Por Harsha Badarinarayan Ph.D., Vice-Presidente, Hitachi America, Ltd.
A equidade na mobilidade desempenha um papel fundamental na garantia de acesso justo e igualitário a todas as necessidades da sociedade, de escolas a supermercados. A coleta de dados precisos e representativos, portanto, sustenta o acesso igualitário não apenas ao trânsito, mas também a todos os serviços essenciais em uma comunidade.
O desafio de coletar dados precisos e analisá-los de forma eficaz é mais bem enfrentado por meio de parcerias público-privadas. A colaboração entre esses setores é a chave para esclarecer os objetivos da coleta de dados e o valor dos dados analisados. Sem essa clareza, a análise pode ser comprometida, resultando potencialmente em conclusões tendenciosas que podem não servir ao bem público.
O setor privado está bem posicionado para financiar grandes projetos com eficiência máxima, e suas instalações com tecnologias de coleta de dados impactantes permitem a coleta de dados granular e direcionada necessária para obter um conjunto de dados representativo. A experiência em coleta e análise de dados de organizações como a Hitachi os torna parceiros poderosos para fornecer às comunidades tecnologia inovadora para avançar em direção à igualdade no transporte.
Para alcançar a equidade no transporte, as autoridades devem ter uma fonte confiável de dados abrangentes e contemporâneos. A coleta deve ocorrer por meio de uma compreensão completa das necessidades reais da comunidade, e os próprios dados devem ajudar a atender a essas necessidades. A confiança em dados históricos é insuficiente, pois pode não levar em conta as mudanças na população ou representar com precisão as populações carentes.
A participação e o compartilhamento de informações por indivíduos fornecem a base mais fundamental para a construção de modelos de dados que abordam a equidade no transporte. Mas explorar essa fonte de dados crucial exige que as organizações conquistem a confiança do público, demonstrando responsabilidade com informações de identificação pessoal (PII, em inglês), transparência transacional e responsabilidade.
Por exemplo, quando os dados revelam PII, esses detalhes devem ser tratados de acordo com as políticas de privacidade que regem o uso. Muitas vezes, as informações de identificação pessoal podem ser totalmente evitadas. Por exemplo, as organizações podem remover dados refinados, como dados de localização de celulares, e substituí-los por dados agregados.
As organizações também devem demonstrar transparência transacional, informando os clientes sobre os dados que coletarão, como os coletarão e a finalidade de seu uso. Os dados devem ser mantidos nos mais altos padrões de coleta, armazenamento e liberação de acordo com as políticas e práticas existentes para PII.
Uma maneira de incutir confiança é que um intermediário confiável e neutro gerencie esses dados e preserve a privacidade dos consumidores finais, garantindo que os dados usados criem valor com segurança e justiça.
Finalmente, o processo de coleta de dados deve facilitar a repetibilidade e a escalabilidade usando um registro padronizado da abordagem.
As organizações também enfrentam desafios na fase de análise de dados, como o custo de análises avançadas e a necessidade de ferramentas, recursos e conhecimentos adequados. É aqui que brilham as parcerias público-privadas. As autoridades de trânsito e os municípios podem fazer parcerias com empresas privadas de tecnologia, que têm as ferramentas e o conhecimento já testados em campo e prontos para serem implantados, para desenvolver os modelos certos.
Padronizar o compartilhamento de dados é um primeiro passo importante para melhorar o acesso e reduzir custos e despesas gerais processuais. Um padrão de troca de dados de código aberto, por exemplo, pode fornecer acesso comum a dados entre vários provedores, municípios e clientes. Os formuladores de políticas e as partes interessadas do setor privado também devem estar cientes dos desafios de mobilidade que as comunidades rurais enfrentam. Áreas com populações significativamente menores e infraestrutura de trânsito menos desenvolvida podem ter menos opções de transporte. O Rural Transit Fact Book observa que apenas 4% das famílias rurais usam transporte público, contra 31% de suas contrapartes urbanas.1 Ao mesmo tempo, a disponibilidade de serviços de compartilhamento de caronas e serviços de transporte é muitas vezes limitada nessas comunidades.
O uso eficiente de dados nessas áreas pode ajudar a desenvolver modelos matemáticos de alta fidelidade que podem melhorar o gerenciamento de desempenho em nível de ecossistema em toda programação, coordenação e manutenção de frotas rurais. Ensaios de controle de método misto e randomizados podem identificar viés inerente nos dados. Outras técnicas, como combinar várias fontes de dados, podem ser valiosas para verificação cruzada e validação.
A análise de dados e a inteligência artificial (IA) são essenciais para esses esforços. O software de planejamento e agendamento avançado baseado em IA, por exemplo, pode otimizar operações e gerenciar ativos com mais eficiência, direcionando veículos para onde a demanda é maior, além de oferecer suporte a manutenção e reparos preditivos. E a análise de vídeo suportada por câmeras, LiDAR e outras tecnologias (com implementação apropriada de medidas de privacidade) pode avaliar os volumes de uso de transporte público em populações onde o celular e outros dados digitais são menos comuns.
Analytics e IA podem prever com precisão a demanda para que as autoridades de trânsito possam fornecer um serviço de trânsito mais personalizado sem desmontar e redesenhar sistemas inteiros. Eles ajudam as organizações a superar limites geográficos e eliminar ineficiências de dados enquanto melhoram o serviço.
A visão de mobilidade da Hitachi vai além da tecnologia relacionada aos próprios veículos para todo o ecossistema de transporte. Essa perspectiva é ideal para lançar inovações que ajudem os municípios a alcançar a equidade em comunidades carentes. Ele apoia a formação de parcerias com as principais partes interessadas, incluindo fornecedores de infraestrutura, comunicação e serviços de coleta e armazenamento de dados que interagem com a tecnologia1- avançada de transporte, análise e segurança cibernética da Hitachi.
Vice President, Hitachi America, Ltd.
Harsha Badarinarayan é vice-presidente de Pesquisa e Desenvolvimento da Hitachi America, Ltd. Ele está na Hitachi há mais de 18 anos. Em sua função atual, Harsha está envolvido em Estratégia e Planejamento de Tecnologia para expansão de negócios automotivos nos EUA, especificamente relacionado a Veículos Autônomos e Mobilidade Conectada. Seu trabalho se concentra no desenvolvimento de tecnologia de direção automatizada e na identificação de oportunidades potenciais de entrada no mercado (GTM) para casos de uso relacionados ao setor automotivo. Harsha detém 15 patentes nos EUA e é autor ou coautor de mais de 30 publicações técnicas.
