Este trabalho foi publicado pelo Galoá e tem um DOI depositado. Para citar este trabalho, use um dos padrões abaixo:
Caso você seja um dos co-autores e queira cadastrar esse trabalho no seu Currículo Lattes, use o seguinte código: doi > 10.59254/sbpo-2026-232687
Se você NUNCA registrou um DOI no seu Lattes, veja nosso tutorial!No Brasil, os acidentes de trânsito resultam em aproximadamente 37 mil mortes anuais, correspondendo a cerca de 3,1% dos óbitos globais, proporção superior à sua representatividade populacional. Os drones surgem como alternativa de primeira resposta podendo acelerar o socorro ao permitir uma visão rápida da cena e a entrega de suprimentos, especialmente em locais de difícil acesso. Este trabalho propõe o Neighborhood Capacitated Maximum Covering Location Problem (N-CMCLP), uma variante do CMCLP que penaliza progressivamente acidentes distantes da base, favorecendo posicionamentos mais centrais. O modelo é validado por simulação de eventos discretos sobre 25.539 registros reais de acidentes em rodovias federais de Pernambuco (PRF, 2017–2025). O N-CMCLP atende 60% dos acidentes em até 10 minutos (contra 15% do CMCLP), com redução de 44% no tempo médio de resposta e 70% nas perdas por prazo.
Visualizações por mês
Contagem da Galoá, excluindo robôs conhecidos. Atualizado em 30/09/2026.
Visualizações por mês
Contagem da Galoá, excluindo robôs conhecidos. Atualizado em 30/09/2026.
Com ~200 mil publicações revisadas por pesquisadores do mundo todo, o Galoá impulsiona cientistas na descoberta de pesquisas de ponta por meio de nossa plataforma indexada.
Confira nossos produtos e como podemos ajudá-lo a dar mais alcance para sua pesquisa:
Esse proceedings é identificado por um DOI , para usar em citações ou referências bibliográficas. Atenção: este não é um DOI para o jornal e, como tal, não pode ser usado em Lattes para identificar um trabalho específico.
Verifique o link "Como citar" na página do trabalho, para ver como citar corretamente o artigo