意思決定支援ツールの開発とテストを通じた都市における水再利用ネットワークの最適設計

npj クリーン ウォーター 6 巻、記事番号: 23 (2023) この記事を引用

1069 アクセス

27 オルトメトリック

メトリクスの詳細

水不足と干ばつは世界の多くの地域で深刻な問題となっています。 都市の水システムの文脈では、循環型への移行は廃水の処理と再利用を意味する可能性があります。 水再利用プロジェクトの計画と評価には、意思決定者が代替シナリオのコストと利点を評価する必要があります。 飲料水と再生水の配水ネットワークの計画には、手動または半自動のアプローチが依然として一般的です。 この研究では、オープン データ ソースと貪欲な最適化アルゴリズムと組み合わせたグラフ理論に基づいて、特定のシナリオに最適な再生水ネットワークを自動的に計算できる意思決定支援ツールを示します。 このツールは、投資単位当たりの再生水の最大供給量だけでなく、必要なパイプの長さと直径、貯蔵タンクの位置とサイズ、供給される人口、建設コストなど、すべての情報も提供します。同じアーキテクチャです。 このツールの有用性は、サイズ、密度、地形の点で相補的な 2 つの異なる都市で示されています。 人口約 10 万人の都市における最適な水再生ネットワークの建設コストは、1m3 あたり 0.17 ～ 0.22 ユーロの範囲であると推定されています (回収期間 30 年間)。

水資源は有限であり、空間的にも時間的にも不平等に分布しています。 水不足と干ばつは、少なくとも季節的にはその強度と頻度の点で、多くの地域で問題が増大しています1。 観光業は、その存続可能性と持続可能性が適切な水の供給量と質に依存するため、地域、地域、世界規模で最も重要な水を消費する部門の 1 つとして認識されています 4。

都市の水道システムの状況では、循環型への移行と飲料水の消費量の最小化には、（廃）水処理や水の再利用を含む水インフラの再設計が必要です5。 処理された廃水は、灌漑、トイレ洗浄、洗車、清掃目的、工業用途6などの非飲料目的に使用できますが、その場合には適切な技術を慎重に選択する必要があります。 EU 法 (EU 2020/741) では、特に農業用水の再利用を目的とした最小要件が定められています。 ただし、観光施設での水の再利用や、トイレの洗浄などの一般的な都市用途での水の再利用については特に規制していません。 スペインは、キプロス、ギリシャ、フランス、イタリアを除けば、国内で法的拘束力のある水再利用規制 (RD 1620/2007) を導入しているわずか 5 つのヨーロッパ諸国のうちの 1 つです。 実際、スペインの水再利用規制は、現在、トイレの洗浄や庭の灌漑など、明確に定義された水再利用の用途が最も多い EU の規制です。 ヨーロッパ以外にも、米国、オーストラリア、シンガポール、南アフリカなど世界中の国でも、都市での、特に家庭用としての再生水の使用を許可しています。 さらに、水の再利用を信頼できる代替資源として検討する国が間もなく増えることが予想されます。 スペインのいくつかの自治体（サン・クガ・デル・ヴァレスなど）は、高層ビルでの水の再利用を推進しています7,8。 それにもかかわらず、用途は依然として非常に限られており、関連情報は文献にほとんどありません。

効率的かつ持続可能な水の再利用には、実行可能な水の再利用プロジェクト（つまり、水再生処理プラントと潜在的な用途への分配）が必要です。 水再利用プロジェクトを計画し評価するには、意思決定者が次のような問題に関する多くの質問に答える必要があります: (i) 実施される最適な三次/高度処理、(ii) 都市内の使用/利用者の数 (すなわち、どれくらい)廃水は再利用する必要がある)、(iii) 最適な配水ネットワークを選択する方法。 これらの質問に対する答えを得るには、さまざまな基準によってすべてのシナリオのコストと利点を評価しながら、水再生利用のためのさまざまな課題 (環境、経済) と技術、および再生水の潜在的な利用を検討する必要があります。

独創的な研究9として、地中海沿岸の大量観光目的地であるリョレト・デ・マル市（スペイン北東部カタルーニャ州）で水の再利用の影響を評価するライフサイクル評価研究が実施されました。ライズホテル。 この調査では、非最適化 (飲料水の消費のみ)、分散型、ハイブリッド、集中型の 4 つの異なるシナリオを検討しました。 すべての配水ネットワークは、地形の標高が最も低い最短経路を想定して手動で設計されました。 実際、考慮する必要がある複数の要素 (地形の標高、街路図、パイプの直径、地形の用途など) により、飲料用と再生用の両方の配水ネットワークを計画する際には、手動または半自動の設計が依然として一般的であることを意味します。水。

複数のデータ、さまざまな分野の知識、計算能力を統合する必要があります。 これは複雑な問題であり、モデルベースの意思決定支援ツールがさまざまなソリューションを提供することで役立ちます。 廃水管理のための意思決定支援ツールに関するこれまでの研究は主に廃水処理に焦点を当てており 10,11、最近のいくつかの例は水再生のための最も適切な高度な処理技術の選択を扱っています 12,13。 再生水の配水ネットワークの設計はほとんど注目を集めてきませんでした。

集中下水インフラに最適な経済スキームを計画し特定するという問題は、部分的に解決されました14。 このソリューションは、集水管ネットワークを設計して位置を特定するための地理情報システムの可能性に基づいています。 ただし、オンサイトでの水の再利用のみが考慮されているため、水再生ネットワークは必要ありません。 さらに、世界中で利用可能なデータ (GIS や統計データなど) を使用した廃水管理のための改良されたデータ削減手法が提案されており、このアプローチを世界中で適用できるようになりました。 一方、16、del Teso et al。 (2019) は、運用上の損失だけでなく構造的 (または地形的) 損失も考慮して、飲料水配水ネットワークにおけるエネルギーの最適化を目指しています。 しかし、水再生ネットワークの初期（またはまったく新しい）設計を考慮したものはありません。 さらに、複数のツールが、ツール間で変数やパラメータの対応する変換を伴う連続的に使用されることもあり、特に最適なネットワーク設計を目指す場合には、非常に時間のかかる作業となります17。

In18 では、著者らは、衛星とオンサイトという 2 つの分散化スケールに基づいて、分散化された雑排水再利用計画のライフサイクル コストと利点を評価しています。 しかし、これら 2 つの分散化スケールでは、生の雑排水を水源で廃水から分離する必要がありますが、これは多くの都市では不可能です。 集中水再生プラントとそれに対応する配水ネットワークは考慮されていません。 都市の雨水管理に関する文献もあります。 Khurelbaatar らの研究。 (2021)17 は、都市雨水流出の影響を軽減するために、既存の都市環境で都市雨水を管理する可能性を推定するために、DHI (デンマーク、ホースホルムの MIKE URBAN) のソフトウェア パッケージ MIKE URBAN を使用するアプローチを示しています。 しかし、彼らが提案したシナリオのうち、雨水の再利用を考慮したものはほとんどありません。

配水および廃水ネットワークのモデリングは、ループ水圧平衡法に基づく配水ネットワークの設計や、SARS-CoV-2 検出のための廃水センサー配置アプローチ 21 など、グラフ理論 19 など 20 を通じてアプローチできますが、高度な分析にはまだ使用されていません。給水ネットワークの自動設計最適化。

このような背景を踏まえ、この文書の目的は、都市における水再利用ネットワークを計画するための意思決定支援ツールについて説明することです。 私たちのアプローチは、既存の貪欲な最適化アルゴリズムと組み合わせたグラフ理論に基づいて水再利用ネットワークを設計するためのいくつかのアルゴリズムを統合しています22、23。 私たちの提案は、文献とは対照的に 1 つのツールで構成されており、データ交換の必要性を回避し、結果として時間と労力を節約できる可能性があります。 このツールは、都市の特性 (土地や建物の用途、標高、傾斜などの地形の特性) と水の消費率を組み合わせて、水の再利用に最適なネットワークを自動的に提案します。 この論文では、大規模な水再利用ネットワークを設計および最適化するための高度なアルゴリズムを提案します。 私たちのソリューションの有用性は、実際の都市でのテストでも実証されています。 そして、この線では、規模が異なり、水の利用と要件が大幅に異なる 2 つの都市が比較されました。 建設コストと節水効果がシナリオごとに見積もられます。 最後に、予算が限られている場合でも、最適な給水ネットワークを提供できます。

このセクションではまず、水再利用プロジェクトを計画するための REWATnet と呼ばれる革新的な意思決定支援ツールについて説明し、関連する手順と生成される成果に焦点を当てます。 次に、ジローナ市とリョレト デ マル市の潜在的な水再利用プロジェクトを生成および分析するためのツールのアプリケーションについて説明します。 各都市の再生水生産のための水再生処理プラントの位置は、望ましい再生水質に必要な水処理が含まれていると仮定して、集中シナリオにおける既存の下水処理プラントと同じであると考えられます。 さまざまなアルゴリズムとさまざまなシナリオを使用して取得された再生水ネットワークが比較され、予算が限られている場合のネットワーク最適化のための REWATnet ツールの有用性も示され、半手動アプローチと比較されます。

都市水再利用プロジェクトを計画するための新しい REWATnet 意思決定支援ツールには、次のステップが含まれます。(i) シナリオを定義する。 (ii) 初期グラフを生成する。 (iii) 再生水ネットワークを生成する。 (iv) 主要な出力指標を推定する。 このツールは、スペインの再生水ネットワークを設計するための革新的なメカニズムを提供し、どの国にも簡単に適応できます。 図 1 は、水再利用計画ツールの簡略化されたスキームを示しています。

REWATnet の簡素化されたスキーム。 データ フローは次のとおりです。(i) ユーザー入力、カスタマイズ可能な値、オープン データ ソースを含むシナリオを定義します。 （ｉｉ）初期グラフを生成する。ここでは、初期都市ストリートグラフがＯｐｅｎＳｔｒｅｅｔＭａｐ ＡＰＩから生成され、標高がＥｌｅｖａｔｉｏｎ ＡＰＩから各ノードに追加され、消費量がノードに追加される地籍ファイルが処理される。 (iii) 再生水ネットワークを生成する。これには、都市クラスタ化、ルーティング アルゴリズム、パイプ直径選択 (DS)、制限予算 (LB) などのアルゴリズムを初期グラフに適用することが含まれます。 (iv) 重要な出力指標の推定。再生水ネットワークを含む結果グラフ ファイル、地図上の視覚化、節水、ネットワークの長さ、供給される水、および細分化された総ネットワーク建設コストが取得されます。

シミュレーションするシナリオの定義は、ユーザー入力の定義、オープンソース データの収集、および必要な場合のみデフォルト値のカスタマイズで構成されます。 必要なユーザー入力は、対象都市の識別子、都市の地籍データ ファイル、および下水処理場の場所のみです。 一方では、都市識別子は、OpenStreetMap API (「メソッド」セクションを参照) を通じて都市のストリート グラフを取得するために使用され、名前、郵便番号、または OpenStreetMap 識別子で指定する必要があります。 一方、同じ都市識別子は、都市の地形デジタル標高モデル (DEM) を収集するためにも使用されます。これは、都市のストリート グラフ ノードの標高を取得するために不可欠です (「方法」セクションを参照)。 標高データは通常、国の公式地理データ プロバイダーから入手できます。スペインの場合、これは Instituto Geografico Nacional24 です。 DEM は、5x5 メートルの精度でこのソースから取得されます。

市の地籍データ ファイルは、土地区画と建物のデータを収集するために使用されます。 スペインでは、土地区画と建物のデータは公式の地籍オンライン データベースから取得できます。 このデータは自由にダウンロードできる 4 つのファイルに分割されています。1 つは都市部と農村部の区画と建物を含む 2 つの「.cat」拡張子ファイル、もう 1 つは都市部と農村部の両方の公共庭園を含む 2 つの「.shp」拡張子ファイルです。 これらのファイルは処理が難しい形式で提示され、より高速かつ簡単なデータ処理を行うために、Python26 カスタム実装スクリプトを使用して、ファイルは変換され、独自の標準 JSON (JavaScript Object Notation25) ファイルに結合されます。 他の国の場合は、対応する当局の土地区画データを処理し、標準の JSON ファイルを生成する必要があります。 同じ再生水処理施設に接続されている複数の自治体の場合、すべての自治体からのファイルをダウンロードし、スクリプトを使用して JSON に変換し、結合して固有のファイルを形成する必要があります。 さらに、OverPass API27 および Shapely28 ライブラリを使用すると、公共庭園の位置と表面は地籍ファイルに含まれていないため、取得して追加できます。

オプションのユーザー入力は、再生水の検討された用途のサブセットの定義、最小の水消費量の閾値、および水の再利用に特に適した特定の都市エリアです。 再生水の検討された用途のサブセットによって、ネットワークの目的地が定義されます。 水消費量の閾値は、各ネットワーク宛先で最小量の再生水が供給されなければならないかどうかを指定することができる。 水の再利用に特に適した特定の都市エリアの選択は、ターゲットとなる新しい都市の居住地 (つまり、近隣地域またはセクター) や統計および将来の作業の目的に関連する可能性があります。 OverPass API は、Shapely ライブラリ (特定のノードがどのポリゴンに属しているかを確認する) とともに、特定の都市エリアを抽出する (区画を定義する地理的ポリゴンをダウンロードする) ために使用されます。 デフォルトでは、すべての水使用カテゴリ、すべてのネットワーク宛先の水消費量のしきい値 0 m3/日 (「方法」セクションを参照)、および都市エリア全体が水再利用プロジェクトの対象となります。

シナリオが定義され、すべてのデータが収集されると、REWATnet 意思決定支援ツールは再生水ネットワークを生成できるようになります。 まず、初期グラフが生成され、その後、さまざまな最適化アルゴリズムが適用されます (「方法」セクションを参照)。

初期グラフは、ノードの標高、道路の勾配、都市の地形の使用状況、位置、住民、起点ノードと終点ノードなどのデータを都市のストリート グラフに追加することによって生成されます。 次に、ルーティング アルゴリズムが初期グラフから計算され、次の 2 つのアプローチに基づいて最適な再生水ネットワークが取得されます。(i) 予算に関係なくシナリオで定義された目的地に水を供給する、または (ii) 供給される水を最大化する。限られた予算。 最初のアプローチでは、対象となる都市の規模に応じて、都市クラスタリング アルゴリズムが最初に初期グラフに適用されます。 次に、メイン ネットワーク (つまり、最初のノード (浄水場の隣の水槽) から都市に沿って分散しているクラスターの水槽まで) と分岐ネットワーク エリア (つまり、各クラスターの水から) のルーティング アルゴリズムが計算されます。タンクをすべての目的地に送ります）。 ルーティング アルゴリズムは再生水ネットワークのベースを生成しますが、パイプの直径がまだ計算されていないため、ネットワークの構築コストは不明のままです。 次に、パイプ直径選択 (DS) アルゴリズム (アルゴリズム 1) の計算により、再生水ネットワークのすべてのパイプ直径が生成され、建設コストを計算できるようになります (補足表 1、補足表 2、および補足表 3 を参照)。 。

2 番目のアプローチでは、制限された予算 (LB) 可用性アルゴリズム (アルゴリズム 2) が、単一の分岐ネットワーク エリアを考慮して計算されます。 LB アルゴリズムは、ルーティング アルゴリズムと DS アルゴリズムを使用して、特定の予算内で供給される水量を最大化する再生水ネットワークを構築します (「方法」セクションを参照)。

REWATnet 意思決定支援ツールは、次の主要な出力指標を推定します。

最適な再生水ネットワークのグラフ ファイル: 最適な再生水ネットワークは、さらなる分析のために標準のgraphml 形式のファイルで提供されます。

最適な再生水ネットワークの地図上の視覚化: 平面上および地図上に描かれた再生水ネットワークの明確な視覚的表現。PDF ベクトル画像ファイルで提供されます。

ネットワークの長さ、パイプの直径、給水人口、および総節水量: 各再生水ネットワークに関連するこの関連データは、単純なテキスト ファイルで提供されます。 この水の量は飲料水配給ネットワークから差し引かれるため、節水の合計は再生水の消費量の合計として想定されます。

細分化されたネットワーク建設コスト: 再生水ネットワークの建設コストが、主要なネットワークのコスト、分岐ネットワークのコスト、および貯水タンクのコストによって細分化され、数千ユーロ (€K) 単位で表示され、別の単純なテキスト ファイルで提供されます。

さまざまなシナリオの実行と分析の前に、ジローナのケーススタディに対して REWATnet ツールの予備検証が行われました。 このツールによって推定された潜在的なユーザーの再生水消費量は、水道当局から提供された実際の水消費量データと比較されました (表 1 を参照)。 推定モデル消費量は、補足資料の補足表 4 の方法と参考文献、および土地プロットから抽出された情報に基づいて計算されました (「方法」セクションを参照)。 検証では、全体的な誤差が 6.4% と非常に正確であることがわかりました。 水使用のカテゴリーによると、表 1 に示すように、実際の消費量と推定消費量の間の誤差は、経済活動と家庭用のカテゴリーの両方で特に小さくなっています。水の消費量が最も低いと想定される公共利用の場合、モデルは次のことを示しています。誤差は 23.8% です。 この誤差は総消費量の 10% にすぎないため、全体の誤差 6.4% にはほとんど影響しません。 スポーツセンターでのトイレの水洗と灌漑の消費量データの推定は複雑であり、土地区画データが不完全または古い可能性があるため、このモデルは公共利用の消費量がより多くなると推定しています。 最後に、比較できる実際のデータがないため、菜園の灌漑のための消費量が含まれていないことは注目に値します。 また、検証結果が満足のいくものでない場合 (今回の作業の場合はそうではありません)、このツールでは推定消費率の一部のパラメーター値を微調整できることにも注意してください (表 1)。

Kou、Takasho、Mehlhorn ルーティング アルゴリズムの中で、Mehlhorn アルゴリズムが計算の複雑さが低いため、文献で最も適していることが判明しています (「方法」セクションを参照)。 それにもかかわらず、すべてのルーティング アルゴリズムは、精度を評価するためにケース スタディの都市でテストされており、再利用されるネットワーク長が短いほど精度が向上します。 したがって、この計画ツールは、コウ、タカハシ、メルホルンのアルゴリズムを適用して、ジローナ市とリョレト デ マル市の都市部全体に最適な再生水ネットワークを設計するために最初にテストされました。 どちらの都市でも、再生水は集中型水再生プラントで生成され、その横に設置された初期貯水タンクに保管されます。 リョレト デ マル市全体は独自のクラスター (つまり、1 つの分岐ネットワーク エリア) とみなされますが、ジローナの場合は都市クラスター化技術が適用され、給水タンクの最適な配置が決定されます。 実際、都市の規模により、ジローナの場合、再生水ネットワークに沿って中間水タンクが必要となります。 どちらのケーススタディでも、公共の水利用のみが考慮されています。 さらに、土地区画の中心 (つまり、再生水を使用する物理的エンティティの地理的中心) と都市の最初のストリート グラフの最も近いノードの間の 300 m 以内にある水の再利用先を検討します。 この考慮は、再生水ネットワークが街路に基づいて構築されているため、街路図から遠すぎる土地区画の公式データから得られる水の目的地 (たとえば、都市郊外の農場) を無視するために必要です。 このシナリオを考慮すると、ジローナの最初のグラフでは、総水消費量が 2129 m3/日の 328 の目的地が考慮され、リョレト デ マルの最初のグラフでは、144 の目的地で総水消費量が 1182 m3/日と考慮されています。

表 2 は、さまざまなルーティング アルゴリズムと 2 つの都市の REWATnet 出力指標の比較を示しています。 最初に注目すべきことは、ジローナとリョレト デ マールの両方で、Kou アル​​ゴリズムと Mehlhorn アルゴリズムはまったく同じ精度 (同じ再利用されたネットワーク パイプ長) を示しているのに対し、Mehlhorn アルゴリズムの方が計算時間が大幅に短い (約 100 倍高速である) ということです。 ）。 タカハシ アルゴリズムは、Kou アル​​ゴリズムや Mehlhorn アルゴリズムに比べて最高の精度 (再利用されたネットワーク パイプ長が短い) を示しますが、大規模な目的地セットを持つ都市では実行時間が手に負えなくなります (Mehlhorn アルゴリズムよりも約 18,025 倍と 117,179 倍遅い)。

両方の都市について、最適なルーティング アルゴリズムを使用して、すべての目的地に水を供給する 2 つのシナリオを考慮して再生水ネットワークが計算されました。(i) 公共水利用のみ、(ii) 公共水利用と私設水利用の両方。 このセクションでは、最も関連性の高い主要な出力指標のいくつかを示します。

リョレト・デ・マルに関して、図 2 は 2 つのシナリオで生成された再生水ネットワークを表すグラフを示しています。 最初のシナリオでは、44 km のネットワーク、総建設費 362 万 8,000 ユーロ、パイプ直径の平均 64 mm、総消費量 283 m3/日となり、総需要水の 4.1% を供給します (供給される水/総需要 × 100）。 2 番目のシナリオでは、水需要全体に対応するために、104 km のネットワーク、総建設費 9,429,000 ユーロ、パイプの平均直径 82 mm、総消費量 6,844 m3/日という結果になります。 最初のシナリオの立方メートル当たりの建設コストは 12.82,000/m3/日で、2 番目のシナリオの 1.38,000/m3/日と比較すると、9 倍以上大きいことは注目に値します。 この違いは、私的な水の使用には、最初のシナリオにすでに (部分的に) 含まれている接続が必要であるという事実に関連している可能性があります。

左側の図は、公共の場合のみの再生水ネットワークを示し、右側の図は、公共用途と民間用途の両方の結果として得られる再生水ネットワークを示しています。 都市のストリート グラフは灰色のパスで表され、再生水ネットワークはマゼンタのパスで表されます。

ジローナに関して、表 3 には、公共水利用と私的水利用のシナリオ (ii) について、さまざまなクラスタリング ソリューション (1 ～ 8 クラスター) で得られた水再生ネットワーク建設コストの合計が含まれています。 観測された総水消費量は 7,142 m3/日で、各クラスターの平均コストが 4.2% 増加します。 2 クラスターから 8 クラスターまでの分岐ネットワークのコストも同様であるため、パイプ ネットワークのコストの増加が少ないことは注目に値します。 したがって、さまざまなクラスタリング ソリューションの中でコストを増加させる最も重要な要素は、メイン ネットワークと水槽の数です。 考慮されるインフラ全体の回収期間は 30 年であり、累積的な節水量も考慮する必要があることに注意してください (総消費量の最大 78,204,900 m3)。 結果として得られた 5 つのクラスターからなる再生水ネットワークを図 3 に示します。このネットワークには、155 km のパイプがあり、総建設費は 15,996,000 ユーロです。 興味深いことに、この場合、ツールによって計算された水タンクの配置位置は、ジローナの飲料水配水ネットワーク内に実際にあるものとよく一致しています29。 補足資料では、3 つのクラスター (補足図 1) と 7 つのクラスター (補足図 2) によるジローナのクラスター化結果も示されています。

ジローナの事例研究における再生水ネットワークは、公共用途と私的用途の両方で 5 つのクラスターで示されています。 都市のストリート グラフは灰色のパスで表され、生成された分岐ネットワークは (クラスターごとに) 異なる色で表されます。 黒いひし形は水槽の位置（分岐ネットワークの起点）を示します。 メイン ネットワークは、幅の広い灰色のパスで表されます。

限られた予算で利用できる最適なネットワークは、ジローナのケーススタディで説明されています。 制限予算 (LB) 利用可能性アルゴリズム (アルゴリズム 2) では、最大予算 B が与えられた場合に供給される再生水の最大量が得られます (「方法」セクションを参照)。 LB アルゴリズムは、50 万ユーロから 200 万ユーロまでの 8 つの異なる予算を考慮して実行され、以前に生成された 5 クラスターの再生水ネットワークから取得された、ランダムに選択された分岐ネットワーク エリアにわたって 25 万ユーロの間隔で実行されます (図 3 を参照)。 表 4 は、ジローナのケーススタディに関するこれらの結果を示しています。この場合、青色の分岐ネットワーク領域の貯水タンクを原点として考慮し (5 つのクラスター ソリューションから、図 3 を参照)、それぞれの限られた予算 B、パイプ ネットワークの長さ、供給された再生水、総需要に対して供給される水の割合、および実行時間の出力指標が表示されます。 結果は、総需要 C に対して供給される水の割合が予算 B の関数として直線的に変化することを示しています。 図 3、4、5、6、7、8、および 9 は、表 4 の各バジェット (実行された計算) に対して生成されたネットワークを示しています。

LB アルゴリズムの最適化は、実際の再生水ネットワーク計画の経験に基づいた手動アプローチを考慮した、いわゆる「現在の実践」と比較されます。 現在の実践では、LB アルゴリズムとは異なり、最良の利益 P (コストあたりの給水水の比率) は、給水を考慮せずに純粋に最短距離に基づいて考慮されます (つまり、反復ごとに、最も近い目的地が現在の再生水に追加されます)予算 B に達するまでネットワークを構築します)。 現在の実践は、LB アルゴリズムのテストで考慮されたのと同じ予算で適用されており、予算の関数として、総需要 C に対して供給される水の割合の傾きがかなり緩やかな線形進化を示しています。 両方の線形関数を図 4 に示します。LB アルゴリズムの結果は関数 C = 17.40B−5.07 となり、現在の実践では関数 C = 6.16B−0.92 になります。 図 4 からわかるように、LB アルゴリズムの傾きが現在の実践のほぼ 3 倍 (2.82) であるため、最適ネットワーク アプローチの利点は予算が増加するにつれてより明らかになります。

LB アルゴリズムと現在の実践 (手動アプローチ) との総需要に対する供給水の割合の比較。 LB アルゴリズムと現在の実践の両方の線形回帰関数は、図の凡例で定義され、点線で表されます。

水不足地域が増加し、水の再利用が最優先事項となっている世界的な気候変動の状況において、各水再生プロジェクトからの最適な収益（例えば、投資単位コスト当たりの供給水）が求められている。 さらに、観光業は主要な水を消費する部門として認識されており、観光施設の成長は水需要の増加と一致しています3。 そのため、紹介した新しい意思決定支援ツールはスペインでの 2 つのケーススタディに適用されましたが、世界中のどの地域にも簡単に適応して適用することができます。 これには、適切なオープン オンライン サービスとオープン データ ソース (cadaster など) を設定し、水の消費量とコストのデフォルト値をカスタマイズする必要があるだけです。 私たちの知識によれば、ほとんどのコンピューティング労力で都市に最適な水再生ネットワークを計画し、経済的に評価できる同様のツールは文献にありません。 さらに、このツールは通常の配水ネットワークにも使用できますが、検証および改訂する必要があります。

自治体や地域当局、コンサルティング会社、水道事業者の都市計画担当者は、このツールを都市の水再利用プロジェクトの計画に使用できます。つまり、都市で最も重要な水消費ホットスポットを特定し、技術的および経済的基準を使用してさまざまなソリューションを比較し、選択することができます。最適な代替案。 この革新的なツールのもう 1 つの用途は、集中型、半分散型、または分散型のどの水再利用シナリオがよりコスト効率の高い水再利用スキームを提供し、分散型処理プラントの数と場所を最適化するかを評価することです。 このツールで検討する価値のあるもう 1 つの問題は、特定の都市/近隣地域で持続可能な水再利用ソリューションを実現するために、分散化する住民の最小数を決定することです。 REWATnet は、水再利用計画を計画するための普及およびトレーニング ツールとしても使用できます。

この分散型の水処理と再利用は、観光都市にとって非常に重要であり、希少な水資源への圧力を軽減したり、廃水の発生を大幅に削減したりできます。 たとえば、冬には4万人、夏には最大20万人の住民が住むリョレト・デ・マルでは、観光施設から発生する廃水の割合は10,000立方メートル/日以上と推定され、この量の少なくとも半分は雑排水でした。廃水よりも簡単に再利用できます30。

弊社ツールとEPANET31で生成したグラフファイルを結合することで、再生ネットワーク設計（配管長や直径）の検証を行うことができます。 さらに、現在のクラスタリング アルゴリズムは、コスト分析に基づいた簡素化されたアプローチを提供します。 このツールのさらなる開発には、潜在的なパイプ障害に適切に対処するための一般的な設計であるメッシュ ネットワーク設計が含まれる予定であり、ツールの範囲が拡大されます。 さらに、水再生処理のための高度な処理の建設費用、および水再生処理プラントとネットワークの両方の運営および保守費用も見積もられます。 さらに、再生水の使用は多くの国で認められていないか、規制に従って特定の目的でのみ認められています。 したがって、国に基づいてツールを適応させることが検討される可能性があります。

都市における再生水再利用のための最適なネットワークの計画を支援する革新的な REWATnet 意思決定支援ツールが開発され、テストされています。 このツールは、ユーザー自身からの入力データがほとんどなく、オープンデータを使用することで、ネットワークの長さとパイプの直径、貯蔵タンクの位置など、投資単位当たりの再生水の最大量を計算できます。サービスを受ける人口と建設コストも。 言い換えれば、すべてが同じアーキテクチャの下にあるということです。 工業用、商業用、公共用および民間用の推定水消費量と実際の水消費量データを比較すると、全体的な誤差は 6.4% になります。 再生水に対する民間ユーザーの信頼を獲得することは、持続可能な水再利用ネットワークにとって重要な要素です。なぜなら、これらのユーザーの消費率が最も高く、テスト対象都市全体の 60 ～ 70% のシェアを占めているからです (その差は激しい観光活動によるものです)。 最適なネットワーク グラフは、Mehlhorn ルーティングおよびクラスタリング アルゴリズムを使用し、必要に応じて Limited Budget (LB) 可用性アルゴリズムを使用して計算されます。 人口約 10 万人の都市における最適な水再生ネットワークの建設コストは、0.17 ～ 0.22 ユーロ/m3 (投資回収期間 30 年) の範囲であると推定されており、実際の建設コストと比較して合理的なコストであることがわかります。飲料水ネットワーク。 同じ都市について、自動ツールは、現在の (手動の) 計画手法を使用して供給される水の最大 3 倍の再生水を供給できる最適なネットワークを (10 分以内に) 計算します。 最後に、このツールは、必要に応じて、幹線ネットワークと分岐ネットワーク、色分けされた都市クラスターなど、最適な再生水ネットワークをユーザーフレンドリーに視覚化したマップも提供します。

このセクションでは、まずデータ収集について説明し、さまざまなデータ ソースを区別します。 一方では都市の特徴を自動的に取得するためのオープンデータソース、もう一方では消費とコスト関連のデータベースです。 複数のデータソースの組み合わせは、確かに私たちの提案の重要な特徴の 1 つです。 第 2 に、水の使用量に基づいて都市内の望ましい水の目的地をターゲットにするために、潜在的な水再利用シナリオの定義が導入されます。 3 番目に、再生水ネットワークの生成をサポートするグラフ理論と最適化に基づくルーティング アルゴリズム、および都市クラスタリング (水タンクの割り当て用)、パイプ直径の選択、限られた予算の利用可能性のためのアルゴリズムが提示されます。 最後に、意思決定支援ツールのテストに使用されたケーススタディ (都市など) を示します。

都市の特徴はオープン データ ソースから自動的に収集されます。 特に、次のものを取得してリンクします。(i) 都市のストリート グラフ。 (ii) 市の土地区画および建物データ。 (iii) 都市の地形。

都市のストリート グラフ全体は、OSMnx ライブラリ 33 を使用して、OpenStreetMap32 API (2 つのアプリケーションの通信を可能にするソフトウェア仲介機能) から取得されます。 この API は、都市の道路 (エッジ) と道路の曲がり角での交差点または方向の変化 (ノード) を含むストリート グラフを提供します。 新しい再生水ネットワークのパイプは、市内の道路に沿って設置されることが想定されています。 この情報レイヤーは、都市に関連するデータ集約 (つまり、土地区画と建物データ、水利用、住民、消費量) と、後でアルゴリズムを実行するための基礎となります。

考えられるすべての再生水の目的地と消費需要を抽出するには、都市の土地区画と建物データが必要です。 各土地区画の地理的位置は、再生水ネットワークのパイプが配置される都市のストリート グラフの最も近い点にリンクされ、クラスター化されています。 土地区画データは、地表と地形の用途 (家庭、ホテル、庭園、スポーツ施設など) を提供し、建物データは、その区画が 1 世帯で占有されているか、複数の階とアパートの建物で占有されているかを示します。 建物データは、区画ごとの住民数を推定するために必要であり、これは毎日の水の消費量を推定するために必要です。 世帯の水消費量は、特定の都市の住民数とその都市の世帯数の比率として推定され、通常は国の統計機関から入手できます。

都市の地形は、区画の標高を知る必要があります。これは、再生水ネットワークの最適なルートを計算し、水槽を適切に配置し、適切なパイプ直径と揚水による維持管理コストを最小限に抑えるために不可欠です。

さまざまな水の再利用目的とネットワーク構築の投資コストを見積もるために必要なデータを含むリレーショナル データベースが開発されました。 デフォルト値は意思決定支援ツールのデータベースに含まれていますが、入手可能な新しい情報またはより正確な情報に基づいて、すべてのパラメーターをユーザーのニーズに合わせてカスタマイズできます。 さまざまな用途の再生水消費量を推定するためのデータベースは、書誌情報と専門家情報に基づいています (補足表 4 を参照)34,35,36,37,38,39,40,41,42。また、次のように拡張することもできます。追加の水使用量により、水の消費量と目的地の場所が提供されます。 再生水ネットワーク建設コストのデータベースは、下水道建設のライフサイクル分析ツール 43 から取得されており、実務家が頻繁に使用する標準データベース 44 に基づいています (補足表 1、補足表 2、および補足表 3 を参照)。 。

潜在的な水再利用シナリオの定義には、以下が含まれます。 (i) 再生水の起源と目的地の選択 (すべての潜在的な水再利用目的の中で、補足表 4 を参照)。 (ii) 考慮される都市エリアの特定。すなわち、都市エリア全体、または水の再利用に特に関心のある都市の一部のみ（例えば、新規開発）、または最小再生利用量などの任意の制約を遵守する。水の流量または給水人口。 再生水の起源は集中廃水処理プラントであり、廃水の質を高めるための三次または高度な処理が組み込まれています。 再生水の可能な用途は通常、エンド ユーザーによって定義されますが、適用分野はアルゴリズムまたはユーザーによって自動的に特定されます。

簡単に言うと、\({{{\mathcal{G}}}}=({{{\mathcal{V}}}},{{{\mathcal{E}}}})\) を再生水ネットワークとします。目的地 (水消費量) ノード、水源ノード、接続点のセットを表すノードの V 要素セット \({{{\mathcal{V}}}}\) と、E 要素を含むグラフパイプを表すリンクのセット \({{{\mathcal{E}}}}\subset {{{{\mathcal{V}}}}}^{ 2 }\)。 さらに、r (\(r\in {{{\mathcal{V}}}\)) はソース ノード (再生水処理プラントや最初の水槽など) を表し、\({{{\ mathcal{C}}}}\) (\({{{\mathcal{C}}}}\subseteq {{{\mathcal{V}}}}\)) は、消費ノードの C 要素セットを表します。 まず、ルーティング アルゴリズムを紹介し、次に都市クラスタリング (分岐ネットワーク領域の定義と給水タンクの割り当て)、パイプ直径の選択、限られた予算の利用可能性のための最適化アルゴリズムを紹介します。

再生水ネットワークを生成および分析するためのルーティング アルゴリズムは、グラフ理論から借用した技術に基づいています19。 配水ネットワークの場合、パイプはグラフのエッジに対応し、ジャンクションは都市のストリート グラフのグラフ ノードを表します。 したがって、これらのネットワークは既存の街路に沿って配置されます。 その表現を使用してネットワークを生成し、シュタイナー ツリー アルゴリズムのバリエーションなどのグラフ ルーティング手法を使用して、集中水再生プラントから必要なすべての目的地までのパスを最小限のコストでカバーするという問題を解決します。

グラフにおけるシュタイナー木問題は、NP 困難問題であるため、計算的に扱いにくいことがよく知られています 45。 使用する適切なルーティング アルゴリズムを選択するために、改良されたシュタイナー ツリー最適化と貪欲なアルゴリズムに関して予備的なパフォーマンスと複雑さの調査が行われました。 特に、表 5 は、Ko46、Takashi47、および Mehlhorn23 アルゴリズムの複雑さを示しており、Mehlhorn アルゴリズムがより優れた複雑さを提供していることがわかります。

都市のストリート グラフ上でルーティング アルゴリズムを実行すると、再生水ネットワーク グラフ \({{{\mathcal{G}}}}=({{{\mathcal{V}}}},{{{\mathcal {E}}}})\)、\({{{\mathcal{E}}}}\) には、配水ネットワーク (つまり、パイプ) を構築するのに最適な都市のストリート グラフのエッジが含まれます。ネットワークの長さを最小限に抑えるルート）。 ただし、この段階では、 \({{{\mathcal{E}}}}\) で定義されるパイプにはまだ直径が含まれていません。

再生水を使用している可能性のある一部の土地区画は、ストリート グラフ上の最も近いノードまたは接続ポイントから遠すぎる可能性があるため、ルーティング アルゴリズムは、土地区画の重心から一定の距離 (しきい値で指定) よりも離れているすべての区画を除外します。ユーザーがカスタマイズ可能なメートル単位。

小さな都市の場合、水再生プラントの横に水タンクを設置すれば、配水ネットワーク上のすべての宛先ノードに十分な水を供給でき、独自の分岐ネットワークとして機能します。 距離が長いため、スケーラビリティ上の理由から市街路ネットワークのクラスタ化が必要となる中大都市ではこれは不可能です。 大規模な水再利用ネットワークに沿った追加の水タンクの割り当ては、地形の問題 (つまり、重力分散を無効にする問題)、圧力損失、漏れの位置特定などの実際的な理由から必要です。 したがって、中規模から大都市で再生水ネットワークを構築するためのクラスタリングアプローチが提示されます。

いくつかのグラフ クラスタリング最適化アルゴリズムが存在しますが、中規模から大都市のシナリオでは、妥当な時間内に実行可能なソリューションを提供する効率的なアルゴリズムが必要です。 ブロンデルらでは、 (2008)22 で、著者らは、計算時間の点で他のすべての既知のクラスタリング方法よりも優れたモジュール最適化に基づくヒューリスティックな方法である、いわゆる Louvain アルゴリズムを提案しています。 彼らの結果は、Clauset、Newman、Moore50、Pons、Latapy51、Wakita、Tsurumi52 のよく知られたアルゴリズムと比較して、ネットワーク計算時間が大幅に短縮されたことを示しています。

したがって、我々の提案は、ルーヴァンヒューリスティックアルゴリズムを適用して、ノードペアの近接性に基づいて都市クラスターを生成し、各都市クラスターが分岐ネットワークエリアを表すというものです。 まず、最初の水タンクを配水ネットワークのソースノード (つまり、水再生プラント) に沿って配置する必要があります。 次に、クラスターごとに、単純なアルゴリズムによって水タンクの配置が最適化されます。 このアルゴリズムは、最高の宛先ノードと同じかそれより (標高が) 高いクラスター ノードのサブセットを候補として選択します。 これらの候補から、アルゴリズムはクラスター最小シュタイナー ツリーを最小化する (つまり、分岐ネットワーク領域を最小化する) ノードを見つけます。 この方法では、クラスターごとに、水が重力によってすべての宛先ノードに到達すると仮定します。 例外的に、コストを節約するために、初期水タンクはクラスター水タンクとしても機能します。 クラスターが定義され、水槽が割り当てられると、最初の水槽と他のクラスター水槽の間の最小シュタイナー ツリーに基づいてメイン ネットワークが構築されます。

ルーティング アルゴリズムを適用してネットワーク グラフ \({{{\mathcal{G}}}}\) が生成されたら、次の条件に基づいて、限られた利用可能なパイプ直径のセットから各エッジに適切な建設パイプ直径を選択する必要があります。宛先ノードの再生水需要。 直径選択 (DS) アルゴリズム (アルゴリズム 1) は、再利用水ネットワーク \({{{\mathcal{G}}}}\) の各エッジに適切なパイプ直径を選択します。 まず、アルゴリズムは、宛先ノードの消費量に基づいて、各エッジ \(e\in {{{\mathcal{E}}}}\) の予想される日次再生水流量 w (m3/s 単位) を取得します \( c\in {{{\mathcal{C}}}}\) ここで、エッジ e はルート \({{{\mathcal{E}}}}(r,c)\), \(r, r\in {{{\mathcal{V}}}\) は配水源ノードです。 次に、必要な最小直径 d(e) が、エッジの予想される再生水流量 w(e) と所望の流速 s から式 (1) を使用して計算されます。 (1)。 流速 s は、デフォルトで 1 m/s に設定されています。これは、パイプ速度範囲 0.5 ～ 1.5 m/s を提案した Simpson and Elhay (2008)53 から引用されています。 最後に、ユーザー指定の利用可能なパイプ直径のセット \({{{\mathcal{D}}}}\) に基づいて、アルゴリズムは各エッジ e に対して次に大きい値 \({d}^{{\prime計算された最小必要直径 d(e) から } }(e)\)。 表 6 は、直径選択 (DS) アルゴリズムに使用される完全な表記法を示しています。

直径選択 (DS) アルゴリズム。

ステップ 1: ノード r を初期化し、\({{{\mathcal{C}}}}\) を設定します。 \({{{\mathcal{D}}}}\); メートル; \({{{\mathcal{E}}}}(r,c),c\in C\); \({{{\mathcal{X}}}}:= \varnothing\); \({{{\mathcal{Y}}}}:= {{{\mathcal{E}}}}\)。

ステップ 2: 水流が割り当てられていないエッジ、つまりエッジ \(e\in {{{\mathcal{Y}}}}\) をランダムに選択し、w(e) ≔ 0 を設定し、集合 \({ {{\mathcal{X}}}};{{{\mathcal{Y}}}}\)。

ステップ 3: 各配水消費ノード c ∈ C について:

(a) \(e\in {{{\mathcal{E}}}}(r,c)\) の場合、w(e) ≔ w(e) + w(c) と設定します。

ステップ 4: w(e) > 0 の場合、次のようになります。

(a) \(d(e):= \sqrt{\frac{w(e)}{s\times \pi }}\times 2\) を計算し、 \({d}^{{\prime} を設定します) }(e):= \max ({{{\mathcal{D}}}})\)。

(b) 利用可能な各パイプ直径 \(p\in {{{\mathcal{D}}}}\) について:

(i) p > = d(e) かつ \(p \,<\, {d}^{{\prime} }(e)\) の場合、 \({d}^{{\prime} } を設定します(e):= p\)。

ステップ 5: \({{{\mathcal{Y}}}}\,\ne \,\varnothing\) の場合は、ステップ 2 に進みます。

ステップ 6: \({{{\mathcal{Y}}}}=\varnothing\) の場合、stop (\({d}^{{\prime} }(e)\) には割り当てられたパイプ直径 \( \forall e\in {{{\mathcal{E}}}}\))。

限られた予算利用可能性 (LB) アルゴリズム (アルゴリズム 2) は、ルーティング アルゴリズムと DS アルゴリズム (アルゴリズム 1) を使用して、特定の予算 B に対して供給される水量を最大化する再生水ネットワークを構築します。 LB アルゴリズムは、次のような貪欲なアプローチに従います。これは、54 で提供されるアルゴリズムを適応させたもので、収益、予算、ホップの制約に関するシュタイナー ツリー問題の高速ヒューリスティックを示します。 このアルゴリズムの主なアイデアは、コストが指定された予算を超えない範囲で、再生水ネットワークを反復的に構築することです。 これは、再生水源ノード r のみを含む初期グラフ \({{{\mathcal{T}}}}\) から始まります。 反復ごとに、構築コストが予算を下回っている間、アルゴリズムは \({{{\mathcal{T}}}}\) に宛先ノード c (\(c\,\notin\, {{{ \mathcal{T}}}}\)) は最高の利益 P (コスト当たりの供給水の比率) を提供します。 利益 P は、ノード c の 1 日の水消費量の 3 乗を、グラフ \({{{\mathcal{T}}}\) に c を追加する追加建設コストで割ることによって得られます。

限られた予算可用性 (LB) アルゴリズム。

ステップ 1: ノード r、予算 B を初期化し、\({{{\mathcal{C}}}}\) を設定します。 \({{{\mathcal{D}}}}\); メートル。

ステップ 2: \({{{\mathcal{T}}}}\) を \({{{{\mathcal{V}}}}}^{{\prime} }:= \{ の初期グラフとするr\}\) と \({{{{\mathcal{E}}}}}^{{\prime} }:= \varnothing\)。

ステップ 3: 利益 P ≔ 0、反復候補ノード \(n:= \varnothing\)、および現在のネットワークの最も近いノード \(o:= \varnothing\) を設定します。

ステップ 4: 各再生水消費ノードについて \(c:c\in {{{\mathcal{C}}}},c\,\notin\, {{{{\mathcal{V}}}}}^{ {\プライム} }\):

(a) \({{{\mathcal{T}} に結合するパスを最小化するノード \(a\in {{{{\mathcal{V}}}}}^{{\prime} }\) を取得します}}\) c を使用すると、次のようになります。

\(\sum l(e),e\in {{{\mathcal{E}}}}(a,c):= \min ((\sum l(e),e\in {{{\mathcal{ E}}}}({v}^{{\prime}},c)),{v}^{{\prime}\in {{{{\mathcal{V}}}}}^{{\ prime } })\)

(b) グラフ \({{{\mathcal{T}}}}\) を \({{{\mathcal{U}}}}\) にコピーします。 \(({{{{\mathcal{ V}}}}}^{{\prime\prime} },{{{{\mathcal{E}}}}}^{{\prime\prime} }):= ({{{{\mathcal{V }}}}}^{{\prime} }、{{{{\mathcal{E}}}}}^{{\prime} })\)。

(c) \({{{\mathcal{V}}}}}^{{\ となるように、(a, c) のパスをグラフ \({{{\mathcal{U}}}}\) に追加します。プライム\プライム} }:= {{{{\mathcal{V}}}}}^{{\プライム\プライム} }\bigcup \{a\}\)、および \({{{{\mathcal{E }}}}}^{{\prime\prime} }:= {{{{\mathcal{E}}}}}^{{\prime\prime} }\bigcup {{{\mathcal{E}}} }（交流）\）。

(d) \({{{\mathcal{U}}}}\) と \({{{\mathcal{D}}}}\) を使用してアルゴリズム 1 (DS) を計算し、パイプの直径 \({ d}^{{\prime} }(e),e\in {{{{\mathcal{E}}}}}^{{\prime\prime} }\)。

(e) \({d}^{{\prime} }(e)\より、\({{\mathcal{U}}}}\)（初期水槽を含む）の管網建設費Zを計算します。 ) および l(e)、\(e\in {{{{\mathcal{E}}}}}^{{\prime\prime} }\) (補足表 1 および補足表 3 を参照)。

(f) Z < = B の場合、次のようになります。

(i) a を \({{{\mathcal{T}}}}\) に加算することによる利益 \({P}^{{\prime} }\) を次のように計算します。 \prime} }:= \frac{m{(a)}^{3}}{L}\)、ここで \(L:= \sum l(e),e\in {{{\mathcal{E} }}}（交流）\）。

(ii) \({P}^{{\prime} }\, > \,P\) の場合、\(P:= {P}^{{\prime} }\)、n ≔ a を設定します。 o ≔ c。

ステップ 5: P > 0 の場合:

(a) \({{{{\mathcal{V}}}}}^{{\ となるように、グラフ \({{{\mathcal{T}}}}\) に (n, o) パスを追加します。プライム} }:= {{{{\mathcal{V}}}}}^{{\prime} }\bigcup \{o\}\)、および \({{{{\mathcal{E}}}} }^{{\prime} }:= {{{{\mathcal{E}}}}}^{{\prime} }\bigcup {{{\mathcal{E}}}}(n,o)\) 。

(b) ステップ 3 に進みます。

ステップ 6: \({{{\mathcal{T}}}}\) は、最終的に再利用されたネットワーク グラフ \({{{\mathcal{G}}}}\) を表します。

ここで紹介する意思決定支援ツールの有用性は、どちらもカタルーニャ (イベリア半島の北東) にあるジローナとリョレト デ マルの都市で例証されています。この 2 つの都市は、規模、密度、地形の点で異なるものの補完的です。 ジローナは、人口 103,369 人、世帯数 47,446 (1 世帯あたり 2.4 人) が住む典型的な西地中海の都市です。 コンパクトで、さまざまな用途に使用でき、旧市街と近代的な周辺地域に明確に分かれています。 市街地は川を挟んで12.7km2に広がり、人口密度は8139hab/km2、平均勾配は5.1、標高範囲（最低高度と最高高度の差）は177メートルである。 リョレト デ マルは、スペインの北東地中海沿岸に位置する都市です。 この都市の年間人口は 39,089 人で、季節人口換算値 (リョレト デ マルに居住、勤務、留学、または休暇を過ごす非居住者に、その人の年間総日数に基づく加重係数を乗じたもの) です。リョレト・デ・マルに滞在する人）は 16,305 人（世帯あたり 2.35 人の国民に相当）。 市街地の面積は 7.8 km2、人口密度は 5011 hab/km2、平均勾配は 13.3、標高範囲は 344 m です。 市の経済の多くは観光業に依存しています。 実際、この都市には約 120 のホテルがあり、29,147 床のホテルに相当し、2016 年の年間平均稼働率は約 65% でした 34。さらに、2014 年のこの都市への訪問者数は 100 万人を超えました (Lloret Turisme Press)オフィス）。 2019 年の実際の水消費量データは、意思決定支援ツールの検証のためにジローナの水道公共事業によって提供されました42。

このペーパーの結果セクションで示されているシナリオには次のものが含まれます。(i) ジローナ市とリョレト デ マル市における公共水利用のためのさまざまなルーティング アルゴリズムによって生成された再生水ネットワークの比較。 (ii) 最適なルーティング アルゴリズムを使用して、公共水利用のみのシナリオと公共水利用と私設水利用の両方のシナリオで生成された再生水ネットワークの比較。 (iii) 現在の慣行 (つまり、半手動アプローチ) と比較して、ジローナの場合は限られた予算で利用可能な最適な再生水ネットワーク。 結果は Ubuntu 20.04 LTS サーバー (CPU AMD Ryzen 5600X、32GB RAM) を使用して得られましたが、このツールは他のシステムでも使用できます。 すべての計算は Python ノートブック (Jupyter Hub) で生成されています。

この研究に関連するデータセットとアルゴリズムは、責任著者への要求に応じて利用可能になります。

この研究に関連するコード実装は、責任著者への要求に応じて利用可能になります。

当局、EE 欧州水域の状況と圧力の評価 2018。EEA レポート、7 (2018)。

Gössling, S. 観光における水管理の新しいパフォーマンス指標。 ツアーマネージャー。 46、233–244 (2015)。

記事 Google Scholar

Mendoza, E.、Ferrero, G.、March Slokar, Y.、Amores, X.、Azzellino, A. & Buttiglieri, G. ヨーロッパ地中海のホテルとリゾートにおける水管理の実践。 内部。 J. 水資源。 開発者 38、1–22 (2022)。

記事 Google Scholar

Deyà Tortella、B. & Tirado、D. 季節限定の大衆観光地におけるホテルの水の消費量。 マヨルカ島の場合。 Ｊ．Ｅｎｖｉｒｏｎ． 管理。 92、2568–2579 (2011)。

記事 Google Scholar

Masi, F.、Langergraber, G.、Santoni, M.、Istenic, D.、Atanasova, N. & Buttiglieri, G. 再生水再利用のための自然ベースのハイブリッド分散ソリューションの可能性。 廃水処理と再利用 - 技術開発と管理問題の現在と将来の展望。 上級化学。 汚染。 環境。 管理。 プロット。 5、145–187 (2020)。

Google スカラー

ブラジルの大学キャンパスで移動床バイオフィルム反応器を使用した雑排水処理。MC クリスピム氏とマサチューセッツ州ノラスコ氏。 J. クリーン。 製品。 142、290–296 (2017)。

記事 CAS Google Scholar

Domènech, L. & Saurí, D. 水不足の状況における社会技術的変遷: バルセロナ都市圏における雑排水再利用技術の社会的受容。 リソース。 保守します。 リサイクルします。 55、53–62 (2010)。

記事 Google Scholar

Vallès-Casas, M.、March, H. & Saurí, D. 雨水の採取と雑排水のリサイクルに対するユーザー主導の分散型アプローチ: スペイン、バルセロナのサン・クガ・デル・ヴァレスの事例。 環境を構築しました。 42、243–257 (2016)。

記事 Google Scholar

Santana, MVE、Cornejo, PK、Rodríguez-Roda, I.、Buttiglieri, G. & Corominas, L. 観光客ベースのコミュニティにおける水再利用の総合的なライフサイクル評価。 J. クリーン。 製品。 233、743–752 (2019)。

記事 Google Scholar

カスティージョ、A. et al. 廃水処理選択のための意思決定支援ツールの検証。 Ｊ．Ｅｎｖｉｒｏｎ． 管理。 184、409–418 (2016)。

記事 CAS Google Scholar

Poch, M.、Comas, J.、Rodríguez-Roda, I.、Sànchez-Marrè, M.、Cortés, U. 実際の環境意思決定支援システムの設計と構築。 環境。 モデルソフトウェア。 19、857–873 (2004)。

記事 Google Scholar

Chipi-Shrestha, G.、Hewage, K. & Sadiq, R. 目的に合った廃水処理: 意思決定支援ツール (i) の開発までの概念化。 科学。 トータル環境。 607、600–612 (2017)。

記事 Google Scholar

サドル、SM 他高度な下水処理トレインを評価するための複数の専門家の意思決定支援ツール: 都市の持続可能性を向上させる新しいアプローチ。 環境。 科学政策 90、1–10 (2018)。

記事 Google Scholar

Van Afferden, M.、JA カルドナ、Müller, RA、Lee, MY、Subah, A. 分散型廃水処理コンセプトを実装するための新しいアプローチ。 水科学テクノロジー。 72、1923 ～ 1930 年 (2015)。

記事 Google Scholar

Khurelbaatar, G.、Al Marzuqi, B.、Van Afferden, M.、Müller, R. & Friesen, J. 廃水管理シナリオのコスト比較のためのデータ削減手法 - ヨルダンとオマーンの 2 つの集落のケーススタディ。 フロント。 環境。 科学。 9、626634 (2021)。

記事 Google Scholar

del Teso、R.、Gomez、E.、Estruch-Juan、E.、Cabrera、E. 配水システムにおける地形エネルギー管理。 水資源。 管理。 33、4385–4400 (2019)。

記事 Google Scholar

Khurelbaatar、G. et al. 街区レベルでの都市雨水管理 (MUST-B): 分散型雨水管理システムの可能性を分析するための新しいアプローチ。 水 13、378 (2021)。

記事 Google Scholar

Yerri, S. & Piratla, KR 分散型水再利用計画: ライフサイクルのコストと利点の評価。 資源保全リサイクル 141、339–346 (2019)。

記事 Google Scholar

Kesavan, HK および Chandrashekar, M. パイプ ネットワーク解析用のグラフ理論モデル。 J. 油圧事業部 98、345–364 (1972)。

記事 Google Scholar

Ahmadulah, R. & Dongshik, K. GIS と EPANET に基づいた水力バランスのとれた配水ネットワークの設計。 内部。 J.Adv. 計算します。 科学。 応用 7、118–125 (2016)。

Google スカラー

Calle、E. et al. 下水道ネットワークにおける sars-cov-2 監視のための都市内の監視サイトの最適な選択。 環境。 内部。 157、106768 (2021)。

記事 CAS Google Scholar

Blondel, VD、Guillaume, J.-L.、Lambiotte, R. & Lefebvre, E. 大規模ネットワークにおけるコミュニティの急速な展開。 J.Stat. メカ。 理論実験 2008年、10008年（平成20年）。

記事 Google Scholar

Mehlhorn, K. グラフにおけるシュタイナー問題の高速近似アルゴリズム。 情報プロセスレター。 27、125–128 (1988)。

記事 Google Scholar

ナショナル ジオグラフィック研究所: ナショナル ジオグラフィック研究所、スペインの数値標高モデル プロバイダー。 https://www.ign.es (2019)。

Pezoa, F.、Reutter, JL、Suarez, F.、Ugarte, M.、Vrgoč, D. json スキーマの基礎。 第 25 回ワールドワイドウェブ国際会議議事録 263–273 (2016)。

Van Rossum, G. & Drake Jr, FL Python リファレンス マニュアル。 CS 局、CWI、R 9525 (1995)。

オルブリヒト、R. et al. オーバーパス API。 https://dev.overpass-api.de/index.html (2011)。

ギリーズ、S. et al. Shapely: 幾何学的なオブジェクトの操作と分析。 https://github.com/Toblerity/Shapely (2007)。

マインド エンジニア: アグエス デ ジローナ、ソルト、サリア デ テルが管理する飲料水供給に関する技術レポート、SA テクニカル レポート 1、アイグエス デ ジローナ、ソルト、サリア デ テル。 （2014年）。 https://seu.girona.cat/portal/dades/web/doc/2014_auditoria_AGISSA_InformeTecnic.pdf。

Atanasova, N.、Dalmau, M.、Comas, J.、Poch, M.、Rodráguez-Roda, I. & Buttiglieri, G. ホテル施設の雑排水再利用システム用に最適化された MBR。 Ｊ．Ｅｎｖｉｒｏｎ． 管理。 193、503–511 (2017)。

記事 Google Scholar

ロスマン、LA他。 EPANET 2: ユーザー マニュアル。米国環境保護庁。 （2000年）。 https://www.epa.gov/water-research/epanet。

OpenStreetMap の寄稿者: https://planet.osm.org から取得した都市データ。 （2017年）。 https://www.openstreetmap.org。

ボーイング、G. OSMnx: 複雑な道路ネットワークを取得、構築、分析、視覚化するための新しい方法。 計算します。 環境。 都市システム 65、126–139 (2017)。

記事 Google Scholar

カタルーニャ統計研究所: ジローナの人口。 [オンライン; 2020 年 12 月 21 日にアクセス] (2019)。 https://www.idescat.cat/emex/?id=170792。

Gabarda-Mallorquí, A.、Garcia, X. & Ribas, A. ホテル業界における大衆観光と水効率: ケーススタディ。 内部。 J. 病院管理。 61、82–93 (2017)。

記事 Google Scholar

ガルシア・アコスタ、X。都市化の新たなプロセスと家庭用の水消費、ジローナ地域における関係の探求。 （2012年）。 http://www.tdx.cat/handle/10803/109220。

Gascon, L.、Arregui, F.、Cobacho, R. & Cabrera, E. 最終用途の測定によるスペイン都市における都市水需要。 2004 水源会議 11、(2004)。

サラス、JJ 廃水の定量化と特性評価。 [オンライン; 2021 年 7 月 27 日にアクセス] (2020)。 https://www.iagua.es/blogs/juan-jose-salas/cuantificacion-y-caracterizacion-mis-aguas-residuales-i。

マーチ、JG、グアル、M.、オロスコ、F. ホテル（スペイン、マヨルカ島）のトイレ洗浄のための雑排水の再利用の経験。 脱塩 164、241–247 (2004)。

記事 CAS Google Scholar

公共事業省の建築技術基準。 （2019年）。 https://www.codigotecnico.org/。

Boneta Herrero, A.、Rufí-Salís, M.、Ercilla Montserrat, M.、Gabarrell Durany, X. & Rieradevall, J. 地中海都市の多文化屋上の無土壌都市家庭菜園の農学的および環境評価。 フロント植物科学。 10、341 (2019)。

記事 Google Scholar

ジローナ市 ジローナ市の水消費量の定量化と位置。 年次技術レポート。 （2019年）。 https://terra.girona.cat/apps/observatori/media/observatori/estudis/152/fitxers/basics_consumsaigua19_tot.pdf。

Morera, S.、Remy, C.、Comas, J. & Corominas, L. 詳細なインベントリ ツールを使用した、下水道システムの建設と改修のライフ サイクル評価。 Int J ライフ サイクル アセスメント 21、1121–1133 (2016)。

記事 CAS Google Scholar

Banc BEDEC: 建築要素の構造化データ バンク。 スペイン経済競争省からの資金提供 (2013)。 https://itec.cat/nouBedec.c/bedec.aspx。

Garey, MR、Graham, RL & Johnson, DS スタイナー最小ツリーの計算の複雑さ。 サイアム J. アプリケーション数学 32、835–859 (1977)。

記事 Google Scholar

Kou, L.、Markowsky, G. & Berman, L. シュタイナー ツリーの高速アルゴリズム。 Acta Inform 15、141–145 (1981)。

記事 Google Scholar

高橋 宏 & 松山 明. グラフにおけるシュタイナー問題の近似解。 数学。 ジャポニック 24, 573–577 (1980)。

Google スカラー

Bonafé、D. エンジニアのための油圧学を執筆。 編集ベリスコ書店。 マドリッド（1988年）。

Aqualia: 給水に関する技術基準。 アクアリア、（2013）。

Clauset, A.、Newman, ME & Moore, C. 非常に大規模なネットワークにおけるコミュニティ構造の発見。 物理学。 Rev. E 70、066111 (2004)。

記事 Google Scholar

Pons, P. & Latapy, M. ランダム ウォークを使用した大規模ネットワーク内のコンピューティング コミュニティ。 J. グラフ アルゴリズム Appl 10、191–218 (2006)。

記事 Google Scholar

脇田和也、鶴見哲也、大規模ソーシャルネットワークにおけるコミュニティ構造の発見。 第 16 回ワールドワイドウェブ国際会議議事録 1275-1276 (2007)。

Simpson, AR & Elhay, S. 水頭と速度の観点から配水システムの方程式を定式化します。 配水システム分析 2008。Trans。 午前。 社会文明工学 1–13 (2008)。

コスタ、AM、コルドー、J.-F. & Laporte, G. 収益、予算、ホップの制約に関するスタイナー ツリー問題の高速ヒューリスティック。 ユーロ。 Ｊ．Ｏｐｅｒ． 解像度 190、68–78 (2008)。

記事 Google Scholar

リファレンスをダウンロードする

GB、EC、JC、および DM は、スペイン科学イノベーション省のスペイン国立研究機関によって資金提供された研究を認めます。プロジェクトコードは PID2020-115456RB-I00/MCIN/AEI/10.13039/501100011033 です。 MP3 を再利用します。 JP-R. H2020 EU プロジェクト MULTISOURCE (GA101003527) を承認します。 Consolidated Research Groups 2021-SGR-01125 および 2021-SGR-01283 を通じて、Generalitat de Catalunya に感謝いたします。 ICRA 研究者は、CERCA プログラム/カタルーニャ自治州政府の資金提供に感謝します。 ミケル・ファレラス氏は、FI フェローシップ (2020 FISDU00590) に対してカタルーニャ州政府と欧州社会基金に感謝しています。 DM は、ジローナ大学の FI フェローシップ (IFUdG 46 2022) に感謝します。 GBは、スペイン科学・イノベーション・大学省のスペイン国立研究機関に対し、ラモン・イ・カハル2014年度常任職創設への助成金（RYC-2014-16754）を認めました。 経済データに関するサポートを提供してくださった ABM Consulting 社と、水消費量の実際のデータを提供してくださったジローナ市およびエグエス・デ・ジローナ、サルト・イ・サリア・デ・テルに感謝いたします。

ジローナ大学情報学応用研究所（スペイン、ジローナ）

エウセビ・カレ、ダビド・マルティネス、ミケル・ファレラス、ジョアン・サロ＝グラウ、ペレ・ビラ

カタルーニャ水研究所 (ICRA-CERCA)、Emili Grahit 101、17003、ジローナ、スペイン

デビッド・マルティネス、ジャンルイジ・ブティグリエーリ、ルイス・コロミナス、ジョアン・サロ＝グラウ、ジョセップ・プエヨ＝ロス、ホアキン・コマス

ジローナ大学、ジローナ、スペイン

ジャンルイジ・ブティリエリ、ルイス・コロミナス、ジョゼップ・プエヨ＝ロス

LEQUIA、ジローナ大学環境研究所、E-17071、ジローナ、スペイン

ホアキン・コマス

PubMed Google Scholar でこの著者を検索することもできます

PubMed Google Scholar でこの著者を検索することもできます

PubMed Google Scholar でこの著者を検索することもできます

PubMed Google Scholar でこの著者を検索することもできます

PubMed Google Scholar でこの著者を検索することもできます

PubMed Google Scholar でこの著者を検索することもできます

PubMed Google Scholar でこの著者を検索することもできます

PubMed Google Scholar でこの著者を検索することもできます

PubMed Google Scholar でこの著者を検索することもできます

EC: 概念化。 正式な分析。 調査; 方法論; 監督; 検証; 視覚化; 執筆、レビュー、編集。 DM: 概念化。 データのキュレーション。 正式な分析。 調査; 方法論; 検証; 視覚化; 執筆、レビュー、編集。 GB: 概念化。 監督; 視覚化; 執筆、レビュー、編集。 LC: 概念化。 監督; 視覚化; 執筆、レビュー、編集。 MF: データキュレーション。 調査; 方法論; 書き込み。 JS-G.: データキュレーション。 正式な分析。 調査; 方法論; 書き込み。 PV: 概念化。 監督; 視覚化; 執筆、レビュー、編集。 JP-R.: 概念化。 データのキュレーション。 正式な分析。 調査; 執筆、レビュー、編集。 JC: 概念化。 正式な分析。 方法論、監督、検証、執筆、レビュー、編集。

ホアキン・コマスへの通信。

著者らは競合する利害関係を宣言していません。

発行者注記 Springer Nature は、発行された地図および所属機関の管轄権の主張に関して中立を保っています。

オープン アクセス この記事はクリエイティブ コモンズ表示 4.0 国際ライセンスに基づいてライセンスされており、元の著者と情報源に適切なクレジットを表示する限り、あらゆる媒体または形式での使用、共有、翻案、配布、複製が許可されます。クリエイティブ コモンズ ライセンスへのリンクを提供し、変更が加えられたかどうかを示します。 この記事内の画像またはその他のサードパーティ素材は、素材のクレジットラインに別段の記載がない限り、記事のクリエイティブ コモンズ ライセンスに含まれています。 素材が記事のクリエイティブ コモンズ ライセンスに含まれておらず、意図した使用が法的規制で許可されていない場合、または許可されている使用を超えている場合は、著作権所有者から直接許可を得る必要があります。 このライセンスのコピーを表示するには、http://creativecommons.org/licenses/by/4.0/ にアクセスしてください。

転載と許可

Calle、E.、Martínez、D.、Buttiglieri、G. 他意思決定支援ツールの開発とテストを通じて、都市における水再利用ネットワークの最適設計を行います。 npj クリーン ウォーター 6、23 (2023)。 https://doi.org/10.1038/s41545-023-00222-4

引用をダウンロード

受信日: 2022 年 3 月 18 日

受理日: 2023 年 1 月 23 日

公開日: 2023 年 3 月 17 日

DOI: https://doi.org/10.1038/s41545-023-00222-4

次のリンクを共有すると、誰でもこのコンテンツを読むことができます。

申し訳ございませんが、現在この記事の共有リンクは利用できません。

Springer Nature SharedIt コンテンツ共有イニシアチブによって提供