2024 foi o ano em que as soluções de inteligência artificial (IA) se popularizaram entre o grande público e as empresas passaram a integrar essa tecnologia em setores como saúde, educação, finanças e automação. Na mobilidade, não foi diferente: a IA deixou de ser um conceito e passou a ser aplicada como ferramenta efetiva no dia a dia. Pelo menos em alguns lugares.
A empresa de pesquisa e consultoria Gartner prevê que, até 2026, mais de 70% das agências governamentais utilizarão IA para apoiar a tomada de decisões humanas.
É um avanço natural se levarmos em conta que a transformação das cidades tradicionais em smart cities passa necessariamente pela automação de processos e pela unificação de sistemas que antes estavam isolados. Não há como processar tantos dados em tempo real sem a ajuda de inteligência artificial.
Na lista a seguir, vamos conferir como a inteligência artificial pode ser usada (e já está sendo!) na mobilidade.
1) Automação de processos burocráticos
O condado de Palm Beach, na Flórida (EUA), passou a usar em 2017 um software de automação de documentos que utiliza algoritmos de aprendizado profundo e técnicas de aprendizado de máquina para automatizar tarefas.
Ele é capaz de executar tarefas como classificação de documentos, extração e inserção de dados. Desde sua adoção, o condado economiza aproximadamente US$ 1,9 milhão por ano ao automatizar os registros eletrônicos de documentos, acelerando o processamento, aprimorando a precisão e aumentando a eficiência judicial.
Um software de automação de documentos como esse pode ser adaptado para o setor de mobilidade, especialmente em áreas como gestão de registros de veículos, licenciamento, multas e até mesmo na automação de processos relacionados a planejamento urbano e transporte público.
2) Gerenciamento de tráfego
Ferramentas de gerenciamento de tráfego baseadas em IA já existem. A cidade de Singapura, por exemplo, observou uma redução de 20% em seus congestionamentos e um aumento de 15% na velocidade média dos veículos nos horários de pico ao implementar uma solução de gerenciamento desse tipo.
A situação por lá estava crítica: entre 2017 e 2022, o número médio de viagens diárias saltou de 9 milhões para 16 milhões, e esse valor deve chegar a 20 milhões até 2030.
Como atender essa demanda sem construir mais estradas? O jeito foi recorrer à IA, o que economizou meio bilhão de dólares aos cofres públicos.
Em 2023, mais de 80% dos cruzamentos de tráfego de Singapura (cerca de 1.500) já eram gerenciados por sistemas de IA, tornando a cidade um dos ambientes urbanos mais integrados com IA no mundo. Até 2030, Singapura planeja expandir ainda mais o papel da IA na gestão urbana, incorporando-a em outras áreas críticas, como gestão de resíduos, eficiência energética e além.
Outro bom exemplo está em Melbourne, na Austrália: a empresa Acusensus criou uma tecnologia que analisa o comportamento de um motorista dentro do veículo, sendo capaz de detectar comportamentos arriscados ao volante, como o uso do celular. Essas informações são repassadas às autoridades.
Nos primeiros dois anos de uso, a partir de 2019, a cidade observou uma redução de 22% em fatalidades nos acidentes de trânsito e de 80% no uso de celular ao volante.
3) Gerenciamento do transporte público
Por falar em Singapura, por lá eles também utilizam IA para melhorar o transporte público. Desde 2020, a cidade usa um sistema que otimiza os horários dos trens e ônibus com IA, de modo que eles circulem quando e onde são mais necessários.
Resultado: o número de passageiros no transporte público aumentou em 25% e os tempos de espera em pontos de ônibus e estações de trem caíram 15%. Essas melhorias podem parecer pequenas, mas quando se considera os milhões de passageiros diários em Cingapura, o impacto é enorme.
A medida também levou a uma redução de 10% no consumo de combustível dos ônibus públicos, o que tornou o sistema mais sustentável.
Outro bom exemplo ocorre na Alemanha: ?a Deutsche Bahn, empresa ferroviária nacional do país, implementou a inteligência artificial em diversas áreas operacionais. Todos os trens, estações e trilhos são equipados com sensores que monitoram parâmetros críticos, como temperatura, vibração e pressão.
Esses dados são analisados por algoritmos de aprendizado de máquina para identificar padrões e anomalias, permitindo a previsão de possíveis falhas antes que ocorram.
Ao analisar o barulho do trem, por exemplo, é possível prever se as rodas precisam ser trocadas. Já a verificação automática de irregularidades nos trilhos e na sinalização colabora para a segurança do sistema, com alertas imediataos caso algo esteja fora do normal.
4) Melhorias nos serviços de entregas
A UPS, maior empresa de logística e entregas dos EUA, implementou em suas operações um sistema chamado ORION (On-Road Integrated Optimization and Navigation). Trata-se de um algoritmo de otimização que analisa dados detalhados, como informações sobre pacotes, preferências dos clientes, padrões de tráfego e condições climáticas em tempo real.
Com isso, o sistema determina as rotas mais eficientes para os motoristas, ajustando-se a possíveis mudanças ao longo do dia.
Desde sua implementação, o ORION trouxe benefícios como a redução da quilometragem percorrida, o que representa uma economia de mais de 160 milhões de quilômetros anualmente.
Por consequência, também diminuiu o consumo de combustível (menos 37 milhões de litros por ano) e as emissões de poluentes (menos 100 mil toneladas métricas de carbono por ano). Estimativas apontam uma redução de custos operacionais entre US$ 300 milhões e US$ 400 milhões por ano.
Mas essa é só a ponta do iceberg. Em 2024, a Amazon conduziu com êxito um teste de entrega com drones na cidade de San Salvo, na Itália. O MK-30, equipado com tecnologia avançada de visão computacional, foi capaz de navegar com segurança e evitar obstáculos durante o voo.
Agora, a empresa negocia com as autoridades italianas o lançamento oficial do serviço, que será chamado de Prime Air, ainda em 2025.
O Prime Air já está ativo em algumas localidades dos EUA, como Texas e Arizona, com a promessa de entregas de pacotes em até 60 minutos utilizando drones desenvolvidos pela Amazon.
5) Carros autônomos
Não é novidade que os carros autônomos serão uma parte importante da mobilidade no futuro. Diversos projetos estão em testes no mundo inteiro e já existe até mesmo a operação comercial de alguns veículos em áreas delimitadas.
Em 2023, a Waymo (divisão do Google para carros autônomos) divulgou uma pesquisa, feita em parceria com a empresa suíça Swiss Re, que analisou dados de 6,1 milhões de km percorridos pelos seus carros autônomos.
Os resultados foram que, na comparação com as viagens feitas por seres humanos, os desclocamentos com o Waymo Driver (a tecnologia de direção totalmente autônoma da Waymo) apresentaram 76% menos reclamações por danos materiais e nenhuma reclamação por lesões corporais.
É um contraste drástico em relação aos dados de motoristas humanos que estão na base da Swiss Re, os quais registram 1,11 reclamação a cada 1,6 milhão de km.
No ano passado, contudo, um instituto independente testou 14 sistemas de direção assistida nos EUA. Onze deles tiveram performance "pobre” e os outros três foram "aceitáveis”. Nenhum passou como "bom” - o Autopilot e o Full Self-Driving da Tesla, inclusive, foram os piores avaliados.
Apesar dos avanços comerciais, ainda estamos muito distantes de uma realidade em que esses sistemas de direção autônoma, seja parcial ou completa, sejam seguros.
6) Integração de ferramentas já existentes para carros com internet das coisas e smart cities
De acordo com um relatório da Partnership for Analytics Research in Traffic Safety, até 2023, cinco recursos de ADAS (sistema de assistência de direção avançada) alcançaram taxas de penetração no mercado superiores a 90% em novos veículos.
São eles: alerta de colisão frontal, frenagem automática de emergência, alerta de detecção de pedestres, frenagem automática de emergência para pedestres e alerta de saída de faixa. Todas essas ferramentas têm aprendizado de máquina e IA.
Outras ferramentas com IA que já estão em nossos carros são os sistemas de reconhecimento de voz, que permitem que o motorista interaja com o veículo sem tirar os olhos da estrada, e a fusão de dados de sensores, uma técnica que combina informações de vários sensores para criar uma imagem mais precisa do ambiente do carro.
Mais para frente, a tendência é que todos esses sistemas sejam integrados a outros, maiores, que conversem também com os outro veículos - é o conceito da internet das coisas (IoT).
Pensando ainda mais longe, esses dados serão usados para alimentar sistemas de smart cities, em que a gestão de componentes essenciais da cidade (controle de tráfego, saneamento, fornecimento de água e luz etc) é feita de forma inteligente, a partir de dados coletados em tempo real.
7) Gerenciamento de redes de recarga para carros elétricos
A IA pode desempenhar um papel fundamental na gestão da infraestrutura de estações de recarga de veículos elétricos, que vai crescer bastante nos próximos anos. Ela otimiza o uso de energia e minimiza a sobrecarga nas redes elétricas durante os horários de pico, prevê padrões de demanda e distribui a energia de forma eficiente pelo sistema.
Por exemplo, a Tesla usa IA para controlar dinamicamente sua rede de supercarregadores nos EUA, e ajusta o fornecimento de energia com base em dados de uso em tempo real. Isso ajuda a evitar a sobrecarga das infraestruturas elétricas locais, especialmente em períodos de alta demanda.
