PREVISÃO DE PROPRIEDADES DE MATERIAIS PARA PAVIMENTAÇÃO POR MEIO DE FERRAMENTAS DE INTELIGÊNCIA ARTIFICIAL

O avanço das tecnologias digitais tem promovido transformações significativas na pavimentação, especialmente com o uso de ferramentas de Inteligência Artificial (IA) aplicadas à modelagem preditiva de propriedades complexas. Esse tema ganha relevância diante das exigências dos métodos mecanísticos de dimensionamento, que demandam a determinação de propriedades mecânicas e reológicas avançadas, cuja obtenção depende de ensaios laboratoriais extensos, custosos e tecnicamente especializados. Nesse contexto, a IA surge como alternativa para reduzir esforços experimentais, otimizar processos de projeto e ampliar a confiabilidade das análises. Apesar do crescimento das aplicações de IA na pavimentação, a literatura ainda carece de uma sistematização crítica que integre, de forma estruturada, as técnicas empregadas, as propriedades preditas e as tendências emergentes da área. Assim, este estudo apresenta uma revisão sistemática da literatura (RSL) com o objetivo de identificar e analisar pesquisas que utilizam IA na predição de propriedades mecânicas e reológicas de materiais de pavimentação a partir de características básicas. As buscas foram realizadas nas bases Web of Science, ScienceDirect e IEEE Xplore, no período de 2000 a 2025, e sistematizadas no Parsif.al. Os resultados indicam que as abordagens mais recorrentes incluem Artificial Neural Networks, Support Vector Machine, Random Forest, Genetic Algorithm e Deep Learning, sendo as propriedades mais investigadas rigidez, deformação permanente, resistência à tração, fadiga, módulo resiliente e resistência à compressão. Conclui-se que esta revisão contribui ao organizar criticamente o estado da arte, identificar tendências e lacunas de pesquisa e apoiar o desenvolvimento de soluções mais eficientes e sustentáveis na pavimentação.