Subscribe to our Newsletter!
By subscribing to our newsletter, you agree with our privacy terms
Home > IoT > Startup ajuda cidades a melhorar a segurança viária
Abril 19, 2021
A startup canadense MicroTraffic segue quatro passos básicos para reduzir os riscos no trânsito e criar vias mais seguras: coletar dados, analisá-los, fazer um diagnóstico e propor uma solução. Esse processo permite que a empresa crie planos de segurança capazes de reduzir acidentes de trânsito em 80%. E a levou a conquistar o primeiro lugar na categoria “Smart Cities, Transportation & Logistics” do SXSW Pitch, realizado em março de 2021.
Fundada em 2017, a MicroTraffic ajuda as cidades a planejar melhorias na segurança do trânsito e a monitorar a eficácia das mudanças implementadas, a partir de uma solução de Visão Computacional alimentada por IA.
“Os resultados do protótipo ajudaram tanto na compreensão dos riscos e das contra-medidas apropriadas, que decidimos transformar o projeto de consultoria na solução de monitoramento MicroTraffic”, explica o Engenheiro de Segurança Rodoviária e CEO da empresa, Craig Milligan.
No ano passado, a startup adicionou 25 cidades ao seu programa piloto e a meta é estar em um total de 170 municípios no próximo ano. A empresa já dobrou o tamanho de sua equipe de visão computacional e triplicou o tamanho de sua equipe de segurança no trânsito.
Nessa entrevista, Milligan comenta como técnicas preditivas estão sendo úteis para as análises de segurança no trânsito.
A MicroTraffic foi criada por engenheiros com muita experiência em estudos diagnósticos. Nossa preocupação era que os dados históricos de acidentes, geralmente muito utilizados nesses estudos, não revelam fatores de risco latentes. Consequentemente, são uma ferramenta de diagnóstico inadequada.
Usando as técnicas tradicionais, os engenheiros de tráfego de uma cidade só descobrem um risco depois da ocorrência de um acidente fatal, mesmo que acidentes quase ocorram todos os dias no local. Com a nossa solução de monitoramento das ruas, os engenheiros podem gravar esses “quase acidentes”, entender os fatores de risco antes mesmo que um incidente ocorra e corrigir o problema.
Os dados que mais me animam são aqueles que mostram redução dos quase acidentes em um cruzamento. Conseguir reduzir de 80% a 90% do risco em um cruzamento é o que nos faz acordar de manhã e isso está acontecendo cada vez mais. Essa é nossa missão, uma visão de um mundo livre de acidentes de trânsito fatais, graças à tecnologia.
O trabalho da MicroTraffic começa com a coleta das imagens das câmeras presentes nos locais a serem analisados. Muitas cidades investem em sistemas de câmeras ou em um sistema de circuito fechado de televisão (CFTV). O que fazemos é transformar esses dados em informações úteis.
Nosso algoritmo de visão computacional utiliza Deep Learning para detectar todos os usuários da via em cada frame do vídeo. Então, faz um link entre frames sucessíveis para obter um percurso. Ainda temos um algoritmo de localização espacial que traduz a localização no vídeo em coordenadas terrestres e cria o que chamamos de base de dados de trajetórias.
Essa base de dados, permanentemente atualizada, representa a localização e o tempo de cada usuário da via. E nos permite entender de forma dinâmica a relação entre os usuários e comparar diversas trajetórias.
O algoritmo processa pares de trajetórias para avaliar o risco, levando em consideração a velocidade, a proximidade espacial, as relações angulares entre os usuários da via e o quão vulneráveis eles estão. Com base nesses fatores, categorizamos a interação em um determinado nível de risco, desde um evento benigno até uma interação de risco crítico. Um fator de risco latente, por exemplo, é um risco que ainda não foi expresso nos dados de colisão, mas que tem o potencial de resultar em ferimentos graves ou em fatalidades.
Com esse trabalho, descobrimos de forma precisa quais partes de um cruzamento possuem maior risco e quais usuários da via estão tipicamente em uma situação arriscada nesse local. Os riscos são reportados para áreas muito específicas desse cruzamento.
Portanto, dados brutos produzidos pelas câmeras, comumente negligenciados, podem virar um projeto de engenharia ou de intervenção na rua analisada. A partir do diagnóstico do problema podemos entender como mudar o layout físico dos cruzamentos, acomodar melhor os usuários da via e separar vias conflituosas com o objetivo de redução de riscos.
A gravação dos vídeos é um obstáculo. Não existem câmeras em todos os cruzamentos e, às vezes, as câmeras podem até existir, mas o design da rede CFTV não nos permite fazer muita coisa com elas. Em algumas cidades, as câmeras ficam off-line com frequência e não gravam o necessário para que possamos fazer um diagnóstico. Um dos maiores desafios para cidades que queiram usar o nosso sistema é possuir um bom sistema de CFTV.
Sim, a conexão também pode ser um obstáculo, mas eu a caracterizaria como parte do sistema de CFTV. Quando fazemos análises de vídeos, há uma dependência computacional e de largura de banda. Mas é possível escolher entre aplicar muito poder computacional na ponta e não se preocupar com a largura de banda ou manter esse poder computacional centralizado e ter uma demanda maior por largura de banda.
Nós usamos computação centralizada e, no futuro, teremos uma opção em edge. Algumas cidades terão que usar nossa solução edge, mas, dessa forma, será preciso colocar mais poder computacional na ponta, o que vai exigir uma câmera mais avançada.
Hoje a MicroTraffic tem condições de fazer um piloto em qualquer município, independentemente da situação tecnológica. Como queremos demonstrar o valor da tecnologia, instalamos câmeras temporárias, retiradas depois da captação de dados. Assim é possível testar a solução. Se a cidade gostar da tecnologia e estiver construindo uma estrutura de monitoramento de smart city, é possível investir nessa tecnologia.
Alguns municípios não planejam fazer um grande investimento em largura de banda, então usam as câmeras temporárias por anos. Nesses casos, os aparelhos são colocados em um cruzamento, os fatores de risco são descobertos e tratados, a redução de risco é medida e o aparelho é instalado em outro local.
A MicroTraffic tenta não se restringir a locais que já tenham configurações robustas de monitoramento de IoT. Entretanto, os locais que possuem essa tecnologia estão em grande vantagem porque nossas soluções podem ser utilizadas quase que instantaneamente.
Tecnologias de monitoramento, especialmente aquelas que visam segurança, são tendências muito importantes em smart cities. Entre os anos 1970 e 2010, ocorreu uma grande redução em acidentes de trânsito porque fizemos tudo que era fácil de fazer sem tecnologia. Mas, desde 2010 até hoje, o progresso em segurança no trânsito quase parou, então, a esperança para muitas cidades é que o monitoramento, os sensores de internet das coisas e a inteligência artificial possam destravar o próximo passo na segurança das vias em diversas aplicações.
Primeiro, nós ficamos muito felizes por termos sido selecionados para participar do SXSW Pitch e, depois, por ganhar o prêmio. Foi uma ótima experiência. Os jurados também ajudaram bastante. As perguntas que nos fizeram nos levaram a pensar sobre elementos importantes de nosso negócio, mas acho que demos respostas boas o suficiente na hora.
Para nós, o prêmio significa duas coisas. Primeiro, é uma validação de que o que estamos fazendo é importante, empolgante e que outras pessoas veem valor por algo pelo qual somos apaixonados. A outra coisa é que ele nos dá exposição. Esperamos que, por meio do prêmio e da publicidade em torno dele, mais cidades passem a nos conhecer.
Setembro 18, 2023
Setembro 12, 2023
Setembro 06, 2023
Agosto 31, 2023
Agosto 28, 2023
Agosto 23, 2023
Agosto 18, 2023
Previous
Redes LoRa ajudam a conectar o campo e aumentar a eficiência do agronegócio
Next
Empresa alemã usa IoT para combater incêndios florestais