Van com IA caça buracos em rodovias da Austrália
Veículo desenvolvido pela RMIT e pela RACV já identificou cerca de 300 problemas em rodovias de Victoria e coloca manutenção viária no centro do debate às vésperas das eleições estaduais.
Inteligência Artificial
Veículo inovador detecta falhas em estradas de Victoria, impulsionando discussões sobre infraestrutura antes das eleições.
Leia também: STF multa advogado em R$ 5 mil por fraude com IA em processo
Uma van equipada com inteligência artificial desenvolvida pela Universidade RMIT em parceria com a empresa de assistência rodoviária RACV está mapeando buracos, rachaduras e deformações no asfalto das rodovias de Victoria, na Austrália, e já identificou cerca de 300 problemas em dois meses de testes, em meio a críticas ao avanço da deterioração das estradas do estado.
Como funciona a van que “enxerga” buracos no asfalto
O veículo experimental roda pelas rodovias com câmeras acopladas, sensores de movimentação e sistema de geolocalização. As imagens e dados coletados são processados por algoritmos de inteligência artificial treinados para reconhecer diferentes defeitos no pavimento, de pequenas fissuras a buracos em formação e ondulações na pista.
A cada alerta do sistema, o local é registrado com precisão e incluído em um banco de dados que pode ser acessado pelos responsáveis pela manutenção, permitindo que equipes localizem com mais rapidez os trechos que precisam de reparo e priorizem os pontos mais críticos.
Segundo os responsáveis pelos testes, os cerca de 300 registros feitos até agora não se resumem a buracos: a maior parte é composta por outros sinais de deterioração precoce, que costumam passar despercebidos a olho nu, mas indicam problemas futuros no pavimento.
“Alguns problemas são difíceis de perceber ao volante”
Quem dirige a van no dia a dia é o motorista da RACV Mark Orlando, que sente na prática a diferença da tecnologia em relação à inspeção visual tradicional.
“Alguns problemas são difíceis de perceber ao volante, principalmente à noite, na chuva ou em estradas desconhecidas. Identificar essas condições com antecedência pode melhorar a segurança e reduzir os danos aos veículos”, afirma Orlando.
Na avaliação dos pesquisadores, esse é justamente o ponto forte do sistema: flagrar defeitos ainda pequenos, antes que se transformem em buracos maiores, causem acidentes ou provoquem quebras e custos extras para motoristas e transportadoras.
Entenda o contexto
O projeto surge em um momento em que o órgão de fiscalização do estado, o Victorian Auditor-General’s Office, aponta piora nas condições do pavimento das rodovias sob gestão do governo local. A auditoria mais recente concluiu que a demanda por manutenção cresce mais rápido do que os reparos efetivamente realizados e que os recursos disponíveis não acompanham essa necessidade.
Esse descompasso alimenta um passivo de obras que tende a se acumular ano após ano, com trechos em mau estado, maior risco de acidentes e mais gastos com manutenção corretiva. A aposta na inteligência artificial é vista como forma de organizar melhor as prioridades e usar o orçamento com mais eficiência, atacando primeiro os trechos que oferecem maior risco.
O tema entrou no radar político às vésperas das eleições estaduais de novembro, com candidatos cobrando ou prometendo mais investimento em infraestrutura. A forma como o governo lida com a conservação das rodovias, e se aposta ou não em tecnologias como a van de IA, virou insumo para o debate eleitoral.
Testes seguem até 2027 e podem ser ampliados
Financiado por um programa federal de segurança rodoviária australiano, o projeto está em fase de testes e deve continuar em operação experimental até janeiro de 2027. Nesse período, os pesquisadores pretendem rodar mais quilômetros, refinar os algoritmos e calibrar os critérios de classificação de riscos.
A expectativa é que, em uma etapa seguinte, o sistema deixe de depender de um único veículo dedicado e passe a ser instalado em carros e utilitários que já circulam regularmente pelas estradas, como frotas de assistência, manutenção e até transporte de carga. Assim, cada viagem poderia gerar novos dados sobre o estado do pavimento, alimentando um mapa dinâmico das condições da malha rodoviária.
Por enquanto, o teste comprova a capacidade de identificar e registrar defeitos, mas ainda não há resultados consolidados sobre redução de acidentes, economia em contratos de manutenção ou diminuição do número de buracos. A próxima etapa é medir como, e em que velocidade, as informações geradas se convertem em intervenções reais nas pistas.
Brasil enfrenta desafio similar nas rodovias
A experiência australiana tem potencial de servir de referência para países como o Brasil, onde o estado do asfalto é um dos principais gargalos da infraestrutura de transporte. A mais recente Pesquisa CNT de Rodovias aponta que 64,4% das rodovias sob gestão pública apresentam algum problema no pavimento, cenário que se reflete em mais acidentes, desgaste de veículos e atrasos na logística.
De acordo com o levantamento, o mau estado do asfalto pode elevar em até 35,8% os custos operacionais do transporte, principalmente por causa de consumo maior de combustível, manutenção mais frequente de caminhões e redução de velocidade média nas rotas. Nas rodovias concedidas à iniciativa privada, o índice de trechos com irregularidades no pavimento cai para 34,4%, mas ainda representa um desafio relevante.
Para especialistas em infraestrutura, sistemas automatizados de inspeção como a van de Victoria poderiam ajudar a tornar a manutenção mais preventiva também no Brasil, hoje altamente dependente de vistorias presenciais e de reclamações de usuários. Ao antecipar os defeitos, os gestores públicos e concessionárias teriam mais base técnica para planejar obras, negociar contratos e justificar investimentos.
O desempenho da tecnologia australiana até o fim dos testes, e sua capacidade de influenciar decisões sobre onde e quando intervir nas rodovias, deve ser acompanhado com atenção por países que buscam reduzir custos logísticos e aumentar a segurança em estradas cada vez mais sobrecarregadas.
