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
Defesa de mestrado do aluno Janks Karbdala Leal de Paiva
Título: Camera Optimization in Smart Cities: Traffic Monitoring via Budgeted Maximum Coverage
Resumo: O monitoramento eficiente do tráfego constitui um componente essencial dos Sistemas Inteligentes de Transporte, pois fornece informações para a identificação de congestionamentos, a análise de fluxos veiculares e o planejamento operacional da mobilidade urbana. Contudo, restrições financeiras, energéticas e voltados a infraestrutura inviabilizam a instalação de câmeras em todas as interseções de uma rede viária, impondo a necessidade de selecionar locais capazes de proporcionar elevada cobertura com recursos limitados. Embora avanços recentes tenham ampliado a capacidade de resolução do Problema de Cobertura Máxima Orçada (PCMO), a obtenção de soluções de alta qualidade em instâncias de grande porte, sob limites restritos de tempo computacional, permanece um desafio relevante. Esta dissertação formula o posicionamento de câmeras em redes viárias como uma instância do PCMO e propõe uma abordagem metaheurística híbrida que integra o Procedimento de Busca Adaptativa Aleatória Gulosa (GRASP) à Descida em Vizinhança Variável Aleatória (RVND). Na formulação, as interseções correspondem aos locais candidatos à instalação, os segmentos viários representam os elementos a serem cobertos e os pesos expressam sua importância relativa. A etapa construtiva utiliza o ganho marginal de cobertura ponderado pelo custo para formar uma lista restrita de candidatos, enquanto a busca local explora vizinhanças de adição, substituição e remoção seguida de reinserção. O desempenho do método foi avaliado em três conjuntos públicos de referência do PCMO, totalizando 90 instâncias com até 5.200 itens e elementos. Cada instância foi executada dez vezes, sob uma configuração experimental uniforme, e os resultados foram comparados aos obtidos pelos algoritmos Probability Learning-Based Tabu Search (PLTS) e Variable Depth Local Search (VDLS). O GRASP-RVND igualou os melhores valores reportados pelo VDLS em todas as instâncias do primeiro conjunto e obteve soluções superiores em diferentes instâncias dos conjuntos de maior dimensão e complexidade estrutural. A reduzida diferença entre os melhores resultados e as médias das execuções evidencia um comportamento consistente, enquanto a rápida obtenção de soluções competitivas indica uma relação favorável entre qualidade e esforço computacional. Os resultados demonstram que a combinação entre construção aleatorizada e exploração sistemática de vizinhanças constitui uma estratégia eficaz
e escalável para o PCMO. No contexto do monitoramento viário, a abordagem fornece uma base computacional para o planejamento de infraestruturas de sensoriamento sob restrições orçamentárias, embora sua implantação operacional ainda demande validação em redes reais e a incorporação de dados espaciais, econômicos e de tráfego.
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)
Felipe Oliveira (UFAM - membro externo)
Data: 13 de novembro de 2026 (sexta-feira)