Análise dos parâmetros funcionais de pavimentos na rodovia SP300:
Carregando...
Citações na Scopus
Tipo de produção
Trabalho de Conclusão de Curso
Data
2024-06-10
Autores
Lelis, Francisco Tsuneo
Cabral, João Victor de Paula
Sartorio, Mauro Passadiço
Medeiros, Vitoria Sousa de
Amorim, Yago Gomes de
Cabral, João Victor de Paula
Sartorio, Mauro Passadiço
Medeiros, Vitoria Sousa de
Amorim, Yago Gomes de
Orientador
Cava, Felipe Hernandes
Periódico
Título da Revista
ISSN da Revista
Título de Volume
Citação
Texto completo (DOI)
Palavras-chave
pavimentação,IRI,IGG,inteligência artificial,regressão linear,rede neural artificial,parâmetros funcionais,pavement,artificial intelligence,linear regression,artificial neural network,functional parameters
Resumo
Existem diversas estimativas de previsão da vida útil dos pavimentos em todo o Brasil. Pelo fato do aumento do desgaste das rodovias, devido a intensificação do número de veículos ao longo dos anos, surgiu uma grande preocupação dos órgãos públicos em se obter informações cada vez mais precisas para assegurar maior assertividade e segurança e conforto ao rolamento a todos presentes. Para isso, existem índices como IRI e IGG, no entanto, não há correlações precisas entre esses índices com a vida útil. Devidoa isso, este trabalho tem como objetivo analisar o uso de modelos no desenvolvimento de correlações entre os índices com a vida útil funcional, sendo o objetivo de prever a vida útil funcional do pavimento. Foi estabelecido como estudo de caso a rodovia SP 300, que conecta o estado de São Paulo ao estado do Mato Grosso do Sul. Os dados coletados nessa rodovia passaram por uma etapa de pré-processamento, cálculo dos parâmetros e tratamento de dados. Foram utilizados os modelos de regressão linear e de rede neural artificial (IA) para correlacionar os parâmetros funcionais IRI e IGG com a vida útil do pavimento. Os resultados de certa forma seguiram o que foi previsto, contudo os modelos apresentaram coeficiente de determinação R² significativamente baixos.
There are various estimates for predicting pavement lifespan throughout Brazil. Due to the increased wear of highways, caused by the rise in vehicle numbers over the years, public agencies have become greatly concerned with obtaining increasingly accurate information to ensure greater precision, safety, and comfort for all users. For this purpose, indices such as IRI and IGG exist; however, there are no precise correlations between these indices and pavement lifespan. Therefore, this study aims to analyze the use of models in developing correlations between these indices and functional lifespan, with the objective of predicting the functional lifespan of the pavement. The SP 300 highway, which connects the state of São Paulo to the state of Mato Grosso do Sul, was chosen as a case study. Data collected from this highway underwent pre-processing, parameter calculation, and data treatment stages. Linear regression models and artificial neural networks (AI) were used to correlate the functional parameters IRI and IGG with pavement lifespan. The results somewhat aligned with the predictions, but the models exhibited significantly low coefficients of determination (R²).
There are various estimates for predicting pavement lifespan throughout Brazil. Due to the increased wear of highways, caused by the rise in vehicle numbers over the years, public agencies have become greatly concerned with obtaining increasingly accurate information to ensure greater precision, safety, and comfort for all users. For this purpose, indices such as IRI and IGG exist; however, there are no precise correlations between these indices and pavement lifespan. Therefore, this study aims to analyze the use of models in developing correlations between these indices and functional lifespan, with the objective of predicting the functional lifespan of the pavement. The SP 300 highway, which connects the state of São Paulo to the state of Mato Grosso do Sul, was chosen as a case study. Data collected from this highway underwent pre-processing, parameter calculation, and data treatment stages. Linear regression models and artificial neural networks (AI) were used to correlate the functional parameters IRI and IGG with pavement lifespan. The results somewhat aligned with the predictions, but the models exhibited significantly low coefficients of determination (R²).