Tecnologia pode ser aliada à prevenção de acidentes

Por Gabriel Mansur Foto Alexandre de Moraes

Estimativas da Organização Mundial da Saúde (OMS) apontam que a taxa de mortalidade no trânsito, em 2015, foi de quase 1,2 milhão de pessoas. Em 2016, 37 mil pessoas morreram em decorrência de acidentes de trânsito no Brasil. Leis e campanhas educativas se destacam entre as medidas tomadas com o objetivo de reduzir esses números. O uso do telefone celular é o mais apontado como causa de distração do motorista.

O pesquisador Renato Hidaka Torres buscou desenvolver soluções computacionais que mapeassem a distração do motorista para evitar possíveis acidentes. Orientada pelo professor Gustavo Pessin, a tese Investigação em aprendizado de máquina sobre distração dos motoristas devido à utilização de telefone celular foi defendida no Programa de Pós-Graduação em Ciência da Computação (PPGCC/ ICEN).

Segundo Renato Torres, “a pesquisa teve como objetivo construir e analisar diferentes modelos de aprendizado de máquina para classificar motoristas e passageiros distraídos com o uso do telefone celular. Assim, comprovada a eficiência dos modelos, eles poderiam integrar aplicativos como WhatsApp, Messenger e Instagram”.

Primeiramente, o pesquisador avaliou o perfil dos motoristas paraenses. Submetendo questionário na rede social LinkedIn, Renato Hidaka Torres obteve resposta de 450 pessoas residentes no estado. A pesquisa levou em consideração gênero, idade e veículo (carro ou moto) utilizado pelo entrevistado. Foram quatro tipos de distrações investigadas: realização de chamadas telefônicas, composição de mensagem de texto, envio de mensagens de áudio e leitura de mensagem de texto.

 Os resultados obtidos demonstraram que 70% dos entrevistados utilizam telefone celular enquanto dirigem. O pesquisador destaca: “dos quatro tipos de distrações investigadas, o que mais chamou atenção foi que, tanto para motoristas quanto para motociclistas, a leitura de mensagens de texto foi a segunda distração que ocorreu com maior frequência, ficando atrás somente da ligação telefônica”.

Método envolve dados, padrões e tomada de decisões

Com base nos resultados, o motorista avaliou sete modelos diferentes de aprendizado de máquina, em busca de encontrar o mais adequado para cada modelo de detecção de distração. O aprendizado de máquina é um método de análise de dados. A máquina aprende com os dados, identifica padrões e toma decisões baseada nos dados obtidos.

Na tese, os experimentos foram realizados com imagens de uma câmera acoplada ao veículo e com sensores de smartphone. Foram escolhidos os modelos de aprendizado de máquina mais adequados para esses dados. Entre os modelos, está a Rede Neural Convolucional (RNC), bastante utilizada para identificar padrões por meio de imagens.

Como resultado de sua pesquisa, Renato Hidaka construiu três modelos voltados para detectar a distração do motorista. No primeiro, o pesquisador recolheu imagens de um banco de dados da seguradora State Farm. Essas imagens eram de uma câmera acoplada ao painel do carro.

Observação macroscópica – O objetivo era detectar e classificar a distração do motorista de maneira macroscópica. “A observação macroscópica analisa o comportamento global do motorista, sem levar em consideração partes específicas do seu corpo”, explica Hidaka. As imagens são analisadas e é possível observar se a condução está sendo realizada de maneira segura. A direção segura é quando o motorista está com as duas mãos ao volante.

O modelo de aprendizagem de máquina conseguiu identificar, pela imagem da câmera, quando o motorista estava com uma ou com as duas mãos fora do volante, falando, lendo ou digitando. Os outros dois modelos de detecção de distração buscaram soluções de maneira microscópica.

“A observação microscópica utiliza redes sensoriais para identificar padrões de distração a partir de características específicas do comportamento do motorista”, explica o autor da pesquisa, ou seja, o estudo utiliza dados do smartphones, como GPS, giroscópio, acelerômetro, touch screen e magnetômetro. Quando esses dados são diferentes de uma condução segura, o modelo de aprendizagem de máquina detecta.

Os dois modelos de detecção de distração se diferenciam em leitura de mensagens e em composição de mensagens de texto, pois as duas tarefas demandam tempos de distração diferentes. “Tanto a leitura quanto a escrita de mensagens de texto ativam a distração visual, física e cognitiva. O que faz a distração decorrente da escrita de mensagens ser mais crítica é o tempo que essa tarefa demanda. Entretanto, mesmo que a distração seja por um segundo, ainda assim, existe um grande potencial de provocar acidentes”, adverte o pesquisador.

“A existência de leis de trânsito é necessária, mas insuficiente para impedir a utilização do telefone celular. Os modelos desenvolvidos podem contribuir para mapear a utilização do celular e prevenir acidentes. A pesquisa desenvolvida tem potencial para ser integrada como solução comercial em aplicativos como WhatsApp, Messenger e Instagram, para evitar a distração de motoristas”, conclui Renato Hidaka.