Streaming analytics de tráfego de passageiros

Contexto

Rede de metrô e ônibus de uma grande metrópole com 300 sensores de ocupação distribuídos nas estações e veículos. Os dados de ocupação são coletados e processados em batch a cada noite, produzindo relatórios disponíveis na manhã seguinte. A operação não dispõe de nenhuma visibilidade em tempo real para adaptar a oferta de transporte às variações de ocupação intradiárias.

Problema & Desafio

Dados de afluência disponíveis apenas em D+1: a operação navega às cegas durante o dia. Superlotação de certas linhas não antecipada: passageiros amontoados, atrasos em cascata. Redistribuição de composições/ônibus impossível em tempo real por falta de dados. Previsão de afluência baseada no histórico médio, sem considerar eventos (greves, clima, eventos esportivos). Satisfação do passageiro em queda: NPS -8 pontos em 1 ano nas linhas superlotadas.

Solução & Entregas

Pipeline de streaming ingerindo os dados de 300 sensores de fluxo de passageiros em tempo real (<30 segundos). Analytics em tempo real com visualização cartográfica do fluxo por estação e por linha. Modelo preditivo de fluxo em H+1 e D+1 integrando meteorologia, eventos e históricos (precisão de 85%). Alerta automático aos reguladores em caso de ultrapassagem do limiar de lotação. API de fluxo em tempo real para a informação ao passageiro (app, painéis em estação).

Tecnologias