Por Que LIDAR Está Transformando Gestão de Tráfego em Cidades Inteligentes

Iniciativas de cidades inteligentes focam cada vez mais em sistemas de transporte inteligentes (ITS). Um piloto recente em São Francisco usando sensores LIDAR demonstra como essa tecnologia pode aprimorar o projeto Vision Zero de sinais de trânsito da cidade.

Vision Zero visa reduzir fatalidades no trânsito a zero, com São Francisco perdendo aproximadamente 30 vidas e ferindo mais de 200 anualmente. O piloto testa sistemas multimodais inteligentes de sinais de trânsito (MMITSS), comunicação dedicada de curto alcance (DSRC), prioridade de sinal para trânsito (TSP) e preempção de veículos de emergência (EVP) para dar prioridade a veículos de trânsito e emergência, enquanto também fornece a pedestres e ciclistas intervalos seguros de travessia.

A primeira prova de conceito, concluída em janeiro de 2020, instalou LIDAR em cinco interseções e alcançou 96% de precisão em perfilamento anônimo de veículos e pedestres. A segunda PoC está adicionando a camada de dados à rede de controle de sinais, prevista para início de 2021.

Entrevistamos o diretor de marketing da Quanergy, Enzo Signore, e o consultor de estratégia independente Paul Hoekstra, líder do projeto SFMTA.

LIDAR: Rastreamento Anônimo de Objetos Através de Interseções

Enzo Signore da Quanergy explica que a vantagem chave do LIDAR em estádios e cidades inteligentes é sua capacidade de atribuir um ID persistente e anônimo a cada objeto em movimento, permitindo rastreamento ponta a ponta através de múltiplas interseções sem revelar identidades.

Alcançar rastreamento contínuo de ID através de múltiplas interseções requer sensores sincronizados e edge computing. Sistemas tradicionais perdem o ID quando um objeto cruza da visão de um sensor para outro, fragmentando o stream de dados.

O mecanismo automatizado de handover de ID da Quanergy transfere o ID de um objeto perfeitamente entre sensores, preservando um identificador único ao longo de sua jornada e entregando analytics de fluxo abrangentes.

O M-Series da Quanergy, incluindo o MQ-8 de longo alcance, são projetados para tarefas de gestão de fluxo. Diferente de LIDAR convencional que emite feixe simétrico, o MQ-8 direciona todos os feixes para baixo, garantindo cobertura completa do solo e eliminando pontos cegos. Esse design produz raio de detecção de 70 m (15.000 m²) e reduz o número de sensores necessários e custo.

Como o LIDAR captura apenas dados geométricos, ele contorna preocupações de privacidade com reconhecimento facial, fornecendo monitoramento de tráfego anônimo e em conformidade.

Superando Questões de Privacidade Relacionadas a Reconhecimento Facial

Paul Hoekstra para SFMTA descreve a racional e resultados do projeto.

Quando iniciamos o piloto em abril de 2019 com SFMTA, Cisco e Quanergy, inicialmente usamos sensores DSRC. No entanto, apenas 1% dos veículos transmitem sinais DSRC, tornando a tecnologia ineficaz para medição de fluxo de tráfego.

Implantamos 20 unidades LIDAR em cinco interseções ao longo da 3rd Street, perto do novo estádio de basquete. Edge computing rodava em unidades Cisco TRX, executando software QORTEX da Quanergy, que transmite dados para um cluster VM alimentado por Cisco Kinetic que armazena ~30 milhões de mensagens semanais.

Relatórios de domingo detalham trajetórias de veículos, timestamps, origens, destinos, contagens de paradas, durações, velocidades e contexto de eventos. Essa ligação entre interseções nos permite quantificar movimentos como entradas no sentido norte e saídas em curvas.

Usando lógica calibrada do QORTEX, alcançamos 96% de precisão na correspondência de IDs de entrada e saída. Para pedestres, definições de zona revelam presença no meio-fio, limites de faixa de pedestres e proximidade a veículos, permitindo análise de near-miss baseada em vetores e velocidades.

O sistema captura apenas formas anônimas — veículos como blocos e pedestres como pontos — garantindo que nenhum dado pessoal seja armazenado.

A primeira PoC focou em análise de dados. A segunda PoC dobrará a contagem de interseções de cinco para dez, expandindo o escopo do corredor.

Estamos integrando dados do controlador de sinal — loops, botões, sensores de trilho — na plataforma central, criando fluxo de informação bidirecional. Classificação de objetos de sensores edge informa tempos de permanência de trânsito previstos baseados em composição de passageiros (cadeiras de rodas, carrinhos, bicicletas).

Analytics de backend estimarão tempos de permanência ótimos (ex: 20s vs 32s) e extrapolarão por todo o corredor.

Otimizar o corredor requer visualizá-lo como rede interconectada em vez de nós isolados. Recalculos algorítmicos de alta frequência — potencialmente excedendo 1 Hz — permitem ajustes de sinal em tempo real.

Esses algoritmos alimentam comandos em tempo real para controladores de sinal, completando o loop e exemplificando gestão de tráfego integrada.

São Francisco já hospeda 7.000 câmeras, mas elas fornecem apenas imagens 2D e dados de localização menos precisos. LIDAR oferece precisão superior, opera na chuva e à noite, e evita preocupações de privacidade ligadas a identificação visual.

O projeto visa dar prioridade a veículos de emergência, otimizar horários de trânsito e facilitar pelotões de veículos quando trânsito público não está disponível, melhorando assim eficiência do corredor.