Relatórios históricos

Relatórios históricos transformam seus dados operacionais em insights estratégicos ao analisar padrões, tendências e métricas de desempenho ao longo de períodos que você define, possibilitando decisões baseadas em dados para otimização de frota e planejamento de recursos.

Relatório de sensor de medição

Quando usar: Planejamento de gestão de combustível, programação de manutenção preditiva e identificação de padrões de desempenho de equipamentos em múltiplos veículos e períodos de tempo.

Quais dados você vê: Medições de sensores em séries temporais agregadas em resumos estatísticos, mostrando valores médio, mínimo e máximo para cada sensor ao longo do intervalo de tempo selecionado.

Lógica de processamento de dados

O sistema processa dados de sensores por meio de análise sofisticada de séries temporais:

• Agregação por intervalos de tempo: Leituras brutas dos sensores passam por agrupamento em intervalos de 15 segundos usando o time_bucket função do PostgreSQL, criando pontos de dados manejáveis a partir de fluxos contínuos de sensores. Essa abordagem equilibra precisão analítica com eficiência de processamento.

• Correlação multi-sensor: A consulta faz junção de business_data.sensors_data_by_hours com raw_business_data.objects para combinar medições de sensores com o contexto do veículo. Cada leitura de sensor inclui dados de calibração quando disponíveis, convertendo valores brutos em unidades significativas (litros para combustível, graus para temperatura).

• Cálculo estatístico: Para cada intervalo de tempo, o sistema calcula os valores médio, mínimo e máximo entre todas as leituras. Quando os dados de calibração do sensor estão ausentes ou inválidos, os valores brutos são exibidos sem modificação para manter a transparência dos dados.

• Filtragem de qualidade: A validação de qualidade do GPS garante que apenas dados de localização confiáveis (satélites > 3, coordenadas diferentes de zero) contribuam para o contexto do sensor, enquanto leituras inválidas são excluídas dos cálculos estatísticos.

Todos os carimbos de data/hora são convertidos para UTC para análise consistente independentemente da localização geográfica do veículo, permitindo identificação precisa de tendências entre diferentes zonas operacionais.

Relatório de atividade do objeto

Quando usar: Análise de otimização de rotas, avaliação de utilização de veículos e medição da eficiência operacional ao longo de períodos definidos e segmentos da frota.

Quais dados você vê: Métricas abrangentes de atividade incluindo distância total percorrida, duração das viagens, velocidades médias e padrões de rota para cada veículo no subconjunto de frota selecionado.

Lógica de processamento de dados

Este relatório combina dados históricos e em tempo real por meio de geração complexa de trajetos:

• Fonte híbrida de dados: O sistema seleciona inteligentemente entre business_data.tracks para análise histórica e raw_telematics_data.tracking_data_core para dados recentes, dependendo do seu intervalo de tempo. Períodos superiores a 12 horas usam trajetos pré-processados para desempenho ideal, enquanto períodos recentes geram trajetos a partir de dados telemáticos brutos.

• Reconstrução de trajetos: Para análise em tempo real, o sistema aplica algoritmos de detecção de movimento usando limiares de velocidade (≥3 km/h) e lacunas de tempo (>300 segundos) para identificar viagens distintas. Dados de coordenadas brutas (armazenadas como inteiros) são convertidos para graus decimais por divisão por 10.000.000 para cálculos geográficos.

• Cálculo de distância: A distância geográfica usa funções PostGIS para medições precisas entre pontos GPS consecutivos, enquanto os cálculos de duração derivam de diferenças de carimbos de data/hora entre pontos de início e fim do trajeto.

• Integração de zonas: A análise geográfica cruza as posições dos veículos com zonas definidas usando ST_DWithin cálculos, fornecendo contexto operacional para locais de início e término das viagens.

A estrutura de consulta subjacente adapta-se com base nos parâmetros selecionados, otimizando entre recuperação de dados históricos e geração de trajetos em tempo real para fornecer análise abrangente de atividade.

Relatório de condução ecológica

Quando usar: Análise de segurança do condutor, relatórios de conformidade para seguradoras e avaliação de gerenciamento de risco da frota para desenvolver programas de treinamento direcionados e reduzir custos operacionais.

Quais dados você vê: Análise abrangente de comportamento de condução incluindo infrações de velocidade, eventos de direção brusca e pontuações de segurança calculadas para cada veículo, com coordenadas GPS precisas e carimbos de data/hora para cada incidente.

Lógica de processamento de dados

A análise de condução ecológica processa dados telemáticos por meio de detecção sofisticada de padrões comportamentais:

• Detecção de infrações de velocidade: O sistema monitora continuamente as velocidades dos veículos em relação a limites configuráveis, aplicando períodos de tolerância e estruturas de penalidade baseadas na gravidade. Eventos de excesso de velocidade exigem violações sustentadas (>60 segundos) para evitar penalizar picos breves de velocidade, enquanto os pontos de penalidade escalam desde infrações leves (0–20 km/h acima) até violações graves (>60 km/h acima).

• Análise de direção brusca: Cálculos de aceleração em tempo real analisam variações de velocidade ao longo de intervalos de tempo para detectar frenagens bruscas (>3,5 m/s² de desaceleração), acelerações bruscas (>3,0 m/s²) e curvas acentuadas usando limiares de mudança de rumo (>30° em velocidades >30 km/h). Cada evento inclui coordenadas GPS para análise de padrões por localização.

• Sistema de pontuação dinâmica: As pontuações de segurança derivam da acumulação de pontos de penalidade normalizados pela distância percorrida, permitindo comparação justa entre diferentes comprimentos de rota e padrões operacionais. O sistema usa pontuações máximas configuráveis com normalização baseada na distância para assegurar avaliação consistente.

• Documentação de violações: Cada evento detectado captura coordenadas GPS precisas, carimbos de data/hora e medidas de gravidade, criando registros abrangentes de incidentes para treinamento de condutores e relatórios de conformidade.

O algoritmo subjacente processa dados GPS agregados em intervalos de 15 segundos a partir de raw_telematics_data.tracking_data_core, aplicando cálculos de distância haversine para análise geográfica precisa e cálculos de aceleração baseados em carimbos de data/hora para avaliação comportamental.

Relatório de turnos

Quando usar: Análise de produtividade da força de trabalho, identificação de padrões operacionais e medição da eficiência de turnos para otimização de escalonamento da frota.

Quais dados você vê: Resumos diários de atividade mostrando tempo operacional total, velocidades médias, velocidades máximas e períodos de atividade para cada veículo, agrupados por data e turnos operacionais.

Lógica de processamento de dados

A análise de turnos processa dados de rastreamento brutos por meio de detecção de padrões operacionais:

• Classificação de movimento: O sistema analisa leituras de velocidade e intervalos de tempo para distinguir entre movimento ativo (≥3 km/h), paradas temporárias e períodos estacionados. Lacunas de tempo superiores a 300 segundos acionam a detecção de um novo período de atividade.

• Detecção de fronteiras de turno: A segmentação de trajetos usa limiares de velocidade configuráveis e análise de lacunas de tempo para identificar períodos operacionais distintos. Cada período de turno inclui carimbos de início e fim precisos com cálculos de duração.

• Agregação de atividade: Resumos diários combinam todos os períodos operacionais para cada veículo, calculando duração total de atividade, velocidades médias operacionais e velocidades máximas alcançadas durante períodos ativos.

• Métricas de desempenho: O sistema gera estatísticas de utilização comparando o tempo operacional ativo com o tempo total decorrido, fornecendo insights de eficiência para decisões de gestão da frota.

Validação de coordenadas GPS garante que apenas dados de posicionamento de qualidade contribuam para cálculos de distância e velocidade, enquanto a padronização de carimbos de data/hora para UTC possibilita análise consistente de turnos entre diferentes localidades geográficas.

Relatório de quilometragem

Quando usar: Análise de utilização da frota, avaliação da eficiência operacional e identificação de padrões de uso em horário de trabalho versus não trabalho para otimizar o posicionamento de veículos e identificar uso não autorizado.

Quais dados você vê: Distância percorrida categorizada por horário de trabalho, horário fora do trabalho e finais de semana, com tendências de distribuição semanal, comparações por departamento e detalhamentos mostrando dias ativos e distâncias máximas por viagem.

Lógica de processamento de dados

A análise de quilometragem do veículo processa dados de trajetos GPS por meio de classificação por tempo e agregação de distância:

• Classificação por categoria de tempo: O sistema avalia cada segmento de trajeto GPS em relação a horários de trabalho configuráveis e dias do calendário para classificar a quilometragem em três categorias distintas. A quilometragem em horário de trabalho captura a distância percorrida durante o horário comercial configurado em dias úteis; o tempo não trabalhado representa viagens em horário pós-expediente em dias úteis; e a quilometragem de fim de semana engloba todo o movimento de sábado e domingo, independentemente do horário. Essa classificação ocorre no nível do segmento de trajeto, com cada porção de uma viagem atribuída com base em seu carimbo de data/hora.

• Cálculo de distância: Medições de distância geográfica usam algoritmos de geometria de coordenadas para calcular a distância percorrida entre pontos GPS consecutivos. O sistema processa dados de posição brutos de raw_telematics_data.tracking_data_core, convertendo coordenadas armazenadas como inteiros (divididas por 10.000.000) para graus decimais para cálculos precisos de distância haversine.

• Agregação temporal: A análise de padrões semanais agrupa segmentos de trajeto pelo número da semana ISO, somando distâncias dentro de cada categoria de tempo. O sistema gera tanto totais absolutos de quilometragem (em quilômetros) quanto distribuições percentuais para revelar como os padrões operacionais mudam ao longo das semanas.

• Análise por agrupamento: Comparações por departamento, objeto e motorista agregam dados de veículos individuais em unidades organizacionais. O sistema calcula a quilometragem média mensal por veículo dividindo a distância total pelo número de dias ativos e normalizando para meses de 30 dias, permitindo comparação justa entre diferentes períodos de análise.

• Detecção de atividade: Cálculos de dias ativos identificam datas do calendário com quilometragem registrada ao analisar carimbos de data/hora dos trajetos. A determinação da distância máxima de trajeto processa segmentos individuais de viagem para identificar a jornada contínua mais longa para cada agrupamento, usando limiares de detecção de movimento (≥3 km/h) e análise de lacunas de tempo (>300 segundos) para separar viagens distintas.

Validação de qualidade do GPS garante que apenas dados de posicionamento confiáveis (satélites > 3, coordenadas diferentes de zero) contribuam para cálculos de distância, enquanto a padronização de carimbos de data/hora para UTC possibilita classificação temporal consistente independentemente da localização geográfica do veículo.

Relatório de viagens

Quando usar: Análise de padrões de jornada, avaliação de otimização de rotas e avaliação de comportamento operacional para entender frequência de viagens, distribuição de distâncias e identificar padrões de deslocamento incomuns.

Quais dados você vê: Métricas individuais de viagem incluindo distância, duração e velocidade média, com tendências de volume semanal, comparações por grupo e detalhes completos viagem a viagem mostrando horários de início/fim e atribuições de condutor.

Lógica de processamento de dados

A análise de viagens do veículo identifica e processa jornadas individuais por meio de detecção inteligente de movimento:

• Algoritmo de detecção de viagem: O sistema analisa dados de trajetos GPS e informações de estado do veículo para identificar viagens distintas usando limiares de velocidade e tempo. Uma viagem começa quando a velocidade do veículo excede o limiar mínimo de marcha lenta (padrão 3 km/h) e termina quando a velocidade cai abaixo desse limiar pelo tempo mínimo de marcha lenta (padrão 5 minutos). Paradas breves inferiores ao limiar de tempo de marcha lenta são tratadas como pausas dentro da mesma viagem em vez de limites de viagem, filtrando paradas momentâneas no trânsito ou atrasos de carga.

• Parâmetros de detecção aprimorados: Quando disponíveis, o sistema incorpora status da ignição e dados de sensores de movimento para refinar a precisão da detecção de viagens. Essa abordagem multifatorial evita finalizações falsas de viagem durante breves períodos estacionários em que o motor permanece ligado, garantindo que apenas eventos significativos de estacionamento acionem a conclusão da viagem.

• Cálculo de distância e duração: Para cada viagem detectada, o sistema calcula a distância total usando funções geográficas PostGIS entre pontos GPS consecutivos de raw_telematics_data.tracking_data_core. A duração da viagem deriva da diferença de tempo entre o primeiro e o último ponto do trajeto. Cálculos de velocidade média dividem a distância total pela duração, fornecendo velocidade operacional realista que inclui quaisquer breves paradas durante a viagem.

• Agregação temporal: A análise semanal agrupa viagens pelo número da semana ISO, calculando tanto a contagem de viagens quanto as distâncias cumulativas. Essa abordagem de métrica dupla revela se mudanças no volume operacional correlacionam-se com variações no comprimento médio das viagens — altas contagens de viagens com baixa distância total indicam muitas jornadas curtas, enquanto o inverso sugere menos viagens, porém mais longas.

• Análises comparativas por grupo: Agrupamentos por departamento, objeto, motorista e garagem agregam dados de viagens para permitir análise comparativa. O sistema soma distâncias totais, conta viagens individuais e calcula durações médias de viagem para cada unidade. Essas métricas possibilitam identificação de diferenças de função operacional — frotas de entregas apresentam muitas viagens curtas enquanto veículos de serviço de campo podem exibir menos viagens, porém mais longas.

• Disponibilidade de dados de velocidade: Quando a qualidade do sinal GPS é insuficiente ou a captura de dados de velocidade falha, o sistema não consegue calcular velocidades médias de forma confiável. Essa condição normalmente ocorre durante perda de sinal GPS em áreas com baixa visibilidade de satélites (túneis, áreas urbanas densas, estacionamentos subterrâneos) ou durante anomalias no processamento de dados. O relatório exibe "No speed data available" para períodos afetados, indicando que essas viagens requerem investigação ou possuem registros telemáticos incompletos.

Todos os carimbos de data/hora das viagens são convertidos para UTC para análise consistente entre diferentes zonas operacionais, enquanto a validação de qualidade do GPS (satélites > 3, coordenadas diferentes de zero) garante que apenas dados de posicionamento confiáveis contribuam para a detecção de viagens e cálculos de distância.

Relatório de tempo ocioso

Quando usar: Otimização de utilização de veículos, análise de custo de tempo em marcha lenta, avaliação de eficiência operacional e identificação de tempo ocioso excessivo em locais específicos para melhorar a produtividade da frota e reduzir desperdício de combustível.

Quais dados você vê: Análise abrangente de tempo ocioso mostrando horas paradas e estacionadas, percentuais de utilização, distribuições de estado de atividade ao longo do tempo e zonas, e detalhamentos identificando principais locais de tempo ocioso para cada veículo.

Lógica de processamento de dados

A análise de tempo ocioso processa dados de GPS e velocidade por meio de classificação de movimento sofisticada para identificar e quantificar tempo não produtivo dos veículos:

• Detecção de limiar de movimento: O sistema aplica um limiar de velocidade mínima configurável (padrão 3 km/h) para classificar estados de atividade do veículo. Quando a velocidade cai abaixo desse limiar, o veículo entra em estado de parada. Esse limiar adapta-se a diferentes contextos operacionais — veículos de construção podem usar limiares menores enquanto frotas rodoviárias usam valores maiores para capturar com precisão períodos significativos de inatividade.

• Classificação parada versus estacionado: O sistema distingue entre paradas breves e estacionamento prolongado por meio de análise baseada em tempo. Um veículo permanece no status de parado quando está imóvel, mas só transita para estacionado após manter velocidade zero ou quase zero pela duração mínima de estacionamento (padrão 5 minutos). Essa classificação hierárquica garante que paradas no trânsito, atrasos de carga ou pausas momentâneas não acionem classificações de estacionamento, enquanto eventos genuínos de estacionamento são capturados com precisão. Todo tempo estacionado também é tempo parado, mas nem todo tempo parado qualifica-se como estacionamento.

• Agregação de estados de atividade: Para cada veículo, o sistema calcula horas totais gastas em cada estado — em movimento, parado e estacionado — processando dados de trajetos GPS de raw_telematics_data.tracking_data_core. Leituras de velocidade são continuamente avaliadas em relação ao limiar de movimento, com transições de estado registradas em carimbos de data/hora precisos. Cálculos de duração somam o tempo decorrido em cada estado ao longo do período de análise.

• Cálculo de tempo ocioso: O tempo ocioso total representa todo o tempo sem movimento (horas paradas + estacionadas). O sistema calcula tempo ocioso como o inverso da utilização — quando um veículo não está em movimento, acumula tempo ocioso. Essa métrica fornece visão abrangente do tempo em marcha lenta independentemente de o veículo estar brevemente parado ou totalmente estacionado.

• Métricas de utilização: O percentual de utilização deriva da razão entre tempo em movimento e tempo total de atividade: (horas em movimento / horas totais) × 100. A utilização média entre múltiplos veículos usa cálculo ponderado com base no tempo total de atividade de cada veículo. Essas métricas permitem comparação justa de produtividade entre veículos com diferentes padrões operacionais ou períodos de análise.

• Análise geográfica do tempo ocioso: O sistema cruza locais de paradas e estacionamentos com geofences definidas em business_data.zones_geom usando funções espaciais do PostGIS. Para cada período de inatividade, coordenadas GPS são avaliadas em relação aos limites das zonas para determinar se o tempo ocioso ocorreu dentro de um local conhecido. A zona principal de tempo ocioso representa o geofence onde o veículo acumulou a maioria das horas paradas ou estacionadas durante o período de análise.

• Modos de visualização em linha do tempo: O modo de exibição Status mostra padrões temporais de atividade coloridos pelo estado de movimento (em movimento, parado, estacionado), revelando quando os veículos transitam entre estados ao longo do dia. O modo de exibição Zonas colore segmentos da linha do tempo pela localização geográfica em vez do estado de atividade, mostrando quais zonas o veículo ocupou ao longo do tempo. Essa abordagem dupla de visualização possibilita tanto análise de padrões temporais quanto avaliação de distribuição geográfica.

• Agregação por zona: Ao analisar tempo ocioso por zonas, o sistema agrupa todos os períodos de inatividade pela sua localização geográfica, calculando horas totais paradas e estacionadas dentro de cada geofence. Essa agregação identifica locais de gargalo onde os veículos passam tempo ocioso excessivo — como docas de carregamento com longos tempos de espera, locais de clientes com processos ineficientes ou locais de parada não autorizados.

Validação de qualidade do GPS garante que apenas dados de posicionamento confiáveis (satélites > 3, coordenadas diferentes de zero) contribuam para classificação de estado e análise geográfica, enquanto a padronização de carimbos de data/hora para UTC possibilita rastreamento consistente do tempo ocioso entre diferentes zonas operacionais.

Próximos passos

Quando a análise histórica revela oportunidades de otimização ou levanta questões operacionais específicas, prossiga para Custom Analysis & SQL Configurator para criar investigações personalizadas que atendam aos requisitos únicos de gestão de frota e desenvolver soluções analíticas sob medida.