Sistema para classificação de malha viária baseado em smartphones por meio de aprendizado supervisionado

Abstract

O transporte rodoviário é o mais utilizado no país e ainda assim, a estrutura rodoviária é um dos grandes problemas enfrentados pelos brasileiros. Segundo a Confederação Nacional dos Transportes (NOTíCIAS, 2017) 61,8% da extensão das rodovias pesquisadas foram consideradas ruins ou péssimas. Tal fator influi diretamente nos custos logísticos associados, uma vez que a má qualidade pode incorrer em um gasto de até 50% a mais de combustível (RODRIGUES, 2002), sem contar ainda o risco de acidentes. O conforto ou desconforto percebido no uso da via também são fatores relevantes uma vez que, segundo a norma ISO 2631 (STANDARDIZATION, 1978), existem limites toleráveis para a exposição humana à vibrações. Saber de antemão a qualidade do trecho, levando em conta o referencial de conforto do usuário, pode influenciar na escolha entre uma rota e outra. Existem diversas iniciativas para mensurar a qualidade do pavimento com uso de smartphones, contudo, as mesmas levam em consideração apenas os dados objetivos mensurados a partir de leituras feitas com o dispositivo. Um dos objetivos deste trabalho é considerar a opinião dos usuários da via como fator qualificante. Isso traz alguns desafios para um cenário que já era difícil, uma vez que sistemas dessa natureza estão sujeitos a uma grande variedade de ruídos na informação. Este trabalho propõe um sistema de classificação de vias que mensura a qualidade do asfalto baseado no sensoriamento participativo coletando dados como: geolocalização, acelerômetro e opinião dos usuários sobre a qualidade da via. O sistema é composto por uma aplicativo Android para a atividade de sensoriamento, um servidor em nuvem para recepcionar e classificar os dados coletados por diversos usuários e um painel de visualização web para consulta dos trechos classificados pelos usuários. Algoritmos de aprendizado supervisionado utilizam a opinião dada pelos usuários como argumento para a formação de clusters que serão utilizados no processo de classificação da massa de dados. Neste trabalho foram percorridos 1.218,34 km entre ruas e estradas nas cidades de João Monlevade, Belo Horizonte, Santa Luzia, Ipatinga, Caratinga e Ouro Preto. Os dados foram coletados pelo autor e usuários voluntários que utilizaram o aplicativo, sendo 1.036,64 km em carros e 181,70 km em ônibus. Deste volume, considerando apenas os dados classificados 63,72% foram de trechos considerados bons e 36,28% ruins.