De acordo com pt.wedoany.com-Em 11 de junho, a empresa canadense de tecnologia de tráfego inteligente Miovision apresentou, em Detroit, nos Estados Unidos, sua aplicação de modelo de linguagem ampla voltada para a engenharia de tráfego. O sistema permite que os gestores de tráfego consultem dados de cruzamentos, semáforos, operação viária e segurança por meio de linguagem natural, reduzindo o trabalho que antes dependia de organização, exportação, análise e tabulação manuais para um processo de minutos. As demonstrações relacionadas indicam que a eficiência da gestão de tráfego pode ser aumentada em até cem vezes em comparação com os métodos tradicionais.
Os sistemas de tráfego urbano geram diariamente uma grande quantidade de dados dispersos, incluindo fluxo de veículos, comprimento de filas, temporização de semáforos, operação de transporte público, travessia de pedestres, risco de colisão, resposta a emergências e anomalias em cruzamentos. Os engenheiros de tráfego tradicionais precisam acessar dados em diferentes plataformas e, em seguida, realizar julgamentos com base em tabelas, gráficos e experiência de campo. A aplicação de modelo de linguagem ampla da Miovision integra esses dados complexos a uma interface conversacional, permitindo que os engenheiros façam perguntas diretamente, como quais cruzamentos têm os maiores atrasos, quais períodos apresentam congestionamento anormal e quais planos de semáforos precisam de ajustes prioritários. O sistema, então, gera gráficos, mapas, indicadores de segurança e resumos de gestão.
O significado dessa ferramenta reside na transição da gestão de tráfego de "consulta manual de dados" para "diagnóstico assistido por IA". Para os departamentos de tráfego urbano, o verdadeiro gargalo muitas vezes não é a falta de equipamentos, mas sim o excesso de dados acumulados por câmeras, detectores, controladores de semáforos e plataformas de tráfego, que os engenheiros têm dificuldade em processar em tempo hábil. Com a entrada do modelo de linguagem ampla no processo de engenharia de tráfego, é possível primeiro realizar a recuperação de dados, a sumarização de tendências, a identificação de anomalias e a geração de relatórios, para que, em seguida, os profissionais decidam se devem ajustar os planos de semáforos ou otimizar a organização viária.
O Mateo, lançado anteriormente pela Miovision, é um agente de IA generativa voltado para a engenharia de tráfego, que pode ser usado em conjunto com a plataforma Miovision One para automatizar o diagnóstico de redes de tráfego e a análise de dados. O sistema pode reduzir o tempo de análise manual de dados em até 95%, encurtando análises que antes levavam semanas para o nível de minutos. Esta demonstração de "eficiência 100 vezes maior" ilustra ainda mais que o modelo de linguagem ampla está saindo do cenário de escritório de uso geral para processos de negócios especializados, como a operação de tráfego urbano. Para cidades com muitos cruzamentos, corredores e sistemas de controle de semáforos, as ferramentas de IA podem ajudar a identificar pontos de congestionamento com mais frequência, verificar os efeitos dos ajustes de semáforos e apoiar a gestão na compreensão mais rápida do estado operacional das vias.
Para a cadeia industrial de informação, comunicação e tráfego inteligente, tais aplicações impulsionarão a atualização de plataformas de dados de tráfego, ferramentas de análise de IA, dispositivos de percepção de cruzamentos, sistemas de controle de semáforos, computação em nuvem, computação de borda e plataformas de operação urbana. A gestão de tráfego não se resume mais apenas à instalação de hardware e coleta de dados, mas sim à transformação de dados em tempo real em recomendações de gestão acionáveis. Os próximos pontos focais incluem a implantação da aplicação de modelo de linguagem ampla da Miovision em clientes municipais, a precisão da análise em redes viárias complexas, a capacidade de integração com sistemas de otimização de semáforos e se as recomendações de IA podem ser convertidas de forma estável em melhorias na operação viária. Se os efeitos da aplicação forem continuamente validados, a gestão de tráfego urbano passará gradualmente de uma análise manual de baixa frequência para um modelo de operação inteligente mais em tempo real e proativo.
Este texto foi elaborado por Wedoany. Qualquer citação por IA deve indicar a fonte “Wedoany”. Em caso de infração ou outros problemas, informe-nos prontamente, por favor. O conteúdo será corrigido ou removido. E-mail: news@wedoany.com
