Os modernos sistemas de gestão de tráfego enfrentam atualmente desafios sem precedentes, resultado do crescimento acelerado do volume de veículos e de padrões de mobilidade urbana cada vez mais heterogéneos e complexos. Perante a insuficiência dos algoritmos tradicionais de tempo fixo, uma nova investigação desenvolvida por especialistas da Universidade de Tecnologia de Rzeszów, na Polónia, propõe uma solução de vanguarda que promete transformar a fluidez nos cruzamentos das cidades inteligentes. O estudo apresenta um método de controlo adaptativo que utiliza a Inteligência Artificial, especificamente a Aprendizagem por Reforço Profundo (DRL), combinada com a tecnologia de identificação por radiofrequência (RFID) para gerir os semáforos em tempo real.
A grande inovação desta abordagem reside na utilização do algoritmo Proximal Policy Optimization (PPO) integrado numa arquitetura de transformadores, a mesma base tecnológica que sustenta os modelos de linguagem mais avançados. Ao contrário dos sistemas baseados em visão, que podem falhar em condições meteorológicas adversas como chuva intensa ou nevoeiro, a tecnologia RFID revelou-se uma fonte de dados extremamente robusta e económica, garantindo a privacidade dos cidadãos ao não captar imagens. Através de transponders passivos instalados nos veículos, o sistema consegue identificar com precisão superior a 95% se o automóvel que se aproxima é um ligeiro, um autocarro ou uma ambulância, permitindo uma gestão dinâmica de prioridades.
Os resultados obtidos em ambiente de simulação microscópica SUMO são reveladores da eficácia desta “gestão inteligente”. O modelo PPO-Transformer conseguiu reduzir o atraso médio dos veículos em 28,6% e a extensão das filas de espera em 36% quando comparado com os sistemas tradicionais. Mesmo perante algoritmos adaptativos clássicos, como o de Miller, a nova solução demonstrou uma superioridade clara, aumentando o fluxo total de veículos no cruzamento em cerca de 12%. Esta capacidade de adaptação deve-se ao mecanismo de atenção dos transformadores, que permite ao sistema aprender com padrões históricos de tráfego e detetar fluxos cíclicos para tomar decisões preditivas sobre a manutenção ou mudança de fase dos semáforos.
Apesar do sucesso ao nível de cruzamentos isolados, o estudo reconhece que o grande desafio futuro passa pela escalabilidade para redes urbanas completas. A visão dos investigadores aponta para uma arquitetura de gestão hierárquica, onde agentes locais controlam cada cruzamento enquanto modelos de supervisão a nível distrital coordenam ondas de tráfego em larga escala. Esta fusão entre a precisão da identificação por RFID e a capacidade analítica da Inteligência Artificial desenha o caminho para sistemas de transporte que não só otimizam o tempo de viagem, como contribuem ativamente para a redução de emissões e para uma segurança rodoviária reforçada nas cidades do futuro.