Inovações tendem a revolucionar forma de lidar com segurança no trânsito

Por Vinicius Brum

O uso de dados para orientar a tomada de decisão é capaz de trazer uma série de benefícios para a sociedade e organizações, como maiores assertividade e eficiência de processos. Quando o tema sai do âmbito corporativo e chega às estradas do País, essas informações deixam de ser somente um diferencial competitivo e passam a salvar vidas. Cada vez mais, a tecnologia é uma aliada na prevenção de acidentes, com inovações que revolucionam a forma como lidamos com a segurança no trânsito.

Mas ainda há muito espaço para o desenvolvimento de soluções. Isso significa avançarmos ainda mais para o conceito das cidades inteligentes. Uma reflexão importante — sobretudo neste mês de Maio Amarelo, que pinta o calendário exatamente com a cor que nos semáforos pede cautela — para chamar a atenção de toda a sociedade para o alto índice de mortos e feridos no trânsito.

Ainda que haja um número crescente de boas práticas, é importante ir além, ainda mais quando a tecnologia pode alavancar melhorias mais significativas. Por exemplo: muito se fala sobre sinais de trânsito inteligentes e radares. Mas o uso massivo de dados gerados pelas cidades não serve apenas para controlar o trânsito: ajuda a prever a ocorrência de acidentes. É uma mudança de mentalidade: em vez de reagir às ocorrências indesejadas e aprender com elas, passamos a antecipá-las e a mobilizar os equipamentos públicos de forma inteligente para evitar que aconteçam. Isso é predição de acidentes.

O uso combinado de soluções de analytics avançado e IA com machine learning possibilita a operação de programas eficazes. A consultoria Falconi, pioneira em soluções gerenciais nesse tema, apoiou Brasília a reduzir em 51% o número de acidentes fatais. Outro exemplo é o programa da Secretaria Nacional de Trânsito (Senatran) para redução de acidentes: usa um algoritmo para predição de colisões que trabalha com taxas de assertividade superiores a 80% nas cidades de São Paulo e Belo Horizonte, além de um trecho de uma rodovia federal na Paraíba.

Só que quando falamos de dados, não podemos nos limitar às informações básicas. É preciso organizar bancos de dados mais amplos e que tragam, por exemplo, informações climáticas e de eventos da região. Desta forma, modelos de inteligência artificial serão mais eficazes e órgãos de trânsito poderão gerar conhecimento com insumos de muito mais valor.

A disponibilidade dos dados, no entanto, é um fator dificultador pela forma ainda analógica de coletá-los ou pela fraca integração entre os órgãos. Às vezes, sequer há estatísticas estruturadas ou confiabilidade mínima. Outra dificuldade é o próprio paradigma da gestão pública em se organizar, sistemicamente, para produzir resultados. Em muitas instituições ainda há lacunas enormes de produtividade e eficiência que impedem as articulações necessárias para operarem como modelos de negócio baseados em tecnologia ou de estabelecerem uma governança eficaz.

Nesse cenário, as parcerias público-privadas são mais que bem-vindas. Em muitos casos, dados que os governos têm são diferentes dos coletados pelo setor privado. Estabelecida a cooperação de informações para o compartilhamento responsável dos dados, as informações seriam melhor qualificadas e as decisões mais eficazes. Ou seja: possibilitariam um salto em eficiência gerencial e qualidade de vida.

Com relação à segurança dos dados, usualmente modelos de análise como esses não requerem a identificação do cidadão, mas sim as características gerais e da ocorrência que ele se envolveu. Dados anonimizados funcionam muito bem, de forma que todas as regras e leis vigentes com relação à segurança da informação possam ser respeitadas sem prejuízo dos benefícios que as tecnologias trazem. Inclusive, já se fala em modelos onde o próprio cidadão fornece seus dados e é monetizado por contribuir com informações que melhoram a gestão pública e as suas decisões.

Políticas públicas trazem regras para o presente e para o futuro baseadas em observações do passado — mas, eventualmente, algumas delas têm validade curta, principalmente em função da velocidade com a qual as mudanças ocorrem. Já os modelos preditivos olham para frente. Se associarmos essa variável nas discussões de trânsito, certamente teremos decisões de melhor qualidade, focadas no cidadão e, sobretudo, de eficácia muito mais longeva.