Técnicas de aprendizado de máquina aplicadas a classificação da qualidade de pavimentos asfálticos utilizando smartphones.

Abstract

Os pavimentos rodoviários são de extrema importância para o escoamento de mercadorias, pessoas e serviços. No Brasil cerca de 61,1% do translado de carga são realizados pelas rodovias (CNT, 2017). Encontrar uma forma de identificar irregularidades nestes pavimentos é de grande importância, pois estudos afirmam que uma má conservação das estradas pode causar impacto na segurança das pessoas que trafegam por elas e até mesmo no consumo de combustível dos veículos(KLAUBERT, 2001). O RoadScan é um sistema desenvolvido por (LIMA et al., 2016) com o intuito de realizar a classificação da qualidade de pavimentos asfálticos e disponibilizá-los em um mapa. Na exibição do mesmo, são utilizadas técnicas de crowdsourcing para aprimorar a classificação. Este trabalho desenvolveu uma melhoria para o RoadScan, onde redes neurais foram utilizadas visando aumentar a confiabilidade e a adaptabilidade das classificações de qualidade dos pavimentos. Neste trabalho serão descritos os processos: de extração das características utilizadas na etapa de classificação, de coleta dos dados, de criação da base de dados final e do desenvolvimento de um aplicativo móvel que utiliza redes neurais para classificar a qualidade dos pavimentos. Ao final do trabalho será mostrado um mapa mostrando os resultados alcançados, inclusive em um outro tipo de veículo: motocicletas.