Qualificação de mestrado do aluno Janks Karbdala Leal de Paiva

CENTRO FEDERAL DE EDUCAÇÃO TECNOLÓGICA CELSO SUCKOW DA FONSECA

DIRETORIA DE PESQUISA E PÓS-GRADUAÇÃO

DEPARTAMENTO DE PÓS-GRADUAÇÃO

COORDENADORIA DO PROGRAMA DE PÓS-GRADUAÇÃO EM ENGENHARIA ELÉTRICA

Qualificação de mestrado do aluno Janks Karbdala Leal de Paiva

Título: Optimal Camera Allocation under Budget Constraints: An Application of the Budgeted Maximum Coverage Problem in Road Networks

Resumo: O monitoramento eficiente do tráfego urbano desempenha um papel central nos sistemas de mobilidade inteligente, auxiliando na detecção de congestionamentos e no planejamento operacional sustentável das cidades contemporâneas. Dada a inviabilidade econômica de instalar câmeras em todas as interseções da malha viária (cruzamentos, rotatórias e acessos), esse desafio é naturalmente modelado como uma instância do Problema de Cobertura Máxima Orçada (do inglês, Budgeted Maximum Coverage Problem (BMCP)). Esse problema NP-difícil busca maximizar a cobertura ponderada dos segmentos viários, respeitando um orçamento máximo. Além dos ganhos operacionais, formular o posicionamento de câmeras como um PCMO possibilita benefícios ambientais adicionais: (i) redução do hardware para um determinado nível de informação, diminuindo assim o consumo de materiais e energia, bem como as emissões do ciclo de vida; e (ii) priorização de segmentos com alto potencial de impacto (congestionamento/fluxo) para subsidiar estratégias de gestão de tráfego que reduzam o consumo de combustível e as emissões de CO₂. Neste trabalho, modelamos formalmente o problema de posicionamento de câmeras em redes viárias reais de grande escala, propondo pesos estruturais derivados da topologia de grafos. Além disso, avaliamos uma metaheurística eficiente, baseada em uma abordagem híbrida GRASP-Local Search, para lidar com os desafios de escalabilidade impostos por instâncias com grande número de vértices.
Extensos experimentos foram conduzidos em três conjuntos de benchmarks públicos do BMCP, compreendendo 120 instâncias com até 5.200 itens e elementos, e limites de orçamento que chegam a 10.000, correspondentes ao parâmetro de orçamento máximo permitido nas maiores instâncias. O método proposto iguala ou melhora as melhores soluções conhecidas relatadas na literatura, tal como Probabilistic Linguistic Term Set (PLTS) e Variable Depth Local Search (VDLS), em todas as instâncias do primeiro conjunto de benchmarks e alcança valores de cobertura superiores em várias instâncias do segundo e do terceiro conjunto. Além disso, soluções de alta qualidade são consistentemente alcançadas em tempos de execução significativamente menores, frequentemente em poucos segundos, mantendo baixa variabilidade em múltiplas execuções. Os resultados demonstraram a eficácia, robustez e escalabilidade da abordagem proposta para aplicações de monitoramento urbano em larga escala.

Banca:

Milena Faria Pinto (CEFET/RJ, orientadora)
Ronney Arismel Mancebo Boloy (coorientador)

Gabriel Matos Araujo (CEFET/RJ, membro interno)
Luciana Faletti Almeida( CEFET/RJ, membro interno)

Data: 04 de maio de 2026 (segunda-feira)

Horário: 14:00 hs
Link: https://teams.microsoft.com/meet/221634520386948?p=OplY7e0evxPrZ2rjSz