Del II Teori og metode
4.1 Institusjonell teori
4.1.1 Logic of appropriateness
Durante a realização de um trabalho de investigação é natural que não seja possível analisar todos os aspetos relacionados com o tema em estudo. Assim, a continuidade deste trabalho, passaria pela construção de uma base de dados com mais dados (a base de dados desenvolvida tem 604 registos, pelo que seria importante ter uma base de dados maior), de forma a obter resultados para um intervalo de previsão mais elevado.
Será interessante também a construção de uma base de danos com diferentes tipos de classe funcional de estrada, incluindo também estradas secundárias, onde será expectável não terem uma frequência de obras de manutenção tão regulares, permitindo recolher informações para valores e IRI mais elevados.
67
Também será um desafio testar a aplicação das técnicas de data mining a diferentes tipos de pavimentos e para bases de dados recolhidos num outro país.
Estando as ferramentas e modelos algorítmicos aplicados em data mining em constante evolução, seria interessante aplicar outros modelos, tanto a esta como a outra base de dados, e analisar os comportamentos obtidos.
69
REFERÊNCIAS BIBLIOGRÁFICAS
AASHTO. (1993). AASHTO Guide For Design of Pavement Structures. Washington, D. C.: American Association of State Highway and Transportation Officials.
Antunes, M., & Batista, F. (2005). Conservação e Reabilitação dos Pavimentos Rodoviarios. In Apresentação geral da acção. Exigências funcionais e estruturais de pavimentos
rodoviários. Instituto Superior Técnico, Lisboa, Portugal: Laboratório Nacional de
Engenharia Civil.
Attoh-Okine, N. (1997). Rough Set Application to Data Mining Principles in Pavement Management Database. Journal of Computing in Civil Engineering, 11(4), 231–237. JOUR. http://doi.org/10.1061/(ASCE)0887-3801(1997)11:4(231)
Barai, S. K. (2003). Data mining applications in transportation engineering, XVIII(No 5), 2016–223.
Branco, F., Pereira, P., & Santos, L. P. (2011). Pavimentos Rodoviários. (4a Edição). Coimbra: Almedina.
Carvalho, R. L. (2006). Mechanistic-Empirical Design of Flexible Pavements: A Sensitivity
Study. University of Maryland, College Park.
Cedar Lake Ventures. (2016). WeatherSpark. Retrieved January 1, 2016, from https://weatherspark.com/
Chapman, P., Clinton, J., Kerber, R., Khabaza, T., Reinartz, T., Shearer, C., & Wirth, R. (2000). Crisp-Dm 1.0. CRISP-DM Consortium, 76.
Chi, S., Murphy, M., & Zhang, Z. (2012). Sustainable Road Management in Texas: Network- Level Flexible Pavement Structural Condition Analysis Using Data-Mining Techniques.
Journal of Computing in Civil Engineering, 28(1), 156–165. JOUR.
http://doi.org/10.1061/(ASCE)CP.1943-5487.0000252
Cortez, P. (2010). Data Mining with Neural Networks and Support Vector Machines using the R / rminer Tool. Perner P. 10th Industrial Conference on Data Mining, Advaces in Data
Mining: Applications and Theoretical Aspects. Berlin, Germany: LNAI 617: Springer,
70
Cortez, P., & Embrechts, M. J. (2013). Opening black box Data Mining models using Sensitivity Analysis. 2011 IEEE Symposium on Computational Intelligence and Data
Mining (CIDM), 341–348. http://doi.org/10.1109/CIDM.2011.5949423
EP. (2009). Caderno de Encargos Tipo Obra - 15.03 - Pavimentação - Métodos construtivos. Almada: Estradas de Portugal, S. A.
EP. (2014). Caderno de Encargos Tipo de Obra - 14.03 - Pavimentação - Características dos materiais. Estradas de Portugal S.A., Almada: Estradas de Portugal S.A.
Fayyad, U., Piatetsky-Shapiro, G., & Smyth, P. (1996). From Data Mining to Knowledge
Discovery in Databases. AI Magazine, 17(3), 37.
http://doi.org/10.1609/aimag.v17i3.1230
Federal Highway Administration. (2016). InfoPave - LTPP. Retrieved January 1, 2016, from http://infopave.fhwa.dot.gov/
Ferreira, C. I. G. (2009). Avaliação do Desempenho de Misturas Betuminosas Temperadas. Universidade do Minho - Guimarães.
Folorunso, O., & Ogunde, A. O. (2004). Data Mining as a Technique for Knowledge Management in Business Process Redesign. Electronic Journal of Knowledge
Management Volume 2 Issue 1, 2(1), 33–44.
Fontul, S. (2005). Caracterização do Estado dos Pavimentos. In Apresentação geral da acção.
Exigências funcionais e estruturais de pavimentos rodoviários. Instituto Superior
Técnico, Lisboa, Portugal: Laboratório Nacional de Engenharia Civil.
Freitas, E. F. (2004). Conservação para o desenvolvimento de modelos de comportamento dos
pavimentos rodoviários flexíveis. Universidade do Minho, Guimarães, Portugal.
FSF. (2014). The GNU Operating System. Free Software Foundation. Retrieved from www.gnu.org
Gillespie, T. D. (1992). Everything You Always Wanted to Know about the IRI , But Were Afraid to Ask ! by Presented at the Road Profile Users Group Meeting Lincoln , Nebraska.
71
Giraud-Carrier, C. (2014). Success Stories in Data/Text Mining. Retrieved March 28, 2014, from http://dml.cs.byu.edu/~cgc/docs/mldm_tools/Reading/DMSuccessStories.html InIR. (2012). Directivas para a concepção de pavimentos - Critérios de Dimensionamento de
Pavimentos. (L. CAeMD - Publicações e Projectos de Engenharia, Ed.). Instituto de Infra-Estruturas Rodoviárias IP.
JAE. (1995). Manual de Concepção de Pavimentos para a Rede Rodoviária Nacional - MACOPAV. Manual, Almada: Junta Autónoma de Estradas.
Kerali, H. (2008). Introduction to HDM-4. In PIARC (Ed.), (pp. 1–18). Paris: The World Bank.
Khattak, M. J., Nur, M. A., Bhuyan, M. R.-U.-K., & Gaspard, K. (2013). International roughness index models for HMA overlay treatment of flexible and composite pavements. International Journal of Pavement Engineering, (October), 1–11. http://doi.org/10.1080/10298436.2013.842237
Koh, H. C., & Tan, G. (2005). Data mining applications in healthcare. Journal of Healthcare
Information Management : JHIM, 19(2), 64–72. Retrieved from
http://www.ncbi.nlm.nih.gov/pubmed/22585098
Kohavi, R. (1995). A Study of Cross-Validation and Bootstrap for Accuracy Estimation and Model Selection. International Joint Conference on Artificial Intelligence (IJCAI), (0), 0–6.
Lazzarotto, Lissandra Luvizão Oliveira, A. de P., & Lazzarotto, J. J. (2011). Aspectos teóricos do data mining e aplicação das redes neurais em previsões de preços agropecuários. Viçosa, MG, Brasil. http://doi.org/10.1007/SpringerReference_5414
Lenz, W. R. (2011). Pavement Design Guide. Texas: Texas Department of Transportation. Lepert, P., Burrow, I., Leven, B., Kokot, D., Tusar, M., de Lurdes Antunes, M., & Turtschy, J.
(2004). Fully Optimised Road Maintenance - FORMAT. Bruxelas.
Liao, S.-H., Chu, P.-H., & Hsiao, P.-Y. (2012). Data mining techniques and applications – A decade review from 2000 to 2011. Expert Systems with Applications, 39(12), 11303– 11311. http://doi.org/10.1016/j.eswa.2012.02.063
72
Lorena, A. C., & Carvalho, A. C. P. L. F. de. (2003). Introdução às Máquinas de Vetores
Suporte (Support Vector Machines). São Carlos, Brasil.
Marques, G. L. de O. (2012). Notas de aula da Disciplina de Pavimentação - TRN 032. LAboratório de pavimentação da UFJF, Juiz de Fora - Minas Gerais - Brasil: Universidade Federal de Juiz de Fora- Faculdade de Engenharia. Retrieved from http://www.ufjf.br/pavimentacao/files/2012/03/Notas-de-Aula-Prof.-Geraldo.pdf
massDOT. (2006). Project Development & Design Guide - Chapter 9 - Pavement Design. Massachusetts: Massachusetts Highway Department. http://doi.org/10.1111/j.1600- 0404.1995.tb01711.x
Mathew, T. V. (2007). Introduction to Transportation Engineering. Indian Institute of Technology Bombay.
Mazari, M., & Rodriguez, D. D. (2016). Prediction of pavement roughness using a hybrid gene expression programming-neural network technique. Journal of Traffic and
Transportation Engineering (English Edition). http://doi.org/10.1016/j.jtte.2016.09.007
Minnesota Department of Transportation. (2007). Introduction to the International Roughness Index - Bituminous Smoothness Training Workshop.
Miranda, T. (2007). Geomechanical Parameters Evaluation in Underground Structures.
Artificial Intelligence, Bayesian Probabilities and Inverse Methods. Universidade do
Minho, Guimarães, Portugal.
N. D. Lea International Ltd. (1995). Modelling road deterioration and maintenance effects in
HDM-4. RETA 5549-REG Highway Development and Management Research - Final Report. Vancouver.
Oliveira, J. (2012). Observação de Pavimentos. Apontamentos de apoio à unidade curricular, Guimarães: Universidade do Minho - Departamento Engenharia Civil.
Oliveira Junior, G. M. de. (2010). Máquina de Vetores Suporte : estudo e análise de
parâmetros para otimização de resultado. Universidade Federal de Pernambuco, Brasil.
Pereira, P., & Miranda, V. (1999). Gestão da conservação dos pavimentos rodoviários. Guimarães: Universidade do Minho - Departamento Engenharia Civil.
73
Ribeiro da Cruz, A. J. (2007). Data Mining via Redes Neuronais Artificiais e Máquinas de
Vectores de Suporte. Universidade do Minho.
Rifai, A. I., Hadiwardoyo, S., Correira, A. G., Pereira, P., & Cortez, P. (2015). The Data Mining Applied For The Prediction Of Highway Roughness Due To Overloaded Trucks.
International Jornal of Technology, 53(5), 751–761.
http://doi.org/10.1017/CBO9781107415324.004
Rifai, A. I., Pereira, P., Hadiwardoyo, S. P., Correia, A. G., & Cortez, P. (2015). Implementasi Data Mining Untuk Mendukung Sistem Manajemen Perkerasan Jalan,
1(2), 93–104.
Rodrigues, C. M. A. (2013). Modelos de previsão da degradação de pavimentos : parâmetro
IRI. Faculdade de Ciências e Tecnologia - Universidade Nova de Lisboa.
Saltan, M., Terzi, S., & Küçüksille, E. U. (2011). Backcalculation of Pavement Layer Moduli and Poisson’s Ratio Using Data Mining. Expert Syst. Appl., 38(3), 2600–2608. article. http://doi.org/10.1016/j.eswa.2010.08.050
Sayers, M., Gillespie, T., & Paterson, W. (1986). Guidelines for Conducting and Calibrating
Road Roughness Measurements. World Bank Technical Paper Number 46. Washington,
D.C.: The International Bank for Reconstruction and Development.
Schneider, J. (1997). Cross Validation. Retrieved March 28, 2014, from http://www.cs.cmu.edu/~schneide/tut5/node42.html
Sun, L. (2003). Simulation of pavement roughness and IRI based on power spectral density.
Mathematics and Computers in Simulation, 61(2), 77–88. http://doi.org/10.1016/S0378-
4754(01)00386-X
Sweere, G., Jamsa, H., Stipmpson, A., Augostin, H., Litzka, H., Gorski, M., … Potter, J. (1997). COST 324 - Long Term Performance of Road Pavements - Final Report of the
Action. (European Commission Directorate General Transport, Ed.). Luxembourg:
Office for Official Publications of the European Communities. Retrieved from http://www.cordis.lu/cost-transport/home.html
74
by artificial neural networks. Construction and Building Materials, 21(3), 590–593. http://doi.org/10.1016/j.conbuildmat.2005.11.001
Terzi, S. (2013). Modeling for pavement roughness using the ANFIS approach. Advances in
Engineering Software, 57, 59–64. http://doi.org/10.1016/j.advengsoft.2012.11.013
The Open Group. (2012). Unix History and Timeline. Retrieved March 28, 2014, from http://www.unix.org/what_is_unix/history_timeline.html
The R Development Core Team. (2010). R : A Language and Environment for Statistical Computing. (The R Foundation for Statistical Computing, Ed.). Vienna, Austria. Retrieved from http://www.r-project.org/.
Thom, N. (2008). Principles of Pavement Engineering. Thomas Telford Limited.
Tinoco, J., Correia, A. G., & Cortez, P. (2012). Previsão do comportamento mecânico de
formulações laboratoriais de solo- cimento para colunas de jet grouting com recurso a máquina de vetores de suporte (Vol. 42). Universidade do Minho, Guimarães, Portugal.
Tinoco, J., Gomes Correia, A., & Cortez, P. (2011). Application of data mining techniques in the estimation of the uniaxial compressive strength of jet grouting columns over time.
Construction and Building Materials, 25(3), 1257–1262.
http://doi.org/10.1016/j.conbuildmat.2010.09.027
Vapnik, V. (2000). The Nature of Statistical Learning Theory. BOOK, Springer. Retrieved from http://books.google.fr/books?id=sna9BaxVbj8C
Veaux, R. D. De. (2009). Successful Data Mining in Practice Where is Massachusetts ? Williams College, Massachusetts, EUA.
Walsh, I., Hunter, R. N., Darrall, L., Matthews, P., Jameson, P., & Thorp, J. (2011). ICE
Manual of Highway Design and Management. Thomas Telford Ltd. Retrieved from
www.icemanuals.com
Watson, L. S., Miller, D. L., Walton, M., & Skinner Jr, R. E. (2007). Transportation Research Circular: Pavement Lessons Learned from the AASHO Road Test and Performance of the Interstate Highway System. Washington, DC, EUA: Transportation Research Board of the National Academies. Retrieved from www.trb.org
75
Witten, I. H., Frank, E., & Hall, M. a. (2011). Data Mining: Practical Machine Learning
Tools and Techniques. (J. Gray & Microsoft Reseach, Eds.)Complementary literature
None (Second Edi). San Francisco: Morgan Kaufmann Publishers.