Classificação da segurança operacional de pistas de pouso e decolagem usando redes multilayer perceptron
DOI:
https://doi.org/10.21439/conexoes.v19.3736Palavras-chave:
Redes Neurais MLP, Coeficiente de Atrito, Macrotextura, Pavimento AeroportuárioResumo
As condições de resistência à derrapagem de pavimentos aeroportuários são fatores importantes para a manutenção da segurança operacional de pousos e decolagens e fundamentais para o gerenciamento de riscos em aeroportos. Essa resistência pode ser incrementada por meio da caracterização do revestimento das pistas, que ficam em contato direto com os pneus das aeronaves. O objetivo deste artigo é obter um modelo de classificação da segurança operacional de pistas de pouso e decolagem (PPD) com revestimento em Concreto Asfáltico (CA) e Camada Porosa de Atrito (CPA). Foram utilizadas variáveis como coeficiente de atrito, profundidade da macrotextura, remoção do acúmulo de borracha, localização e terço da PPD e tipo de revestimento asfáltico, oriundos de relatórios disponibilizados pela Autoridade de Aviação Civil entre 2014 e 2018. Foram empregadas técnicas de machine learning, especificamente uma rede neural do tipo Multilayer Perceptron. Os resultados apresentam uma taxa de acerto de 99,5% no teste adicional e demonstram que o modelo gerado é capaz de classificar adequadamente a segurança operacional das PPD. Com isso, espera-se contribuir para os Sistemas de Gerência de Pavimentos Aeroportuários, ao fornecer uma ferramenta para aprimorar a eficiência e segurança das operações aeroportuárias.
Referências
ANAC (2023). Agência Nacional de Aviação Civil. Regulamento Brasileiro da Aviação Civil RBAC Nº 153 Emenda Nº 07. Aeródromos - Operação, Manutenção e Resposta à Emergência. Brasília, DF, 2023. Disponível em: https://www.anac.gov.br/assuntos/legislacao/legislacao-1/rbha-e-rbac/rbac/rbac-153. Acesso em: 17 de maio de 2024.
ANAC (2021). Análise Qualitativa dos Relatórios Finais das ocorrências com aeronaves de matrícula brasileira nos últimos 10 anos (2010-2019) classificadas como Excursão de Pista (RE). [S. l.]: Agência Nacional de Aviação Civil, 2021. Disponível em: https://www.gov.br/anac/pt-br/assuntos/seguranca-operacional/relatorios-de-analises deocorrencias/Relatorio_RE_VersaoFinal.pdf . Acesso em: 24 de maio de 2022.
ANAC (2020). Instrução Suplementar – IS Nº 153.205-001. Brasília: Agência Nacional de Aviação Civil, 2020. 23 p. Disponível em: https://www.anac.gov.br/assuntos/legislacao/legislacao-1/boletim-de pessoal/2020/38s1/is153-205-001b.pdf. Acesso em: 17 de maio de 2024.
APS, Marcia (2006). Classificação da Aderência Pneu-Pavimento pelo Índice Combinado IFI – International Friction Index para Revestimentos Asfálticos. Tese de Doutorado, Escola Politécnica – USP, São Paulo, 2006. https://doi.org/10.11606/T.3.2006.tde-11122006-144825.
ASSIS, R. K. M.; DURÁN, J. B. C.; CUNHA, A. L.; PITOMBO, C. S.; FERNANDES JR., J. L (2016). Uso de redes neurais artificiais para o desenvolvimento de modelos de previsão da condição de pavimentos de aeroportos. 7° Congresso Luso Brasileiro para o Planejamento Urbano, Regional, Integrado e Sustentável (Pluris). Maceió, Brasil, 2016. Disponível em: https://fau.ufal.br/evento/pluris2016/files/Tema%203%20-%20Mobilidade%20e%20Transportes/Paper1062.pdf. Acesso em: 17 de maio de 2024.
BEUREN, Marcelo Müller; GERCHMAN, Marcos (2016). Método de previsão de demanda de passageiros em aeroportos: Um estudo de caso no Aeroporto Internacional Salgado Filho. Produção em Foco, v. 6, n. 1, 2016. Disponível em: scholar.archive.org. Acesso em 17 de maio de 2024.
CHEN, Weishi; LI, Jing (2016). Safety performance monitoring and measurement of civil aviation unit. Journal of Air Transport Management, v. 57, p. 228-233, 2016. https://doi.org/10.1016/j.jairtraman.2016.08.015.
FAA (2007). Federal Aviation Administration - AC 150/5320-12. Measurement, Construction & Maintenance of Skid Resistant Airport Pavement Surface. 2007. Disponível em: https://www.faa.gov/documentLibrary/media/advisory_circular/150-5320-12C/150_5320_12c.PDF. Acesso em: 17 de maio de 2024.
FRANCESCHI, Pietro Reinheimer de (2019). Modelagens preditivas de Churn: o caso do Banco do Brasil. Dissertação de Mestrado. Universidade do Vale do Rio dos Sinos, Porto Alegre. 2019. Disponível em: https://repositorio.jesuita.org.br/handle/UNISINOS/9087. Acesso em 17 de maio de 2024.
GAJEWSKI, Jakub; SADOWSKI, Tomasz (2014). Sensitivity analysis of crack propagation in pavement bituminous layered structures using a hybrid system integrating Artificial Neural Networks and Finite Element Method. Computational Materials Science, v. 82, p. 114-117, 2014. https://doi.org/10.1016/j.commatsci.2013.09.025.
GÉRON, A (2017). Hands-On Machine Learning with Scikit-Learn. First Edit. O’Reilly, Sebastopol, CA, 2017.
HECHT-NIELSEN, Robert. (1989). Neurocomputing. Addison-Wesley Longman Publishing Co. Inc. Boston. https://dl.acm.org/doi/10.5555/103996.
HOSSIN, Mohammad; SULAIMAN, Md Nasir (2015). A review on evaluation metrics for data classification evaluations. International journal of data mining & knowledge management process, v. 5, n. 2, p. 1, 2015. Disponível em: https://www.aircconline.com/ijdkp/V5N2/5215ijdkp01.pdf. Acesso em: 17 de maio de 2024.
KUMAR, A., TANG, T., GUPTA, A., & ANUPAM, K. (2023). A state-of-the-art review of measurement and modelling of skid resistance: The perspective of developing nation. Case Studies in Construction Materials, 18, e02126. https://doi.org/10.1016/j.cscm.2023.e02126
LIPPMANN, R.P. (1987). An introduction to computing with neural nets. IEEE ASSP Magazine, vol. 4, pp 4-22. DOI 10.1109/MASSP.1987.1165576.
MAIA, Aldaianny de Oliveira; OLIVEIRA, Francisco Heber Lacerda de; SILVA, Carlos Augusto Uchôa da (2023a). Um método de apoio à gestão para análise das condições de aderência em pavimentos aeroportuários. Conexões - Ciência e Tecnologia, [S.l.], v. 17, p. e022016, dec. 2023. ISSN 2176-0144. Disponível em: <https://conexoes.ifce.edu.br/index.php/conexoes/article/view/2905/1659>. Acesso em: 14 mar. 2024. doi:https://doi.org/10.21439/conexoes.v17i0.2905.
MAIA, Camila Lima; ROCHA, Maria Izabel de Mesquita; ALMEIDA, Antonia Fabiana Marques; LEITE, Madalena Osório; OLIVEIRA, Francisco Heber Lacerda de (2023b). Análise da resistência à derrapagem de pista de pouso e decolagem pré e pós-obra de reabilitação. 25º Encontro Nacional de Conservação Rodoviária (ENACOR). 48ª Reunião Anual de Pavimentação (RAPv). Foz do Iguaçu, Paraná, 2023. Disponível em: https://rapvenacor.com.br/anais/2023/TT898.pdf. Acesso em: 17 de maio de 2024.
MOTA, Ítalo Ponte Der Hovannessian; DE OLIVEIRA, Francisco Heber Lacerda; DE AGUIAR, Marcos Fábio Porto (2016). Verificação multicritério das condições físicas para a segurança operacional aeroportuária. Transportes, v. 24, n. 2, p. 21-26, 2016. https://doi.org/10.14295/transportes.v24i2.1033.
NIU, Y.; ZHANG, S.; TIAN, G.; ZHU, H.; ZHOU, W. (2020). Estimation for Runway Friction Coefficient Based on Multi-Sensor Information Fusion and Model Correlation. Sensors 2020, 20, 3886. https://doi.org/10.3390/s20143886
OLIVEIRA, Francisco Heber Lacerda de; ALMEIDA, Lucas Cavalcante de; RAMOS, Saulo Passos (2016). Estudo do comportamento da aderência e do conforto ao rolamento em pistas de pouso e decolagem. Transportes, São Paulo-SP, v. 24, n. 2, p. 27-33, 2016. https://doi.org/10.14295/transportes.v24i2.1059.
PRATICÒ, FILIPPO GIAMMARIA, FEDELE, R., NAUMOV, V., & SAUER (2020). Detection and monitoring of bottom-up cracks in road pavement using a machine-learning approach. Algorithms, v. 13, n. 4, p. 81, 2020. https://doi.org/10.3390/a13040081.
PINHEIRO NETO, J. C.; OLIVEIRA, F. H. L. de; AGUIAR, M. F. P. de (2015). Análise da correlação linear de parâmetros de aderência em pavimentos aeroportuários: Estudo de caso do Aeroporto Internacional Pinto Martins. Anais do 44ª Rapv – REUNIÃO ANUAL DE PAVIMENTAÇÃO E 18º ENACOR – ENCONTRO NACIONAL DE CONSERVAÇÃO RODOVIÁRIA. Foz do Iguaçu, Paraná, 2015. Disponível em: https://marcosporto.eng.br/wp-content/uploads/2018/01/An%C3%A1lise-da-Correla%C3%A7%C3%A3o-Linear-de-Par%C3%A2metros-de-Ader%C3%AAncia-em-Pavimentos-Aeroportu%C3%A1rios-Estudo-de-Caso-do-Aeroporto-Internacional-Pinto-Martins.pdf. Acesso em: 17 de maio de 2024.
QUARIGUASI, José Breno Ferreira; OLIVEIRA, Francisco Heber Lacerda de; REIS, Saulo Davi Soares (2021). A prediction model of the coefficient of friction for runway using artificial 94 neural network. Transportes. DOI 2021. 0.14295/transportes.v29i2.240.
QUARIGUASI, José Breno Ferreira (2020). Previsão do coeficiente de atrito em pista de pouso e decolagem utilizando Redes Neurais Artificiais. Dissertação de Mestrado. Universidade Federal do Ceará, Fortaleza. 2020. Disponível em: https://repositorio.ufc.br/handle/riufc/55264. Acesso em: 17 de maio de 2024.
QUARIGUASI, José Breno Ferreira; DE OLIVEIRA, Francisco Heber Lacerda; REIS, Saulo Davi Soares (2019). Estudo preliminar sobre proposição de modelo de previsão para o coeficiente de atrito medido em pista de pouso e decolagem. In: SITRAER XVIII–Air Transportation Symposium. 2019. p. 9. Disponível em: https://www.researchgate.net/publication/336736923_ESTUDO_PRELIMINAR_SOBRE_PROPOSICAO_DE_MODELO_DE_PREVISAO_PARA_O_COEFICIENTE_DE_ATRITO_MEDIDO_EM_PISTA_DE_POUSO_E_DECOLAGEM#fullTextFileContent. Acesso em: 17 de maio de 2024.
RABABAAH, Haroun; VRAJITORU, Dana; WOLFER, James (2005). Asphalt pavement crack classification: a comparison of GA, MLP, and SOM. In: Proceedings of Genetic and Evolutionary Computation Conference, Late-Breaking Paper. 2005. Disponível em: https://cs.iusb.edu/~isl/jim_papers/78-rababaah.pdf. Acesso em: 17 de maio de 2024.
RIBEIRO, Túlio Rodrigues; OLIVEIRA, Francisco Heber Lacerda de (2023). Development of friction coefficient prediction models for Brazilian runways using Artificial Neural Networks. TRANSPORTES, v. 31, n. 2, p. 1-15, 2023. DOI: 10.58922/transportes.v31i2.2792. https://doi.org/10.58922/transportes.v31i2.2792.
RIZZO, Igor Vilela; CANATO, Robson Leandro Carvalho (2020). Inteligência artificial: funções de ativação. Prospectus (ISSN: 2674-8576), v. 2, n. 2, 2020. Disponível em: https://prospectus.fatecitapira.edu.br/index.php/pst/article/view/37. Acesso em: 17 de maio de 2024.
SALES, Renata de Souza; OLIVEIRA, Francisco Heber Lacerda de; PRADO, Lucius de Albuquerque (2022). Performance of tire-asphalt pavement adherence according to rubber removal on runways. International Journal of Pavement Engineering, v. 23, n. 10, p. 3566- 3576, 2022. https://doi.org/10.1080/10298436.2021.1907577.
SALES, R. S.; MAIA, A. O.; OLIVEIRA, F. H. L. de (2021). Análise da influência da remoção de borracha na aderência pneu-pavimento de pistas de pouso e decolagem. Anais do 35° Congresso de Pesquisa e Ensino em Transportes da ANPET, 2021. Disponível em: https://www.anpet.org.br/anais35/documentos/2021/Infraestrutura/Pavimentos%20Aeroportu%C3%A1rios%20Ferrovi%C3%A1rios%20e%20T%C3%BAneis/1_130_AC.pdf. Acesso em: 17 de maio de 2024.
TELLES, Wagner Rambaldi et al. (2013). Simulação de uma pluma de contaminantes no rio macaé utilizando redes neurais artificiais. Revista Brasileira de Recursos Hidricos, v. 18, n. 2, p. 165-174, 2013. Disponível em: https://files.abrhidro.org.br/Eventos/Trabalhos/153/c9b7f8b20570523e4b03f689f2fc5701_9f4a141a692152079c1d814951a96d58.pdf. Acesso em: 17 de maio de 2024.
ZHU, Xingy; YANG, Y.; ZHAO, H.; JELAGIN, D.; CHEN, F.; GILABERT, F. A.; GUARIN, A (2021). Effects of surface texture deterioration and wet surface conditions on asphalt runway skid resistance. Tribology International, v. 153, p. 106589, 2021. http://hdl.handle.net/1854/LU-8671575.
ZHENG, Binshuang; HUANG, Xiaoming; ZHANG, Weiguang; ZHAO, Runmin; ZHU, Shengze (2018). Adhesion characteristics of tire-asphalt pavement interface based on a proposed tire hydroplaning model. Advances in Materials Science and Engineering, v. 2018, 2018. https://doi.org/10.1155/2018/5916180.
Downloads
Publicado
Como Citar
Edição
Seção
Licença
Copyright (c) 2025 Camila Lima Maia, Carlos Augusto Uchôa da Silva, Francisco Heber Lacerda de Oliveira, Renata de Souza Sales
Este trabalho está licenciado sob uma licença Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International License.
Os autores que publicam na Revista Conexões: Ciência e Tecnologia concordam com os seguintes termos: Autores mantêm os direitos autorais e concedem à revista o direito de primeira publicação, com o trabalho licenciado sob uma licença Creative Commons Atribuição-NãoComercial-CompartilhaIgual 4.0 Internacional (CC BY -NC-SA 4.0) . Nossos artigos estão disponíveis gratuitamente e gratuitamente, com privilégios para atividades educacionais, pesqueiras e não comerciais.
