Vous êtes sur la page 1sur 11

XXXVIII SIMPSIO BRASILEIRO DE PESQUISA OPERACIONAL

Pesquisa Operacional na Sociedade: Educao, Meio Ambiente e Desenvolvimento

12 a 15/09/06 Goinia, GO

OTIMIZAO NO SERVIO DO ESTACIONAMENTO ROTATIVO REGULAMENTADO


UTILIZANDO TCNICAS DA PESQUISA OPERACIONAL
Marco Antonio Velasco Capri
Universidade Federal do Paran UFPR
Programa de Ps-Graduao em Mtodos Numricos em Engenharia
CP: 19081; Curitiba, PR; CEP: 81531-990
e-mail: marcocapri@convoy.com.br
Maria Teresinha Arns Steiner
Universidade Federal do Paran UFPR
Departamento de Matemtica - Programa de Ps-Graduao em Mtodos Numricos em Engenharia
- CP: 19081 Curitiba, PR; CEP: 81531-990
e-mail: tere@mat.ufpr.br
RESUMO
Para que se garanta a rotatividade em estacionamentos centrais de grandes centros urbanos, tem sido
implantada uma estrutura conhecida como Estacionamento Rotativo Regulamentado. Para o
desenvolvimento deste trabalho, tomou-se como modelo os dados relativos ao municpio de Ponta
Grossa, PR. O objetivo deste trabalho obter de forma eficaz e eficiente a distribuio dos trechos de
quadra em setores a serem percorridos pelos orientadores (fiscais) e a determinao das reas
compostas por estes setores, de forma a minimizar a distncia total a ser percorrida pelos mesmos,
otimizando o seu trabalho de fiscalizao. O trabalho visa, tambm, a informatizao de todo
processo de distribuio dos setores a serem supervisionados, garantindo a automatizao do mesmo.
PALAVRAS CHAVE: Tcnicas de Pesquisa Operacional, Problema das p-medianas, Estudo de
Caso. rea: Logstica e Transportes.
ABSTRACT
The controlled use of the parking places on busy streets in a city is needed in order to allow all
people to access the available spaces. In order to assure the turnover of these parking areas, it has
been implanted a structure, known as Regular Turnover Parking. To develop this work, data from the
city of Ponta Grossa, PR, were used as model. The goal of this work is to get an efficient distribution
of sectors of the blocks into sections to be run by the inspectors and the determination of the areas,
composed by these sections. In this way, the whole distance performed by the inspectors, is
minimized, optimizing their work of checking. Furthermore, the work aims to adjust the whole
process of the sections distribution to be supervised into a suitable software, warring its automation.
KEYWORDS: Operations Research Techniques, p-medians Problem, Case Study. Main area:
Logistic and Transport.

XXXVIII SBPO

[ 1413 ]

XXXVIII SIMPSIO BRASILEIRO DE PESQUISA OPERACIONAL


Pesquisa Operacional na Sociedade: Educao, Meio Ambiente e Desenvolvimento

12 a 15/09/06 Goinia, GO

1. Introduo
O Estacionamento Rotativo Regulamentado tem sido implementado em diversas cidades
com o objetivo de garantir a rotatividade de veculos nos estacionamentos pblicos. O sistema
conta com orientadores (agentes fiscais) que percorrem as vias verificando se os veculos
permanecem estacionados dentro de um certo intervalo de tempo, indicado nos cartes de
estacionamento. Para que o sistema funcione necessrio uma fiscalizao eficiente.
O objetivo deste trabalho obter de forma rpida, eficiente e automtica a distribuio
dos trechos de quadra a serem fiscalizados, em setores a serem percorridos pelos referidos
orientadores levando em considerao a quantidade de vagas por trecho bem como a taxa de
ocupao das mesmas. Deste modo, estar-se- minimizando a distncia percorrida pelos
orientadores, gerando uma maior eficincia na fiscalizao, garantindo aos usurios uma
disponibilidade maior de vagas, aumentando, assim, a rotatividade dos veculos nestes
estacionamentos.
2. Descrio do Problema
O aumento excessivo da frota de veculos tem provocado uma expanso acelerada das
reas destinadas ao Estacionamento Rotativo Regulamentado. A elaborao dos mapas de
cobertura dos trechos de quadra a serem fiscalizados feita, atualmente, de forma manual e
emprica. A cada trecho adicionado ou retirado, surge a dvida com relao a forma de ampliao
ou reduo de setores e, ainda, da contratao ou demisso de pessoal.
Certos trechos de quadra possuem mais vagas do que outros e, por outro lado, certos
setores, de toda a regio, possuem uma taxa maior de ocupao. Tudo isso exige que a
distribuio dos agentes fiscais nos setores no seja feita de forma intuitiva, pois desta maneira
alguns setores ficariam sobrecarregados e outros ociosos sob o ponto de vista da fiscalizao.
Em Ponta Grossa, PR, existe a chamada rea de Estacionamento Regulamentado,
conhecida como Zona Azul, administrada pela Autarquia Municipal de Trnsito, que tem a
finalidade de planejar, promover, executar e acompanhar as aes na rea. A referida Autarquia
conta, atualmente, com um total de 69 funcionrios e administra, aproximadamente, 2.500 vagas
da Zona Azul.
A rea destinada Zona Azul est localizada, quase que na sua totalidade, na regio
central da cidade e composta por 232 trechos de quadra. Estes trechos, agrupados no mnimo
em 6 e no mximo em 12, formam 28 setores. Os setores, por sua vez, agrupados em 7, formam 4
grandes reas. Esta configurao sofre alteraes toda vez que ocorre a incluso ou supresso de
novos trechos. Assim sendo, so confeccionados alguns mapas que servem para orientao do
trabalho de campo dos orientadores. Estes mapas, em funo da escala utilizada, oferecem s
orientadoras, apenas a informao bsica de localizao dos trechos que sero supervisionados.
O trabalho desenvolvido nas ruas encontra-se distribudo basicamente entre
Orientadores(as) de trnsito (num total de 59, sendo que cada agente fiscaliza um determinado
setor) e Supervisores(as) de trnsito (num total de 10, cada supervisor coordena um conjunto de 7
setores). Como existem 4 reas e 2 turnos de trabalho, este pessoal forma ao todo, 8 equipes.
Cada equipe, no seu respectivo turno, atua uma semana em cada rea, de modo a percorrer
seqencialmente todas as reas ao longo do ms. Existe tambm, em cada grupo, um sistema de
rodzio entre as orientadoras, cabendo a supervisora organizar este rodzio, que deve
compreender todos os setores sob sua responsabilidade. O objetivo deste rodzio fazer com que
as orientadoras no permaneam mais que um dia em cada setor.
A escala diria de trabalho feita pela supervisora, enquanto o grupo se prepara para ir a
campo e, posteriormente, repassada para administrao. Nos dias em que faltam orientadoras
realizado um acmulo (juno) de setores.
Pode-se observar que o nmero de trechos por setor varivel; isto ocorre devido a
alguns setores estarem localizados em reas de maior taxa de ocupao. Setores com maior taxa
de ocupao possuem um nmero menor de trechos, enquanto que os setores com menor taxa,

XXXVIII SBPO

[ 1414 ]

XXXVIII SIMPSIO BRASILEIRO DE PESQUISA OPERACIONAL


Pesquisa Operacional na Sociedade: Educao, Meio Ambiente e Desenvolvimento

12 a 15/09/06 Goinia, GO

possuem mais trechos. No setor 8, por exemplo, cada agente fiscal precisa atender a 97 vagas,
enquanto que no setor 23, cada agente atende a somente 37 vagas. Mesmo considerando as taxas
de ocupao de cada trecho como alta, mdia e baixa, esta diferena significativa.
O ideal ter-se uma distribuio uniforme das vagas, considerando as taxas de ocupao
nos 28 setores, partindo-se do pressuposto que todos os fiscais possuem a mesma capacidade de
trabalho.
Pode-se citar alguns publicaes relacionadas a este trabalho: problemas de localizao
de facilidades, formao de agrupamentos, algoritmos genticos e algoritmos de busca tabu.
WEBER, apud LOBO, 1998, em um trabalho publicado em 1909, buscava a localizao de uma
indstria de modo a minimizar os custos de transporte da matria-prima e tambm os custos de
transporte do produto at o consumidor; o autor considerou uma rea onde existia somente um
nico mercado consumidor e duas regies fornecedoras de matria-prima. Este trabalho tido
como a gnese da teoria da localizao.
TEITZ e BART, 1968, propuseram um mtodo aproximado para encontrar a mediana de
um grafo ponderado. O mtodo consiste na procura de uma soluo atravs de troca de vrtices, a
partir de uma soluo inicial. Esse mtodo descrito e utilizado neste trabalho. CHRISTOFIDES,
1975, trabalhou com os problemas de localizao de facilidades e roteamento de veculos. Seus
trabalhos deram incio ao estudo de algoritmos de resoluo para estes problemas, contendo
formulaes matemticas estruturadas para os problemas dos p-centros, p-medianas e o problema
do caixeiro viajante.
COSTA et al., 2000, desenvolveram um estudo para a otimizao da entrega de
correspondncias dos servios postais, realizando o trabalho em duas fases: a primeira dividindo
a regio de estudo em sub-regies e a segunda utilizando algoritmos de cobertura de arcos e de
cobertura de ns, para realizar a tarefa de roteamento em cada sub-regio. CORRA et al., 2004,
compararam os algoritmos Gentico e Busca Tabu, para otimizar a designao de candidatos ao
vestibular da Universidade Federal do Paran (UFPR), de maneira que os candidatos prestassem
as provas nos locais mais prximos de suas residncias. No caso do Algoritmo Gentico, foram
utilizados os operadores genticos usuais e um operador heurstico chamado hipermutao
direcionada; j no caso da heurstica Busca Tabu foram utilizadas memrias de curto e longo
prazo para controlar a busca.
SMIDERLE et al., 2004, propuseram uma soluo para o trabalho de leitura dos
medidores das contas de gua dos clientes efetuado por uma empresa de saneamento bsico do
municpio de Pato Branco, PR. A metodologia utilizada apresentou duas fases: a primeira
formando os grupos de atendimento para cada leiturista, onde foi utilizada a meta-heurstica
Algoritmo Gentico seguida da aplicao da heurstica clssica de Teitz e Bart, e, a segunda,
prope a melhor rota a ser seguida, de modo a minimizar a distncia a ser percorrida por cada
leiturista, utilizando o algoritmo do Carteiro Chins.
ROSRIO et al., 2002, propuseram uma metodologia para a distribuio espacial de
Unidades de Sade 24 Horas, com o objetivo de minimizar a distncia mdia de deslocamento
dos usurios, desde suas residncias at a unidade mais prxima. Foram utilizados os algoritmos
genticos, o algoritmo de Teitz e Bart, a busca exaustiva e os diagramas de Voronoi.
GONALVES et al., 2005, determinaram uma metodologia para realizar a tarefa de roteamento
no servio de entrega de gua mineral para a cidade de It, SP. Foi utilizado o algoritmo de Teitz
e Bart para a determinao de medianas, algoritmo de Gillet e Johnson para formao dos
clusters a serem atendidos pelos veculos e, finalmente, tcnicas de roteamento: os algoritmos
heursticos dos Savings de Clarke e Wright, da Insero do Mais Prximo, de Busca Tabu e suas
combinaes.
PIZZOLATO, 2004, relata uma proposta metodolgica para localizao de escolas
pblicas em reas urbanas. A metodologia dividida em duas partes, a primeira avalia a
localizao atual da escola e a segunda faz uma proposta de "relocalizao" (melhoria). O estudo
destaca a evoluo metodolgica, desde o uso de mapas at o emprego de softwares da famlia
SIG (Sistema de Informao Geogrficas). BARCELOS, 2004, apresenta um trabalho de
localizao de escolas do ensino fundamental na cidade de Vitria, ES. O estudo foi dividido em

XXXVIII SBPO

[ 1415 ]

XXXVIII SIMPSIO BRASILEIRO DE PESQUISA OPERACIONAL


Pesquisa Operacional na Sociedade: Educao, Meio Ambiente e Desenvolvimento

12 a 15/09/06 Goinia, GO

trs partes. Na primeira parte, o objetivo do trabalho avaliar a localizao atual das escolas
pblicas, identificando regies onde h excesso ou escassez de vagas; a segunda prope a
"relocalizao" das escolas pelo modelo das p-medianas e, finalmente, a terceira considera o
problema das p-medianas capacitado e refaz o estudo da "relocalizao" supondo as escolas com
capacidade definida. BORNSTEIN, 2004, considera um problema de localizao de facilidades
capacitado com custos de transporte lineares. So apresentados testes exatos e heursticas. Um
algoritmo heurstico proposto baseado em estratgias ADD/DROP (adicionar/retirar) da Busca
Tabu. Os procedimentos consideram limites inferiores e superiores provenientes da relaxao
Lagrangeana.
3. Metodologia do Trabalho
A metodologia apresentada neste trabalho permite a automatizao na confeco dos
mapas de cobertura anteriormente mencionados. O sistema computacional, contendo alguns
algoritmos matemticos da rea de Pesquisa Operacional, descritos sucintamente a seguir,
informa de forma rpida e eficiente:
o nmero ideal de setores compostos por trechos de quadra, atravs da utilizao de
algoritmos para solucionar o problema das p-medianas e
como deve ocorrer a designao de novos trechos aos setores, atravs de um modelo
matemtico que combina os modelos de transporte e de designao,
otimizando, assim, todo o processo e garantindo uma melhor fiscalizao e uma maior satisfao
por parte dos usurios deste servio.
3.1 Problemas das p-medianas
Para solucionar o problema das p-medianas capacitado foram utilizados os seguintes
algoritmos: de Teitz & Bart (T&B); Genticos (AGs); Busca Tabu (BT) e suas combinaes.
O algoritmo das p-medianas proposto por TEITZ e BART, 1968, um mtodo
aproximado, baseado na substituio de vrtices em um grafo G(V, A), com V vrtices e A
arestas. O objetivo do algoritmo de T&B , portanto, encontrar um conjunto Vp V, para o qual
o nmero de transmisso (soma das menores distncias existentes entre os vrtices vi Vp e todos
os demais vrtices do grafo) seja mnimo.
J no problema das p-medianas capacitado, os vrtices de V possuem restries de
capacidade. O objetivo encontrar um conjunto de vrtices V p V , de forma que a soma das
distncias de cada vrtice restante {V - Vp} que representa o conjunto das demandas, at seu
vrtice mais prximo em Vp , seja a mnima possvel. A diferena do problema das p-medianas
para o p-medianas capacitado que neste, deve-se garantir que todos os pontos de demanda
sejam atendidos respeitando-se as restries de capacidade das instalaes medianas.
O problema das p-medianas, resolvido atravs dos AGs gera, inicialmente, uma
populao formada por um conjunto aleatrio de indivduos que podem ser considerados como
possveis solues do problema. Durante o processo evolutivo cada indivduo tem um valor
(fitness) atribudo, que indica a sua habilidade de adaptao a um determinado ambiente. Os
indivduos com melhor valor de adaptao so mantidos, enquanto que os demais so
descartados. Os indivduos mantidos pela seleo podem sofrer mudanas em suas caractersticas
fundamentais atravs de mutaes e cruzamentos (crossover) ou recombinao gentica, gerando
descendentes para a prxima gerao. Este processo repetido at encontrar-se uma soluo
satisfatria.
Existem vrios parmetros dos AGs que podem ser escolhidos para melhorar o seu
desempenho, adaptando-o s caractersticas particulares de determinadas classes de problemas.
Entre eles, os mais importantes so: o tamanho da populao, o nmero de geraes, as
probabilidades de crossover e de mutao. A influncia de cada parmetro no desempenho do
algoritmo depende da classe de problemas que est-se tratando. Assim, a determinao de um

XXXVIII SBPO

[ 1416 ]

XXXVIII SIMPSIO BRASILEIRO DE PESQUISA OPERACIONAL


Pesquisa Operacional na Sociedade: Educao, Meio Ambiente e Desenvolvimento

12 a 15/09/06 Goinia, GO

conjunto de valores otimizado para estes parmetros depender da realizao de um grande


nmero de experimentos e testes.
O mtodo de Busca Tabu para o problema das p-medianas seleciona, inicialmente, uma
soluo aleatria x. Realiza, ento, uma busca local, procurando todas as solues vizinhas a x,
N(x). A partir dessas solues, seleciona-se a melhor soluo x (no necessariamente melhor do
que a soluo inicial x). A soluo inicial movida para a melhor soluo vizinha e a nova
soluo adicionada lista Tabu. A partir dessa nova soluo, realiza-se novamente uma busca
local e novamente uma soluo vizinha selecionada como candidata para o prximo
movimento.
3.2 O Problema dos Agrupamentos
Um modelo matemtico, baseado nos modelos matemticos de transportes e de
designao, foi desenvolvido com a finalidade especfica de designar os pontos s medianas
encontradas. O que o diferencia do modelo de designao, propriamente dito, que neste ltimo
o objetivo alocar as origens (pontos) aos destinos (medianas) a um custo mnimo (mnima
distncia), considerando as ofertas e demandas unitrias; j no modelo matemtico desenvolvido,
alm da preocupao da alocao a um custo mnimo, atenta-se tambm para o valor das ofertas e
demandas respeitando a capacidade das medianas como no modelo de transportes. Esta
combinao deu origem ao modelo matemtico apresentado a seguir.
Considerando-se que:
h 204 trechos com aj unidades a serem designadas (peso dos trechos) no trecho j
(j=1,2,3...,204);
h 28 medianas com bi unidades disponveis (capacidades mdias das medianas) na
mediana i ( i=1,2,3...,28);
o custo para transportar uma unidade do trecho j a mediana i dado por cij;
xij = 1, se o trecho j for designado para a mediana i;
0, caso contrrio;
tem-se que:
Min. Z =

28

204

i =1

j =1

ij

x ij

(1)
sujeito a:
28

ij

= 1 (j = 1, 2, 3, ..., 204)

i =1

(2)
204

a x
j =1

ij

bi (i = 1, 2, 3, ..., 28)

(3)
xij = 1, se o trecho j for designado para a mediana i;
(4)
0, caso contrrio
A funo objetivo em (1) garante a alocao dos 204 pontos s 28 medianas a um custo
mnimo de transporte, ou seja, minimiza a distncia percorrida pelos agentes fiscais; o conjunto
de restries em (2) obriga que cada trecho seja designado a apenas uma mediana; o conjunto de
restries em (3) indica que cada mediana possui uma capacidade bi que no deve ser violada; o
conjunto de restries em (4) indica que todas as variveis so binrias.

XXXVIII SBPO

[ 1417 ]

XXXVIII SIMPSIO BRASILEIRO DE PESQUISA OPERACIONAL


Pesquisa Operacional na Sociedade: Educao, Meio Ambiente e Desenvolvimento

12 a 15/09/06 Goinia, GO

4. Implementao Computacional e Obteno dos Resultados


Inicialmente foi feito o cadastramento dos trechos de quadra onde existe o
estacionamento regulamentado, levantando o nmero de vagas de cada trecho bem como sua taxa
de ocupao. Deste modo, foram cadastrados 232 pontos em um mapa digitalizado, cada um
deles situado no ponto mdio de cada trecho, significando que todo aquele trecho deve ser
"atendido", ou seja, fiscalizado. Estes pontos mdios formam, assim, o conjunto dos pontos de
atendimento dos agentes fiscais. Designando estes pontos para os agentes, estar-se- atribuindo
todo um trecho de quadra que dever ser fiscalizado, estando assim definidos quais trechos iro
para quais agentes, formando os setores de fiscalizao.
Como a fiscalizao destes 232 trechos efetuada por 28 agentes fiscais, existe ento, a
necessidade da diviso destes trechos em 28 setores, um setor para cada fiscal. Assim, deve-se
encontrar 28 pontos (medianas) dentre os 232, de tal forma que a soma das distncias de cada
ponto do grafo mediana mais prxima seja mnima. Da mesma forma os 28 setores foram
agrupados em 4 grandes reas, cada uma abrangendo 7 setores, uma rea para cada supervisor.
Para isso, utilizou-se o Algoritmo de T&B e as meta-heursticas AG, BT e suas
combinaes. Todos os algoritmos foram testados com as possveis variaes nos parmetros,
dentro de um tempo computacional razovel at que no surgisse uma melhora significativa na
soluo. As solues apresentadas neste trabalho foram as melhores encontradas durante as
simulaes.
Os algoritmos foram implementados em linguagem Pascal utilizando o software
DELPHI 7.0, instalado e processado em um microcomputador AMD Athlon XP 2400 GHz com
256 mega-bytes de memria RAM; como sistema operacional utilizou-se o Windows XP
Professional. Para a formao dos clusters (grupos, setores), o modelo matemtico apresentado
foi resolvido atravs do software LINGO 6.0 (Language for Interactive General Optimizer). Os
resultados obtidos pelo algoritmo de T&B so apresentados na Tabela 1, sendo que a simulao 5
apresentou os melhores resultados, ou seja, o menor nmero de transmisso.
Tabela 1. Resultados Numricos das Simulaes para o Problema das 28-medianas
obtidas pelo Algoritmo de T&B
Simulao
Nmero de
Valor Transmisso Tempo Computacional
(km)
(s)
Iteraes
1160
88,57
3,0
1
1160
88,74
2,9
2
1160
88,61
3,0
3
1160
88,52
3,0
4
928
88,41
2,4
5
Na inicializao do AG so definidos o nmero mximo de iteraes (kmx) e o nmero
de elementos da populao (m), escolhidos aleatoriamente. Fixou-se o valor de kmx em 1.000,
valor este definido aps vrios testes e julgado como razovel, pois no comprometeu o tempo
computacional, levando a uma soluo satisfatria. O valor de m variou de 75 a 200 nas
simulaes apresentadas neste trabalho.
O processo de gerao de novas populaes utilizado foi o chamado AG steady-state, que
se caracteriza em criar apenas um indivduo de cada vez, podendo este ser repassado (ou no)
para gerao seguinte dependendo do seu valor de fitness. Com relao aos operadores de
cruzamento optou-se pelo crossover simples, sorteando-se uma posio aleatria nos
cromossomos pais trocando-se o material gentico a direita deste ponto sorteado, dando origem
aos cromossomos filhos. Quanto a mutao realizou-se a chamada mutao por troca simples. Os
melhores resultados obtidos pelo AG esto apresentados na Tabela 2, dentre os quais a simulao
2 foi a melhor, com pouca diferena em relao as demais.

XXXVIII SBPO

[ 1418 ]

XXXVIII SIMPSIO BRASILEIRO DE PESQUISA OPERACIONAL


Pesquisa Operacional na Sociedade: Educao, Meio Ambiente e Desenvolvimento

12 a 15/09/06 Goinia, GO

Tabela 2. Resultados Numricos das Simulaes para o problema das 28-medianas


obtidas pelo AG
Simulao Nmero de Tamanho
Valor
Tempo
Iteraes
Populao Transmisso (km) Computacional
(s)
1000
75
108,58
2,4
1
1000
100
107,17
2,9
2
1000
125
107,95
4,6
3
1000
150
107,23
6,8
4
1000
200
108,78
7,7
5
O algoritmo de BT inicia com a definio do Tempo Tabu (nmero de iteraes que o
movimento permanece na lista tabu) e da Estabilidade (nmero mximo de iteraes sem
melhoria na soluo). Os resultados apresentados na tabela 3 so os melhores obtidos nas
simulaes, sendo o da simulao 4, a melhor.
Tabela 3. Resultados Numricos das Simulaes para o problema das 28-medianas
obtidas pelo algoritmo BT
Simulao Tempo Estabilidade Nmero de
Valor
Tempo
(iteraes )
Tabu
Iteraes
Transmisso Computaciona
(iterae
(km)
l
(s)
s)
10
5
928
88,66
3,6
1
10
10
928
88,51
3,6
2
10
50
5572
88,80
19,6
3
15
5
1392
88,17
5,2
4
15
10
1392
88,26
5,2
5
20
5
928
88,70
3,6
6
30
5
928
88,54
3,6
7
40
5
928
88,64
3,5
8
Definidos os resultados apresentados nas tabelas 1, 2 e 3, procedeu-se s "combinaes"
dos algoritmos. Fez-se, inicialmente, uma combinao entre o AG e o algoritmo de T&B, ou seja,
a partir da soluo final obtida pelo AG, aplica-se o T&B. Para o AG fixou-se a soluo obtida na
simulao 2 contida na tabela 2 e, ento, aplicou-se o algoritmo de T&B; os resultados
encontram-se na tabela 4. Nesta tabela 4, a melhor soluo foi obtida na simulao 1.
Fez-se, em seguida, uma combinao dos algoritmos BT e de T&B, ou seja, a partir da
soluo final obtida pelo algoritmo BT, aplica-se o T&B. Para a BT fixou-se a soluo obtida na
simulao 4 contida na tabela 3 e, ento, aplicou-se o algoritmo de T&B; os resultados
encontram-se na tabela 5. A melhor soluo foi obtida na simulao 5.
Tabela 4. Resultados Numricos das Simulaes para o problema das 28-medianas
obtidas pelos algoritmos AG e T&B combinados
AG
T&B
Simulao
No.
Valor
Tempo
No.
Valor
Tempo
(s)
(s)
Iteraes Transmisso
Iteraes Transmisso
(km)
(km)
1000
109,88
4,1
1160
88,31
2,7
1
1000
107,30
3,3
928
89,17
2,2
2
1000
110,58
3,9
1392
88,94
3,3
3
1000
108,68
4,1
1624
88,94
3,8
4
1000
109,13
3,4
928
88,51
2,3
5

XXXVIII SBPO

[ 1419 ]

XXXVIII SIMPSIO BRASILEIRO DE PESQUISA OPERACIONAL


Pesquisa Operacional na Sociedade: Educao, Meio Ambiente e Desenvolvimento

12 a 15/09/06 Goinia, GO

Tabela 5. Resultados Numricos das Simulaes para o problema das 28-medianas


obtidas pelos algoritmos BT e T&B combinados
BT
T&B
Simulao
No.
Valor
Tempo
No.
Valor
Tempo
(s)
(s)
Iteraes Transmisso
Iteraes Transmisso
(km)
(km)
928
88,51
3,6
232
88,51
0,4
1
382
90,28
1,7
928
89,01
2,0
2
928
88,36
3,7
232
88,36
0,4
3
467
89,03
2,0
696
88,24
1,4
4
467
89,60
2,0
928
88,21
1,9
5
Em resumo, os valores de transmisso e os tempos computacionais obtidos nas melhores
simulaes das 5 propostas apresentadas anteriormente, podem ser observados comparativamente
na tabela 6 apresentada a seguir.
Tabela 6. Comparao dos Valores de Transmisso e dos Tempos Computacionais
obtidos nas 5 propostas apresentadas
Propostas Apresentadas
Valor de
Tempo
Transmisso (km) Computacional (s)
Proposta 1: Algoritmo (T&B)
88,41
2,4
Proposta 2: Algoritmo ( AG)
107,17
2,9
Proposta 3: Algoritmo ( BT)
88,17
5,2
Proposta 4: Algoritmos ( AG+T&B)
88,31
6,8
Proposta 5: Algoritmos ( BT+ T&B)
88,21
3,9
Aps a determinao das 28-medianas, empregou-se o modelo matemtico, apresentado
na seo 3.2, para formao dos clusters em torno de cada mediana, obtendo-se, desta forma, os
28 setores de fiscalizao.
Para que o trabalho dos agentes fiscais fosse distribudo de maneira uniforme, ou seja,
cada fiscal atendendo aproximadamente o mesmo nmero de vagas (capacidade Ci, i=1,...,232),
foi feito o seguinte clculo: dividiu-se o somatrio do nmero total de vagas (Vi) multiplicado
pelo valor da taxa de ocupao de cada trecho (Ti), por 28 (nmero de setores), obtendo a
capacidade aproximada de cada mediana, ou seja:
232

V .T
i

Ci =

i =1

28
Cada um dos 232 pontos por sua vez, possui tambm uma demanda (Di) que pode ser
obtida pelo produto do nmero de vagas do trecho (Vi) pela sua taxa de ocupao (Ti), ou seja:
Di = Vi .Ti
As taxas de ocupao dos trechos foram divididas em 3 categorias: alta (1), considerando
uma taxa de 100% de ocupao, mdia (2), com 60% de ocupao e baixa (3) com 30% de
ocupao. Estas taxas de ocupao foram obtidas de maneira emprica, pois existem diversos
fatores que podem alter-las (horrios de maior movimento no mesmo dia, dias de maior
movimento na semana, dentre outros). O modelo matemtico implementado visa designar os
pontos s medianas mais prximas, respeitando as suas capacidades.
Para a formao dos agrupamentos (setorizao/clusterizao) utilizou-se a melhor
soluo obtida dentre todas as simulaes anteriormente apresentadas para o problema das 28medianas, que foi a obtida pelo algoritmo BT (proposta 3 da tabela 6). As 28-medianas obtidas,
para esta simulao, so: 2, 6, 12, 18, 32, 39, 55, 59, 61, 73, 78, 80, 83, 110, 111, 117, 137, 143,
XXXVIII SBPO

[ 1420 ]

XXXVIII SIMPSIO BRASILEIRO DE PESQUISA OPERACIONAL


Pesquisa Operacional na Sociedade: Educao, Meio Ambiente e Desenvolvimento

12 a 15/09/06 Goinia, GO

158, 165, 171, 173, 191, 202, 209, 220, 221, 231, dentre os 232 pontos, todos apresentados na
figura 1 em anexo. Para a formao dos grupos (clusters) foi implementado o modelo matemtico
software LINGO, cujos resultados obtidos tambm esto apresentados na figura 1.
Finalmente, aps a formao dos 28 clusters, realizou-se a distribuio destes em 4
grandes reas. Novamente fez-se necessria a determinao de 4-medianas dentre as 28-medianas
determinadas anteriormente. A definio destas ocorreu seguindo o mesmo procedimento. Em
CAPRI, 2005, encontra-se um maior detalhamento do procedimento adotado e ilustraes
adicionais para o caso abordado.
5. Concluses

O Estacionamento Rotativo Regulamentado (Zona Azul, na cidade de Ponta Grossa, PR)


tem a funo de garantir uma rotatividade de veculos em estacionamentos pblicos, pois em
grandes centros urbanos praticamente impossvel encontrar vagas em certas horas do dia, ou em
certos dias da semana. Para que esta rotatividade ocorra necessria uma limitao de tempo
para cada usurio indicada nos chamados cartes de estacionamento. Para garantir a utilizao de
tais cartes, tem-se os fiscais de estacionamento, que so distribudos em setores de fiscalizao,
para realizar os seus trabalho de forma eficiente.
Na distribuio destes fiscais em setores, so elaborados alguns mapas que, atualmente,
so feitos de forma emprica, tentando distribuir aos mesmos, de maneira uniforme, os trechos de
quadra, considerando regies de maior concentrao de veculos ou de maior ou menor
rotatividade. Pelos dados obtidos para realizao deste trabalho (dados de Ponta Grossa) observase que esta distribuio e a elaborao dos mapas no so satisfatrias. Certos setores ficam
sobrecarregados, assim como outros ficam ociosos. Alm disto, em diversas situaes estes
mapas precisam sofrer alteraes, seja pela ampliao das reas de estacionamento
regulamentado ou reduo de alguns trechos onde, com o tempo, verifica-se (ou no),
respectivamente, a necessidade destes estacionamentos.
A proposta do trabalho , ento, utilizando tcnicas matemticas apropriadas, obter de
forma eficaz, eficiente e automtica a distribuio dos trechos de quadra em setores,
considerando uma distribuio uniforme de trabalho entre os fiscais, minimizando a distncia a
ser percorrida pelos mesmos em cada setor. Isto garante uma fiscalizao eficiente de forma a
proporcionar aos usurios destes estacionamentos uma maior disponibilidade de vagas, devido ao
aumento da rotatividade.
Neste trabalho foram comparados, inicialmente, os resultados obtidos em 5 propostas
(tabela 6), para a determinao das p-medianas, com p = 28, mostrando que alguns algoritmos
tem maior ou menor eficincia, dependendo do caso. Neste trabalho o algoritmo de Busca Tabu
mostrou uma leve superioridade em relao aos demais. Vale salientar que, como a comparao
entre os algoritmos levou em considerao apenas as simulaes com melhores resultados, a
mesma no definitiva. J para a formao dos clusters (28 setores), um modelo matemtico,
baseado no modelo de transportes e de designao, revelou-se de fcil implementao e muito
eficiente.
Os resultados obtidos foram bastante satisfatrios, pois, em segundos, a partir de um
mapa digitalizado da regio e das coordenadas dos trechos, o programa desenvolvido elabora
todos os mapas de setores e reas a serem fiscalizados, pelos orientadores e supervisores,
respectivamente, permitindo que qualquer alterao seja feita de forma automtica sem causar
maiores transtornos.
A tabela 7, a seguir, compara a distribuies das vagas nos 28 setores atuais com os 28
setores propostos aps aplicao das tcnicas. No nmero de vagas apresentados na tabela para
cada setor, j esto sendo consideradas as taxas de ocupao dos trechos. Esta tabela 7 confirma
que na soluo adotada atualmente no existe uniformidade na distribuio das vagas nos setores.
Se por um lado existem setores ociosos, como o setor 7 e o setor 23, com menos de 40 vagas a
serem atendidas em cada um deles, por outro lado existem setores sobrecarregados como, por
exemplo, o setor 8, com 97 vagas. Sabe-se que esta m distribuio afeta diretamente na

XXXVIII SBPO

[ 1421 ]

XXXVIII SIMPSIO BRASILEIRO DE PESQUISA OPERACIONAL


Pesquisa Operacional na Sociedade: Educao, Meio Ambiente e Desenvolvimento

12 a 15/09/06 Goinia, GO

fiscalizao destes setores. J na soluo otimizada, nota-se que a uniformidade na distribuio


das mesmas bastante satisfatria.
Tabela 7. Comparao na Distribuio das Vagas: Soluo Atual (emprica) e Soluo
Otimizada (com a aplicao de algoritmos da Pesquisa Operacional)
SOLUO ATUAL

SOLUO OTIMIZADA

Setores No. Vagas atendidas No. Trechos atendidos No. Vagas atendidas No. Trechos atendidos
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28

89
86
75
49
63
50
36
97
79
75
43
51
49
61
40
69
77
66
71
44
56
74
37
71
55
55
87
86

10
12
7
8
6
6
9
9
8
7
11
11
7
12
7
7
7
6
6
10
6
7
9
7
6
9
12
10

44
63
67
59
67
68
61
50
59
68
63
65
55
67
64
59
66
67
68
67
67
65
66
69
67
67
68
68

4
7
7
9
9
7
14
4
6
6
6
7
12
8
12
16
6
6
12
9
6
7
9
12
10
9
4
8

Referncias:

BARCELOS, F. B. (2004). Localizao de Escolas do Ensino Fundamental com Modelos


Capacitado e no Capacitado: Caso de Vitria, ES. Pesquisa Operacional, v. 24, n. 1, p.
133-149.
BORNSTEIN, C. T. (2004). An ADD/DROP Procedure for the Capacitated Plant Location
Problem. Pesquisa Operacional, v. 24, n. 1, p. 151-162.
CHRISTOFIDES, N. Graph Theory An Algorithimic Approach. New York: Academic Press,
1975.
CAPRI, M.A. Otimizao no Servio do Estacionamento Regulamentado utilizando Tcnicas da
Pesquisa Operacional. Dissertao de Mestrado, Programa de Ps-Graduao em
Mtodos Numricos em Engenharia, UFPR, Curitiba, PR, 2005.
CORRA, E.S.; STEINER, M.T.A.; FREITAS, A.A. & CARNIERI, C. (2004). A Genetic
Algorithm for Solving a Capacitated P-Median Problem. Numerical Algorithms,
Netherlands, v. 35, p. 373-388.
COSTA, D.M.B.; STEINER, M.T.A.; CARNIERI, C.; ZAMBONI, L.V.S. & SILVA, A.C.L.
(2001). Tcnicas da Pesquisa Operacional na Otimizao dos Servios Postais. Gesto
& Produo, So Carlos, SP, v.8, n.1, p. 37-55.

XXXVIII SBPO

[ 1422 ]

XXXVIII SIMPSIO BRASILEIRO DE PESQUISA OPERACIONAL


Pesquisa Operacional na Sociedade: Educao, Meio Ambiente e Desenvolvimento

12 a 15/09/06 Goinia, GO

GONALVES, S.M.; STEINER, M.T.A. & ZAMBONI, L.V.S. (2005). Uma Metodologia para
o Problema do Roteamento de Veculos um Estudo de Caso para a Distribuio de
gua Mineral. XXXVII SBPO, Gramado, RS.
LOBO, D. S. Localizao de Unidades de Educao Infantil: uma aplicao para creches
municipais de Florianpolis. Dissertao de Mestrado. Programa de Ps-Graduao em
Engenharia de Produo, Florianpolis (UFSC), Florianpolis, SC, 1998.
PIZZOLATO, N. D. (2004). Localizao de Escolas Pblicas: Sntese de Algumas Linhas de
Experincias no Brasil. Pesquisa Operacional, Vol. 24, n. 1, p. 111-131.
ROSRIO, R.R.L.; CARNIERI, C.; STEINER, M.T.A.; FLEISHFRESSER, S.A. & CORRA,
E.S. (2001). Aplicao do Problema das p-medianas para determinar a Localizao de
Unidades de Sade 24 Horas. XXXIII SBPO, Campos de Jordo, SP, p. 1155-1166.
SMIDERLE, A.; STEINER, M.T.A. & WILHELM, V.E. (2004). Tcnicas da Pesquisa
Operacional aplicadas a um Problema de Cobertura de Arcos. TEMA (Tendncias em
Matemtica Aplicada), SBMAC, v. 5, n.2, p. 347-356.
TEITZ, M. B.; BART, P. (1968). Heuristics Methods for Estimating the Generalized Vertex
Median of a Weighted Graph. Operations Research, v.16, p. 955-961.

ANEXO

Figura 1. Os 204 pontos de demanda, com destaque s 28-medianas, formando 28 setores


(clusters)

XXXVIII SBPO

[ 1423 ]