Identificação de estilos de condução dinâmicos com base em primitivas comportamentais

Por que seus hábitos ao volante importam

Qualquer pessoa que já andou com motoristas diferentes sabe que alguns deslizam suavemente pelo tráfego enquanto outros param, aceleram e cortam faixas. Esses padrões vão além de particularidades; influenciam conforto, segurança e como futuros carros assistidos ou autônomos devem se comportar ao nosso redor. Este estudo analisa de perto como ações cotidianas de direção — virar o volante, frear e acelerar — podem ser fragmentadas em pequenas peças para revelar se o motorista está sendo cauteloso, mediano ou agressivo em determinado momento.

Dividindo viagens em pequenos blocos

Os pesquisadores partem da ideia de que uma condução não é um comportamento longo e uniforme. Em vez disso, é composta por segmentos curtos, ou “primitivas”, como seguir em linha reta a velocidade constante, reduzir a velocidade abruptamente ou fazer uma curva enquanto acelera. Usando um simulador de direção, eles coletaram cerca de cinco horas de dados de 17 motoristas percorrendo a mesma rota com tráfego leve e algumas surpresas roteirizadas. A partir do fluxo contínuo de informações de velocidade, aceleração e direção, eles extrairam 2.763 pequenos segmentos, cada um representando um padrão de movimento breve e fisicamente significativo.

Encontrando padrões comuns no caos

Para organizar esses muitos segmentos, a equipe utilizou métodos de aprendizado não supervisionado que não dependem de rótulos humanos ou questionários. Primeiro separaram movimentos transversais dos longitudinais, depois aplicaram um processo em duas etapas para localizar onde um padrão terminava e outro começava. Em seguida, agruparam os segmentos resultantes em cinco tipos principais de primitivas com significados distintos: por exemplo, seguir em linha reta em velocidade média com pequenas variações, virar à esquerda em velocidade média, rastejar em linha reta em baixa velocidade desacelerando suavemente, seguir rápido enquanto freia forte, e virar à direita acelerando rapidamente. Mesmo que os segmentos individuais variassem em duração e valores exatos, os do mesmo grupo compartilhavam formas temporais semelhantes.

Transformando comportamento em níveis de risco

Com os tipos de primitiva definidos, os pesquisadores perguntaram quão arriscado cada um tendia a ser. Resumiram cada grupo usando estatísticas básicas como velocidade média, quão acentuada era a curva e quanto esses valores flutuavam. A partir dessas oito características simples, calcularam um “índice de risco” para cada tipo de primitiva. Em seguida, estudaram como os motoristas transitavam de uma primitiva para outra — por exemplo, de direção lenta e reta para frenagem forte — e com que frequência cada salto ocorria. Transições que combinavam um grande salto no risco, uma primitiva seguinte perigosa e uma transição raramente usada foram tratadas como especialmente arriscadas. Dessa forma, tanto o que o motorista estava fazendo quanto como chegou ali contribuíam para uma imagem de segurança em tempo real, momento a momento.

Avaliação de momentos cautelosos, normais e agressivos

Para avaliar o estilo de condução em cada segmento temporal, o estudo construiu uma fórmula de pontuação simples que mistura três ingredientes: o risco da primitiva atual, o risco da transição que levou a ela e o risco da transição que a sucede. Estatísticas objetivas determinaram quanto peso cada ingrediente deveria ter. O resultado foi uma pontuação de estilo para cada momento, em uma escala em que valores mais altos indicavam comportamento mais agressivo. Um método de busca inspirado em enxames então escolheu automaticamente dois pontos de corte nessa escala, dividindo os dados em estilos cauteloso, normal e agressivo de modo que cada grupo ficasse o mais distinto possível.

O que os padrões revelam sobre motoristas reais

Aplicar essa estrutura aos 17 motoristas mostrou que a maior parte do tempo era passada na faixa normal, com menos momentos cautelosos e ainda menos agressivos. Muitos motoristas eram cautelosos no início e no fim da rota, tornando-se mais assertivos no meio do trajeto quando estavam mais à vontade. Alguns motoristas, que frequentemente usavam tipos de primitiva de alto risco e transições perigosas, concluíam a rota muito mais rápido e foram rotulados como agressivos no longo prazo. Outros confiaram fortemente em padrões de baixo risco e tiveram tempos de viagem maiores, compatíveis com um estilo cauteloso geral. Embora eventos na via pudessem empurrar qualquer um a ações mais vigorosas por curtos períodos, o estilo subjacente de cada pessoa permaneceu relativamente estável quando visto ao longo de toda a condução.

Por que isso importa para os carros do futuro

Ao fatiar a condução em unidades pequenas e significativas e observar como elas mudam ao longo do tempo, este estudo mostra uma forma de acompanhar o estilo de condução segundo a segundo, em vez de depender de rótulos amplos e estáticos. Para o público em geral, isso significa que carros e sistemas de assistência ao motorista poderiam um dia reagir não apenas à posição do veículo na via, mas também a como seu condutor tende a se comportar e a como esse comportamento está mudando naquele momento. Essa consciência poderia tornar as vias compartilhadas mais seguras e ajudar veículos automatizados a se integrarem de maneira mais natural com motoristas humanos.

Citação: Zheng, X., Kang, W., Ren, Y. et al. Identification of dynamic driving styles based on behavioral primitives. Sci Rep 16, 15144 (2026). https://doi.org/10.1038/s41598-026-38787-y

Palavras-chave: estilo de condução, comportamento do motorista, segurança no trânsito, veículos autônomos, avaliação de risco