A massificação dos aparelhos celulares e, consequentemente, de seus respectivos sensores internos, possibilitou a introdução de novas tecnologias no cotidiano dos usuários. O porte destes aparelhos, no interior de veículos, permite sua utilização para classificar e detectar imperfeições nas vias onde se trafega é um claro exemplo de oportunidade às intervenções impulsionadas por métodos baseados em Inteligência Artificial em especial com o uso de Máquinas de Vetores de Suporte (SVM). Este trabalho propõe validar a funcionalidade e aplicabilidade do método de classificação de anomalias via SVM definido por (CARLOS et al., 2018) nas vias da cidade de Betim (MG, Brasil). Foi desenvolvido um estudo dos acelerômetros utilizados e as propostas que visam melho- res resultados, considerando as metodologias referenciadas. Foi apresentado também as técnicas heurísticas do vetor de suporte e os possíveis ajustes no tratamentos de dados que contribuem para a assertividade da classificação, como o filtro passa-baixa, Transformada Rápida de Fourier e decomposição por Transformada de Wavelet. As saídas do algoritmo classificador detalham que o desempenho entregue pelo método é viável e aplicável nas condições de análise, aproximando-se dos resultados médios referenciados (percentual de acerto F1 de 78,5%), com assertividade encontrada de 74,1%, sendo validadas através de dados obtidos via pesquisa de campo. Palavras-chave: Acelerômetro. Aparelho celular. Anomalias. Aprendizado em máquina. Classificação de vias. Filtro Passa-Baixa. SVM. Transformada de Wavelet.Transformada Rápida de Fourier.