Pesquisa do PaveLab aplica "machine learning" em soluções para engenharia de transportes

    

A busca por soluções inovadoras e eficazes na área de infraestrutura viária tem impulsionado pesquisas que aliam tecnologia e engenharia. Com esse propósito, o pesquisador Brenner Araújo, integrante do PaveLab_UFRB, desenvolve uma pesquisa voltada para o uso de inteligência artificial no monitoramento de veículos pesados em rodovias.

A proposta consiste em aplicar técnicas computacionais para detectar, classificar e rastrear caminhões, seguindo as categorias definidas no Manual de Tráfego do DNIT. A partir dessa classificação, é possível estimar com mais precisão a carga que incide sobre os pavimentos — uma variável fundamental para entender o desgaste das vias e planejar intervenções mais eficientes.

• Aplicação de redes neurais no reconhecimento de veículos

Para alcançar esses resultados, a pesquisa utiliza redes neurais convolucionais, um modelo de inteligência artificial treinado para analisar milhares de imagens de diferentes tipos de veículos. Ao identificar padrões visuais em caminhões, o sistema aprende a diferenciá-los e reconhecê-los automaticamente em novas imagens de tráfego. Esse processo exige uma base de dados bem estruturada: as imagens precisam estar anotadas, ou seja, separadas por tipo de veículo e com as respectivas coordenadas de suas caixas delimitadoras (bounding boxes). Para isso, é utilizada uma IA pré-treinada que extrai imagens a partir de filmagens. Essas imagens são então organizadas por classe e anotadas manualmente. Só após essa etapa o treinamento do modelo é iniciado.

• Desempenho e aplicação prática

Com o modelo treinado, os resultados são avaliados a partir de métricas como precisão (precision), revocação (recall) e função de perda (loss) — indicadores que permitem validar a eficácia do sistema. A expectativa é que esse tipo de monitoramento automatizado contribua significativamente para diagnósticos mais rápidos e precisos sobre o estado das vias, além de subsidiar o planejamento de políticas públicas e estratégias de manutenção mais inteligentes.

• Compromisso com a inovação

A pesquisa reforça o papel do PaveLab_UFRB como um polo de excelência em soluções tecnológicas aplicadas à engenharia de transportes. “Nosso objetivo é tornar o monitoramento do tráfego mais inteligente e eficiente, oferecendo uma ferramenta que alie automação, precisão e aplicabilidade prática”, destaca o pesquisador Brenner Araújo.