Imagens de rua, visão computacional e estatísticas urbanas: observar mais sem presumir que se vê tudo

A Pesquisa Urbanística do Entorno dos Domicílios — PUED oferece uma leitura importante das condições do espaço urbano ao redor dos domicílios. Ao registrar elementos como pavimentação, calçadas, meio-fio, iluminação pública, arborização, rampas, bueiros e identificação de logradouros, ela permite observar dimensões da infraestrutura urbana que não aparecem apenas nas características internas dos domicílios.

O problema é temporal, mas seus efeitos são institucionais. Como a PUED está associada ao ciclo censitário, sua capacidade de atualização é limitada diante da velocidade das transformações urbanas. Ruas podem ser pavimentadas, calçadas podem se deteriorar, áreas podem receber iluminação ou perder arborização muito antes de um novo levantamento. Quando a informação pública não acompanha essas mudanças, a gestão passa a decidir com uma leitura atrasada das condições do território.

A pesquisa de Fillipi Nascimento se situa nesse intervalo. Seu objetivo é testar se imagens de rua e modelos de deep learning podem apoiar a produção de informações urbanísticas mais frequentes, comparáveis e verificáveis, reduzindo custos de observação sem dispensar validação estatística ou trabalho de campo.

A proposta inicial previa o uso do Google Street View como fonte de imagens para geração de indicadores urbanísticos contínuos. Ao longo da execução, restrições técnicas, financeiras e operacionais levaram à adoção da Mapillary, plataforma colaborativa de imagens de rua georreferenciadas e datadas. Esse deslocamento não altera a pergunta da pesquisa. Ele mostra uma reconfiguração metodológica: o objetivo substantivo — observar componentes urbanos a partir de imagens — foi preservado, enquanto o instrumento foi ajustado às condições reais de acesso, processamento, reexecução e validação.

Também houve mudança na estratégia de modelagem. Em vez de treinar um modelo próprio do zero, a solução final combinou modelos pré-treinados especializados em visão computacional. Essa escolha tornou o piloto mais viável e permitiu explorar diferentes capacidades de reconhecimento para diferentes componentes urbanos.

O resultado é uma solução que articula fonte visual, georreferenciamento, inferência automatizada por componente, cálculo de índice sintético e validação inicial. A inteligência artificial não aparece como atalho genérico, mas como parte de um instrumento público de observação territorial. Para produzir informação utilizável, esse instrumento precisa declarar de onde vêm as imagens, o que foi inferido, o que ficou indeterminado e sob quais condições o resultado pode ser comparado.

A pesquisa construiu o Índice Global de Características Infraestruturais — IGCI, uma métrica sintética que reúne componentes urbanísticos avaliados nas imagens. O índice permite organizar, em uma escala comum, sinais sobre a presença ou ausência de elementos da infraestrutura urbana observável.

Mas o IGCI não deve ser lido como nota geral de qualidade urbana. Ele expressa apenas os componentes avaliados nos pontos com imagem suficiente. Sua utilidade depende da memória de cálculo: quais componentes entraram no índice, quais ficaram indeterminados, qual era a cobertura das imagens e como cada presença ou ausência foi tratada.

Essa é uma contribuição metodológica relevante. Ao registrar casos em que a imagem não permite inferência segura, a pesquisa evita confundir ausência de evidência com evidência de ausência. O "não avaliado" não é apenas uma falha operacional; é uma informação sobre o limite da observação automatizada e sobre onde a verificação presencial ou a coleta complementar continuam necessárias.

O principal achado analítico do subprojeto é que a visão computacional não observa todos os elementos da rua com a mesma confiabilidade. Componentes amplos, recorrentes e visualmente salientes, como pavimentação, calçada, meio-fio e iluminação pública, apresentaram melhor desempenho. Eles ocupam porções mais reconhecíveis da cena e aparecem com maior estabilidade nas imagens.

Já elementos pequenos, raros, encobertos ou dependentes do ângulo da captura permanecem mais frágeis. Bueiros, rampas de acessibilidade e placas de logradouro podem não aparecer, estar parcialmente ocultos ou exigir resolução e enquadramento específicos. Uma imagem pode mostrar bem o asfalto e a calçada, mas não revelar uma rampa fora do campo de visão.

Esse resultado desloca a discussão. A questão não é apenas se a inteligência artificial acerta ou erra. A questão é que tipo de componente urbano a imagem de rua torna observável com estabilidade e que tipo de componente permanece dependente de ângulo, resolução, frequência ou confirmação em campo. Ver mais não significa ver tudo.

A pesquisa não autoriza substituir a PUED por inferência automatizada. O piloto demonstra potencial para criar uma camada complementar de observação entre ciclos censitários, especialmente para componentes visualmente robustos. Essa camada pode apoiar triagens, atualizações parciais, planejamento de verificações e acompanhamento de mudanças em áreas com cobertura imagética suficiente.

A complementaridade é o ponto institucional decisivo. A PUED permanece como referência estatística; as imagens de rua podem atuar no intervalo entre levantamentos; e o campo continua necessário para validar, corrigir ou completar aquilo que a imagem não sustenta. Essa arquitetura é mais forte do que uma promessa de automação total, porque distribui funções: a imagem sinaliza, o índice organiza, a validação qualifica e o campo resolve lacunas.

Essa leitura também protege contra uma interpretação excessivamente tecnológica. A inteligência artificial só se torna útil para estatísticas públicas quando seus resultados são verificáveis, seus limites são declarados e sua aplicação é calibrada por componente.

O subprojeto mostra que imagens de rua podem se tornar insumos para produção de informação urbanística, mas essa transformação não acontece apenas porque a imagem passa por um modelo de IA. Ela depende de uma cadeia de observação: cada imagem precisa ter localização e data; cada componente precisa ter regra de inferência; cada índice precisa preservar memória de cálculo; cada lacuna precisa ser declarada. Sem essa cadeia, a automação produz aparência de informação, mas não informação pública utilizável.

Também é necessário validar os resultados por componente. Uma média geral de desempenho pode esconder fragilidades importantes. O método pode funcionar bem para pavimentação e ainda ser insuficiente para bueiros ou rampas. Por isso, a adoção institucional deve começar pelos componentes que a imagem permite inferir melhor. O ganho potencial não está em trocar campo por algoritmo, mas em indicar onde há sinal suficiente, onde há dúvida e onde a verificação presencial é indispensável.

A pesquisa aponta, assim, para uma modernização cautelosa das estatísticas urbanas. O ganho público não está apenas em produzir mais dados, mas em produzir dados cuja origem, cobertura, incerteza e validade possam ser compreendidas.

A contribuição do subprojeto está em mostrar que imagens de rua e visão computacional podem ampliar a capacidade pública de observar a infraestrutura urbana entre censos, desde que cada inferência seja tratada como evidência condicionada. A IA pode ajudar o Estado a olhar a cidade com mais frequência, mas não transforma imagem automaticamente em estatística pública. Seu valor depende da cadeia que sustenta a observação: localização, data, componente definido, validação, memória de cálculo e declaração do que não pôde ser visto.