Instrutor 1: Lélio Antonio Teixeira Brito
Minicurrículo
Professor Lélio Brito é Engenheiro Civil (2003), e mestre (2005) pela Universidade Federal do Rio Grande do Sul, e PhD pela Universidade de Nottingham (2011). Atualmente é Professor da Universidades Federal do Rio Grande do Sul, professor permanente e Coordenador do programa de pós-graduação PPGCI, coordenador do Laboratório de Pavimentação LAPAV/UFRGS, Diretor Técnico da Associação Brasileira de Pavimentação ABPv e Professor Visitante da Universidade de Birmingham UK (2023-24). Sua experiência na área de infraestrutura rodoviária tem ênfase em tecnologia de materiais de pavimentação, projeto e gestão na infraestrutura viária, planejamento e controle de obras, ensaios não-destrutivos e instrumentação de ensaios laboratoriais, ensaios acelerados e ciência de dados aplicados à avaliação de infraestrutura. Tem trabalhado há vários anos com tecnologias de projetos de pavimentos, novos materiais de pavimentação, perícias e fiscalização de cargas rodoviárias. Suas atuais linhas de pesquisa tratam de estratégias sustentáveis para manutenção da infraestrutura rodoviária, controle de frotas Rodoviárias e seus impactos na sustentabilidade da infraestrutura nacional e instrumentação de pavimentos e inovação tecnológica volta ao suporte de infraestrutura.
Instrutor 2: Hao Wang
Minicurrículo
O Prof. Hao Wang é docente da Rutgers University, nos Estados Unidos, com atuação voltada ao desenvolvimento de ambientes construídos sustentáveis, inteligentes e resilientes. Sua pesquisa foca em pavimentos e infraestruturas de transporte utilizando materiais avançados, modelagem computacional multiescala, sensoriamento, inteligência artificial e análise de ciclo de vida, com aplicações em rodovias e aeroportos. É membro do Engineering Mechanics Institute (EMI) da ASCE e recebeu o Prêmio Huber da ASCE em 2022, um dos mais importantes reconhecimentos a jovens pesquisadores em engenharia civil. Possui Ph.D. em Engenharia Civil pela University of Illinois at Urbana-Champaign (2011), M.S. pela Virginia Tech (2006) e Southeast University, China (2004), onde também concluiu o bacharelado (2001). Seus interesses incluem materiais multifuncionais, modelagem multifísica, testes não destrutivos, sistemas de gestão de infraestrutura com IA e eletrificação do transporte.
Conteúdo Programático:
O conteúdo programático do minicurso de 4 horas sobre “Ciência de Dados na Infraestrutura Viária” será estruturado para oferecer uma visão aplicada e acessível das principais ferramentas e conceitos da ciência de dados voltados à engenharia rodoviária. A primeira parte será dedicada à introdução aos fundamentos da ciência de dados na engenharia viária, contextualizando sua importância frente aos avanços tecnológicos e à crescente disponibilidade de grandes volumes de dados gerados por sensores, sistemas de monitoramento e bancos institucionais. Em seguida, serão apresentados os conceitos básicos de aprendizado de máquinas, com foco nos tipos de modelos mais utilizados, nas etapas de preparação dos dados e na interpretação dos resultados. Serão discutidos os hiperparâmetros e suas estratégias de definição e ajuste, com exemplos práticos que facilitam a compreensão do impacto dessas escolhas nos modelos preditivos. A terceira parte do curso abordará aplicações específicas na engenharia rodoviária, como técnicas de clusterização para a análise de dados de tráfego e a identificação de segmentos homogêneos de via, bem como a previsão de desempenho de pavimentos por meio de modelos de regressão e séries temporais. Por fim, será explorado o uso de dashboards de Business Intelligence (BI) como ferramenta para visualização, gestão de ativos e suporte à tomada de decisão baseada em grandes lagos de dados integrados.
- Introdução à Ciência de Dados na Engenharia Viária: conceitos fundamentais, fontes de dados e importância na gestão de infraestrutura.
- Fundamentos de Aprendizado de Máquina: tipos de modelos, preparação de dados e interpretação de resultados.
- Clusterização Aplicada a Dados de Tráfego: identificação de padrões e segmentos homogêneos de vias.
- Modelos Preditivos para Desempenho de Pavimentos: uso de regressão, séries temporais e aprendizado supervisionado.
- Dashboards de BI para Tomada de Decisão: visualização de grandes lagos de dados e apoio à gestão de ativos viários.