הגידול המהיר באוכלוסיית ישראל מחייב את בנייתן של כ-1.5 מיליון דירות עד 2040, כאשר חלק ניכר מהן יתבצע בתהליכי התחדשות עירונית. תהליכים אלו, אף שהם חיוניים, מלווים ביצירת כמויות עצומות של פסולת בנייה, המוערכת בלמעלה משבעה מיליון טון בשנה בישראל; מתוכם מעל מיליון טון מושלכים באופן בלתי חוקי מידי שנה (לפי נתוני המשרד להגנת הסביבה). לניהול לקוי של פסולת בנייה יש השלכות מרחיקות לכת: פגיעה בנכסי טבע, בזבוז קרקעות, זיהום קרקע ומים, פגיעה אסתטית במרחב הציבורי, ולעיתים אף ירידה בערכי נדל"ן. מאידך, שימוש חוזר בחומרים – כאשר נעשה כראוי – עשוי להפחית את התלות במשאבים טבעיים, להפחית עלויות בנייה, ואף ליצור שוק חדש של משאבים משניים.
חידוש כפול: טכנולוגי ותפיסתי
המחקר החדש שלי מאפשר לשנות את המצב הקיים ולהתקדם לכיוון כלכלה מעגלית. הוא מציג חדשנות בשני רבדים: הראשון הוא תפיסתי, כלומר ראיית פסולת הבנייה לא כ"מפגע" אלא כ"מחסן משאבים עירוני" וכפוטנציאל לחומרי גלם לשימוש חוזר. השני הוא טכנולוגי. כלי בינה מלאכותית מתקדמים מאפשרים לזהות את מרכיבי הפסולת באופן מדויק, באופן שמאפשר "לכרות" מתוך המרחב העירוני חומרים יקרי ערך ולשלבם מחדש בתעשיית הבנייה והתשתיות, ובכך להפחית את התלות במשאבי טבע בתוליים.
החידוש המרכזי של המחקר הוא היכולת לבצע באופן אוטומטי תהליך של סגמנטציה סמנטית מדויקת של תמונות אוויר. מה זה אומר בעברית פשוטה? מדובר במעין "צביעה חכמה" של תמונה: המחשב מזהה איזה אובייקט נמצא בכל פיקסל בתמונה. כל הפיקסלים השייכים לאותו סוג של אובייקט מקבלים אותו צבע או תווית התוצאה היא מפה צבעונית שמראה איפה כל דבר נמצא בצורה מדויקת. בניגוד לשיטות ידניות מסורתיות, שהן לרוב איטיות, דורשות משאבים רבים ונוטות לשגיאות אנוש, המודל החדש מנתח תצלומי רחפן של אתרי פסולת בנייה ומסוגל לזהות באופן מדויק מגוון רחב של חומרים שונים כמו מתכות, עץ, מינרלים ועוד. המודל "אומן" על בסיס מאגר נתונים עצום הכולל למעלה מ-46,000 פריטים שסומנו ותויגו באופן ידני, דבר שאפשר למודל לפתח יכולות זיהוי גבוהות, המתבטאות בדיוק של 86% בזיהוי סוג החומר ברמת האזור כולו ו-67% ברמת הפריט הבודד. בנוסף למודל הראשי, פותח "גלאי ייעודי" לזיהוי סוגי פסולת נדירים במיוחד, כגון צמיגי גומי ומתכות.
טכנולוגיה בשירות הכלכלה המעגלית
המחקר מתכתב עם מגמות עולמיות ההולכות ותופסות תאוצה בשנים האחרונות. כך למשל, מחקר עדכני באוסטרליה הציג שילוב של נתונים גיאוגרפיים (GIS) עם בינה מלאכותית לחיזוי נקודות סיכון להשלכת פסולת. מחקרים בהונג קונג עשו שימוש בביג דאטה ובמודלים סטטיסטיים לזיהוי מקומות סבירים להשלכה בלתי חוקית של פסולת. בעבודות נוספות (למשל כאן וכאן) הוצגו כלים חצי-אוטומטיים למיפוי פסולת ממעוף הרחפן, תוך שימוש ברשתות נוירונים ובאלגוריתמים מתקדמים.
מה ההשפעה הפוטנציאלית של כלים אלו?
מיפוי מדויק ועדכני של אתרי פסולת: השילוב של טכנולוגיות צילום רחפן מתקדמות וניתוח נתונים מבוסס בינה מלאכותית מאפשר יצירת מפות דיגיטליות מפורטות ועדכניות של אתרי פסולת בנייה בלתי חוקיים ברזולוציה גבוהה במיוחד. המפות מספקות מידע בעל ערך רב לגבי המיקום המדויק של הפסולת, הערכה של הכמות המשוערת שלה והרכב החומרים שלה. צילומי הרחפן בוצעו בגבהים נמוכים (20-25 מטרים), והשיגו רמת פירוט גבוהה של 0.6-1 ס"מ לפיקסל.
ניהול הפסולת וקידום כלכלה מעגלית: היכולת לזהות ולסווג את סוגי הפסולת השונים באופן אוטומטי פותחת פתח לשיפור בתהליכי המיחזור והשבת החומרים היקרים. רשויות מקומיות וחברות פרטיות יכולים להשתמש במידע המפורט המתקבל ממערכת זו כדי לתכנן בצורה מושכלת ויעילה יותר את פעולות איסוף הפסולת, תהליכי מיון החומרים והפנייתם למתקני טיפול ומיחזור המתאימים ביותר. כך, פסולת בנייה, שנחשבה עד כה לנטל סביבתי וכלכלי, הופכת למקור פוטנציאלי משמעותי לחומרי גלם משניים – דבר התומך בעקרונות הכלכלה המעגלית ברמה המקומית. זאת, לעומת זיהוי ידני של פסולת שיכול להיות תהליך מייגע הגוזל זמן רב, במיוחד כאשר הפסולת מפוזרת בשטחים נרחבים וקשה לזיהוי.
כלי עבור רשויות מקומיות ומקבלי החלטות: המיפוי המפורט והמידע המדויק על הרכב הפסולת מספקים בסיס נתונים אמין ועדכני לקבלת החלטות בנוגע למדיניות ניהול פסולת, מבצעי ניקוי ואכיפה יעילה. היכולת לבצע זיהוי מדויק של סוגי פסולת מסוכנים, כגון צמיגים, מאפשרת טיפול ייעודי ובטוח ובכך מצמצמת באופן משמעותי את הסיכונים הסביבתיים והבריאותיים הנובעים מהשלכה בלתי מוסדרת.
קידום שוק של משאבים משניים: חומרים שונים, כגון מתכות, עץ ופלסטיק, נבדלים זה מזה בערכם הכלכלי בשוק המיחזור. שימוש נרחב בחומרים ממוחזרים בתעשיית הבנייה והתשתיות מפחית את התלות במקורות חומרי גלם טבעיים, מוזיל את עלויות הבנייה והתשתיות, ובמקביל יוצר שוק חדש למשאבים משניים. יתרה מכך, הפחתה בכמויות הפסולת המפונות להטמנה מובילה לחיסכון בעלויות הפינוי וההטמנה.
שיפור פני המרחב ואיכות החיים: ניהול פסולת יעיל ומתקדם באמצעות כלי בינה מלאכותית מסייע להתמודד עם תופעת ההשלכה הבלתי חוקית של פסולת בשטחים הפתוחים ובמרחבים הציבוריים. כתוצאה מכך, המרחב – בתוך ומחוץ לעיר – יכול להפוך לנקי, אסתטי ובטוח יותר עבור התושבים, והנזקים החמורים הנובעים מזיהום קרקע ומים צפויים לפחות באופן משמעותי. זיהוי מוקדי פסולת בלתי חוקיים באמצעות רחפנים ובינה מלאכותית יכול לסייע באיתור מוקדם ובטיפול יעיל במפגעים סביבתיים.
אז מה הלאה?
כלים טכנולוגיים מתקדמים יכולים לייעל את עבודתן של רשויות מקומיות, גופי סביבה וחברות מיחזור. כדי לעודד את שילובם, מומלץ לספק תמיכה תקציבית למתקני מיחזור חדשניים, לתגמל רשויות על שיפור בניהול פסולת באמצעות אוטומציה, ולחזק שיתופי פעולה בין מגזרים.
ישראל ניצבת בפני אתגרי פסולת חמורים: כמויות גבוהות לנפש, תלות בהטמנה וגידול בייצור פסולת בנייה לצד השלכה פיראטית של פסולת בשטחים הפתוחים. טכנולוגיות כמו זו שפותחה במחקר מאפשרות זיהוי מוקדם של מוקדי השלכה, הערכת הרכב הפסולת ותכנון מדויק של טיפול ומיחזור והשבת חומרים לכלכלה המקומית. פסולת בנייה – כשמזהים וממיינים אותה נכון – הופכת ממטרד למשאב והזדמנות כלכלית-סביבתית. בינה מלאכותית תומכת לא רק ביעילות, אלא גם במדיניות קיימות עירונית ובמעבר לכלכלה מעגלית.
מבחינה זו, הזיהוי של מרכיבי הפסולת הוא רק ההתחלה. לאחר יצירת מפת הפסולת ומרכיביה, נפתח פתח לפעולות מבצעיות, הכוללות למשל הפניה של משאיות איסוף לאתרי טיפול מורשים, ניתוח כלכלי של כדאיות פינוי או מיחזור, הנגשת המידע לרשויות מקומיות לטובת אכיפה, תכנון ניקיון, ואפילו הטמעת תעריפים דיפרנציאליים לפי סוג חומר. צעד עתידי יכול להיות פיילוט עם עיריות וגורמים ממשלתיים, במטרה לבדוק את יישום המודל בזמן אמת, ובהמשך – שילובו בתשתיות מערכתיות של תפעול עירוני ומיחזור.
שותפים למחקר:
בית הספר החדש לסביבה, אוניברסיטת תל אביב
אריה גורון ויוני צור, בית הספר ע"ש בלאוטיין למדעי המחשב, אוניברסיטת תל אביב
מוני שחר, מרכז הבינה המלאכותית ומדעי הנתונים, אוניברסיטת תל אביב
ורד בלאס, פקולטה להנדסה באוניברסיטת תל אביב
המכון הבינלאומי לניתוח מערכות יישומיות (IIASA), אוסטריה
מרכז בינה מלאכותית ומדעי הנתונים (TAD)
Mabat 3D Technologies חברת צילום עם רחפן