Kentsel katı atık toplama rotalarının graf tabanlı pekiştirmeli öğrenme ile optimizasyonu Kadıköy ilçesi örneği

Abstract

Kentleşme ve sanayileşmenin hızla artması, buna paralel olarak nüfusun belirli alanlarda yoğunlaşması ve tüketim alışkanlıklarının çeşitlenmesi, kentsel alanlarda üretilen katı atık miktarının hem hacim hem de bileşim açısından sürekli olarak artmasına neden olmaktadır. Özellikle büyükşehirlerde bu artış, belediyelerin katı atık toplama, taşıma ve bertaraf süreçlerini giderek daha karmaşık, maliyetli ve yönetilmesi zor bir hale getirmektedir. Katı atık yönetimi, belediyelerin yıllık operasyonel bütçeleri içerisinde önemli bir paya sahip olup; bu sürecin etkin ve bütüncül biçimde yönetilememesi durumunda yalnızca ekonomik kayıplar değil, aynı zamanda çevresel bozulmalar ve toplumsal yaşam kalitesinde düşüş gibi çok boyutlu sorunlar ortaya çıkmaktadır. Plansız veya verimsiz yürütülen katı atık toplama faaliyetleri, yakıt tüketiminin artmasına, sera gazı fve karbon emisyonlarının yükselmesine, gürültü ve hava kirliliğinin artmasına ve dolayısıyla kentsel çevre kalitesinin olumsuz yönde etkilenmesine neden olmaktadır. Katı atık toplama süreçlerinin etkinliği büyük ölçüde rota planlaması, araç kapasitesi, toplama sıklığı ve trafik koşulları gibi operasyonel değişkenlerin doğru ve dengeli biçimde yönetilmesine bağlıdır. Ancak geleneksel katı atık toplama sistemlerinde rota planlaması çoğunlukla sabit programlara, tarihsel alışkanlıklara ve saha personelinin bireysel deneyimine dayalı kararlar üzerinden yürütülmektedir. Bu yaklaşım, operasyonel açıdan pratik olmakla birlikte, kentsel alanların dinamik yapısını ve zamana bağlı değişkenlerini yeterince yansıtamamaktadır. Özellikle gün içerisinde ve haftanın farklı zaman dilimlerinde değişkenlik gösteren trafik yoğunluğu ile farklı kentsel fonksiyonlara sahip alanlardaki atık oluşum miktarlarının mekânsal ve zamansal heterojenliği, bu tür statik planlama yaklaşımları tarafından büyük ölçüde göz ardı edilmektedir. Konut, ticaret, eğitim, sağlık ve rekreasyon alanlarının iç içe geçtiği yoğun kent dokularında, atık oluşum talebi yalnızca nüfus yoğunluğuna bağlı olarak değil; alanın fonksiyonel kullanımına, günün saatine ve haftalık döngülere bağlı olarak da önemli ölçüde değişkenlik göstermektedir. Örneğin ticari alanlarda atık oluşumu mesai saatlerinde yoğunlaşırken, konut alanlarında sabah ve akşam saatlerinde artış gösterebilmektedir. Bu durum, sabit rota ve sabit zamanlı toplama anlayışıyla oluşturulan sistemlerin kısa sürede verimsiz hale gelmesine, gereksiz araç hareketlerine ve hizmet kalitesinin düşmesine yol açmaktadır. Dolayısıyla katı atık toplama süreçlerinin, kentsel sistemlerin bu dinamik yapısını dikkate alacak şekilde yeniden ele alınması gerekmektedir. Bu bağlamda, katı atık toplama süreçlerinin daha esnek, veri temelli ve uyarlanabilir yaklaşımlarla ele alınması gerekliliği giderek daha fazla önem kazanmaktadır. Son yıllarda coğrafi bilgi sistemleri (CBS), kentsel hizmetlerin mekânsal analizinde güçlü bir araç olarak öne çıkmış; katı atık yönetimi alanında veri entegrasyonu, analiz ve görselleştirme amacıyla yaygın biçimde kullanılmaya başlanmıştır. CBS tabanlı yaklaşımlar, yol ağları, bina dağılımları, nüfus yoğunluğu ve farklı kentsel fonksiyonlara ilişkin mekânsal verilerin birlikte değerlendirilmesine olanak tanıyarak, kentsel hizmetlerin daha gerçekçi biçimde analiz edilmesini mümkün kılmaktadır. Ancak literatürdeki birçok çalışmada CBS çoğunlukla bir karar destek ve haritalama aracı olarak ele alınmakta; rota optimizasyonu ve talep değerlendirme süreçleri genellikle sınırlı sayıda deterministik veya sezgisel yöntemle desteklenmektedir. Oysa kentsel ulaşım ağlarının karmaşık ve çok katmanlı yapısı ile katı atık toplama probleminin çok değişkenli doğası, değişkenler arasındaki ilişkilerin doğrusal olmayan biçimde ele alınmasını gerektirmektedir. Trafik yoğunluğu, talep değişkenliği, araç kapasitesi ve hizmet öncelikleri gibi unsurlar arasındaki etkileşimler, klasik yöntemlerle tam anlamıyla temsil edilememektedir. Bu nedenle, son yıllarda literatürde makine öğrenmesi ve pekiştirmeli öğrenme gibi veri güdümlü ve öğrenme temelli yaklaşımların, kentsel hizmet optimizasyonu problemlerinde kullanımına yönelik ilgi artmaktadır. Bu yaklaşımlar, karmaşık ilişkileri öğrenebilme ve değişen koşullara uyum sağlayabilme potansiyelleri nedeniyle, geleneksel yöntemlere kıyasla önemli avantajlar sunmaktadır. Bu çalışma, kentsel katı atık toplama sürecini yalnızca bir rota planlama problemi olarak ele almak yerine; maliyet, talep, öncelik ve trafik değişkenlerini birlikte içeren çok kriterli bir optimizasyon problemi olarak ele almaktadır. Çalışma kapsamında Kadıköy ilçesi örnek alan olarak seçilmiş ve ilçenin yol ağı, kentsel mekân ile olan ilişkisini daha iyi temsil edebilmek amacıyla graf tabanlı bir yapı ile modellenmiştir. Yol ağı üzerindeki düğümler ve kenarlar, yön bilgisi, yol türü, şerit sayısı ve trafik yoğunluğu gibi öznitelikler ile zenginleştirilmiş; böylece kentsel ulaşım sisteminin mekânsal ve işlevsel özelliklerini yansıtan gerçekçi bir ağ temsili oluşturulmuştur. Atık oluşum talebinin mekânsal olarak daha doğru biçimde modellenebilmesi amacıyla yapı katmanı ve ilgi noktası (POI) verilerinden yararlanılmıştır. Yapı katmanında yer alan bağımsız bölüm bilgileri, nüfusun bina ölçeğinde daha hassas biçimde dağıtılmasına olanak tanırken; POI verileri, konut dışı kullanımlara bağlı olarak oluşan atık miktarlarının modele dahil edilmesini sağlamıştır. Bu sayede farklı kentsel fonksiyonlara sahip alanların atık üretim potansiyelleri, yalnızca nüfus temelli yaklaşımlara bağlı kalmadan modele entegre edilmiştir. Atık oluşum talebi ve konteyner önceliklerinin belirlenmesinde makine öğrenmesi yaklaşımlarından yararlanılmış; elde edilen talep ve öncelik değerleri, rota kararlarını yönlendiren temel girdiler olarak ele alınmıştır. Rota oluşturma süreci ise deneyim temelli öğrenmeye dayanan pekiştirmeli öğrenme yaklaşımı ile desteklenmiştir. Bu kapsamda geliştirilen model, ajan-temelli bir yapı içerisinde, farklı trafik senaryoları ve kapasite kısıtları altında öğrenme sürecini gerçekleştirmiştir. Ajanın karar alma sürecinde yol maliyetleri, trafik koşulları, konteyner talep ve öncelik değerleri ile araç kapasitesi birlikte değerlendirilmiş; böylece önceden tanımlı sabit kurallara dayanmayan, çevresel koşullara uyum sağlayabilen adaptif bir rota üretim süreci hedeflenmiştir. Tüm analizler, coğrafi bilgi sistemleri ortamında bütünleştirilerek mekânsal doğruluk, uygulanabilirlik ve sonuçların görselleştirilebilirliği açısından değerlendirilmiştir. Çalışma sonucunda elde edilen bulgular, trafik değişkenlerinin ve öğrenme temelli yaklaşımların modele dahil edilmesinin katı atık toplama rotalarının genel etkinliğini artırdığını göstermektedir. Trafik farkındalığı içeren senaryolarda, özellikle trafik yoğunluğunun görece dengeli olduğu zaman dilimlerinde toplam seyahat süresi ve maliyet değerlerinde belirgin iyileşmeler sağlandığı gözlemlenmiştir. Bununla birlikte, trafiğin yoğun olduğu saat ve bölgelerde modelin yüksek yoğunluklu yol kesimlerinden kaçınma eğilimi sergilemesi nedeniyle bazı senaryolarda toplam maliyet değerlerinin arttığı tespit edilmiştir. Bu durum, trafik değişkeninin rota optimizasyonu üzerindeki çift yönlü etkisini ortaya koymakta ve modelin karar davranışının kentsel koşullara duyarlı biçimde değiştiğini göstermektedir. Elde edilen sonuçlar, graf tabanlı modelleme ile makine öğrenmesi ve pekiştirmeli öğrenme yaklaşımlarının birlikte kullanılmasının, kentsel katı atık toplama planlaması için uygulanabilir, esnek ve güçlü bir karar destek çerçevesi sunduğunu ortaya koymaktadır. Bu bağlamda çalışma, belediyelerin katı atık toplama süreçlerinde kaynak kullanımını optimize etmelerine, operasyonel maliyetleri azaltmalarına ve çevresel sürdürülebilirlik hedeflerini desteklemelerine katkı sağlamayı amaçlamaktadır. Ayrıca geliştirilen yaklaşımın, farklı kentsel alanlara ve benzer nitelikteki diğer kentsel hizmet problemlerine uyarlanabilir bir yöntemsel çerçeve sunduğu değerlendirilmektedir.