فناوری اطلاعات در سیستم‌های مدیریت زباله‌های خانگی هوشمند و یکپارچه شامل سخت‌افزار، نرم‌افزار، یادگیری ماشین و هوش مصنوعی (AI)، زیرساخت شبکه، تعامل انسان و رایانه، محاسبات ابری، رسانه‌های اجتماعی و پایگاه‌های داده است. این نقش اساسی در حمایت از کل فرآیند مدیریت زباله ایفا می کند. جدول ۱۰ توضیحات و پشتیبانی دستگاه را برای بعد فناوری اطلاعات در چارچوب سیستم مدیریت هوشمند و یکپارچه زباله خانگی ارائه می دهد.

در زیربعد سخت افزاری، نیاز به دستگاه هایی مانند دوربین های دیجیتال و سنسورها برای عکس برداری از زباله و شناسایی آن وجود دارد. دوربین های دیجیتال برای عکس برداری از زباله های روزمره استفاده می شوند [۹,۱۷,۳۶]، کمک به جمع آوری تصاویر زباله [۴۶]. از این تصاویر زباله می توان برای تجزیه و تحلیل و طبقه بندی تصاویر بصری استفاده کرد [۴۳,۴۴].

علاوه بر این، دستگاه‌های حسگر با قابلیت‌های زیر مورد نیاز هستند: (۱) تشخیص حرکت افرادی که زباله‌ها را به داخل ظروف می‌ریزند با استفاده از حسگرهای حرکتی [۵۱] و سنسورهای مادون قرمز غیرفعال (PIR). [12]; (2) گرفتن تصاویر از زباله با استفاده از حسگر تصویر [۴۱]; (۳) تشخیص وجود زباله با استفاده از حسگرهای اولتراسونیک [۹,۱۷,۴۳] و سنسور مادون قرمز [۴۴]; (۴) توزین زباله های ذخیره شده در ظرف [۲۰,۴۲] و تعیین نوع، وزن و نسبت ناخالصی های زائد [۵۳] با استفاده از سنسورهای لودسل [۲۱,۵۹]; (۵) اندازه گیری سطح زباله در ظرف با استفاده از سنسور اولتراسونیک [۲۱,۲۲,۳۷,۴۹,۵۹]، سنسور پر شدن بیش از حد [۴۱]، سنسور ردیاب [۴۳] سنسور مادون قرمز [۴۵]; (۶) تشخیص تعداد ذرات جامد یا مایع در ظرف زباله با استفاده از حسگر اولتراسونیک [۱۲]، (۷) تشخیص ضایعات مرطوب یا خشک با استفاده از حسگر خازنی بر اساس محتوای آب [۴۹]سنسورهای دما و رطوبت بر اساس سطوح دما و رطوبت [۵۰]و سنسورهای رطوبت و حسگرهای لمسی [۵۱]; (۸) تشخیص وجود ضایعات فلزی با استفاده از حسگرهای فلزی [۴۹]، سنسورهای القایی [۴۶]و سنسورهای مجاورت القایی [۴۸,۵۰]; (۹) تشخیص وجود زباله های پلاستیکی و چوبی با استفاده از حسگرهای مجاورت خازنی [۴۸]; (۱۰) ذخیره و مدیریت زمان در فرآیند بازیافت زباله با استفاده از حسگر ساعت بیدرنگ (RTC) [12].

در زیربعد نرم افزار نیاز به هشدارها و اعلان ها، الگوریتم های مکان یابی ظروف زباله، تجزیه و تحلیل داده ها، ادغام با سیستم های اطلاعات مکانی (GIS)، برنامه های کاربردی موبایل، برنامه های کاربردی وب، زمان بندی و بهینه سازی مسیریابی، فناوری بلاک چین، تشخیص صدا، یادگیری ماشین و هوش مصنوعی (AI). هشدارها می توانند پیامی را در صورت پر بودن سطل زباله ارائه دهند که باعث تخلیه فوری توسط ارائه دهنده خدمات می شود. [۴۸,۴۹]، به صورت صوت و پیام [۴۱]و هشدارهای ایمیل خودکار [۲۲]. همچنین هشدارهایی برای جلوگیری از مصرف مواد غذایی تاریخ مصرف گذشته وجود دارد [۶۷]. اعلان ها نیز نقش اساسی دارند. آنها می توانند یک نشانگر سبز رنگ برای مواد غذایی که در شرف انقضا هستند داشته باشند [۶۷]، اطلاع رسانی در سیستم در مورد اخبار در رسانه های اجتماعی دولتی [۶۵]و اعلان‌هایی به شرکت‌های مدیریت پسماند برای تمیز کردن به موقع سطل‌های زباله [۳۹].

در دسترس بودن الگوریتم های مکان یابی-تخصیص ظروف زباله به تعیین نوع، مقدار و مکان زباله در مکان های جمع آوری با استفاده از مدل برنامه ریزی خطی عدد صحیح مختلط (MILP) کمک می کند. [۱۰] و مشکل مکان پوشش حداکثر (MCLP) [57]. داده های تحلیلی می توانند الگوها را پیش بینی کنند [۲۰] و روند جمع آوری زباله در دوره های خاص [۴۲]، از تصمیم گیری در مورد تعدیل قیمت حمایت می کند [۱۹]. ادغام با GIS در مدیریت خدمات پسماند با نمایش لایه‌های حاوی بخش‌های جاده، علائم راهنمایی و رانندگی و ساختمان‌های تعبیه‌شده مفید است. [۱۱]، نمایش مکان مختصات GPS [52]ارائه تجسم پارامترهای مکانی برای حمایت از طرح های مدیریت پسماند [۱۳]تجسم و تجزیه و تحلیل توزیع نقاط تولید زباله و مکان های جمع آوری بالقوه [۵۷]ذخیره و مدیریت داده‌های مکانی مربوط به ویژگی‌های bin، مسیرها و زمان‌بندی‌ها، یافتن مسیرهای بهینه [۱۸]تجزیه و تحلیل داده های مکانی، مدیریت داده های جغرافیایی و ارتباط با فرآیندهای پشتیبانی تصمیم گیری مانند AHP [66].

برنامه های موبایل و وب نقش اساسی در نظارت مستقیم بر خدمات مدیریت زباله ایفا می کنند. در دسترس بودن عملکرد جامع اپلیکیشن موبایل می تواند به صاحبان خانه کمک کند تا زباله های خود را مدیریت کنند. از برنامه های تلفن همراه می توان برای نظارت بر مکان های جمع آوری زباله، سفارش خدمات جمع آوری زباله، تنظیم درایورها، رزرو اسلات زباله استفاده کرد. [۳۹,۵۱]، ارتباط بین مصرف کنندگان دستگاه های هوشمند به منظور کاهش ضایعات مواد غذایی [۶۷]، کاربران را به نزدیکترین نقطه جمع آوری زباله راهنمایی می کند [۲۲]و تمامی فرآیندهای بازیافت را از طریق گوشی هوشمند کنترل کنید [۱۲]. کاربران می توانند از برنامه های کاربردی وب برای برقراری ارتباط با دستگاه های هوشمند استفاده کنند [۵۴] و سطح پر بودن ظروف زباله را کنترل کنید [۵۹].

بهینه‌سازی زمان‌بندی و مسیریابی در ناوگان خودرو برای حمایت از کارایی خدمات مدیریت زباله بسیار مهم است. این شامل بهینه‌سازی زمان‌بندی و مسیریابی بر اساس مسیرهای کارآمد برای ناوگان خودرو، بهبودهای بالقوه در مسافت طی شده، میزان استفاده از هر ناوگان در مقایسه با سیستم موجود، و فرکانس بارگیری است. [۱۰]. الگوریتمی که از برنامه‌ریزی و بهینه‌سازی مسیریابی پشتیبانی می‌کند، مسئله مسیریابی قوس با ظرفیت مختلط (MCARP) است. [۱۱].

فناوری بلاک چین به اطمینان از شفافیت و مسئولیت پذیری کمک می کند. فناوری بلاک چین که می تواند مورد استفاده قرار گیرد شامل یک بلاک چین ترکیبی است [۵۶] و شبکه خصوصی اتریوم برای اندازه گیری تراکنش های مرتبط با هزینه های گاز برای هر تراکنش محاسباتی [۵۸]. فناوری تشخیص صدا در ظروف زباله برای تشخیص نوع زباله ای که کاربر در مورد آن صحبت می کند استفاده می شود و ظروف زباله سیستم را بر اساس آن می چرخاند. [۴۵]. گیمیفیکیشن می تواند مشارکت خانوارها را در مدیریت زباله از طریق مسابقات، دستاوردها و جوایز مرتبط با سیستم بلاک چین تشویق کند. [۵۶].

در دسترس بودن یادگیری ماشینی و هوش مصنوعی می‌تواند از فرآیند مدیریت زباله از طریق طبقه‌بندی آسان زباله و پیش‌بینی میزان زباله تولید شده پشتیبانی کند. فناوری هوش مصنوعی برای پیش‌بینی ضایعات می‌تواند از یک شبکه عصبی چند سایتی با حافظه کوتاه مدت (LSTM) استفاده کند که یک شبکه عصبی مصنوعی یادگیری عمیق است. [۱۴]، مدل های جنگل تصادفی و K-نزدیک ترین همسایه [۱۵]و یادگیری گروهی [۱۶]. فناوری هوش مصنوعی که می‌تواند برای شناسایی و طبقه‌بندی زباله‌ها استفاده شود، شامل فناوری بینایی ماشین و الگوریتم‌های شبکه عصبی کانولوشنال (CNN) است. [۹,۵۵]، یک شبکه عصبی برای آموزش چندین عکس از زباله برای کمک به مرتب سازی بر اساس مختصات رنگ و مکان [۳۶]شبکه عصبی کانولوشن چندوجهی آبشاری (MC-CNN) ترکیبی از DSSD، YOLOv4 و Faster-RCNN برای تشخیص و طبقه‌بندی خودکار زباله‌های خانگی [۵۳]مدل سبک وزن CNN با استفاده از MobileNet V2 برای طبقه بندی دقیق انواع زباله، از جمله زباله های قابل بازیافت، زباله های آشپزخانه، زباله های خطرناک و سایر زباله ها [۴۱]، CNN و Random Forest برای طبقه بندی زباله ها بر اساس دسته بندی ها [۴۳]CNN با نوع VGG16 تصاویر زباله های گرفته شده را به دسته های پلاستیک، کاغذ و شیشه طبقه بندی می کند تا سطل زباله را بر اساس دسته بندی باز کند. [۱۷]، CNN با VGG16 برای شناسایی تصاویر زباله با مجموعه داده های ثبت شده و مرتب سازی زباله ها [۴۶]، مدل GECM-EfficientNet، که از یک مجموعه داده آموزش دیده برای طبقه بندی زباله ها بر اساس دسته های آن استفاده می کند. [۴۴]و الگوریتم K-نزدیکترین همسایه (KNN) برای طبقه بندی سطوح زباله های زیستی و غیرقابل تجزیه و غلظت گازهای سمی [۴۸]. همچنین می توان از مدل تشخیص داده ها برای طبقه بندی زباله استفاده کرد [۴۰]. هوش مصنوعی همچنین در تشخیص چهره و شناسایی تصویر برای احراز هویت استفاده می شود [۴۲].

زیربعد زیرساخت شبکه شامل فناوری برای پشتیبانی از جمع آوری داده ها و ارتباطات داده است. برای جمع‌آوری داده‌ها، پس از ثبت نام کاربران غیرهوشمند در نمایندگی‌های خیابانی محلی، از کارت‌های بارکد برای شناسایی شناسه‌های کاربر استفاده می‌شود. [۳۹]. کاربران تلفن های هوشمند یک کد QR را روی کیسه زباله دریافت می کنند تا شرکت کنندگان خانواده را بر اساس شناسه کاربری شناسایی کنند [۳۹]. خواننده NFC و فناوری گره ارتباطی می تواند برچسب های محصول را بخواند و از طریق WiFi با روتر با یک برنامه وب ارتباط برقرار کند. [۵۴]. برای ارتباط داده‌ها، یک شبکه کم مصرف (LPWAN) با نوع NB-IoT می‌تواند داده‌های پر بودن کانتینر را از ظروف زباله جامد به سرورهای راه دور منتقل کند و نظارت و مدیریت کارآمد سیستم‌های جمع‌آوری زباله را ممکن می‌سازد. [۳۷]. فناوری GSM می تواند در صورت پر شدن سطل های زباله، هشدارهای پیامکی ارسال کند [۴۹]. توسعه یک شبکه IoT LoRa متشکل از گره های LoRa، دروازه های LoRa و سرورها در ظروف زباله مبتنی بر اینترنت اشیا می تواند به بهبود کارایی شبکه کمک کند. [۲۱]. از دیگر فناوری های ارتباطی داده می توان به انتقال داده با استفاده از WiFi، دروازه های هوشمند و بلوتوث اشاره کرد [۴۷].

در زیربعد تعامل انسان و رایانه، تعاملات واسط برای پشتیبانی از تبادل اطلاعات بین ذینفعان وجود دارد. [۱۹]، نمونه های اولیه برنامه مجهز به عناصر، نکات و اطلاعات گیمیفیکیشن [۲۰]و نمونه اولیه برای نظارت بر زباله در دسته الکترونیکی [۸]. نمونه های اولیه را می توان از طریق برنامه های موبایل و وب سایت توسعه داد [۶۵]. زیربعد فناوری محاسبات ابری نقشی حیاتی در خدمات مدیریت زباله ایفا می کند. فناوری محاسبات ابری به عنوان بستری برای برنامه های کاربردی یخچال هوشمند استفاده می شود [۵۴]، پلتفرم های اپلیکیشن اندروید [۵۱]و معماری مدیریت منابع ابری که نیازهای خانوار را تامین می کند [۴۷]. علاوه بر این، فناوری رایانش ابری می‌تواند بخشی از یک سیستم LoRa باشد که به یک پلتفرم IoT در یک برنامه ابری متصل شده و به اینترنت متصل است. [۲۱]. همچنین می‌توان از سیستم‌های مبتنی بر محاسبات ابری برای نظارت بر پر بودن ظروف استفاده کرد [۳۹].

هدف استفاده از زیربعدهای رسانه های اجتماعی معرفی رفتار مدیریت زباله از سوی بازیگران خانگی است. کاربرد رسانه های اجتماعی شامل تبلیغاتی برای مدیریت زباله های الکترونیکی IoT پایدار برای خانوارها است [۸] و تلگرام برای ارتباط با کاربران استفاده می شود [۲۱]. پایگاه های داده برای ذخیره و مدیریت داده های مربوط به زباله مفید هستند. پیاده سازی یک پایگاه داده می تواند به شکل یک پایگاه داده متمرکز برای پشتیبانی از بستر تبادل اطلاعات برای ذینفعان و تجزیه و تحلیل داده ها باشد. [۱۹]پایگاه داده ای که داده های ورود کاربر، داده های طبقه بندی زباله، داده های پرداخت کاربر، داده های یکپارچه، داده های اعلامیه و سایر داده ها را مدیریت می کند. [۴۰]، پایگاه داده ای که داده های طبقه بندی زباله را ذخیره می کند [۴۲]، پایگاه داده ای برای ذخیره عکس اشیاء زباله [۱۷]، یک پایگاه داده برای ذخیره داده های کاربر برای هر کیسه زباله [۳۹]پایگاه داده ای که داده های حاصل از پردازش گره برد میکروکنترلر (MCU) را ذخیره می کند. [۵۹]و یک پایگاه داده برای ذخیره داده‌ها در منابع یکپارچه با اینترنت اشیا، مانند سطح پر بودن سطل‌های زباله، مسیرهای وسایل نقلیه، و موقعیت‌های کارگران زباله [۴۷]. استفاده از پایگاه داده های ابری برای جمع آوری و ذخیره اطلاعات [۲۲] می تواند از کارایی عملیاتی در مدیریت پسماند حمایت کند.

بعد اجتماعی-فرهنگی شامل ابعاد فرعی مانند آگاهی، آموزش، همکاری، مشارکت، برنامه های جایزه و بازخورد است. جدول ۱۴ توضیحات و پشتیبانی دستگاهی را برای ابعاد اجتماعی-فرهنگی در چارچوب سیستم مدیریت هوشمند و یکپارچه زباله خانگی ارائه می دهد.

آگاهی و نگرش نسبت به انواع زباله می تواند طبقه بندی را تسهیل کند و به طور خودکار از سیستم های هوشمند پشتیبانی کند [۹]. آموزش تلاشی برای افزایش آگاهی و ایجاد حس مشترک در تفکیک زباله است [۸]. آموزش را می توان از طریق نکات و ویژگی های اطلاعاتی در مورد انواع زباله ها و دفع آنها با هدف افزایش اطمینان و راحتی کاربر در سیستم پیاده سازی کرد. [۲۰]. آموزش می تواند شامل اطلاعاتی در مورد مفاهیم کاهش، استفاده مجدد و بازیافت و همچنین جداسازی زباله و مدیریت زباله سازگار با محیط زیست در سطح خانوار باشد. [۶۵]. آموزش استفاده از سیستم، به ویژه در مورد عملکرد سیستم هوشمند، می تواند از پاسخگویی برای فعالان خانگی حمایت کند [۳۹]. اطلاعات مربوط به مواد آموزشی می تواند از طرح ها و برنامه های کمپین دولتی، دانشگاهی و محیطی باشد [۶۵].

همکاری یک تلاش مشترک بین ذینفعان مختلف برای حل مشکلات زباله های خانگی است. این امر از طریق به اشتراک گذاری اطلاعات و منابع مربوط به بازیافت زباله بین طرف های مختلف محقق می شود [۱۹,۵۴]. دولت مرکزی، جوامع، شوراهای شهر، سازمان‌های رسانه‌ای، سازمان‌های غیردولتی و داوطلبان با استفاده از مفهوم همکاری، رفتار عملکرد مدیریت زباله‌های خانگی را نظارت می‌کنند. [۳۹]. مشارکت را می توان بر اساس اعتماد در حفاظت از اطلاعات شخصی اولیه ایجاد کرد [۱۹] و در دسترس بودن سیستمی که استفاده از آن برای فعالان خانگی در دسته بندی و طبقه بندی زباله ها آسان باشد [۴۷]. مشارکت بازیگران خانگی می تواند از طریق یک سیستم کسب امتیاز و تبادل امتیاز منصفانه و عینی حفظ شود [۴۲] و در دسترس بودن یک سیستم مبتنی بر اینترنت اشیا که مسئولیت پذیری را حفظ می کند [۳۹]. برنامه‌های پاداش می‌توانند مشارکت خانوارها را در مدیریت زباله‌هایشان تشویق کنند. مدیران انجمن می توانند به طور معمول به خانواده هایی با بهترین عملکرد جوایز اهدا کنند و اسامی برندگان را منتشر کنند. [۳۹]. بازخورد اطلاعاتی در مورد عملکرد بازیافت کاربر است که به نحوه تفکیک زباله به دسته های مختلف بازیافت توسط کاربران کمک می کند. کاربران ممکن است برای دسته بندی محصولات نادرست جریمه دریافت کنند [۵۶]. فعالان خانگی می توانند در مورد سیاست های دولت و خدمات پسماند ارائه شده توسط شرکت های بازیافت بازخورد ارائه دهند [۱۹]. همچنین می توان از بازخورد برای ارزیابی سهولت تفکیک زباله استفاده کرد [۲۰].