A Atkins

2015

- Nghiên cứu này trình bày về một hệ thống quản lý chất thải thông minh dựa trên công nghệ RFID và lập luận dựa trên quy tắc, được phát triển để cải thiện hiệu suất quản lý chất thải của một công ty tái chế SME Hệ thống này kết hợp khả năng phát hiện thời gian thực của RFID và quyết định hỗ trợ từ công nghệ lập luận dựa trên quy tắc Kết quả khảo sát từ quản lý cho thấy họ hài lòng với thiết kế, đặc biệt là trong việc giảm thời gian lập lịch và xử lý sự cố

12

“A sequential approach for

the optimization of truck routes for

solid waste collection”

Vecchi, T.P.B., et

al

2016

- Nghiên cứu chỉ ra rằng việc sử dụng thuật toán chính xác và phương pháp tuần tự có thể hiệu quả trong việc xác định tuyến đường cho các phương tiện trong khu vực trung bình Áp dụng mô hình kết hợp P-median và

Hierholzer, đã giúp giải quyết vấn đề NP-khó ban đầu một cách dễ dàng - Ứng dụng thực tế cho thấy giảm quãng đường, tiết kiệm chi phí và giảm lượng khí CO2 thải ra môi trường Phương pháp này đặc biệt quan trọng với môi trường và ngân sách công cộng

13

“Assessment of waste characteristics

and their impact on GIS

Vu, H.L.,

- Nghiên cứu kết hợp mô hình ANN, GIS và VRP để phân tích ảnh hưởng của thành phần rác và khối lượng rác đến tuyến đường và lượng khí thải từ

vehicle collection route

optimization using ANN

waste forecasts.”

xe tải Mô hình ANN hiệu quả hơn khi dữ liệu rác ít giá trị cực đại - Kết quả VRP cho thấy thành phần rác ảnh hưởng đáng kể đến khoảng cách di chuyển của xe tải tái chế Mật độ rác quan trọng trong các nghiên cứu tối ưu hóa tuyến đường GIS và cần được xem xét rõ ràng Mô hình xe tải hai ngăn có thể tiết kiệm khoảng cách di chuyển, nhưng xe tải rác và tái chế riêng biệt có thể hiệu quả hơn về thời gian thu gom Kết quả cũng chỉ ra rằng xe tải hai ngăn tạo ra ít khí thải hơn do tiết kiệm khoảng cách, tạo ra sự cân đối giữa khoảng cách và khí thải so với thời gian thu gom

- Nghiên cứu này có ý nghĩa quan trọng cho quy hoạch Hệ thống Quản lý Rác, đặc biệt là trong việc đối mặt với sự thay đổi trong thành phần rác Mô hình ANN thời gian thực hiện được kỳ vọng sẽ hữu ích trong dự đoán rác đô thị và tích hợp với GIS tối ưu hóa giúp quản lý phản ứng linh hoạt hơn đối với sự biến động này

14

“Capacitated vehicle-routing problem model for scheduled

solid waste collection and

route optimization

using PSO algorithm.”

Hannan,

M.A., et al 2018

- Nghiên cứu này đề xuất một thuật toán PSO được điều chỉnh trong mô hình CVRP để kiểm tra khả năng sử dụng thùng rác thông minh trong việc thu gom rác và tối ưu hóa tuyến đường PSO được cải tiến bằng cách áp dụng nhiều thuật toán cải thiện địa phương và xem xét các ràng buộc nhất định

- Mô hình hiệu quả với khái niệm TWL và lịch trình, cho kết quả tối ưu với TWL 70-75% đối với tất cả các bộ dữ liệu thử nghiệm Mô hình ứng

dụng thùng rác thông minh mang lại giải pháp tốt nhất cho thu gom rác và tối ưu hóa tuyến đường Tuy nhiên, nghiên cứu tiếp theo cần xem xét các ràng buộc và không chắc chắn lớn hơn trong dữ liệu lịch sử và có thể triển khai trong tình huống thực tế để kiểm tra khả thi

15

“Optimizing Municipal Solid Waste

collection using Chaotic Particle Swarm Optimization in

GIS based environments: A case study at

Danang city, Vietnam”

Le Hoang

- Nghiên cứu này đề xuất một phương pháp tối ưu hóa hiệu quả cho vấn đề thu gom rác thải đô thị tại Đà Nẵng, sử dụng mô hình lộ trình xe và thuật toán PSO kết hợp với ArcGIS - Phương pháp đã được triển khai và cho thấy kết quả tốt hơn so với phương pháp thu gom rác thủ công đang được áp dụng ở Đà Nẵng Đồng thời, đề xuất cần thực hiện nghiên cứu mở rộng về thời gian thực, xử lý hạn chế của thuật toán, và áp dụng kết quả cho các địa điểm nghiên cứu khác

16

“SGA: spatial GIS-based

genetic algorithm for

route optimization of municipal solid

waste collection”

Amal, L., L.H Son, and H Chabchoub

2018

- Bài báo trình bày một phương pháp mới sử dụng Hệ thống Thông tin Địa lý (GIS) và Giải thuật Di truyền (SGA) để tối ưu hóa tuyến đường thu gom rác thải đô thị Phương pháp này đã được thử nghiệm trên dữ liệu thực của Thành phố Sfax, Tunisia, và cho thấy hiệu suất tốt hơn so với các phương pháp khác

- Kết quả được hiển thị trên bản đồ bằng phần mềm ArcGIS, và phương pháp đề xuất có tiềm năng ứng dụng cho các nghiên cứu tiếp theo về tối ưu hóa lộ trình xe và phân bổ nguồn lực

17

“Solving a multi‑objective

sustainable waste collection

problem considering a new collection

network”

Asl, H., et

Farrokhi-al

2020

- Bài báo trình bày một mô hình toán học đa mục tiêu mới xem xét vấn đề thu gom rác, trong đó có một mạng lưới thu gom mới

- Vấn đề bao gồm các hoạt động liên quan đến việc thu gom, xử lý, tái chế và xử lý chất thải nguy hại trong mạng lưới nhiều giai đoạn

- Ba hàm mục tiêu bao gồm chi phí vận hành và chi phí xã hội được xem xét đồng thời Mô hình được sử dụng để đánh giá tiêu thụ nhiên liệu và lượng khí CO2 phát ra và ảnh hưởng của chúng đối với môi trường - Một thuật toán meta-heuristic kết hợp mới được thiết kế để giải quyết vấn đề và cung cấp một cách mới để biểu diễn các giải pháp Cuối cùng, các kết quả thực nghiệm được tiến hành và kết quả của thuật toán đề xuất được so sánh với bốn thuật toán meta-heuristic nổi tiếng với năm chỉ số so sánh Kết quả cho thấy hiệu suất của thuật toán đề xuất trong một số chỉ số so sánh

18

“Backtracking search algorithm in CVRP models

for efficient solid waste collection and

route optimization”

Akhtar,

M., et al 2017

- Nghiên cứu này đề xuất một mô hình tối ưu hóa tuyến đường thu gom rác thải đô thị sử dụng thuật toán BSA được điều chỉnh và thùng rác thông minh Mô hình này cải thiện hiệu suất tuyến đường bằng cách giảm thiểu khoảng cách di chuyển và tối ưu hóa việc thu gom rác dựa trên nhiều thuật toán cải thiện địa phương Các kết quả cho thấy rằng mô hình đề xuất đạt được hiệu suất và giá trị tối ưu tốt, đặc biệt là đối với các trường hợp dưới 50 nút