Remuneração Complementar e a Transformação do Transporte Público

A Superintendência de Mobilidade de Belo Horizonte, ao centralizar os dados de mobilidade
urbana por meio do Data Lake, adota uma abordagem estruturada para otimizar a apuração da
remuneração complementar ao transporte público. Além disso, cria um ecossistema favorável
para a aplicação de técnicas avançadas de análise de dados. Isso permite uma tomada de
decisão mais eficiente e ágil, promovendo um planejamento do transporte público mais eficaz
e transparente.

Data Lake da Mobilidade: Conectando Dados para um Transporte Público Mais Eficiente

A SUMOB utiliza o DataBH, o Data Lake da Prefeitura, como um repositório central para os
dados de Bilhetagem Eletrônica, GPS dos veículos e outras informações essenciais sobre a
especificação do sistema de transporte. Essa iniciativa visa otimizar a tomada de decisões,
resultando em melhorias significativas no planejamento, operação e fiscalização do transporte
público da cidade. Ao centralizar esses dados, tornou-se possível analisar grandes volumes
de informações e sobrepor diversas camadas de dados, permitindo uma análise mais
profunda e precisa que aprimora tanto o planejamento quanto a gestão operacional do
transporte público.

Apuração da Remuneração Complementar

A remuneração complementar, instituída pela Lei Municipal 11.458/2023, exige a análise de
diversos critérios para validar as viagens a serem remuneradas. Entre os principais critérios
estão: cumprimento do quadro de horários e itinerários, funcionamento adequado do ar-
condicionado conforme parâmetros de temperatura pré-estabelecidos, condição do veículo
(como a validade da autorização de tráfego) e funcionamento correto do letreiro. Diante dessa
complexidade, uma análise robusta de dados é realizada para assegurar o cumprimento dos
critérios mínimos e definir com precisão o valor das remunerações complementares.

Para essa análise, são considerados dados da especificação do sistema de transporte,
operação das viagens, vistorias dos veículos e fiscalização em campo. Esses dados,
provenientes de fontes diversas, geram um grande volume de informações inter-relacionadas,
que precisam ser processadas em ciclos curtos de 10 dias. Nesse cenário, o Data Lake não
só centraliza o armazenamento dos dados, como também facilita o pré-tratamento e a
padronização das informações em tempo real. Com as ferramentas avançadas do Microsoft
Fabric, é possível automatizar o fluxo de apuração, garantindo eficiência e tempos de
processamento reduzidos, mesmo diante de grandes volumes de dados.

Atualmente, a cada 10 dias, são processados entre 7 a 8 GB de dados, abrangendo:

• Mais de 6 milhões de eventos de localização de veículos (GPS);
• Registros detalhados de mais de 200 mil viagens, incluindo horários de saída e
  chegada, produção quilométrica e número de passageiros transportados;
• Validade da autorização de tráfego de mais de 3.000 veículos.

Para se ter uma ideia do volume de dados processados, isso equivale a:

• 1.750 músicas em formato MP3;
• 1,75 milhões de páginas de texto simples;
• 17.500 livros com 100 páginas;
• 4 a 5 filmes completos.

Essa versão reforça a clareza das informações e facilita a compreensão do volume de dados
ao relacioná-los com exemplos tangíveis.

Outros Projetos para Apoio à Tomada de Decisão

Além do processamento da remuneração complementar, o Data Lake permite a realização de
análises e estudos detalhados sobre o sistema de transporte público de Belo Horizonte. Com
base nos dados disponíveis, a SUMOB tem desenvolvido iniciativas como:

• Análise de Origem e Destino dos usuários de transporte público utilizando os dados de
  Bilhetagem Eletrônica;
• Estimativas de embarque e desembarque dos passageiros;
• Cálculo da velocidade média do sistema de transporte público;
• Cálculo da velocidade média do transporte individual (dados obtidos via Waze);
• Análises de acidentes no sistema de transporte;
• Estudo sobre o acesso a oportunidades de emprego por meio do transporte público;
• Análise do comportamento da demanda em eventos.

Essas iniciativas fornecem informações estratégicas para aprimorar a eficiência e o
planejamento do transporte público, promovendo uma mobilidade urbana mais eficaz e
orientada por dados.

Fontes de Dados Utilizadas:

• Bilhetagem Eletrônica: Fornece dados sobre o uso do transporte público, permitindo a
  análise de padrões de demanda e comportamento dos passageiros ao longo do tempo.
  Esses dados são cruciais para ajustes na oferta de transporte e para melhorar a
  eficiência operacional do sistema;
• GPS dos Veículos: Dados de localização que monitoram o desempenho das linhas de
  ônibus, como velocidade e cumprimento de horários. Além de auxiliar na identificação
  do cumprimento dos itinerários, essas informações ajudam a identificar tendências de
  atraso ou desvios, auxiliando no planejamento de rotas e na avaliação da eficiência
  operacional;
• Sistemas Legados: Contêm dados essenciais sobre a especificação dos serviços de
  transporte, incluindo quadros de horários, itinerários, pontos de parada, tarifas e
  detalhes da frota. Esses dados históricos são fundamentais para garantir o
  funcionamento adequado do sistema e para a elaboração de estratégias de melhoria
  contínua;
• Fiscalização: Registra dados das equipes de fiscalização em campo, documentando
  irregularidades como veículos fora de padrão ou descumprimento de itinerários, de
  acordo com a legislação vigente. Esses dados são analisados periodicamente para
  garantir conformidade e qualidade no transporte público.

Benefícios Observados:

• Otimização de Recursos: O Data Lake oferece maior eficiência no uso e
  processamento de dados, permitindo que as análises sejam realizadas de forma mais
  rápida e precisa. Isso resulta na redução do tempo e dos custos envolvidos no
  planejamento urbano e na tomada de decisões estratégicas;
• Redução do Tempo de Resposta: O tempo necessário para disponibilizar informações
  foi significativamente reduzido, acelerando processos como a elaboração de
  estratégias e a implementação de melhorias no transporte público e na mobilidade
  urbana;
• Melhoria na Governança e Padronização: O Data Lake promove a padronização dos
  dados e aprimora a governança das informações, garantindo que todos os dados
  estejam organizados, centralizados e acessíveis de forma eficiente. Isso facilita o
  trabalho das equipes técnicas e assegura a qualidade das análises;
• Eliminação de "Silos" de Dados: A integração de diversas fontes de dados
  anteriormente isoladas permite uma visão mais abrangente do sistema de transporte.
  Essa convergência de informações possibilita cruzamentos complexos e análises mais
  profundas, melhorando a qualidade e a precisão das decisões;
• Transparência: A disponibilização de dados de forma acessível para os cidadãos
  fortalece a transparência e a participação pública. Isso permite uma gestão mais
  aberta, na qual a população pode acompanhar e entender melhor as decisões
  relacionadas ao transporte público.

O Futuro da Mobilidade: Inovação e Transformação com o Uso do Data Lake

Com a implementação do Data Lake, a SUMOB deu um passo decisivo em direção à
modernização e eficiência na gestão do transporte público. Ao longo desse processo,
aprendizados significativos foram acumulados, resultando na contínua evolução tanto da
volumetria quanto da qualidade dos dados disponíveis. Com o avanço nas técnicas de
análise, a SUMOB vislumbra um futuro em que o transporte será inteiramente orientado por
dados.
Essa transformação incluirá a aplicação de ferramentas e técnicas analíticas cada vez mais
avançadas, com foco na implementação de soluções computacionais preditivas e prescritivas.
Essas tecnologias permitirão antecipar tendências e comportamentos, otimizar rotas e
recursos, além de melhorar a experiência dos usuários. A busca constante pela recepção e
análise de dados em near real-time (quase em tempo real) permitirá uma resposta ágil e
assertiva, reduzindo o tempo entre a coleta de informações e a tomada de decisão.
O objetivo final é transformar a mobilidade urbana, tornando-a mais eficiente, segura e
sustentável, impactando diretamente a vida do cidadão. Ao adotar essa abordagem data-
driven, a SUMOB poderá não apenas melhorar o planejamento e a operação do transporte
público, mas também contribuir para uma cidade mais inteligente e conectada, onde as
decisões são orientadas por insights robustos e precisos.

Nos próximos anos, a SUMOB planeja expandir o uso do Data Lake para outras
áreas da mobilidade urbana. Entre as ações previstas estão a utilização de
modelos preditivos, séries temporais e machine learning (aprendizado de
máquina) para prever demandas futuras e otimizar o planejamento do transporte
público. Além disso, a análise de vídeos e a incorporação de novas fontes de
dados continuarão a ser exploradas para garantir uma mobilidade mais eficiente
e conectada em Belo Horizonte.