As estradas florestais são o principal meio de integração entre as florestas e as empresas. A partir
do exposto, percebe-se a necessidade não apenas da correta aplicação de atividades de manutenção, mas também
de se determinar o tempo exato para tal intervenção. Partindo desse pressuposto, este trabalho apresenta
os resultados da apreciação de dois métodos de classificação da qualidade de estradas não pavimentadas, com
o intuito de se verificar a aplicabilidade dos mesmos na caracterização das estradas florestais brasileiras e
servir como base para um sistema de gestão das operações de manutenção destas vias. Foram medidos os principais
defeitos em estradas florestais seguindo um método denominado de Índice de Condição de Rodovia Não Pavimentada
(ICRNP), que serviram de base para gerar um banco de dados para testar a eficiência do uso de redes neurais
artificiais (RNA) na administração das estradas florestais, minimizando custos e paralisações de tráfego. Concluiu-se
que a utilização das redes neurais artificiais apresentou resultados superiores ao método do ICRNP.
The forest roads are the main integration mode between forests and companies. Therefore,
there is a need for defining not only the required maintenance activities, but also the exact time for such
intervention. Starting from this premise this paper presents the results of the assessment of two methods of
classification of the quality of unpaved roads in order to verify which one reflects the field reality and thus
can serve as the basis for a unpaved road management system. In this paper main defects in forest roads
were measured following a method named Unsurfaced Road Condition Index (URCI) which served as a database
for testing the efficiency of using artificial neural networks (ANN) in the management of forest roads taking
into account costs minimization and traffic stoppage. It was concluded that the use of artificial neural networks
showed superior performance that the URCI method.