Com o avanço da capacidade de processamento dos computadores, a Inteligência Artificial (IA) tem sido uma grande aliada na análise de dados provenientes de diferentes áreas.
Segundo Ray Kurzweil, cofundador da Singularity University e Diretor de Engenharia do Google, “IA é a arte de criar máquinas que executam funções que requerem inteligência quando realizada por pessoas”. Tecnicamente é possível dizer que IA é a soma do Big Data com Machine Learning (Aprendizado de Máquina), ou seja, um conjunto de métodos matemáticos usado para desempenhar as funções de inteligência.
Muito se fala das suas aplicações e potencialidades na solução de problemas que antigamente seriam impensáveis. Na medicina, a Inteligência Artificial auxilia os médicos na emissão de diagnósticos. No campo do direito, a ferramenta fornece aporte aos profissionais nas decisões que são tomadas no bojo dos processos, nas instituições de seguro, permite maior rigor no controle de fraudes. Além de aplicações em áreas como educação, arte, marketing, finanças e muitas outras.
E na Engenharia de Transportes?
Há importantes questões ligadas a gestão da mobilidade, como a análise de Polos Geradores de Viagens (PGV), predição de tráfego, contagem de fluxo de veículos e pedestres que, por meio da aplicação dos métodos de IA, podem ter soluções mais rápidas. Esta ferramenta é aplicada no projeto dos carros autônomos, e nas cidades inteligentes, as quais já são realidade em diversos lugares do mundo.
IA e Polos Geradores de Viagem
PGV são empreendimentos, como loteamentos, shoppings centers, templos religiosos, estádios de futebol, faculdades e indústrias cujas atividades geram e atraem um grande número de viagens. Para melhor compreender os impactos viários que serão causados pela implantação de um PGV, é de vital importância que o acréscimo de viagens seja estimado.
Uma das principais formas para se chegar a este número é se baseando em empreendimentos similares, cujos dados são manipulados a partir de um método conhecido como regressão. Seu objetivo é encontrar a equação que melhor descreve a quantidade de viagens geradas em função de um determinado parâmetro. No caso de um empreendimento residencial, o parâmetro muitas vezes considerado é o número de unidades habitacionais.
Visão Computacional (VC) e Engenharia de Transportes
Visão computacional é uma área da IA, que segundo o cientista Alessandro Faria, sócio fundador da empresa OITI TECNHOLOGIES, “é a capacidade de dar visão para as máquinas no espaço ao seu redor”. A figura a seguir ilustra como a VC reconhece e identifica formas diferentes. Uma habilidade que até então era restrita a inteligência humana.
Imagem do cientista Alessandro Faria, uma bicicleta e um veículo de passeio, identificados pela VC.
Na engenharia de transportes, a VC pode ser utilizada para o reconhecimento de veículos de variados tamanhos, como carros, caminhões, motos e bicicletas, diferenciando-os dos pedestres. Inclusive, tal reconhecimento pode ser realizado mesmo que os veículos estejam em movimento. Esta aplicação permite que a contagem do tráfego seja feita de forma automatizada, com agilidade e precisão.
A partir das imagens coletadas, um algoritmo conhecido como YOLO (You Only Look Once), utiliza uma rede neural convolutiva, para identificar e contabilizar os veículos em movimento, sem que seja necessário investir horas de trabalho de profissionais qualificados, para realizarem contagens classificadas do tráfego.
IA e Logística
Dado o aumento do número de compras virtuais ocasionado pela Pandemia do COVID19, a nova rotina das transportadoras passou a contemplar operações logísticas cada vez mais complexas. Algoritmos de IA, como o vehicle routing problem (VRP), auxiliam as empresas de entrega, uma vez que oferecem a otimização das rotas por meio da compatibilização de parâmetros como o veículo a ser utilizado, tempo estimado para a entrega, distância a ser percorrida e, ainda, consumo de combustível. Tem-se como resultado a rota ideal: mais rápida e econômica.
IA e Veículos Autônomos
Os carros autônomos foram concebidos para reduzir acidentes e minimizar a emissão de gases poluentes. No intuito de não precisarem de motoristas, estes automóveis são munidos de diversos sensores, com os quais é possível identificar pedestres, obstáculos e outros veículos. A interpretação dos dados coletados pelos sensores é feita continuamente por meio de algoritmos de IA (como reinforcement learning), permitindo que os veículos autônomos tomem decisão em tempo real, adequando-os, assim, às condições de imprevisibilidade do trânsito.
Modelo de carro autônomo – Tesla Motors.
Além das diversas aplicações tecnológicas, algumas delas citadas aqui, a IA pode também ser aplicada com o objetivo de automatizar processos repetitivos. As empresas e centros de pesquisa que investem no uso de inteligência artificial, otimizam o dia a dia das pessoas, além de, nos casos relativos à mobilidade, auxiliar na gestão do trânsito, considerado ser atualmente, um grande gargalo no crescimento sustentável dos centros urbanos.
Apresentamos aqui algumas relações entre IA e Mobilidade, destacando seu potencial para oferecer soluções precisas e rápidas para antigos problemas, além de atender novas demandas geradas pelas atuais circunstâncias e desafios da vida contemporânea. No entanto, é importante destacar que, por mais disruptiva que esta nova tecnologia se apresente, nada substitui a análise e supervisão humana.
Daniela Barbato Doutora em Física, IFSC-USP.
Pós Doutorado, Tel Aviv University.
Pós Doutorado, IQSC-USP
Referências
Baldacci, R., Bartolini, E., & Laporte, G. (2010). Some applications of the generalized vehicle routing problem. Journal of the operational research society, 61(7), 1072-1077.
Nagy, G., & Salhi, S. (2007). Location-routing: Issues, models and methods. European journal of operational research, 177(2), 649-672.
