O canal para quem suspira cliente.

Pesquisar
Close this search box.

Análise preditiva a serviço da bicicleta

Algumas vezes por semana uso a bicicleta para ir de casa ao trabalho, alternando-a com o automóvel. Percorro cerca de 7 km e, depois de alguns meses de utilização, constatei que a duração do percurso de bicicleta sofre muito menos variações que o mesmo feito de carro, graças ao “maravilhoso” efeito do trânsito em São Paulo. Assim, se na bicicleta posso seguramente esperar chegar entre 20 e 24 minutos, no carro tenho um intervalo bem mais amplo, de 15 até 40 minutos.
Refleti sobre o quão mais preciso seria um modelo estatístico de previsão da duração na bicicleta, dado que há uma menor influência de fatores no tempo de percurso. Podemos elencar como candidatos: clima, trânsito de veículos e minha própria vontade de acelerar ou curtir o passeio. No carro, de outro lado, há monte de fatores bem difíceis de associar que afetam o resultado, como manifestações, polícia, acidentes, quebras, etc.
Aproveitei para pesquisar o que anda acontecendo pelo mundo no uso de análise preditiva a serviço da mobilidade urbana sobre duas rodas. Na cidade de Bordeaux, na França, a empresa QUcit criou um aplicativo móvel que ajuda aos usuários do sistema de compartilhamento de bicicletas. Ele informa, nas próximas 12 horas e para todas as estações de compartilhamento, a disponibilidade prevista de uma magrela para seu próximo trecho. O aplicativo usa aprendizagem de máquina e dados históricos de quatro anos para realizar as previsões.
A autoridade de trânsito de São Francisco (BART), por sua vez, está usando análise preditiva para reduzir os furtos de bicicletas estacionadas em suas estações de trem. A ideia é realizar previsões de onde e quando as próximas tentativas de furto vão ocorrer, e reforçar a segurança dessas estações. Isso é combinado com sistemas de vigilância por câmeras, e uma ousada tática de colocar modelos caros em locais reconhecidamente perigosos como um chamariz para agarrar os meliantes.
Finalmente, saltando para o mundo do transporte “compartilhado”, porém motorizado, o Uber anda fazendo modelos preditivos para prever o destino esperado de seus usuários. Segundo a empresa, os modelos construídos conseguem acertar em até 75% das vezes o destino que será solicitado pelos usuários. Agora só nos resta esperar que soluções como essas comecem a aparecer nas cidades brasileiras.
Mãos à obra!
Leonardo Vieiralves Azevedo é diretor da Habber Tec Brasil.

Deixe um comentário

O seu endereço de e-mail não será publicado. Campos obrigatórios são marcados com *

Rolar para cima