A solução alcança uma redução de 80% no erro de previsão, permitindo uma gestão ideal do congestionamento
A NEC, multinacional japonesa especialista em tecnologia, acaba de anunciar o desenvolvimento de uma tecnologia de detecção por fibra óptica que visa monitorar as condições das estradas e prever com precisão os congestionamentos repentinos de tráfego em tempo real. Ao coletar dados de cabos de comunicação por fibra óptica já existentes e analisar informações de fluxo de tráfego em tempo real por meio de um modelo de IA proprietário, a NEC reduziu em 80% os erros de previsão em comparação com métodos convencionais.
Essa tecnologia possibilita um controle de tráfego mais eficaz, incluindo a definição de rotas alternativas, contribuindo, assim, para a solução de desafios sociais, como problemas logísticos e emissões de CO₂.
O congestionamento do tráfego é um problema social significativo, que ameaça a segurança e causa perdas econômicas substanciais. Em particular, os congestionamentos em rodovias expressas — a espinha dorsal de muitas redes logísticas — têm um impacto econômico expressivo. Enfrentar esse desafio requer a compreensão em tempo real das condições das vias, tanto para a mitigação imediata do congestionamento e sua prevenção proativa, quanto para a previsão altamente precisa de congestionamentos, com base em dados atualizados.
As abordagens de monitoramento atuais dependem principalmente de instrumentos pontuais, como câmeras e detectores de laço, além de dados de veículos-sonda[1]. No entanto, ambos apresentam limitações: os primeiros têm altos custos de instalação e manutenção em toda a malha viária, enquanto os segundos só fornecem dados quando veículos equipados passam por pontos específicos de recepção, restringindo a cobertura contínua e em tempo real. Além disso, os modelos existentes de previsão de congestionamento dependem fortemente de dados históricos de longo prazo, o que dificulta capturar o surgimento e a propagação de congestionamentos repentinos e inesperados.
Para enfrentar esses desafios, a NEC desenvolveu uma tecnologia que utiliza cabos de fibra óptica — originalmente instalados para fins de comunicação ao longo das vias — como sensores distribuídos para coletar dados de fluxo de tráfego em tempo real e de forma contínua em rotas inteiras. O modelo exclusivo da NEC, baseado em Inteligência Artificial, fornece previsões em tempo real e de alta precisão sobre o surgimento e a dissipação de congestionamentos súbitos.
Características Técnicas
A NEC desenvolveu um algoritmo de assimilação de dados que combina técnicas avançadas de otimização de parâmetros de modelo e adaptação de dados, permitindo simulações precisas do
Algoritmo de Otimização de Parâmetros do Modelo
A NEC criou um algoritmo para otimizar parâmetros teóricos do modelo — como comportamentos de motoristas (ex.: ajuste da distância entre veículos) — de modo que as simulações reproduzam fielmente os dados de fluxo de tráfego observados em segmentos completos de estrada.
Algoritmo de Adaptação de Dados
Um algoritmo avançado converte diversos dados de fluxo de tráfego, incluindo “velocidade média” e “posição/velocidade” de veículos individuais, em formatos compatíveis com as entradas das simulações. Isso possibilita a definição das condições iniciais para as simulações com base em dados abrangentes de fluxo de tráfego obtidos em rotas inteiras, aumentando significativamente a confiabilidade dos resultados.
Por meio dessas inovações, a NEC confirmou — com base em dados reais — que os erros de previsão do tempo de viagem (um indicador fundamental para a previsão de congestionamentos) podem ser reduzidos em aproximadamente 80% em comparação com o método atual, que depende de dados seccionais obtidos de sensores pontuais, como câmeras.
A NEC está avançando ainda mais na concretização de um gêmeo digital dinâmico das rodovias, que possibilita o monitoramento do tráfego em tempo real em toda a rede, a previsão da evolução dos congestionamentos e a otimização das medidas de resposta. Ensaios em condições reais já estão em andamento em estreita colaboração com autoridades rodoviárias, com o objetivo de implantação prática até o ano fiscal de 2026.
Essa tecnologia foi desenvolvida com base em dados fornecidos pela Central Nippon Expressway Company Limited (NEXCO CENTRAL) e foi apresentada no 104º Encontro Anual da Transportation Research Board [2]. A NEC também apresentará um artigo relacionado no 31º Congresso Mundial de ITS, em Atlanta, Geórgia (EUA), com foco no aprimoramento da precisão do monitoramento do fluxo de tráfego em rodovias expressas [3].
____ [1] Sistema que coleta automaticamente dados de condução — como localização e velocidade de veículos equipados com unidades embarcadas — por meio de sensores instalados na estrada em intervalos que variam de alguns a dezenas de quilômetros. [2] ID da apresentação TRBAM-25-01491, “A Novel Approach to Real-Time Short-Term Traffic Prediction based on Distributed Fiber-Optic Sensing and Data Assimilation with a Stochastic Cell-Automata Model,” apresentada na sessão Artificial Intelligence–Based Solutions for Traffic Modeling and Control. [3] ID da sessão: PS31 Transportation Systems: Traffic Management and Operations, Next-Generation Traffic Management Approaches Título: TSE (Traffic State Estimation) in Congestion to Extend the Applicability of DFOS
