You are on page 1of 12

A INTELIGNCIA ARTIFICIAL PARA PREVISO DO COMPORTAMENTO

DO TRFEGO VEICULAR URBANO NA CIDADE DE SO PAULO: UMA


PROPOSTA DE MELHORIA NA DISTRIBUIO FSICA

Ricardo Pinto Ferreira


Universidade Nove de Julho
So Paulo - Brasil
kasparov@uninove.edu.br

Carlos Affonso
Universidade Estadual Paulista Jlio de Mesquita Filho
Itapeva - Brasil
affonso.unesp@gmail.com

Renato Jos Sassi


Universidade Nove de Julho
So Paulo - Brasil
sassi@uninove.br

RESUMO
O aumento do consumo das famlias brasileiras, fruto da estabilidade econmica experimentada
no pas nos ltimos anos, resultou na ampliao do volume de itens, que devem ser coletados ou
distribudos diariamente na cidade de So Paulo. Este cenrio provocou profundas mudanas no
mercado de distribuio e coleta de encomendas, tornando a distribuio altamente complexa e
afetando diretamente a eficincia deste servio. As condies de fluidez e segurana do trnsito
da cidade de So Paulo dependem diretamente de algumas ocorrncias como caminho quebrado,
manifestaes em vias, falta de energia eltrica, queda de rvore, acidentes com ou sem vtimas
etc, chamadas de ocorrncias notveis. Existem trs nveis de roteirizao que devem ser
analisados: o Nvel Operacional, neste nvel encontram-se os mtodos de roteirizao de
veculos; o Nvel Ttico, neste nvel encontra-se a Roteirizao Dinmica de Veculos, que
oferece em tempo real alternativas para reduzir o tempo improdutivo em trechos interrompidos
ou com lentido acentuada devido a alguma ocorrncia notvel e o Nvel Estratgico, neste nvel
encontra-se a previso do comportamento do trfego veicular urbano no incio do roteiro.
Diversas tcnicas e softwares so utilizados para prever o comportamento do trfego veicular
urbano na cidade de So Paulo, inclusive tcnicas baseadas em Inteligncia Artificial. Assim
sendo, neste artigo foram aplicadas, para a previso do comportamento deste trfego, duas
tcnicas da Inteligncia Artificial combinadas, a Lgica Fuzzy ou Lgica Difusa e as Redes
Neurais Artificiais, que unidas formam uma rede chamada de Neuro Fuzzy. O objetivo deste
artigo foi prever o comportamento do trfego veicular urbano durante uma semana na cidade de
So Paulo, usando uma Rede Neuro Fuzzy. Os resultados apontam que a aplicao da Rede
Neuro Fuzzy na previso do comportamento do trfego veicular urbano na cidade de So Paulo
positiva. Dessa forma, pode-se afirmar que, a roteirizao dinmica de veculos combinada
previso do comportamento do trfego, possibilita aumentar a eficcia da roteirizao em uma
cidade como So Paulo.
PALAVRAS CHAVE. Rede Neuro Fuzzy; Roteirizao de Veculos; Previso do
Comportamento do Trfego.
ABSTRACT
In recent years, the increase in consumption of Brazilian families, result of economic the stability
experienced in the country, has resulted in a high volume of items that should be collected or
distributed daily in So Paulo city. This scenario has caused profound changes in the market of
distribution and collected orders, making the distribution highly complex and directly affecting
the efficiency of this service. The conditions of traffic flow and safety, of the city of So Paulo,
depends directly on some issues such as: broken trucks, manifestation on roads, lack of energy,
tree falling, accidents with or without victims and other occurrences. There are three levels of
routing to be examined: the Operational Level, at this level we consider the methods for vehicle
routing; Tactical Level, this level is the Dynamic Vehicle Routing, that offers real-time
alternatives to reduce unproductive time in stretches, with slow or interrupted, due to some
accentuated remarkable occurrence and the Strategic Level, this level is the prediction of the
behavior of urban vehicular traffic at the beginning of the script. Many techniques and software
are used to predict the behavior of vehicular traffic in a week in the So Paulo city, including
techniques based on Artificial Intelligence. Thus, this work was applied to predict the behavior of
traffic, two Artificial Intelligence techniques combined: Fuzzy Logic or Diffuse Logic and
Artificial Neural Networks, which together form a network called Neuro Fuzzy. This paper aims
to predict the behavior of city vehicular traffic in the city of So Paulo using a Neuro Fuzzy
Network. The results indicate a positive impact to application of Neuro Fuzzy Network for
predicting the behavior of urban vehicular traffic in So Paulo. It can be stated that the dynamic
routing of vehicles combined with the prediction of traffic behavior possible to increase the
efficacy of the routing in a city like So Paulo.
KEYWORDS. Neuro Fuzzy Network; Routing of Vehicle; Prediction of Traffic Behavior.

1. Introduo
Os novos hbitos de consumo dos brasileiros trouxeram ao mercado produtos com ciclo de
vida mais curto e, consequentemente, volumes crescentes de itens coletados ou distribudos todos
os dias (TODAY, 2009).
O problema de roteirizao de veculos consiste em definir itinerrios, fazendo com que
minimizem o custo total de transporte e atendimento. Com isso, visam que os trajetos iniciem e
terminem no depsito ou base dos veculos, assegurando que cada ponto seja visitado exatamente
uma vez e a demanda, em qualquer rota, no exceda a capacidade do veculo que a atende
(BODIN et al., 1983; CUNHA, 1997; LAPORTE et al., 2000).
Nas regies urbanas, devido a diversas alternativas de rota, possvel abrir mo de alguma
vantagem quanto distncia mnima para obteno de menor tempo de deslocamento
(BALLOU, 2011).
Quando a definio dos roteiros envolve no s aspectos espaciais ou geogrficos, mas
tambm temporais, tais como restries de horrios de atendimento nos pontos a serem visitados,
esses problemas so ento denominados roteirizao e programao de veculos (CUNHA,
1997).
A roteirizao dinmica de veculos consiste em alteraes das rotas iniciais conforme
fluidez de trfego, oferecendo em tempo real rotas alternativas que minimizem o tempo
improdutivo de espera em congestionamentos.
O trnsito catico, presenciado na cidade de So Paulo formado por diversas ocorrncias
notveis (ON), que so destacadas pela central de operaes da Companhia de Engenharia de
Trfego (CET), pois interferem, ou podem vir a alterar, as condies de fluidez e de segurana
do trfego na cidade (CET, 2011).
Essas ocorrncias so registradas durante o dia e formam os congestionamentos que
impedem a eficincia do transporte urbano, alm de causar prejuzos considerveis.
O artigo est organizado aps essa seo introdutria da seguinte forma: a seo 2
apresentada a metodologia do artigo, na seo 3 apresentada a justificativa do artigo, na seo 4
apresentado os Fundamentos Bsicos da Roteirizao e Programao de Veculos, na seo 5
apresentado a Roteirizao Dinmica de Veculos (RDV), na seo 6 apresentada as Redes
Neurais Artificiais, na seo 7 apresentada a Aplicao de uma Rede Neuro Fuzzy no nvel
estratgico da roteirizao de veculos, na seo 8 o artigo encerrado com as Consideraes
Finais.

2. Metodologia
A metodologia adotada na estruturao deste artigo foi definida como bibliogrfica, e
experimental.
A realizao da pesquisa deste artigo esta embasada em consultas s fontes bibliogrficas e
de referencial terico como: artigos, livros, teses, dissertaes, websites com contedos sobre
Roteirizao e Programao de Veculos (RPV), RNAs, Lgica Fuzzy e RNFs.
Utilizou-se, neste artigo, uma RNF obtida atravs da combinao da Lgica Fuzzy com uma
Rede Neural Artificial do tipo MLP (Multilayer Perceptron), sendo que a camada de entrada da
RNF MLP foi composta pelas ocorrncias notveis de trnsito obtidos no website
(http://www.cetsp.com.br) da Companhia de Engenharia de Trfego (CET) com as informaes
sobre as ocorrncias notveis de trnsito na cidade de So Paulo.
A coleta dos dados no seguiu nenhum planejamento de experimento pr-definido. Os dados
foram coletados de segunda a sexta-feira nos dias 14, 15, 16, 17 e 18 de Dezembro de 2009.
3. Justificativa
Segundo Ballou (2001) e Bowersox e Closs (2010), as empresas que forem capazes de
desenvolver eficazmente seu sistema logstico, tero a vantagem de serem extremamente
importantes no futuro. A tecnologia de transmisso de informaes de trnsito Traffic Massage
Channel (TMC) permite a comunicao embarcada com os roteirizadores e aparelhos de GPS,
que podem reconstruir a rota inicial a todo o momento. Assim que um ponto de interrupo
informado, o roteirizador estabelece outras rotas, evitando os bolses congestionados.
Segundo Santos, Felix e Vieira (2009), as ferramentas de Inteligncia Artificial (IA) surgem
como alternativas de apoio ou substituio dos mtodos tradicionais de processamento e tomada
de deciso na logstica de distribuio fsica.
O cenrio apresentado justifica a preocupao em otimizar o tempo de utilizao de veculos,
as restries de circulao e o rodzio de veculos, fatores que reduzem a produtividade diria,
que, em operao livre, devem ter seu potencial maximizado, buscando economia de tempo e
combustvel.
Assim, o desafio de prever o comportamento do trfego veicular urbano na cidade de So
Paulo para que auxilie adequadamente na construo das rotas para os diversos tipos de veculos,
leves e pesados, inclusive motocicletas nas regies metropolitanas de So Paulo, justifica este
estudo.
Como fator principal, a reduo dos congestionamentos impulsiona a aplicao da Rede
Neuro Fuzzy MLP desenvolvida neste artigo, para que se possa receber e enviar informaes
durante todo trajeto inicialmente definido e alter-lo quando necessrio.

4. Fundamentos Bsicos da Roteirizao e Programao de Veculos


O Problema de Roteirizao de Veculos (PRV) de grande importncia para o
gerenciamento das atividades de coleta e distribuio, e, por isso, tornou-se um dos mais
estudados. Segundo Cordeau et al. (2002), mesmo em sua forma padro, o PRV pode ser
classificado como um problema do tipo NP-hard, o que significa que possui uma ordem de
complexidade exponencial (BODIN et al., 1983).
Em termos prticos, isto significa que no possvel resolver de forma tima um problema
real pertencente classe NP-hard. Consequentemente, os mtodos de soluo aplicados s
instncias reais so, em geral, heursticos, isto , no asseguram a obteno da soluo tima do
ponto de vista matemtico (CUNHA, BONASSER e ABRAHO, 2002).
A roteirizao, envolvendo muitas paradas e veculos, permite um nmero muito grande de
itinerrios. Por isso, boas solues podem ser muito teis, tendo em vista que o tempo para a
montagem das rotas ou programao dos veculos curto principalmente em regies urbanas
(CUNHA, 1997).
Segundo Bodin et al. (1983) a roteirizao pode ser inicialmente classificada em trs grupos
de problemas principais: Roteirizao de Veculos (PRV), Programao de Veculos e Tripulao
(PPVT) e Roteirizao e Programao de Veculos (PRPV).
No Problema de Roteirizao de Veculos (PRV), as condicionantes temporais no so
consideradas na gerao dos roteiros para coleta e/ou entrega, sendo que em alguns casos pode-
se considerar a restrio de comprimento mximo do roteiro.
A programao de veculos envolve: quantidade de veculos, capacidade de cada veculo
(cubagem em m), pontos de paradas para coleta ou entrega, tempo necessrio para cada parada,
alocao da tripulao, jornada de trabalho, etc.
Segundo Ballou (2011), a montagem da rota ou programao de veculos o problema
encontrado para direcionar veculos atravs de uma rede de logradouros. O movimento pode ser
feito pela mnima distncia, mnimo tempo, mxima economia, caminho mais fcil ou por uma
combinao destes.
No Problema de Programao de Veculos e Tripulao (PPVT), as condicionantes
temporais devem ser consideradas, ou seja, as restries adicionais relacionadas aos horrios em
que as atividades sero executadas devem ser consideradas no tratamento do problema, entre
outras restries como janela de atendimento, restries de circulao, restries da dimenso do
veculo, os dois ltimos bastante comuns nas grandes cidades.
Segundo Chopra e Meindl (2003), as decises operacionais mais importantes relacionadas ao
transporte na cadeia de suprimentos dizem respeito s rotas (roteirizao) e aos cronogramas
(programao) de coletas e entregas.
O Problema de Roteirizao e Programao de Veculos (PRPV) uma extenso do
problema de roteirizao de veculos, em que restries realistas so includas, tais como janela
de atendimento, precedncia de tarefas e alocao da tripulao, etc.
Para Gomes (2004), a roteirizao e programao de veculos um problema de deciso
definida em relao aos clientes. Alguns exemplos so listados a seguir com o objetivo de elevar
o nvel do servio ou produto aos clientes, melhorar os roteiros dos veculos por meio das malhas
disponveis e baixar o custo operacional e de capital:
- alocao de clientes;
- recursos materiais e humanos;
- veculos;
- motoristas e ajudantes;
- sequenciamento das visitas.
Quanto s restries, deve-se completar a rota com os recursos disponveis, atendendo a
todos os clientes, tempo e capacidade do veculo; obedecer a limites de jornada de trabalho dos
motoristas e ajudantes; obedecer velocidade mxima permitida; obedecer a restrio do
tamanho de veculo permitido em vias pblicas; obedecer os horrios de carga e descarga, etc. A
soluo para este problema de coleta e distribuio est em encontrar um conjunto de rotas que
respeite todas as restries, minimizando o custo total de transporte e satisfazendo a demanda
dos clientes.
Segundo Novaes (2007) h dois mtodos de roteirizao:
- Mtodo de construo de roteiro;
- Mtodo de melhoria.
Os mtodos de construo de roteiro partem de um ou dois pontos e formam o roteiro atravs
do acrscimo paulatino de pontos de distribuio e coleta.
Os mtodos de melhoria do roteiro partem da soluo obtida com o auxlio de outro mtodo
de construo e procuram aperfeioar o resultado assim obtido, utilizando, para isso, uma
sistemtica predefinida. Os dois mtodos de melhoria mais utilizados so o 2-opt e o 3-opt.
Atualmente, inmeros mtodos de melhoria foram desenvolvidos utilizando as mais diversas
tcnicas.
Conforme Cunha (1997), com relao ao ambiente de distribuio os problemas reais de
roteirizao podem ser divididos em dois grupos: roteirizao urbana de veculos e roteirizao
intermunicipal ou interestadual.
Na roteirizao urbana de veculos, tanto os pontos de atendimento quanto o centro de
distribuio localizam-se na rea urbana e os percursos do roteiro ocorrem predominantemente
em vias urbanas.
Na roteirizao intermunicipal ou interestadual, os atendimentos localizam-se em municpios
e estados distintos do centro de distribuio e os percursos do roteiro ocorrem
predominantemente em estradas e rodovias.
Em geral, os problemas de roteirizao urbana de veculos tendem a ser mais complexos e
apresentar maior nmero de variveis.
Durante a ltima dcada, o nmero de artigos publicados para lidar com modelos de
transporte dinmico tem sido crescente. O problema de roteirizao dinmica de veculos um
subconjunto desses modelos (LARSEN, 2001).
A roteirizao dinmica de veculos pode ser uma alternativa eficiente para a maioria das
aplicaes reais, levando-se em considerao que as ocorrncias notveis de trnsito acontecem
paralelamente aos roteiros que j esto em andamento, sendo que nem todas as informaes
relevantes para o planejamento dos roteiros so conhecidas logo no comeo da roteirizao, as
ocorrncias notveis surgem no decorrer do dia, alterando a fluidez do trfego e interrompendo
temporariamente algumas vias (LARSEN, 2001; FERREIRA, 2011).
Com as informaes das ocorrncias notveis de trnsito, possvel criar roteiros
alternativos, evitando regies e vias com baixa fluidez durante a realizao do roteiro
inicialmente planejado.
Nos ltimos anos, o nmero de artigos publicados para lidar com modelos de roteirizao
dinmica tem sido crescente (LARSEN, MADSEN e SOLOMON, 2002 e 2007; RADUAN,
2009; NOVAES, FRAZZON e BURIN, 2009; NOVAES e BURIN, 2010).

5. Roteirizao Dinmica de Veculos (RDV)


A Roteirizao Dinmica de Veculos consiste na incluso e/ou excluso de trechos do
roteiro inicial, mediante informaes em tempo real de ocorrncias notveis de trnsito, que
interfiram no desempenho do roteiro inicial.
Todas as ocorrncias notveis de trnsito so entradas para a RDV, durante a operao os
roteiros esto sujeitos a alteraes. Por esse motivo, essencial a atualizao das informaes em
tempo real (LARSEN, 2001; FERREIRA e SASSI, 2010; NOVAES e BURIN, 2010;
FERREIRA, AFFONSO e SASSI, 2011).
Os roteiros estticos no permitem otimizar todo o percurso do veculo e as regies urbanas
so frteis em ocorrncias que influenciam diretamente no tempo e distncia de percurso.
Assim, o tempo perdido em congestionamentos, alm de aumentar o custo da viagem,
proporciona maior queima de combustveis. Com a roteirizao dinmica de veculos, as entregas
continuam a ser realizadas e, aps interrupo, o bolso anteriormente congestionado pode ser
atendido normalmente sem que haja prejuzo a todos os pontos de entrega ou coleta.
As Figuras 1, 2 e 3 ilustram passo a passo um exemplo na mudana da rota por ocasio de
uma interrupo na via, onde seriam realizadas as entregas e a continuao das entregas em
outros pontos j com a rota inicial alterada sem que haja prejuzo aos demais clientes. Assim que
a interrupo acaba o veculo retoma as entregas no semi-arco no atendido na rota inicial.
A Figura 1 (A) mostra o trajeto improdutivo at o bolso de distribuio (linha azul), os
pontos a serem atendidos (ponto verde) e a rota inicial programada (linha vermelha).
A Figura 1 (B) mostra a interrupo de parte do trajeto dentro do arco de distribuio
programado.
Figura 1 Bolso de distribuio (A e B)

A Figura 2 (C) mostra a rota alternativa (linha amarela), possibilitando que as entregas do
mesmo bolso de distribuio continuem sendo efetuadas. A Figura 2 (D) mostra o final da
interrupo e os clientes que ainda no foram atendidos.

Figura 2 Bolso de distribuio (C e D)

A Figura 3 (E) mostra a nova rota alternativa (linha amarela), que atender os clientes do
semi-arco no atendido na programao inicial.

Figura 3 Bolso de distribuio (E)


A roteirizao dinmica de veculos representa nesse artigo o nvel ttico da roteirizao.
6. Redes Neurais Artificiais
As Redes Neurais Artificiais so modelos constitudos por unidades de processamento
simples, chamados de neurnios artificiais, que calculam funes matemticas. As Redes Neurais
Artificiais so modelos inspirados na estrutura do crebro tendo como objetivo simular o
comportamento humano como: aprendizagem, associao, generalizao e abstrao (HAYKIN,
2001).
Atualmente, existe grande interesse nos modelos de redes neurais para resolver problemas
no convencionais, nos ltimos anos s redes neurais artificiais tm surgido como alternativa
para inmeras aplicaes.
A seguir sero discutidos os princpios bsicos empregados neste artigo sobre Lgica Fuzzy
e Redes Neuro Fuzzy.

6.1 Lgica Fuzzy


A Lgica Fuzzy ou Lgica Nebulosa foi desenvolvida a partir de 1965 com os trabalhos do
professor Zadeh (1965) para representar o conhecimento incerto, impreciso e vago. A Lgica
Fuzzy uma teoria matemtica, que tem como principal objetivo modelar o raciocnio humano,
imitando a habilidade humana de tomar decises em ambientes de incerteza e de impreciso,
expressa por um conjunto de variveis lingsticas (GOLDSCHMIDT e PASSOS, 2005;
PACHECO e VELLASCO, 2007).
Utiliza-se o conceito de Lgica Fuzzy como sendo o ferramental matemtico necessrio para
o tratamento das operaes lgicas e algbricas realizadas no universo dos conjuntos Fuzzy
(PASSINO e YURKOVICH, 1998).
Neste caso, foi utilizada a nomenclatura dos conjuntos Fuzzy definindo-os como uma classe
de objetos de variveis contnuas. Tais conjuntos so caracterizados por funes de pertinncia,
as quais assinalam para cada elemento um grau de pertinncia de 0 a 1 (NICOLETTI e
CAMARGO, 2004).

6.2 Redes Neuro fuzzy


Segundo Goldschmidt e Passos (2005), algumas tcnicas podem ser combinadas para gerar
os chamados sistemas hbridos ou arquiteturas hbridas. A grande vantagem desse tipo de sistema
deve-se ao sinergismo obtido pela combinao de duas ou mais tcnicas. Este sinergismo reflete
na obteno de um sistema mais poderoso (em termos de interpretao, de aprendizado, de
estimativa de parmetros, de treinamento, dentre outros) e com menos deficincias.
Uma combinao muito interessante e que em geral d bons resultados associar uma RNA
com a Lgica Fuzzy (AFFONSO, 2010; PACHECO e VELLASCO, 2007; SASSI, 2006). O
objetivo desta combinao obter boa capacidade de aprender e de se adaptar s necessidades
para a resoluo de problemas do mundo real, ideais para aplicaes como: identificao,
predio, classificao e controle (RUTKOWSKI, 2008).
Neste artigo, a MLP foi combinada Lgica Fuzzy, formando um sistema hbrido
denominado Rede Neuro Fuzzy MLP (RNF MLP).
Segundo Nauck et al. (1996), o termo RNF usado para abordagens que apresentam as
seguintes propriedades:
- So baseadas em Lgica Fuzzy e so treinadas por um algoritmo de aprendizado derivado
de uma das RNAs. O procedimento de aprendizado (heurstica) opera em informaes locais, e
causa apenas modificaes locais no fundamento da RNF;
- Possuem trs camadas onde a primeira camada representa as variveis de entrada, a camada
do meio (escondida) representa as regras de inferncia e a terceira camada representa as variveis
de sada;
- Podem ser sempre interpretadas como um mecanismo de inferncia. Sendo que, nem todos
os modelos especificam procedimentos de aprendizagem para criao de regras Fuzzy;
- O procedimento de aprendizagem de uma RNF transforma as propriedades semnticas de
um sistema Fuzzy em um conjunto de descries. Isto resulta em restries que podem tornar-se
modificaes aplicveis aos parmetros do sistema, entretanto, nem todas as abordagens em uma
RNF possuem esta propriedade;
- Aproximam uma funo n-dimensional que parcialmente definida pelo treinamento dos
dados.

7. Aplicao de uma Rede Neuro Fuzzy no nvel estratgico da roteirizao de veculos


A Tabela 1 apresenta os tipos de ocorrncias notveis registradas que foram utilizadas como
entradas na Rede Neuro Fuzzy.

Tabela 1 Ocorrncias Notveis. Fonte: (Adaptado de CET, 2009).


Ocorrncias Notveis
nibus imobilizado na via Falta de energia eltrica
Caminho quebrado Incndio
Veculo com excesso Alagamento
Acidente com vtima Manifestaes
Atropelamento Defeito na rede de trlebus
Incndio em Veculos Queda de rvore
Ocorrncia envolvendo carga Semforo apagado
Ocorrncia envolvendo carga perigosa Semforo embandeirado

Para modelar as funes de pertinncia correspondentes s ocorrncias notveis foram


utilizadas funes Gaussianas, conforme mostrado na Equao (1) a seguir:

1
( x c ) 2
( x) e

(1)

Onde:
c: centro da funo Gaussiana
: disperses da funo
: rtulo lingstico (alto, mdio, baixo)

A figura 4 mostra uma das dezesseis funes de pertinncia calculadas pela Equao (1).

Figura 4 Funes de pertinncia (nibus imobilizado na via)

O algoritmo de treinamento usado na MLP (Multilayer perceptrons) foi o error


backpropagation (HAYKIN, 2001) funciona da seguinte maneira: apresenta-se um padro
camada de entrada da rede, este padro processado, camada por camada, at que a sada fornea
a resposta processada, fMLP, calculada como mostrado a seguir, na Equao (2). Onde vl e wlj so
pesos sinpticos; bl0 e b0 so os biases; e a funo de ativao.

Non
f MLP ( x) l wlj xl bl 0 b0
1 (2)

A Figura 5 mostra a resposta da Rede Neuro Fuzzy (Yrede) comparados aos informados pela
CET (Yreal) durante a semana de 14 a 18 de Dezembro de 2009.

Figura 5 Resposta da RNF MLP na previso do comportamento do trfego durante os dias


14 a 18 de Dezembro de 2009

Com os resultados iniciais observa-se que a rede obteve um bom resultado do problema
proposto, podendo apoiar a tomada de deciso quanto s janelas de atendimento que devem ser
evitadas e que apresentam comportamento que comprometam a distribuio fsica. A previso do
comportamento do trfego (percentual de lentido) calculado pela Rede Neuro Fuzzy representa
o nvel estratgico da roteirizao.
De acordo com Goldbarg e Luna (2000), um sistema de roteirizao pode ser considerado
um conjunto organizado de meios, que objetivam o atendimento de demandas localizadas nos
arcos ou vrtices de alguma rede de distribuio fsica, o sistema de roteirizao, como qualquer
outro sistema operacional, pode ser decomposto em trs partes:
- Nvel Operacional: neste nvel esto os mtodos de roteirizao de veculos;
- Nvel Ttico: neste nvel est a Roteirizao Dinmica de Veculo, que oferece em tempo
real, alternativas que reduzam o tempo improdutivo em trechos interrompidos ou com lentido
acentuada devido alguma ocorrncia notvel;
- Nvel Estrtegico: neste nvel de roteirizao est a previso do comportamento do trfego
veicular urbano no incio do roteiro.
Com os trs nveis hierrquicos de roteirizao, possvel considerar no apenas os fatores
bsicos de roteirizao, mtodos de roteirizao, como tambm os fatores externos, ocorrncias
relevantes (ocorrncias notveis de trnsito), que influenciam diretamente no nvel de fluidez do
trfego nas grandes cidades. A Figura 6 ilustra a hierarquia proposta para a roteirizao apoiada
pelos trs nveis.

Figura 6 Hierarquia de roteirizao

A previso do comportamento do trfego ou percentual de lentido representa o nvel


estratgico da roteirizao, a roteirizao dinmica de veculos representa o nvel ttico e os
mtodos de roteirizao o nvel operacional.

8. Consideraes Finais
Neste artigo o problema de roteirizao de veculos urbanos foi abordado por nvel de
hierarquia tendo como dados principais as ocorrncias notveis de trnsito que servem para o
nvel estratgico e ttico da roteirizao conforme prope o artigo. A aplicao da Rede Neuro
Fuzzy no nvel estratgico apresentou um resultado razovel que motiva novos estudos. A
roteirizao proposta no nvel estratgico e ttico pode ser uma excelente alternativa para auxiliar
a distribuio fsica favorecendo a efetividade e produtividade na distribuio e coleta em regies
urbanas como So Paulo. Os desvios inteligentes no nvel ttico visam reduo do tempo em
trnsito, mesmo quando a distncia percorrida for um pouco maior, existindo ainda a economia
de tempo e combustvel, conclui-se que as novas tcnicas so decisivas para a criao de
alternativas inovadoras de roteirizao.
A combinao da Lgica Fuzzy e das Redes Neurais Artificiais, conforme proposto neste
artigo, mostrou-se bastante interessante para resoluo deste tipo de problema, pois a Lgica
Fuzzy fornece ferramentas matemticas capazes de capturar ambigidades associadas ao
processo cognitivo humano, e por outro lado as Redes Neurais Artificiais mostraram-se
adequadas para identificao de padres.
A previso do comportamento do trfego permite escolher as melhores janelas de
atendimento de maneira a evitar horrios em que a previso do trfego aponte para nveis de
lentido que comprometam o atendimento.
Sugere-se a aplicao da RNF MLP desenvolvida neste artigo em reas de extrema
importncia para a vida humana como a Logstica da Captao de Mltiplos rgos para
transplantes, na Logstica de Distribuio dos rgos para transplantes e na Logstica de Material
e Medicamento Cirrgico de Urgncia ou Emergncia.
Pretende-se tambm substituir a MLP por uma outra Rede Neural Artificial do tipo Radial
Basis Function (RBF) na associao com a Lgica Fuzzy, chamada RNF RBF, contrastando
resultados com a RNF MLP desenvolvida neste artigo.

Agradecimentos

Universidade Nove de Julho pela bolsa de estudos no Programa de Ps-Graduao em


Engenharia de Produo.
Ao Professor orientador Dr. Renato Jos Sassi, por sua incansvel dedicao e pacincia em
compartilhar seu conhecimento durante o curso de Mestrado em Engenharia de Produo.
Referncias

AFFONSO, C. Aplicao de Redes Neuro Fuzzy ao Processamento de Polmeros na Indstria


Automotiva. 2010. Dissertao (Mestrado) Universidade Nove de Julho, Engenharia de
Produo, So Paulo. 111 p.
BALLOU, R. H. Gerenciamento da Cadeia de Suprimentos: planejamento, organizao e
logstica empresarial. Traduo de Elias Pereira. 4. ed. Porto Alegre: Bookman, 2001.
BALLOU, R. H. Logstica Empresarial: transportes, administrao de materiais e distribuio
fsica. Traduo de Hugo T. Y. Yoshizaki. So Paulo: Atlas, 2011.
BODIN, L. D.; GOLDEN, B.; ASSAD, A.; BALL, E.M. Routing and scheduling of vehicles
and crews: The state of the art. Computers and Operations Research, v.10, n.2, p. 289-315, 1983.
BOWERSOX, D. J.; CLOSS, D. J. Logstica Empresarial: o processo de integrao da cadeia
de suprimento. Traduo de Equipe CEL e Adalberto Ferreira Neves. So Paulo: Atlas, 2010.
CET - Companhia de Engenharia de Trfego. Disponvel em: <http://www.cetsp.com.br>.
Acesso em: 21 Abr. 2011.
CET - Companhia de Engenharia de Trfego. Disponvel em: <http://www.cetsp.com.br>.
Acesso em: 14 a 18 Dez. 2009.
CHOPRA, S.; MEINDL, P. Gerenciamento da Cadeia de Suprimentos. Traduo Claudia
Freire; reviso tcnica Paulo Roberto Leite. So Paulo: Prentice Hall, 2003.
CORDEAU, J. F.; GENDREAU, M; LAPORTE, G.; POTVIN, J. Y.; SEMET, F. A Guide to
Vehicle Routing Heuristics. Journal of the Operational Research Society. v. 53, p. 512-522,
2002.
CUNHA, C. B. Uma Contribuio para o Problema de Roteirizao de Veculos Com Restries
Operacionais. 1997. Tese (Doutorado) Escola Politcnica da Universidade de So Paulo,
Departamento de Engenharia de Transportes, So Paulo. 222 p.
CUNHA, C. B.; BONASSER, U. O.; ABRAHO, F. T. M. Experimentos Computacionais
com Heursticas de Melhorias para o Problema do Caixeiro Viajante. Associao Nacional de
Pesquisa e Ensino em Transportes. XVI Congresso da Anpet, Natal, 2002.
FERREIRA, R. P. Combinao de Tcnicas da Inteligncia Artificial para Previso do
Comportamento do Trfego Veicular Urbano na Cidade de So Paulo. 2011. Dissertao
(Mestrado) Universidade Nove de Julho, Engenharia de Produo, So Paulo. 107 p.
FERREIRA, R. P.; AFFONSO, C. O.; SASSI, R. J. Dynamic Routing Combined to Forecast
the Behavior of Traffic in the City of Sao Paulo Using Neuro Fuzzy Network. Journal of
Computer Technology and Application (JCTA), v. 2. n.1. p. 36-41, 2011.
FERREIRA, R. P.; SASSI, R. J. A proposal for dynamic routing of vehicles in the city of Sao
Paulo using intelligent routing. 3rd International Conference on Information Systems, Logistics
and Supply Chain. ILS 2010 Casablanca (Morocco), v. 3, p. 1-13, 2010.
GOLDBARG, M. C.; LUNA, H. P. L. Otimizao combinatria e programao linear: modelos
e algoritmos. 3.ed. Rio de Janeiro: Campus, 2000.
GOLDSCHMIDT, R.; PASSOS, E. Data mining: um guia prtico, Elsevier, 2005.
GOMES, C. F. S.; RIBEIRO, P. C. C. Gesto da Cadeia de Suprimentos Integrada
Tecnologia da Informao. So Paulo: Pioneira Thomson Learning, 2004.
HAYKIN, S. Redes Neurais Princpios e Prticas. Bookman. 2a edio. Porto Alegre, 2001.
LAPORTE, G.; GENDREAU, M.; POTVIN, J.Y.; SEMET, E. F. Classical and modern
heuristics for the vehicle routing problem, International Transactions in Operational Research,
v.7, n4/5, p. 285-300, 2000.
LARSEN, A.; MADSEN, O.; SOLOMON, M. Classification of Dynamic Vehicle Routing
Systems. In: Zeimpekis, V., Tarantilis, C.D., Giaglis, e G., Minis, I. (eds.) Dynamic Fleet
Management. Springer, New York, 2007.
LARSEN, A.; MADSEN, O.; SOLOMON, M. Partially Dynamic Vehicle Routing-Models and
Algorithms. Journal of the Operational Research Society, v. 53, p. 637-646, 2002.
LARSEN, A. The Dynamic Vehicle Routing Problem. Ph.D. thesis Technical University of
Denmark, Lyngby, 2001.
NAUCK, D.; KLAWONN, F.; KRUSE, R. Foundations of Neuro Fuzzy Systems. Willey &
Sons, 1996.
NICOLETTI, M. C.; CAMARGO, H. A. Fundamentos da Teoria de Conjuntos Fuzzy,
Edusfscar, 2004.
NOVAES, A. G.; BURIN, P. J. Um Problema de Roteirizao Dinmica de Veculos. Revista
Transportes, 2010.
NOVAES, A. G.; FRAZZON, E. M.; BURIN, P. J. Dynamic Vehicle Routing in Over
Congested Urban Areas, in: LDIC 2009 - International Conference on Dynamics in Logistics,
Bremen, 2009.
NOVAES, A. G. Logstica e Gerenciamento da Cadeia de Distribuio: Estratgia, Operao e
Avaliao. 3. ed. Rio de Janeiro: Elsevier, 2007.
PACHECO, M. A. C.; VELLASCO, M. M. B. R. (org) Sistemas inteligentes de apoio
deciso: anlise econmica de projetos de desenvolvimento de campos de petrleo sob incerteza.
Rio de Janeiro: Ed. PUC-Rio: Ed. Intercincia, 2007.
PASSINO, K. M.; YURKOVICH, S. Fuzzy Control, Addison Wesley Longman, Inc. 1998.
RADUAN, A. C. Roteirizao parcialmente dinmica aplicada a servios de campo. 2009.
Dissertao (Mestrado) Escola Politcnica da Universidade de So Paulo, Departamento de
Engenharia de Transportes, So Paulo. 121 p.
RUTKOWSKI, L. Computational Intelligence Methods and Techniques. Berlin, Heidelberg:
Springer, 2008.
SANTOS, A. V. N.; FELIX, L. B.; VIEIRA, J. G. V. Estudo da logstica de distribuio fsica
de um laticnio utilizando lgica fuzzy. V EMEPRO, ENCONTRO MINEIRO DE
ENGENHARIA DE PRODUO. Viosa: 2009.
SASSI, R. J. Uma Arquitetura Hbrida para Descoberta de Conhecimento em Bases de Dados:
Teoria dos Rough Sets e Redes Neurais Artificiais Mapas Auto-Organizveis. 2006. Tese
(Doutorado) Escola Politcnica da Universidade de So Paulo, Departamento de Engenharia
Eltrica, So Paulo. 169 p.
TODAY Logistics & Supply Chain. So Paulo: Cecilia Borges, Ano III, n. 38, 2009.
ZADEH, L .A. Fuzzy Sets, Information and Control, v.8. p. 338-353, 1965.