Evitando de repente os buracos depois de toda essa chuva? Veja como os drones podem ajudar nos reparos
Reparar cedo é muito mais barato do que reparar tarde. Crédito:Shutterstock
Quando chove transborda. E quando chove – como aconteceu este ano – ficamos com buracos. Embora pequenos buracos sejam um inconveniente, grandes buracos podem destruir rodas de carros e causar acidentes, como dezenas de motoristas descobriram na semana passada na Hume Freeway.
Três anos muito chuvosos ao longo da costa leste da Austrália significam que os buracos estão crescendo em número. No sudeste de Queensland, milhares de quilômetros de estradas esburacadas aguardavam reparos meses após as inundações na região. No interior de Nova Gales do Sul, equipes de estrada repararam mais de 135.000 buracos desde fevereiro.
Os buracos podem até influenciar as eleições vitorianas do próximo mês. Os trabalhistas prometeram reparos urgentes, enquanto os liberais prometeram A $ 1 bilhão por ano ao longo de dez anos para a manutenção das estradas.
Reparos de buracos tendem a acontecer muito depois que o dano apareceu pela primeira vez. Isto é especialmente verdade em áreas rurais onde os conselhos devem manter vastas redes rodoviárias com um orçamento muito limitado. O problema crescente já forçou alguns conselhos a cortar programas de obras de capital para reforçar suas estradas. É aí que nossa nova pesquisa pode ajudar.
Usando drones ou câmeras em carros, podemos capturar o estado das estradas de uma área para construir um modelo digital. Podemos então executar um programa de aprendizado de máquina para prever com precisão quais buracos provavelmente se ampliarão em um poço destruidor de rodas.
Isso pode levar a estradas mais seguras e economizar muito dinheiro para os contribuintes e motoristas. A análise de custo-benefício sugere que poderia reduzir os custos de monitoramento em cerca de 40%.
Por que os buracos estão nas notícias agora? Os buracos estão virando notícia porque de repente estão por toda parte. Enquanto enfrentamos nosso terceiro ano de La Nina, tivemos chuvas e inundações sem precedentes em muitas partes da Austrália.
Um buraco geralmente se forma quando a chuva cai no asfalto e flui para pontos mais baixos na estrada. Pneus de veículos forçam a água profundamente em pequenas rachaduras e fendas. Com o tempo, essa pressão quebra pequenos pedaços do asfalto. Um pequeno buraco pode rapidamente ficar mais largo e profundo à medida que mais tráfego passa por ele.
Os buracos podem se formar de outras maneiras, como quando a água se infiltra na base da estrada e cria cavidades sob o asfalto. Depois que um número suficiente de carros atropela o local, o asfalto quebra.
Normalmente, as autoridades rodoviárias ficam sabendo dos buracos por meio de denúncias do público ou quando os trabalhadores circulam procurando por eles. Os buracos também são tratados com repavimentação periódica.
Mas agora, muitos conselhos estão achando difícil acompanhar todos os buracos que precisam ser consertados.
Se passar tempo suficiente, um pequeno buraco pode se tornar um problema gigante e caro. Como resultado, na prática, muitos reparos de buracos são reativos – e uma dor de cabeça para os conselhos.
Por que um modelo digital de nossas estradas ajudaria? A tecnologia de gêmeos digitais está se tornando cada vez mais popular como forma de monitorar tudo, desde cadeias de suprimentos até apartamentos e armazéns. O objetivo geralmente é economizar dinheiro.
Depois de construir um modelo digital detalhado de ativos do mundo real, você pode executar o modelo a tempo para ver onde estão os pontos de estresse e onde você precisa intervir antecipadamente. Uma vez que o modelo é construído, você precisa atualizá-lo uma ou duas vezes por ano.
Digamos que você tenha uma rede de estradas rurais no interior de Queensland. Você envia drones, que tiram milhares de imagens de alta resolução das estradas. Então você junta essas imagens para fazer um modelo 3D. Depois de ter isso, você pode treinar um programa de aprendizado de máquina nessas imagens para identificar problemas reveladores.
Como você faz o modelo? Em minha pesquisa, usei dois drones para criar um modelo 3D de 250 metros da Turner Street em Port Melbourne, que costuma ser danificada devido ao grande número de caminhões. O melhor método de obter fotos de qualidade acabou sendo manual, em vez de depender dos sistemas automáticos do drone. Depois de ter fotos suficientes, converti-as em um gêmeo digital e treinei uma ferramenta de aprendizado de máquina para sinalizar buracos que valem a pena consertar.
Nem todos os buracos são criados iguais. Alguns permanecerão do mesmo tamanho por anos, enquanto buracos incomumente profundos ou largos piorarão rapidamente. Uma vez que o programa é ensinado o que procurar, ele pode encontrar os piores infratores e sinalizá-los para reparos rápidos
Um trabalhador da estrada com 20 anos de experiência geralmente terá uma noção de quais buracos vão piorar. Nossa pesquisa captura esse conhecimento e o transforma em uma ferramenta amplamente disponível.
Então, quão precisa foi a IA ao aprender a sinalizar buracos que provavelmente se deteriorariam? Cerca de 85% de precisão, o que é aceitável.
Na minha análise de custo-benefício, descobri que esse método seria cerca de 40% mais barato que o método tradicional em que uma pessoa dirige e outra anota. Exigiria um investimento de tempo semelhante, mas o trabalho pode ser feito por uma pessoa em vez de duas. Quais são as desvantagens? O maior para os conselhos provavelmente será o armazenamento de grandes volumes de dados gerados, garantindo que sejam seguros e acessíveis.
Quando as pessoas ouvem frases como drones, aprendizado de máquina e gêmeos digitais, elas podem arquivá-las mentalmente em "interessante, mas muito trabalhoso". Isso é uma grande vergonha. Usar essas ferramentas é muito mais fácil agora do que costumava ser – e indústrias da ciência médica à fabricação de automóveis estão adotando-as.
As cheias e chuvas torrenciais deste ano oferecem aos municípios e outras autoridades rodoviárias uma excelente oportunidade para ver o que é agora possível.