Análise de previsão do quociente de irregularidade (QI) em pavimento rodoviário com uso de smartphone e inteligência artificial

Abstract

Os principais objetivos dos pavimentos rodoviários são garantir trafegabilidade, conforto e segurança aos usuários. Com o passar do tempo e o uso contínuo, esses pavimentos são desgastados, exigindo intervenções que devem ser planejadas com base em avaliações técnicas. Nesse contexto, o Sistema de Gerência de Pavimentos (SGP) apresenta-se como uma ferramenta estratégica que permite o diagnóstico de condições de uma via, prever esse desgaste e deterioração, bem como orientar ações de manutenção com maior eficiência e menor custo. Entre os indicadores de irregularidades dos pavimentos utilizados no Brasil, destaca-se o Quociente de Irregularidade (QI), normalmente calculado pelo método de nível e mira normatizado pela DNER 173/86. Porém, esse método pode ser demorado e de alto custo, o que inspirou a busca por alternativas mais práticas. Este trabalho tem como proposta desenvolver um modelo preditivo de Inteligência Artificial baseado em regressão para estimar o QI com base em dados coletados por sensores de smartphones acoplados a veículos em movimento. Entre esses sensores, apresentam-se os acelerômetros, que permitem a captação e leitura das vibrações verticais geradas pelas irregularidades da pista, permitindo a correlação entre os sinais registrados e os valores reais de QI. Os resultados obtidos demonstraram boa acurácia preditiva, apesar de uma base de dados limitada, com coeficientes de determinação elevados e erros médios reduzidos, apontando para o potencial da abordagem como alternativa viável, acessível e de baixo custo para a avaliação funcional de pavimentos em contextos onde recursos técnicos e financeiros são limitados.

The main objectives of road pavements are to ensure trafficability, comfort, and safety for users. Over time and with continuous use, these pavements deteriorate, requiring interventions that must be planned based on technical evaluations. In this context, the Pavement Management System (PMS) emerges as a strategic tool that enables the diagnosis of road conditions, the prediction of wear and deterioration, and the guidance of maintenance actions with greater efficiency and lower cost. Among the pavement irregularity indicators used in Brazil, the Irregularity Quotient (IQ) stands out, which is typically calculated using the level and staff method standardized by DNER 173/86. However, this method can be time-consuming and costly, which has led to the search for more practical alternatives. This work proposed the development of a regression-based Artificial Intelligence predictive model to estimate the IQ using data collected by smartphone sensors attached to moving vehicles. Among these sensors are accelerometers, which are capable of capturing and recording vertical vibrations caused by pavement irregularities, allowing for correlation between the recorded signals and the actual IQ values. The results obtained demonstrated good predictive accuracy, despite the limited dataset, with high coefficients of determination and low mean errors, indicating the potential of this approach as a viable, accessible, and low-cost alternative for functional pavement evaluation in contexts where technical and financial resources are limited.