Publicado na Scientific Reports, o estudo avalia se levantamentos repetidos com laser scanner terrestre (TLS) podem transformar o acompanhamento de pavimentos em um processo quantitativo e preditivo. O objetivo foi medir defeitos de superfície, acompanhar sua evolução, identificar quais patologias mais contribuem para a perda do Pavement Condition Index (PCI) e projetar a condição futura da via para apoiar decisões de manutenção.
A equipe monitorou um corredor rodoviário de 20,1 km entre Kafr El-Sheikh e Tanta, no Egito, em quatro épocas entre novembro de 2022 e março de 2025. Nuvens de pontos foram usadas para quantificar fissuras, desgaste, trilhas de roda, buracos e outros defeitos. O PCI foi calculado para cada trecho e os dados foram analisados com regressão linear múltipla, árvore de decisão, Random Forest e XGBoost, além de validações leave-one-out e leave-one-section-out.
Todos os trechos perderam PCI ao longo de 28 meses, com quedas entre 5,4% e 45%. Os modelos não lineares apresentaram R² entre 0,972 e 0,984 na validação leave-one-out, e o Random Forest apontou desgaste superficial, fissuração linear, trilha de roda e desnível entre faixa e acostamento como variáveis de maior influência. Modelos temporais por trecho alcançaram R² médio de 0,91 e indicaram dois segmentos com risco de chegar à condição de falha antes de 2030.
A principal limitação aparece quando o modelo é testado em um trecho completamente não visto: a validação leave-one-section-out apresentou desempenho fraco, mostrando que a alta precisão dentro do corredor não deve ser tratada como capacidade de generalização para qualquer rodovia. As projeções para 2030 também assumem continuidade das condições de tráfego, ambiente e manutenção observadas no período monitorado.
Leitura VAELITH: o valor prático está menos em “prever uma rodovia inteira com IA” e mais em criar um histórico digital repetível do mesmo ativo. Para concessionárias e órgãos rodoviários, TLS + PCI + modelos explicáveis podem ajudar a detectar aceleração da deterioração e ordenar inspeções e intervenções. O estudo também mostra por que modelos de infraestrutura precisam ser validados fora dos trechos usados no treinamento antes de orientar decisões de capital.