Os centros de gestão de tráfego foram tradicionalmente construídos para observar a rede e reagir aos problemas depois de estes ocorrerem. Câmaras, contadores, semáforos e painéis de mensagem permitem identificar congestionamentos ou acidentes e atuar sobre a circulação. A utilização de inteligência artificial e da análise de grandes volumes de dados está a alterar esse paradigma: o objetivo passa progressivamente de detetar um problema para antecipar onde e quando ele poderá surgir.
Hong Kong apresentou esta semana, durante a reunião dos ministros dos Transportes da APEC em Pequim, uma estratégia em que inteligência artificial, big data, condução autónoma e digitalização da logística assumem um papel central. O território está a desenvolver uma plataforma de gestão de tráfego destinada a integrar informação em tempo real, prever alterações dos fluxos, identificar potenciais estrangulamentos e apoiar a elaboração de planos de contingência. A intenção foi reafirmada a 23 de setembro pelo Governo de Hong Kong após a reunião da APEC.
O conceito ultrapassa um centro tradicional de controlo semafórico. Uma plataforma deste tipo pode combinar volumes de tráfego, velocidades, informação proveniente de sensores, incidentes, meteorologia, transportes públicos e eventos programados. Com modelos preditivos, torna-se possível avaliar o risco de congestionamento antes de este se materializar e preparar medidas como alteração de planos semafóricos, gestão dinâmica de faixas, informação aos condutores ou ajustamentos na operação dos transportes públicos.
Hong Kong prevê testar a plataforma inicialmente em Aberdeen, incorporando funções de resposta a condições meteorológicas extremas a partir de 2027 e outras funcionalidades em 2028. O território já utiliza inteligência artificial num projeto-piloto de autoestrada inteligente na Ting Kau Bridge. Segundo o Departamento de Transportes, a deteção automática de incidentes através destas tecnologias reduziu em perto de 90% o tempo necessário para identificar determinadas ocorrências naquele troço experimental. A experiência ajuda a explicar por que razão a inteligência artificial começa a ser encarada não apenas como uma ferramenta de análise, mas como parte da infraestrutura operacional da rede.
Esta evolução traz, contudo, novas exigências. Um algoritmo apenas consegue produzir previsões úteis quando recebe dados suficientemente completos, atualizados e consistentes. Antes da inteligência artificial existe, por isso, um trabalho menos visível: normalização dos dados, integração entre sistemas de entidades diferentes, qualidade dos sensores, comunicações, armazenamento histórico e definição de protocolos de atuação. Também é necessário estabelecer em que situações uma decisão pode ser automatizada e quando deverá continuar a depender da validação de um operador humano.
A experiência é particularmente relevante para as áreas metropolitanas portuguesas. Lisboa e Porto dispõem de múltiplos gestores de infraestrutura, municípios, operadores de transporte e sistemas de informação que produzem continuamente dados sobre a mobilidade, mas a capacidade de os integrar para gestão operacional continua a ser mais limitada do que a quantidade de informação disponível. O próximo salto tecnológico poderá não estar na instalação de mais sensores, mas na capacidade de juntar dados já existentes e convertê-los em previsão e decisão.
A inteligência artificial não elimina o planeamento de tráfego. Pelo contrário, aumenta a necessidade de modelos, dados históricos e conhecimento da rede. A diferença é temporal: uma gestão essencialmente reativa pergunta o que aconteceu e como responder; uma gestão preditiva procura estimar o que acontecerá nos minutos seguintes e atuar antes que a degradação das condições de circulação se torne difícil de recuperar.
