Gestão inteligente da coleta de resíduos : avaliação do impacto da otimização de rotas

Abstract

Resumo: O crescimento urbano aumenta a complexidade da gestão resíduos sólidos, tornando modelos tradicionais de coleta, baseados em rotas fixas, pouco eficientes. Esses modelos resultam em deslocamentos desnecessários e atrasos na coleta em áreas de alta demanda, ocasionando o transbordamento dos conteineres de lixo. Este trabalho avalia a aplicação de uma abordagem orientada por dados para o Problema de Roteamento de Veículos (Vehicle Routing Problem – VRP) na coleta de resíduos urbanos. O objetivo é avaliar a eficiência operacional da transição de rotas fixas para rotas otimizadas. O estudo utiliza dados históricos de sensores IoT instalados em lixeiras na região de Eurobodalla, Austrália. A metodologia baseia-se no pré-processamento dos dados e na simulação comparativa entre o modelo tradicional de rotas fixas e um modelo dinâmico baseado no nível de preenchimento dos contêineres. Os resultados indicaram redução na distância total percorrida e no número de paradas realizadas, evidenciando ganhos de eficiência operacional com a adoção de rotas baseadas em demanda. Esses resultados reforçam o uso de sensores IoT como suporte ao planejamento logístico em sistemas de coleta de resíduos urbanos

Abstract: Urban growth increases the complexity of solid waste management, making traditional collection models, based on fixed routes, inefficient. These models result in unnecessary travel and collection delays in highdemand areas, leading to overflowing waste containers. This work evaluates the application of a data-driven approach to the Vehicle Routing Problem (VRP) in urban waste collection. The objective is to assess the operational efficiency of transitioning from fixed routes to optimized routes. The study uses historical data from IoT sensors installed in waste bins in the Eurobodalla region, Australia. The methodology is based on data preprocessing and comparative simulation between the traditional fixed-route model and a dynamic model based on container fill levels. The results indicated a reduction in the total distance traveled and the number of stops made, highlighting operational efficiency gains with the adoption of demand-based routes. These results reinforce the use of IoT sensors to support logistical planning in urban waste collection systems