INTELIGÊNCIA ARTIFICIAL E MACHINE LEARNING NA GESTÃO DO RISCO NO TRANSPORTE RODOVIÁRIO DE PRODUTOS PERIGOSOS NO BRASIL: FUNDAMENTOS, APLICAÇÃO E CONFORMIDADE

Autores/as

  • Leonardo Lopes Bezerra Autor/a

DOI:

https://doi.org/10.56238/MultiCientifica-063

Palabras clave:

Inteligência Artificial, Aprendizado de Máquina, Produtos Perigosos, Gestão de Risco, Transporte Rodoviário, Telemática, IoT, CVaR, Equidade de Risco

Resumen

Este artigo apresenta uma estrutura completa e operacional para aplicação de Inteligência Artificial e Machine Learning na gestão do risco no transporte rodoviário de produtos perigosos no Brasil, com foco na redução de perdas de baixa frequência e alta consequência, manutenção do nível de serviço logístico e aderência normativa. O trabalho está alinhado ao Decreto nº 96.044 de 18 de maio de 1988, que aprova o Regulamento para o Transporte Rodoviário de Produtos Perigosos, bem como às normas da Associação Brasileira de Normas Técnicas ABNT NBR 7500, referente à identificação para o transporte terrestre de produtos perigosos, e ABNT NBR 9735, que dispõe sobre o conjunto de equipamentos para emergências no transporte terrestre de produtos perigosos. Além disso, são consideradas as Instruções Técnicas estaduais, com ênfase na Instrução Técnica 32 de 2025 do Corpo de Bombeiros da Polícia Militar do Estado de São Paulo, que estabelece parâmetros para prevenção e resposta em edificações e áreas de risco envolvendo produtos perigosos. Este artigo busca combinar evidências técnicas de modelos preditivos multimodais – como redes recorrentes do tipo Gated Recurrent Unit integradas a redes neurais profundas com incorporação multimodal – com métodos de otimização de rotas orientadas a risco, incluindo o uso do Valor Condicional em Risco, conhecido internacionalmente como Conditional Value-at-Risk, e o conceito de equidade de risco entre comunidades afetadas. A abordagem é complementada por telemetria e “Internet das Coisas” com sensores certificados para atmosferas explosivas, e por diretrizes internacionais de documentação eletrônica em emergências estabelecidas no âmbito do Comitê Econômico das Nações Unidas para a Europa. Como demonstração aplicada, apresenta-se o corredor BR‑116, conhecido como Régis Bittencourt, para cargas de líquidos inflamáveis da Classe Três – Líquidos Inflamáveis, com resultados indicativos de redução do risco esperado entre vinte e trinta por cento e redução do Valor Condicional em Risco a noventa e cinco por cento entre trinta e cinco e quarenta por cento, preservando a janela de entrega e a conformidade normativa.

Publicado

2026-01-30

Cómo citar

Bezerra, L. L. . (2026). INTELIGÊNCIA ARTIFICIAL E MACHINE LEARNING NA GESTÃO DO RISCO NO TRANSPORTE RODOVIÁRIO DE PRODUTOS PERIGOSOS NO BRASIL: FUNDAMENTOS, APLICAÇÃO E CONFORMIDADE. Anais Eventos. https://doi.org/10.56238/MultiCientifica-063