Miten optimoida tienpesukoneen reittejä paremman suorituskyvyn saavuttamiseksi

Maantieteellisten tietojärjestelmien (GIS) ja avaruudellisen analytiikan hyödyntäminen strategisen kadunpesukoneiden reittisuunnittelun tueksi

Korkean jätteen määrän alueiden kartoittaminen kriittisen kadunpesukoneiden kattauksen priorisoimiseksi

Kunnat löytävät uusia tapoja ratkaista kaupunkien likaisuusongelmia kiitettävästi maantieteellisiä tietojärjestelmiä, lyhyesti GIS-järjestelmiä, käyttäen. Nämä järjestelmät tarkastelevat erilaisia datapistettä paikantaakseen alueet, joissa roskat kertyvät eniten. Ne analysoivat esimerkiksi ihmisten liikkumista kaupungissa, rakennusten sijainteja, rakennustyömaiden paikkoja, lehtien kertymiskohtia vuodenajasta riippuen sekä vilkkaita ostosalueita. Kun kaikki tämä tieto kerätään yhteen karttaan, kaupungit saavat värillisiä visuaalisia esityksiä, jotka osoittavat tarkalleen, mitkä kadut vaativat siivousjoukkoja ensimmäisenä. Kunnallisoperaatioiden lehti raportoi vuonna 2023, että vain 30 % kaupunkien katuosuuksista vastaa noin 80 %:sta kaikista kaupungeissa kerätyistä roskista. Ja tässä on se älykkäämpi puoli: kun nämä järjestelmät yhdistetään eläviin säätietoihin, ne voivat varoittaa viranomaisia mahdollisista ongelmista jo etukäteen. Ajatelkaa esimerkiksi tukkoja viemäreitä voimakkaiden sadekuurojen jälkeen tai roskapinoja, jotka jäävät jälkeen juhlaviikoilta ja tapahtumista. Tämä varoitusjärjestelmä mahdollistaa huoltotiimien nopean toiminnan, jotta suurempia ongelmia, kuten katuja, jotka tulvivat myrskyjen aikana, voidaan estää.

GIS-pohjainen reittijärjestely tehokkaaseen jätteen konsolidointiin ja ajoneuvoparkin koordinaatioon

Kun alueet, joihin kiinnitetään huomiota, on tarkennettu, erityisohjelmisto järjestää kadunpesukoneiden reitit siten, että ne kattavat laajemman alueen vähemmällä turhalla matkoilla paikasta toiseen. Nämä järjestelmät laskevat tehokkaimmat tavat kerätä roskat kaikkialta kaupungista ja tuoda ne yhteen keskitettyihin pisteisiin käyttäen tiettyjä pesujärjestyksiä. Viime vuoden Urban Logistics Review -julkaisun mukaan tämä lähestymistapa tarkoittaa, että työryhmien ei tarvitse palata samoille paikoille lähes yhtä usein – todellisuudessa noin 45 % vähemmän. Myös flottajohtajat hyötyvät tästä, sillä heidän kartointityökalunsa pitävät kaiken sujuvana. Useita pesukoneita voidaan käyttää rinnakkain naapurialueilla ilman, että ne häiritsevät toisiaan. Niille määritellyt alueet muuttuvat automaattisesti sen mukaan, kuinka nopeasti kukin työryhmä etenee. Kaikki tämä älykäs suunnittelu säästää noin 22 % polttoainekustannuksista ja pitää kadut puhtaina myös silloin, kun sää- tai juhlapyhien jälkeen on erityisen paljon likaa. Asioiden tehostuminen lisääntyy entisestään, kun järjestelmiin otetaan huomioon liikennemallit, jotta käyttäjät voivat välttää ruuhkia ja pysyä aikataulussa.

Dynaaminen kadunpesukoneiden reitin säätö käyttäen live-GPS- ja liikennetietoanalyysiä

Nykyiset kadunpesutoimet yhdistävät GPS-seurantajärjestelmät liikennetietojen analyysiin, jotta pesukoneita voidaan uudelleenohjata heti paikan päällä liikennekuormituksen tai tieosuuksien sulkemisen ilmetessä. Tämä tarkoittaa, ettei enää tuhlaudu aikaa kahdesti pesemällä samoja teitä tai odottamalla liikennekatasakkeissa. Kaupungin työntekijät keskustoimistossa voivat ohjata ajoneuvot eri kaduille lähes välittömästi, mikä varmistaa, että kaikki alueet saavat asianmukaista hoitoa. Lisäksi erityisillä antureilla havaitaan, kun roskat kertyvät liiallisesti tietyille alueille, mikä herättää henkilökunnan toimimaan nopeasti ongelmakohteissa ennen kuin tilanne pahenee. Kaikki nämä parannukset ovat vähentäneet merkittävästi polttoaineen kulutusta. Kokeilut viidessä keskikokoisessa yhdysvaltalaisessa kaupungissa osoittavat, että kokonaispolttoaineen hukka on vähentynyt noin 18 %:lla sen jälkeen, kun nämä älykkäät reititysteknologiat on otettu käyttöön.

Kausittainen, tapahtumaan perustuva ja rakennustyöhön huomioon ottava aikataulutus kadunpesukoneiden toiminnalle

Älykäs aikataulutus ottaa huomioon kaikki ne asiat, joita voidaan ennustaa tapahtuvan kausi kaudelta. Ajattele esimerkiksi lehtien putoamista syksyllä, suolajäännösten kertymistä teille talvikuukausina, liikennekuormitusten muodostumista urheiluarenojen ulkopuolella juuri ennen otteluiden alkua sekä nykyään kaikkialla esiintyviä jatkuvia rakennushankkeita. Kaupungeilla on nyt järjestelmiä, jotka todellakin lisäävät kadunpyyhintäkoneiden määrää tapahtumapaikkojen läheisyyteen juuri ennen suuria kokoontumisia. Ja kun jossakin paikassa on rakennustöitä käynnissä, GPS-perusteiset varoitukset ohjaavat roskakuljetusautot ja muut ajoneuvot vaihtoehtoisille reiteille, jotta ne eivät jää työalueille jumiin. Tämä auttaa pitämään tärkeät alueet puhtaina ilman, että myöhemmin tarvitaan hätäpuhdistusryhmiä, mikä säästää kaupungeilta noin 22 prosenttia odottamattomista puhdistuskustannuksista. Kaupungit ja kunnat, jotka ottavat käyttöön tällaiset ennustustyökalut, saavuttavat yleensä noin 30 prosentin laskun kansalaisten valituksissa likaisista kaduista niiden vilkkaimmilla vuoden aikoina.

Tasapainottamalla teknologiaa ja ihmisasiantuntemusta tienpesukoneiden reittien hallinnassa

GIS-perusteinen reittisuunnittelu tekee asiasta ehdottomasti tehokkaampaa, mutta meillä on edelleen tarve ihmisvoimaa kaikkien niiden ennakoimattomien kaupunkitilanteiden käsittelyyn. Automaattiset kadunpesukoneet toimivat erinomaisesti silloin, kun kaikki on ennakoitavissa, ja ne keräävät jätettä tarkasti suurimman osan ajasta. Ne kuitenkin kamppailevat muuttuvien olosuhteiden kanssa, kuten juhlakokoontumisten aiheuttamien joukkojen tai rakennustyömaiden kanssa, joissa jalankulkijat liikkuvat ennakoimattomasti eri pintojen yli. Otetaan esimerkiksi Barcelona – yhden kahdeksantunnin aikana operaattoreiden täytyi puuttua manuaalisesti toimintaan 12 kertaa vain varmistaakseen, että kaikki toimii sujuvasti. Tämä osoittaa, kuinka kaukana olemme täydellisestä automatisoinnista. Näiden työntekijöiden tehtävät ovat erinomaisen tärkeitä: he säätävät pesupainetta riippuen siitä, onko kyseessä vanhoja kivikkoja vai tavallista asfalttipintaa, kiertävät yllättäviä esteitä ja tarkistavat, vastaavatko tietokoneen generoimat reitit todellisuutta maastossa. Ponemon Institute:n viime vuoden mukaan työvoimapuutetta on 34 %, joten menestyvät kaupungit panostavat koulutusohjelmiin, jotka opettavat henkilökuntaa ei ainoastaan lukemaan tietoja, vaan myös korjaamaan laitteiston vikoja. Tavoitteena ei ole korvata ihmisen arviointikykyä koneilla, vaan luoda parempia työkaluja, jotka tukevat kokemusta omaavia työntekijöitä päätöksenteossa perustuen siihen, mitä he näkevät joka päivä.

UKK

Mikä GIS on?

Maantieteellisten tietojen järjestelmät (GIS) ovat järjestelmiä, joita käytetään maantieteellisen tiedon keräämiseen, tallentamiseen, analysointiin ja hallintaan. Niillä autetaan karttojen laatimisessa ja maantieteellisten alueiden analysoinnissa paremman päätöksenteon tukemiseksi.

Kuinka GIS auttaa kadunpesukoneiden reittisuunnittelussa?

GIS auttaa tunnistamaan suurten roskien kertymiskohteet analysoimalla erilaisia tietopisteitä, kuten jalankulun määrää, rakennustyömaita ja sääoloja. Se optimoi sitten pesureitit siten, että ne kattavat mahdollisimman laajan alueen tehokkaasti, mikä säästää aikaa ja vähentää polttoainekustannuksia.

Voiko GIS-teknologia toimia ilman ihmisen puuttumista?

Vaikka GIS-teknologia tarjoaa automatisoituja ominaisuuksia reittisuunnittelussa ja optimoinnissa, ihmisasiantuntijan osaaminen on olennaista ennakoimattomissa tilanteissa, kuten juhlakokoontumisten tai yllättävien rakennustyömaiden käsittelyssä.

Mitkä kustannussäästöt voidaan saavuttaa GIS-pohjaisella reittisuunnittelulla?

Optimoimalla kadunpesukoneiden reittejä ja aikatauluja kaupungit voivat saavuttaa jopa 22 %:n säästön polttoainekustannuksissa sekä vähentää odottamattomia puhdistuskustannuksia, koska suurempien ongelmien syntymistä voidaan estää.