Use este identificador para citar ou linkar para este item: http://repositorio.ufc.br/handle/riufc/69417
Tipo: Artigo de Evento
Título: Identificação de irregularidades de superfície por meio de machine learning para sistemas de gerência de pavimentos
Autor(es): Carvalho, Pedro Henrique Fontenele Costa
Oliveira, Francisco Heber Lacerda de
Reis, Saulo Davi Soares e
Palavras-chave: Engenharia de transportes
Data do documento: 2019
Instituição/Editor/Publicador: Congresso de Pesquisa e Ensino em Transportes
Citação: CARVALHO, P. H. F. C.; OLIVEIRA, F. H. L.; REIS, S. D. S. Identificação de irregularidades de superfície por meio de machine learning para sistemas de gerência de pavimentos. In: CONGRESSO DE PESQUISA E ENSINO EM TRANSPORTES, 33., 2019, Balneário Camboriú. Anais... Balneário Camboriú, 2019. p. 1398-1401.
Resumo: O uso de sensores presentes nos smartphones atuais vem se mostrando uma opção viável para coleta de dados em Sistemas de Gerência de Pavimentos (SGP), devido a seu baixo custo e alta produtividade. A exploração de ferramentas disponíveis nesses aparelhos, tais como GPS (Global Positioning System), acelerômetros e giroscópios, é parte da proposta desta pesquisa, em que a obtenção de parâmetros de conforto ao rolamento de vias urbanas tem como objetivo auxiliar o SGP de órgãos responsáveis por meio de técnicas de machine learning na interpretação dos sinais obtidos. Os resultados preliminares identificaram locais com presença de buracos, dentre outras interferências nos pavimentos analisados, assim como o tipo de revestimento, orientando ao gestor na tomada de decisão mais adequada quanto à possível manutenção ou reabilitação a ser realizada.
URI: http://www.repositorio.ufc.br/handle/riufc/69417
Aparece nas coleções:DET - Trabalhos apresentados em eventos

Arquivos associados a este item:
Arquivo Descrição TamanhoFormato 
2019_eve_fhloliveira.pdf1,61 MBAdobe PDFVisualizar/Abrir


Os itens no repositório estão protegidos por copyright, com todos os direitos reservados, salvo quando é indicado o contrário.