Título: Classificação de Superfície de Rodovias utilizando Técnicas de Aprendizado de Máquinas em Pneus Inteligentes
Autores: Rafael Avila dos Santos, Bruno Henrique Groenner Barbosa, Danton Diego Ferreira, Hassan Askari & Nan Xu
Resumo: Conhecimentos da dinâmica veicular são essenciais para melhorar a segurança e a tecnologia dos veículos. Com esse propósito, os pneus inteligentes vêm sendo bastante utilizados para mensurar a interação pneu-solo e contribuir para uma melhor estimação dos estados do veículo e condições da superfície. Nesse sentido, este trabalho tem por objetivo classificar o tipo de superfície que o veículo se encontra por meio de técnicas de Aprendizado de Máquinas aplicadas em dados de sensores instalados dentro do pneu. Para isso, recorreu-se a um banco de dados contendo oito tipos de superfícies, sendo o pneu submetido a velocidades de 30, 60 e 90 mph, cujos dados foram obtidos por meio de um acelerômetro triaxial e um sensor nanogerador baseado no polímero Fluoreto de polivinilideno (PVDF). Após a extração de características temporais desses sensores dentro da zona de contato pneu-solo, foram utilizados diversos modelos de aprendizado de máquina para identificar os oito tipos de superfícies. A partir da leitura do acelerômetro, o modelo Random Forest obteve 90% de acurácia no teste, demonstrando superioridade em relação aos demais. Já com os dados do PVDF tanto o modelo Gradient Boosting quanto o Extra Tree obtiveram resultados de acurácia próximos de 97% em teste, mostrando que o uso do PVDF é aconselhável para o problema abordado. Finalmente, foi aplicada a técnica LIME para explicar e entender a influência das características sobre as classificações das superfícies.
Palavras-chave: Vehicle Dynamics; Intelligent Tire; Machine Learning; Computational Intelligence; Intelligent Systems.
Páginas: 8
Código DOI: 10.21528/CBIC2025-1158557
Artigo em PDF: CBIC_2025_paper1158557.pdf
Arquivo BibTeX:
CBIC_2025_1158557.bib