Google: roteamento colaborativo reduz congestionamento em cidades

O que aconteceu

Em 7 de julho de 2026, o Google Research publicou os resultados de um experimento realizado em 10 grandes cidades dos EUA ao longo de seis meses. O estudo, intitulado "Urban congestion relief experiments through routing-app interventions", saiu na revista Nature Cities. Nele, o algoritmo do Google Maps foi modificado para preferir rotas alternativas com tempos de viagem e tipos de segmento semelhantes, afastando as viagens de trechos congestionados pré-selecionados. A coordenação de uma fração das viagens foi suficiente para melhorar as velocidades e reduzir emissões em toda a cidade (Google Research Blog).

Contexto

O transporte rodoviário é essencial para a economia, mas tem custos altos: motoristas passam, em média, 2,6 anos de suas vidas dirigindo, e carros e vans particulares respondem por cerca de 10% das emissões globais de CO2. O Google Research já havia demonstrado o potencial de intervenções na infraestrutura com o Project Green Light, que usa IA para otimizar semáforos. Mas otimizar o roteamento dos veículos em escala de rede era um desafio: embora existam modelos teóricos, faltava validação empírica em larga escala.

Por que importa

A navegação por GPS é usada por milhões de motoristas diariamente, mas cada um busca a rota mais rápida para si. O estudo mostra que, se uma pequena parcela dos usuários aceitar rotas alternativas com tempo similar, o sistema como um todo fica mais eficiente. Isso pode reduzir o tempo perdido no trânsito e as emissões de CO2, sem exigir obras ou investimentos em infraestrutura.

Impacto

No curto prazo, os resultados podem incentivar outros aplicativos de navegação a adotar lógicas de cooperação entre usuários. No médio prazo, a abordagem pode ser combinada com veículos autônomos, cidades inteligentes e projetos como o Green Light para criar um gerenciamento de tráfego mais coordenado, nos moldes do controle de tráfego aéreo.

O que muda

A pesquisa muda a premissa de que o melhor caminho individual é também o melhor para o coletivo. Em vez de apenas calcular a rota mais rápida para cada motorista, o Google Maps pode passar a considerar o efeito das escolhas sobre a rede como um todo. Isso representa uma mudança de paradigma: de otimização individual para roteamento cooperativo.

O que vem agora

O estudo estabelece uma estrutura experimental para evoluir da otimização de viagens individuais para um paradigma de roteamento cooperativo. Os próximos passos incluem expandir os testes para outras cidades e países, integrar os achados a outras iniciativas como o Project Green Light e avaliar como veículos autônomos e infraestrutura conectada podem amplificar esses ganhos.

Fontes

• Google Research Blog: "The power of collaboration: How we can reduce traffic congestion" (https://research.google/blog/the-power-of-collaboration-how-we-can-reduce-traffic-congestion/)