Optimizing the placement of municipal solid waste collection and processing facilities (using the example of Balashovsky district of the Saratov region)

Cover Page

Cite item

Full Text

Abstract

The problem of solid municipal waste (SMW) management in Russia is becoming increasingly relevant, requiring the implementation of effective territorially-oriented solutions. The article analyzes the issues of optimizing the placement of SMW collection and processing facilities using the example of Balashovsky district of the Saratov region. The main focus is on using linear programming methods and geoinformation modeling to select optimal locations for waste processing plants. The application of GIS technologies and spatial analysis methods allowed for zoning of the territory and assessment of environmental risks. An optimal scheme for the placement of SMW collection and processing facilities for Balashovsky district of the Saratov region has been developed. The proposed scheme minimizes waste transportation costs and maximizes processing efficiency, contributing to the creation of a more sustainable and economically viable waste management system in the region.

About the authors

Dmitry V. Papilin

Saratov State University

83, Astrakhanskaya Str., Saratov, 410012, Russia

Mikhail Yurievich Prokazov

Saratov State University

83, Astrakhanskaya Str., Saratov, 410012, Russia

References

  1. Федеральный проект «Комплексная система обращения с твёрдыми коммунальными отходами». URL: https://www.gosproject.ru/project/waste-management (дата обращения: 11.04.2024).
  2. Основные показатели охраны окружающей среды / Федеральная служба государственной статистики (Росстат). М., 2020. URL: https://rosstat.gov.ru (дата обращения: 11.04.2024).
  3. Bing X., Bloemhof J. M., Ramos T. R. P., BarbosaPovoa A. P., Wong C. Y., van der Vorst J. Research challenges in municipal solid waste logistics management // Waste Management. 2016. Vol. 48. P. 584–592. https://doi.org/10.1016/j.wasman.2015.11.025
  4. Территориальная схема обращения с отходами Саратовской области / Министерство природных ресурсов и экологии Саратовской области. URL: https://www.minforest.saratov.gov.ru/info/?SECTION_ID=89 (дата обращения: 10.12.2024).
  5. Рубинов В. В., Фетисов В. А. Разработка модели оптимизации потоков ТКО на уровне маршрутов // Системный анализ и логистика. 2021. № 4 (30). С. 68– 75. https://doi.org/10.31799/2077-5687-2021-4-68-75, EDN: HAMJQE
  6. Рогулин Р. С., Нечаев П. В., Плешанов Д. Е. Решение транспортной задачи линейного программирования с учетом времени и максимального потока // Транспортное дело России. 2018. № 4. С. 79–82. EDN: XWTRWX
  7. Generowicz A., Kowalski Z., Kulczycka J. Planning of Waste Management Systems in Urban Area Using MultiCriteria Analysis // Journal of Environmental Protection. 2011. Vol. 2. P. 736–743. https://doi.org/10.4236/jep.2011.26085
  8. Zhang Y., Luo X., Han X., Lu Y., Wei J., Yu C. Optimization of Urban Waste Transportation Route Based on Genetic Algorithm // Security and Communication Networks. 2022. Vol. 2022. Article ID 8337653. https://doi.org/10.1155/2022/8337653
  9. Xu X., Wang F., Chen Y., Yang B., Zhang S., Song X., Shen L. Design of urban medical waste recycling network considering loading reliability under uncertain conditions // Computers & Industrial Engineering. 2023. Vol. 183. Article ID 109471. https://doi.org/10.1016/j.cie.2023.109471
  10. Балашовский район: гипсометрическая карта [Карты] / сост. и подгот. к изд. Саратовгражданпроект. Масштаб 1:300 000. Саратов : Саратовгражданпроект, 2008.
  11. О состоянии и об охране окружающей среды Саратовской области в 2022 году. URL: https://minforest.saratov.gov.ru/info/?SECTION_ID=65&ELEMENT_ID=4622 (дата обращения: 10.12.2024).
  12. СП 56.13330.2011 Производственные здания. Актуализированная редакция СНиП 31-03-2001. М. : Стандартинформ, 2017. 52 с.
  13. Ghiani G., Laganà D., Manni E., Triki C. Capacitated location of collection sites in an urban waste management system // Waste Management. Vol. 32, № 7. P. 1291–1296. https://doi.org/10.1016/j.wasman.2012.02.009
  14. Scikit-learn developers. DBSCAN: Density-Based Spatial Clustering of Applications with Noise // Scikitlearn : Machine learning in Python. URL: https://scikitlearn.org/stable/modules/generated/sklearn.cluster.DBSCAN.html (дата обращения: 11.04.2024).
  15. Левитин А. Алгоритмы: введение в разработку и анализ. М. : Вильямс, 2006. 574 с.
  16. Востряков А. В., Ковальский Ф. И. Геология и полезные ископаемые Саратовской области : учеб. пособие. Саратов : Изд-во Сарат. ун-та, 1986. 125 с.
  17. Березюк М. В., Румянцева А. В., Румянцева Е. И. Эколого-экономическое обоснование проекта по переработке твердых коммунальных отходов на основе современных технологий // Вестник ВГУ. Серия : Экономика и управление. 2017. № 3. С. 31–38. EDN: YKHFQN
  18. Теплова Т. В. Инвестиции : учебник и практикум для вузов ; 2-е изд., перераб. и доп. М. : Юрайт, 2024. 781 с.
  19. Ларионов Н. М., Рябышенков А. С. Промышленная экология : учебник и практикум для вузов ; 4-е изд., перераб. и доп. М. : Юрайт, 2024. 472 с.
  20. Экономика природопользования : учебник / под ред. К. В. Папенова. М. : Изд-во Московского университета, 2012. 900 с.
  21. Ильченко И. А., Макарцева Л. В., Преображенский Ю. В., Цоберг О. А. География хозяйства Саратовской области. Саратов : ИЦ «Наука», 2018. 99 с. EDN: WMNJUU
  22. Преображенский Ю. В., Клюкин С. С. «Зелёные» технологии в обрабатывающей промышленности российских регионов // Известия Саратовского университета. Новая серия. Серия : Науки о Земле. 2024. Т. 24, вып. 4. С. 222–229. https://doi.org/10.18500/1819-7663-2024-24-4-222-229, EDN: BXUMON

Supplementary files

Supplementary Files
Action
1. JATS XML
Download


Creative Commons License
This work is licensed under a Creative Commons Attribution 4.0 International License.

Согласие на обработку персональных данных с помощью сервиса «Яндекс.Метрика»

1. Я (далее – «Пользователь» или «Субъект персональных данных»), осуществляя использование сайта https://journals.rcsi.science/ (далее – «Сайт»), подтверждая свою полную дееспособность даю согласие на обработку персональных данных с использованием средств автоматизации Оператору - федеральному государственному бюджетному учреждению «Российский центр научной информации» (РЦНИ), далее – «Оператор», расположенному по адресу: 119991, г. Москва, Ленинский просп., д.32А, со следующими условиями.

2. Категории обрабатываемых данных: файлы «cookies» (куки-файлы). Файлы «cookie» – это небольшой текстовый файл, который веб-сервер может хранить в браузере Пользователя. Данные файлы веб-сервер загружает на устройство Пользователя при посещении им Сайта. При каждом следующем посещении Пользователем Сайта «cookie» файлы отправляются на Сайт Оператора. Данные файлы позволяют Сайту распознавать устройство Пользователя. Содержимое такого файла может как относиться, так и не относиться к персональным данным, в зависимости от того, содержит ли такой файл персональные данные или содержит обезличенные технические данные.

3. Цель обработки персональных данных: анализ пользовательской активности с помощью сервиса «Яндекс.Метрика».

4. Категории субъектов персональных данных: все Пользователи Сайта, которые дали согласие на обработку файлов «cookie».

5. Способы обработки: сбор, запись, систематизация, накопление, хранение, уточнение (обновление, изменение), извлечение, использование, передача (доступ, предоставление), блокирование, удаление, уничтожение персональных данных.

6. Срок обработки и хранения: до получения от Субъекта персональных данных требования о прекращении обработки/отзыва согласия.

7. Способ отзыва: заявление об отзыве в письменном виде путём его направления на адрес электронной почты Оператора: info@rcsi.science или путем письменного обращения по юридическому адресу: 119991, г. Москва, Ленинский просп., д.32А

8. Субъект персональных данных вправе запретить своему оборудованию прием этих данных или ограничить прием этих данных. При отказе от получения таких данных или при ограничении приема данных некоторые функции Сайта могут работать некорректно. Субъект персональных данных обязуется сам настроить свое оборудование таким способом, чтобы оно обеспечивало адекватный его желаниям режим работы и уровень защиты данных файлов «cookie», Оператор не предоставляет технологических и правовых консультаций на темы подобного характера.

9. Порядок уничтожения персональных данных при достижении цели их обработки или при наступлении иных законных оснований определяется Оператором в соответствии с законодательством Российской Федерации.

10. Я согласен/согласна квалифицировать в качестве своей простой электронной подписи под настоящим Согласием и под Политикой обработки персональных данных выполнение мною следующего действия на сайте: https://journals.rcsi.science/ нажатие мною на интерфейсе с текстом: «Сайт использует сервис «Яндекс.Метрика» (который использует файлы «cookie») на элемент с текстом «Принять и продолжить».