A evolução dos cruzamentos: de loops indutivos à inteligência artificial
![](/globalassets/industrial/discover/traffic/evolution-of-intersections-main.png)
Por sua natureza dinâmica, os cruzamentos são um dos projetos mais desafiadores que os planejadores urbanos têm que enfrentar. Como um cruzamento varia do outro, depende de muitos fatores. Quantas travessas? Há tráfego intenso de pedestres e bicicletas? Fica ao longo das principais linhas de transporte público? Como será a variação do uso ao longo do dia? Criar um cruzamento eficaz e seguro, exige muita pesquisa e profunda compreensão da área. Além disso, os planejadores urbanos devem monitorar as mudanças nas condições e fazer melhorias conforme o fluxo de tráfego evolui.
A forma como monitoramos e lidamos com essas variações mudou ao longo dos anos. Desde a sincronização básica do sinal até a detecção avançada de veículos, as melhorias na tecnologia de transporte tornaram os cruzamentos mais seguros e eficientes. À medida que o desempenho dos sensores melhora, também melhora nossa compreensão sobre ambientes urbanos complexos.
Em que ponto estamos agora?
Um exemplo inicial de melhorias significativas em cruzamentos é a transição de sinais temporizados para sensores de presença, geralmente sob a forma de loops indutivos. Loops indutivos são instalados nas vias para detectar a presença de veículos que passam, solicitando aos semáforos que permitam mais tempo para a passagem de veículos que estão em fila. A adesão à detecção de presença reduziu muito os congestionamentos nos horários de tráfego mais intenso.
Os loops indutivos detectam veículos efetivamente na superfície da via, mas são caros e difíceis de instalar ou fazer manutenção.
Embora os loops indutivos tenham se mostrado muito úteis e amplamente usados no controle de cruzamentos, suas desvantagens deixam muita margem para melhorias. Em termos de desempenho, os loops indutivos coletam dados de presença de veículos apenas em sua área imediata. A detecção de veículos que se aproximam em várias pistas requer vários loops indutivos. Em termos de manutenção, a instalação e a manutenção dos loops exigem reparos de alto custo nas vias e fechamentos de pistas, que causam transtornos. Essa situação torna-se rapidamente ineficaz uma vez que os loops indutivos têm uma vida útil média de 3 a 7 anos.
Várias novas tecnologias surgiram como soluções para corrigir as limitações dos loops indutivos. Sensores acima do solo, incluindo câmeras de luz visível, imagens térmicas e radar trazem várias melhorias. Em termos de controle de semáforo, muitos sensores acima do solo permitem zonas de detecção configuráveis pelo usuário. Isso permite que os operadores de tráfego monitorem os veículos que se aproximam e os que estão parados em várias pistas. O que antes exigia várias instalações de loops indutivos, agora é possível obter com um único sensor acima do solo. Em termos de manutenção, simplesmente trazer a tecnologia para acima do solo faz toda a diferença. Instalações, reparos ou calibrações são executados rapidamente em um único sensor, geralmente sem a necessidade de impedir o tráfego.
Sensores acima do solo detectam veículos, ciclistas e pedestres em zonas configuradas pelo usuário.
A imagem térmica é uma das favoritas do setor entre as tecnologias de controle de semáforo. A detecção de veículos, pedestres e bicicletas em situações de escuridão total, clima adverso e luz forte confere à imagem térmica uma vantagem diferencial de desempenho ao longo das estradas. Aliás, um estudo recente do Instituto Federal de Pesquisas Rodoviárias da Alemanha (BASt – Bundesanstalt für Strassenwesen) reconheceu a geração de imagens térmicas como a alternativa de detecção mais confiável para loops indutivos: “Nenhuma outra tecnologia de detecção foi capaz de mostrar um valor tão baixo e consistente de taxa de alarmes falsos durante o teste de campo como detecção de imagens termográficas. Na maioria dos casos, não houve nenhum falso positivo.”
O que vem a seguir?
![](/globalassets/industrial/discover/traffic/its-infographic-thumbnail.jpg)
O elevado desempenho e as baixas taxas de alarmes falsos da moderna detecção de veículos abrem caminho para um salto significativo em termos de capacidade, ou seja, dispositivos inteligentes. A introdução de sensores de tráfego alimentados por IA oferece um novo nível de percepção para cruzamentos e seus entornos. Análise na câmera capaz de monitorar posição, direção e velocidade do veículo não apenas controla efetivamente os cruzamentos em tempo real, mas também reúne dados sólidos da movimentação de veículos e pedestres para sistemas de tráfego preditivos aprimorados.
Além de identificar a localização e o movimento dos veículos, os sensores equipados com IA também usam algoritmos de classificação avançados para diferenciar os tipos de veículos. Distinguir um caminhão de um ônibus de transporte público ou um ciclista do tráfego de veículos permite que os sistemas de transporte inteligentes priorizem automaticamente os veículos de emergência, o transporte público e os usuários vulneráveis nas vias.
Sensores alimentados por IA coletam dados de velocidade, direção e posição em uma ampla variedade de usuários nas vias.
Essa compreensão aprimorada de como veículos, pedestres e bicicletas se movem em ambientes urbanos em diferentes horas do dia permite que os operadores de tráfego identifiquem áreas perigosas e resolvam congestionamentos muito além da capacidade dos loops indutivos.
À medida que os métodos de transporte e os próprios veículos continuam a evoluir, nossa infraestrutura também precisa evoluir. A inteligência artificial irá equipar planejadores urbanos com dados valiosos para ajudar a moldar o futuro de nossos cruzamentos e vias.
Saiba mais sobre tecnologia de transporte em FLIR.com/traffic