Radares de velocidade: tipos, mapa livre e dados grátis

As câmeras de fiscalização de trânsito viraram uma questão jurídica em dois países neste verão europeu. Em 12 de julho de 2026 entrou em vigor na Itália um decreto que redefiniu quais radares podem aplicar multas legalmente. Só 25 modelos de equipamento são homologados automaticamente por ele. Cerca de 850 aparelhos instalados ficaram fora dessa lista e não podem ser usados por enquanto, até que cada fabricante apresente um pedido de homologação. Desde 30 de novembro de 2025, os municípios italianos também precisam cadastrar cada equipamento em uma base de dados nacional mantida pelo ministério dos transportes, porque uma multa emitida por um aparelho não cadastrado pode ser contestada.

A Espanha segue por um caminho paralelo. O Real Decreto 518/2026, que altera o Reglamento General de Circulación, entra em vigor em 1º de outubro de 2026 e proíbe levar um detector de radar no carro mesmo quando ele está guardado sem uso no porta-luvas, com multa de 200 euros e três pontos na carteira, e de 6.000 euros e seis pontos para bloqueadores.

Dois países, dois cadastros, dois conjuntos de regras e, nos dois casos, a mesma pergunta de motoristas e desenvolvedores: onde estão as câmeras de fiscalização de trânsito, e de onde vem essa lista. Existe uma resposta anterior aos dois decretos, que não pertence a ninguém em particular. As câmeras de fiscalização estão mapeadas no OpenStreetMap pelo menos desde 2009, quando a relação enforcement foi aprovada, e o conjunto de dados é maior do que a maioria das pessoas imagina.

Nós fizemos essa contagem e depois contamos a nossa própria base de dados, alimentada por relatos de motoristas, para que as duas pudessem ser comparadas com honestidade. Este artigo publica os dois conjuntos de números, as consultas que os geraram, a data de cada um e o que nenhum dos dois conjuntos consegue dizer.

O que conta como câmera de fiscalização de trânsito

Uma câmera de fiscalização de trânsito é qualquer câmera que fiscaliza uma regra de trânsito de forma automática, sem um agente presente. O radar de velocidade é um membro dessa família, não a família inteira, e a distinção importa assim que você tenta contá-los, porque cada país entende a palavra de um jeito.

Nos Estados Unidos, a categoria inteira costuma ser chamada de photo enforcement ou automated traffic enforcement. No Reino Unido, de safety cameras. Na Alemanha, a palavra do dia a dia é Blitzer, na Itália autovelox, na França radar, na Espanha radar de la DGT. São a mesma classe de equipamento, com uma carga política diferente em cada lugar.

O conjunto de dados deste artigo cobre as quatro primeiras linhas, que é onde motoristas e motores de roteamento precisam de coordenadas. As duas últimas são leitores de placas, e não medidores de velocidade, e levantam outras questões de privacidade, sobre as quais escrevemos no artigo sobre DeFlock e ALPR.

Vale manter clara uma distinção prática, porque é a confusão mais comum: o radar de velocidade penaliza a velocidade em que você estava, a câmera de semáforo penaliza o momento em que você entrou no cruzamento, e a maioria dos equipamentos de semáforo modernos faz as duas coisas. É por isso que um único equipamento pode gerar os dois tipos de multa, e por isso nosso índice mantém os dois como classes separadas em vez de juntá-los em um único ponto.

O que o mapa aberto contém hoje

Fizemos a contagem diretamente em vez de citar um número. Os valores abaixo vêm da API Overpass em 27 de agosto de 2026, sobre uma base do OpenStreetMap com timestamp das 15:06 UTC daquele dia.

No mundo todo há 76.800 nós com a tag highway=speed_camera, mais 24.183 relações type=enforcement com enforcement=maxspeed, que descrevem o trecho de via que uma câmera ou um trecho de velocidade média de fato fiscaliza.

Método, para que você possa reproduzir ou contestar: cada valor é uma contagem de nós highway=speed_camera dentro da fronteira admin_level=2 do país. Quando a busca pelo código ISO estourou o tempo limite, resolvemos a área pelo id da relação. Descartamos por completo as contagens por bounding box, porque uma caixa em torno da França retornou 11.170 ao incluir câmeras belgas, holandesas, alemãs, suíças e catalãs, contra 3.928 dentro da fronteira real. Também deixamos de fora o número dos Estados Unidos: a consulta estourou o tempo limite em várias tentativas, e um número que não conseguimos verificar vale menos do que número nenhum.

Como isso se compara com uma base que ninguém pode consultar

Um conjunto de dados aberto só é interessante se você souber o que falta nele, então rodamos a mesma contagem na nossa base.

A MapMetrics coleta há anos relatos de câmeras de fiscalização enviados por motoristas. O snapshot que contamos reúne 108.008 câmeras únicas em 106 países: 75.258 equipamentos fixos, 27.912 câmeras de semáforo, 3.310 pontos de fiscalização por trecho e 1.528 instalações de limite variável. Brasil, Rússia, Itália e Estados Unidos têm os maiores totais nacionais.

Os dois números não são da mesma época, e isso importa mais do que a comparação em si. Os números do OpenStreetMap são ao vivo, coletados em 27 de agosto de 2026. O snapshot dos relatos de motoristas foi exportado em maio de 2024. Leia a tabela abaixo como uma comparação de cobertura, e não como duas medições atuais feitas na mesma tarde.

Dois conjuntos de dados, um construído por mapeadores que editam uma base pública e outro por motoristas que relatam direto da estrada:

O resultado interessante não é que um conjunto seja maior. É que, em quatro destes dez países, as duas fontes independentes ficam a menos de 10% uma da outra, e em três deles o mapa aberto tem mais. Duas comunidades que nunca se coordenaram, usando ferramentas diferentes por motivos diferentes, chegaram quase à mesma contagem de câmeras na Alemanha e na França. Para esta categoria de dados, é praticamente a melhor validação cruzada possível.

Onde as fontes divergem, a divergência merece investigação, e não uma explicação apressada. Itália, com 2,08, e Portugal, com 0,60, são os dois extremos, e como o nosso snapshot é dois anos anterior ao decreto italiano, nenhuma das proporções pode ser uma reação às mudanças de regras deste ano. A leitura mais provável é simplesmente onde cada comunidade esteve ativa: os relatos de motoristas são densos na Itália há anos, e os mapeadores portugueses fizeram um trabalho minucioso em um país com menos pessoas relatando. Uma proporção longe de 1,0 é um convite para ir verificar, e não uma prova de que um dos lados está errado.

Método e limites, declarados da mesma forma que acima. As quatro coleções foram deduplicadas por coordenadas antes da contagem, porque a coleção de limite variável armazena cada câmera uma vez para cada valor de velocidade: 38.250 linhas para 1.528 câmeras. Todos os registros têm o mesmo timestamp de exportação, 21 de maio de 2024, e não uma data de vistoria por câmera, então essas contagens descrevem o que aquele snapshot continha, e não quando cada câmera foi vista pela última vez. Existe um campo de verificação no schema que nunca foi preenchido. Ao todo, 1.362 pontos ficaram fora de qualquer polígono de país, a maioria em faixas litorâneas, e foram excluídos. Por isso, as proporções em relação a uma contagem ao vivo do OpenStreetMap subestimam o nosso lado onde câmeras foram adicionadas depois de maio de 2024 e o superestimam onde câmeras foram removidas desde então.

Como as câmeras de fiscalização são marcadas no OpenStreetMap

O schema é pequeno, e é exatamente por isso que ele foi preenchido.

• highway=speed_camera em um nó marca o equipamento físico. É a tag que concentra o volume.
• Relações type=enforcement carregam o significado. A relação liga um membro com papel device, a câmera, a um segmento de via from e to, de modo que um corredor de velocidade média de nove quilômetros é uma única relação, e não dois postes desconectados.
• enforcement=maxspeed diferencia a fiscalização de velocidade dos outros valores que o schema aceita, incluindo traffic_signals para câmeras de semáforo, average_speed, toll e access.
• maxspeed registra o limite fiscalizado, e é isso que transforma um ponto no mapa em algo com que um motor de roteamento consegue trabalhar.
• direction registra para que lado o equipamento está voltado, para que uma câmera que só pega o tráfego no sentido norte não seja exibida como se pegasse os dois sentidos.
• check_date ou survey:date, quando os colaboradores os preencheram, indica quando uma pessoa esteve pela última vez diante do equipamento. Em dados de fiscalização, isso importa mais do que em quase qualquer outra classe de objeto.

É o mesmo padrão que produziu o registro ALPR do DeFlock: combinar uma tag, documentá-la e deixar uma comunidade preenchê-la. Nada disso exigiu permissão de um fabricante de câmeras ou de um órgão de trânsito.

Faça a consulta você mesmo

Cole isto no overpass-turbo.eu e execute. A consulta retorna todas as câmeras de velocidade mapeadas na Alemanha, com as tags, como geometria que você pode exportar para GeoJSON.

[out:json][timeout:180];
area["ISO3166-1"="DE"][admin_level=2]->.country;
(
  node["highway"="speed_camera"](area.country);
  relation["type"="enforcement"]["enforcement"="maxspeed"](area.country);
);
out geom;

Troque DE por FR, IT, ES, NL ou qualquer outro código ISO 3166-1 alfa-2. Para contar em vez de baixar, substitua a última linha por out count;, que foi como a tabela acima foi gerada. Para um recorte do tamanho de uma cidade, substitua o bloco de área por uma bounding box na ordem (south,west,north,east).

Duas observações práticas. Consultas em escala de país na instância pública do Overpass estouram o tempo limite com frequência, então, para uso em produção, extraia os dados de um arquivo regional da Geofabrik em .osm.pbf e filtre localmente, ou rode sua própria instância do Overpass. E a licença é ODbL, o que significa atribuição e compartilhamento pela mesma licença em bases derivadas, e não uso livre sem condições.

Dados abertos versus cadastros oficiais

Comparar os dois é a coisa mais útil que você pode fazer com este conjunto de dados, e é a comparação que ninguém publica.

Uma contagem de junho de 2026 dos equipamentos de fiscalização na Espanha, compilada a partir de dados da DGT e de relatos de motoristas, aponta 2.472 radares fixos, 295 radares de fiscalização por trecho, 254 unidades móveis e de fiscalização do cinto de segurança, e 600 câmeras de semáforo. O OpenStreetMap tem 2.553 nós de câmeras na Espanha. Os totais são próximos, mas não medem a mesma população, porque o número do OSM mistura equipamentos fixos, de trecho e de semáforo sob uma única tag, a menos que os colaboradores os tenham separado com relações enforcement.

Essa é a leitura honesta de toda comparação desse tipo:

• Os cadastros oficiais registram a situação legal. Se um equipamento está homologado, aferido, cadastrado e, portanto, apto a gerar uma multa válida. A base do ministério italiano agora é exatamente isso, e depois de 12 de julho de 2026 um equipamento não cadastrado é um problema jurídico, e não de mapeamento.
• Os dados do mapa aberto registram a realidade física. Se um colaborador conseguiu ver o equipamento a partir do espaço público e registrar onde ele está. Isso inclui carcaças desativadas, caixas vazias e postes cuja situação de homologação ninguém fora da prefeitura conhece.

Nenhum substitui o outro. Uma câmera que existe fisicamente, mas não aparece na lista do ministério, é exatamente o caso que os motoristas italianos estão contestando agora. Uma câmera que está na lista oficial, mas não existe mais fisicamente, é exatamente o caso em que um app de navegação erra. Você precisa dos dois conjuntos de dados para enxergar qualquer um dos problemas, e só um deles pode ser consultado por qualquer pessoa.

O que o mapa aberto não consegue dizer

Os limites, declarados com clareza.

A fiscalização móvel praticamente não aparece. Uma van estacionada em um viaduto por três horas não é algo mapeável, e a regra de verificabilidade do OSM a exclui com razão. Dependendo do país, os equipamentos móveis geram uma grande parte de todas as multas por excesso de velocidade, então uma camada de câmeras mapeadas subestima a fiscalização de forma sistemática. Os dados relatados por motoristas têm a mesma lacuna por outro motivo: o relato de uma van que já foi embora descreve um momento, e não um lugar.

A atualização varia por região, não por país. A cobertura acompanha a densidade de colaboradores. Uma cidade alemã com um grupo local de mapeamento ativo está perto de completa. Uma região rural a três países de distância pode ainda ter câmeras removidas em 2019. Leia check_date onde ele existir e trate a ausência como informação desconhecida, e não como sinal de dado atual.

A situação de homologação não está nos dados. Nenhuma tag do OSM informa se um equipamento italiano está na lista do ministério ou se um radar espanhol está aferido. Essas informações ficam em cadastros nacionais e mudam sem nenhuma edição no mapa.

A disciplina no uso das tags é desigual. Alguns países mapeiam câmeras de semáforo como highway=speed_camera, embora exista um valor próprio para elas. Filtre pela relação enforcement quando a distinção for importante para o seu caso de uso.

A lei é a parte mais difícil

Publicar a localização de câmeras é legal em toda a UE. Usar um sistema de alerta ao vivo enquanto dirige, muitas vezes, não é, e a distinção que importa não é mapa versus app, e sim consulta a uma base de dados versus detecção de sinal. Situação em agosto de 2026:

Em outros lugares as regras são diferentes, às vezes muito, e mudam. Use a tabela como um retrato do problema, e não como aconselhamento, e confirme a regra nacional antes de lançar em um mercado um recurso voltado a motoristas.

Para quem está construindo um produto, a consequência prática é que o mesmo conjunto de dados sustenta recursos muito diferentes dependendo da jurisdição. Um mapa estático de planejamento, uma camada de analytics de frota, um estudo de segurança viária e um alerta ao vivo dentro do carro são quatro objetos jurídicos diferentes, construídos a partir do mesmo conjunto de coordenadas.

Como transformar esses dados em um produto

O caminho da consulta acima até uma camada funcionando é curto, e envolve principalmente os problemas comuns de mapas, e não algo específico de câmeras.

1. Extraia e filtre. Baixe o .osm.pbf regional, mantenha os nós highway=speed_camera e as relações type=enforcement, e resolva os membros das relações para que um trecho de velocidade média vire uma linha, e não dois pontos.
2. Ajuste à via. Um nó de câmera fica ao lado da pista, não sobre ela. Associe-o à via que ele fiscaliza, ou seus cálculos de distância vão errar pela largura da rua e seu filtro de direção simplesmente não vai funcionar. Esse é um problema de map matching.
3. Anexe o limite. Leve o maxspeed da relação para a camada, para que ela responda o que é fiscalizado, e não só onde.
4. Registre a procedência de cada objeto. Guarde o id do OSM, a versão e o check_date. Quando um usuário relatar que uma câmera sumiu, você vai querer saber o que sabia e quando.
5. Renderize como camada, não como conjunto de dados. Vector tiles mantêm uma camada nacional de câmeras em poucos megabytes e permitem mudar o estilo por mercado, o que importa quando a mesma camada precisa parecer informação de planejamento em um país e não pode parecer um alerta ao vivo em outro.

O MapAtlas opera a infraestrutura de geocodificação, tiles e POI sobre a qual isso roda, com processamento na UE em conformidade com o GDPR, caso você prefira construir o recurso em vez do pipeline.

Por que isso continua acontecendo no mapa aberto

As câmeras de fiscalização são o segundo caso do mesmo padrão sobre o qual escrevemos a respeito do mapeamento de ALPR, e vale dar nome ao mecanismo, porque ele vai se repetir.

Uma categoria de infraestrutura passa a ser alvo de disputa. Ela é visível a partir do espaço público, portanto é verificável, que é o único teste que o OpenStreetMap realmente aplica. Alguém propõe uma tag pequena, alguns colaboradores preenchem a própria cidade e, em poucos anos, existe um cadastro global que nenhuma instituição encomendou e nenhum fornecedor controla. Então um regulador muda as regras, como a Itália e a Espanha fizeram neste ano, e o conjunto aberto acaba sendo a única fonte com a qual alguém consegue verificar o cadastro oficial de forma independente.

Esse é o valor duradouro aqui, e ele tem pouco a ver com escapar de uma multa. Setenta e seis mil câmeras foram mapeadas por pessoas que passaram por elas. Os cadastros que determinam quais dessas câmeras podem aplicar multas legalmente foram compilados por ministérios. Pela primeira vez, pelo menos na Itália, as duas listas existem ao mesmo tempo, e o trabalho interessante está na diferença entre elas.