Uma Estrutura de Aprendizado de Máquina Interpretable para Predição de Ruído de Trânsito Urbano no Kuwait: Uma Abordagem Baseada em Dados para Gestão Ambiental

O ruído do tráfego urbano tornou-se uma questão ambiental e de saúde pública cada vez mais significativa, com muitas cidades—particularmente aquelas que estão experimentando um rápido crescimento urbano, como o Kuwait—registrando níveis que frequentemente ultrapassam os limites recomendados. Neste estudo, apresentamos uma abordagem detalhada, baseada em dados, para avaliar e prever níveis contínuos de ruído equivalente (LAeq) em bairros residenciais. A análise se baseia em medições realizadas em 12 locais cuidadosamente escolhidos, cobrindo diferentes tipos de estradas e ambientes urbanos, resultando em 21.720 observações correspondentes. Uma gama de preditores foi considerada, incluindo classificação de estradas, composição do tráfego, variáveis meteorológicas, contexto espacial e hora do dia. Quatro modelos preditivos—Regressão Linear, Máquina de Vetores de Suporte (SVM), Regressão por Processo Gaussiano e Árvores Empilhadas—foram avaliados por meio de validação cruzada de 5 dobras. Dentre esses, o modelo de Árvores Empilhadas obteve o melhor desempenho (R2 = 0,91, RMSE = 2,13 dB(A)). Para entender melhor como o modelo fez suas previsões, utilizamos a análise SHAP (SHapley Additive Explanations), que mostrou que a classificação da estrada, localização, volume de veículos pesados e hora do dia tiveram a maior influência sobre os níveis de ruído. Os resultados identificam os principais determinantes do ruído de tráfego nas áreas urbanas do Kuwait e enfatizam o papel do design e planejamento direcionados em sua mitigação.