dc.creator | Ramos Cueli, Juan Manuel | es |
dc.creator | Luque Sendra, Amalia | es |
dc.creator | Larios Marín, Diego Francisco | es |
dc.creator | Barbancho Concejero, Julio | es |
dc.date.accessioned | 2019-09-02T08:10:09Z | |
dc.date.available | 2019-09-02T08:10:09Z | |
dc.date.issued | 2019 | |
dc.identifier.citation | Ramos Cueli, J., Luque Sendra, A., Larios Marín, D.F. y Barbancho Concejero, J. (2019). Machine learning para la optimización inteligente de la recogida de residuos. En V jornada de investigación y postgrado de la Escuela Politécnica Superior de la Universidad de Sevilla (233-241), Sevilla (España): 3 ciencias. Área de Innovación y Desarrollo,S.L.. | |
dc.identifier.isbn | 978-84-120057-2-1 | es |
dc.identifier.uri | https://hdl.handle.net/11441/88837 | |
dc.description.abstract | La recogida de residuos es uno de los servicios más importantes que las ciudades
proporcionan. Las posibilidades de optimización a partir de la explotación de los datos
recogidos son muy interesantes, si bien, deben considerarse todas las restricciones
que aplican.
El trabajo a realizar consiste en el desarrollo de los modelos y herramientas necesarios
para el diseño de un sistema de predicción de llenado de los contenedores, a partir
del cual poder realizar posteriormente la planificación óptima de rutas u otras
actuaciones estratégicas.
Estos modelos proporcionarán componentes software clave para determinar,
en un momento determinado del futuro, cuál será el estado de llenado de un
contenedor, así como determinar el momento en el que dicho contenedor se llenaría
completamente, si antes no se procede a su vaciado.
Para ello, el sistema debe tener en cuenta datos históricos de nivel de llenado. Estos
datos sirven tanto de ajuste como de verificación de los diferentes modelos. Por
otro lado, las variables de entrada deberán seleccionarse en función de su grado de
relevancia en la predicción, considerando la disponibilidad de las mismas. Finalmente,
el algoritmo debe tener en cuenta criterios de escalabilidad y flexibilidad para hacer
posible su aplicación en áreas grandes. | es |
dc.description.abstract | Waste collection is one of the most important services that cities provide. Optimization
possibities from the exploitation of collected data are very interesting, although, all
the restrictions that apply must be considered.
The work to be carried out consists of the development of models and tools for the
design of a filling waste container prediction system, from which to subsequently
carry out optimal planning of routes or other strategic actions.
These models will provide key software components to determine, at a certain point
in the future, what will be the filling status of a container, as well as to know when it
would be filled, if it is not emptied before.
The system must consider historical filling level data. This data is used to adjust the
different models, but also to verify it. On the other hand, the input variables should
be selected according to their degree of relevance in the prediction, considering the
availability of them. Finally, the algorithm must consider criteria of scalability and
flexibility to make it possible to apply in large areas. | es |
dc.format | application/pdf | es |
dc.language.iso | spa | es |
dc.publisher | 3 ciencias. Área de Innovación y Desarrollo,S.L. | es |
dc.relation.ispartof | V jornada de investigación y postgrado de la Escuela Politécnica Superior de la Universidad de Sevilla (2019), p 233-241 | |
dc.rights | Attribution-NonCommercial-NoDerivatives 4.0 Internacional | * |
dc.rights.uri | http://creativecommons.org/licenses/by-nc-nd/4.0/ | * |
dc.subject | Predicción | es |
dc.subject | Optimización | es |
dc.subject | Planificación | es |
dc.subject | Toma de decisiones | es |
dc.subject | Smart cities | es |
dc.subject | Prediction | es |
dc.subject | Optimization | es |
dc.subject | Planning | es |
dc.subject | Decision making | es |
dc.title | Machine learning para la optimización inteligente de la recogida de residuos | es |
dc.type | info:eu-repo/semantics/conferenceObject | es |
dcterms.identifier | https://ror.org/03yxnpp24 | |
dc.type.version | info:eu-repo/semantics/publishedVersion | es |
dc.rights.accessRights | info:eu-repo/semantics/openAccess | es |
dc.contributor.affiliation | Universidad de Sevilla. Departamento de Ingeniería del Diseño | es |
dc.contributor.affiliation | Universidad de Sevilla. Departamento de Tecnología Electrónica | es |
dc.identifier.doi | http://dx.doi.org/10.17993/IngyTec.2019.52 | es |
dc.contributor.group | Universidad de Sevilla. TEP022: Diseño Industrial e Ingeniería del Proyecto y la Innovación | es |
dc.contributor.group | Universidad de Sevilla. TIC150: Tecnologia Electrónica e Informática Industrial | es |
idus.format.extent | 9 p. | es |
dc.publication.initialPage | 233 | es |
dc.publication.endPage | 241 | es |
dc.eventtitle | V jornada de investigación y postgrado de la Escuela Politécnica Superior de la Universidad de Sevilla | es |
dc.eventinstitution | Sevilla (España) | es |
dc.relation.publicationplace | Alicante | es |