Sistema MotoSafety utiliza inteligência artificial de borda para analisar dados de condução e identificar situações de maior risco; modelo atingiu 94,97% de precisão nos testes realizados em simulador
Uma nova pesquisa apresentada em agosto de 2026 propõe o uso de inteligência artificial para avaliar o risco de colisão de motociclistas praticamente em tempo real. Batizado de MotoSafety, o sistema foi desenvolvido para analisar sequências de dados relacionadas à dinâmica da motocicleta, comportamento do condutor e proximidade de outros elementos, transformando essas informações em uma avaliação automatizada de risco. O estudo foi disponibilizado em 18 de agosto de 2026 como preprint no arXiv. (arXiv)
O trabalho foi desenvolvido pelos pesquisadores Sumit S. Shevtekar, Chandresh K. Maurya, Gourab Sil e Subasish Das. Uma das principais preocupações dos autores foi investigar algo que nem sempre aparece nos sistemas tradicionais de segurança: a influência da pressão de tempo sobre a maneira de pilotar. Para isso, os participantes realizaram trajetos em simulador em três condições diferentes — sem pressão temporal, com pressão baixa e com pressão elevada. (arXiv)
O resultado foi um conjunto com mais de 129 mil sequências temporais rotuladas, produzidas a partir de 153 trajetos realizados por 51 participantes. Foram consideradas 64 características, incluindo dinâmica do veículo, comandos realizados pelo motociclista, proximidade e violações comportamentais. Esse grande volume de informações serviu de base para desenvolver e testar o MotoSafety. (arXiv)
MotoSafety alcançou 94,97% de precisão
Nos experimentos apresentados pelos pesquisadores, o MotoSafety alcançou 94,97% de precisão na avaliação do risco de colisão e ROC AUC de 99,33%. O desempenho foi comparado com dez modelos utilizados como referência, incluindo arquiteturas como TimesNet e LLM4TS. Os resultados indicaram vantagem do sistema proposto dentro das condições experimentais adotadas pelo estudo. (arXiv)
O modelo também apresentou MSE de 0,039 e MAE de 0,094 na tarefa de previsão. Segundo os autores, o erro obtido foi 4,4 vezes menor do que o registrado por modelos como Time-LLM e iTransformer na comparação realizada. Esses números são importantes porque o objetivo não é simplesmente reconhecer que uma situação perigosa aconteceu, mas analisar sequências de informações que possam ajudar a estimar a evolução do risco. (arXiv)
É importante, entretanto, interpretar os 94,97% dentro do contexto da pesquisa. O resultado não significa que uma motocicleta equipada com a tecnologia evitaria essa porcentagem de acidentes no trânsito real. Trata-se da precisão obtida pelo modelo na tarefa experimental avaliada pelos pesquisadores, utilizando dados produzidos em ambiente de simulador. A aplicação no trânsito cotidiano ainda exigiria validações adicionais.
IA foi projetada para funcionar diretamente no veículo
Um dos diferenciais do MotoSafety é sua arquitetura de edge AI, ou inteligência artificial de borda. Em vez de depender permanentemente de servidores remotos para processar os dados, esse tipo de tecnologia procura executar os cálculos diretamente em dispositivos instalados próximos à fonte das informações. Isso pode ser especialmente relevante para aplicações de segurança, nas quais atrasos de processamento e problemas de conectividade podem limitar a utilidade de uma resposta.
O MotoSafety possui aproximadamente 1,15 milhão de parâmetros e apresentou latência de apenas 0,135 milissegundo nas condições relatadas pelos pesquisadores. De acordo com o artigo, essas características tornam a arquitetura adequada para implantação em hardware de CPU de baixo custo. (arXiv)
Essa característica abre uma perspectiva interessante para motocicletas, scooters e outros veículos de duas rodas. Um sistema suficientemente compacto poderia, no futuro, processar informações de sensores instalados no próprio veículo sem precisar transmitir continuamente grandes volumes de dados para a nuvem. Isso poderia permitir análises rápidas durante a condução, embora a pesquisa ainda não represente um produto comercial disponível.
IMU e GPS podem tornar aplicação mais prática
Outro teste realizado pelos pesquisadores procurou descobrir se seria possível manter um bom desempenho utilizando um conjunto menor de informações. Quando o MotoSafety recebeu somente 21 características provenientes de IMU e GPS, o sistema ainda alcançou 93,91% de precisão. (arXiv)
A IMU, ou unidade de medição inercial, utiliza sensores como acelerômetros e giroscópios para acompanhar movimentos e alterações de orientação. Em uma motocicleta, informações desse tipo podem ajudar a identificar acelerações, frenagens e mudanças na dinâmica do veículo. O GPS acrescenta informações relacionadas ao deslocamento e à localização.
Reduzir a quantidade necessária de sensores é importante para uma possível aplicação prática. Quanto mais complexo for o conjunto de equipamentos exigido, maiores podem ser custos, consumo energético e dificuldades de instalação. O resultado de 93,91% obtido apenas com dados de IMU e GPS sugere, segundo os pesquisadores, que existe potencial para desenvolver uma implementação mais simples. (arXiv)
Pressão de tempo também influencia análise da condução
A pesquisa também chama atenção por incorporar a pressão temporal como variável. Os 51 participantes foram submetidos a condições sem pressão, com baixa pressão e com alta pressão durante os trajetos simulados. O objetivo era analisar como esse fator cognitivo poderia estar relacionado às condições de risco enfrentadas por usuários de veículos motorizados de duas rodas. (arXiv)
Quando a informação real sobre o nível de pressão temporal foi utilizada como uma espécie de orientação adicional para o modelo, a precisão passou de 94,09% para 94,97%. Quando o próprio sistema trabalhou com a pressão temporal prevista, o resultado ficou em 94,82%. Isso indica que informações relacionadas ao estado e ao contexto do condutor podem contribuir para sistemas inteligentes de avaliação de risco. (arXiv)
Esse aspecto amplia a discussão sobre segurança veicular. Sistemas convencionais normalmente observam elementos objetivos, como velocidade, distância ou frenagem. Pesquisas como a do MotoSafety procuram investigar se informações relacionadas ao comportamento humano também podem ser incorporadas aos modelos computacionais usados para avaliar situações perigosas.
Tecnologia ainda é pesquisa, não equipamento comercial
Apesar dos resultados elevados, o MotoSafety deve ser tratado como uma tecnologia experimental. O artigo disponibilizado em agosto é um preprint, e o conjunto principal de dados utilizado pelos pesquisadores foi produzido em simulador. Situações reais apresentam variáveis muito mais numerosas, incluindo condições meteorológicas, pavimento irregular, comportamento imprevisível de outros veículos e diferenças entre motocicletas.
Uma eventual aplicação comercial também dependeria da integração com sensores e sistemas eletrônicos das motocicletas. Fabricantes precisariam avaliar confiabilidade, redundância, segurança funcional, custos e comportamento do sistema diante de situações que não apareceram durante o treinamento da inteligência artificial.
Ainda assim, os resultados mostram uma direção relevante para a evolução tecnológica das motocicletas. Se sistemas desse tipo forem posteriormente validados em condições reais, a inteligência artificial poderá complementar tecnologias já utilizadas para aumentar a segurança dos motociclistas, analisando continuamente dados de condução e ajudando a identificar situações de risco antes de uma possível colisão. O MotoSafety, portanto, representa principalmente uma demonstração de pesquisa sobre como IA leve e processamento local podem ser aplicados à segurança de veículos de duas rodas. (arXiv)