A inteligência artificial, um ramo da ciência da computação que lida com a simulação de comportamento inteligente em computadores, já está por trás de muitas das tecnologias que vemos hoje, incluindo assistentes virtuais online e carros autônomos.
No transporte urbano, as aplicações se estendem ainda mais, e ganham força quando falamos em aprendizado de máquina — machine learning.
Começando pelo conceito
A Inteligência Artificial (IA) é um conceito amplo de máquinas capazes de executar tarefas de uma maneira que consideraríamos “inteligente”. Em temos simples, a IA pode ser definida como uma tecnologia que alimenta máquinas com inteligência humana. Equipamentos com capacidade de IA podem imitar seres humanos, automatizar tarefas manuais e aprender de forma gradual.
Com a automação em cena, tarefas repetitivas e demoradas entram no cenário da IA. Além disso, os sistemas com inteligência artificial exibem inteligência humana e aprendem com o tempo, o que indica que essas máquinas podem, eventualmente, realizar tarefas de pensamento crítico e tomar decisões sozinhas, e é aqui que entra o machine learning.
Machine learning é uma aplicação de IA que fornece aos sistemas a capacidade de aprender e melhorar automaticamente a partir da experiência sem serem explicitamente programados. O processo de aprendizado começa com observações ou dados, como exemplos, experiência direta ou instruções, a fim de procurar padrões nos dados e tomar melhores decisões no futuro, com base nos exemplos que fornecemos. O objetivo principal é permitir que os computadores aprendam automaticamente sem intervenção ou assistência humana e ajustem as ações de acordo com cada
Um exemplo disso no setor de transporte público é o Sigom Vision, um sistema de biometria desenvolvido pela Empresa 1 que usa machine learning para garantir a evolução do sistema sem depender de atualizações de cadastros manuais. Em outras palavras, o sistema aprende e evolui à medida que é utilizado.
As oportunidades para o transporte urbano
As oportunidades que a IA apresenta para o setor de transporte público urbano são múltiplas: do atendimento ao cliente às melhorias operacionais, ela pode transformar o futuro de nossos serviços. Alguns exemplos a seguir.
Manutenção preditiva
Tradicionalmente, a manutenção de um ônibus e seus componentes segue uma abordagem programada, baseada em pequenas verificações ou inspeções detalhadas, que leva, normalmente, a reparos corretivos. Embora essa abordagem funcione, ela é altamente ineficiente devido à sua dependência de suposições.
Hoje, os veículos modernos são incorporados a componentes de tecnologia que geram fluxos de dados contínuos. Com esses fluxos, surgem oportunidades para criar modelos preditivos de falhas ou manutenção baseada em condições usando o aprendizado de máquina. O objetivo desses modelos é detectar falhas antes que elas ocorram. Diferentemente da atual abordagem de manutenção agendada, a manutenção baseada em condições é baseada em dados e não em suposições. Após a atualização para o novo modelo, as empresas de transporte público podem esperar menor tempo de inatividade da produção e maior vida útil do veículo.
Soluções de gerenciamento de tráfego
Outra maneira pela qual as tecnologias de inteligência artificial são usadas no transporte é nos sistemas de gerenciamento de tráfego. Novamente, devido às suas capacidades de processamento, controle e otimização, a inteligência artificial pode ser aplicada aos sistemas de gerenciamento de tráfego e tomada de decisões, a fim de aprimorar e otimizar a gestão e tornar nossas estradas mais inteligentes.
As habilidades preditivas da IA também são de grande benefício para os sistemas de gerenciamento de tráfego, pois são capazes de reconhecer as condições físicas e ambientais que podem levar ou ser o resultado de fluxo de tráfego e congestionamento mais pesados.
Viagem interativa para passageiros
Aplicativos móveis são uma parte crucial de qualquer negócio de transporte público. Eles permitem aos passageiros comprar tickets, verificar horários e status, encontrar estações próximas e muito mais. O aprendizado de máquina garante que os recursos de front-end do aplicativo, como rastreamento de local, sistemas de notificação e recursos de sugestões, sejam apoiados por conjuntos de dados avançados que se ajustam e melhoram continuamente ao longo do tempo.
O que esperar do futuro?
O transporte urbano envolve um nível bem alto de complexidade, especialmente no que diz respeito à orquestração de milhões de pessoas que se deslocam em uma cidade, usando vários modos de transporte. Um observador externo poderia concluir que algum supercomputador está trabalhando, determinando para onde vão os diferentes veículos. Este ainda não é o caso, mas pode eventualmente acontecer graças ao auxílio da IA e do machine learning.
Como já dissemos aqui no blog, quando falamos de futuro pensamos em mobilidade como serviço (MaaS), um único aplicativo móvel que combina vários modos de transporte público e privado a serem acessados por uma única taxa fixa. Isso incluirá serviços sem motorista em plataformas como trens, carros, ônibus e outros modais.
A análise de big data também fornecerá novas oportunidades no desenvolvimento de ferramentas de software inovadoras que se conectarão à IA para criar um sistema mais organizado e otimizado. Isso permitirá aumentar a eficiência operacional, melhorar o poder de agendamento e fornecer serviços com alta demanda.
Inteligência artificial e machine learning, além da IoT, podem ser consideradas tecnologias responsáveis pela arquitetura das cidades inteligentes, e é sobre isso que falamos neste outro conteúdo. Confira!
