[{"data":1,"prerenderedAt":-1},["ShallowReactive",2],{"doc-detail-125043-en":3,"doc-seo-125043-105":30,"detail-sidebar-cat-0-en-105":91},{"code":4,"msg":5,"data":6},0,"success",{"doc_id":7,"user_id":8,"nickname":9,"user_avatar":10,"doc_module":4,"category_id":11,"category_name":12,"doc_title":13,"doc_description":14,"doc_content":15,"file_id":16,"file_url":17,"file_type":18,"file_size":19,"view_count":4,"is_deleted":4,"is_public":20,"is_downloadable":20,"audit_status":20,"page_count":21,"language":22,"language_code":23,"site_id":24,"html_lang":23,"table_of_contents":25,"faqs":26,"seo_title":27,"seo_description":14,"update_tm":28,"read_time":29},125043,8796095461610,"Oliver","https://ap-avatar.wpscdn.com/davatar_276721f389ce27ea32af1340a28f341c",8,"Research & Report","Application of Artificial Intelligence techniques - Machine Learning for airport pavement condition index (PCI) assessment","Airport pavement quality assessment underpins Airport Pavement Maintenance Management Systems by enabling conservation strategies that protect operational safety and passenger service levels. Conventional approaches can be time-consuming, ranging from on-site inspections to complex calculation procedures. Within Industry 4.0, Artificial Intelligence and Machine Learning support faster analysis of inspection data and help modernize transportation infrastructure engineering. This study applies Machine Learning to estimate PCI using degradation information aligned with ASTM D5340-23.","Application of Artificial Intelligence techniques  \nMachine Learning for airport pavement condition index (PCI) assessment  \nAndré de Paula Pessoa Studart  \nDissertação para obtenção do Grau de Mestre em Engenharia Civil  \n(2º ciclo de estudos)  \nOrientadora: Prof. Doutora Bertha Maria Batista dos Santos  \nCo-orientador: Prof. Doutor Pedro Gabriel de Faria Lapa Barbosa de Almeida  \njunho de 2024  \nii  \nDeclaração de Integridade  \nEu, André de Paula Pessoa Studart, que abaixo assino, estudante com o número de inscrição (M13098) de/o Engenharia Civil da Universidade da Beira Interior declaro ter desenvolvido o presente trabalho e elaborado o presente texto em total consonância como Código de Integridades da Universidade da Beira Interior.  \nMais concretamente afirmo não ter incorrido em qualquer das variedades de Fraude Académica, e que aqui declaro conhecer, que em particular atendi à exigida referenciaçãode frases, extratos, imagens e outras formas de trabalho intelectual, e assumindo assim na íntegra as responsabilidades da autoria.  \nUniversidade da Beira Interior, Covilhã 07/06/2024  \niv  \nDedicatory  \nTo my blood Family and chosen family, my friends.  \nvi  \nAcknowledgment  \nI would like to thank my family for all their support throughout my journey, my advisor and co-advisor for showing me the right path to follow, my friends and to UBI´s Civil Engineering and Architecture department (DECA) for providing all the necessary support to carry out this dissertation.  \nIn addition, I would also like to thank Débora Lima, Adriana Domingos, Ianca Feitosa, Aeroporto e Segurança Aérea (ASA) -Cape Verde´s airport operator-for providing the necessary database used for ML´s application and evaluation.  \nviii  \nResumo  \nA avaliação da qualidade dos pavimentos é uma componente essencial dos Sistemas de Gestão da Conservação de Pavimentos Aeroportuários. Esta componente permitesustentar a definição de estratégias e programas de conservação que têm como objetivoassegurar o nível de serviço e a segurança de operações e utentes.  \nNesse contexto, diversas metodologias existentes contribuem para avaliar o estado geraldos pavimentos. Contudo, tais metodologias muitas vezes demandam uma grande quantidade de tempo, desde a realização de inspeções in-situ ao procedimento decálculo, que pode revelar-se complexo. Dessa forma, com a recente revolução provida pela indústria 4.0, o surgimento de novas tecnologias na área digital, maisespecificamente da Inteligência Artificial (IA), faz com que o conceito de Machine Learning emerja como ferramenta de alto potencial para análise e processamento dos dados obtidos nas inspeções in-situ, contribuindo para otimizar as metodologias atuais de análise geral do estado dos pavimentos, modernizando a Engenharia de Infraestruturas de Transporte.  \nPortanto, a aplicação dessa técnica na avaliação de pavimentos aeroportuários contribui para a redução do tempo e da complexidade de cálculo do PCI – Pavement Condition Index. O grau de fiabilidade vai depender essencialmente do tamanho e das características da base de dados usada na modelação.  \nO presente trabalho tem como objetivo identificar os algoritmos de machine learning mais adequados à modelação do índice PCI a partir da informação recolhida sobre as degradações presentes à superfície dos pavimentos, de acordo com a norma ASTM D5340-23 . Para atingir este objetivo é usada uma base de dados de degradações cominformação respeitante a 261 unidades de amostra de pavimentos aeroportuários econsiderada a variável PCI traduzida de 3 formas distintas – PCI numérico (0-100), PCI categórico com 3 classes (Bom, regular e ruim) e PCI categórico com 7 classes (Excelente, Bom, satisfatório, regular, ruim, muito ruim, desgastado e falha) . Os algoritmos de regressão linear, decision tree, random forest, artificial neural network e support vector machine foram testados no software WEKA para o conjunto de dados disponíveis e para 3 modelos de aprendizado – conjunto de treinamen","cbCaifrma3lJB7kK","https://ap.wps.com/l/cbCaifrma3lJB7kK","pdf",4460681,1,93,"English","en",105,"# Abstract (Resumo)\n## Context: pavement management systems and PCI\n## Motivation: limits of traditional methods\n## Method: ML algorithms and datasets\n## Evaluation setup and models\n## Results and key findings","[{\"question\":\"What is the role of PCI in airport pavement management?\",\"answer\":\"PCI supports defining conservation strategies aimed at maintaining service levels and ensuring safety for operations and users.\"},{\"question\":\"Why is Machine Learning proposed for PCI assessment?\",\"answer\":\"Traditional evaluation methods can be slow and complex, from in-situ inspections to detailed calculations. Machine Learning leverages inspection data to optimize analysis.\"},{\"question\":\"Which machine learning models and PCI representations were tested?\",\"answer\":\"The study tests linear regression, decision tree, random forest, artificial neural network, and support vector machine in WEKA. PCI is modeled numerically (0–100) and categorically with 3 and 7 classes.\"}]","Application of Artificial Intelligence techniques - Machine Learning for airport pavement condition index (PCI) assessment | PDF",1785896321,234,{"code":4,"msg":31,"data":32},"ok",{"site_id":24,"language":23,"slug":33,"title":13,"keywords":34,"description":14,"schema_data":35,"social_meta":86,"head_meta":88,"extra_data":90,"updated_unix":28},"application-of-artificial-intelligence-techniques-machine-learning-for-airport-pavement-condition-index-pci-assessment","",{"@graph":36,"@context":85},[37,54,68],{"@type":38,"itemListElement":39},"BreadcrumbList",[40,44,48,51],{"item":41,"name":42,"@type":43,"position":20},"https://docshare.wps.com","Home","ListItem",{"item":45,"name":46,"@type":43,"position":47},"https://docshare.wps.com/document/","Document",2,{"item":49,"name":12,"@type":43,"position":50},"https://docshare.wps.com/document/research-report/",3,{"item":52,"name":13,"@type":43,"position":53},"https://docshare.wps.com/document/application-of-artificial-intelligence-techniques-machine-learning-for-airport-pavement-condition-index-pci-assessment/125043/",4,{"url":52,"name":13,"@type":55,"author":56,"headline":13,"publisher":58,"fileFormat":61,"inLanguage":23,"description":14,"dateModified":62,"datePublished":62,"encodingFormat":61,"isAccessibleForFree":63,"interactionStatistic":64},"DigitalDocument",{"name":9,"@type":57},"Person",{"url":41,"name":59,"@type":60},"DocShare","Organization","application/pdf","2026-08-05",true,{"@type":65,"interactionType":66,"userInteractionCount":4},"InteractionCounter",{"@type":67},"ViewAction",{"@type":69,"mainEntity":70},"FAQPage",[71,77,81],{"name":72,"@type":73,"acceptedAnswer":74},"What is the role of PCI in airport pavement management?","Question",{"text":75,"@type":76},"PCI supports defining conservation strategies aimed at maintaining service levels and ensuring safety for operations and users.","Answer",{"name":78,"@type":73,"acceptedAnswer":79},"Why is Machine Learning proposed for PCI assessment?",{"text":80,"@type":76},"Traditional evaluation methods can be slow and complex, from in-situ inspections to detailed calculations. Machine Learning leverages inspection data to optimize analysis.",{"name":82,"@type":73,"acceptedAnswer":83},"Which machine learning models and PCI representations were tested?",{"text":84,"@type":76},"The study tests linear regression, decision tree, random forest, artificial neural network, and support vector machine in WEKA. PCI is modeled numerically (0–100) and categorically with 3 and 7 classes.","https://schema.org",{"og:url":52,"og:type":87,"og:title":13,"og:site_name":59,"og:description":14},"article",{"robots":89,"canonical":52},"index,follow",{"doc_id":7,"site_id":24},{"code":4,"msg":5,"data":92},[93,97,101,105,110,115,120,123,128,131,135],{"id":20,"doc_module":4,"doc_module_name":46,"category_name":94,"show_sort_weight":95,"slug":96},"Story & Novel",90,"story-novel",{"id":47,"doc_module":4,"doc_module_name":46,"category_name":98,"show_sort_weight":99,"slug":100},"Literature",80,"literature",{"id":53,"doc_module":4,"doc_module_name":46,"category_name":102,"show_sort_weight":103,"slug":104},"Exam",70,"exam",{"id":106,"doc_module":4,"doc_module_name":46,"category_name":107,"show_sort_weight":108,"slug":109},5,"Comic",60,"comic",{"id":111,"doc_module":4,"doc_module_name":46,"category_name":112,"show_sort_weight":113,"slug":114},6,"Technology",50,"technology",{"id":116,"doc_module":4,"doc_module_name":46,"category_name":117,"show_sort_weight":118,"slug":119},7,"Healthcare",40,"healthcare",{"id":11,"doc_module":4,"doc_module_name":46,"category_name":12,"show_sort_weight":121,"slug":122},30,"research-report",{"id":124,"doc_module":4,"doc_module_name":46,"category_name":125,"show_sort_weight":126,"slug":127},9,"Religion & Spirituality",20,"religion-spirituality",{"id":126,"doc_module":4,"doc_module_name":46,"category_name":129,"show_sort_weight":126,"slug":130},"World Cup","world-cup",{"id":132,"doc_module":4,"doc_module_name":46,"category_name":133,"show_sort_weight":132,"slug":134},10,"Lifestyle","lifestyle",{"id":136,"doc_module":4,"doc_module_name":46,"category_name":137,"show_sort_weight":106,"slug":138},19,"General","general"]