Mesmo em plena ciclovia e cumprindo todas as normas, muitas vezes, os ciclistas acabam por ser atropelados. É para evitar estes acidentes, que acontecem com mais frequência do que se pode supor, que surgiu a aplicação CycleAI.

Recorrendo a algoritmos de Inteligência Artificial, a CycleAI pretende dar mais poder de decisão e segurança ao ciclista, tornando ainda o planeamento urbanístico mais eficaz e analítico. Desta forma, ao empoderar o ciclista para a sua própria segurança, torna-se possível potenciar o desenvolvimento de cidades seguras, fazendo com que as sequelas de acidentes com ciclistas e todos aqueles que fazem parte do ecossistema urbano tendam para zero.

Este projeto inovador, criado em outubro, foi idealizado pelo médico Miguel Sampaio Peliteiro, que foi violentamente atropelado numa ciclovia, e Luís Rita, cientista de dados e estudante de Doutoramento no Imperial College, em Londres. Atualmente, conta também com a participação de Codrin Bostan.

Mas como é que esta aplicação funciona? Para construir a perceção de risco-variável de indivíduo para indivíduo, os criadores da CycleAI têm disponível no site um mapa, onde qualquer pessoa pode assinalar zonas de risco ou os locais mais propensos à ocorrência de acidentes, tanto nacionais como internacionais. Assim, o ciclista pode indicar diretamente o ponto em causa ou escrever um endereço, adicionando uma descrição que justifique a sua classificação. Além disso, se também o desejar, pode submeter uma imagem do local. 

Importa referir que o mapa em questão estará sempre disponível ao público, permitindo que a própria aplicação acompanhe a constante mutação das cidades. Por isso, de modo a reunir informações essenciais para criar uma base de dados fidedigna, o contributo do maior número de utilizadores de bicicleta é crucial.

Ao ser um projeto que pode fazer a diferença na vida das pessoas e na forma como as cidades se desenvolvem, a CycleAI já conquistou dois galardões, tendo vencido a hackathon inaugural da Federação Europeia de Ciclistas e, mais recentemente, o BET/AWS University Challenge. 

Atualmente, a dupla portuguesa está a desenvolver um segundo crowdsourcing. Este pretende que os dados recolhidos treinem o modelo de Machine Learning para que se possa interpretar o sentido da perceção de risco de qualquer imagem numa questão de segundos. 

Espera-se ainda que o protótipo da aplicação esteja finalizado no início de 2021, altura em que os primeiros dados recolhidos deverão também ser conhecidos.