Στη σύγχρονη κοινωνία, η διαχείριση των στερεών αποβλήτων αποτελεί μία από τις σημαντικότερες περιβαλλοντικές προκλήσεις. Καθώς ο όγκος των αποβλήτων συνεχώς αυξάνεται και οι συμβατικές μέθοδοι διαχείρισης προσεγγίζουν τα διαθέσιμα όριά τους, αναδεικνύεται η ανάγκη για πιο ορθολογικές και αποδοτικές στρατηγικές διαχείρισης. Μόλις πρόσφατα, οι τεχνολογίες Τεχνητής Νοημοσύνης (Artificial Intelligence - AI) άρχισαν να εισέρχονται δυναμικά σε διάφορους τομείς της καθημερινότητας, όπως η εκπαίδευση, η υγεία, οι μεταφορές και η βιομηχανία. Ωστόσο, αξίζει να σημειωθεί ότι οι τεχνολογίες AI ήδη έχουν αναδειχθεί ως ένα υποσχόμενο εργαλείο προς αυτή την κατεύθυνση, προσφέροντας προηγμένες δυνατότητες για βελτιστοποίηση και αυτοματισμό διαφόρων διαδικασιών διαχείρισης στερεών αποβλήτων.

Η παρούσα μεταπτυχιακή εργασία διερευνά την εφαρμογή τεχνικών ΑΙ στην ορθολογική διαχείριση αστικών στερεών αποβλήτων στην Ευρώπη κατά την περίοδο 2020-2025, με ιδιαίτερη εστίαση στην ελληνική πραγματικότητα μέσω μελέτης περίπτωσης του Δήμου Πυλαίας-Χορτιάτη. Συνδυάζει συστηματική χαρτογράφηση διεθνών πρακτικών με συγκριτική ανάλυση τεσσάρων ευρωπαϊκών δήμων-προτύπων (π.χ. Trento, Parma, Aalborg, Ljubljana), όπου αξιοποιούνται Συστήματα Pay-As-You-Throw (PAYT) με χρήση τεχνολογίας Radio-Frequency Identification (RFID) και αισθητήρων Internet of Things (IoT), τηλεμετρία στόλου και εργαλεία υπολογιστικής όρασης για έλεγχο ποιότητας ροών. Πέρα από τη βιβλιογραφική σύνθεση, αναλύονται επιχειρησιακοί δείκτες (παραγωγή ανά κάτοικο, ποσοστά ανακύκλωσης, υπόλειμμα, κόστος υπηρεσίας) και εξάγονται «γραμμές μεταφοράς» πολιτικών/τεχνολογιών που είναι εφαρμόσιμες στην Ελλάδα.

Η παρούσα εργασία προτείνει έναν ρεαλιστικό οδικό χάρτη με πιλοτική εφαρμογή PAYT, δίκτυο «έξυπνων κάδων» με αισθητήρες πληρότητας και ψηφιακή παρακολούθηση, προγνωστική/dynamic δρομολόγηση στόλου και ενίσχυση υποδομών επαναχρησιμοποίησης/διαλογής στην μελέτη περίπτωσης. Συνολικά, καταδεικνύεται ότι η ενσωμάτωση ΑΙ σε αρχιτεκτονική δεδομένων πόλης μετατοπίζει το σύστημα από αντιδραστική σε προδραστική λειτουργία, υποστηρίζοντας μετρήσιμες βελτιώσεις αποδοτικότητας και την επίτευξη στόχων κυκλικής οικονομίας.

Solid waste management is one of the most pressing environmental challenges in modern society, as the continuous growth of waste generation strains the capacity of conventional approaches and underscores the urgent need for more rational and efficient management strategies. Only recently have Artificial Intelligence (AI) technologies begun to dynamically enter various sectors of everyday life, such as education, health, transportation and industry. However, it is worth noting that they have already emerged as promising tools, offering advanced capabilities to optimize and automate various waste management processes.

This master’s thesis examines the application of AI techniques to the rational management of municipal solid waste in Europe during 2020-2025, with a particular focus on Greece through a case study of the Municipality of Pylaia-Chortiatis. It combines a systematic mapping of international practices with a comparative analysis of four benchmark European municipalities (e.g., Trento, Parma, Aalborg, Ljubljana), where PAYT (Pay-As-You-Throw) with RFID, IoT sensors, fleet telematics, and computer-vision tools are used to control the quality of material streams. Beyond synthesizing the literature, it analyzes operational indicators (per-capita generation, recycling rates, residual waste, service cost) and derives transferable policy/technology pathways that are feasible for Greece.

The thesis proposes a practical roadmap with a pilot PAYT rollout; a network of “smart bins” with fill-level sensors and digital monitoring; predictive/dynamic fleet routing and reinforcement of reuse and sorting infrastructure. Overall, the integration of AI within an urban data architecture shifts the system from reactive to proactive operation, delivering measurable efficiency gains and supporting the achievement of circular-economy targets.