Predição do índice de irregularidade longitudinal com acelerações suspensas: integração de sensores de smartphones, simulações e inteligência artificial

Registro completo de metadados
MetadadosDescriçãoIdioma
Autor(es): dc.contributorTrombetta, Jairo-
Autor(es): dc.contributorTrombetta, Jairo-
Autor(es): dc.contributorFranco, Káthia Josiane Bitencourt-
Autor(es): dc.contributorIrrigaray, Mario Arlindo Paz-
Autor(es): dc.creatorSelli, Brenno Souza Kawashi-
Data de aceite: dc.date.accessioned2025-08-29T13:35:30Z-
Data de disponibilização: dc.date.available2025-08-29T13:35:30Z-
Data de envio: dc.date.issued2025-05-12-
Data de envio: dc.date.issued2025-05-12-
Data de envio: dc.date.issued2025-02-10-
Fonte completa do material: dc.identifierhttp://repositorio.utfpr.edu.br/jspui/handle/1/36769-
Fonte: dc.identifier.urihttp://educapes.capes.gov.br/handle/capes/1115901-
Descrição: dc.descriptionThis 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.-
Descrição: dc.descriptionEste 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.-
Formato: dc.formatapplication/pdf-
Idioma: dc.languagept_BR-
Publicador: dc.publisherUniversidade Tecnológica Federal do Paraná-
Publicador: dc.publisherPato Branco-
Publicador: dc.publisherBrasil-
Publicador: dc.publisherDepartamento Acadêmico de Construção Civil-
Publicador: dc.publisherEngenharia Civil-
Publicador: dc.publisherUTFPR-
Direitos: dc.rightsopenAccess-
Direitos: dc.rightshttp://creativecommons.org/licenses/by/4.0/-
Palavras-chave: dc.subjectPavimentos - Defeitos-
Palavras-chave: dc.subjectAnálise estrutural (Engenharia)-
Palavras-chave: dc.subjectInovações tecnológicas-
Palavras-chave: dc.subjectPavements - Defects-
Palavras-chave: dc.subjectStructural analysis (Engineering)-
Palavras-chave: dc.subjectTechnological innovations-
Palavras-chave: dc.subjectCNPQ::ENGENHARIAS::ENGENHARIA CIVIL-
Título: dc.titlePredição do índice de irregularidade longitudinal com acelerações suspensas: integração de sensores de smartphones, simulações e inteligência artificial-
Título: dc.titlePrediction of the longitudinal roughness index with suspended accelerations: integration of smartphone sensors, simulations and artificial intelligence-
Tipo de arquivo: dc.typelivro digital-
Aparece nas coleções:Repositorio Institucional da UTFPR - RIUT

Não existem arquivos associados a este item.