Muitas apps de navegação, como o Google Maps, são diariamente atualizadas com extras como, por exemplo, suporte de comandos de voz, mapas offline e opções de partilha de localização. Contudo, todas elas são baseadas na mesma abordagem. Todas têm o objetivo de levar os condutores a um destino definido de acordo com um conjunto de requisitos, onde é priorizada a rapidez da viagem e escapatória ao trânsito.
Mas por que é que às vezes elas nos levam pelo caminho onde tem mais trânsito e, consequentemente, o mais longo?
Historicamente, as soluções de navegação evoluíram de software básico – instalado em GPS sem acesso à Internet – para dispositivos mais avançados e smartphones que retiram todos os dados que necessitam de um servidor remoto.
Crowdsourcing
Crowdsourcing é a obtenção de serviços de um grande grupo de pessoas numa comunidade online, em vez de usar uma tradicional equipa de empregados.
O poder do crowdsourcing, como é o caso do Waze, por exemplo, é o ingrediente mágico que aumenta substancialmente a precisão, encontrando assim uma rota que se alinha com as expectativas do utilizador.
Contudo, não há nenhuma aplicação de navegação que seja sempre 100% exata. E se as utiliza regularmente, provavelmente sabe que, por vezes, estas aplicações apenas o encaminham para o trânsito, aumentando substancialmente o tempo estimado para a viagem.
Como é que estas apps fornecem estimativas de trânsito
Para compreender por que é que isto pode acontecer praticamente a qualquer momento, é muito importante, em primeiro lugar, ver como estas apps de navegação fornecem estimativas de trânsito.
Tal como o resto das soluções de navegação, as aplicações móveis, tais como o Google Maps, baseavam-se originalmente em sensores de trânsito instalados por agências governamentais em todo o mundo para recolher dados. Escusado será dizer que este método veio com precisão reduzida, simplesmente porque os padrões de trânsito não se baseavam em informação em tempo real.
Uma gigante atualização da app de navegação
Em 2009, a Google atualizou os seus sistemas de modo a confiar também no crowdsourcing, recolhendo assim dados anónimos de outros dispositivos que utilizam o Google Maps para gerar padrões de trânsito semelhantes. Por outras palavras, a Google apenas utilizou os sensores instalados nos dispositivos Android para ver a velocidade dos carros em cada secção da estrada e, utilizando um algoritmo complexo, era capaz de gerar rotas.
Esta atualização aumentou substancialmente a precisão dos tempos de viagem, especialmente porque o conjunto de dados que recebia era muito mais elevado. Essencialmente, quase todos os dispositivos Android que executam o Google Maps tornaram-se uma fonte de informação e, quanto mais smartphones na rua, mais dados a Google recebia.
A abordagem de crowdsourcing recebeu um grande refresh em 2013 quando a Google comprou o Waze – app que conta com a sua grande comunidade como fonte de informação. São os utilizadores que relatam trânsito elevado, acidentes, armadilhas de velocidade, e muito mais, o que torna a precisão significativamente aperfeiçoada.
Assim, basicamente, os GPS offline forneceram a mais baixa precisão, enquanto que o modelo de crowdsourcing da Google a melhorou substancialmente através da recolha de dados de dispositivos. A precisão acabou por receber outro impulso ao permitir também que os utilizadores contribuíssem manualmente com os seus próprios relatórios.
Google Maps baseia-se nos dois conceitos para escapar ao trânsito
Neste ponto, o Google Maps utiliza uma mistura dos conceitos acima mencionados. A app de navegação baseia-se não só em padrões históricos de trânsito, mas também em condições de trânsito ao vivo recebidas de dispositivos Android, pelo que a Google pode combinar tudo para fornecer o tempo estimado de viagem mais preciso possível.
A tecnologia de aprendizagem automática ajuda a estimar a hora de chegada, tentando prever quanto tempo levaria até chegar a um destino, simplesmente adivinhando como os padrões de trânsito mudarão enquanto se conduz utilizando dados históricos.
Então, como é que estas apps não são 100% precisas?
Na realidade, esta forma de combinar padrões de trânsito históricos com condições em tempo real pode ter as suas vantagens e desvantagens.
Em primeiro lugar, o sistema só pode adivinhar a alteração das condições de trânsito através da estimativa de possíveis abrandamentos gerados por engarrafamentos, mas não pode ter em conta eventos imprevisíveis como acidentes. Então, a recolha de dados de dispositivos Android deveria teoricamente ser um sistema sem falhas, mas, por outro lado, é extremamente fácil enganá-lo.
Foi isto que o artista berlinense Simon Weckert fez no ano passado, quando utilizou 99 smartphones Android a executar o Google Maps para gerar um falso volume de trânsito. A aplicação de navegação foi atualizada quase instantaneamente com informação imprecisa, e aos condutores foi-lhes dito para evitarem a rua onde os 99 smartphones estavam “estacionados”.
Assim, em geral, a principal razão pela qual estas aplicações nem sempre são exatas é exatamente o sistema que as torna tão exatas. Portanto, enquanto não houver forma de adivinhar quando eventos imprevisíveis como acidentes podem ocorrer, é praticamente impossível atingir uma precisão de 100%.