Inteligência artificial aplicada na escolha do melhor traçado da Nova Ferroeste
Área de atuação
Projetos
Especialidade
Transportes
Abrangência
Mato Grosso do Sul e Paraná
Período
2020 - 2021
Escopo
Estudo de Viabilidade Técnico-Operacional, Econômico-Financeira, Ambiental e Jurídico da Nova Ferroeste, ferrovia interestadual brasileira com 1.304 km de extensão.
Em 2020, o Consórcio TPF-SENER foi contratado pelo Departamento de Estradas de Rodagem do Estado do Paraná (DER/PR) vinculado à Secretaria do Estado de Infraestrutura e Logística (SEIL) para a elaboração dos Estudos de Viabilidade Técnico-Operacional, Econômico-Financeira, Ambiental e Jurídica (EVTEA-J) de implantação e readequação de dois trechos da Nova Ferroeste.
A Ferroeste é uma ferrovia interestadual brasileira com 1.304 km de extensão que corta parte do Mato Grosso do Sul e do Paraná. Quando concluída, a ferrovia ampliará a capacidade de escoamento de granéis sólidos, granéis líquidos e de carga conteinerizada, em sua maioria para exportação, e trará maior eficiência para essa operação logística e para o meio ambiente.
Um dos destaques desse projeto foi a utilização da Inteligência Artificial (IA), por meio de Machine Learning aplicado em grande massa de dados (Big Data) para a determinação das melhores opções da rota da ferrovia, adaptado ao perfil topográfico complexo da região e com integração terminais e malha ferroviária já existente.
Devido a grande quantidade de dados disponíveis, a equipe, primeiramente, precisou fazer a coleta e o tratamento desses dados a partir de um algoritmo, julgando quais eram verdadeiros e úteis para o projeto.
Vários processos foram automatizados por meio da linguagem Python e ArcPy. Em seguida, os dados foram transformados em Raster (imagem), normalizados em 8 bits, combinados e distribuídos em cinco camadas de informação: dimensão física, logística, mercadológica, socioambiental e socioeconômica. Esses dados categorizados serviram para gerar os mapas com as regiões de maior e menor favorabilidade através desses indicadores.
Desenvolvemos um modelo de Machine Learning para a definição de corredores de menor custo acumulado, identificando as melhores áreas para implantação da Nova Ferroeste, levando em consideração aspectos construtivos, ambientais e operacionais.
Essas técnicas serviram para atender os prazos e os custos do projeto, com o uso da linguagem Python e ArcPy na automatização dos processos, e auxiliaram os procedimentos de tomadas de decisão.
Principais atividades desenvolvidas
- Elaboração dos estudos de demanda e de traçado preliminar
- Elaboração do relatório parcial do levantamento aéreo
- Elaboração dos estudos ambientais, hidrológicos e hidráulicos, topográficos, geológicos e geotécnicos
- Elaboração dos estudos de engenharia de operação e jurídicos
- Elaboração do relatório da avaliação financeira e riscos
- Elaboração dos estudos de viabilidade socioeconômicos e externalidades
Analisando a envergadura do estudo e o poder de transformação regional mediante sua implantação vimos a necessidade e responsabilidade de prover um produto de mais alto nível para apresentação ao mercado de logística do Brasil. Diante da quantidade de informações a serem gerenciadas e operacionalizadas ao longo do processo, se fez necessário buscar soluções inovadoras dentro do arcabouço ferramental disponível para desenvolvimento do trabalho. Estamos falando de 1.304 km de ferrovia desenvolvida, em sua grande maioria, numa região desafiadora do ponto de vista físico e ambiental, que cortará sobretudo duas grandes serras, a Serra da Esperança e a Serra do Mar, tendo esta última um declive de aproximadamente 900m em pouco mais de 50km de extensão.
Paulo Gonçalves, Gerente de Produto
O uso da inteligência artificial foi fundamental para analisar as alternativas de traçado viáveis para tomada de decisão. Foram consideradas 35 variáveis, distribuídas em 05 dimensões, cada uma delas amarradas a um peso classificatório específico. Sem o uso da Inteligência Artificial como ferramenta, um estudo como este não se concretizaria no tempo disponível para execução.
Alerson Falieri, Coordenador de Geoprocessamento
