Tempos de viagem de caminhões em rodovias e trechos na Alemanha com base em FCD de 2019

Por que o tempo de viagem de caminhões importa

Cada pedido online, prateleira de supermercado e linha de fábrica depende dos caminhões chegarem no horário esperado. No entanto, quem já ficou parado em um engarrafamento sabe que os tempos de viagem podem ser extremamente imprevisíveis — especialmente para caminhões pesados, que estão limitados a velocidades menores e não conseguem compensar atrasos com facilidade. Este estudo aborda esse problema cotidiano em escala nacional: ele constrói tempos de viagem detalhados e baseados em dados para a malha de autoestradas da Alemanha, usando bilhões de movimentações reais de veículos conectados para revelar quando e onde a carga provavelmente sofrerá atrasos.

Acompanhando caminhões reais na estrada

Em vez de depender de sensores esparsos à beira da pista, os pesquisadores utilizam os chamados dados de veículo flutuante — sinais enviados por sistemas de navegação embarcados e unidades a bordo que registram posição, hora e velocidade. Só em 2019, o clube automobilístico da Alemanha coletou mais de 25 bilhões desses pontos de dados de veículos em rodovias. Esses sinais brutos são primeiro vinculados a um mapa digital do sistema rodoviário construído a partir de dados abertos de mapeamento. Um motor de roteamento especializado ajusta cada ponto de GPS ao trecho de via mais provável, levando em conta a direção do veículo e a estrutura da rede. Esse passo transforma uma nuvem de pontos anônimos em trajetos precisos ao longo de segmentos de estrada de 100 metros.

Separando caminhões de automóveis

Como os sinais vêm de vários tipos de veículos, o próximo desafio é identificar quais são caminhões pesados. Os autores constroem um banco de dados que descreve quão rápido cada veículo anônimo normalmente circula em diferentes tipos de via. Ao traçar essas velocidades, aparecem dois grupos claros: veículos mais lentos que raramente ultrapassam velocidades típicas de caminhões, e veículos mais rápidos compatíveis com automóveis de passeio. Em vez de simplesmente dividir os dados em dois grupos, a equipe usa um método de clusterização que cria três grupos baseados em velocidade. O grupo intermediário adicional ajuda a capturar veículos em condições mistas ou congestionadas que, de outro modo, poderiam ser identificados incorretamente como caminhões, trocando um pouco de tamanho de amostra por dados de caminhão mais limpos e confiáveis.

De leituras dispersas a um quadro contínuo

Mesmo com milhões de observações, os dados não cobrem todos os caminhões em todo trecho de estrada a cada minuto. Para avaliar quão representativa é a amostra, os pesquisadores a comparam com estações de contagem oficiais que registram volumes e velocidades de tráfego. Eles constataram que seus dados representam, em média, cerca de 6% dos caminhões, o que é suficiente para descrever as condições gerais, especialmente quando as velocidades são médias ao longo de vários minutos. Para preencher as lacunas restantes, aplicam um método de suavização amplamente usado em pesquisa de tráfego que mistura observações próximas no espaço e no tempo. Isso produz um quadro contínuo de como as velocidades evoluem ao longo de cada rodovia, revelando, por exemplo, longas zonas de congestão ao meio do dia onde as velocidades dos caminhões caem acentuadamente antes de se recuperarem mais tarde.

Construindo tabelas dinâmicas de tempo de viagem

Munidos desses campos contínuos de velocidade, os autores calculam quanto tempo um caminhão demoraria para percorrer cada segmento de rodovia em diferentes horários de partida. Eles dividem cada via em pequenos elementos de 100 metros e simulam um caminhão movendo-se de um elemento ao seguinte, atualizando a velocidade assumida a cada dez minutos para refletir as condições de tráfego mais recentes. Dessa forma, uma viagem que começa antes de um engarrafamento pode atravessar a área congestionada rapidamente, enquanto outra que sai mais tarde acumula atraso crescente. Quando os tempos de viagem resultantes são comparados com aqueles medidos diretamente a partir de viagens individuais de caminhões nos dados, as diferenças costumam ser de apenas alguns segundos, com erros maiores confinados a um pequeno número de casos incomuns.

O que isso significa para a logística do dia a dia

O resultado deste trabalho é um conjunto disponível publicamente de tempos de viagem detalhados para caminhões nas autoestradas da Alemanha, segmentados por via e por trecho em passos de dez minutos ao longo de dias úteis típicos. Para remetentes, transportadoras e planejadores, esses dados transformam o risco vago de atraso em números concretos que podem ser incorporados a cronogramas, softwares de roteamento e planos de capacidade. Para o público em geral, significa que os mesmos veículos conectados já nas vias podem fornecer silenciosamente as informações necessárias para executar cadeias de suprimento com mais confiabilidade — ajudando as mercadorias a chegarem no horário, reduzindo combustível desperdiçado e aproveitando melhor a infraestrutura rodoviária existente sem instalar um único novo sensor no solo.

Citação: Schlott, M., Abdul, L. & Leerkamp, B. Truck Travel times on freeway facilities and segments in Germany based on FCD from 2019. Sci Data 13, 588 (2026). https://doi.org/10.1038/s41597-026-07198-z

Palavras-chave: tempo de viagem de caminhão, congestão em rodovias, dados de veículo flutuante, logística de cargas, confiabilidade do tráfego