Machine Learning Applied in the Evaluation of Airport Projects
- Ítalo Guedes dos Santos
- Max Lira Veras Xavier Andrade
- Cleber Zanchettin
Universidade Federal de Pernambuco (UFPE) · Universidade Federal de Pernambuco (UFPE), Centro de Informática
- Event
- XIX SITRAER – São José dos Campos, SP, Brasil, October 25–27, 2022
- Volume
- Proceedings of SITRAER 2022 – Air Transportation Symposium · ISSN 2448-1912
- Pages
- 586–594
- Publisher
- Sociedade Brasileira de Pesquisa em Transporte Aéreo (SBTA)
- Editors
- Giovanna Miceli Ronzani Borille, Rogéria de Arantes Gomes, Evandro José da Silva, Mauro Caetano, Cláudia Azevedo Pereira
Resumo
O Brasil é um país com dimensões continentais, tendo o transporte aéreo como um vetor estratégico no desenvolvimento econômico. Em virtude de uma conjugação favorável de fatores, tais como: dimensão territorial, alta mobilidade geográfica e social, dentre outros, o Brasil tornou-se um dos países emergentes com elevado potencial de desenvolvimento do transporte aéreo. No que diz respeito ao desenvolvimento de um projeto aeroportuário no Brasil, uma série de pré-requisitos normativos norteiam os projetistas durante o desenvolvimento. Dentre os documentos, pode-se destacar: i) RBAC (Regulamento Brasileiro de Aviação Civil), ii) Manual de Projetos Aeroportuários, iii) Anexo 14, iv) Manual de Critérios e Condições de Planejamento Aeroportuário, entre outros. Tendo em vista a quantidade elevada de documentos normativos a serem considerados na fase de desenvolvimento de um projeto aeroportuário, faz-se necessário que a equipe de analistas de projeto disponha de expertise para realizar a avaliação desses projetos. Na situação atual, o processo de avaliação e aprovação tende a perdurar meses e, em alguns casos, até anos, até a aprovação final do projeto. Este artigo apresenta resultados parciais de uma pesquisa de doutorado em desenvolvimento que utiliza técnicas de Aprendizagem de Máquina na fase de avaliação de projetos aeroportuários a partir de dados contidos nos modelos digitais de aeroportos baseado na Modelagem da Informação da Construção (BIM). Os resultados preliminares desta pesquisa demonstram a utilização de três algoritmos de aprendizagem supervisionada conseguindo obter uma acurácia de predição acima de 90%.
Palavras-chave: Airport; BIM; Evaluation; Machine Learning