Coleta e cruzamento de informações ainda é um obstáculo

Desde 2012 os municípios brasileiros estão às voltas com a elaboração do Plano de Mobilidade Urbana (PMU), conforme determina a Política Nacional de Mobilidade Urbana (PNMU). Foram diversas prorrogações, de 2015 passou a ser 2018, em seguida 2021, depois 2023 e, recentemente, foi definido que o prazo final seria 2025. O problema não é a má vontade das administrações, mas, sim, os inúmeros obstáculos a serem solucionados. Entre eles, a coleta e gestão de dados de mobilidade urbana.

 Uma pesquisa do Instituto de Políticas de Transporte e Desenvolvimento (ITDP), feita em 2019, elencou os desafios das cidades no uso de dados e indicadores para planejamento e gestão da mobilidade urbana. Entre eles estava:

– Ausência de dados públicos;

– A falta de acesso a dados de terceiros;

– Ausência de recursos para contratar novas pesquisas;

– A falta de integração com outras secretarias e setores do poder público;

– A baixa qualidade de dados disponíveis;

– A ausência de ferramenta para analisar grande quantidade de dados;

– A burocracia para inovar no levantamento e análise de dados;

– A falta de capacidade técnica para trabalhar com dados.

A má notícia é que de lá para cá não mudou muito. Atualmente, a coleta de dados ainda é um problema até a nível federal. E, mesmo que, magicamente, fossem coletados, de nada adiantaria sem a análise e interpretação deles. Ou seja, para que todas as cidades utilizem esse recurso para a tomada de decisões ainda há muita estrada pela frente.

Dinamismo da mobilidade urbana

Para ser eficiente e realmente contribuir com o tráfego das cidades, a gestão de dados precisa ser tão rápida quanto o trânsito. Vale lembrar que, a mobilidade urbana é um ambiente altamente dinâmico e com diversas variáveis. Assim, a inteligência artificial e os dispositivos IoT são essenciais para uma gestão eficiente. 

Nesse sentido, os sensores instalados em pontos-chave (confira o post Solução Liquid – Sensores de Vagas) podem coletar informações em tempo real. Enquanto a IA faz a leitura e análise desses dados, tomando as decisões mais adequadas. Como resultado, podendo abrir ou fechar o semáforo conforme o fluxo, para aumentar a fluidez da pista. Esse é apenas uma das inúmeras possibilidades. Além disso, a longo prazo o cruzamento dessas informações permite melhorias significativas conforme a utilização da via.

Esse foi o caso do Joinville, em Santa Catarina. Com 410 mil veículos, a cidade utilizou dados abertos para adotar melhorias e mudanças viárias. Esses foram coletados de um aplicativo de trânsito e navegação, mostrando que o problema pode não ser a ausência de informação, mas a capacidade de interpretação delas. Por exemplo, através da tecnologia Call Detail Record (CDR) sobre as chamadas é possível entender como é a mobilidade das pessoas, mas para visualizar o comportamento geral é necessário o cruzamento desses dados.

O que torna urgente a implementação de uma Base de Dados Integradas (BDI), com a capacidade de organizar todas as bases existentes, sejam públicas ou privadas. Além disso, permitir que municípios pudessem consultar de forma ágil. Infelizmente, isso ainda parece longe de acontecer. Mas, com o avanço da tecnologia 5G, as esperanças foram renovadas.