Use este identificador para citar ou linkar para este item:
http://repositorio.utfpr.edu.br/jspui/handle/1/36769| Título: | Predição do índice de irregularidade longitudinal com acelerações suspensas: integração de sensores de smartphones, simulações e inteligência artificial |
| Título(s) alternativo(s): | Prediction of the longitudinal roughness index with suspended accelerations: integration of smartphone sensors, simulations and artificial intelligence |
| Autor(es): | Selli, Brenno Souza Kawashi |
| Orientador(es): | Trombetta, Jairo |
| Palavras-chave: | Pavimentos - Defeitos Análise estrutural (Engenharia) Inovações tecnológicas Pavements - Defects Structural analysis (Engineering) Technological innovations |
| Data do documento: | 11-Fev-2025 |
| Editor: | Universidade Tecnológica Federal do Paraná |
| Câmpus: | Pato Branco |
| Citação: | SELLI, Brenno Souza Kawashi. Predição do índice de irregularidade longitudinal com acelerações suspensas: integração de sensores de smartphones, simulações e inteligência artificial. 2025. Trabalho de Conclusão de Curso (Bacharelado em Engenharia Civil) - Universidade Tecnológica Federal do Paraná, Pato Branco, 2025. |
| Resumo: | Este estudo apresenta uma abordagem inovadora para a predição do Índice de Irregularidade Longitudinal (IRI) utilizando dados de aceleração coletados por sensores de smartphones embarcados em veículos. A pesquisa integra simulações computacionais, modelos de veículos reais e hipotéticos, e análises práticas em perfis de pavimento palpáveis e não palpáveis. Foi empregada uma metodologia quantitativa e exploratória, combinando coleta de dados em campo, conformidade com normas de conforto ISO 2631-1 e aplicação de modelos de inteligência artificial, como redes neurais e regressões avançadas. Os resultados demonstram que smartphones, quando devidamente calibrados com equipamentos especiais, podem servir como instrumentos eficazes do tipo resposta para avaliar irregularidades de pavimentos. Os modelos de inteligência artificial apresentaram alto desempenho na predição do IRI, alcançando fatores de correlação entre 77% e 99%. Além disso, as comparações entre veículos reais e simulados revelaram diferenças estatisticamente significativas nas acelerações medidas, destacando a influência das dinâmicas veiculares nos resultados das análises. Este estudo oferece uma solução funcional, econômica e acessível para o monitoramento da infraestrutura rodoviária, aprimorando a alocação de recursos e as estratégias de manutenção. |
| Abstract: | This study presents an innovative approach to predicting the International Roughness Index (IRI) using acceleration data collected by smartphone sensors mounted on vehicles. The research integrates computational simulations, real and hypothetical vehicle models, and practical analyses on tangible and non-tangible pavement profiles. A quantitative and exploratory methodology was employed, combining field data collection, compliance with ISO 2631-1 comfort standards, and the application of artificial intelligence models such as neural networks and advanced regressions. The results demonstrate that smartphones, when properly calibrated with reference equipment, can serve as effective response-type instruments for evaluating pavement irregularities. Artificial intelligence models showed high performance in IRI prediction, achieving correlation factors ranging from 77% to 99%. Additionally, comparisons between real and simulated vehicles revealed statistically significant differences in measured accelerations, highlighting the influence of vehicle dynamics on analysis outcomes. This study offers a cost-effective and accessible solution for monitoring road infrastructure, enhancing resource allocation and maintenance strategies. |
| URI: | http://repositorio.utfpr.edu.br/jspui/handle/1/36769 |
| Aparece nas coleções: | PB - Engenharia Civil |
Arquivos associados a este item:
| Arquivo | Descrição | Tamanho | Formato | |
|---|---|---|---|---|
| predicaoiriaceleracoes.pdf | 1,7 MB | Adobe PDF |  Visualizar/Abrir |
Este item está licenciada sob uma Licença Creative Commons
