As prefeituras e concessionárias de transportes públicos estão descobrindo o valor do data analytics para a gestão dos serviços de mobilidade urbana. Já existem boas práticas em cidades como Rio de Janeiro, São Paulo e Belo Horizonte, mas o melhor exemplo vem de Londres, onde a Transport of London (TfL), empresa responsável pela estratégia do setor na Grande Londres, abriu 75% dos seus dados. O custo de abertura foi de 1 milhão de libras, mas a economia para o sistema de transporte em função das melhorias no planejamento e gestão está estimada em 130 milhões de libras.
A informação é de Tainá Bittencourt, especialista em mobilidade urbana da Frente Nacional de Prefeitos (FNP) e que participou de uma mesa redonda sobre o uso de data analytics em mobilidade urbana durante o evento Connected Smart Cities & Mobility 2022.
Segundo ela, a abertura de dados em concessionárias de serviços públicos municipais ainda é restrita no Brasil. Uma pesquisa recente da FNP mostra que apenas 9,5% das cidades pesquisadas têm acesso aos dados sobre bilhetagem eletrônica, embora em 85% delas esse tipo de informação seja coletada.
Outro gap acontece com os dados de GPS/AVL (localização automática de veículos): eles são coletados em 78% das cidades pesquisadas, mas em apenas 20% a informação é aberta para as prefeituras.
O GTFS, sigla para General Transit Feed Specification, que é um padrão mundial para dados de trânsito em serviços de mobilidade urbana, é outro desafio: embora 53% das cidades pesquisadas tenham a coleta dessa informação, apenas 26% delas os têm disponibilizados. Nota: a pesquisa da FNP cobriu 87 cidades de 21 estados e que representam 38,3% das pessoas que usam o sistema de transporte público no Brasil.
Dados de telecomunicações otimizando mobilidade urbana
A coleta e o compartilhamento de dados tem exemplos de uso com informação das antenas de operadoras móveis, que coletam inputs dos usuários de celular. É o caso da Claro, com seus 63 milhões de assinantes, que geram 14 bilhões de dados diários, a partir do registro detalhado de chamada (CDR). Muito usado em operações de bilhetagem em telecomunicações, o CDR também pode ser aplicado para o planejamento e gestão da mobilidade urbana.
“Dados gerados nas antenas são os eventos de celulares, como ligações, e que permitem fazer análises de deslocamento de um grande volume de pessoas”, resume Ageu Dantas, head de Data Insights da Claro. “Os dados são anonimizados na origem, agrupados e ainda adicionamos um ruído estatístico”, completa o especialista, explicando como o processo é seguro e despersonalizado.
Além de seguro, o dado de telecomunicações é mais rico, pois a amostragem é maior e acontece durante várias horas do dia. Não é o caso da informação gerada por aplicativos, cuja amostragem é baixa e limitada. Os dados de internet das coisas (IoT) também têm a limitação de estarem focados em veículos e não em pessoas: são ótimos para gerenciamento de frota, mas não identificam o deslocamento de pessoas da estação de metrô X para a estação Y, por exemplo.
Dantas lembra que o uso do CDR para análise de mobilidade acontece no mundo inteiro. A novidade da Claro é o refino do uso do dado a partir da plataforma GeoData, lançada recentemente. Esse refino inclui o uso de machine learning (ou aprendizado de máquina) para ampliar a precisão da informação, a partir do cruzamento de dados de várias antenas e da divisão do Brasil em cerca de 250 mil quadrículas. Traduzindo: é possível ter uma precisão maior e mais riqueza de informações sobre o deslocamento em uma cidade e ajudar prefeituras e concessionárias na melhoria do transporte urbano.
Em matéria recente do Próximo Nível, João Del Nero, gerente de Vendas de Data Analytics da Embratel – unidade corporativa da Claro – detalhou que a operadora lida com 2,5 petabytes de dados. “E esses já são dados transformados, direcionados à utilização do nosso time em consultas, serviços, processos e outras demandas”, adianta. Em outra esfera, são 5 bilhões de registros por dia.
A operadora coleta dados que incluem desde os eventos de conexão nas antenas da rede móvel, até transações, faturamento, atendimentos de suporte e serviços. “Temos mais de 150 servidores físicos, fora os virtualizados, para abrigar essas informações, e os acessos são feitos por APIs, que garantem melhor segurança e acessibilidade das informações”, explicou.
Campina Grande adotou data analytics com sucesso
Outro exemplo de mudança do data analytics em mobilidade foi dado por Juan Landeira, gerente de Negócios da Arcadis. O especialista destacou como a empresa está aplicando seu conhecimento para coletar e medir dados em campo em uma concessionária brasileira da área metroferroviária. O processo envolve medir o desempenho dos ativos de transporte e melhorar as iniciativas de manutenção, uma vez que eles são fundamentais no c ontrato de Parceria Público-Privada (PPP) adotada pela concessionária.
De acordo com Landeira, o processo atual levou à automatização da medição de 40% dos fatores de desempenho da concessão. Agora, o trabalho da Arcadis é usar os dados coletados para suportar as ações de manutenção dos ativos de transporte, entre eles, os trens usados na concessão, indicando o quão efetiva estão sendo as medidas de manutenção atuais e como elas podem ser melhoradas.
Em Campina Grande, o data analytics também permitiu mudanças significativas segundo Vitor Ribeiro, diretor da Superintendência de Trânsito e Transportes Públicos (STTP) da cidade paraibana. Para isso, ele precisou forçar a abertura da caixa preta das concessionárias locais de transporte. A “quebra” obedeceu a todos os parâmetros, inclusive ao da Lei Geral de Proteção de Dados (LGPD) e permitiu que os técnicos da prefeitura entendessem e modelassem novos valores para o subsídio que mantém a modicidade das tarifas na cidade.
A disposição de dados de Origem e Destino (OD) levou a um novo modelo, com aumento da frota de ônibus em horário de pico e um incremento de uso do serviço: de 600 mil usuários para quase 1,2 milhão por mês. E com equilíbrio financeiro para as concessionárias de transporte público. De acordo com Ribeiro, o tratamento dos dados permitiu que Campina Grande entendesse melhor o perfil dos deslocamentos, criando uma “clusterização” e permitindo ações como a criação de novos serviços de troncais de transporte e substituição de linhas deficitárias, mas com opções para o deslocamento do usuário.
“A população voltou a usar o sistema de transporte e, mesmo sem injetar dinheiro, foi mantido o equilíbrio financeiro do serviço. Isso mostra que o transporte público de passageiros é sim viável no Brasil”, finaliza.
