Como pode a inteligência artificial melhorar a segurança rodoviária?
Um quase-acidente deixa poucos vestígios: um veículo trava bruscamente numa interseção, um ciclista altera a trajetória para evitar uma colisão e, segundos depois, o trânsito continua. A situação não entra nas estatísticas, mas contém informação relevante: naquele local, alguma coisa aproximou dois utentes do limite de segurança.
A inteligência artificial (IA) permite analisar milhares de episódios deste tipo, relacioná-los com a velocidade, as trajetórias, as condições meteorológicas ou as características da infraestrutura e encontrar padrões que dificilmente seriam identificados através da observação humana isolada.
É desta capacidade que resulta uma parte importante do seu contributo para a segurança rodoviária, uma vez que a IA não se limita à condução autónoma. Atualmente, pode apoiar a deteção da fadiga e da distração, o funcionamento de sistemas de assistência à condução, a inspeção das estradas, a gestão do tráfego e a resposta das equipas de emergência.
O potencial é significativo, mas não automático, uma vez que os resultados dependem da qualidade dos dados, da fiabilidade dos sistemas, da supervisão humana e da forma como a tecnologia se integra no Sistema Seguro.
O que é a inteligência artificial aplicada à segurança rodoviária?
A inteligência artificial não corresponde a uma única tecnologia. Neste contexto, o termo abrange sistemas capazes de analisar dados, reconhecer padrões, classificar situações, fazer previsões ou apoiar uma decisão.
Estes sistemas podem recorrer a imagens de câmaras, sensores instalados nos veículos e na infraestrutura, dados de localização, informações meteorológicas, registos de sinistros e dados sobre velocidades ou fluxos de tráfego.
O objetivo não deve ser substituir a decisão humana em todas as situações, já que em muitos casos, a função mais útil da IA consiste em transformar grandes volumes de informação num sinal compreensível: alertar quem conduz, indicar um possível conflito, identificar um defeito no pavimento ou ajudar um operador a reconhecer rapidamente um incidente.
A União Internacional das Telecomunicações (UIT), o Enviado Especial do Secretário-Geral das Nações Unidas para a Segurança Rodoviária e o Gabinete do Enviado das Nações Unidas para a Tecnologia lançaram, em 2021, a iniciativa global AI for Road Safety. A iniciativa promove a aplicação da IA aos seis pilares do Sistema Seguro:
- gestão da segurança rodoviária;
- estradas e mobilidade mais seguras;
- veículos mais seguros;
- utilizadores mais seguros;
- resposta após o sinistro;
- gestão da velocidade.
Esta abordagem é importante porque impede que a discussão se concentre apenas no automóvel, pois a segurança rodoviária depende da interação entre pessoas, veículos, infraestrutura, velocidade e capacidade de resposta quando algo falha.
Dos dados à antecipação do risco
Tradicionalmente, a identificação de locais perigosos depende sobretudo do histórico de sinistros, isto é, quando várias colisões se concentram num ponto, as autoridades estudam as causas e ponderam uma intervenção.
Este método continua a ser necessário, mas tem uma limitação evidente: exige que o dano já tenha ocorrido.
A IA pode ajudar a acrescentar uma dimensão preventiva, por exemplo, através da análise de vídeo, em que é possível estudar trajetórias, travagens bruscas, manobras evasivas, tempos até à colisão e situações em que dois utentes passam demasiado perto um do outro. Estes indicadores permitem detetar conflitos recorrentes mesmo quando ainda não existem sinistros registados em número suficiente.
Numa situação em que, numa interseção, os veículos que mudam de direção se aproximam repetidamente de peões durante o atravessamento, cada episódio termina sem colisão, mas o padrão pode revelar problemas de visibilidade, fases semafóricas inadequadas, velocidade excessiva ou trajetórias incompatíveis.
A IA não determina, por si só, qual deve ser a solução, ajudando, no entanto, a localizar e caracterizar o problema. A decisão pode exigir alterações ao desenho da interseção, redução da velocidade, melhoria da iluminação, revisão da sinalização ou separação temporal dos movimentos.
Detetar fadiga e distração dentro do veículo
Os sistemas de monitorização do condutor analisam sinais associados ao estado e ao comportamento de quem conduz, uma vez que, dependendo da tecnologia utilizada, podem observar o movimento das pálpebras, a direção do olhar, a posição da cabeça, a postura ou o manuseamento do volante.
Quando o sistema reconhece indícios compatíveis com sonolência ou desatenção, emite um aviso. E é aqui que está a utilidade desse alerta: antes da redução da vigilância se transformar numa saída de via, numa ultrapassagem involuntária da linha ou numa reação tardia.
A fadiga não se manifesta apenas quando a pessoa adormece: antes disso, pode reduzir a capacidade de concentração, atrasar o processamento de informação e dificultar a manutenção da trajetória. A distração visual retira os olhos da estrada; a distração cognitiva reduz os recursos mentais disponíveis para perceber e antecipar o que acontece.
Um sistema de monitorização pode reconhecer alguns sinais, mas não identifica a causa, já que a ausência de um aviso de sonolência não significa que seja seguro continuar a conduzir.
ADAS: apoiar não é conduzir pelo condutor
Muitos sistemas avançados de assistência à condução, conhecidos pela sigla ADAS, recorrem a sensores, câmaras, radares e algoritmos para interpretar o ambiente rodoviário.
Entre as funções disponíveis encontram-se a travagem automática de emergência, a assistência à manutenção na via, a deteção de veículos no ângulo morto, o reconhecimento de sinais e o controlo inteligente da velocidade. Perante um perigo, o sistema pode emitir um alerta ou intervir na travagem e na direção.
A travagem automática de emergência, por exemplo, procura detetar uma colisão iminente: se quem conduz não reagir a tempo, o veículo pode iniciar a travagem. Dependendo da velocidade, da distância e das condições de aderência, esta intervenção pode evitar a colisão ou reduzir a velocidade no momento do impacto e, consequentemente, a sua gravidade.
Há, contudo, limites técnicos. Chuva intensa, nevoeiro, sujidade nos sensores, marcas rodoviárias degradadas, geometria complexa ou situações que não foram adequadamente representadas nos dados de desenvolvimento podem afetar o desempenho.
A própria confiança excessiva na automação constitui um risco. Se o condutor interpretar um sistema de assistência como se fosse um sistema de condução autónoma, pode desviar a atenção ou deixar de supervisionar o ambiente. O nome, a comunicação e a interface destes sistemas devem tornar claras as respetivas capacidades e limitações.
Uma estrada que deteta conflitos
A inteligência artificial também pode ser instalada fora do veículo: câmaras, radares e outros sensores permitem acompanhar os movimentos numa interseção e adaptar a gestão do tráfego às condições observadas.
A iniciativa Traffic Light of the Future, desenvolvida pelo Centro de Gestão de Tráfego do Estado Livre da Baviera, na Alemanha, mostra uma aplicação concreta. Este projeto-piloto integrou câmaras com IA, sensores de radar e sistemas de comunicação numa interseção e numa passagem para peões em Essenbach.
O sistema identifica peões e ciclistas, deteta potenciais conflitos com veículos que mudam de direção e pode adaptar as fases de luz verde ou emitir avisos dirigidos, apoiando ainda a prioridade dos veículos de emergência.
Após uma fase inicial de aprendizagem, o sistema alcançou uma taxa de reconhecimento dos utentes da via próxima de 100% nos testes realizados. Este resultado refere-se à capacidade de deteção nas condições avaliadas; não significa que o risco de colisão tenha sido eliminado nem que o desempenho seja automaticamente replicável noutro local.
O projeto foi distinguido, em agosto de 2026, como Boa Prática do Mês pela Carta Europeia de Segurança Rodoviária, através da combinação da tecnologia disponível e da identificação de um problema: os conflitos entre veículos em mudança de direção, peões e ciclistas.
Inspecionar a estrada sem expor trabalhadores ao tráfego
A análise automática de imagens também pode apoiar a manutenção da infraestrutura. Um veículo equipado com câmaras percorre a rede e regista o estado do pavimento, da sinalização, dos separadores, dos passeios ou das ciclovias: de seguida, o sistema classifica as anomalias e organiza-as por localização e prioridade.
No município dinamarquês de Faxe, as inspeções apoiadas por IA passaram a identificar mais de 60 tipos de defeitos e condições da infraestrutura. Nos 12 meses analisados, o sistema registou 1.569 buracos, incluindo 24 em ciclovias e 166 em estradas com os limites de velocidade mais elevados.
Além de criar um inventário mais consistente, esta solução reduziu em cerca de 50% o tempo despendido pelos trabalhadores nas inspeções e diminuiu a sua exposição ao tráfego. A iniciativa foi reconhecida pela Carta Europeia de Segurança Rodoviária como Boa Prática do Mês em julho de 2026.
A tecnologia não decide, isoladamente, qual o risco de cada defeito: um buraco numa via pouco utilizada não tem necessariamente a mesma prioridade que uma irregularidade semelhante numa trajetória frequente de motociclistas ou ciclistas. A classificação automática deve ser combinada com critérios de engenharia, exposição ao tráfego e vulnerabilidade dos utentes.
Detetar mais cedo para responder mais depressa
Depois de um sinistro, cada minuto pode influenciar o socorro, a gestão do local e o risco de novas colisões. A IA pode reunir dados provenientes de sensores rodoviários, veículos, aplicações de navegação, informações meteorológicas e centros de controlo para identificar alterações compatíveis com uma colisão, uma avaria ou uma paragem inesperada.
Numa experiência realizada com a Transport Infrastructure Ireland nas autoestradas M1 e M6, uma plataforma de fusão de dados apoiada por IA funcionou durante três meses em paralelo com os sistemas existentes. Na M1, 47% dos incidentes analisados foram identificados, em média, 25 minutos mais cedo, já na M6, 65% foram detetados 35 minutos antes.
Estes resultados pertencem às condições e à metodologia daquela avaliação, não devendo ser generalizados automaticamente a todas as redes rodoviárias, mostram, contudo, como a integração de fontes dispersas pode reduzir o tempo necessário para transformar vários alertas num incidente operacionalmente reconhecido.
Uma deteção mais rápida pode permitir o envio antecipado de meios de socorro, a informação aos restantes condutores e a sinalização do local, auxiliando ainda à redução da exposição das vítimas e das equipas de emergência a colisões secundárias.
Mas afinal, a inteligência artificial pode prever sinistros?
A IA pode estimar probabilidades e identificar condições associadas a um maior risco, não consegue, no entanto, prever com certeza onde e quando ocorrerá o próximo sinistro.
Um modelo pode concluir que determinadas combinações (velocidade elevada, chuva, tráfego intenso, baixa visibilidade e geometria desfavorável) aparecem frequentemente antes de situações críticas. Esta informação permite reforçar a vigilância, adaptar a gestão do tráfego ou priorizar intervenções.
Mas uma previsão não é uma explicação causal: se um algoritmo associa dois fatores, torna-se necessário perceber se existe uma relação real entre eles, se ambos refletem outra variável ou se o resultado decorre de um enviesamento nos dados.
A análise técnica continua a ser indispensável: os modelos ajudam a encontrar sinais; especialistas em segurança rodoviária, engenharia, fatores humanos e gestão do tráfego devem interpretar o que tais sinais significam.
Dados incompletos produzem uma visão incompleta do risco
A qualidade de um sistema de IA depende da informação utilizada para o desenvolver, testar e atualizar.
Os registos de sinistralidade nem sempre representam todo o problema: as quedas sem colisão, os quase-acidentes e muitos sinistros sem intervenção das autoridades podem não chegar às bases de dados oficiais, tal como podem existir diferenças na classificação das lesões, dos veículos e dos utentes.
Se um modelo for treinado sobretudo com dados recolhidos em autoestradas, durante o dia e com automóveis ligeiros, o seu desempenho pode diminuir numa rua urbana, à noite, perante um motociclo, uma bicicleta ou uma pessoa com características pouco representadas.
A inclusão não é, por isso, apenas uma questão ética: é uma condição de segurança. Peões, ciclistas, motociclistas, crianças, idosos e pessoas com diferentes características físicas e funcionais devem estar adequadamente representados no desenvolvimento e na avaliação dos sistemas.
O projeto europeu IVORY – AI for Vision Zero in Road Safety trabalha precisamente na articulação entre segurança rodoviária, ciência de dados e ética da tecnologia. Financiada pelo Horizonte Europa, esta rede reúne parceiros de dez países e forma 13 investigadores em aplicações responsáveis de IA para apoio aos utentes e gestão preventiva da infraestrutura.
IA responsável exige explicação e supervisão
Um sistema utilizado numa rede rodoviária não pode ser avaliado apenas pela rapidez ou pela percentagem global de acertos. Importa saber que erros comete, em que condições falha e quem suporta as consequências.
Os falsos negativos deixam passar uma situação perigosa. Os falsos positivos podem gerar alertas excessivos, desviar recursos ou habituar os utentes a ignorar avisos. Uma taxa elevada de precisão pode ainda esconder um desempenho inferior perante grupos ou situações menos frequentes.
A utilização responsável da IA em segurança rodoviária exige:
- dados relevantes, atualizados e suficientemente representativos;
- validação em condições reais e em diferentes cenários;
- proteção da privacidade e segurança dos dados;
- resistência a falhas e ataques informáticos;
- explicabilidade proporcional ao impacto da decisão;
- responsabilidades claramente definidas;
- monitorização contínua depois da implementação;
- possibilidade de intervenção e supervisão humana.
A transparência não significa necessariamente revelar todos os detalhes técnicos de um algoritmo, significa que as entidades responsáveis devem conhecer o objetivo do sistema, os dados utilizados, os limites verificados e os critérios que determinam uma intervenção.
A tecnologia ao serviço do Sistema Seguro
A IA pode melhorar o conhecimento sobre o risco, ampliar a capacidade de observação e reduzir o tempo entre um sinal e uma resposta, no entanto, não corrige uma infraestrutura mal concebida, uma velocidade incompatível com a presença de utentes vulneráveis ou um veículo sem manutenção.
Também não transfere toda a responsabilidade para quem utiliza a estrada, uma vez que o Sistema Seguro parte do reconhecimento de que as pessoas cometem erros e de que o corpo humano tem uma tolerância limitada à energia de uma colisão. Veículos, estradas, velocidades e serviços de emergência devem funcionar em conjunto para impedir que um erro previsível culmine em consequências fatais ou graves.
A inteligência artificial será mais útil quando reforçar esse princípio. Um algoritmo que identifica um conflito pode indicar onde intervir. Um sistema de assistência pode aumentar a margem de reação. Uma deteção mais rápida pode acelerar o socorro. Em todos estes casos, a tecnologia é um meio, não devendo assumir-se como centro da política de segurança rodoviária.
Saiba mais sobre Sistemas de Segurança Obrigatórios
Fontes
- União Internacional das Telecomunicações – AI for Road Safety Global Initiative;
- Comissão Europeia – Vehicle Safety Systems;
- IVORY – AI for Vision Zero in Road Safety;
- Carta Europeia de Segurança Rodoviária – Traffic Light of the Future;
- Carta Europeia de Segurança Rodoviária – Improved Road Safety with AI Inspections;
- Carta Europeia de Segurança Rodoviária — Improving incident detection through real-time data analytics and AI;
- Tselentis, D. I., Papadimitriou, E. e van Gelder, P. (2023). The usefulness of artificial intelligence for safety assessment of different transport modes. Accident Analysis & Prevention, 186, 107034. https://doi.org/10.1016/j.aap.2023.107034.
