Método de classificação estrutural de pavimentos asfálticos rodoviários em nível de rede.

• Autor(a) principal: Andrade, Lucas Rodrigues de
• Data de Publicação: 2024
• Tipo de documento: Tese
• Idioma: por
• Título da fonte: Biblioteca Digital de Teses e Dissertações da USP
• Texto Completo: https://www.teses.usp.br/teses/disponiveis/3/3138/tde-19072024-101246/
• topic: Aprendizado computacional; Avaliação estrutural; Bacias de deflexão; Big data; Big Data; Deflection basin; Machine learning; Pavement Management Systems (PMS); Sistema de gerencia de pavimentos; Structural analysis

A complexidade das malhas rodoviárias exige por parte dos órgãos gerenciadores o uso de sofisticados Sistemas de Gerência de Pavimentos (SGPs). Esses sistemas devem ser capazes de obter o melhor retorno possível dos investimentos a serem realizados do ponto de vista de segurança, conforto e economia do usuário. Para que isso ocorra, os SGPs devem possuir modelos de previsão de desempenho calibrados à realidade local da malha viária, além de métodos sistemáticos de avaliação das condições dos pavimentos. Nesse sentido, esta tese propõe um método de classificação estrutural de pavimentos asfálticos rodoviários em nível de rede, por meio de aplicação de parâmetros de bacias de deflexão (DBPs). Dessa forma, são avaliados: (i) um trecho experimental composto por quatro estruturas distintas, que foram monitoradas ao longo de 36 meses; (ii) um banco de dados de monitoramento de 50 unidades amostrais (UAs) da malha rodoviária federal, realizado ao longo de 5 anos; e (iii) um banco de dados de levantamentos deflectométricos em nível de rede, realizados ao longo de 20 anos em rodovias do estado de São Paulo. A fim de se realizar estudo de dados de deflexão ao longo do tempo, foi desenvolvido um método de correção das bacias deflectométricas em função da temperatura para ser representada em uma temperatura de referência, possibilitando comparação entre diferentes trechos e entre períodos diferentes. O procedimento de tratamento e análise exploratória dos dados resultou na estruturação de um banco de dados com as informações coletadas, possibilitando a implementação de modelos analíticos e preditivos nos estudos desenvolvidos. A análise dos DBPs se mostrou capaz de indicar os mecanismos de alterações estruturais dos pavimentos, como a deterioração do revestimento asfáltico e o efeito da cura de materiais da camada de base nas propriedades mecânicas. Adicionalmente, foi desenvolvido modelo de classificação utilizando machine learning para 2 diferentes níveis de tráfego (tráfego Moderado e tráfego Alto + Muito Pesado), capaz de realizar inferência do comportamento estrutural dos pavimentos rodoviários em 4 classes distintas: Muito Rígido (Very Stiff), Rígido (Stiff), Flexível (Flexible) e Muito Flexível (Very Flexible). Por fim, a aplicação dos modelos desenvolvidos em um banco de dados em nível de rede possibilitou a identificação de segmentos críticos, 7 para a realização de recuperação de pavimentos e identificação de melhorias na rodovia, devido à realização de campanhas de manutenção periódica anteriores. Os modelos de classificação de estruturas desenvolvidos por meio dos DBPs, aplicando-se técnicas de machine learning, representam um grande avanço para os Sistemas de Gerência de Pavimentos (SGPs) asfálticos, seja para estabelecimento de ações de manutenção, seja para avaliação do estado geral do patrimônio, valorando esses sistemas de pavimentos rodoviários asfálticos.