O Rio não tem uma fonte única de onde está o seu transporte. Três caminhos públicos da SMTR cobrem os ônibus e o BRT da cidade; trens, metrô, VLT, barcas e ônibus intermunicipais não têm nenhum dado público legível por máquina. Um mapa ingênuo disfarçaria isso — inventando posições, transformando uma coleta que falhou em 'sem veículos', ou desenhando um ônibus parado há dias como se estivesse em movimento.
— Projeto 17
Transit Pulse
Um mapa de transporte público do Rio ao vivo, honesto sobre quais dados existem

visão geral do projeto
Um mapa ao vivo dos ônibus e do BRT da Grande Rio onde cada operador aparece como ao vivo, só programado ou sem dados públicos, alimentado por um pipeline de streaming resiliente que grava a resposta de cada provedor byte a byte antes de desenhar qualquer veículo.
resultado entregue
Uma demonstração gravada que continua funcionando com o backend ao vivo desligado: o mapa real do Rio, a exploração de linhas e ônibus com a visão guardada na URL, cor por velocidade, trajetos GTFS estáticos e listas de paradas para linhas selecionadas, e uma máquina do tempo que percorre as horas gravadas e as reproduz a 1×/10×/60× com rastros que se desfazem. O log bruto de produção vai para o S3 com manifestos de checksum, e um job de reconstrução separado escreve as mesmas tabelas que o consumidor ao vivo, de modo que uma projeção perdida em uma falha é reproduzida exatamente a partir do log.
- Atuação
- Plataforma de dados e engenharia de produto
- Período
- 2026 — demonstração gravada no ar
- Ano
- 2026
- Equipe
- Solo
O site em movimento
Um adaptador por provedor normaliza tudo em um único evento canônico; nada depois dele sabe de qual provedor o dado veio. Toda resposta é gravada em um log bruto imutável no S3 antes de qualquer publicação, então o broker (Redpanda, retenção de 24 horas) é só um buffer e o banco é uma projeção reconstruível. A API serve um snapshot da memória — consulta o banco no máximo uma vez por novo minuto, nunca por requisição — e o app desenha os veículos com MapLibre e deck.gl atrás de um letreiro âmbar que diz claramente ao vivo, atrasado ou com falha. A cobertura aparece em três níveis honestos e, dentro de 'ao vivo', 'sem veículos', 'coleta falhou' e 'parado há mais de cinco minutos' permanecem distintos, nunca zerados.
Uma demonstração gravada que continua funcionando com o backend ao vivo desligado: o mapa real do Rio, a exploração de linhas e ônibus com a visão guardada na URL, cor por velocidade, trajetos GTFS estáticos e listas de paradas para linhas selecionadas, e uma máquina do tempo que percorre as horas gravadas e as reproduz a 1×/10×/60× com rastros que se desfazem. O log bruto de produção vai para o S3 com manifestos de checksum, e um job de reconstrução separado escreve as mesmas tabelas que o consumidor ao vivo, de modo que uma projeção perdida em uma falha é reproduzida exatamente a partir do log.
— O produto em uso
O produto de verdade
Capturas verificadas da interface real do projeto, com os diferentes estados e páginas apresentados abaixo.




— Processo de entrega
Da necessidade da operação ao sistema entregue
O trabalho segue os riscos do projeto. Regras do negócio e estados de falha vêm antes do acabamento da interface; a automação chega antes da entrega.
Um inventário de fontes honesto
Cada operador do Rio verificado contra fontes ao vivo: os ônibus municipais (SPPO e o novo Sistema RIO) e o BRT são públicos por três caminhos da SMTR sem chave; trens, metrô, VLT, barcas e ônibus intermunicipais não têm dado público legível por máquina. O mapa diz isso em vez de adivinhar.
Um único evento canônico
Um adaptador consulta a API do ITS um minuto UTC por vez, guarda cada resposta byte a byte no log bruto e publica um único formato de evento versionado no Redpanda — o fornecedor passou a fazer parte da identidade do veículo depois que dois fornecedores de AVL foram flagrados reutilizando o mesmo id.
Projeções reconstruíveis
Um consumidor escreve posições e status das fontes no TimescaleDB; um job de reconstrução separado reaplica o log bruto nas mesmas tabelas pelo mesmo código, de forma idempotente, então as tabelas ao vivo e reconstruídas coincidem. A API responde a partir de um snapshot em memória, nunca com uma consulta por requisição.
A tela, e uma máquina do tempo
Um mapa do Rio de borda a borda com o letreiro, painéis de linhas e ônibus cuja visão fica na URL, trajetos GTFS estáticos, uma tabela sem mapa e uma linha do tempo que percorre e reproduz as horas gravadas com rastros que se desfazem — e então um replay estático exportado para o S3 e o CloudFront que sobrevive ao backend.
— Arquitetura do sistema
Limites claros, responsabilidades explícitas
Cada camada tem uma função e um contrato bem definido. Isso permite substituir serviços externos e testar o comportamento do produto.
letreiro / rio
ao vivo · atrasado · falhou
sem veículos ≠ coleta falhou
snapshot da api
da memória · 1 consulta / min
cobertura / 3 níveis
Adaptadores em Go
Um adaptador por provedor, cada um emitindo um evento canônico; a resposta bruta do provedor é gravada no S3 antes de qualquer publicação.
Redpanda
Tópicos versionados para posições e status das fontes; o broker é um buffer de 24 horas, o log bruto no S3 é a fonte de verdade.
TimescaleDB + PostGIS
Uma hypertable de posições e uma tabela de status das fontes; o consumidor ao vivo e o job de reconstrução compartilham um único caminho de escrita idempotente e independente de ordem.
API em Go + Next.js
A API responde a partir de um snapshot em memória atualizado no máximo uma vez por minuto; o app desenha com MapLibre e deck.gl, com um replay estático no CloudFront.
— O que foi entregue
O que o produto faz
Cobertura honesta, em três níveis
Cada operador é ao vivo, só programado ou sem dados públicos; dentro de ao vivo, 'sem veículos', 'coleta falhou' e 'parado há mais de cinco minutos' aparecem cada um como são, nunca reduzidos a zero.
Uma máquina do tempo sobre as horas gravadas
Percorra as últimas horas e reproduza-as a 1×/10×/60× com rastros que se desfazem; o minuto do cursor fica na URL, e 'Só posições reais' desliga a interpolação entre as posições reais.
Um replay que sobrevive ao backend
A demonstração publicada roda inteiramente a partir de uma exportação compacta e fixada por checksum no S3 e no CloudFront — o pipeline ao vivo pode ser desligado e a gravação continua tocando.
— Desafios de engenharia
Desafios resolvidos
O mesmo ônibus reportado duas vezes
Dois fornecedores de AVL reportaram o mesmo id de veículo da SPPO a partir de equipamentos diferentes — 3.114 pares (veículo, hora) em conflito, com posições distintas. Resolvido fazendo o fornecedor parte da identidade do veículo, para que nenhuma das posições seja descartada em silêncio.
Um horário que mentia sobre seu fuso
A fonte legada da SPPO marca as posições com um 'Z' que não é UTC — é o horário de São Paulo. O relógio de cada fonte é convertido explicitamente para UTC real no adaptador, para que a máquina do tempo percorra o minuto certo.
'Tempo real' sobre fontes consultadas
Nada é empurrado; o adaptador consulta um minuto por vez e o mapa interpola entre as posições reais. O produto diz isso claramente — a honestidade é o recurso, e o rigor de streaming vive no pipeline.
links verificados do projeto
próxima conversa
Precisa de um sistema pensado assim?
Traga o desafio da operação. Vamos transformá-lo em um briefing claro e um próximo passo viável.
Começar um projeto