Você está na página 1de 134

i

UNIVERSIDADE FEDERAL DO CEAR

PROGRAMA DE MESTRADO EM ENGENHARIA DE TRANSPORTES

MTODO DE PREVISO DE DEFEITOS EM ESTRADAS


VICINAIS DE TERRA COM BASE NO USO DAS REDES
NEURAIS ARTIFICIAIS: TRECHO DE AQUIRAZ - CE

Tercia Valfridia Lima Nunes

Dissertao submetida ao Programa de


Mestrado em Engenharia de Transportes da
Universidade Federal do Cear, como parte
dos requisitos para a obteno do Ttulo de
Mestre em Cincias (M.Sc.) em Engenharia
de Transportes

ORIENTADOR: Prof. Dr. Ernesto Ferreira Nobre Jnior

Fortaleza
2003
ii

FICHA CATALOGRFICA

NUNES, TERCIA VALFRIDIA LIMA


Mtodo de Previso de Defeitos em Estradas Vicinais de Terra com Base no
Uso das Redes Neurais Artificiais: Trecho de Aquiraz - CE. Fortaleza, 2003.
XV, 118 fls., Dissertao (Mestrado em Engenharia de Transportes) -
Programa de Mestrado em Engenharia de Transportes, Centro de Tecnologia,
Universidade Federal do Cear, Fortaleza, 2003.
1. Transportes Dissertao 2. Inteligncia Artificial
3. Gesto de Infra-estrutura 4. Conservao e Manuteno

REFERNCIA BIBLIOGRFICA
NUNES, T. V. L. (2003). Mtodo de Previso de Defeitos em Estradas Vicinais de Terra
com Base no Uso das Redes Neurais Artificiais: Trecho de Aquiraz CE. Dissertao de
Mestrado, Programa de Mestrado em Engenharia de Transportes, Universidade Federal do
Cear, Fortaleza, CE, 118 fls.

CESSO DE DIREITOS
NOME DA AUTORA: Tercia Valfridia Lima Nunes
TTULO DA DISSERTAO DE MESTRADO: Mtodo de Previso de Defeitos em
Estradas Vicinais de Terra com Base no Uso das Redes Neurais Artificiais: Trecho de
Aquiraz - CE. Mestre / 2003

concedida Universidade Federal do Cear permisso para produzir cpias desta


dissertao de mestrado, bem como emprest-la ou ainda repass-la (s) pessoa(s)
interessada(s), mediante a cobrana do respectivo custo de reproduo, tudo desde que
unicamente para propsitos acadmicos e cientficos. A autora se reserva os outros direitos
de publicao e os atinentes propriedade intelectual. Nenhuma parte desta dissertao de
mestrado poder ser reproduzida sem a autorizao por escrito da autora.

___________________________
Tercia Valfridia Lima Nunes
Rua Dona Leopoldina, 106
60110-000 Fortaleza/CE Brasil E-mail: valnunes@ufc.br
iii

MTODO DE PREVISO DE DEFEITOS EM ESTRADAS VICINAIS DE TERRA


COM BASE NO USO DAS REDES NEURAIS ARTIFICIAIS: TRECHO DE AQUIRAZ
- CE.

Tercia Valfridia Lima Nunes

DISSERTAO SUBMETIDA AO CORPO DOCENTE DO PROGRAMA DE


MESTRADO EM ENGENHARIA DE TRANSPORTES DA UNIVERSIDADE
FEDERAL DO CEAR COMO PARTE DOS REQUISITOS NECESSRIOS
OBTENO DO GRAU DE MESTRE EM CINCIAS EM ENGENHARIA DE
TRANSPORTES.

Aprovada por:

________________________________________
Prof. Ernesto Ferreira Nobre Jnior, D.Sc.
(Orientador)

________________________________________
Profa Suelly Helena de Arajo Barroso, D.Sc.
(Examinadora Interna)

________________________________________
Prof. Antnio Nilder Duarte Furtado, D.Sc.
(Examinador Externo)

FORTALEZA, CE BRASIL
AGOSTO DE 2003
iv

Se voc no conseguir fazer uma coisa grandiosa hoje,


faa alguma coisa pequena,
mas faa.
...
...O importante no parar,
mesmo um pequeno avano na direo certa
j um grande progresso.
(a.d.)
v

Aos meus pais, Valter e Maria do Carmo,


que sempre estiveram presentes em todas as minhas conquistas;
A Alexandre Vasconcelos, pelo amor, incentivo e companheirismo;
s minhas irms: Tarcia e Ana Carla;
Ariel, que me conquistou com o seu carinho.
DEDICO.
vi

AGRADECIMENTOS

A DEUS, por estar sempre ao meu lado iluminando todos os meus passos;

Ao Prof. Dr. Ernesto Ferreira Nobre Jnior, pela orientao e contribuio ao longo da
minha vida acadmica;

Ao Prof. Dr. Nilder Furtado pela ateno, auxlio e pelas informaes fornecidas,
fundamentais para a realizao deste trabalho;

Profa Dra. Suelly Helena de Arajo Barroso, pela amizade, apoio, incentivo, os quais
foram muito importantes para a realizao deste trabalho;

A Pastor W. Gonzles Taco, pela disponibilidade e material fornecido;

A todas as pessoas que se disponibilizaram para a concretizao deste trabalho,


especialmente aos tcnicos do Laboratrio de Mecnica dos Solos e aos alunos que
participaram do levantamento de campo;

Fundao Cearense de Apoio ao Desenvolvimento Cientfico e


Tecnolgico - FUNCAP, pela bolsa de estudos concedida;

Ao Prof. Jos Valter Lopes Nunes, do Departamento de Matemtica da Universidade


Federal do Cear, meu pai, pelo modelo acadmico que significa, o qual procuro trilhar,
enfim, pelo aconselhamento multidimensional que, por nossa relao, tive privilegiado
acesso.

A Alexandre Vasconcelos pela reviso do texto e sugestes oferecidas.

s minhas amigas Solivnia e Jeane, pelo apoio durante todos esses anos.
vii

Resumo da Dissertao submetida ao PETRAN/UFC como parte dos requisitos para a


obteno do ttulo de Mestre em Cincias (M. Sc.) em Engenharia de Transportes.

MTODO DE PREVISO DE DEFEITOS EM ESTRADAS VICINAIS DE TERRA


COM BASE NO USO DAS REDES NEURAIS ARTIFICIAIS: TRECHO DE
AQUIRAZ - CE.

Tercia Valfridia Lima Nunes

Agosto / 2003

Orientador: Ernesto Ferreira Nobre Jnior

A representativa extenso da malha rodoviria no-pavimentada no Estado do Cear e


no Brasil e a sua relevncia para o desenvolvimento scio-econmico, justificam a
necessidade de implantao de programas de manuteno regular e preventiva dessas
vias, cujo mal estado de conservao sistematicamente retarda e onera o escoamento da
produo, a circulao de bens, servios e de pessoas entre as reas rurais e os centros
urbanos. Nesse contexto, esta dissertao apresenta o resultado de uma pesquisa
experimental onde se procurou desenvolver um mtodo de previso de defeitos em
estradas vicinais de terra, elaborado com base nas Redes Neurais Artificiais (RNA),
tcnica que vm sendo aplicada no reconhecimento de padres. A rea escolhida para o
estudo de caso foi a malha de estradas de terra do municpio de Aquiraz, no estado do
Cear, por apresentar caractersticas representativas. O mtodo desenvolvido buscou
possibilitar a previso dos defeitos e das respectivas severidades, a partir de atributos
locais selecionados, para subsidiar as atividades de um sistema de gerncia de vias, em
especial o processo de tomada de deciso quanto s intervenes a se executar com
vistas a melhor alocao dos recursos financeiros disponveis. Para tanto, se utilizou de
procedimentos experimentais que envolveram a seleo e identificao dos atributos; a
identificao e avaliao das espcies de defeitos quanto aos graus de severidade com
base nos mtodos indicados e adaptaes oferecidas pela autora; a ordenao das
variveis de entrada e sada para a aplicao da RNA; a formao das parties de
dados; a definio da topologia Multilayer Percerptron (MLP) e dos parmetros de
treinamento da RNA, culminando com os processos de treinamento, validao e teste.
Os resultados experimentais permitiram concluir ser esta aplicao das RNA vivel
vista do desempenho de 91% obtido, o que levou considerao prtica da relao de
identidade entre os resultados encontrados e os defeitos e severidades observados em
campo. Esses resultados permitiram tambm o desenvolvimento de uma interface, no
Microsoft Excel 2000, que simula o funcionamento do modelo de RNA eleito e favorece
a utilizao do mtodo por usurios no especializados, o que condiz com a realidade
dos poderes pblicos municipais. Por fim, concluiu-se que o mtodo pode ser aplicvel
a trechos de outras regies, bastando que se adotem os procedimentos de acordo com as
particularidades e restries locais.
viii

Abstract for Thesis submitted to PETRAN/ UFC as part of the requirements for the
obtaining of Master's title in Sciences (M. Sc.) in Transportation Engineering.

A METHOD OF PREDICTING PROBLEMS IN UNSURFACED ROADS BY


NEURAL NETWORKS: AQUIRAZ - CE.

Tercia Valfridia Lima Nunes

August / 2003

Advisor: Ernesto Ferreira Nobre Jnior

The representative extension of the unpaved roads in Cear and in Brazil and
their relevance for the socioeconomic development, they justify the need of programs of
regular and preventive maintenance in those roads, whose badly conservation state
systematically delays and it burdens the drainage of the production, the circulation of
asset, services and of people between the rural areas and the urban centers. This
dissertation presents a method of forecast of problems in unpaved roads, elaborated with
base in the Nets Artificial Neural (ANN), technique that have been applied in the
recognition of patterns. The area of the case study is the municipal district of
Aquiraz/CE that presents representative characteristics. The developed method looked
for to make possible the forecast of the problems and of the respective severities,
starting from selected local attributes, to subsidize the activities of a roads management
system, especially the process of decision with regard to the allocation of the available
financial resources for the interventions to objectify the use of these roads during the
whole year. The method was served as experimental procedures as: the selection and
identification of the attributes; the identification and evaluation of the species of defects
with relationship to the severity degrees with base in the suitable methods and
adaptations offered by the author; the ordination of the inputs and exit for the
application of RNA; the formation of the partitions of data; the choice by Multilayer
Percerptron (MLP) and of the parameters of training of ANN, culminating with the
training processes, validation and test. A ANN was structured with use of the software
Easy NN Plus. After this, there was a development of an interface that simulates the
operation of the ANN model and it favors the use of the method for no experts users,
which suit with the reality of the municipal districts. This application of ANN was
shown viable to the view of the acting of 91% obtained, what took to the practical
consideration of the identity relationship between the found results and the problems
and severities observed in reality. The method is applicable to other areas, being enough
the procedures to be adopted in agreement with the particularities and local restrictions.
ix

SUMRIO
CAPTULO 1

INTRODUO ........................................................................................ 1
1.1 CONTEXTUALIZAO E JUSTIFICATIVA ...........................................1

1.2 DEFINIO DO PROBLEMA DE PESQUISA........................................11

1.3 OBJETIVOS DA PESQUISA .....................................................................12

1.3.1 Objetivo Geral ...............................................................................................12

1.3.2 Objetivos Especficos ....................................................................................13

1.4 METODOLOGIA EMPREGADA..............................................................13

1.4.1 Reviso Bibliogrfica ....................................................................................14

1.4.2. Eleio da rea do estudo de caso e seleo dos atributos...............................14

1.4.3 Coleta de Dados.............................................................................................15

1.4.4 Estruturao dos Defeitos Identificados na rea em Estudo ...........................16

1.4.5 Anlise dos Atributos Coletados na Formao dos Defeitos Identificados ......16

1.4.6 Execuo do Segundo Procedimento Experimental........................................16

1.4.7 Anlise dos Resultados ..................................................................................17

1.4.8 Desenvolvimento da Interface de Aplicao...................................................17

1.5 ESTRUTURA DA DISSERTAO ...........................................................17

CAPTULO 2

ESTRADAS VICINAIS DE TERRA ................................................... 20


2.1 INTRODUO ..........................................................................................20

2.2 CONCEITOS BSICOS .............................................................................20

2.2.1. Rodovias Vicinais..........................................................................................20

2.2.2. Estradas de Terra ...........................................................................................21

2.3 PROBLEMAS EM ESTRADAS DE TERRA ............................................22

2.4 DEFEITOS EM ESTRADAS DE TERRA .................................................23


x

2.4.1 Tipos de Defeitos...........................................................................................24

2.5 MANUTENO DE ESTRADAS DE TERRA .........................................33

2.5.1 Conceitos Bsicos..........................................................................................33

2.5.2 Importncia da Manuteno e Conseqncias da Manuteno Inadequada .....33

2.6 CONSIDERAES FINAIS.......................................................................35

CAPTULO 3

REDES NEURAIS ARTIFICIAIS ...........................................................................37

3.1 INTRODUO ..........................................................................................37

3.2 DEFINIES ..............................................................................................38

3.3 HISTRICO DAS REDES NEURAIS ARTIFICIAIS ..............................39

3.4 O NEURNIO ARTIFICIAL .....................................................................41

3.5 CARACTERSTICAS GERAIS DAS RNA ...............................................43

3.6 PERCEPTRON MULTICAMADAS (MLP)..............................................44

3.6.1 Definio .......................................................................................................44

3.6.2 Funo de Ativao .......................................................................................46

3.6.3 A Arquitetura.................................................................................................47

3.6.4 Processos de Aprendizagem...........................................................................48

3.6.5 Consideraes Sobre os Experimentos que Utilizam RNA .............................52

3.7 RNA NA REA DE INFRA-ESTRUTURA DE TRANSPORTES ...........54

3.8 CONSIDERAES FINAIS.......................................................................56

CAPTULO 4

O MTODO ..............................................................................................................57

4.1 INTRODUO ...........................................................................................57

4.2 PRIMEIRO PROCEDIMENTO EXPERIMENTAL ................................58

4.3 SEGUNDO PROCEDIMENTO EXPERIMENTAL .................................64

4.3.1 Ordenao das Variveis de Entrada e Sada ..................................................64


xi

4.3.2 Definio de Topologias e Parmetros para as Redes Neurais Artificiais........65

4.3.3 Consideraes Sobre o Simulador Utilizado: EASY NN PLUS......................66

4.3.4 Verificao do Nvel de Confiabilidade da RNA e Definio dos Parmetros de


corte..............................................................................................................66

4.3.5 Treinamento, Validao e Teste.....................................................................67

4.4 DEFINIO DA INTERFACE DE APLICAO ...................................70

4.5 CONSIDERAES FINAIS.......................................................................71

CAPTULO 5

ESTUDO DE CASO ..................................................................................................72

5.1 INTRODUO ...........................................................................................72

5.2 CARACTERIZAO DO MUNICPIO DE AQUIRAZ ..........................73

5.2.1 Como feita a Manuteno das Estradas No-Pavimentadas .........................76

5.3 RESULTADOS OBTIDOS..........................................................................78

5.3.1 Resultados Obtidos no Primeiro Procedimento Experimental.........................78

5.3.2 Resultados Obtidos no Segundo Procedimento Experimental.........................95

5.3.3 A Interface de Aplicao.............................................................................. 101

5.4 CONSIDERAES FINAIS..................................................................... 102

CAPTULO 06

CONCLUSES E SUGESTES............................................................................ 103

6.1 CONSIDERAE INICIAIS ................................................................... 103

6.2 ORIGINALIDADE E ADEQUAO DA APLICAO DO MTODO...... 104

6.3 PINCIPAIS CONCLUSES ..................................................................... 104

6.3.1 Quanto ao Primeiro Procedimento Experimental.......................................... 104

6.3.2 Quanto ao Segundo Procedimento Experimental.......................................... 107

6.3.3 Quanto Interface de Aplicao .................................................................. 108

6.4 RESTRIES AO MTODO .................................................................. 108


xii

6.5 SUGESTES E RECOMENDAES..................................................... 110

6.6 CONSIDERAES FINAIS..................................................................... 110

REFERNCIAS BIBLIOGRFICAS ................................................................... 111

ANEXO A INTERFACE DE APLICAO ....................................................... 115


xiii

LISTA DE FIGURAS
Figura 1.1 Estrutura diagramtica do trabalho .......................................................19

Figura 2.1 Estrada vicinal de terra do Municpio de Aquiraz .................................21

Figura 2.2 Travessia de um atoleiro por caminho AQZ_03 ..................................22

Figura 2.3 Seo transversal em calha ...................................................................25

Figura 2.4 Seo transversal abaulada e encaixada ................................................25

Figura 2.5 Seo transversal mista.........................................................................25

Figura 2.6 Exemplo de seo transversal mista trecho em estudo........................25

Figura 2.7 Exemplo de ondulaes - trecho em estudo ..........................................26

Figura 2.8 Exemplo de poeira trecho em estudo .................................................27

Figura 2.9 Exemplo de buraco trecho em estudo.................................................28

Figura 2.10 Afundamento de trilhas de roda trecho estudado................................29

Figura 2.11 Segregao de agregados esquerda da via trecho estudado ..............30

Figura 2.12 Areio direita da via trecho estudado ..............................................31

Figura 2.13 Exemplo de eroso trecho estudado ...................................................31

Figura 2.14 Exemplo de atoleiro trecho estudado .................................................32

Figura 3.1 Modelo no-linear de um neurnio .......................................................41

Figura 3.2 Esquema de uma rede neural artificial com trs camadas ......................45

Figura 3.3 Grficos da funo sigmoidal e da sua derivada...................................46

Figura 3.4 Exemplo hipottico de classificao de padres....................................48

Figura 3.5 Exemplo de superfcie de erro ..............................................................51

Figura 4.1 Levantamento topogrfico ....................................................................59

Figura 4.2 Folha individual para inspeo de defeitos utilizada frente.................60


xiv

Figura 4.3 Folha individual para inspeo de defeitos utilizada verso .................61

Figura 4.4 Folha individual para contagem de trfego ...........................................62

Figura 5.1 Mapa da Regio Metropolitana de Fortaleza.........................................73

Figura 5.2 Mapa dos distritos de Aquiraz ..............................................................74

Figura 5.3 Aquiraz - vias de acesso .......................................................................75

Figura 5.4 Distribuio pedolgica dos solos na RMF ...........................................76

Figura 2.8 Estrada aps passagem motoniveladora ................................................78

Figura 5.5 Perfil longitudinal da estrada AQZ_01 .................................................79

Figura 5.6 Perfil longitudinal da estrada AQZ_02 .................................................79

Figura 5.7 Perfil longitudinal da estrada AQZ_03 .................................................79

Figura 5.8 Mapa do trecho em estudo....................................................................80

Figura 5.9 Exemplo de seo transversal mista AQZ_01 ....................................81

Figura 5.10 Exemplo de seo transversal abaulada e encaixada AQZ_01............81

Figura 5.11 Exemplo de seo transversal em calha AQZ_01...............................81

Figura 5.12 Freqncia de defeitos AQZ_01 chuva ...........................................83

Figura 5.13 Freqncia dos defeitos AQZ_02 chuva..........................................83

Figura 5.14 Freqncia dos defeitos AQZ_03 chuva..........................................84

Figura 5.15 Freqncia dos defeitos AQZ_01 sol .............................................85

Figura 5.16 Freqncia dos defeitos AQZ_02 sol .............................................85

Figura 5.17 Freqncia dos defeitos AQZ_03 sol ..............................................86

Figura 5.18 Freqncia dos nveis de severidade dos defeitos AQZ_01 chuva ...87

Figura 5.19 Freqncia dos nveis de severidade dos defeitos AQZ_02 chuva ...87

Figura 5.20 Freqncia dos nveis de severidade dos defeitos AQZ_03 chuva ...87

Figura 5.21 Freqncia dos nveis de severidade AQZ_01 sol ..........................88

Figura 5.22 Freqncia dos nveis de severidade dos defeitos AQZ_02 sol.......89

Figura 5.23 Freqncia dos nveis de severidade dos defeitos AQZ_03 sol.......89
xv

Figura 5.24 Ocorrncia dos valores de rampa encontrados em todo o trecho............90

Figura 5.25 Ocorrncia dos tipos de solo encontrados em todo o trecho ..................91

Figura 5.26 Ocorrncia de sistemas de drenagem em todo o trecho .........................92

Figura 5.27 Ocorrncia dos tipos de seo transversal em todo o trecho ..................92

Figura 5.28 Percentual da ocorrncia de todos os atributos em todo o trecho ...........93

Figura 5.28 Arquitetura da RNA com melhor desempenho......................................98

Figura 5.29 Grfico da RNA com melhor desempenho............................................99

Figura 5.30 Grfico da RNA com melhor desempenho parmetros..................... 100

Figura 5.31 Importncia das variveis de entrada para o modelo de RNA eleito .... 100

Figura 5.32 Interface de Aplicao do MTODO proposto ................................... 102


xvi

LISTA DE TABELAS
Tabela 2.1 Matriz de transportes de cargas no Brasil................................................3

Tabela 2.2 Extenso total das rodovias no Brasil .....................................................3

Tabela 2.3 Extenso total das rodovias no Estado do Cear .....................................4

Tabela 2.4 Nveis de severidade da ocorrncia de buracos .....................................28

Tabela 2.5 Nveis de severidade da ocorrncia de eroso .......................................32

Tabela 4.1 Lista dos parmetros variveis num modelo MLP.................................68

Tabela 5.1 Solos predominantes no Municpio de Aquiraz.....................................76

Tabela 5.8 Associao de pesos s variveis de entrada .........................................96

Tabela 5.9 Associao de pesos s variveis de sada.............................................97

Tabela 5.10 Erro Quadrtico Mdio e por varivel de sada .....................................98

Tabela 5.11 Coeficiente de determinao mdio (r2) e por varivel de sada ...........98

Tabela 5.12 Desempenho mdio e por varivel de sada no conjunto de teste...........98


1

CAPTULO 1

INTRODUO

Neste trabalho, apresenta-se o resultado de uma pesquisa em nvel de mestrado


conduzida no campo da Previso de Defeitos em Estradas Vicinais de Terra. A
pesquisa incorporou ao campo de trabalho recursos da Inteligncia Artificial (IA), em
particular das Redes Neurais Artificiais (RNA).

A tcnica das Redes Neurais Artificiais aqui aplicada como instrumento para
previso de defeitos em estradas no-pavimentadas com o objetivo de auxiliar a tomada
de deciso quanto s intervenes adequadas e necessrias em tais vias, haja vista a
importncia da boa previsibilidade dos defeitos no desenvolvimento posterior de um
programa de manuteno regular e preventiva nestas estradas, ou mesmo como subsdio
s aes de manuteno onde eventualmente so regularmente desempenhadas.

Este captulo introdutrio aponta a abrangncia desta dissertao por apresentar


a importncia do tema da previso de defeitos em estradas vicinais de terra de modo
contextualizado; delimitar a abordagem na apresentao do problema de pesquisa;
apresentar os objetivos geral e especficos; indicar a metodologia empregada e,
finalmente, por resumir a estrutura da dissertao.

Na seo seguinte sero apresentadas a contextualizao e justificativa da


temtica abordada, onde estaro expostos alguns aspectos que consubstanciam a
necessidade premente de se pesquisar alternativas com o intuito de promover um melhor
aproveitamento da malha rodoviria vicinal no Estado do Cear.

1.1 CONTEXTUALIZAO E JUSTIFICATIVA

Um dos pressupostos do desenvolvimento scio-econmico de um pas, cuja


finalidade ltima deve consistir na melhoria do bem estar social, a disponibilidade de
infra-estrutura adequada ao desempenho da atividade produtiva. Esta abordagem impe
a considerao da importncia fundamental das instalaes de transportes para o
processo de produo, circulao e distribuio da riqueza atinentes a uma economia
nacional.
2

Em corroborao com essa idia, o economista e estudioso da infra-estrutura


Josef Barat, em seu artigo O Custo da Deficincia Brasileira, afirma: os pases que
atingiram o desenvolvimento de forma consistente e duradoura foram aqueles que
souberam priorizar os investimentos em infra-estrutura. (Barat, 2002)

Vale ressaltar, ainda com relao aos investimentos em infra-estrutura no Brasil,


a pronncia do Presidente da Associao Nacional dos Transportes de Carga (NTC),
Geraldo Vianna: O espetculo do crescimento e do desenvolvimento s acontecer se
forem feitos investimentos em infra-estrutura e, sobretudo nas matrizes energtica e de
transportes. (Campos, 2003)

Particularmente para o caso dos transportes, os investimentos em infra-estrutura


devem ser entendidos como uma soma de recursos disponveis que desviada para a
futura gerao de um servio, como explicam Caixeta e Martins (1998).

Diante do panorama da infra-estrutura exposto e dada a forma de insero dos


transportes como atividade-meio, Caixeta e Martins (1998) reforam a funo vital que
esses exercem no alcance de alguns elementos prioritrios em polticas de promoo do
desenvolvimento como por exemplo a explorao dos recursos, a diviso do trabalho, o
aumento do valor da terra, a produo em larga escala, com a conseqente expanso dos
mercados e a reduo dos custos das mercadorias. Isto, sem mencionar a funo social
cumprida pelos transportes: permitir a mobilidade das pessoas, estimulando assim a
disseminao de informaes e idias.

Nesse contexto, o Brasil apresenta a poro mais representativa das suas


instalaes de transportes concentrada no modo rodovirio. Este predomnio, conforme
Fleury (2002), se deve aos baixos preos praticados, pequena extenso da malha
ferroviria e precariedade na qual se encontra e, finalmente, subtilizao do
potencial navegvel dos rios brasileiros que, de 45 mil quilmetros, somente 28 mil so
efetivamente utilizados.

A tabela 2.1 ilustra o grau de utilizao, no Brasil, dos diferentes modais de


transportes de carga.
3

Tabela 2.1: Matriz de transportes de cargas no Brasil


Modal Percentual de utilizao (TKU)
Rodovirio 61%
Ferrovirio 20%
Aquavirio 13%
Dutovirio 5%
Aerovirio < 1%
Fonte: adaptado de Fleury (2002)

O professor Hugo Yoshizaki, da Escola Politcnica da Universidade de So


Paulo, afirma que, ao menos a mdio prazo, o Brasil vai continuar convivendo com a
predominncia do modal rodovirio (apud Campos, 2003). Diante dessa realidade, se
faz necessrio e urgente o desenvolvimento de alternativas viveis que minimizem os
estrangulamentos fsicos causados em conseqncia das insatisfatrias condies em
que se encontra a malha rodoviria brasileira, os quais, segundo Barat (2002), afetam
diretamente a competitividade das exportaes e o abastecimento interno, alm de
impedirem o alargamento do mercado nacional.

Posta a representatividade do modal rodovirio no setor dos transportes de carga,


apresenta-se na tabela 2.2, a distribuio da extenso das rodovias no Brasil, com o
propsito de salientar a freqncia das rodovias vicinais no-pavimentadas, sobre as
quais centram-se os objetivos desta pesquisa.

Tabela 2.2: Extenso total das rodovias no Brasil


Ano/ Percentagem 2000 %
Extenso Total das Rodovias 1.724.929 100,0
Extenso Total das Rodovias No-pavimentadas 1.559.941 90,4
Extenso Total das Rodovias Vicinais 1.446.289 83,8
Extenso Total das Vicinais Pavimentadas 16.993 1,2
Extenso Total das Vicinais No-pavimentadas 1.429.296 98,8
Fonte: adaptado de IBGE (2001)

Nota-se, pela observao da tabela 2.2, que cerca de 84% de toda a malha
rodoviria nacional - 1.724.929 Km - composta de estradas vicinais, das quais 98,8%
se encontram no-pavimentadas (IBGE, 2001).
4

As estradas vicinais de terra, tambm denominadas estradas rurais, agrovias ou


ainda estradas municipais, de fundamental importncia econmica e social para as
comunidades rurais, representam grande parte da malha rodoviria brasileira (ocorrncia
de cerca de 83%). Essas vias exercem a funo de alimentadoras, ou seja, atravs
delas estabelecida a ligao entre as comunidades produtoras e as grandes rodovias
pavimentadas, por onde circularo as mercadorias at o seu destino final.

No Estado do Cear, esse panorama no se mostra diferente. Observa-se na


tabela 2.3 que de um total de 50.374 Km isto , toda a malha rodoviria do Estado,
cerca de 77% so estradas vicinais, das quais, 99,0% encontram-se no-pavimentadas.

Tabela 2.3: Extenso total das rodovias no Estado do Cear


Ano/Percentagem 2000 %
Extenso Total das Rodovias 50.374 100,0
Extenso Total das Rodovias No-pavimentadas 43.752 86,8
Extenso Total das Rodovias Vicinais 38.553 77,0
Extenso Total das Vicinais Pavimentadas 373 1,0
Extenso Total das Vicinais No-pavimentadas 38.180 99,0
Fonte: adaptado de IBGE (2001)

Em nvel mundial, conforme Rolt (1995) apud Viviani (1998), mais de 80% das
vias existentes nos pases em desenvolvimento encontram-se no-pavimentadas. O
Banco Mundial estima, segundo Viviani (1998), que esta percentagem corresponda
cerca de 6 milhes de quilmetros de estradas. Em um estudo mais detalhado, Alfelor e
McNeil (1989) afirmam que em 1978 a proporo das vias no-pavimentadas variava de
5 a 63% nos pases desenvolvidos, e de 70 a 97% nos pases em desenvolvimento.

Alm da representatividade estatstica das estradas no-pavimentadas, a


importncia das mesmas apia-se, sobretudo, no aspecto da sua funcionalidade
scio-econmica.

Com a finalidade de se ressaltar a importncia das estradas vicinais de terra,


Viviani (1998) destaca o papel fundamental exercido por tais vias: so o primeiro
caminho a ser percorrido por toda a produo da zona rural e, conseqentemente, so as
primeiras responsveis pelo escoamento dos produtos agropecurios. Alm disso,
exercem funo de ligao entre as comunidades rurais e os centros urbanos.
5

Para reafirmar a importncia funcional dessas vias o DNER (1981) explica:

O desenvolvimento da agricultura, a distribuio de alimentos, a proviso


dos servios de sade e o acesso s informaes por meio dos servios
educacionais e das outras formas de comunicao nas regies rurais do
Brasil dependem, em larga escala, das instalaes de transporte
representadas significativamente por estradas vicinais, as quais, em sua
maioria, encontram-se no-pavimentadas.

Assim, as vias de terra, situadas primordialmente na jurisdio administrativa


dos municpios, contribuem maciamente para o desenvolvimento scio-econmico da
regio a qual pertencem. Aos municpios cabem, por conseguinte, os investimentos e a
gesto da infra-estrutura atinentes s estradas vicinais.

Com o advento da Constituio Federal de 1988, os municpios brasileiros


adquiriram autonomia poltica e estatura de ente federativo em decorrncia do que lhes
foram conferidas no mbito local prerrogativas como a titularidade e o exerccio do
poder de estabelecer suas prprias leis, o exerccio do poder de tributar (criar e cobrar
tributos) e de organizar e prestar os servios pblicos.

A posio de autonomia poltica dos municpios brasileiros reafirmada


segundo a dico de Carraza, (1998):

Note-se que a constituio atual situou o municpio dentro das esferas


poltico- administrativas da Repblica , dando-lhe efetiva autonomia poltica,
financeira e administrativa. ... As competncias municipais, maiormente
quanto decretao e arrecadao de tributos, aplicao de rendas,
organizao dos servios pblicos locais etc., no so delegadas pelos
Estados ou pela Unio, mas so to originrias quanto s competncias
estaduais ou federais. ... Assim, no lcito, nem Unio, nem aos Estados,
tolher ou mesmo disciplinar o exerccio da atribuio dos municpios.

O papel intervencionista dos governos no que tange poltica oramentria


cinge-se a assegurar o ajustamento na alocao de recursos, na distribuio da renda e
da riqueza e em assegurar a estabilizao econmica.

Desse perfil de papis oramentrios, alguns cabem aos municpios luz da


tcnica da distribuio constitucional de competncias de carter executivo. Muitas
atividades, ora pelo volume financeiro que representam ora pela incerteza da
lucratividade no poderiam ser oferecidas pelo sistema de mercado, devendo ser
6

suportadas pelo poder pblico mesmo em vista da importncia social e econmica


(Riani, 1995).

Os municpios, em geral, dispem de escassos recursos tcnicos e financeiros a


serem empregados nos servios de manuteno das estradas de terra. Alie-se a isto a
noo existente de que a manuteno dessas estradas no requer especializao e talvez
nessa linha de pensamento esteja a origem da tmida pesquisa que historicamente se tem
dedicado s mesmas, apesar da evidente importncia de tais vias.

Segundo Oda (1995), raras so as publicaes existentes sobre estradas


no-pavimentadas no Brasil, entre as quais cita: Estradas Vicinais de Terra Manual
Tcnico para Conservao e Recuperao, desenvolvido pelo IPT (Instituto de
Pesquisas Tecnolgicas do Estado de So Paulo) em 1985, e Conservao de Estradas
No-Pavimentadas, publicado pelo DNER (Departamento Nacional de Estradas e
Rodagem) em 1981.

As publicaes citadas contm aspectos relevantes manuteno de estradas de


terra, como: descrio dos principais tipos de defeitos, suas causas e correes, algumas
atividades de manuteno e formas de combate eroso. Alm disso, ressaltam a
importncia de uma manuteno constante e eficiente, os fatores que influenciam a
manuteno e o uso das vias, em diferentes pocas do ano e mostram os principais
problemas que surgem nesse processo.

No entanto, apesar das informaes contidas, os referidos manuais possuem


limitaes pelo fato de serem adaptaes de obras estrangeiras isto , desenvolvidas
para pases cujas caractersticas fsicas diferem muito das encontradas no Brasil e por
no considerarem aspectos essenciais para a ocorrncia dos defeitos como o tipo de solo
e a topografia.

Assim, a grande extenso da malha rodoviria no-pavimentada e o tratamento


que vem sendo dado a tais estradas, em particular nos longnquos municpios do Brasil,
justificam que este campo venha merecer maior ateno dos rgos de pesquisa e dos
poderes pblicos locais, com vistas ao desenvolvimento de alternativas que auxiliem a
manuteno e reabilitao dessas vias, objeto da infra-estrutura de transportes, por meio
de uma melhor utilizao dos recursos tcnicos e financeiros disponveis.
7

De acordo com Viviani (1998):

Uma soluo que abre enormes perspectivas para os problemas das vias
rurais no-pavimentadas encontra-se, sem dvida, na implantao de sistemas de
gerncia de vias, atravs dos quais se consiga realizar atividades de conservao, por
meio de atividades de manuteno peridicas e de carter preventivo.

As atividades de manuteno, conforme Viviani (1998), consistem em operaes


especficas de trabalho nas vias, com o objetivo de minimizar os defeitos ou a
deteriorao das mesmas, de modo a proporcionar boas condies de conforto e
segurana aos usurios das estradas rurais. A autora ressalta ainda que esses sistemas de
gerncia de infra-estrutura so, de modo geral, o caminho para anlise de grandes
quantidades de dados com vistas tomada de deciso.

Esse conceito fora apresentado por Haas et al. (1994), ao descrever que um
sistema de gerncia de vias tem como objetivo principal comparar, priorizar e alocar
recursos de seu programa de manuteno e reabilitao de pavimentos, desenvolvido
por meio da utilizao de dados confiveis, coletados pela interao contnua das
diversas atividades coordenadas que o compem.

Para se gerar dados confiveis que conduzam a anlises capazes de antever os


tipos de defeitos decorrentes da reunio de diferentes atributos, necessrio conhecer a
realidade do local onde ser feito o estudo.

Torna-se ento clara a enorme relevncia do desenvolvimento de alternativas


que auxiliem a caracterizao local. Com este objetivo, isto , desenvolver um mtodo
de caracterizao de vias de terra adequado realidade brasileira, Oda (1995) e
Fontenele (2001), adaptaram separadamente o mtodo criado por Eaton et al. (1987 a)
ao municpio de So Carlos.

Faz-se necessrio enfatizar que as estradas de terra, em geral, so resultantes da


evoluo de trilhas e caminhos precrios, originalmente situados nos traados naturais
do terreno, respeitando a sinuosidade e os obstculos naturais presentes no local. Na
medida da crescente solicitao do trfego que passam a receber melhoramentos,
visando oferecer condies de segurana e conforto aos usurios. (Oda, 1995)
8

Portanto, se no se pde influenciar no planejamento, projeto e construo da


estrada no-pavimentada que se interfira na sua conservao, por meio de manuteno
regular e preventiva e de eventuais melhoramentos que possam vir a ser necessrios.

A importncia scio-econmica das estradas de terra e o desinteresse do qual


vm sendo alvo, ao longo dos anos, imprimem essencial relevncia busca de novas
alternativas, razoavelmente simples e de baixo custo, visando uma melhor utilizao das
informaes confiveis coletadas a fim do auxlio tomada de deciso relativa s
intervenes a serem feitas na malha viria em questo. Este diagnstico sugere, pois, o
desenvolvimento de um programa de manuteno e reabilitao destas vias e
possibilitar assim um melhor direcionamento dos escassos recursos financeiros
disponveis.

Por meio da anlise das abordagens existentes sobre avaliao de vias e com
base no referido mtodo de Eaton, estritamente para estradas no-pavimentadas, assim
como em observaes julgadas como pertinentes nos estudos de Oda (1995) e
Fontenele (2001), esta dissertao de mestrado procedeu s variaes para diagnstico
mais preciso dos fenmenos e atributos estudados bem como de suas relaes com os
defeitos incidentes na realidade local submetida ao estudo de caso.

Considerando-se o foco desta pesquisa na previso de defeitos em estradas


vicinais de terra, alm da caracterizao local, se fez necessrio equacionar um
mecanismo para prev-los, guiado pela conexo de causa e efeito entre os atributos e os
defeitos, isto , quais caractersticas deveriam ser consideradas e o quanto cada uma
delas influenciaria na formao dos defeitos medidos na rea alvo do estudo de caso.

O fator de considerao que a previso levou a se perquirir as tcnicas


possveis para tal intento. Com o objetivo de encontrar uma tcnica que permitisse um
critrio de avaliao bem estruturado, baseada em modelagem matemtica adequada e,
ao mesmo tempo, apresentasse uma facilidade de implementao, investigou-se, na
literatura existente, quais as ferramentas disponveis para este problema especfico.

Subramanian et al. (1993), publicaram um estudo que comparou os resultados


obtidos por meio da utilizao de duas ferramentas: os mtodos estatsticos de
classificao e a aplicao das Redes Neurais Artificiais. Os experimentos foram
9

executados para vrias tipos e tamanhos de amostras, submetendo-as a diversas funes,


as quais variavam em nvel de complexidade. Esses autores concluram que, em todas as
circunstncias, as redes neurais apresentaram resultados superiores.

O bom desempenho das Redes Neurais Artificiais foi confirmado por Falas
(1995), quando ao publicar um artigo, no qual prope as Redes Neurais Artificiais como
alternativa aos mtodos estatsticos utilizados para previso e classificao, conclui: os
resultados obtidos pela aplicao das Redes Neurais Artificiais se mostraram superiores
aos oriundos pelo uso dos mtodos estatsticos, quando utilizados para o mesmo fim.

Das ferramentas pesquisadas, para fins desta dissertao, desconsiderou-se a


abordagem tradicional (utilizao de mtodos estatsticos, mais especificamente
regresso linear mltipla) em favor da aplicao da abordagem conexionista, cuja
utilizao se configura, neste caso, na tcnica das Redes Neurais Artificiais, parte
constituinte da emergente Inteligncia Artificial.

A Inteligncia Artificial, cujo campo de pesquisa abrange os conhecimentos


cientficos multidisciplinares como os da Computao, Lingstica, Matemtica,
Neurofisiologia e Psicologia, se expandiu e largamente utilizada na resoluo de
problemas complexos, com aplicabilidade de suas tcnicas em variadas reas do
conhecimento humano.

Com a proposta de desenvolver Sistemas Inteligentes, cujo objetivo simular o


processo de deciso afeito aos seres humanos, a Inteligncia Artificial se utiliza de
diversas tcnicas-chaves para representar o conhecimento humano, as quais podem ser
aplicadas - isoladas ou conjuntamente - para auxiliar o processo decisrio, por meio do
qual so fornecidas as solues para um problema.

Destaca-se dentre estas a tcnica das Redes Neurais Artificiais, ferramenta


bastante utilizada em engenharia de transportes desde a dcada de noventa e que se
tomou como objeto deste estudo. Dentre suas principais vantagens, vale citar a
aprendizagem por meio de exemplos, que possibilita melhorar seu desempenho com a
experincia e adaptar-se a ambientes novos e dinmicos.

O uso das Redes Neurais Artificiais com xito em engenharia de transportes tem
se verificado promissor, como provam os exemplos desenvolvidos nos campos da
10

infra-estrutura e planejamento de transportes que sero apresentados no captulo trs,


destinado s mesmas.

No que tange ao segmento da previso de defeitos em estradas de terra, no se


identificou trabalhos com amplitude em nvel de mestrado ou doutorado. No entanto,
Rodgher e Oda (1997) apresentaram artigo em sede do Simpsio Internacional de
Rodovias de Baixo Volume de Trfego, tratando os dados de Oda (1995) obtidos de
trechos do municpio de So Carlos, em uma Rede Neural Artificial, ferramenta
utilizada por Rodgher, em sua tese de doutorado, aplicada previso das propriedades
dos solos. As autoras anunciaram, a ttulo de concluso, a adequao da ferramenta aos
campos respectivos.

Diante desse contexto, o propsito desta pesquisa mostrar que o recurso


computacional utilizado, as Redes Neurais Artificiais, pode, por meio da previso e
ordenao dos defeitos, facilitar a racionalidade do processo de deciso no que diz
respeito s intervenes a serem executadas, nas vias objetivadas, segundo uma ordem
de prioridade.

A necessidade de se buscar novas alternativas que auxiliem tomada de deciso


em relao s intervenes a serem executadas em tais vias, com vistas implantao
de um programa de manuteno regular e preventiva adquire uma importncia
especfica para regies em desenvolvimento, como o Brasil e, especificamente, para o
Estado do Cear, onde os recursos tcnico-financeiros so limitados.

Por fim, diante da busca por solues inovadoras para a previso de defeitos em
estradas de terra, as Redes Neurais Artificiais se apresentam, especificamente para o
estudo de caso desta dissertao, como uma alternativa de fcil implementao e de
baixo custo, o que as transforma em soluo vivel para a utilizao, fato a ser
comprovado no desfecho deste estudo, por meio da execuo dos procedimentos
experimentais.

Assim, esta pesquisa trar como resultado um MTODO de previso de defeitos


em estradas vicinais de terra que auxiliar o tomador de deciso a identificar os pontos
crticos e qual interveno executar na via e, conseqentemente, contribuir para
programas de manuteno regular e preventiva.
11

A representatividade estatstica das estradas vicinais e a relevncia do papel


funcional das mesmas evidenciam a justificativa do tema da previso de defeitos em
estradas de terra, significando importncia geral e especfica.

A pesquisa de tcnicas menos convencionais para a previso dos defeitos prope


novas solues em face das vrias restries existentes no campo de pesquisa e, por
conseguinte, contribui para auxiliar o processo de tomada de deciso com relao s
intervenes nas vias de terra, possibilitando que as mesmas sejam utilizadas com
eficcia no desempenho de suas funes. Isso implicar no desenvolvimento das
comunidades rurais envolvidas e, conseqentemente favorecer o desenvolvimento
scio-econmico do pas.

Na seo seguinte, sero expostos alguns problemas existentes que justificam as


condies precrias em que se encontram as vias no-pavimentadas no Brasil e no
Estado do Cear, com o objetivo de delimitar o problema de pesquisa. Em seguida
apresenta-se a hiptese de pesquisa.

1.2 DEFINIO DO PROBLEMA DE PESQUISA

A manuteno das estradas de terra no Brasil um processo diretamente


associado a problemas que acarretam considervel comprometimento funcional destas
vias. Alm dos dificultadores de ordem prtica, este campo de investigao merece
maior ateno tanto das pesquisas quanto da decorrente produo terico-cientfica com
vistas ao encontro das solues de perenizao (manuteno da trafegabilidade durante
todo o ano) das estradas no-pavimentadas a custos suportveis.

Convm destacar os fenmenos e problemas significantes e inter-relacionados


quanto s estradas no-pavimentadas no Brasil:

a) a grande extenso desta malha viria;

b) as condies tcnicas precrias em que esta malha viria se encontra


devido falta de um programa de manuteno regular e preventiva;

c) a escassez de recursos tcnico-financeiros.

Estes problemas tm conduzido a solues emergenciais que servem apenas


12

como paliativo pois, caractersticas tcnicas ruins, somadas s condies adversas que
possam existir, especialmente em pocas chuvosas, impedem a livre trafegabilidade
durante todo o ano e acarretam a mdio e longo prazo, prejuzos econmicos e sociais
irreversveis.

Diante de acentuadas restries, a soluo para o problema das vias rurais


no-pavimentadas se encontra, indubitavelmente, na implantao de sistemas de
gerncia, que tragam em seu bojo um programa de manuteno de carter preventivo
permeado por coordenao adequada, avaliao sistemtica e manuteno eficiente da
infra-estrutura de servios bsicos (Viviani, 1988).

A mais disso se faz necessrio que esse sistema de gerncia a ser implementado
esteja atrelado ao conhecimento da realidade de cada local de interveno para que, a
partir de levantamentos detalhados, sejam gerados dados confiveis que permitam
anlises capazes de antever os tipos de defeitos decorrentes da reunio de diferentes
atributos. Ao considerar o elevado custo que importam tais procedimentos, v-se ento,
a necessidade de se buscar alternativas eficazes, mas com razovel simplicidade e de
baixo custo.

Diante da no identificao tanto na literatura especializada quanto nos rgos


oficiais de mtodos de previso de defeitos que possam, sem grande submisso s
restries financeiras e tcnicas, ser desenvolvidos e implementados, afigura-se como
hiptese de pesquisa a possibilidade de anteviso eficaz e otimizada dos defeitos em
estradas no-pavimentadas como elemento estratgico no auxlio ao planejamento e
tomada de deciso quanto s intervenes a ttulo de manuteno nestas vias.

A seguir, sero apresentados os objetivos a serem atingidos com os resultados


deste trabalho.

1.3 OBJETIVOS DA PESQUISA

1.3.1 Objetivo Geral

Afigura-se como objetivo geral o de demonstrar a viabilidade da utilizao da


tcnica das Redes Neurais Artificiais - por meio de mtodo prprio - como ferramenta
de previso dos defeitos em estradas vicinais de terra (ordenados por prioridade de
13

interveno) a partir de atributos selecionados e extrados segundo as especificidades da


regio.

A identificao dos defeitos e das severidades tem como fim subsidiar as


atividades de um sistema de gerncia, em especial o processo de tomada de deciso
quanto alocao dos recursos financeiros disponveis para as intervenes a executar
com vistas a perenizao das vias. O trecho experimental deste estudo localiza-se no
municpio de Aquiraz CE.

1.3.2 Objetivos Especficos

a) identificar os defeitos relevantes, em relao ao conforto e segurana do


usurio, presentes nas estradas vicinais de terra da rea em estudo;

b) estruturar os defeitos identificados na rea em estudo, de acordo com a


freqncia e severidade de ocorrncia;

c) analisar os critrios quanto a relevncia na formao e desenvolvimento


dos defeitos presentes na rea em estudo;

d) identificar o modelo de Rede Neural Artificial mais adequado hiptese;

e) desenvolver uma Interface de Aplicao utilizando o software Microsoft


Excel 2000.

Na prxima seo ser apresentada a metodologia utilizada no desenvolvimento


da pesquisa para a concretizao desta dissertao.

1.4 METODOLOGIA EMPREGADA

Para esta dissertao a metodologia disposta nas etapas seguintes guiou o


desenvolvimento da pesquisa. Importante lembrar que, sem prejuzo do
desenvolvimento harmnico, as etapas guardam entre si algumas relaes intrnsecas e
se comunicam em vrios de seus aspectos, seguindo apresentadas de modo
intencionalmente didtico.
14

1.4.1 Reviso Bibliogrfica

Est representada por meio do estudo do estado da arte dos dois grandes pontos
que constituem o ncleo da dissertao: Estradas Vicinais de Terra e Redes Neurais
Artificiais. A reviso foi concretizada pela utilizao de vasto material bibliogrfico de
produo cientfica: livros, dissertaes, teses, artigos, anurios, manuais, anais de
colquios cientficos, etc. As fontes estavam disponveis, em sua maior parte, na
biblioteca da Universidade de So Paulo, mas tambm em outras instituies bem como
em pesquisas na rede mundial de computadores - internet.

Alm dessas fontes, foram feitas entrevistas com especialistas tanto em Estradas
de Terra quanto em Redes Neurais Artificiais, assim como com tcnicos do
Departamento de Edificaes, Rodovias e Transportes do Estado do Cear DERT.

Esta etapa da metodologia, representada nesta dissertao pelos captulos dois e


trs, permite ao leitor uma viso geral dos aspectos histricos pertinentes aos dois
pontos anteriormente citados e dos conceitos tericos relevantes ao desenvolvimento do
trabalho.

1.4.2. Eleio da rea do Estudo de Caso e Seleo dos Atributos

A inexistncia de uma rea apropriada sobre a qual se dispusesse de dados,


necessrios e suficientes, para o desenvolvimento da pesquisa conduziu escolha da
rea do municpio de Aquiraz/CE para adoo de todos os procedimentos relativos ao
estudo de caso, descritos em seguida nesta seo.

Ressalte-se que a eleio da rea se pautou, ainda, nos fundamentos


apresentados no captulo cinco e foi antecedida pelo percurso de trechos representativos
da malha no-pavimentada do municpio de Aquiraz/CE.

A seleo dos atributos, decorrente da investigao bibliogrfica, guiou-se no


exame das relaes dos mesmos com os principais defeitos verificados em estradas de
terra, considerando as adaptaes oferecidas pela autora.

Esta etapa encontra-se descrita no captulo cinco.


15

1.4.3 Coleta de Dados

De fundamental importncia para o desenvolvimento desta dissertao, a coleta


de dados foi subdividida em nove partes descritas a seguir:

a) levantamento topogrfico, por meio do qual foram determinados: o perfil


longitudinal e as sees transversais por metro em todo o trecho
levantado;

b) diviso do trecho levantado em unidades amostrais e escolha de trezentas


unidades representativas para formar o conjunto de dados com o qual a
Rede Neural Artificial seria treinada e validada;

c) coleta de solo local de cada unidade amostral para posterior anlise em


laboratrio, por meio de ensaios de Anlise Granulomtrica e Limites de
Atteberg;

d) contagem do trfego local;

e) identificao dos atributos coletados (clima, solo, trfego, drenagem, tipo


de seo transversal e valores de rampa) segundo grau de relao com os
defeitos na via;

f) identificao e medio dos defeitos no trecho levantado


topograficamente, com base no mtodo de Eaton et al. (1987a) e
observaes feitas por Oda (1995) e Fontenele (2001);

g) entrevista com a populao local e usurios das estradas estudadas com o


objetivo de caracterizar a utilidade e o estado das mesmas;

h) observaes visuais e registro fotogrfico dos defeitos identificados no


local;

i) entrevistas na sede do DERT para informao acerca dos procedimentos


de manuteno das estradas de terra no Estado do Cear e,
especificamente, sobre eventuais quaisquer intervenes no trecho
estudado.
16

Esta etapa encontra-se descrita na primeira metade do captulo quatro


denominada Primeiro Procedimento Experimental e foi executada entre os meses
janeiro de 2001 e janeiro de 2003.

1.4.4 Estruturao dos Defeitos Identificados na rea em Estudo

Depois de identificados e medidos, os defeitos presentes no trecho estudado


foram classificados segundo o grau de severidade: baixa, mdia e alta de acordo com
Eaton et al. (1987a) bem como adaptaes de Oda (1995) e Fontenele (2001).

Esta etapa est contida no Primeiro Procedimento Experimental, parte


constituinte do captulo quatro.

1.4.5 Anlise dos Atributos Coletados na Formao dos Defeitos Identificados

Coletados os atributos, se fez necessrio um estudo para estabelecer a relao


existente entre cada atributo e os defeitos, com seus respectivos graus de severidade,
identificados em campo.

Esta etapa encontra-se descrita no captulo quatro, que est inserido no Segundo
Procedimento Experimental.

1.4.6 Execuo do Segundo Procedimento Experimental

Cumpridas as etapas anteriores, foi iniciada a aplicao da tcnica das Redes


Neurais Artificiais, constituda basicamente do tratamento dos dados coletados,
treinamento e posterior validao do modelo de rede que obteve o melhor desempenho
segundo critrios especficos encontrados no captulo trs.

As partes integrantes do Segundo Procedimento Experimental so:

a) ordenao das variveis de entrada e sada;

b) formao das parties para treinamento, validao e teste;

c) definio das topologias e parmetros a serem utilizados no treinamento


do modelo de RNA;
17

d) verificao do nvel de confiabilidade do modelo de RNA;

e) execuo das etapas de treinamento, validao e teste.

Depois de treinado e validado o modelo de Rede Neural Artificial com o melhor


desempenho, foi verificado o peso de cada atributo na previso dos defeitos
identificados no trecho em estudo.

Esta etapa encontra-se descrita no captulo cinco (Estudo de Caso), que se


encontra subdividido em trs partes: caracterizao da rea em estudo, anlise dos
resultados do Primeiro Procedimento Experimental e anlise dos resultados do Segundo
Procedimento Experimental.

1.4.7 Anlise dos Resultados

Por fim, no captulo seis da dissertao est situada a anlise final dos resultados
obtidos, guardando correspondncia com os objetivos geral e especficos estabelecidos
inicialmente e culminando com a formulao das concluses e sugestes para trabalhos
posteriores.

1.4.8 Desenvolvimento da Interface de Aplicao

Diante do modelo de Rede Neural Artificial de melhor desempenho, iniciou-se o


processo de replicao do mesmo em planilha eletrnica, quando, alm de prever os
defeitos para o trecho estudado a partir de determinados atributos, calculado um ndice
de priorizao de necessidade de interveno.

Esta etapa encontra-se no captulo cinco, no subitem anlise dos resultados do


Segundo Procedimento Experimental.

Na prxima seo ser apresentada a estrutura desta dissertao, que


compreende uma sntese do contedo de cada captulo.

1.5 ESTRUTURA DA DISSERTAO

Este trabalho est estruturado em seis captulos, includo o presente, de carter


introdutrio, e um anexo explicativo de como utilizar a interface desenvolvida.
18

O captulo dois e o captulo trs integram uma reviso bibliogrfica, onde foi
feito o estudo do estado da arte dos dois grandes pontos pertinentes a este trabalho:
Estradas Vicinais de Terra e Redes Neurais Artificiais. Uma descrio mais
detalhada ser mostrada a seguir.

O captulo dois apresenta uma breve descrio das estradas vicinais de terra,
uma sntese sobre a avaliao de vias no-pavimentadas atravs do levantamento dos
defeitos presentes em sua superfcie e uma incurso na anlise da problemtica ausncia
de um programa de manuteno preventiva, com destaque para a importncia da
perenizao das estradas rurais na rea em estudo.

No captulo trs so apresentados a noo histrica referente s Redes Neurais


Artificiais e alguns conceitos relevantes a serem utilizados na formulao do modelo de
RNA proposto.

O captulo quatro trata de descrever os procedimentos experimentais necessrios


ao desenvolvimento do MTODO proposto. Este captulo encontra-se dividido em duas
fases: a primeira consiste no procedimento experimental de levantamento e anlise dos
dados de campo (Primeiro Procedimento Experimental) e a segunda diz respeito ao
processo da construo e avaliao do modelo de previso de defeitos com base nas
Redes Neurais Artificiais (Segundo Procedimento Experimental) e o desenvolvimento
de uma Interface de Aplicao, resultante do MTODO utilizado.

O captulo cinco aborda o estudo de caso no municpio de Aquiraz-CE, quando,


alm de conter uma descrio e contextualizao da regio estudada, so apresentados e
analisados os resultados obtidos por mrito dos procedimentos executados.

O captulo seis apresenta as concluses extradas desde o ponto de partida da


hiptese de pesquisa, visitando a execuo e fundamentao dos procedimentos
experimentais at o desfecho da apresentao dos dados e anlise obtidas a partir das
etapas antecessoras, como tambm consiste em algumas recomendaes para futuros
trabalhos com pertinncia ao tema.

Por fim, em anexo encontra-se um texto explicativo sobre a utilizao da


Interface de Aplicao desenvolvida.
19

A figura 1.1, mostrada a seguir, apresenta um diagrama que sintetiza a estrutura


desta dissertao:

Captulo 1
INTRODUO

Captulo 2
ESTRADAS VICINAIS DE TERRA

Captulo 3
REDES NEURAIS ARTIFICIAIS

Captulo 4
O MTODO

Captulo 5
ESTUDO DE CASO

Captulo 6
CONCLUSES E SUGESTES

REFERNCIAS BIBLIOGRFICAS

Figura 1.1: Estrutura diagramtica do trabalho


20

CAPTULO 2

ESTRADAS VICINAIS DE TERRA

Neste captulo apresentada uma viso geral sobre as estradas vicinais de terra.
Abordam-se, inicialmente, os principais conceitos relacionados a tais vias e, em
seguida, feita uma descrio dos defeitos de maior importncia, bem como trazidas
consideraes sobre as respectivas ocorrncias. Posteriormente, aspectos sobre defeitos
em estradas de terra so detalhados e, por fim, a manuteno em estradas
no-pavimentadas, sua importncia e as conseqncias de uma manuteno inadequada
so explicitadas.

2.1 CONSIDERAES INICIAIS

As estradas vicinais de terra, dada a sua grande importncia scio-econmica,


sobretudo nos pases em desenvolvimento, necessitam que sua superfcie seja mantida
permanentemente em boas condies de rolamento para proporcionar conforto e
segurana aos usurios e assegurar a sua utilizao durante todo o ano.

As condies, boas ou ms, da superfcie de rolamento de uma estrada


dependem de atributos relacionados com as especificidades de cada regio. Estes
atributos, a dizer, tipo de solo, clima, topografia, trfego e freqncia de manuteno,
influenciam diretamente no aparecimento de defeitos com graus de severidade maiores
ou menores no leito das vias, o que acarreta problemas que comumente, quando no
reduzem a velocidade de trfego, so os responsveis pela interrupo da utilizao da
via.

2.2 CONCEITOS BSICOS

2.2.1. Rodovias Vicinais

Segundo Mariotoni (1987), rodovias vicinais, tambm chamadas estradas rurais,


agrovias ou ainda estradas municipais, podem ser definidas como as que
funcionalmente se destinam a canalizar a produo para um sistema virio de nvel
superior, centros de armazenagem, consumo, industrializao, comercializao ou
exportao e/ou assegurar acesso rodovirio a ncleos populacionais carentes.
21

De acordo com o DER-SP (1987), essas vias so, na sua maioria, estradas
municipais, pavimentadas ou no, de uma s pista, locais e de padro tcnico modesto,
compatvel com o pequeno trfego que as utiliza.

A figura 2.1 mostra uma estrada de terra pertencente ao trecho estudado no


municpio de Aquiraz/CE.

Fig 2.1 Estrada vicinal de terra do municpio de Aquiraz

2.2.2. Estradas de Terra

Estradas no-pavimentadas, tambm chamadas estradas de terra, freqentes no


meio rural, so justamente aquelas no revestidas por qualquer tipo de tratamento
superficial, betuminoso ou de cimento Portland, e tm, geralmente, sua camada
superficial constituda por solo local, s vezes em mistura com agregado granular,
decorrente da sua manuteno, de acordo com Eaton et al. (1987a).

Essas vias, segundo a literatura especializada, se caracterizam por apresentarem,


normalmente, um volume mdio dirio inferior a 400 (quatrocentos) veculos. Suas
larguras variam muito e so modificadas de acordo com a necessidade imposta pelo
trfego. No que diz respeito visibilidade dos usurios, comum encontrar-se
prejudicada pela poeira causada pela passagem dos veculos, na estao seca, e pelo
crescimento de vegetao que avana o leito da estrada e, por fora disto, dificultam o
escoamento das guas superficiais.
22

Vale ressaltar, sob o ponto de vista geomtrico, que essas vias esto
condicionadas ao aproveitamento de trilhas ou caminhos existentes, com registro de
ocorrncia de rampas bastante fortes e curvas de raios reduzidos. (Carvalho, 1992)

2.3 PROBLEMAS EM ESTRADAS DE TERRA

As duas caractersticas geotcnicas bsicas que devem ser observadas numa


estrada de terra a fim de se garantir condies de trfego satisfatrias so: capacidade de
suporte compatvel com o trfego e condies de rolamento e aderncia adequadas ao
conforto e segurana do usurio.

Os problemas existentes nas estradas de terra ondulaes, atoleiros, areies,


poeira, buracos, eroses etc tm como causas a falta de capacidade de suporte do
sub-leito, o mau desempenho da superfcie de rolamento e a deficincia no sistema de
drenagem ou a combinao desses fatores (Mariotoni, 1987).

A figura 2.2 mostra a travessia de um caminho, prximo localidade de Telha,


no trecho estudado, em que o mesmo enfrenta as pssimas condies da estrada,
bastante prejudicada, dentre outros fatores, por um grande atoleiro.

Figura 2.2: Travessia de um atoleiro por caminho AQZ_03

Oda (1995) enumera alguns critrios responsveis pelo estado da superfcie ou


do leito carrovel de qualquer estrada. So eles: material da superfcie, intempries,
trfego e manuteno. Afirma, ainda, que uma boa estrada no-pavimentada deve contar
com caractersticas como as abaixo relacionadas:
23

a) ter largura da faixa de rolamento suficiente para acomodar o trfego da


regio;

b) apresentar resistncia suficiente para suportar as cargas das rodas sem


que ocorram deformaes excessivas;

c) ter boa capacidade de suporte, a qual depende das caractersticas do


material da superfcie e da resistncia do solo, medida que o teor de
umidade varia;

d) apresentar um bom sistema de drenagem para evitar que a ao erosiva da


gua danifique o subleito e a superfcie de rolamento.

2.4 DEFEITOS EM ESTRADAS DE TERRA

Na literatura especializada encontram-se variadas definies de defeitos em


superfcies de pavimentos, duas das quais seguem descritas:

Daroncho (2001), em sua dissertao de mestrado cuja abordagem dos defeitos


na superfcie de pavimentos est relacionada com a qualidade de viagens na via, os
define como desarranjos que contribuem para aumentar ou gerar desconforto ao usurio
da rodovia ou impedir o trfego de veculos pela mesma.

A AUSTROADS, associao das autoridades australianas e neozelandesas


responsveis pelo setor de transportes nos respectivos pases, cujo objetivo o de
promover o desenvolvimento integrado da gerncia e operao do sistema de
transportes com a considerao de fatores como gerncia do trfego, segurana dos
usurios e meio ambiente, enuncia defeito de forma mais ampla:

Denomina-se defeito qualquer evidncia visvel de falhas ou descontinuidades


na superfcie de rolamento da estrada que afeta a sua capacidade estrutural, aparncia
ou a qualidade de movimento dos veculos (Austroads, 1997).

Entende-se por defeito, ento, qualquer alterao na superfcie da estrada que


influencie negativamente as suas condies de rolamento. Estas alteraes esto
hierarquizadas em graus ou nveis de severidade que variam de acordo com a
24

interferncia na trafegabilidade da via. Vale ressaltar ainda que os defeitos podem ser
atribudos a alguns fatores como: trfego, chuva, manuteno, drenagem e tipo de solo.

Considera-se severidade de um defeito a dificuldade ou o volume de


dificuldades que um tipo de defeito impe ao movimento de veculos (Daroncho, 2001).

Na prtica, os graus ou nveis de severidade so determinados pela ocorrncia de


limites pr-definidos para medidas ou classificaes sobre defeitos identificados em
levantamento de campo, e so classificados, segundo Eaton et al. (1987a), usualmente
como: no aplicvel, baixa, mdia ou alta.

Os defeitos causam irregularidades, provocam desconforto e, dependendo do


nvel de severidade, podem levar srios riscos segurana do usurio, alm de influir na
velocidade de operao e noutros custos operacionais dos veculos (Oda, 1995).

2.4.1 Tipos de Defeitos

A avaliao das condies da superfcie de rolamento de estradas de terra feita


por meio do levantamento dos defeitos no campo. Para fins de utilizao em Sistemas
de Gerncia de Vias, o levantamento de campo envolve a seleo dos defeitos mais
significativos, com suas respectivas medidas, e a avaliao da extenso e severidade de
cada um deles.

Neste trabalho, a identificao dos defeitos e as respectivas classificaes dos


seus graus de severidades foram determinadas com base no mtodo de avaliao de vias
no-pavimentadas contido nos trabalhos de Eaton et al. (1987a) e Oda (1995), bem
como em algumas observaes pertinentes apresentadas por Fontenele (2001).

A partir das afirmaes ora apresentadas, sero descritos esses defeitos, suas
principais causas, assim como o critrio de classificao de severidade adotado.

2.4.1.1 Seco Transversal Inadequada (STI)

Seco transversal que apresenta dificuldade de escoamento da gua para as


laterais da estrada. causada pela execuo do nivelamento da superfcie (raspagem)
sem posterior acrscimo de material, o que torna a estrada encaixada no terreno.
25

Os tipos de seo transversal inadequada mais freqentes so classificados, por


Eaton et al (1987a) em: seo em calha, seo abaulada e encaixada e seo mista,
ilustradas, a seguir, nas figuras 2.3, 2.4 e 2.5.

Figura 2.3: Seo transversal em calha

Figura 2.4: Seo transversal abaulada e encaixada

Figura 2.5: Seo transversal mista

A figura 2.6, exibida a seguir, ilustra uma seo transversal mista presente no
trecho em estudo.

Figura 2.6: Exemplo de seo transversal mista trecho em estudo

Conforme Eaton et al. (1987a), os nveis de severidade podem ser classificados


em:

a) baixa: pequenas quantidades de gua empoada na superfcie ou


superfcie plana sem declividade transversal;
26

b) mdia: moderadas quantidades de gua empoada na superfcie ou esta


em formato cncavo;

c) alta: grandes quantidades de gua empoada na superfcie, ou severas


depresses nesta.

Fontenele (2001), considera os seguintes nveis de severidade:

a) baixa: superfcie praticamente plana, com pouca ou nenhuma ocorrncia


de defeitos;

b) mdia: superfcie em forma de bacia com moderada ocorrncia de


defeitos;

c) alta: alta ocorrncia de defeitos, com grandes depresses nas trilhas de


roda.

2.4.1.2 Ondulaes / Corrugaes (OND)

As ondulaes constituem sulcos em intervalos regulares ou irregulares no


sentido perpendicular direo do trfego. Sua ocorrncia se deve falta de capacidade
de suporte do subleito e ausncia ou deficincia do sistema de drenagem.

A figura 2.7 em seguida ilustra a ocorrncia de ondulaes identificadas nas


estradas avaliadas.

Figura 2.7: Exemplo de ondulaes - trecho em estudo


27

As ondulaes regulares ocorrem em estradas planas formadas por solos


arenosos, enquanto que as ondulaes irregulares ocorrem em estradas formadas por
solos argilosos que, ao secarem, se contraem formando o defeito.

Segundo Eaton et al. (1987a) e Fontenele (2001) os nveis de severidade


considerados so:

a) baixa: profundidades menores que 2,5 cm;

b) mdia: profundidades entre 2,5 e 7,5 cm;

c) alta: profundidades maiores que 7,5 cm;

2.4.1.3 Poeira (PO)

A poeira causada pelo excesso de material fino no leito da estrada que durante
o perodo de seca fica sem umidade, formando, pela a ao abrasiva do trfego, as
nuvens; est representada pela nuvem de p levantada pela passagem dos veculos na
estrada e encontra-se ilustrada na figura 2.8 mostrada em seguida:

Figura 2.8: Exemplo de poeira trecho em estudo.

Conforme Eaton et al. (1987a) e Fontenele (2001), os nveis de severidade


considerados so:

a) baixa: pouca poeira, nuvem fina, no obstrui a visibilidade, altura menor


que 1 m;
28

b) mdia: poeira moderada, nuvem moderadamente densa, obstrui


parcialmente a visibilidade, altura entre 1 e 2 m, trfego lento;

c) alta: muita poeira, severa obstruo da visibilidade, altura superior a 2 m,


trfego muito lento ou parado.

2.4.1.4 Buracos/Panelas (BU)

Os buracos so decorrentes da plataforma mal drenada, provavelmente sem


abaulamento transversal. Constituem pequenas depresses em forma de bacia na
superfcie da estrada, produzidas quando o trfego desgasta pequena parte da superfcie
da estrada e tm o crescimento acelerado pela umidade interior do buraco. A figura 2.9
mostra uma das ocorrncias de buracos identificadas nas estradas avaliadas.

Figura 2.9: Exemplo de buraco trecho em estudo

Oda (1995) e Fontenele (2001), consideram os nveis de severidades para o


defeito buraco conforme a tabela 2.3, mostrada a seguir:

Tabela 2.3 Nveis de severidade da ocorrncia de buracos


Dimetro mdio Profundidade (cm)
(m)
<5 5 15 15 - 25 > 25
< 1,50 m BAIXO MDIO MDIO ALTO
1,50 2,50 BAIXO MDIO ALTO ALTO
2,50 3,50 BAIXO MDIO ALTO ALTO
>3,50 BAIXO MDIO ALTO ALTO
Fonte: (ODA, 1995) e (FONTENELE, 2001)
29

2.4.1.5 Afundamento de Trilhas de Roda (ATR)

O afundamento de trilha de roda constitui uma depresso na superfcie da


estrada no local da trilha dos pneus do veculo. Segue ilustrado exemplo na figura 2.10
extrado do trecho em estudo:

Figura 2.10: Afundamento de trilhas de roda trecho estudado

A ocorrncia do ATR se deve s cargas repetidas do trfego em pocas de


chuva, quando o solo fica com a sua resistncia diminuda devido saturao,
especialmente quando a capacidade de suporte do solo baixa.

Fontenele (2001) considera os seguintes nveis de severidade:

a) baixa: profundidades menores que 5 cm;

b) mdia: profundidades entre 5 e 10 cm;

c) alta: profundidades maiores que 10 cm.

2.4.1.6 Segregao de Agregados (SAGR)

A segregao de agregados consiste em acmulo de partculas de agregados


soltos, contidas nos solos granulares, que se soltam da superfcie de rolamento devido
ao trfego, se colocando fora das trilhas de roda e formando bermas no centro ou ao
30

longo do acostamento da estrada ou ainda na rea menos trafegvel, paralela linha


central da estrada. Ao observar-se a figura 2.11 a seguir, nota-se uma visvel segregao
de agregados esquerda da via.

Figura 2.11: Segregao de agregados esquerda da via trecho estudado

Eaton et al. (1987a) e Fontenele (2001) classificam, para o defeito segregao de


agregados, os seguintes nveis de severidade:

a) baixa: bermas menores que 5 cm de altura;

b) mdia: bermas entre 5 e 10 cm de altura;

c) alta: bermas maiores que 10 cm de altura.

2.4.1.7 Areies (AR)

Os areies constituem bermas de areia solta, formadas pela ao do trfego, no


centro das trilhas de roda e laterais da estrada, as quais impedem a sada de gua.

Ocorrem em regies geralmente planas e de solo arenoso onde inexistente ou


desprezvel a quantidade de material ligante (argila). Sua causa se deve ao do
trfego e lavagem do material pela gua da chuva.

A figura 2.12, exibida a seguir, ilustra uma das ocorrncias de areio no trecho
avaliado.
31

Figura 2.12: Areio direita da via trecho estudado

Santos et al. (1988) e Fontenele (2001) consideram os nveis de severidade:

a) baixa: bermas menores que 5 cm de altura;

b) mdia: bermas entre 5 e 15 cm de altura;

c) alta: bermas maiores que 15 cm de altura.

2.4.1.8 Eroso (ERO)

A eroso representada por sulcos formados pela ao da gua que com a ao


das enxurradas evoluem para grandes ravinas.

A figura 2.13, em seguida, exibe um exemplo de eroso na poro lateral da


estrada contida no trecho estudado.

Figura 2.13: Exemplo de eroso trecho estudado


32

A eroso encontrada em estradas com rampas acentuadas, sem declividade


transversal adequada e de drenagem insuficiente.

A ausncia de um sistema de drenagem eficiente favorece ao acmulo de gua


na superfcie da estrada e, por conseguinte, ao erodibilidade do solo.

Santos et al. (1988) e Fontenele (2001) classificam os nveis de severidades de


acordo com os valores expostos na tabela 2.4, mostrada a seguir:

Tabela 2.4: Nveis de severidade da ocorrncia de eroso


LARGURA (m) PROFUNDIDADE (cm)
< 15 15 30 > 30
< 0,50 BAIXA MDIA ALTA
0,50 1,50 BAIXA MDIA ALTA
> 1,50 MDIA ALTA ALTA
Fonte: (Santos et al., 1988) e (Fontenele, 2001)

2.4.1.9 Atoleiro (ATOL)

O atoleiro verificado pelo acmulo de gua na estrada em solo com pouca


capacidade de suporte e com ausncia ou deficincia no sistema de drenagem.

A figura 2.14, em seguida, exibe um caminho que, durante a travessia de um


atoleiro, permaneceu por algum tempo impedido de continuar a sua viagem.

Figura 2.14: Exemplo de atoleiro trecho estudado


33

2.5 MANUTENO DE ESTRADAS DE TERRA

2.5.1 Conceitos Bsicos

A manuteno das estradas definida por Roberts e Robinson, (1983) e OECD,


(1988) apud Oda, (1995) como um conjunto de atividades executadas para minimizar
defeitos e, conseqentemente, reduzir os custos operacionais dos veculos, prolongar a
vida das estradas e proporcionar aos usurios um meio seguro, econmico e confortvel
de acesso para reas rurais.

A manuteno rodoviria consiste num amplo conjunto de atividades destinadas


a preservar em longo prazo a condio das rodovias, procurando assegurar, ao menor
custo possvel, o seu funcionamento adequado, permitindo custos razoveis para a
operao dos veculos (Schliesler e Bull, 1994).

Os servios de manuteno em uma via no-pavimentada podem ser


classificados, de acordo com o DER-SP (1987), em trs categorias:

a) servios de rotina: conjunto de operaes que se realizam de forma


contnua e sistemtica e cuja importncia relativa depende da via e regio
onde ela se encontra;

b) servios especiais: tm o objetivo de melhorar as condies


originalmente apresentadas pela rodovia, atravs da execuo, sem
interrupo do trfego, de obras de pequeno vulto, complementares
construo inicial;

c) servios emergenciais: diz respeito aos servios destinados a dar


novamente condies de utilizao a trechos que tiveram o seu trfego
interrompido em conseqncia de algum fato extra.

2.5.2 Importncia da Manuteno e Conseqncias da Manuteno Inadequada

2.5.2.1 Importncia da Manuteno

Nos pases em fase de desenvolvimento a economia depende fundamentalmente


das atividades do setor primrio. O primeiro acesso rede de transporte de bens e
34

pessoas do meio rural , na maior parte das vezes, uma estrada de terra. Dessa forma,
inteiramente relevante para a economia desses pases, como o Brasil, uma manuteno
adequada das estradas de terra (Carvalho, 1992).

Conservar a superfcie de rolamento razoavelmente lisa, firme e livre da perda


excessiva de material solto, bem como, manter a declividade transversal do leito da
estrada apropriada para assegurar o escoamento superficial das guas so os principais
objetivos da manuteno rodoviria (DNER, 1981).

A implantao de programas de manuteno rodoviria exige um planejamento


cuja ao seja bem fundamentada na realidade e que seus objetivos possam ser atingidos
com eficincia, isto , se obter o mximo resultado com o menor volume de recursos
possvel.

Esse planejamento deve levar em considerao, no apenas as necessidades


reais, mas tambm aquelas previstas para o futuro imediato, sejam sob o aspecto do
aumento populacional ou sob o da expanso territorial, os quais podem demandar um
aumento na utilizao da malha rodoviria.

Alm disso, o planejamento de programas de manuteno deve se basear no


inventrio das estradas, na quantificao de suas condies superficiais, na
determinao das prioridades e alternativas e no clculo dos custos de manuteno
(Headquarters Departament Of The Army, 1995).

Os programas de manuteno mostram-se, ento, estar diretamente relacionados


com a qualidade das estradas e, conseqentemente, com a qualidade de vida das
populaes locais e a sua aplicao correta proporciona um alto nvel de servio pois
quanto melhores as condies da superfcie de rolamento da estrada, menor o custo de
operao dos veculos e menor o custo total de transportes.

2.5.2.2 Conseqncias da Manuteno Inadequada

A manuteno inadequada ou a falta da mesma nas rodovias implica, em uma


primeira anlise, num aumento do custo operacional do transporte de bens e
passageiros, uma vez que o custo de transporte diretamente afetado, principalmente
35

pelos seguintes itens: aumento do consumo de combustvel, aumento da necessidade de


manuteno dos veculos e diminuio da vida til dos mesmos.

Esse efeito pode ser mais agravado nas estradas de terra, uma vez que estas so
menos resistentes aos agentes destrutivos da natureza.

Observam-se, numa segunda anlise, mais alguns fatores de importncia


econmica, social e cultural tais como a reduo da velocidade comercial, ocorrncia de
perodos em que o trfego difcil ou impossvel e, eventualmente, diminuio da
segurana do usurio.

Por fim, luz de uma terceira anlise, constata-se, de acordo com observaes
feitas por Carvalho (1992), que estradas de terra mal conservadas e com projeto
geomtrico ruim representam uma discriminao da sociedade em relao s
comunidades rurais de produo e consumo que utilizam a estrada. Dando seguimento
ao mesmo raciocnio, o autor apresenta a discriminao geogrfica como um dos
maiores obstculos ao processo de evoluo e desenvolvimento das atividades sociais,
econmicas e culturais. E define, concluindo:

Discriminar geograficamente separar localidades de forma que


essas no tenham acesso aos benefcios da cincia, da arte e da
cultura. Isso coloca em inferioridade coletividades que, por falta de
acesso ao conhecimento, habituam-se aos poucos recursos oferecidos
pela rea geogrfica onde vivem operam atividades de
sobrevivncia.

2.6 CONSIDERAES FINAIS

A literatura consultada permitiu o levantamento dos critrios existentes para a


avaliao da superfcie de estradas no-pavimentadas embora tenha sido constatado que
o campo especfico da manuteno de estradas de terra est a merecer maior ateno,
fato comprovado pelo pouco material disponvel sobre o assunto. Apesar disso, convm
destacar, no tocante s estradas de terra, a relao existente entre a ocorrncia e o
agravamento dos defeitos na superfcie de rolamento e alguns atributos existentes que
variam de acordo com as especificidades de cada local. So eles: clima, topografia, tipo
de solo, trfego, e ausncia ou presena de manuteno regular.
36

Vale lembrar que esta relao justificada por meio da premissa, defendida por
Santos et al. (1988), de que os problemas (ou defeitos) mais comuns em estradas de
terra tm como causas principais: a falta de capacidade de suporte do subleito, o mau
desempenho da superfcie de rolamento e a deficincia do sistema de drenagem.

Convm destacar que essa relao intrnseca entre os atributos e os defeitos tem
especial relevncia para esta dissertao devido consistir no ponto a partir do qual se ir
prever os defeitos identificados em campo, o que ser detalhado no captulo quatro, por
aluso ao MTODO.
37

CAPTULO 3

REDES NEURAIS ARTIFICIAIS

Neste captulo apresentam-se conceitos fundamentais sobre as Redes Neurais


Artificiais (RNA), alm de algumas aplicaes desenvolvidas na infra-estrutura de
transportes. Abordam-se, inicialmente, algumas definies relevantes ao entendimento
desta dissertao. Em seguida feita uma sntese do histrico das pesquisas sobre Redes
Neurais Artificiais e, posteriormente, o modelo de neurnio artificial apresentado,
assim como as principais caractersticas das Redes Neurais Artificiais. Por fim as Redes
Neurais Artificiais do tipo Multilayers Perceptron so apresentadas e sua adequao
justificada.

3.1 CONSIDERAES INICIAIS

A palavra inteligncia tem sua origem do latin inter (entre) e legere (escolher),
que significa aquilo que nos permite escolher entre uma coisa ou outra. Assim, pode-se
definir inteligncia como a habilidade de realizar de forma eficiente uma determinada
tarefa, isto , o resultado dos processos de aquisio, armazenamento em memria,
recuperao, combinao, comparao e do uso de novos contextos da informao e das
habilidades conceituais.

De acordo com a Enciclopdia Britnica, "inteligncia a habilidade de se


adaptar efetivamente ao ambiente, seja fazendo uma mudana em ns mesmos ou
mudando o ambiente ou achando um novo ambiente". Isto , ela incorpora aprendizado
(uma mudana em ns mesmos), manufatura e abrigo (mudana do ambiente) e
migrao (encontrando um ambiente adequado). Alm de englobar aspectos importantes
como linguagem, pensamento, memria, raciocnio, capacidade para aprendizagem e
integrao de vrias modalidades sensoriais, as quais devem ser utilizadas efetivamente
pelo crebro humano de modo a prover a adaptabilidade dos seres humanos. Portanto,
"inteligncia no um processo mental nico, mas sim uma combinao de muitos
processos mentais dirigidos adaptao efetiva do ambiente".

Desta forma, a Inteligncia Artificial, cujo campo de pesquisa interdisciplinar


encontra-se amplamente inserido em inmeras reas do conhecimento humano, se
38

prope a produzir, por meio de um conjunto de tcnicas-chaves de programao,


sistemas capazes de dotar as mquinas de algum tipo de habilidade tendente a simular a
inteligncia humana.

Dentre essas tcnicas-chaves, cabe ressaltar as Redes Neurais Artificiais, que


apresentam um modelo inspirado na estrutura neural de organismos inteligentes e
adquirem conhecimento por meio da experincia. Esta tcnica servir como ferramenta
fundamental para a estruturao do modelo especfico de previso de defeitos em
estradas de terra proposto por este trabalho.

3.2 DEFINIES

As Redes Neurais Artificiais so processadores maciamente paralelos e


distribudos que tm uma propenso natural para armazenar conhecimento proveniente
da experincia e torn-lo til, desta forma, assemelhando-se ao crebro humano em dois
aspectos (Haykin, 1994):

a) o conhecimento adquirido pela rede por meio de um processo de


aprendizado; e

b) as intensidades das conexes entre neurnios, conhecidas como pesos


sinpticos, so usadas para armazenar conhecimento.

As RNA so, ento, modelos matemticos que se assemelham s estruturas


neurais biolgicas e adquirem capacidade por meio de aprendizado e posterior
generalizao.

H vrios tipos de Redes Neurais Artificiais, mas todas tm dois elementos em


comum: podem ser descritas em termos de seus neurnios individuais e das conexes
entre eles (topologia). Podem ainda ser descritas em termos das suas regras de
aprendizado. Estes trs componentes (dois elementos e um fenmeno) constituem o
modelo de rede neural.

Sistemas de computao baseados em Redes Neurais Artificiais so compostos


de um grande nmero de elementos de processamento denominados neurnios e tm a
capacidade de receber ao mesmo tempo vrias entradas e distribu-las de maneira
39

organizada. As informaes armazenadas por uma rede neural so compartilhadas por


todas as suas unidades de processamento.

Segundo Braga et al. (1998) as RNA so sistemas paralelos distribudos,


compostos por unidades de processamento simples, tambm denominados neurnios ou
ns, que calculam determinadas funes matemticas, normalmente no-lineares. Os
ns so conectados por canais de comunicao que esto associados a determinado
peso. Cada unidade de processamento faz operaes sobre as entradas recebidas pelas
suas conexes e interagem com as outras, promovendo, assim, o comportamento
inteligente da rede.

Um simulador de rede neural um programa (conjunto de instrues


computacionais) que cria um modelo de neurnios e de conexes entre eles e os une a
uma regra de aprendizagem para, ento, treinar tal modelo. H vrios simuladores
comercialmente disponveis que simplificam grandemente a modelagem de Redes
Neurais Artificiais.

3.3 HISTRICO DAS REDES NEURAIS ARTIFICIAIS

As primeiras simulaes em RNA contam por volta de 1940, feitas pelos


neurofisiologistas Donald Hebb e Karl Lashley.

O primeiro modelo de um neurnio artificial foi proposto pelo neurofisiologista


Warren McCulloch e pelo matemtico Walter Pitts em 1943 (McCulloch and Pitts,
1943). O trabalho de McCulloch e Pitts intitulado A Logical Calculus of the Ideas
Immanent in Nervous Activity, descreve um clculo lgico das redes neurais, resultante
da unificao dos estudos de neurofisiologia e da lgica matemtica e prope um
modelo simplificado de neurnios biolgicos, teve bastante repercusso no meio
cientfico, tendo influenciado o matemtico John Von Neumann na construo do
EDVAC (Electronic Discrete Variable Automatic Computer) que foi desenvolvido a
partir do ENIAC (Eletronic Numerical Integrator and Computer). O ENIAC foi o
primeiro computador eletrnico de propsito geral (Loesch & Sari, 1996).

Em 1949 Donald Hebb escreveu um livro intitulado The Organization of


Behavior, suas idias no eram completamente novas, mas Hebb foi o primeiro a
40

propor uma lei de aprendizagem especfica para as sinapses dos neurnios. Tambm
proveniente deste perodo foi a construo do primeiro neurocomputador denominado
Snark, por Marvin Minsky, em 1951. Embora nunca tenha executado qualquer funo
de processamento de informao interessante, o Snark serviu de inspirao para
trabalhos futuros.

Em 1956, durante a 1.a Conferncia Internacional de Inteligncia Artificial, foi


apresentado um modelo de Rede Neural Artificial pelo pesquisador Nathaniel
Rochester, da IBM (International Business Machines Corporation). Seu trabalho
consistia numa simulao de centenas de neurnios interconectados atravs da
construo de um sistema para verificar como a rede responderia aos estmulos
ambientais (Tafner et al., 1996).

Em 1958, Frank Rossenblatt, em seu livro Principles of Neurodynamics,


forneceu vrias idias a respeito dos Perceptrons, modelos de neurnios baseados nos
conceitos de McCulloch e Pitts (Loesch & Sari, 1996).

Em 1969, Marvin Minsky e Seymour Papert publicaram um livro chamado


Perceptron, onde resumiram e criticaram seriamente a pesquisa sobre Redes Neurais
Artificiais. Devido importncia e ao respeito que a comunidade cientfica tinha por
Minsky e Papert, uma retrao nos investimentos e programas de pesquisa para essa
tecnologia foi inevitvel.

Um perodo de pesquisa silenciosa seguiu-se, tempo em que poucos resultados


foram publicados. At que em 1982, o fsico e bilogo do Instituto de Tecnologia da
Califrnia John Hopfield deu um novo impulso s Redes Neurais Artificiais,
contestando, com sucesso, as teses matemticas de Minsky e Papert.

Rumelhart, Hinton e Willians forneceram a soluo para o at ento problema de


associao de padres, para conjuntos no separveis linearmente, a qual consistiu na
chamada Regra Delta Generalizada, tambm conhecida como Algoritmo de Correo e
Erros de Retropropagao (Backpropagation) para redes Perceptron de vrias camadas
de neurnios (Multilayer Perceptron - MLP).

Com o trabalho de Hopfield e com a criao do algoritmo Backpropagation para


o treinamento de redes com mltiplas camadas em 1986, por Rumelhart, Hinton e
41

Willians, as Redes Neurais Artificiais ganharam novamente credibilidade. Houve, em


termos de publicao, uma avalanche de trabalhos, o que deixou claro que as pesquisas
nunca pararam, pois nem todos esses trabalhos poderiam ter sido produzidos em to
pouco tempo (Rodrigues, 2002).

3.4 O NEURNIO ARTIFICIAL

Um neurnio a unidade de processamento de informao fundamental para a


operao de uma rede neural.

Segundo Haykin (1999), se faz necessrio identificar cinco elementos bsicos


do neurnio artificial: um conjunto de sinapses ou elos de conexo, um somador, um
limiar, uma funo de ativao e uma sada, os quais se encontram ilustrados na figura
3.1 e sero descritos posteriormente.

Figura 3.1: Modelo no-linear de um neurnio


Fonte: adaptado de Haykin (1994)

a) sinapses ou elos de conexo: caracterizadas por um peso (w), que


representa a sua intensidade. importante notar como so escritos os
ndices do peso wkj: o primeiro se refere ao neurnio em questo e o
segundo ao terminal de entrada da sinapse qual o peso se refere;
42

b) somatrio: tem a funo de somar os sinais de entrada, ponderados pelas


respectivas sinapses ou pesos do neurnio. A equao 3.1, mostrada a
seguir, representa este somatrio:

m
u k = wkj x j
(3.1);
j =1

em que:

wkj : pesos sinpticos do neurnio k;

xj : sinais de entrada; e

uk : sada do combinador linear devido aos sinais de entrada.

c) funo de ativao: tem a funo de restringir (limitar) o intervalo


permissvel de amplitude do sinal de sada a um valor finito. O intervalo
normalizado da amplitude de sada de um neurnio escrito como o
intervalo fechado [0,1] ou, alternativamente [1,1];

d) limiar: tem uma funo determinante na sada do neurnio. Se o valor de


uk for menor que este limiar, ento a sada do neurnio fica inibida, se for
maior, fica ativa;

e) bias: entrada adicional que pode ser acrescentada ao neurnio artificial,


de valor de entrada fixado em +1. Seu peso de conexo, w0j, ajustvel
como qualquer outro peso de conexo. Sua funo prover meios de
transladar o valor de limiar da funo de transferncia
(Loesh & Sari, 1996);

f) sada: denominada por yk. A equao 3.2, mostrada a seguir, propricia o


clculo do valor na sada do neurnio:

yk = (u k + bk ) (3.2);
43

em que:

yk: sinal de sada do neurnio k;

(.): funo de ativao;

uk: sada do combinador linear devido aos sinais de entrada.; e

bk: bias.

A equao 3.2 pode ser escrita ainda da seguinte forma:

k = u k + bk (3.3);

em que:

vk: potencial de ativao do neurnio k;

uk: sada do combinador linear devido aos sinais de entrada.; e

bk: bias.

De forma geral, a operao de um neurnio da rede se resume em:

a) sinais so apresentados entrada;

b) cada sinal multiplicado por um peso que indica sua influncia na sada
da unidade;

c) feita a soma ponderada dos sinais que produz um nvel de atividade.

d) se este nvel excede um limite (threshold) a unidade produz uma sada;

3.5 CARACTERSTICAS GERAIS DAS REDES NEURAIS ARTIFICIAIS

A habilidade de adaptao e aprendizagem pelo ambiente - tpica das RNA -


significa que modelos de redes neurais podem lidar com dados imprecisos e situaes
no totalmente definidas. Uma rede treinada de maneira razovel tem a habilidade de
44

generalizar quando apresentada s entradas que no esto presentes em dados j


conhecidos por ela.

O desenvolvimento de RNA tem ento, como objetivo, fornecer subsdios para


que o computador extraia caractersticas dos dados a partir de um conjunto de situaes
conhecidas e, desta forma, armazenar o conhecimento adquirido e aplic-lo em
situaes reais. Ou ainda, como lembra Tubb (1993), compreender o funcionamento do
crebro humano e, de alguma forma, reproduzi-lo, valendo-se de alguns benefcios:

a) habilidade de aprender com exemplos, objetivando aperfeioar seu


desempenho e se adaptar aos novos cenrios;

b) habilidade para tratar com rudos, isto , apesar da existncia de algumas


falhas no sistema, continuam oferecendo respostas adequadas por um
perodo significativo de tempo;

c) velocidades considerveis de processamento, considerando o grande


nmero de unidades de processamento operando de forma paralela.

Uma das caractersticas mais significativas das RNA a habilidade de aproximar


qualquer funo continua no linear, independente do nmero de variveis envolvidas.

Para esta dissertao, a rede neural utilizada foi a Multilayer Perceptron (MLP),
por apresentar, segundo a literatura especializada, caractersticas que favorecem
classificao de padres, como por exemplo a capacidade de aprender por meio de
exemplos para posterior generalizao. Portanto optou-se por se ater a ela sob o ponto
de vista do modo de funcionamento e de caractersticas especficas como: topologia ou
arquitetura da rede, funo de ativao e processos de aprendizagem.

3.6 PERCEPTRON MULTICAMADAS (MULTILAYER PERCEPTRON MLP)

3.6.1 Definio

A rede Perceptron Multicamadas formada por neurnios do tipo Perceptron


derivados do modelo de McCulloch e Pitts. A rede Perceptron constituda apenas de
duas camadas - a de entrada e a de sada - s capaz de classificar padres linearmente
45

separveis. Diante dessa dificuldade uma possvel aproximao seria usar mais que um
Perceptron: cada um deveria ser empregado para distinguir sees linearmente
separveis da entrada e ento combinariam suas sadas em outro Perceptron que poderia
produzir uma indicao final da classe a que a entrada correspondente pertence
(Brondino, 1999).

A rede MLP ento, arranja as unidades Perceptrons em camadas e passa a contar


com uma ou mais camadas intermedirias, nas quais cada unidade funciona como um
Perceptron, exceto pela funo de ativao que passa a ser a sigmoidal.

Usualmente as camadas so classificadas em trs grupos:

a) camada de entrada: onde os padres so apresentados rede;

b) camadas intermedirias ou ocultas: onde feita a maior parte do


processamento, atravs das conexes ponderadas. Podem ser
consideradas como extratoras de caractersticas;

c) camada de sada: onde o resultado final concludo e apresentado.

A figura 3.2, exibida a seguir, apresenta um esquema de uma Rede Neural


Artificial do tipo MLP:

Figura 3.2: Esquema de uma rede neural artificial com trs camadas
46

Para o treinamento dessas redes, normalmente utiliza-se o algoritmo


Backpropagation, desenvolvido por Rumelhart e colegas em 1986.

3.6.2 Funo de Ativao

As funes de ativao tm por finalidade transformar a entrada total recebida


por um neurnio em um estado ou sinal de ativao (Furtado, 1998).

Segundo Haykin (1994), o valor da ativao de um neurnio definido, pela


funo de ativao, de acordo com o nvel de atividade de entrada. As funes tpicas
trabalham com adio, comparao ou transformaes matemticas.

Um dos principais aspectos relacionados ao projeto das redes MLP diz respeito
funo de ativao a ser utilizada. Braga et al. (2000) afirma que esta funo deve ser
no-linear e diferencivel. A no linearidade atribuda ao fato de ter sido provado que
uma rede com mais de uma camada, cujos neurnios ou ns utilizam funes de
ativao lineares, equivalente a uma rede de uma s camada. A diferenciabilidade se
deve ao fato do gradiente poder ser calculado, direcionando o ajuste dos pesos.

A funo de ativao mais utilizada nas redes MLP a sigmoidal logstica que
no linear, crescente e diferencivel, conforme figura 3.2. Vale ressaltar que a
linearidade da funo sigmoidal suave, isto , esta funo diferencivel em qualquer
ponto.

Figura 3.3: Grficos da funo sigmoidal e da sua derivada.

O valor da funo sigmide determinado, de forma geral, conforme a equao


3.4., mostrada a seguir:
47

1
f (u ) =
1 + e u (3.4)

ou ainda, especificamente:

1
yk = ( k ) = (3.5)
1 + exp( a k )
em que:

a: parmetro que determina a inclinao da curva;

k: soma ponderada de todas as entradas sinpticas acrescentadas do


bias; e

yk: sada do neurnio k.

Os limites da funo podem variar entre 0 e 1 (unipolar) ou, em alguns casos,


entre 1 e 1 (bipolar). Para este segundo caso, considera-se a funo assimtrica em
relao origem (Furtado, 1998).

3.6.3 A Arquitetura

A forma como os neurnios so organizados numa rede neural denominada


topologia ou arquitetura da rede. Essa arquitetura ir afetar o desempenho da rede bem
como as aplicaes para as quais ela desejada e sua estrutura est intimamente ligada
ao algoritmo de aprendizado usado para o seu treinamento (Raia Jr., 2000).

Normalmente as arquiteturas so classificadas em quatro tipos, de acordo com as


camadas consideradas: uma camada, multicamadas, recorrentes, entrelaadas
(Furtado, 1998).

Dentre as topologias, vale ressaltar a Multilayer Perceptron, que composta de


uma camada de entrada, uma ou mais camadas intermedirias e uma camada de sada.

As redes multicamadas, como a Multilayer Perceptron - MLP, so


caracterizadas pela presena de uma ou mais camadas intermedirias ou ocultas, onde se
localizam os neurnios cuja funo interferir entre o sinal externo e a sada.
48

Essas redes podem ser usadas como classificadoras: quando se utiliza apenas
uma camada oculta, a classificao das caractersticas acontece pela combinao de
retas, podendo assim implementar qualquer funo contnua, como ilustrado na figura
3.4.

Figura 3.4: Exemplo hipottico de classificao com separao, por uma reta, de duas
classes de padres no espao de caractersticas

No entanto, as redes MLP tambm podem tratar com dados que no so


linearmente separveis, isto , a classificao das caractersticas feita por intermdio
de regies convexas, abertas ou fechadas, sendo possvel aproximao de qualquer
funo, representada pela rede com duas ou mais camadas ocultas (Braga et al., 2000).

3.6.4 Processos de Aprendizagem

A caracterstica mais importante das Redes Neurais Artificiais a capacidade de


aprender a partir de exemplos. A aprendizagem ocorre quando a rede neural atinge uma
soluo generalizada para uma classe de problemas (Rodrigues, 2002).

A aprendizagem definida por Haykin (1999) como um processo pelo qual os


parmetros livres de uma rede neural so adaptados por meio de um processo de
estimulao pelo ambiente no qual a rede est inserida.

Determina-se o tipo de aprendizagem de acordo com a maneira pela qual os


parmetros so modificados na rede. Classificam-se os processos de aprendizagem
segundo dois critrios: os paradigmas de treinamento e as regras ou algoritmos de
aprendizagem (Furtado, 1998).
49

3.6.4.1 Paradigmas de Treinamento

De acordo com Furtado (1998), os paradigmas de treinamento determinam a


maneira como uma RNA se relaciona com seu ambiente, de modo que, a cada nova
iterao, a rede saiba ainda mais sobre o mesmo.

Para o caso das MLP, utiliza-se a aprendizagem supervisionada que se


caracteriza pelo fato de ser necessrio um agente externo que, embora no manipule os
pesos da RNA, os quais so determinados aleatoriamente, indicam rede qual a
resposta desejada para o padro de entrada. Neste tipo de aprendizagem apresentado
rede um conjunto de entradas acompanhadas de suas respectivas sadas. O objetivo
deste procedimento minimizar o sinal de erro, que uma funo da diferena entre a
sada desejada e aquela fornecida pela rede. Esta minimizao se d por meio do ajuste
dos pesos da rede.

3.6.4.2 Regras ou Algoritmo de Aprendizagem

O conjunto de regras bem definidas para a soluo de um problema de


aprendizagem denominado algoritmo de aprendizagem.

Essas regras tm a funo de determinar a maneira como se realizam os ajustes


de pesos. Para o caso das redes MLP, utilizado o aprendizado por correo e erro,
tambm chamado Regra Delta Generalizada, ou mais comumente Backpropagation, que
a extenso do mtodo do gradiente descendente para redes de mltiplas camadas.

O termo backpropagation surge do fato de que o algoritmo se baseia na


retropropagao dos erros para os ajustes de pesos das camadas intermedirias, isto ,
segundo Raia Jr. (2000), quando um padro apresentado rede pela primeira vez, esta
produz uma sada aleatria - a diferena entre esta sada e a desejada constitui o erro.

O objetivo do processo de treinamento a minimizao do valor do erro. Para tal


intuito, o valor dos pesos deve ser ajustado a cada nova iterao. O algoritmo
backpropagation proporciona o ajuste dos pesos na seguinte ordem: inicialmente so
ajustados os pesos da camada de sada e sucessivamente so ajustados os pesos das
camadas precedentes.
50

3.6.4.3 Funcionamento do Backpropagation

O backpropagation, como mencionado anteriormente, um algoritmo


supervisionado que utiliza pares de entrada e sada para, por meio de um mecanismo de
correo e erros, ajustar os pesos da rede, com vistas minimizao do erro. Este
algoritmo baseado na regra delta proposta por Widrow e Hoff, e por esta razo, tambm
denominado regra delta generalizada, prope uma forma de definir o erro dos neurnios
das camadas intermedirias e possibilita o ajuste de seus pesos, com utilizao do
mtodo do gradiente descendente (Braga et al., 2000).

O treinamento ocorre em duas fases denominadas: fase forward e fase


backward.

A fase forward utilizada para definir a sada da rede para um dado padro de
entrada. Esta fase composta pelas seguintes etapas:

a) a entrada apresentada primeira camada da rede, a camada C0 ;

b) para cada camada Ci a partir da camada de entrada:

- aps os neurnios da camada Ci (i >0) calcularem seus sinais de sada,


estes servem como entrada para a definio das sadas produzidas
pelos neurnios da camada Ci+1;

c) as sadas produzidas pelos neurnios da ltima camada so comparadas


s sadas desejadas.

A fase backward utiliza a sada desejada e a sada fornecida pela rede para
atualizar os pesos de suas conexes, parte da ltima camada at chegar camada de
entrada e composta pelas etapas listadas a seguir:

a) os neurnios da camada atual ajustam seus pesos de forma a reduzir os


seus erros;

b) o erro de um neurnio das camadas intermedirias calculado utilizando


os erros dos neurnios da camada seguinte conectados a ele, ponderados
pelos pesos das conexes entre eles.
51

O algoritmo backpropagation pois, que faz uso dessas duas fases, obedece
seqncia (Braga et al., 2000):

a) inicializar pesos e parmetros;

b) repetir at o erro ser mnimo ou at a realizao de um dado nmero de


ciclos:

- para cada padro de treinamento X:

definir sada da rede atravs da fase forward.

comparar as sadas produzidas com as sadas desejadas.

atualizar os pesos dos neurnios atravs da fase backward.

Vale ressaltar que, para auxiliar a atualizao dos pesos, so utilizados dois
parmetros importantes (Furtado, 1998):

a) o momento (), que aumenta a velocidade de aprendizado evitando


pontos de instabilidade onde ocorrem oscilaes dos pesos;

b) a taxa de aprendizagem (), que caracteriza o processo de


encaminhamento na superfcie de convergncia, ilustrada na figura 3.5,
exibida a seguir:

Figura 3.5: Exemplo de superfcie de erro


52

A atualizao dos pesos pode ocorrer de duas maneiras: aps a apresentao de


cada padro (por padro) ou aps a apresentao de todos os padres de treinamento
(por ciclo).

3.6.4.4 Dificuldades no Treinamento com o Backpropagation

O treinamento utilizando o algoritmo backpropagation apresenta algumas


dificuldades que sero comentadas a seguir:

A primeira a lentido da aprendizagem em superfcies complexas, devido


presena de mnimos locais para onde o algoritmo tende a convergir ao invs de
procurar um mnimo global que seria a sada correta.

A segunda a piora da capacidade de generalizao da rede, devido


memorizao dos padres de treinamento j apresentados isto , as peculiaridades e
rudos da rede. Este fenmeno denominado overfitting. Isto ocorre quando, aps um
certo ciclo de treinamento, a rede em vez de melhorar, piora a sua taxa de acertos para
padres diferentes daqueles utilizados para o ajuste dos pesos.

Para evitar os problemas descritos acima, Braga et al., (2000) recomenda


cuidado na alocao do nmero de neurnios da camada intermediria, de modo que
sejam suficientes para a soluo do problema de reconhecimento de padres.

3.6.5 Consideraes Sobre os Experimentos que Utilizam Redes Neurais Artificiais

Os experimentos com as RNA so conduzidos com base em padres definidos


para os procedimentos de teste e documentao dos resultados, com o objetivo de
assegurar a validade dos resultados.

Atualmente, nos experimentos de RNA, utilizam-se os procedimentos de


partio dos subconjuntos de treinamento validao e teste; adotados no padro
estabelecido por Pretchelt (Furtado, 1998).

A seguir tecem-se algumas consideraes sobre trs aspectos importantes:

a) o primeiro deles consiste na partio dos dados segundo a qual o conjunto


de dados deve ser dividido nos seguintes subconjuntos:
53

- o subconjunto de treinamento, composto pelos dados de validao e de


treinamento - este ltimo o responsvel pela aprendizagem da rede a
partir dos exemplos apresentados;

- o subconjunto dos dados de validao, cujo objetivo verificar os


nveis de aprendizagem durante o processo de treinamento, servindo
tambm para avaliar a qualidade da rede durante o processo de
validao cruzada (Furtado, 1998);

- o subconjunto dos dados de teste utilizado para medir os nveis de


acerto das RNA, utilizando-se para isto, exemplos que no foram
vistos anteriormente pela rede.

Para a execuo do procedimento concernente aos experimentos com as


RNA, esses subconjuntos so divididos da seguinte forma: representando
os subconjuntos de treinamento, validao e teste respectivamente: 50%,
25% e 25% dos casos considerados.

Vale ressaltar que no existe um nmero mnimo de casos estabelecido


para se aplicar a tcnica das Redes Neurais Artificiais. No entanto,
necessrio que o conjunto dos dados de treinamento possua os dois
extremos do intervalo de padres que se pretende estabelecer.

b) o segundo aspecto diz respeito otimizao da topologia da rede usando


a tcnica de prunning que consiste em eliminar pesos e neurnios
irrelevantes ou nulos, durante o processo de aprendizagem.

c) O terceiro e ltimo aspecto est relacionado com a margem de erro a ser


considerada na aprendizagem e que definida em funo da preciso que
se deseja obter no reconhecimento dos padres observados, isto , a
funo de custo a ser minimizada. No entanto, segundo Furtado (1998),
no se deve buscar um erro zero pois, para este caso, a rede poderia
perder a capacidade para generalizar. A medida de erro mais comum
definida pela soma dos erros quadrticos e representada pela equao 3.6:
54

k
1
E = (d ip yip ) 2 (3.6)
2 p i =1
em que:

E: medida de erro total;

p: nmero de padres;

k: nmero de unidades de sada;

di: i-sima sada desejada; e

yi: i-sima sada gerada pela rede.

Esta equao define o erro total cometido pela rede, ou a quantidade em que,
para todos os padres p de um dado conjunto, as sadas geradas pela rede diferem das
sadas desejadas (Braga et al., 2000).

3.7 RNA NA REA DE INFRA-ESTRUTURA DE TRANSPORTES

Conforme disponvel na literatura, foram identificadas aplicaes da tcnica das


Redes Neurais Artificiais rea de infra-estrutura de transportes, as quais obtiveram
resultados satisfatrios. Dentre essas aplicaes, destacam-se aes relacionadas aos
processos construtivos em vias, nelas includas a preparao de superfcies, as pesquisas
sobre novos materiais e sistemas de gerncia de pavimentos, das quais algumas se
encontram descritas a seguir:

Dougherthy, (1995) expe em seu trabalho um estudo da arte relativo s


aplicaes das Redes Neurais Artificiais na rea de transportes. Neste estudo, o autor
salienta a importncia das redes Multilayer Perceptron e conclui serem elas, juntamente
com o algoritmo backpropagation, os mais utilizados nas pesquisas em transportes, com
a obteno de bons resultados.

Brega (1996) demonstrou que RNA so capazes de avaliar as condies de


pavimentos e indicar quais intervenes devem ser empreendidas. O autor obteve, como
resultado, a classificao da condio pavimento em cinco categorias: pssimo, ruim,
regular, bom, timo; alm de mostrar o tipo de restaurao a ser empreendida.
55

Cassa e Cunha Neto (1996) demonstraram ser possvel a utilizao da tcnica


das Redes Neurais Artificiais para prever o comportamento mecnico dos materiais
usados em pavimentao a partir de algumas suas propriedades, especificamente a
resistncia compresso do concreto e a resistncia flexo da pasta de cimento
comum.

Rodgher et al. (1997) realizaram um estudo para prever a classe MCT


(Miniatura Compactado Tropical) dos solos em regies tropicais, por meio das RNAs.
Concluram que a partir de algumas propriedades dos materiais, as Redes Neurais
Artificiais so capazes de prever a sua classificao MCT.

Rodgher & Oda (1997) realizaram um trabalho que trata da previso de defeitos
em estradas por meio da utilizao das RNA com base em caractersticas geotcnicas,
climticas, geomtricas e de trfego. Esse artigo, inclusive, despertou a investigao
referente presente dissertao de mestrado. As autoras obtiveram como resultado, um
desempenho de 88% e concluram que as Redes Neurais Artificiais tm potencial de
aplicabilidade na previso de defeitos em estradas no-pavimentadas.

Rodgher et al. (1998) apresentaram um trabalho que utilizou as Redes Neurais


Artificiais para prever a seleo das atividades de manuteno e reabilitao de estradas
no-pavimentadas. Este trabalho foi uma complementao do anterior, ao adicionar o
critrio atividades de manuteno. As autoras concluram pelo reconhecimento
promissor das Redes Neurais para fins da classificao de padres.

Coutinho Neto (2000) demonstrou ser possvel se fazer retroanlise de


pavimentos flexveis utilizando a tcnica das Redes Neurais Artificiais. O autor
comparou os valores dos mdulos resilientes previstos com valores considerados reais
(obtidos com o programa de anlise mecanstica ELSYM5), obtendo um bom
desempenho e concluiu serem as Redes Neurais Artificiais ferramentas promissoras
para se utilizar nos procedimentos de retroanlise de pavimentos flexveis de duas, trs e
quatro camadas.

O bom desempenho das Redes Neurais Artificiais reconhecido no seriado de


trabalhos na rea de transportes consultados bem como o propsito de um mtodo de
previso de defeitos em estradas no-pavimentadas aliado ao perfil e natureza dos
56

dados subjacentes ao mtodo conduziram utilizao da tcnica das redes neurais neste
estudo.

3.8 CONSIDERAES FINAIS

Diante das inferncias feitas neste captulo e, particularmente, das aplicaes


desenvolvidas na rea de transportes, observa-se que as Redes Neurais Artificiais se
concretizam em uma importante ferramenta para auxiliar o processo decisrio.

Uma grande vantagem da aplicao dessa tcnica a sua adaptabilidade, a dizer,


a possibilidade de ser incorporada s tecnologias existentes na rea de infra-estrutura de
transportes.

Este captulo encerra a reviso bibliogrfica referente aos pontos temticos


nucleares desta dissertao: Estradas Vicinais de Terra e Redes Neurais Artificiais.
A seguir, ser apresentado o captulo referente ao MTODO desenvolvido, utilizando a
tcnica das Redes Neurais Artificiais para a previso dos defeitos em estradas de terra,
a partir da relao existente entre esses e os atributos selecionados: tipo de solo, clima,
topografia, trfego e ausncia ou presena de sistemas de drenagem.
57

CAPTULO 4

O MTODO

Neste captulo apresenta-se o MTODO desenvolvido para a previso dos


defeitos em estradas vicinais de terra. O presente MTODO utiliza-se da tcnica das
Redes Neurais Artificiais e est baseado nas intrnsecas relaes entre os defeitos
presentes nas vias no-pavimentadas e os j referidos atributos pr-selecionados:
topografia, clima, trfego, tipo de solo e sistemas de drenagem.

O captulo encontra-se subdividido em trs etapas: a inicial trata do Primeiro


Procedimento Experimental que diz respeito coleta dos dados em campo e aos ensaios
de laboratrio (Anlise Granulomtrica e Limites de Atteberg); a etapa intermediria
aborda o Segundo Procedimento Experimental que diz respeito ao tratamento dos dados
coletados e posterior aplicao da tcnica das Redes Neurais Artificiais e, por fim, a
ltima etapa consiste do desenvolvimento da Interface de Aplicao resultante dos
procedimentos anteriores.

4.1 CONSIDERAES INICIAIS

Neste captulo apresentado o MTODO que se prope a utilizar a tcnica das


Redes Neurais Artificiais para estruturar e avaliar um modelo de previso dos defeitos
em estradas vicinais no-pavimentadas do municpio de Aquiraz/CE, com fim de
identificar os trechos crticos com a prioridade de interveno para proporcionar uma
melhor alocao dos recursos financeiros disponveis.

A grande dificuldade de obteno dos dados necessrios estruturao do


modelo atinentes caracterizao da malha rodoviria no pavimentada do Estado do
Cear conduziu a escolha das estradas da Regio Metropolitana de Fortaleza, em favor,
inclusive, da boa variabilidade de solos e da proximidade geogrfica.

Inicialmente foram percorridos cem quilmetros da malha rodoviria


no-pavimentada do municpio de Aquiraz/CE, a fim de se identificar um trecho
representativo para se desenvolver o estudo de caso. A seguir, foram selecionadas trs
estradas, perfazendo um total de dez quilmetros dentre os cem percorridos
58

inicialmente, a cada uma das quais foi atribuda uma denominao, a saber: AQZ 01,
AQZ 02 e AQZ 03.

Para a concepo deste modelo de RNA, durante o Primeiro Procedimento


Experimental, foram identificados, quantificados e priorizados atributos tidos como
relevantes no processo de surgimento e agravamento dos defeitos em estradas de terra
tais como: rampa, seo transversal, drenagem, tipo de solo, clima e trfego. Alm
disso, as estradas selecionadas foram avaliadas, quanto ao tipo e graus de severidade
dos defeitos descritos no captulo dois.

Aps a coleta dos dados necessrios alimentao do modelo de Rede Neural


Artificial proposto, foi realizada, como parte integrante do Segundo Procedimento
Experimental, a aplicao propriamente dita da tcnica, isto , a execuo das etapas de
treinamento, validao e teste, a fim de se constatar a viabilidade da mesma.

Por fim, com o intuito de tornar mais efetivo o uso das RNA, desenvolveu-se
uma interface no software Microsoft Excel 2000 com base no modelo de Rede Neural
Artificial que obteve melhor desempenho para o problema proposto: a previso dos
defeitos em estradas vicinais de terra.

Este captulo encontra-se dividido em trs partes que so: o Primeiro


Procedimento Experimental, o Segundo Procedimento Experimental e o
desenvolvimento da Interface de Aplicao, descritos a seguir.

4.2 PRIMEIRO PROCEDIMENTO EXPERIMENTAL

Este primeiro segmento do MTODO proposto consistiu, basicamente, no


levantamento dos dados necessrios alimentao do modelo a ser estruturado para a
previso dos defeitos em estradas de terra da regio. O processo englobou as seguintes
etapas:

a) o levantamento topogrfico de 10 Km de estradas, que corresponde a


10% do total de 100 Km percorridos no municpio de Aquiraz, que detm
na sua totalidade 164 Km de estradas no-pavimentadas (IPLANCE,
2001). Este levantamento, ilustrado na figura 4.1 mostrada a seguir, foi
realizado com a utilizao dos seguintes equipamentos: uma Estao
59

Total, TOPCON, modelo GTS 229, pertencente ao Departamento de


Engenharia Hidrulica e Ambiental da UFC e uma mquina fotogrfica
digital Sony, pertencente ao Ncleo de Pesquisa e Ensino em Logstica,
Transportes e Desenvolvimento - NUPELTD, UFC;

Figura 4.1: Levantamento topogrfico

b) a avaliao dos 10 Km levantados topograficamente, com a escolha de


trs estradas nas quais foram identificados e quantificados os tipos de
defeitos existentes baseado no mtodo de avaliao de estradas
no-pavimentadas desenvolvido por Eaton et al. (1987 a,b) e nas
observaes feitas por Fontenele (2001);

c) os ensaios laboratoriais de anlise granulomtrica e limites de Atteberg,


executados no Laboratrio de Mecnica dos Solos da Universidade
Federal do Cear, com utilizao das amostras de solo coletadas em cada
uma das 300 unidades amostrais, de comprimentos de 20 e 30 metros,
escolhidas do trecho em estudo;

d) contagem manual do trfego existente no local, munindo-se de uma folha


padro de anotao de volumes e classificao dos veculos.

O levantamento topogrfico permitiu, com o uso do software AUTOCAD 2002,


a obteno do perfil longitudinal e as sees transversais do terreno, por meio dos quais
60

obtiveram-se respectivamente os valores de rampa e as sees transversais, traadas de


metro em metro, para cada uma das unidades amostrais selecionadas.

De posse do perfil longitudinal, dividiu-se as trs estradas em 300 unidades


amostrais, a fim de se identificar os defeitos existentes na superfcie de rolamento
dessas vias durante os perodos: seco (de junho a janeiro) e chuvoso (de fevereiro a
maio), de acordo com a planilha exibida a seguir que fornece tambm os dados de
drenagem.

As figuras 4.2 e 4.3 ilustram a folha de inspeo dos defeitos utilizada nesta
pesquisa que foi adaptada de Fontenele (2001).

Figura 4.2: Folha individual para inspeo de defeitos utilizada frente


61

Figura 4.3: Folha individual para inspeo de defeitos utilizada verso

Os defeitos presentes nas vias do trecho em estudo foram identificados e


quantificados, com a utilizao da planilha exibida nas figuras 4.2 e 4.3 para cada
unidade amostral selecionada, de um total de dez quilmetros levantados
topograficamente.

Os defeitos identificados nas unidades amostrais avaliadas, de acordo com


Eaton et al. (1987 a,b) e com observaes feitas por Fontenele (2001), so os seguintes:
seo transversal inadequada, atoleiro, afundamento de trilhas de roda, buracos, areio,
eroso, ondulaes, segregao de agregados e poeira.
62

Aps a identificao e quantificao dos defeitos, foram coletados, de cada


unidade amostral escolhida, 2 kg de material adotando a seguinte metodologia:
inicialmente, cavou-se um buraco de trinta centmetros de profundidade com o auxlio
de um trado para, em seguida coletar-se em um saco plstico, o solo abaixo desse nvel.
Feito isto, o material coletado foi levado para anlise em laboratrio, para a aplicao
dos ensaios de granulometria, limites de liquidez e de plasticidade, com o objetivo de
posterior classificao geotcnica dos solos utilizando-se do sistema de classificao
HRB (Highway Research Board) que teve origem no Bureau of Public Roads (BPR) de
1929 e largamente aceito entre os organismos rodovirios em diversos pases no
mundo.

A ltima etapa executada no Primeiro Procedimento Experimental consistiu na


contagem manual do trfego local. O perodo de pesquisa se deu das sete s dezoito
horas, em dois momentos distintos: novembro de 2002 e janeiro de 2003. A localizao
do posto de coleta das informaes ficou situada no ponto de encontro das trs estradas,
o que possibilitou assim, uma melhor visibilidade do fenmeno. O modelo de folha de
coleta utilizada para anotao de volume e classificao dos veculos, de acordo com a
literatura especializada, est exposto na figura 4.4, em seguida:

FORMULRIO PARA CONTAGEM DE TRFEGO


LOCALIDADE: DATA: ESTRADA:

HORA CARROS TOPICS PICAPES CAMINHES NIBUS OUTROS

07:00h
s
12:00h

12:30
s
18:00

Figura 4.4: Folha individual para contagem de trfego

Vale ressaltar que durante a contagem manual de trfego no se verificou a


presena de caminhes que detivessem mais que dois eixos.

Por fim, o Primeiro Procedimento Experimental possibilitou a determinao dos


atributos anteriormente citados, relacionados direta ou indiretamente com o
63

aparecimento e graus de severidade dos defeitos existentes nas estradas vicinais de terra.
So eles:

a) rampa: so os valores de inclinao do terreno, obtidos diretamente do


perfil longitudinal resultante do levantamento topogrfico. Para esta
pesquisa, esses valores foram agrupados em trs intervalos: menores que
trs, entre trs e oito, e maiores que oito, representados, para posterior
utilizao no Segundo Procedimento Experimental, pelos nmeros
1, 2 e 3, respectivamente;

b) tipos de seco transversal: o tipo de seo transversal predominante na


unidade amostral. So obtidos do levantamento topogrfico e podem ser
classificados: em calha, mista e encaixada ou abaulada e encaixada,
representadas, para posterior utilizao no Segundo Procedimento
Experimental, pelos nmeros 1, 2 e 3, respectivamente;

Vale lembrar que durante a avaliao feita nas unidades amostrais


levantadas em campo com relao ao defeito STI, consideraram-se os
critrios definidos por Eaton et al. (1987a), na estao chuvosa, e as
observaes de Fontenele (2001), na estao seca. Esta escolha
favoreceu uma melhor visualizao do defeito avaliado j que os critrios
citados so anlogos.

c) sistemas de drenagem: durante a avaliao das unidades amostrais em


estudo, foi constatada uma precariedade dos sistemas de drenagem
presentes. Para o objeto deste trabalho, este item foi classificado em dois
nveis: ausente ou presente; representados, para posterior utilizao no
Segundo Procedimento Experimental, pelos nmeros 1 e 2,
respectivamente;

d) tipos de solo: a coleta de material feita em cada unidade amostral


escolhida para ser avaliada, e os conseqentes ensaios laboratoriais
executados, anlise granulomtrica e limites de Atteberg, possibilitaram a
classificao dos solos encontrados pelo sistema HRB em duas grandes
classes: solos granulares, os quais possuem comportamento geral como
64

subleito de excelente a bom, representado pelo nmero 1; e solos


argilosos e siltosos, com comportamento de regular a mau, representado
pelo nmero 2, para posterior utilizao no Segundo Procedimento
Experimental;

e) clima: classificado em duas classes: chuva ou sol, representados, para


posterior utilizao no Segundo Procedimento Experimental, pelos
nmeros 1 e 2, respectivamente;

f) trfego: como este estudo trata de vias de baixo volume de trfego, o


nmero de veculos em cada estrada avaliada permanece pouco alterado,
portanto, optou-se por classificar o trfego em trs categorias: leve, misto
e pesado, representadas, para posterior utilizao no Segundo
Procedimento Experimental pelos nmeros 1, 2 e 3 respectivamente,
conforme as percentagens de veculos leves e pesados que operam nas
estradas em estudo. Este procedimento foi adotado devido ao fato de que
o volume mdio dirio (VDM) do trfego nestas estradas, ser bastante
semelhantes , quanto ao nmero, mas no quanto ao tipo de veculos, fato
que foi constatado durante a contagem manual realizada in situ.

Os atributos descritos acima foram posteriormente utilizados no Segundo


Procedimento Experimental como variveis de entrada do modelo proposto e esto
intimamente relacionados com os defeitos identificados nas unidades amostrais
avaliadas, estes, utilizados como variveis de sada.

4.3 SEGUNDO PROCEDIMENTO EXPERIMENTAL

Aps a obteno dos dados, por meio da execuo das etapas do Primeiro
Procedimento Experimental, descritas anteriormente, este segundo segmento do
MTODO proposto consistiu de cinco fases descritas a seguir:

4.3.1 Ordenao das Variveis de Entrada e Sada

Com o objetivo de se utilizar os dados coletados como variveis de um modelo


de Rede Neural Artificial, uma primeira providncia fez-se necessria: a verificao da
existncia de qualquer relao entre os padres de entrada com os que se deseja estimar.
65

Para este estudo, o processo se deu pela observao do contexto do modelo de


previso proposto, identificao dos seus atributos gerais e pelo estabelecimento da
relao dos mesmos com os indicadores de ordenamento de alternativas para o
problema em questo.

Nestas condies, foram consideradas as seguintes:

a) variveis de entrada: foram definidas partindo da premissa defendida por


Santos et al. (1988), de que os problemas (ou defeitos) mais comuns em
estradas de terra tm como causas principais: a falta de capacidade de
suporte do subleito, o mau-desempenho da superfcie de rolamento e a
deficincia do sistema de drenagem. So elas: trfego, drenagem, clima,
tipo de seo transversal, tipo de solo e valores de rampa;

b) variveis de sada: determinadas com base em Eaton et al. (1987a),


ODA (1995) e Fontenele (2001), foram colocadas por ordem crescente de
prejuzo na via e so as seguintes: poeira (PO), segregao de agregados
(SAGR), ondulaes (OND), eroso (ERO), areio (AR), buracos (BU),
afundamento de trilhas de roda (ATR), seo transversal inadequada
(STI) e atoleiro (ATOL).

4.3.3 Definio de Topologias e Parmetros para as Redes Neurais Artificiais

Um importante passo para a proposio de uma RNA estabelecer a arquitetura


da Rede Neural Artificial que ser testada e definir o simulador a ser utilizado. Para este
trabalho optou-se pelas redes Multilayer Percerptron (MLP), devido a sua freqente
utilizao nos problemas de classificao de padres na rea de transportes, o que ficou
evidenciado na seo 3.7 que trata das aplicaes da tcnica das RNA na rea de
infra-estrutura de transportes.

Nesta fase do Segundo Procedimento Experimental foram propostas vrias


classes topolgicas de RNA, com variaes, num primeiro momento, na definio das
variveis e, posteriomente, na disposio das estruturas das camadas de entrada,
intermediria e sada.
66

4.3.3 Consideraes Sobre o Simulador Utilizado: EASY NN PLUS

Para a simulao foi usado o programa Easy NN Plus (Wostenholme, 2001),


por: apresentar uma boa interface grfica; suportar boa quantidade de variveis de
entrada e sada e ter baixo custo.

As RNA utilizadas neste software so do tipo Multilayer Perceptron, treinadas


com o algoritmo backpropagation e requerem a curva sigmide como funo de
ativao.

Alguns dos resultados gerados por este simulador encontram-se citados a seguir:

a) um arquivo, tipo texto, contendo todos os resultados do conjunto de


validao e teste, inclusive as variveis de entrada e sada previstas pela
rede;

b) os pesos das conexes entre os neurnios; e

c) um grfico no qual esto expostos os graus de importncia de cada


varivel de entrada.

4.3.4 Verificao do Nvel de Confiabilidade da Rede e Definio dos Parmetros


de Corte

O nvel de confiabilidade das Redes Neurais Artificiais verificado


utilizando-se o percentual de acerto e o erro mdio observados.

Os parmetros de corte podem mostrar em que nveis as redes testadas podem


ser consideradas satisfatrias nas atividades de reconhecimento de padres
(Furtado, 1998).

A partir do percentual de acerto, que ser determinado conforme a preciso que


se quer atingir no reconhecimento de padres, ser feita a verificao do erro mdio
observado durante a aprendizagem. As redes que apresentarem os menores erros sero
consideradas viveis. O erro mdio calculado, segundo Furtado (1998), a partir da
mdia aritmtica dos erros que efetivamente correspondem ao percentual de acerto.
67

4.3.5 Treinamento, Validao e Teste

Esta etapa composta dos procedimentos a serem executados para a


aprendizagem da RNA, por meio da simulao que envolve o treinamento, a validao e
o teste.

4.3.5.1 Formao das Parties de Treinamento, Validao e Teste

Uma vez definidos os conjuntos de dados, os mesmos devem ser divididos, de


forma aleatria, em trs diferentes parties destinadas a cada uma das trs fases do
modelo de RNA e que so as seguintes:

a) treinamento: 50% dos casos considerados;

b) validao: 25% dos casos considerados;

c) teste: 25% dos casos considerados.

Dentro de cada uma das trs parties (P), deve-se fazer seis sub-parties (SBP)
possveis caracterizadas da seguinte forma:

a) P 01 SBP 01 treinamento (50%), validao (25%) e teste (25%);

b) P 01 SBP 02 treinamento (50%), teste (25%), validao (25%);

c) P 01 SBP 03 validao (25%), treinamento (50%), e teste (25%);

d) P 01 SBP 04 validao (25%), teste (25%) e treinamento (50%);

e) P 01 SBP 05 teste (25%), validao (25%) e treinamento (50%);

f) P 01 SBP 06 teste (25%), treinamento (50%) e validao (25%).

Obtiveram-se ento, para esta dissertao, 18 (dezoito) redes para cada um dos
dois tipos bsicos de topologia propostas: 6 X 9 e 6 X 27. A ttulo de
esclarecimento, a letra X significa que a camada intermediria foi testada com
nmero variado de neurnios.
68

4.3.5.2 Parmetros de Controle da Aprendizagem

Os parmetros variveis de aprendizagem so:

a) o nmero de neurnios ocultos (m): no h uma regra especfica para


determin-lo;

b) a taxa de aprendizagem (): indica o quo suave se d a atualizao dos


pesos;

c) o mometum (): acelera o treinamento em regies planas da superfcie de


erro.

De acordo com a determinao dos pesos iniciais e o encaminhamento na


superfcie de erros, esses parmetros vo sendo modificados de modo a rastrear a
superfcie, onde o momentum representa a direo e a taxa de aprendizagem representa
o tamanho do passo, na procura do ponto mnimo global.

A tabela 4.1 lista os parmetros variveis de uma MLP.

Tabela 4.1: Lista dos parmetros variveis num modelo MLP


Parmetro Smbolo Intervalo Tpico

No de neurnios ocultos M (2,)

Taxa de Aprendizagem (0,1)

Momentum (0,1)

Fonte: HAYKIN (2001)

4.3.5.3 Critrios para a Escolha do Melhor Modelo de RNA Treinado

Dois critrios foram usados para definir qual o modelo de RNA mais adequado
para o objetivo deste trabalho:o erro quadrtico mdio amostral (EQM) e o coeficiente
de determinao (r2) no conjunto de dados de validao.

Para este trabalho, o parmetro usado como indicador da performance do


modelo de RNA foi o erro quadrtico mdio amostral (equao 4.1) pois, quanto menor
este erro no conjunto de validao, melhor a arquitetura de RNA a ele associada.
69

n
EQM = (d i yi ) 2 (4.1)
i =1

em que:

di: sada esperada no neurnio i;

yi: sada gerada pela RNA treinada no neurnio i; e

n: nmero de eventos.

Para se analisar at que ponto os valores estimados pelo modelo de RNA


escolhido esto relacionados com os valores reais, fez-se uso do coeficiente de
determinao (r2), medida estatstica associada disperso dos pontos ao redor da reta
de regresso, calculada cumprindo-se as seguintes etapas:
Primeiramente calcula-se o erro padro da estimativa (Se) para medir a disperso
na populao, neste caso, os valores de validao, reais (esperados) e observados
(gerados pelo modelo de RNA treinado), em relao reta de regresso (equao 4.2).

(d i yi ) 2
(4.2)
Se = i =1
(n 2)

em que:

Se: erro padro da estimativa;

di: sada esperada no neurnio i;

yi: sada gerada pelo modelo de RNA treinado no neurnio i; e

n: nmero de eventos.

Em seguida, calcula-se a varincia dos valores observados (Sy) para se observar a


sua tendncia em relao reta de regresso (equao 4.3).
70

2
n
yi
n 2 i=1
n yi
n
S y2 = i=1 (4.3)
(n 2)
em que:

(Sy)2: varincia dos valores observados;

yi: sada gerada pelo modelo de RNA treinado no neurnio i; e

n: nmero de eventos.

Por fim, o valor do coeficiente de determinao (r2) calculado (equao 4.4):

S y2 S e2 ( se ) 2
r =
2
= 1 (4.3)
S y2 (s y )2
em que:

(Se)2: erro padro da estimativa; e

(Sy)2: varincia dos valores observados.

4.4 DEFINIO DA INTERFACE DE APLICAO

Devido ao fato da tcnica utilizada neste trabalho possuir elementos que


dificultariam a sua utilizao por uma comunidade de usurios menos habituados com
os mesmos, se fez necessrio o uso de uma Interface de Aplicao.

Optou-se, para esta pesquisa, por simular o comportamento da RNA melhor


estruturada por meio de uma interface desenvolvida no software Microsoft Excel 2000,
planilha eletrnica de operao bastante difundida.

Para se replicar uma RNA treinada em planilha eletrnica, se faz necessrio a


considerao dos seguintes dados: funo de ativao utilizada pelo simulador,
71

arquitetura da rede associada e valores dos pesos das conexes entre ns e dos bias
associados a cada n.

De posse desses dados, parte-se para a replicao do modelo treinado e validado,


obedecendo sua arquitetura, isto o nmero de neurnios presentes em cada camada.
Convm destacar que a formulao matemtica da funo de ativao para as Redes
Neurais Artificiais do tipo MLP foi mostrada no captulo trs e os pesos das conexes
foram calculados aleatoriamente e fornecidos pelo software Easy NN.

Posto isto, a inteligncia da planilha eletrnica estar inspirada


matematicamente no funcionamento uma Rede Neural Artificial treinada, em
conformidade com os passos descritos no captulo trs.

4.5 CONSIDERAES FINAIS

O MTODO desenvolvido nesta dissertao composto de duas etapas


inter-relacionadas, intituladas: Primeiro Procedimento Experimental e Segundo
Procedimento Experimental.

Convm destacar que o MTODO pode ser aplicado a qualquer localidade onde
haja malha viria no-pavimentada, desde que sejam respeitadas as especificidades de
cada regio de aplicao.

O desenvolvimento de uma Interface de Aplicao se deve inteno de tornar


mais efetivo o uso da tcnica das Redes Neurais Artificiais e de alcanar uma parcela
maior de usurios no especializados com vistas a auxiliar a tomada de deciso em
relao s intervenes a serem executadas em estradas vicinais de terra.

As inferncias sobre o detalhamento do MTODO desenvolvido nesta


dissertao, feitas neste captulo, alm de fornecer ao leitor uma noo exata dos
procedimentos executados em todas as etapas, possibilita um melhor acompanhamento
da aplicao do mesmo ao estudo de caso realizado no municpio de Aquiraz/CE,
assunto a ser tratado no prximo captulo.
72

CAPTULO 5

ESTUDO DE CASO

Este captulo trata da aplicao do MTODO desenvolvido ao estudo de caso


que tem como objeto parte da malha viria no-pavimentada do municpio de
Aquiraz/CE.

Para a aplicao do MTODO, foram percorridos cem quilmetros da malha


rodoviria no-pavimentada do municpio de Aquiraz, de onde se selecionou dez
quilmetros representativos. O trecho escolhido composto por trs estradas
denominadas: AQZ_01, AQZ_02 e AQZ_03, as quais foram subdivididas em trezentas
unidades amostrais, com comprimentos de vinte e trinta metros, conforme descrito
anteriormente no captulo quatro.

Depois de subdividir o trecho escolhido em unidades amostrais, executou-se, de


acordo com o descrito no captulo quatro, as trs etapas subseqentes do MTODO.

A disposio dos trs tpicos abordados no presente captulo a seguinte:


inicialmente feita a caracterizao do municpio de Aquiraz, rea eleita para o estudo
de caso, incluindo aspectos da manuteno das estradas de terra no Estado do Cear.
Posteriormente seguem, em dois itens distintos, a descrio e anlise dos resultados
relativos aplicao do MTODO, sucessivamente obtidos da execuo do Primeiro
Procedimento Experimental, do Segundo Procedimento Experimental e do
desenvolvimento da Interface de Aplicao.

5.1 CONSIDERAES INICIAIS

O MTODO desenvolvido nesta dissertao se prope utilizar a tcnica das


Redes Neurais Artificiais para estruturar e avaliar um modelo de previso dos defeitos
em estradas vicinais no-pavimentadas do municpio de Aquiraz/CE, com fim de
identificar os trechos crticos com a prioridade de interveno para proporcionar uma
melhor alocao dos recursos financeiros disponveis.

Vale lembrar que a grande dificuldade de obteno dos dados necessrios


estruturao do modelo atinentes caracterizao da malha rodoviria no-pavimentada
73

do Estado do Cear conduziu a escolha das estradas da Regio Metropolitana de


Fortaleza, como rea de aplicao, em favor da boa variabilidade de solos e da
proximidade geogrfica.

5.2 CARACTERIZAO DO MUNICPIO DE AQUIRAZ

A rea escolhida para este estudo compreende algumas estradas vicinais de terra
do municpio de Aquiraz-CE, situado na figura 5.1. Este municpio situa-se na poro
nordeste do Estado do Cear, a uma distncia de 24,7 Km da Capital do Estado, est
geograficamente situado entre as coordenadas -3 54' 05'' de latitude sul e -38 23' 28''
de longitude oeste.

Figura 5.1: Mapa da Regio Metropolitana de Fortaleza


Fonte: adaptado de IPLANCE (2003)

Considerando a pluralidade de leitores e destinatrios da presente dissertao de


mestrado, optou-se por um maior detalhamento sobre a caracterizao do municpio de
Aquiraz/CE.
74

A figura 5.2, exibida a seguir, ilustra a diviso poltico-administrativa do


municpio de Aquiraz, com destaque para os seus distritos e localidades integrantes.

Figura 5.2: Mapa dos distritos de Aquiraz


Fonte: disponvel em www.cear.gov.br

A cidade tem uma altitude mdia de 14,23 m, com temperaturas mdias variando
entre 28oC e 36oC. O regime pluviomtrico caracteriza-se pelas irregularidades das
chuvas no tempo e no espao. Ocorrem, via de regra, chuvas concentradas entre os
meses de fevereiro a maio, mas que podem tambm se iniciar em dezembro.

De acordo com o censo realizado pelo IBGE em 1996 (IBGE, 2000), a


populao total do municpio era de 60.574 habitantes, distribudos numa rea de
471 Km2 em sete distritos, sem contar a Sede do municpio.

A economia de Aquiraz possui uma rede variada de atividades como por


exemplo a agricultura e a agroindstria, com destaque produo de caju, coco,
cana-de-acar e mandioca; conservas e sucos de caju, frutas, e hortalias, alm do
beneficiamento da rapadura e fbrica de aguardentes. Merece referncia tambm a
criao de bovinos, sunos e eqinos, assim como o setor avcola.

O setor industrial vem apresentando um razovel crescimento no tocante ao


nmero de empresas. A quase totalidade dessas empresas enquadra-se na categoria
indstria de transformao, alm do ramo da construo civil e do ramo de extrativo
75

mineral. A partir de 1996, duas novas indstrias instalaram-se no municpio, a White


Stone do Brasil S/A e a Indstria de Bebidas Antrctica do Cear S/A. A White Stone
tem como linha de produo a extrao, beneficiamento e comercializao de granito e
outras pedras ornamentais, oriundas de jazidas prprias ou de terceiros. A Indstria de
Bebidas Antrctica (hoje AMBEV) instalou-se em dezembro de 1997.

O segmento do comrcio tem predominncia no setor tercirio do municpio de


Aquiraz. So fortes os vnculos mercantis com a cidade de Fortaleza, para onde escoa a
produo agrcola e artigos industrializados locais, atravs da malha municipal por onde
so conduzidos at as suas principais vias de acesso (figura 5.3), alm de importar da
Capital, produtos manufaturados, dentre os quais cabe destacar os produtos de gnero
alimentcios, artigos de vesturio, material para construo em geral e veculos, peas e
acessrios.

Figura 5.3: Aquiraz - vias de acesso


Fonte: disponvel em www.cear.gov.br

Quanto ao tipo de solo especificamente das estradas englobadas neste trabalho a


regio predominantemente caracterizada pela chamada Formao Barreiras, que
consiste em sedimentos areno-argilosos, de colorao avermelhada, creme ou
amarelada, muitas vezes de aspecto mosqueado, com granulao variando de fina a
mdia. A figura 5.4, em seguida, mostra a distribuio pedolgica dos solos na Regio
Metropolitana de Fortaleza.
76

Figura 5.4: Distribuio pedolgica dos solos na RMF


Fonte: adaptado de Brando (1998)

Quanto formao pedolgica, destacam-se as areias quartzsas distrficas que


por vezes, esto associadas a areias marinhas e solos podzlicos vermelho-amarelos,
ambos distrficos, os quais se desenvolveram a partir dos sedimentos da Formao
Barreiras como descritas na tabela 5.1 (Colares, 1996).

Tabela 5.1: Solos predominantes no municpio de Aquiraz

Tipo de Solo Descrio

Areia Quatzosas Distrficas Solos profundos a muito profundos,


excessivamente drenados, fortemente cidos,
com baixos teores de argila (menos de 15 %) e
colorao variando de vermelha at branca,
sendo freqentes as tonalidades amareladas.
Tm baixa fertilidade natural e textura
arenosa.
Podzlicos Vermelho-Amarelos Distrficos Solos profundos ou medianamente profundos,
geralmente bem drenados (exceto os de carter
plntico), cidos, porosos e de textura variando
de mdio a argilosa. Exibe colorao variada,
indo desde tonalidades vermelho-amareladas
at bruno-acinzentadas.

Fonte: COLARES (1988)

5.2.1 Como Feita a Manuteno das Estradas No-Pavimentadas

Com o objetivo de evidenciar as deficincias referentes manuteno das


estradas de terra no municpio de aquiraz, este subitem trata dos dados referentes ao
77

processo de manuteno de estradas no Estado do Cear, o que tornar perceptvel a


grande carncia existente na rea.Vale ressaltar que as informaes presentes neste
subitem foram coletadas junto ao Departamento de Edificaes, Rodovias e
Transportes-DERT.

O DERT encontra-se subdividido em dez distritos operacionais, compostos em


mdia por dezoito municpios em cada jurisdio. So eles: Maranguape, Aracoiaba,
Itapipoca, Limoeiro do Norte, Santa Quitria, Quixeramobim, Sobral, Crates, Iguatu e
Crato.

O DERT, por meio dos seus dez distritos, gerencia as rodovias estaduais
pavimentadas contidas no Cear, as quais compreendem 3.576 Km de um total de
8.762 Km de estradas estaduais, atravs do seu Sistema Integrado de Gesto da
Manuteno SIGMA, o qual auxilia na tomada de deciso no que diz respeito aos
trechos prioritrios interveno.

No que concerne s estradas no-pavimentadas, o DERT somente se


responsabiliza pela malha estadual, num total de 5.150 Km, nas quais a manuteno
consiste nas seguintes intervenes feitas duas vezes por ano:

a) passagem de motoniveladora (patrol) com adio de material;

b) passagem de patrol para nivelamento sem adio de material;

d) a verificao dos bueiros, que consiste em observar se esto entupidos ou


se h alguma ferragem exposta.

Apesar de no ser feito nenhum tipo de levantamento de defeitos, os mais


comuns como buracos, corrugaes e trilhas de rodas, so corrigidos somente com a o
trabalho da motoniveladora.

Quanto s estradas municipais, compreendendo 38.553 Km, dos quais


38.180 Km encontram-se no-pavimentados, estas esto na jurisdio das respectivas
prefeituras municipais e a sua manuteno, quando existente, se d por fora de
eventual contrato firmado entre a respectiva prefeitura e o DERT.
78

A interveno do DERT nas estradas municipais, desprovida de mtodo, feita


em carter emergencial.

Figura 2.8: Estrada aps passagem motoniveladora

5.3 RESULTADOS OBTIDOS

5.3.1 Resultados Obtidos no Primeiro Procedimento Experimental

5.3.1.1 Trecho em Estudo: Consideraes Iniciais

O trecho escolhido para ser objeto deste estudo foi um conjunto de trs estradas
vicinais de terra, que foram denominadas AQZ_01, AQZ_02 e AQZ_03, perfazendo um
total de dez quilmetros levantados topograficamente, de um total de 100 (cem) km
percorridos na malha rodoviria de Aquiraz, a qual possui aproximadamente
164 quilmetros de estradas vicinais no-pavimentadas.

As estradas em estudo encontram-se descritas a seguir:

a) AQZ_01: tem incio no trevo que dista trs quilmetros da BR-116,


corresponde a dois quilmetros de estrada levantados topograficamente,
com trmino na localidade de Russega. Observou-se que o seu perfil
longitudinal, ilustrado na figura 5.5, apresenta, de modo geral, valores
de rampa suaves (< 3%) com pouca ocorrncia de valores mdios (entre
3 e 8%);
79

Figura 5.5: Perfil longitudinal da estrada AQZ_01

b) AQZ_02: tem incio na BR-116, corresponde a trs quilmetros de


estrada levantados topograficamente. Nesta estrada, observou-se que o
perfil longitudinal, ilustrado na figura 5.6, apresenta, os valores de
rampas distribudos entre valores suaves (< 3%) e valores mdios (entre
3 e 8%);

Figura 5.6: Perfil longitudinal da estrada AQZ_02

c) AQZ_03: tem incio no trevo, que dista trs quilmetros da BR-116,


possui direo de 45 graus aproximadamente em relao AQZ_02,
corresponde a cinco quilmetros de estrada levantados topograficamente.
Para esta estrada, o perfil longitudinal, ilustrado a seguir na figura 5.7,
apresenta na sua maior poro, valores de rampa suaves (< 3%).
No entanto verificou-se, embora pequena relativamente, a ocorrncia de
valores que denotam inclinao acentuada (> 8%).

Figura 5.7: Perfil longitudinal da estrada AQZ_03

As referidas estradas interceptam-se em um trevo, situado a trs quilmetros da


BR-116, a dois quilmetros da localidade de Russega e a cinco quilmetros da
localidade de Telha (figura 5.8).
80

Figura 5.8: Mapa do trecho em estudo

5.3.1.2 Caractersticas Tcnicas Importantes

Consideram-se caractersticas tcnicas fundamentais para garantir a uma estrada


de terra condies de trfego satisfatrias: boa capacidade de suporte e boas condies
de rolamento e aderncia.

Vale ressaltar ainda que a maioria dos defeitos existentes nas vias
no-pavimentadas est intimamente relacionada com uma dessas caractersticas, as
quais podem ser sintetizadas em duas categorias: tipos de materiais existentes e
condies da geometria da via.

Para fins deste trabalho, identificaram-se alguns atributos que esto relacionados
com a existncia de determinados defeitos no leito estradal. Estes atributos foram
classificados segundo dois grupos principais:

a) a geometria da via, com a qual esto relacionados os valores de rampa, os


tipos de seo transversal e a existncia ou no de sistemas de drenagem;
81

b) o tipo de material existente, com o qual esto relacionados: o tipo de solo,


classificados, neste trabalho pelo sistema HRB; o clima e trfego que so
os agentes provocadores atuantes na estrada.

As figuras 5.9, 5.10 e 5.11, exemplificam os trs tipos de seo transversal


avaliados, encontrados nas estradas estudadas.

Figura 5.9: Exemplo de seo transversal mista AQZ_01

Figura 5.10: Exemplo de seo transversal abaulada e encaixada AQZ_01

Figura 5.11: Exemplo de seo transversal em calha AQZ_01


82

Quanto aos defeitos levantados, estes tambm podem ser relacionados com
os atributos escolhidos. Para o estudo de caso eleito, foram identificados nove tipos de
defeitos e suas respectivas severidades em cada uma das 300 (trezentas) unidades
amostrais avaliadas e que so listados a seguir: seo transversal inadequada, atoleiro,
afundamento de trilhas de roda, buracos, areio, eroso, ondulao, segregao de
agregados e poeira.

5.3.1.3 Resultados Obtidos

Os resultados obtidos por meio dos levantamentos feitos no trecho, composto


pelas trs estradas referidas anteriormente, sero expostos da seguinte forma:
primeiramente, sero descritos e analisados os resultados com relao aos defeitos
identificados no trecho em estudo, onde sero exibidos, em cada segmento, os
percentuais referentes a cada um deles, bem como aos graus de severidades registrados
no local. Em seguida, sero expostos e analisados os resultados referentes aos atributos
relacionados formao dos defeitos em estradas de terra anteriormente citados, os
quais atuaram como variveis de entrada para o modelo de previso proposto.

As estradas avaliadas, denominadas para fins desta dissertao AQZ_01,


AQZ_02 e AQZ_03 respectivamente, encontram-se descritas a seguir:

- estrada AQZ_01: 2 Km de via que liga a localidade de Russega


Br-116 e ao acesso CE-040. Os resultados relativos a essa via
encontram-se representados nas figuras 5.12, 5.13 (ocorrncia dos
defeitos sob os climas chuvoso e seco) e 5.18, 5.21 (ocorrncia dos
nveis de severidade sob os climas chuvoso e seco).

- estrada AQZ_02: compreende 3 Km de via que liga a BR-116 ao


acesso CE-040 e localidade de Russega. Os resultados relativos a
essa via encontram-se representados, sob as duas condies
climticas avaliadas, nas figuras 5.13, 5.16 (ocorrncia dos defeitos) e
5.19, 5.22 (ocorrncia dos nveis de severidade).

- estrada AQZ_03: compreende 5 Km de via que liga a localidade de


Telha, na direo da CE-040 e na direo oposta BR-116.
Os resultados relativos a essa via encontram-se representados, sob as
83

duas condies climticas avaliadas, nas figuras 5.14, 5.17


(ocorrncia dos defeitos) e 5.20, 5.23 (ocorrncia dos nveis de
severidade).

Numa primeira anlise, ento, sero apresentadas observaes sobre a


distribuio dos defeitos por estrada, em cada um dos climas avaliados: seco (sol) ou
chuvoso (chuva). As figuras 5.12, 5.13 e 5.14 exibem a ocorrncia dos defeitos, nas
estradas AQZ_01, AQZ_02 e AQZ_03 respectivamente sob o clima chuvoso,
representado pelo nmero 1.

Freqncia dos Defeitos - clima 1 (chuva)


Trecho AQZ 01
STI
2,22% 9,63%
8,89% OND
2,96%
2,22%
STI PO
BU
19,26%
ATR
SAGR
AR
ERO

28,89% ATOL
6,67%
(Sentido
horrio)
19,26%

Figura 5.12: Freqncia de defeitos AQZ_01 chuva

Freqncia dos Defeitos -Clima 1 (chuva)


-
Trecho AQZ_02
STI
18,29% 0,00% OND
10,98% PO
2,44% BU
2,44% STI
ATR
SAGR
AR
ERO
ATOL
24,39%
26,83% (Sentido
horrio)

0,00%
14,63%

Figura 5.13: Freqncia dos defeitos AQZ_02 chuva


84

STI
Freqncia dos Defeitos Clima 1 (chuva)
Trecho AQZ_03

6,25% STI
14,06%
8,13% OND
STI PO
4,38%
BU
11,88%
ATR
10,00% SAGR
AR
ERO
ATOL

18,44% (Sentido
18,13% horrio)

8,75%

Figura 5.14: Freqncia dos defeitos AQZ_03 chuva

Ao observar as figuras 5.12, 5.13 e 5.14, v-se que o defeito afundamento de


trilhas de roda (ATR), se destaca, quanto sua ocorrncia, no clima chuvoso, em todas
as estradas estudadas, obtendo ndices prximos a 30% em duas delas (AQZ_01 e
AQZ_02) e prximo a 20% em AQZ_03.

Outros defeitos que merecem ser citados so as ondulaes (OND), que


aparecem em segundo lugar em AQZ_02, com cerca de 25% de ocorrncia e os buracos
(BU), com cerca de 20% em AQZ_01, ocupando o segundo lugar nessa estrada.

Vale ressaltar ainda que, apesar de AQZ_02 apresentar altos ndices de


ocorrncia para defeitos relevantes para a via como afundamento de trilhas de roda,
ondulaes e eroso (ERO), fato que no deixa de ser significativo; faz-se interessante e
importante observar que AQZ_03 apresenta alguma ocorrncia para todos os tipos de
defeitos avaliados. No entanto, embora apresente 20% de ocorrncia para ATR, a
freqncia apresentada para o defeito atoleiro (ATOL), por exemplo, se encontra em
torno de 7%, o que no o torna menos significativo, j que este defeito compromete a
trafegabilidade da via, mesmo se estiver presente numa pequena percentagem da
estrada.
85

Quanto AQZ_01, alm de apresentar altos ndices para ATR e BU, cerca de
20 e 30%, respectivamente, notvel tambm uma pequena freqncia de atoleiros.

A seguir, as figuras 5.15, 5.16 e 5.17 exibem a ocorrncia dos defeitos, nas
estradas AQZ_01, AQZ_02 e AQZ_03 respectivamente sob o clima seco, representado
pelo nmero 2.

Freqncia dos Defeitos - clima 2 (sol)


Trecho AQZ_01

2,33% 3,10% 0,00% STI


3,10%
20,16% OND
9,30%
PO
STI
BU
ATR
SAGR
12,40% AR
19,38%
ERO
ATOL

(sentido
30,23% horrio)

Figura 5.15: Freqncia dos defeitos AQZ_01 sol

Freqncia dos Defeitos - Clima 2 (sol)


Trecho AQZ_02

15,49% 8,45% STI


2,82%
OND
2,82%
PO
5,63% BU
0,00%
ATR
SAGR
STI AR
12,68% ERO
ATOL
40,85%
(Sentido
11,27% horrio)

Figura 5.16: Freqncia dos defeitos AQZ_02 sol


86

Freqncia do s Defeito s - Clim a 2 (sol)


T recho - AQ Z 0 3

12,55% S TI
ON D
10,98% 12,55% PO
BU
A TR
7,45% S A GR
AR
3,92% ERO
S T I 0,00% A TO L
30,20%
(S entido
horrio)
17,25%
5,10%

Figura 5.17: Freqncia dos defeitos AQZ_03 sol

Para o clima seco (figuras 5.15, 5.16 e 5.17), o quadro geral dos defeitos
apresentados, sem levar em conta as suas severidades, se mostra mais brando. As
maiores ocorrncias concentram-se no defeito poeira, para as trs estradas. Dentre os
outros defeitos, se encontra, posicionada em segundo lugar, seo transversal
inadequada (STI), em AQZ_01 e AQZ_03, com cerca de 20% de freqncia. Cabe
ainda destacar o terceiro lugar para AQZ_01, buracos, com 20% de presena.

Numa segunda anlise, sero observados alguns aspectos sobre a ocorrncia das
severidades por estrada, em cada um dos climas avaliados: seco (sol) ou chuvoso
(chuva), independentemente dos defeitos associados a elas.

Convm lembrar que, como descrito no captulo quatro, os nveis de severidade


foram representados, para este trabalho, da seguinte forma: baixa (B), mdia (M), alta
(A), baixa e mdia (B e M), mdia e alta (M e A), baixa e alta (B e A) e baixa, mdia e
alta (B, M e A). Essa representao indica, em cada unidade amostral avaliada, como se
distribui os graus ou nveis de severidade dos defeitos identificados. A notao B e M,
por exemplo indica a presena de defeitos com graus de severidade baixo e mdio.

As figuras 5.18, 5.19 e 5.20 exibem a ocorrncia dos nveis de severidade, nas
estradas AQZ_01, AQZ_02 e AQZ_03 respectivamente sob o clima chuvoso,
representado pelo nmero 1.
87

Freqncia dos Nveis de Severidade dos Defeitos


Clim a 1 (chuva) - Trecho AQ Z_01

0,74% 1 - B aixa
2,96% 4,44%
10,37% 2 - M dia
3 - A lta

4,44% 4 - B aix a e M d ia
5 - M d ia e A lta
6 - B aix a e A lta
7 - B aix a, M d ia e A lta

Baixa (sentido horrio)


18,52%

58,52%

Figura 5.18: Freqncia dos nveis de severidade dos defeitos AQZ_01 chuva

F r e q n c i a d o s N v e is d e S e v e r i d a d e d o s D e f e i t o s C li m a 1 ( c h u v a )
T recho AQ Z_02

9 ,76 % 2 ,4 4 % 0 ,0 0 %
6 ,1 0 %
0 ,00 %
1 - B ai x a
12 ,20 %
2 - M d ia
3 - A lta
4 - B ai x a e M d ia
5 - M d ia e A lta
6 - B ai x a e A l ta
B a ix a 7 - B ai x a , M d i a e A l t a

(s ent ido horrio)

6 9,5 1%

Figura 5.19: Freqncia dos nveis de severidade dos defeitos AQZ_02 chuva

Freqncia dos Nveis de Severidade dos Defeitos C lim a 1 (chuva)


Trecho A Q Z_03

22,19% 1 - B aix a
62,19% 2 - M d ia
B aixa 3 - A lta
4 - B aix a e M d ia
5 - M d ia e A lta
6 - B aix a e A lta
7 - B aix a, M d ia e A lta

6,88% (s entido horrio)


3,44% 3,75%
0,63%
0,94%

Figura 5.20: Freqncia dos nveis de severidade dos defeitos AQZ_03 chuva
88

Verifica-se ao observar as figuras 5.18, 5.19 e 5.20 apresentadas que, sob o


clima chuvoso, a grande maioria dos graus de severidade, independentemente do defeito
associado a ela, encontra-se no nvel baixo, mas pode ser notada uma percentagem de
cerca de 20% para o nvel mdio e 6% para o alto.

Faz-se importante lembrar que, apesar da maioria estar em severidade baixa, as


outras classes, representadas por freqncias menores, no so pouco significativas, se
for considerado que dependendo do defeito, a severidade mdia ou alta pode significar
uma interrupo do trfego da via, o que acarretar prejuzos de todo tipo, como
descrito no captulo dois deste trabalho.

Finalizando esta primeira etapa dos resultados do Primeiro Procedimento


Experimental, a dizer, a anlise dos resultados obtidos em relao ocorrncia dos
defeitos e graus de severidade nas estradas estudadas ser apresentada, a seguir, nas
figuras 5.21, 5.22 e 5.23 freqncia dos nveis de severidade, nas estradas AQZ_01,
AQZ_02 e AQZ_03 respectivamente sob o clima seco, representado pelo nmero 2.

Freqncia dos Nveis de Severidade de Defeitos


Clima 2 (sol) - Trecho
- AQZ_01

0,00%
3,88%
0,78% 0,00%

9,30% 1 - Baixa
2 - Mdia
Baixa 3 - Alta
4 - Baixa e Mdia
17,83%
5 - Mdia e Alta
6 - Baixa e Alta
68,22% 7 - Baixa, Mdia e Alta

(sentido horrio)

Figura 5.21: Freqncia dos nveis de severidade AQZ_01 sol


89

Freqncia dos Niveis de Severidade de Defeitos


Clima 2 (sol) - Trecho AQZ_02

87,32%

1 - Baixa
Baixa 2 - Mdia
3 - Alta
4 - Baixa e Mdia
5 - Mdia e Alta
6 - Baixa e Alta
Mdia 7 - Baixa, Mdia e Alta

(sentido horrio)
11,27%
Mdia e Alta 1,41%

Figura 5.22: Freqncia dos nveis de severidade dos defeitos AQZ_02 sol

Freqncia dos Nveis de Severidade dos Defeitos Clima 2 (sol)


Trecho AQZ_03

1 - Baixa
2 - Mdia
3 - Alta
Baixa Mdia 40,784%
51,765% 4 - Baixa e Mdia
5 - Mdia e Alta
6 - Baixa e Alta
7 - Baixa, Mdia e Alta

(sentido horrio)
Alta 7,451%

Figura 5.23: Freqncia dos nveis de severidade dos defeitos AQZ_03 sol

No perodo seco, conforme se observa nas figuras 5.21, 5.22 e 5.23


apresentadas, em mdia, os defeitos se mantm maciamente na mesma proporo
dentro dos nveis de severidade baixa e mdia, podendo aparecer percentagens baixas,
porm no insignificantes, de nveis de severidade altos. Nota-se tambm que as
estradas se mantm mais uniformes, isto , s um nvel de severidade por unidade
amostral, baixa, mdia ou alta.
90

A segunda e ltima etapa dos resultados obtidos no Primeiro Procedimento


Experimental diz respeito ocorrncia dos atributos, por estrada e em todo o trecho
estudado. A seguir sero apresentadas observaes cerca da freqncia desses
atributos por estrada avaliada e, na seqncia, por todo o trecho. As figuras 5.24, 5.25,
5.26 e 5.27, em seguida, representam os percentuais encontrados, por atributos, nas trs
estradas relativas ao trecho em estudo.

A freqncia relativa ao primeiro dos quatro atributos coletados, denominado


valores de rampa, est explicitada na figura 5.24, em seguida. Vale ressaltar que este
atributo representa a declividade longitudinal do terreno e encontra-se dividido em trs
intervalos, a dizer: r < 3 , 3 r 8 e r > 8, representados pelos nmeros 1, 2 e 3
respectivamente.

Percentual dos Valores de Rampa


100,00%
87,50% 84,81%
90,00%
r < 3%
80,00%
67,74%
70,00%
3% < r < 8%
60,00%
50,00% r > 8%
40,00% 32,26%
30,00%
20,00% 12,50% 13,92%
10,00% 0,00% 0,00% 1,27%
0,00%

AQZ_01 AQZ_02 AQZ_03

Figura 5.24: Percentual dos valores de rampa encontrados em todo o trecho

Pode-se observar, na figura 5.24 apresentada, que a maior concentrao dos


valores de rampa encontra-se no que foi denominado para este trabalho como rampa
tipo 1, que so aquelas cujos valores so menores que 3%. Vale ressaltar a presena,
mesmo que esparsa, das rampas tipo 3, que so os valores maiores que 8%,
representadas por uma pequena percentagem em AQZ_03: 1,27%.

O segundo atributo considerado, tipos de solo, encontra-se dividido em duas


grandes classes, com base na classificao HRB: solos granulares, representados pelo
91

nmero 1 e solos siltosos e argilosos, pelo nmero 2, conforme explicado no captulo


quatro desta dissertao.

A figura 5.25 exibida a seguir, apresenta a distribuio da ocorrncia dos solos


nas estradas avaliadas, os quais esto classificados de acordo com o seu comportamento
como subleito, em granulares (de excelente a bom), e siltosos e argilosos (de regular a
mau), de acordo com o sistema H.R.B.

Neste contexto, observa-se que, em duas das trs estradas avaliadas - AQZ_02 e
AQZ_03 - a maior freqncia est representada pelos solos granulares, com valores em
torno de 80 e 77% respectivamente, embora AQZ_01 com sua maioria englobada nos
solos argilosos e siltosos 62,5% apresente tambm solos granulares.

Percentagem dos Tipos de Solo

100,00%
90,00% 80,65%
80,00% 77,22%

70,00% 62,50%
60,00% Granular
50,00% Siltoso
37,50%
40,00%
30,00% 22,78%
19,35%
20,00%
10,00%
0,00%
AQZ_01 AQZ_02 AQZ_03

Figura 5.25: Percentual dos tipos de solo encontrados em todo o trecho

A ocorrncia de sistemas de drenagem, terceiro atributo considerado,


encontra-se representada, em caso positivo, pelo nmero 2 e, em caso negativo, pelo
nmero 1.

Constata-se, ao observar-se a figura 5.26, mostrada a seguir que, em todas as


estradas avaliadas, a ocorrncia deste atributo bastante baixa, 2,5; 3,23 e 6,33%
respectivamente.
92

Percentagem da Ocorrncia de Sistemas


de Drenagem

120,00%

97,50% 96,77% 93,67%


100,00%

80,00%
Ausncia
60,00% Presena

40,00%

20,00%
2,50% 3,23% 6,33%
0,00%
AQZ_01 AQZ_02 AQZ_03

Figura 5.26: Percentual da ocorrncia de sistemas de drenagem em todo o trecho

O quarto e ltimo atributo analisado isoladamente so os tipos de seo


transversal, os quais so classificadas em: em calha, mista e, abaulada e encaixada,
representados pelos nmeros 1, 2, e 3 respectivamente. A figura 5.27, a seguir,
apresenta os percentuais de ocorrncia deste atributo nas estradas avaliadas.

Percentagem dos Tipos de Seo Transversal

80,00%

70,00% 67,74%
Em calha
60,00%
51,90%
50,00%
Mista
45,00%
37,50%
40,00% 35,44% Abaulada
30,00% e
19,35% encaixada
20,00% 17,50%
12,90% 12,66%
10,00%

0,00%
AQZ_01 AQZ_02 AQZ_03

Figura 5.27: Percentual da ocorrncia dos tipos de seo transversal em todo o trecho

Observa-se na figura 5.27 apresentada que o atributo a ser analisado, tipos de


seo transversal, mostrou, em duas das trs estradas estudadas, a maior ocorrncia
93

encontrada para sees mistas: AQZ_01 e AQZ_02, com 45 e 67,74%, respectivamente,


embora o mais alto ndice de freqncia para a seo abaulada e encaixada esteja em
AQZ_01: 37,5%. J, na AQZ_03, a maior freqncia est representada pela seo
transversal em calha, apresentando 52% das ocorrncias.

Para finalizar a anlise dos resultados obtidos no Primeiro Procedimento


Experimental, sero exibidos na figura 5.28, os percentuais da ocorrncia dos tipos de
atributos em todo o trecho.

Vale lembrar que, cada tipo de atributo encontra apresentado na figura 5.28,
segundo as categorias nas quais foram subdivididos.

Percentuais dos Tipos de Atributos em Todo o Trecho

120,00%

100,00% 95,33%

82,00%
80,00%
67,33% 1
60,00% 52,67% 2
44,67%
3
40,00% 32,67% 36,00%
26,67%
20,67%
17,33% 19,33%
20,00%
4,67%
0,67%
0,00%
RAMPA SOLO TRFEGO DRENAGEM S. TRANS

Figura 5.28: Percentual da ocorrncia de todos os atributos em todo o trecho

Ao avaliarmos a distribuio dos atributos por todo o trecho estudado, observa-


se o seguinte:

a) os valores de rampa se encontram mais freqentemente na classe menor


que 3%, com 82% das ocorrncias;

b) os solos mais freqentemente encontrados so os granulares com 68%


das ocorrncias, o que no torna insignificante a freqncia de solos
siltosos e argilosos: 33%;
94

c) faz-se importante observar que os sistemas de drenagem, atributo de


grande relevncia na formao e agravamento dos defeitos em vias
no-pavimentadas, encontram-se ausentes em 95% das ocorrncias;

d) quanto ao tipo de seo transversal, a seo em calha, que favorece o


acmulo de gua no centro da via e tambm a eroso, est presente em
aproximadamente 52% das ocorrncias; a abaulada mas encaixada
aparece em 37,5% das ocorrncias e a mista, 67,74% das ocorrncias.
Estas ltimas, favorecem o acmulo de gua nas laterais da estrada.

Por fim, a ttulo de consideraes finais sobre os resultados obtidos por meio do
Primeiro Procedimento Experimental, sero feitas comparaes entre as anlises
anteriores, com o objetivo de mostrar as relaes possveis entre os atributos, os defeitos
e suas severidades.

Considerando rampa, solo, clima e trfego parmetros relevantes na ocorrncia e


agravamento dos defeitos e seus nveis de severidade, o desfecho da anlise dos dados
do Primeiro Procedimento Experimental, implica em algumas concluses:

a) em AQZ_01, estrada com a maior percentagem de solos siltosos e


argilosos e, portanto de comportamento regular a mau como subleito,
vista da baixa capacidade de suporte, foi encontrada a maior freqncia
do defeito ATR, com cerca de 30% das ocorrncias no clima chuvoso;

b) ainda em AQZ_01, com todas as condies descritas anteriormente, h


ocorrncias de defeitos em todos os nveis de severidades possveis, isto
, baixo, mdio, alto, baixo e mdio, mdio e alto, baixo e alto e, baixo,
mdio e alto;

c) por fim, em AQZ_03, embora a maioria dos seus solos esteja enquadrada
na classe dos granulares, no desprezvel a parte que cabe aos siltosos e
argilosos (23%), pois justamente nestes, a presena das rampas, maiores
que 8%, embora em pouca proporo, apresenta a maior percentagem de
defeitos com severidade alta.
95

5.3.2 Resultados Obtidos no Segundo Procedimento Experimental

Uma vez definidos os conjuntos de dados, feitas as parties, propem-se


algumas topologias, para ento ter incio o processo de treinamento no simulador
adotado.

As arquiteturas propostas diferem em dois aspectos descritos a seguir:

a) variveis de entrada e sada: podem ser definidas conforme o tipo de


problema a ser resolvido. Para este estudo foram propostas duas
arquiteturas principais: a primeira, 6 X 9, cujas variveis de entrada e
as de sada foram definidas como inteiras; e a segunda, 6 X 27, cujas
variveis de entrada foram definidas como inteiras e as de sada foram
definidas como booleanas;

b) quanto ao nmero de neurnios intermedirios: esta escolha, em geral,


feita por experimentao, isto : faz-se necessrio testar redes com vrias
arquiteturas. Vale ressaltar que cada configurao deve ser testada para
todos os trs conjuntos de dados. Para este estudo foram realizados
216 treinamentos para a primeira topologia proposta (6 X 27) e
180 para a segunda (6 X 9), variando os parmetros de nmeros de
neurnios intermedirios, procedimento que ocupou um tempo de dois
meses.

Definidas as topologias propostas, foi dado incio ao processo de aprendizado da


rede, a dizer: treinamento e validao.

Em uma primeira abordagem foram submetidas a treinamento as redes com a


arquitetura do tipo 6 X 27, cujas variveis de sada foram definidas como booleanas,
isto : ou cada padro de sada verdadeiro ou falso. Em seguida foram submetidas as
redes com arquitetura do tipo 6 X 9, para as quais todas as variveis foram definidas
como reais.

Aps diversas tentativas de treinamento com as topologias propostas, no foram


obtidos resultados satisfatrios.
96

Para o tipo 6 X 27, o simulador no aceitava algumas variveis de sada, nas


quais mais de 90% das ocorrncias pertenciam a um mesmo padro.

J com relao ao tipo 6 X 9 o treinamento foi iniciado mas, mesmo


variando os valores de momentum e taxa de aprendizagem, no houve xito. Apesar da
taxa de validao atingir valores altos, fato indicativo de que a rede conseguiu extrair
regras dos exemplos apresentados, o erro mdio no se manteve dentro do valor
estabelecido (0,05), ou seja: a rede no aprendeu. Vale lembrar que, de acordo com a
literatura especializada, normalmente se exige que o erro mdio durante o treinamento e
validao seja inferior a 5%.

Diante dessa circunstncia, optou-se por uma segunda abordagem para o


problema dos dados: testar uma outra estrutura de dados, por meio de hierarquizao,
isto , associao de pesos s entradas e sadas, buscando relacion-las cada vez melhor
e tornar mais claro para a rede neural artificial as diferenas existentes entre elas com o
intuito de minimizar o erro.

No que concerne s entradas, estabeleceu-se uma ordem hierrquica com base


no grau de prejuzo relacionado interrupo do trfego na via. Assim, observa-se na
tabela 5.8 que as variveis de entrada esto dispostas em ordem crescente, com relao
aos pesos atribudos. A hierarquizao na direo horizontal seguiu uma mesma razo
de valores que na direo vertical: uma potncia de dez.

Tabela 5.8: Associao de pesos s variveis de entrada

Entradas
Trfego Drenagem Clima S. Transversal Solo Rampa
Inicial final inicial final inicial final inicial final inicial final inicial final
1 0 2 0 2 0 1 0 1 0 2 0
2 10 1 100 1 1000 2 10000 2 100000 1 1000000
3 200 3 200000 3 20000000

Com relao s sadas, procedeu-se da mesma maneira, ou seja, os defeitos


foram dispostos em ordem crescente, relacionados no critrio prejuzo via em termos
de interrupo do trfego. Neste caso, por exemplo, o defeito considerado como o
97

causador de interrupo do trfego na via e, por isso detentor dos maiores pesos o
atoleiro. Os resultados obtidos esto exibidos na tabela 5.9:

Tabela 5.9: Associao de pesos s variveis de sada


Sadas
PO SAGR OND ERO AR BU ATR STI ATOL
Classes
inicial 10 inicial 10 inicial 10 inicial 10 inicial 10 inicial 10 inicial 10 inicial 10 inicial 10x
x x x x x x x x

0 0 00 0 00 0 00 0 00 0 00 0 00 0 00 0 00 0 00
I 1 01 1 02 1 03 1 04 1 05 1 06 1 07 1 08 1 09
II 2 02 2 03 2 04 2 05 2 06 2 07 2 08 2 09 2 10
III 3 03 3 04 3 05 3 06 3 07 3 08 3 09 3 10 3 11
IV 4 04 4 05 4 06 4 07 4 08 4 09 4 10 4 11 4 12
V 5 05 5 06 5 07 5 08 5 09 5 10 5 11 5 12 5 13
VI 6 06 6 07 6 08 6 09 6 10 6 11 6 12 6 13 6 14
VII 7 07 7 08 7 09 7 10 7 11 7 12 7 13 7 14 7 15

Os resultados expostos nas tabelas 5.8 e 5.9, indicam os novos valores de


variveis de entrada e sada com os quais a rede de arquitetura 6 X 9 foi treinada.

De posse desses novos valores de entradas e sadas, reiniciou-se o treinamento


no simulador, variando o nmero de neurnios intermedirios, o momentum e a taxa de
aprendizagem. Assim, contornado o problema inicial, foram escolhidos alguns modelos
que se mantiveram dentro dos padres estabelecidos: erro mdio menor que 0,05 e taxa
de validao superior a 85%.

Em seguida, submeteram-se esses modelos escolhidos ltima etapa da


simulao - o teste - cujo objetivo representar o comportamento da RNA em uma
situao real, isto , mediante valores que no foram previamente apresentados a ela na
etapa de treinamento.

O parmetro usado como indicador do desempenho do modelo foi o erro


quadrtico mdio (EQM) pois, quanto menor este erro no conjunto de validao, melhor
a arquitetura de RNA a ele associada.

Depois de avaliar, cuidadosa e exaustivamente, a performance dos modelos de


redes com diferentes configuraes quanto ao nmero de camadas e neurnios
intermedirios, o modelo eleito como melhor opo foi o de arquitetura 6 10 9: seis
neurnios na camada de entrada, dez na camada intermediria e nove na camada de
sada, exposto na figura 5.28.
98

Figura 5.28: Arquitetura da RNA com melhor desempenho

Para se analisar at que ponto os valores estimados pelo modelo de RNA


escolhido est relacionado com os valores reais, fez-se uso do coeficiente de
determinao (r2), medida estatstica associada disperso dos pontos ao redor da curva
de regresso, conforme explicado no captulo quatro.

A seguir, observa-se, nas tabelas 5.10, 5.11 e 5.12, o Erro Quadrtico Mdio no
conjunto de dados de validao, assim como o coeficiente r2, e o desempenho mdio da
RNA para cada uma das variveis de sada, este ltimo calculado no conjunto de dados
de teste.

Tabela 5.10: Erro Quadrtico mdio e por varivel de sada no conjunto de validao
Erro mdio e por variveis de sada - classe de defeitos (%)
PO SAGR OND ERO AR BU ATR STI ATOL Mdio
2,67 0,48 3,05 2,89 0,48 5,26 4,20 1,50 0,64 2,35

Tabela 5.11: Coeficiente de determinao mdio (r2) e por varivel de sada


Coeficiente de determinao (r2) mdio e por variveis de sada
PO SAGR OND ERO AR BU ATR STI ATOL Mdio
0,990 0,988 0,984 0,987 0,986 0,987 0,987 0,946 0,893 0,97

Tabela 5.12: Desempenho mdio e por varivel de sada no conjunto de teste


Desempenho mdio e por variveis de sada (%)
PO SAGR OND ERO AR BU ATR STI ATOL Mdio
98,80 99,35 95,63 92,64 94,09 81,92 85,53 84,82 86,35 91,01
99

Observa-se nas tabelas 5.10, 5.11 e 5.12 que tanto o Erro Quadrtico Amostral,
quanto os outros dois parmetros utilizados: o coeficiente de determinao e o
desempenho (relao entre a quantidade de acertos e a quantidade de dados testados),
foram calculados para cada varivel separadamente. Isto mostra que interatividade entre
o modelo de RNA eleito e as caractersticas previstas varia um pouco, pois quanto
maior esses parmetros mais fiis so as relaes entre as variveis de entrada e sada
extradas pelo modelo.

Nas figuras 5.29 e 5.30, observa-se o grfico do modelo de RNA eleito, onde
esto expostas as curvas referentes aos erros mnimo, mdio e mximo, durante a fase
de aprendizado.

Figura 5.29: Grfico da RNA com melhor desempenho

A figura 5.30 mostra que os critrios de parada para que o modelo seja
considerado validado, obedecem aos padres estabelecidos, isto , erro mdio menor ou
igual a 0,05 e erro mximo inferior a 0,15.

Alm disso, nota-se que do total de 75 exemplos de validao, o modelo eleito


teve um desempenho de 96%, o que quer dizer que obteve xito em 72 exemplos.
100

Figura 5.30: Grfico da RNA com melhor desempenho parmetros


A partir do melhor modelo, foi avaliada a influncia das variveis, por meio da
tcnica de prunning que consiste, como mencionado anteriormente, em anular os pesos
e conexes no significativos. Os resultados dessa avaliao esto representados no
grfico exposto na figura 5.31, a seguir.

Importncia das Variveis de Entrada

0,5

0,4 Seo
32,6%
Rampa l
0,3 Trfego
23,0%
21,0%
0,2 Tipo de Solo
9,9%
8,6% Clima
0,1 5,0% Drenagem

0
Variveis de Entrada

Figura 5.31: Importncia das variveis de entrada para o modelo de RNA eleito
101

De posse dos valores da importncia das variveis expressos em percentagens,


pode-se excluir alguma varivel cujo percentual a torne irrelevante, fato que depende do
autor do estudo. Foram encontrados na literatura valores variados. Para este trabalho,
optou-se por no excluir nenhuma das variveis, visto que a varivel de menor
importncia apresentou o percentual de 5%.

5.3.3 A Interface de Aplicao

Esta etapa cumpriu o objetivo de conferir maior efetividade aplicao da


tcnica das RNA e sintetiza a funo do MTODO desenvolvido no decorrer desta
pesquisa.

A Interface de Aplicao do MTODO est representada por uma planilha


desenvolvida no software Microsoft Excel 2000 (ANEXO) que simula o funcionamento
do modelo de RNA que obteve o melhor desempenho.

Esta planilha, segundo critrios com as quais foi instruda, tambm apresenta
uma ordem de priorizao das unidades amostrais, conforme a quantidade de defeitos e
os seus respectivos graus de severidade.

Pela observao do ambiente grfico da planilha eletrnica abaixo, figura 5.32,


contata-se a simplicidade que confere facilidade de operao ao usurio no habituado
aos softwares sofisticados.

MTODO DE PREVISO DE DEFEITOS EM ESTRADAS NO PAVIMENTADAS


Trecho(n): 4 REDES NEURAIS ARTIFICIAIS
Nome : AQUIRAZ
ENTRADAS RESULTADOS
Trfego 2 Poeira Baixa, Mdia e Alta
1-Leve Segregao de Agregados Sem o Defeito
2-Misto Ondulao Sem o Defeito
3-Pesado Eroso Sem o Defeito
Drenagem 1 Areio Sem o Defeito
1-Ausente Buracos Sem o Defeito
2-Presente Afundamento de Trilhas de Rodas Sem o Defeito
Clima 2 Seo Transversal Inadequada Alta
1-Chuvoso Atoleiro Sem o Defeito
2-Seco
Seo Transversal 1 NVEIS DE PRIORIDADE
1-Em Calha Trecho 1 0,0012
2-Mista Trecho 2 0,0346
3-Abaulada e Encaixada Trecho 3 0,0042
Tipo de Solo 2 Trecho 4 0,0117
1-Granular Trecho 5
2-Siltoso e Argiloso Trecho 6
Rampa 1 Trecho 7
1-Menor que 3% Trecho 8
2-Entre 3% e 8% Trecho 9
3-Maior que 8% Trecho 10

Figura 5.32: Interface de Aplicao do MTODO proposto


102

A disposio da planilha bastante simples. Os campos a serem preenchidos


pelo usurio esto dispostos da seguinte maneira: o nome da unidade amostral que se
quer avaliar, denominada na interface como trecho, no canto superior esquerdo e logo
abaixo, aparecem os campos a serem preenchidos com os dados de entrada (atributos).

No canto direito da planilha, aparecem os campos que sero preenchidos


automaticamente na medida em que esta seja alimentada com as entradas: os defeitos
previstos pelo modelo de RNA treinado e um ndice de priorizao dos trechos ou
unidades amostrais que mais necessitam de interveno.

importante destacar, em relao interface desenvolvida, sua facilidade para


incluir caractersticas, isto a possibilidade de atualizao da mesma, bastando para isso
que o modelo de Rede Neural Artificial escolhido seja treinado novamente e os novos
valores dos pesos e dos bias sejam substitudos.

5.4 CONSIDERAES FINAIS

Esta dissertao possibilita, por meio da Interface de aplicao, o uso mais


efetivo por no especialistas, de uma tcnica que dificilmente poderia ser aplicada por
um usurio no familiarizado com modelagem matemtica.

Uma das vantagens observadas com a utilizao da Interface de Aplicao o


fato de as planilhas eletrnicas j serem largamente utilizadas. Conseqentemente, a
maior facilidade na implementao de solues baseadas nesse ambiente computacional
justificada principalmente pela existncia de um baixo nvel de dificuldade em utiliza-
las.

O desenvolvimento de uma interface compatvel com usurios pouco ou no


familiarizados com softwares sofisticados, neste caso, possibilita a utilizao por uma
parcela cada vez maior de no especialistas na operao desse aplicativo, o que no
significa porm, reduzir a atuao de profissionais especializados na construo de
outros modelos pertinentes previso dos defeitos com vistas a uma manuteno
regular e preventiva nas estradas vicinais de terra.
103

CAPTULO 06

CONCLUSES E SUGESTES

6.1 CONSIDERAES INICIAIS

A execuo da pesquisa aqui apresentada, conduzida no campo da Previso de


Defeitos em Estradas No-pavimentadas, demonstrou experimentalmente ser possvel
antever os defeitos presentes em estradas vicinais de terra, para o municpio de
Aquiraz/CE, a partir de atributos selecionados, com base na aprendizagem
proporcionada por meio de exemplos que relacionassem atributos e defeitos. Para tanto
se utilizou uma Rede Neural Artificial do tipo Multilayer Perceptron, treinada com o
algoritmo Backpropagation.

Considerando a pouca informao disponvel sobre estradas de terra no Estado


do Cear, assim como o reduzido nmero de pesquisas relativas a este assunto no
Brasil, espera-se que a presente dissertao contribua para auxiliar a tomada de deciso
quanto s intervenes nas vias objetivadas segundo um ordenamento de prioridade,
subsidiando o subsistema maior da manuteno de tais vias e o sistema de gerncia de
vias enfim.

Neste captulo destacam-se a adequao e a originalidade da pesquisa


empreendida, bem como as principais concluses, sugestes e recomendaes para
estudos futuros, resultantes da aplicao, do MTODO desenvolvido, no municpio de
Aquiraz/CE.

6.2 ORIGINALIDADE E ADEQUAO DA APLICAO DO MTODO

A pesquisa aqui apresentada tomou como foco a previso dos defeitos em


estradas de terra como forma de que, desde que eficaz e otimizada, a previso de
defeitos represente um mecanismo importante para subsidiar as atividades de um
sistema de gerncia, em especial o processo de tomada de deciso quanto alocao dos
recursos financeiros disponveis para as intervenes a executar tendentes perenizao
das vias.
104

Como, normalmente, mtodos que abranjam coletas e exames de dados mais


apurados importam em elevado custo, o quadro remete necessidade da busca de
alternativas eficazes, mas com razovel simplicidade e de baixo custo.

Para tal intento, analisaram-se tcnicas que baseassem a classificao de


padres, tanto as mais convencionais como as emergentes. Este esforo culminou com a
opo fundamentada pelo uso da tcnica das Redes Neurais Artificiais para compor o
ncleo de um mtodo de previso de defeitos em estradas no-pavimentadas.

No entanto, se fez necessrio o levantamento detalhado da realidade do local de


interveno - Aquiraz/CE - para que se dispusessem dados confiveis e idneos que
permitissem anlises capazes de antever os tipos de defeitos decorrentes da reunio de
diferentes atributos. Estas anlises foram apoiadas pela adequao do mtodo de
avaliao de vias no-pavimentadas desenvolvido por Eaton et al. (1987a), bem como
as suas adaptaes feitas por Oda (1995) e Fontenele (2001), aliadas premissa
defendida por Santos et al. (1988), descritas nos captulos dois e quatro.

Isto impingiu ao MTODO DE PREVISO DE DEFEITOS EM ESTRADAS


VICINAIS DE TERRA grande maleabilidade, ratificando o considervel sucesso com o
qual a tcnica das RNA vem sendo aplicada na rea de infraestrutura de transportes
como demonstrado no captulo cinco.

Ressalte-se que o trabalho que integrou a reviso bibliogrfica no identificou, a


partir das fontes nacionais bem como das estrangeiras, a existncia de mtodo
especfico para previso de defeitos em estradas no-pavimentadas que tenha recorrido
utilizao da tcnica das Redes Neurais Artificiais, o que vem qualificar a
originalidade e a tendncia inovadora da pesquisa implementada, reservadas
naturalmente ao foco de aplicao que foi proposto.

6.3 PRINCIPAIS CONCLUSES

6.3.1 QUANTO AO PRIMEIRO PROCEDIMENTO EXPERIMENTAL

6.3.1.1 Ocorrncia dos defeitos identificados


105

a) o defeito afundamento de trilhas de roda (ATR) destaca-se quanto sua


ocorrncia no clima chuvoso, em todas as estradas estudadas, obtendo
ndices prximos a 30% em AQZ_01 e AQZ_02 e prximo a 20% em
AQZ_03;

b) o defeito atoleiro (ATOL) est presente, embora em pequena proporo,


em AQZ_01 e AQZ_03, com cerca de 2% e 6% respectivamente, sob o
clima chuvoso;

c) na estrada AQZ_03, foi constatada a presena de todos os defeitos


avaliados, cujas percentagens variaram de cerca de 4% para areio at
cerca de 18%, para afundamento de trilhas de roda;

d) o quadro geral dos defeitos, apresentado sob o clima seco, se mostra


mais brando, com as maiores ocorrncias referidas ao defeito poeira (PO)
que apresentou os percentuais de 30% para AQZ_01 e AQZ_03 e 41%
para AQZ_02.

6.3.1.2 Ocorrncia dos nveis de severidade identificados

a) sob o clima chuvoso, a grande maioria dos nveis de severidade,


independente do defeito associado a ela, encontra-se no grau baixo, cujos
percentuais apresentados so respectivamente 58,5%, 69,5% e 62,2%
para AQZ_01, AQZ_02 e AQZ_03;

b) sob o clima chuvoso, apesar dos outros nveis de severidade avaliados


apresentarem freqncias menores, estas no podem ser consideradas
pouco significativas, principalmente nas unidades amostrais avaliadas
que apresentaram mais de um nvel de severidade de defeitos;

c) sob o clima seco, somente a estrada AQZ_01 que, alm dos nveis baixo,
mdio e alto, apresentou ocorrncia de graus de severidade baixo e
mdio e mdio e alto na mesma unidade amostral avaliada. As estradas
AQZ_02 e AQZ_03 mantiveram os nveis de severidade apresentados
nos graus baixo, mdio e alto.
106

6.3.1.3 Percentual de Ocorrncia dos Valores de Rampa

a) este atributo, que representa a declividade longitudinal do terreno,


apresentou, nas trs estradas avaliadas, as maiores ocorrncias relativas a
valores menores que 3%;

b) os percentuais apresentados foram 87,5%, 67,7% e 84,8% para valores


menores que 3% em AQZ_01, AQZ_02 e AQZ_03, respectivamente;

c) para valores entre 3% e 8%, os percentuais apresentados foram12,5%,


32,3% e 13,92% para AQZ_01, AQZ_02 e AQZ_03, respectivamente;

d) somente AQZ_03 apresentou valores de rampa maiores que 8%.

6.3.1.4 Percentual de Ocorrncia dos Tipos de Solo

a) para os dois tipos de solo classificados segundo seu comportamento


como subleito (HRB) - granular e siltoso e argiloso - foi constatada, em
duas das trs estradas, AQZ_02 e AQZ_03, a maior freqncia dos solos
granulares, com percentuais em torno de 80% e 77%, respectivamente;

b) a estrada AQZ_01, que apresentou significativa ocorrncia de


afundamento de trilhas de roda e buracos, teve a maior ocorrncia de
solos siltosos e argilosos, com cerca de 63%.

6.3.1.5 Percentual de Ocorrncia dos Sistemas de Drenagem

a) constatou-se, em todas as estradas avaliadas, a rara presena de


dispositivos de drenagem, cuja ocorrncia alcanou 2,5%, 3,2% e 6,3%
em AQZ_01, AQZ_02 e AQZ_03, respectivamente;

b) destaca-se que a falta de sistemas de drenagem acarreta um aumento


significativo nos nveis de severidade apresentados para os defeitos
identificados.

6.3.1.6 Percentual de Ocorrncia dos Tipos de Seo Transversal


107

a) este atributo apresentou em AQZ_01 e AQZ_02, a maior ocorrncia para


sees transversais mistas, com percentuais de 45,0% e 67,7%,
respectivamente;

b) em AQZ_03 apresentou o mais alto ndice de freqncia para seo


transversal em calha, com 52% das ocorrncias. Notou-se que este tipo
favorece o acmulo de gua na ausncia de sistema de drenagem
eficiente e, justamente esta estrada apresentou 7% de ocorrncia do
defeito atoleiro.

6.3.2 QUANTO AO SEGUNDO PROCEDIMENTO EXPERIMENTAL

6.3.2.1 Variveis de Entrada e Sada

a) de acordo com o grau de interferncia na interrupo do trfego na via,


foram atribudos pesos (potncias de dez) a cada uma dessas variveis,
conforme exibidos nas tabelas 5.8 e 5.9;

b) O tratamento hierrquico conferido s variveis de atributos e defeitos


contribuiu sensivelmente para o xito do modelo, o que foi constatado ao
longo do meticuloso processo de treinamento e validao da Rede Neural
Artificial.

6.3.2.3 Parmetros de Desempenho

Os parmetros de desempenho utilizados para anlise do conjunto de dados de


teste: erro quadrtico mdio, coeficiente de determinao e desempenho, apresentaram
os valores mdios de 2,35, 0,97 e 91% respectivamente;

6.3.2.4 Importncia Relativa das Variveis de Entrada

Observou-se que o tipo de seo transversal, seguido pelos valores de rampa,


trfego, tipo de solo clima e presena de dispositivos de drenagem representam, em
ordem crescente, a importncia relativa de cada varivel na previso dos defeitos para
este estudo. Os percentuais calculados foram 32,6%, 23,0%, 21,0%, 9,9%, 8,6% e 5,0%
respectivamente para os atributos considerados.
108

6.3.3 QUANTO AO DESENVOLVIMENTO DA INTERFACE DE APLICAO

a) constatou-se que a Interface de Aplicao do MTODO, desenvolvida


no Microsoft Excel 2000, simulou fielmente o comportamento da Rede
Neural Artificial treinada, obtendo desempenho de 91%;

b) a Interface de Aplicao dotada de um recurso de apresentao de


nveis de prioridade que se baseia na ordenao das variveis de sada
(defeitos). O recurso informa ao usurio, em ordem decrescente de
nveis, sobre quais unidades amostrais (trechos) devem incidir
primeiramente as aes de interveno de manuteno.

c) ressalte-se que esta interface pode ser atualizada desde que os valores
correspondentes ao bias e aos pesos sejam substitudos.

6.4 RESTRIES AO MTODO

A aplicao do MTODO nas estradas de terra do municpio de Aquiraz/CE


permitiu a previso dos defeitos considerados no captulo dois (poeira, segregao de
agregados, ondulaes, eroso, areio, buracos, afundamento de trilhas de roda, seo
transversal inadequada e atoleiro), a partir dos atributos selecionados: trfego,
drenagem, clima, tipo de seo transversal, tipo de solo e valores de rampa.

Convm destacar a carncia de dados referentes rea de infra-estrutura de


estradas no-pavimentadas, tanto em relao s vias, quanto a estudos de caso
desenvolvidos no Brasil. Isto se constituiu em um fator decisivo quanto ao tempo de
desenvolvimento desta dissertao que decorreu para o levantamento dos dados para a
posterior aplicao da tcnica das Redes Neurais Artificiais.

Outra restrio para aplicao do MTODO a necessidade da execuo


eficiente dos procedimentos descritos no captulo quatro, com vistas correta adaptao
das particularidades de outras regies aonde o MTODO venha a ser aplicado.

O modelo de RNA eleito pode ser aplicvel a trechos de outras regies bastando,
para tanto, que se proceda coleta de dados pertinente rea sob exame, a seleo dos
atributos de acordo com as particularidades locais bem como se ponderem as
109

adequaes implementadas aos mtodos de identificao/avaliao de defeitos e de


classificao dos nveis de severidade dos defeitos.

O modelo treinado reage bem s situaes adversas desde que o conjunto de


dados seja suficientemente numeroso de modo que resulte exitosa a generalizao do
conhecimento adquirido pela Rede Neural Artificial validada.

6.5 SUGESTES E RECOMENDAES

O desenvolvimento da pesquisa sensibilizou a autora primeiro quanto s vastas


possibilidades de aplicao da tcnica das RNA na rea de infra-estrutura de transporte
e em seguida para que a presente dissertao de mestrado, longe de esgotar a
investigao acerca do problema tomado como objeto, resultou num esforo de
prospeco no tema para o qual no se pode prescindir da continuidade de maiores
investimentos e dedicao s pesquisas.

Com apoio nestas premissas considera-se recomendvel a montagem e o


refinamento de uma base de dados atinente rea de infra-estrutura de transportes,
consistente e regionalizada, que sirva s novas experincias que requeiram a utilizao
da tcnica das RNA.

Sobressaem-se como sugestes decorrentes deste estudo: a utilizao de outros


simuladores de RNA, de outras espcies de RNA com a adequao dos recursos
disponveis s especificidades do problema de campo que se tomar como foco, em
busca de cada vez melhores resultados bem como a verificao de diversas outras
estruturas de RNA, vista das inesgotveis possibilidades, ao encontro da arquitetura
mais conveniente para o tratamento do problema tomado como objeto.

Reconhece-se utilitrio, conveniente e oportuno, o aperfeioamento do


MTODO e do banco de dados interno ao mesmo com derivao e extenso para
abrangncia no s dos defeitos mas tambm da seleo das atividades de manuteno
com a indicativa considerao de fatores como tempo e custo, cuja serventia a um
programa de manuteno preventiva se apresenta evidente.

As constataes decorrentes do MTODO tendem a enriquecer as experincias


com uso de RNA efetuadas na rea de infraestrutura de transportes, j bem sucedidas,
110

bem como motivar as pesquisas no campo de investigao cientfica correlato alm de


indicarem que possvel o desenvolvimento de ferramentas geis e de fcil manuseio
para uso prtico, que tambm sejam flexveis e adaptveis s outras aplicaes na rea
de transportes, tornando o uso das Redes Neurais Artificiais mais efetivo.

6.6 CONSIDERAES FINAIS

Os resultados obtidos por meio da aplicao MTODO demonstraram que o


modelo de Rede Neural Artificial eleito, quando submetido a uma situao real, isto ,
mediante valores de entrada no previamente conhecidos por ele, apresentou um erro
quadrtico mdio de 2,35, coeficiente de determinao mdio (r2) de 0,97 e um
desempenho de 91%, o que supera os ndices mnimos referidos na literatura
especializada ratificando a viabilidade da RNA para reconhecimentos de padres de
defeitos e severidades em estradas de terra.

A despeito das restries descritas, a racionalizao do processo de coleta de


dados (tpica do Primeiro Procedimento Experimental) aliada disponibilidade da
Interface de Aplicao (ANEXO) favorece o uso do MTODO por usurios no
especializados; o que condiz com a aplicabilidade do MTODO pelos poderes pblicos
municipais brasileiros.

Sob o ponto de vista da viabilidade econmica da aplicao do MTODO


considera-se a relao custo/benefcio francamente favorvel implementao do
mesmo, de uma parte por conta dos benefcios que o MTODO confere ao sistema de
gerncias de vias, em especial atividade de manuteno e em seguida pela relativa
acessibilidade de todos os procedimentos experimentais: levantamentos, coletas de
dados, ensaios laboratoriais, aquisio e operao do simulador de RNA e Interface de
Aplicao, cujos custos so compatveis com a realidade oramentria dos municpios
brasileiros.
111

REFERNCIAS BIBLIOGRFICAS

ALFELOR, R. M. e S. McNEIL (1989) Method for Determining Optimal Blading


Frequency of Unpaved Roads. Transportation Research Record, n. 1252, p. 21-32.

AUSTROADS (1987) A Guide to the Visual Assessment of Pavement Condition.


Report, , A4, 76p., AP-8/87. Sydney

BARAT, J. (2002) O Custo da Ineficincia Brasileira. Revista Problemas Brasileiros.


N. 351.

BRAGA, A. P. e A P. L. F. CARVALHO e T. B. LUDEMIR (1998) Fundamentos de


Redes Neurais Artificiais. 11.a Escola de Computao Universidade Federal do
Rio de Janeiro (UFRJ). Rio de Janeiro.

BRAGA, A P. e A P. L. F. CARVALHO e T.B. LUDEMIR (2000) Redes Neurais


Artificiais: Teoria e Aplicaes. Ed. LTC, Rio de Janeiro.

BRANDO, R. L. (1998) Sistema de Informaes para Gesto e Administrao


Territorial da Regio Metropolitana de Fortaleza Projeto SINFOR: Diagnstico
Geoambiental e os Principais Problemas de Ocupao do Meio Fsico da Regio
Metropolitana de Fortaleza. CPRM. 88p. Fortaleza, Cear.

BREGA, J. R. F. (1996) A Utilizao de Redes Neurais Artificiais em um Sistema de


Gerncia de Pavimentos. Tese Doutorado. Escola de Engenharia de So Carlos.
So Paulo.

BRONDINO, N. C. M. (1999) Estudo da Influncia da Acessibilidade na Valorizao


de Lotes Urbanos Atravs do Uso de Redes Neurais. 141p. Tese Doutorado
Escola de Engenharia de So Carlos, Universidade de So Paulo.

CAIXETA, J. V. e R. S. MARTINS (1998) O Desenvolvimento dos sistemas de


Transporte: Auge, Abandono e Reativao Recente das Ferrovias. RevistaTeoria e
Evidncia Econmica. v. 6. n. 11. p. 69-91. Passo Fundo, RS.

CAMPOS, V. (2003) Na Contramo do Desenvolvimento. Revista Distribuio.

CARRAZZA, R. A. (1998) Curso de Direito Constitucional Tributrio. 2 ed. Malheiros


Editores, So Paulo.

CARVALHO, L. D. V. de (1992) Avaliao da Viabilidade da Melhoria do Projeto


Geomtrico e da Conservao das Estradas de Terra. 85p. Dissertao Mestrado -
Escola de Engenharia de So Carlos, Universidade de So Paulo.

CASSA, J. C. S. e E. D. CUNHA NETO, (1996) Previso de Propriedades de Materiais


de Pavimentao atravs de Redes Neurais Artificiais. Anais da 30.a Reunio
Anual de Pavimentao, p. 2041-2064, Salvador, BA.
112

COLARES, J. Q. S. (1996) Mapeamento Geotcnico Preliminar da Regio


Metropolitana de Fortaleza-CE. 181p. Dissertao Mestrado. Universidade
Estadual Paulista, Rio Claro, So Paulo.

COUTINHO NETO, B. (2000) Redes Neurais Artificiais com o Procedimento para


Retroanlise de Pavimentos Flexveis. Dissertao Mestrado. Escola de
Engenharia de So Carlos, So Paulo.

DARONCHO, C. (2001) Contribuio Anlise de Qualidade de Viagem e suas


Relaes com a Distribuio de Defeitos em Segmentos de Rodovias. 57p.
Dissertao Mestrado. Escola de Engenharia de So Carlos, Universidade de So
Paulo.

DEPARTAMENTO DE ESTRADAS DE RODAGEM DO ESTADO DE SO PAULO


DER (1987) Manual Bsico de Estradas Vicinais. So Paulo.

DEPARTAMENTO NACIONAL DE ESTRADAS DE RODAGEM DNER (1981)


Conservao de Estradas No-pavimentadas.Rio de Janeiro.

DOUGHERTHY, M. (1995) A Review of Neural Networks Applied to Transport.


Transportation Research Part C, v.3, n. 4, p. 247-260.

EATON, R. A. e S. GERARD e D. W. CATE. (1987a) Rating Unsurfaced Roads - A


Field Manual for Mensuring Maintenance Problems. Special Report. 87-15 U. S.
Army Corps of Engineers. Cold Regions Research & Engineering Laboratory.

EATON, R. A. e S. GERARD e R. S. DATILLO (1987b) A Method for Rating


Unsurfaced Roads. Transportation Research Board, n. 1434, p. 85-91.

FLEURY, P. F. (2002) Gesto Estratgica do Transporte. Revista Tecnologstica. N.82.


So Paulo, SP.

FONTENELE, H. B. (2001) Estudo para Adaptao de um Mtodo de Classificao de


Estradas No-pavimentadas s Condies do Municpio de So Carlos/SP.
Dissertao Mestrado. Escola de Engenharia de So Carlos, Universidade de So
Paulo.

FURTADO, A N. D. (1998) Uma Nova Abordagem na Avaliao de Projetos de


Transportes: O Uso de Redes Neurais Artificiais como Tcnica para Avaliar e
Ordenar Alternativas. Tese Doutorado Escola de Engenharia de So Carlos,
Universidade de So Paulo.

FWA, T. e W. T. CHAN (1993) Priority rating of highway maintenance needs by neural


networks. Journal of Transportation Engineering of the ASCE, v. 119, n. 3, p.
419-432.

HAAS, R. e W. R. HUDSON e J. ZANIEWSKY (1994) Modern Pavement


Management. Publishing Company, 583p.
113

HAYKIN, S. (1994) Neural Networks: A Comprehensive Foundation. IEEE Press,


Toronto.

HAYKIN, S. (1999) Neural Networks. A Comprehensive Foundation. Prentice Hall.


2nd edition. Toronto.

HAYKIN, S. (2001) Redes Neurais: Princpios e Prtica. 2 ed. Trad. Paulo Martins
Engel. Ed. BooKman. Porto Alegre. RS.

HEADQUARTERS DEPARTAMENT OF THE ARMY (1982) Pavement Maintenance


Management. Technical Manual 5-623. Washington, DC.

INSTITUTO BRASILEIRO DE GEOGRAFIA E ESTATSTICA - IBGE (2001).


Anurio Estatstico do Brasil.

INSTITUTO DE PLANEJAMENTO DO ESTADO CEAR - IPLANCE (2001).


Anurio Estatstico do Cear.

INSTITUTO DE PLANEJAMENTO DO ESTADO CEAR - IPLANCE (2003).


In:www.ipece.ce.gov.br

LOESCH, C. e S. T. SARI, (1996) Redes Neurais Artificiais: Fundamentos e Modelos.


Ed. FURB, Blumenau, SC.

MARIOTONI, M. (1987) Rodovias Vicinais: Conceituao e Importncia. Dissertao


Mestrado. Escola Politcnica. Universidade de So Paulo, So Paulo.

McCULLOCH, W. S. e W. Pitts, (1943) A Logical Calculus of Ideas Immanent in


Nervous Activity. Bulletin of Mathematical Biophysics, n. 5, p. 115133.

ODA, S. (1995) Caracterizao de uma Rede Municipal de Estradas No-pavimentadas.


Dissertao Mestrado - Escola de Engenharia de So Carlos, Universidade de So
Paulo. So Paulo.

RAIA JR., A. A. (2000) Acessibilidade e Mobilidade na Estimativa de um ndice de


Potencial de Viagens Utilizando Redes Neurais Artificiais e Sistemas de
Informao Geogrfica. Tese Doutorado Escola de Engenharia de So Carlos,
Universidade de So Paulo. So Paulo.

RIANI, F. (1997) Economia do Setor Pblico: Uma Abordagem Introdutria. 3ed. Ed.
Atlas, So Paulo.

ROBERTS, P. e R. ROBINSON (1983) Need to Set Priorities for Road Maintenance in


Developing Countries. Transportation Research Record, n. 898, p. 347-354.

RODGHER, S. F. (2002) Aplicao das Redes Neurais Artificiais para Previso de


Propriedades dos Solos Tropicais. Tese Doutorado - Escola de Engenharia de So
Carlos, Universidade de So Paulo. So Paulo.
114

RODGHER, S. F. e G. T. P. FABBRI, A. C. P. L. CARVALHO, (1997) A Utilizao


de Redes Neurais Artificiais para Classificao de Solos Tropicais. XI Congresso
de Ensino e Pesquisa em Transportes ANPET. Anais, v. 1, p. 51-59, Rio de
Janeiro.

RODGHER, S. F. e S. ODA, (1997) Previso de Defeitos em Estradas No-


pavimentadas atravs do Uso de Redes Neurais Artificiais. I Simpsio
internacional de Pavimentao de Rodovias de Baixo Volume de Trfego. Anais.
v. 2, p. 617-626, Rio de Janeiro.

RODGHER, S. F. e S. ODA e J. L. FERNANDES JUNIOR e G. T. P. FABBRI e M. H.


A. SORIA (1998) Uso de Redes Neurais Artificiais na Seleo de Atividades de
Manuteno e Reabilitao de Estradas No-pavimentadas. XII Congresso de
Ensino e Pesquisa em Transportes ANPET. Anais. v. 1, p. 183-196, Fortaleza.

RODRIGUES, F. A.(2002) Localizao e Reconhecimento de Placas de Sinalizao


Utilizando um Mecanismo de Ateno Visual e Redes Neurais Artificiais.
Dissertao Mestrado. Universidade Federal de Campina Grande, PB.

ROLT, J. (1995) Low-Volume Roads: Problems, Need and Impacts. Transportation


Research Circular, n. 446, p. 25-26.

SANTOS, A. R. e E. L. PASTORE e F. AUGUSTO JR. e M. A. CUNHA (1988)


Estradas Vicinais de Terra. Manual Tcnico para Conservao e Recuperao. 2
ed, Instituto de Pesquisas Tecnolgicas do Estado de So Paulo, So Paulo.

SCHLIESSLER, A. S. e A. BULL (1994) Caminhos - Um Novo Paradigma para a


Gesto e Conservao das Redes Virias. Instituto Panamericano de Carreteras
Brasil, So Paulo.

TAFNER, M. A. e M. XEREZ e L. W. R. FILHO, (1996) Redes Neurais Artificiais:


Introduo e Princpios de Neurocomputao. Ed. EKO, FURB, Blumenau, SC.

TUBB, N. R. (1993) A Development Path to Sucess in Neural Computing. In: Expert


Systems Applications. v.9, n.5, pp. 5-9.

VIVIANI, E. (1998) A Utilizao de um Sistema de Informao Geogrfica como


Auxlio Gerncia de Manuteno de Estradas Rurais no-pavimentadas. Tese
Doutorado. Escola de Engenharia de So Carlos, Universidade de So Paulo. So
Paulo.

WOSTENHOLME, S. (2001) Easy NN Plus. Neural planner software. In


http://www.easynn.com.
115

ANEXO
116

ANEXO

A INTERFACE DE APLICAO

Neste anexo, ser apresentada a interface de demonstrao desenvolvida no


software MICROSOFT EXCEL 2000 que exibe resultados-sadas (defeitos)
correspondentes s entradas (atributos) de cada trecho da via em exame.

A interface objetiva promover o uso mais efetivo das Redes Neurais Artificiais
como ferramenta de previso de defeitos em estradas no-pavimentadas, auxiliando
assim o processo decisrio na manuteno das estradas e do sistema de gerncia
respectivo.

Os campos a serem preenchidos pelo usurio esto dispostos da seguinte


maneira: identificao da unidade amostral que se quer avaliar, denominada na interface
como Trecho (n.) e Nome, situados no canto superior esquerdo e, logo abaixo,
dispostos em coluna esto os campos a serem preenchidos com os dados de entrada
(atributos do trecho). Na seo direita da planilha, situam-se os campos que sero
preenchidos automaticamente na medida da alimentao das entradas com: os defeitos
previstos pelo modelo de RNA treinado e um ndice de priorizao dos trechos ou
unidades amostrais que mais necessitam de interveno.

MTODO DE PREVISO DE DEFEITOS EM ESTRADAS NO PAVIMENTADAS


Trecho(n): REDES NEURAIS ARTIFICIAIS
Nome :
ENTRADAS RESULTADOS
Trfego Poeira
1-Leve Segregao de Agregados
2-Misto Ondulao
3-Pesado Eroso
Drenagem Areio
1-Ausente Buracos
2-Presente Afundamento de Trilhas de Rodas
Clima Seo Transversal Inadequada
1-Chuvoso Atoleiro
2-Seco
Seo Transversal NVEIS DE PRIORIDADE
1-Em Calha Trecho 1
2-Mista Trecho 2
3-Abaulada e Encaixada Trecho 3
Tipo de Solo Trecho 4
1-Granular Trecho 5
2-Siltoso e Argiloso Trecho 6
Rampa Trecho 7
1-Menor que 3% Trecho 8
2-Entre 3% e 8% Trecho 9
3-Maior que 8% Trecho 10

Figura 1: Exemplo da planilha, antes de qualquer preenchimento


117

Segue-se uma breve descrio do funcionamento da interface de demonstrao


desenvolvida para este estudo:

Preenchem-se os dados de entrada nos campos correspondentes em consonncia


com os critrios descritos no captulo quatro. So eles:

a) trfego: classificado em trs categorias: 1, 2 e 3; leve, misto e pesado,


respectivamente, conforme as percentagens de veculos pesados que
operam nas estradas em estudo;

b) drenagem: classificado em dois nveis: ausente ou presente;


representados pelos nmeros 1 e 2, respectivamente;

c) clima: classificado em duas classes: chuva ou sol, representados pelos


nmeros 1 e 2, respectivamente;

d) seco transversal: classificada em: calha, mista e encaixada ou abaulada


e encaixada, representadas pelos nmeros 1, 2 e 3, respectivamente;

e) tipos de solo: abrangidos por duas grandes classes: solos granulares, os


quais possuem comportamento geral como subleito de excelente a bom,
representado pelo nmero 1; e solos argilosos e siltosos, com
comportamento de regular a mau, representado pelo nmero 2;

f) rampa: classificada em trs tipos: valores menores que 3, entre 3 e 8


(includos), e valores maiores que 8, representados pelos nmeros
1, 2 e 3, respectivamente.

Aps a alimentao das entradas, a interface mostrar automaticamente as


variveis de sada (defeitos com seus respectivos graus de severidade), assim como um
ndice de priorizao.

Vale ressaltar que a interface prioriza dez trechos por vez, aps a apresentao
dos dez trechos, recomea-se o processo com mais dez trechos e assim por diante.
O maior ndice refletir o trecho ou unidade amostral com maior necessidade de
interveno.
118

A figura 2 apresenta a tela principal da Interface de Aplicao totalmente


preenchida. Observa-se que h diferentes sadas para cada trecho caracterizado e,
conseqentemente, nveis de prioridade diversificados.

MTODO DE PREVISO DE DEFEITOS EM ESTRADAS NO PAVIMENTADAS


Trecho(n): 10 REDES NEURAIS ARTIFICIAIS
Nome : AQUIRAZ
ENTRADAS RESULTADOS
Trfego 2 Poeira Sem o Defeito
1-Leve Segregao de Agregados Alta
2-Misto Ondulao Sem o Defeito
3-Pesado Eroso Baixa e Alta
Drenagem 1 Areio Sem o Defeito
1-Ausente Buracos Baixa e Alta
2-Presente Afundamento de Trilhas de Rodas Baixa e Alta
Clima 1 Seo Transversal Inadequada Alta
1-Chuvoso Atoleiro Alta
2-Seco
Seo Transversal 1 NVEIS DE PRIORIDADE
1-Em Calha Trecho 1 0,0030
2-Mista Trecho 2 0,0040
3-Abaulada e Encaixada Trecho 3 0,0051
Tipo de Solo 2 Trecho 4 0,0001
1-Granular Trecho 5 0,1720
2-Siltoso e Argiloso Trecho 6 0,0542
Rampa 1 Trecho 7 0,0010
1-Menor que 3% Trecho 8 0,0042
2-Entre 3% e 8% Trecho 9 0,0778
3-Maior que 8% Trecho 10 0,0012

Figura 2: Exemplo da Interface de Aplicao preenchida