evaluaciÓn de la textura y la rugosidad de pavimentos

EVALUACIÓN DE LA TEXTURA Y LA RUGOSIDAD DE PAVIMENTOS FLEXIBLES

MEDIANTE IMÁGENES TOMADAS A PARTIR DE CÁMARA NO MÉTRICA NIKON

COOLPIX S2900

Investigador: MARIAM RIVAS DIAZGRANADOS

UNIVERSIDAD DISTRITAL FRANCISCO JOSÉ DE CALDAS

MAESTRÍA EN CIENCIAS DE LA INFORMACIÓN Y LAS COMUNICACIONES

ÉNFASIS EN GEOMÁTICA

BOGOTÁ, COLOMBIA

2017

EVALUACIÓN DE LA TEXTURA Y LA RUGOSIDAD DE PAVIMENTOS FLEXIBLES

MEDIANTE IMÁGENES TOMADAS A PARTIR DE CÁMARA NO MÉTRICA NIKON

COOLPIX S2900

Investigador:

MARIAM RIVAS DIAZGRANADOS

Tesis presentada como requisito parcial para optar al título de:

Magister en Ciencias De La Información y las Comunicaciones Con Énfasis En

Geomática

Director:

Msc WILSON ERNESTO VARGAS VARGAS

UNIVERSIDAD DISTRITAL FRANCISCO JOSÉ DE CALDAS

MAESTRÍA EN CIENCIAS DE LA INFORMACIÓN Y LAS COMUNICACIONES

ÉNFASIS EN GEOMÁTICA

BOGOTÁ, COLOMBIA

2017

Este trabajo está dedicado a mi hija Luciana

que a su llegada me impulso a culminar esta

etapa y a mi familia en especial a mi Madre y

mi Tía por su apoyo.

AGRADECIMIENTOS

Agradezco a Dios primeramente por darme la fuerza y fortaleza necesaria para no

desfallecer en el camino y terminar con éxito este logro anhelado.

Debo agradecer a todas las personas que estuvieron involucradas en esta etapa de mi vida

y que sin su colaboración no hubiese sido posible terminar con éxito este trabajo; en

especial a mis compañeros de estudio que fueron un apoyo incondicional durante el tiempo

que estuvimos en este proceso.

Debo dar gracias a mi familia, ya que con su apoyo, ayuda y paciencia fue posible terminar

este gran paso de mi vida.

Gracias a mi director de proyecto Ingeniero Wilson Ernesto Vargas Vargas por aceptar la

tutoría y creer en mí; gracias al profesor Hugo Alexander Rondón quien fue mi principal

apoyo para poder realizar este trabajo, ya que sin su asesoría jamás hubiese sido posible

culminar; y un agradecimiento a la Universidad Distrital Francisco José de Caldas por

haberme dado la oportunidad de estudiar y prepararme cada día más.

TABLA DE CONTENIDO

RESUMEN ....................................................................................................................... 16

ABSTRACT...................................................................................................................... 17

1. INTRODUCCIÓN ...................................................................................................... 18

1.1 PROBLEMA DE INVESTIGACIÓN ......................................................................... 21

1.2 JUSTIFICACIÓN ................................................................................................ 21

1.3 OBJETIVOS ...................................................................................................... 22

1.3.1 Objetivo General .............................................................................................. 22

1.3.2 Objetivos Específicos ....................................................................................... 22

2. MARCO TEÓRICO ...................................................................................................... 24

2.1 ANTECENDENTES ................................................................................................ 24

2.1.1 ENSAYOS PARA EVALUAR LA MICROTEXTURA Y MACROTEXTURA DE

UN PAVIMENTO ...................................................................................................... 24

2.1.1.1 Medición de Fricción Dinámica (ASTM E-1911) ........................................ 24

2.1.1.2 Macrotextura: Círculo de Arena (I.N.V.E- 791) .......................................... 26

2.1.1.3 Microtextura: Resistencia al Deslizamiento Mediante el Péndulo TRRL

(INV E- 792) .......................................................................................................... 28

2.1.2 ESTUDIOS SIMILARES EN LOS PAVIMENTOS REALIZADOS EN EL

MUNDO UTILIZANDO IMÁGENES .......................................................................... 29

2.2 CONCEPTOS TEÓRICOS ..................................................................................... 30

2.2.1 Textura ............................................................................................................ 31

2.2.1.1 Macrotextura: ............................................................................................ 32

2.2.1.2 Microtextura............................................................................................... 32

2.2.1.3 Megatextura: ............................................................................................. 33

2.2.2 Rugosidad........................................................................................................ 33

2.2.3 Concreto Asfáltico ............................................................................................ 34

2.2.4 Diseño de mezclas asfálticas por método Marshall .......................................... 35

2.2.4.1 Fabricación de las briquetas ...................................................................... 37

2.2.5 Procesamiento Digital de Imágenes ................................................................. 38

2.2.6 Clasificación de las Imágenes .......................................................................... 39

2.2.6.1 Supervisada: ............................................................................................. 39

2.2.6.2 No supervisada: ........................................................................................ 39

2.2.7 Algoritmo Maquinas de Soporte Vectorial SVM ................................................ 39

2.2.8 Cámaras No Métricas ...................................................................................... 40

2.2.8.1 Cámara Nikon Coolpix S2900 ................................................................... 41

3. METODOLOGÍA .......................................................................................................... 42

3.1 DISEÑO DE LAS BRIQUETAS POR MÉTODO MARSHALL ................................. 46

3.2 ENSAYOS DE LABORATORIO.............................................................................. 50

3.2.1 Medida del Coeficiente de Resistencia al Deslizamiento Usando el

Péndulo Británico (INV E- 792) ................................................................................. 50

3.2.2 Medida De La Macrotextura Superficial De Un Pavimento Empleando La

Técnica Volumétrica (Circulo de arena) (I.N.V.E- 791- 13)........................................ 53

3.3 PROCESAMIENTO DE LAS IMÁGENES ............................................................... 55

3.3.1 Toma de Fotografías ........................................................................................ 55

3.3.2 Procesamiento de las imágenes a partir del método de Máquinas de

Soporte Vectorial (SVM) ........................................................................................... 55

3.3.3 Extracción de Áreas ......................................................................................... 57

3.3.4 Validación de la Clasificación de las imágenes ................................................ 58

3.3.4.1 Matriz de confusión ................................................................................... 58

3.3.4.2 Índice kappa y porcentaje correctamente clasificados en imágenes .......... 58

3.3.5 Análisis Estadístico de los Datos Obtenidos .................................................... 59

3.3.5.1 Análisis Descriptivo de los Datos ............................................................... 59

4. RESULTADOS Y DISCUSIÓN ..................................................................................... 62

4.1 RESULTADOS DE LOS ENSAYOS DE LABORATORIO ....................................... 62

4.1.1 Ensayo para Evaluar la Microtextura: Péndulo de Fricción............................... 62

4.1.2 Ensayo para Evaluar la Macrotextura: Círculo de Arena .................................. 69

4.1.3. Clasificación de las Imágenes por Medio del Método de Maquinas de

Soporte Vectorial (SVM) ........................................................................................... 72

4.1.4 Análisis de las Áreas Calculadas en las Imágenes Procesadas ..................... 101

4.1.5 Análisis Estadístico de los Datos Obtenidos .................................................. 110

4.1.5.1 Análisis Descriptivo de los Datos ............................................................. 110

4.1.5.2 Gráficos de Dispersión Coeficiente de Rozamiento en Briquetas Secas . 112

4.1.5.3 Gráficos de Dispersión Coeficiente de Rozamiento Briqueta Húmeda ..... 115

4.1.5.4 Gráficos de Dispersión Teniendo en Cuenta la Profundidad de Textura .. 117

4.1.5.5 Gráficas de Dispersión por Mezclas ........................................................ 120

4.1.5.6 Gráficas de Dispersión por Golpes .......................................................... 121

5. CONCLUSIONES ...................................................................................................... 125

6. RECOMENDACIONES .............................................................................................. 127

7. BIBLIOGRAFÍA .......................................................................................................... 128

ANEXOS………………………………………………………………………………………….134

ANEXO A CODIGO PARA LA CLASIFICACIÓN DE LAS IMÁGENES MEDIANTE……..

SVM… …………………………………………………………………………………………..134

ANEXO B FORMATOS ENSAYOS DE LABORATORIO……………………………………138

ÍNDICE DE FIGURAS

Figura 1 DF Tester para medir fricción dinámica en pavimentos.. .................................... 25

Figura 2 Ensayo Círculo de Arena ................................................................................... 26

Figura 3 Términos utilizados para describir la textura de la supericie de rodadura........... 27

Figura 4 Péndulo Británico ............................................................................................... 28

Figura 5 Frontera de decisión en las SVM. ...................................................................... 40

Figura 6 Modelo metodológico propuesto. ....................................................................... 43

Figura 7 Agregados separados y clasificados. ................................................................. 46

Figura 8 Peso en seco de los agregados pétreos. ........................................................... 47

Figura 9 Briquetas finales método Marshall. .................................................................... 48

Figura 10 Partes del Péndulo británico. ........................................................................... 50

Figura 11 Péndulo Británico. ............................................................................................ 51

Figura 12 Nivelación del péndulo Británico. ..................................................................... 51

Figura 13 Ajuste de la zapata del péndulo Británico. ........................................................ 52

Figura 14 Escala de valores de CRD. .............................................................................. 52

Figura 15 Recipiente de medición de arena. .................................................................... 53

Figura 16 Ensayo circulo de arena. .................................................................................. 54

Figura 17 Ensayo circulo de arena. .................................................................................. 54

Figura 18 Medición del diámetro obtenido de arena. ........................................................ 54

Figura 19 Imagen tomada cámara Nikon a muestra de pavimento Tipo MDC-19. Fuente

Propia .............................................................................................................................. 55

Figura 20 Diagrama de flujo para el procesamiento de las imágenes a partir de

Maquinas de soporte vectorial. ........................................................................................ 56

Figura 21 Diagrama de flujo para el cálculo de las áreas clasificadas. ............................. 57

Figura 22 Diagrama de Dispersión Coeficiente de Rozamiento vs Áreas calculadas ....... 60

Figura 23 Imagen clasificada briqueta 1 ........................................................................... 73









Figura 32 Imagen clasificada briqueta 10 ......................................................................... 82


















Figura 50 Información obtenida a partir de los ensayos y el procesamiento de la

briqueta número 1 .......................................................................................................... 101


briqueta número 2 .......................................................................................................... 101


briqueta número 3 .......................................................................................................... 102


briqueta número 4 .......................................................................................................... 102


briqueta número 5 .......................................................................................................... 102


briqueta número 6 .......................................................................................................... 103


briqueta número 7 ......................................................................................................... 103


briqueta número 8 .......................................................................................................... 103


briqueta número 9 .......................................................................................................... 104


briqueta número 10 ........................................................................................................ 104


briqueta número 11 ........................................................................................................ 104


briqueta número 12 ........................................................................................................ 105


briqueta número 13 ........................................................................................................ 105


briqueta número 14 ........................................................................................................ 105


briqueta número 15 ........................................................................................................ 106


briqueta número 16 ........................................................................................................ 106


briqueta número 17 ........................................................................................................ 106


briqueta número 18 ........................................................................................................ 107


briqueta número 19 ........................................................................................................ 107


briqueta número 20 ........................................................................................................ 107


briqueta número 21 ....................................................................................................... 108


briqueta número 22 ........................................................................................................ 108


briqueta número 23 ........................................................................................................ 108


briqueta número 24 ....................................................................................................... 109


briqueta número 25 ........................................................................................................ 109


briqueta número 26 ........................................................................................................ 109


briqueta número 27 ........................................................................................................ 110

Figura 77 Descripción de las variables........................................................................... 110

Figura 78 Coeficiente de rozamiento vs áreas de vacíos ............................................... 112

Figura 79 Coeficiente de rozamiento vs área de agregados .......................................... 112

Figura 80 Coeficiente de rozamiento vs área contenido de asfaltos ............................... 113

Figura 81 Coeficiente de rozamiento vs área sin asfalto ................................................ 113

Figura 82 Resumen graficas coeficiente de rozamiento vs áreas clasificadas ............... 114

Figura 83 Coeficiente de rozamiento vs áreas de vacíos ............................................... 115

Figura 84 Coeficiente de rozamiento vs áreas de agregados pétreos ............................ 115

Figura 85 Coeficiente de rozamiento vs áreas de contenido de asfalto .......................... 116

Figura 86 Coeficiente de rozamiento vs áreas sin asfalto .............................................. 116

Figura 87 Resumen coeficiente de rozamiento vs áreas clasificadas ............................. 117

Figura 88 Profundidad de textura vs áreas de vacíos ................................................... 118

Figura 89 Profundidad de textura vs áreas de agregados pétreos ................................. 118

Figura 90 Profundidad de textura vs áreas de contenido de asfalto ............................... 118

Figura 91 Profundidad de textura vs áreas sin asfalto .................................................... 119

Figura 92 Resumen Profundidad de textura vs áreas clasificadas ................................. 119

Figura 93 Coeficiente de rozamiento vs Áreas mezcla MDC 19 ..................................... 120



Figura 96 Coeficiente de rozamiento vs mezclas compactadas a 75 golpes. ................ 121

Figura 97 Coeficiente de rozamiento vs mezclas compactadas a 50 golpes. ................. 122

Figura 98 Coeficiente de rozamiento vs mezclas compactadas a 50 golpes. ................. 122

ÍNDICE DE TABLAS

Tabla 1 Tipo de mezclas asfálticas en caliente de gradación contínua ............................ 34

Tabla 2 Especificaciones Técnicas cámara Nikon S2900. ............................................... 41

Tabla 3 Granulometría de mezclas de concreto asfaltico ................................................. 44

Tabla 4 Caracterización del agregado pétreo................................................................... 45

Tabla 5 Características generales del Cemento Asfaltico 60- 70. .................................... 45

Tabla 6 Definición briquetas realizadas mediante método Marshall ................................. 48

Tabla 7 Resumen composición volumétrica y resistencia de las mezclas ........................ 49

Tabla 8 Matriz de confusión para la briqueta 1 ................................................................. 58

Tabla 9 Datos Tabulados ................................................................................................. 59

Tabla 10 Matriz de Correlación en muestras secas.......................................................... 61

Tabla 11 Determinación coeficiente de rozamiento mezclas MDC 19 .............................. 62

Tabla 12 Determinación coeficiente de rozamiento mezclas MDC 25 ............................. 65

Tabla 13 Determinación coeficiente de rozamiento mezclas MDC 10 .............................. 67

Tabla 14 Determinación profundidad de textura mezclas MDC 19 ................................... 69



Tabla 17 Matriz de Confusión Briqueta número 1 ........................................................... 73

Tabla 18 Índices de exactitud temática briqueta número 1............................................... 73

Tabla 19 Matriz de Confusión Briqueta número 2 ............................................................ 74
















Tabla 35 Matriz de Confusión Briqueta número 10 .......................................................... 82

Tabla 36 Índices de exactitud temática briqueta número 10............................................. 83










Tabla 46 Índices de exactitud temática briqueta numero 15............................................. 88












Tabla 58 Índices de exactitud temática briqueta numero 21............................................. 94












Tabla 70 Índices de exactitud temática briqueta número 27........................................... 100

Tabla 71 Resumen Clasificación del usuario de las briquetas ........................................ 100

Tabla 72 Resumen estadísticas de las variables ........................................................... 111

Tabla 73 Rangos máximos y mínimos por variables ...................................................... 111

Tabla 74 matriz de correlación muestras secas ............................................................. 115

Tabla 75 Matriz de correlación muestras húmedas ........................................................ 117

Tabla 76 matriz de correlación profundidad de textura ................................................... 120

ÍNDICE DE ECUACIONES

Ecuación 1 ....................................................................................................................... 25

Ecuación 2 ....................................................................................................................... 25

Ecuación 3 ....................................................................................................................... 27

Ecuación 4 ....................................................................................................................... 55

Ecuación5 ........................................................................................................................ 58

Ecuación 6 ....................................................................................................................... 59

RESUMEN Y ABSTRACT MARIAM RIVAS DIAZGRANADOS

16

RESUMEN

El estado de la superficie de rodadura o capa de rodamiento es uno de los factores más

importantes a considerar en las carreteras, ya que el fin principal de una vía es brindar

seguridad y comodidad al usuario; es por esto que la vía debería permanecer en las

condiciones iniciales de diseño durante la etapa de operación, por lo tanto, es importante

evaluar la regularidad superficial y la textura en las capas que la conforman.

La identificación de estos factores siempre han sido evaluados por medio de ensayos de

laboratorio, los cuales algunos de ellos resultan ser costosos y requieren de mucho tiempo

para realizar las pruebas. Por tal motivo, este estudio muestra una comparación entre

imágenes tomadas con una cámara convencional marca Nikon COOLPIX S2900 y ensayos

de laboratorio como el péndulo TRRL Resistencia al deslizamiento mediante el péndulo

(INV E 792) y el Círculo de Arena (INV E-791), para analizar si por medio del procesamiento

de imágenes, se puede determinar la textura y rugosidad de un pavimento flexible.

El estudio está realizado en briquetas elaboradas por método Marshall para muestras tipo

MDC- 19, MDC- 25 y MDC- 10 realizadas para 75, 50 y 25 golpes, teniendo una totalidad

de 27 briquetas. Con el coeficiente de rozamiento y la profundidad de la textura obtenidos

en laboratorio, se realiza una comparación con las áreas calculadas mediante el

procesamiento de las imágenes tomadas a cada briqueta y a partir de análisis gráficos, se

obtiene un resultado final por cada briqueta.

PALABRAS CLAVES: Imagen digital, textura, regularidad superficial.

RESUMEN Y ABSTRACT MARIAM RIVAS DIAZGRANADOS

17

ABSTRACT

The state of the rolling surface or bearing layers is one of the most important factors to

consider on the roads, because the finality of the way is give safety and comfort to the user;

because of that the road should remain the original design conditions during the operation

time and is important to evaluate with regularity the surface and texture of the layers that is

make it up.

The identification of this factors have always been evaluate through laboratory test, some of

those test at the end are expensive and require a lot of time to do the test. For this reason,

this study show a comparison between the images taken with a conventional camera Nikon

COOLPIX S2900 and the laboratory test like the TRRL pendulum slip resistance (INV E

792) and the sand circle (INV E-791) to know if by the images process, you can determinate

the texture and rugosity of a flexible flooring.

The study is made on briquettes made it by the Marshall method for types samples MDC-

19, MDC-25 and MDC-10 compacted with 75, 50 and 25 hits, with a total of 27 briquettes

with the coefficient of friction and the depth of the texture obtained in the laboratory, we

make a comparison with the calculated areas by the image process taken to each briquettes

and starting from graphic analysis, we get a final result for each briquette.

KEY WORDS: Digital image, texture, superficial regularity.


18

1. INTRODUCCIÓN

Uno de los aspectos importantes a considerar en una carretera, es el estado de la superficie

de rodadura o capa de rodamiento, ya que de esto depende brindar al usuario comodidad

y seguridad. Para que un pavimento sea considerado cómodo y seguro se deben tener en

cuenta algunas propiedades principales como lo son la textura y la regularidad superficial o

rugosidad y así evaluar indicadores que involucran la fricción del neumático con el

pavimento y obtener resultados sobre la resistencia al deslizamiento en una vía.

(Solminihac, 2011, Echaveguren, 2011).

Para medir la resistencia al deslizamiento es necesario hacerlo a partir de dos tipos de

evaluación como lo son la microtextura y la macrotextura. La microtextura depende de los

agregados pétreos utilizados (textura superficial, granulometría, tamaño de la partícula)

estos pueden tener características de tipo áspera o lisa. La macrotextura se genera por los

defectos de la irregularidad superficial del pavimento producto de la puesta en obra en la

extensión y compactación, deformaciones de la estructura del pavimento por el tráfico o por

deformaciones de la capa de rodadura. La influencia de estos fenómenos son diferentes en

la interacción que existe entre el neumático y el pavimento; las texturas se asocian a la

resistencia al deslizamiento mientras que la rugosidad se asocia a la calidad y comodidad

de la rodadura de los vehículos. (Kraemer C, Rocci S., 2004). Al evaluar la resistencia al

deslizamiento, la textura superficial del pavimento debe ser tal que los vehículos puedan

frenar fácilmente cuando lo requieran, es decir, debe existir un buen coeficiente de fricción

entre la llanta del vehículo y la superficie de rodadura. Adicionalmente lo ideal es que la

superficie del pavimento no presente láminas de agua, ya que si llega a ser lo

suficientemente espesa, combinado con circulación vehicular alta, los neumáticos pueden

perder el contacto con la superficie, creando un fenómeno conocido como hidroplaneo.

(Rondon, H.A, 2012).

Existen diferentes ensayos que permiten evaluar estas dos propiedades en los pavimentos,

los cuales varían tanto en tiempo de trabajo, tipo de medida y el costo del equipo; es por

esto que este estudio se centra en dos ensayos específicos para determinar la microtextura

llamado Resistencia al Deslizamiento Mediante el Péndulo TRRL (INV E- 792) y para la


19

macrotextura el Círculo de Arena (I.N.V.E- 791). Estos ensayos fueron realizados en

briquetas fabricadas mediante el ensayo Marshall (INV 748-13) cuyas dimensiones son de

2,5 pulgadas de alto por 4 pulgadas de diámetro para mezclas asfálticas densas en caliente

tipo MDC19, MDC 25 y MDC-10, compactadas a 75, 50 y 25 golpes, con el fin de tener

diferentes porcentajes de vacíos y lograr varias texturas en el pavimento y diferencias en la

fricción entre el neumático y el pavimento. Se escogieron estos tipos de mezclas porque

son las más utilizadas en Colombia, ya que presentan agregados pétreos con granulometría

bien gradada y con tamaños de partículas sólidas diferentes (gravas, arenas, finos),

mezcladas con cemento asfaltico. Al presentar varias granulometrías y al ser compactadas

a diferentes golpes se tienen distintos contenidos de vacíos lo cual permitirá analizar la

fricción neumático- pavimento, entendiendo que una mezcla más porosa genera mayor

fricción en comparación con una mezcla más compacta, por otro lado, a partir de la

granulometría teniendo en cuenta el tamaño de las partículas, se podrá tener mezclas más

porosas siendo la MDC 25 la mezcla que tiene el mayor tamaño de partículas por lo que se

tiene mayor porcentaje de vacíos.

A partir de fotografías tomadas con una cámara Nikon S2900 a cada briqueta y mediante

el procesamiento digital de las imágenes, se calculan las áreas de los componentes en cada

una de ellas (espacios de vacíos, espacios con asfalto, espacios sin asfalto y contenido de

agregados pétreos) y se correlacionan con los valores obtenidos de la resistencia al

deslizamiento mediante el péndulo TRRL y el Circulo de Arena, con el fin de aplicar un

método más simple y económico a partir de una fotografía convencional con una cámara

común y que no se utilizaran equipos sofisticados que requieren de más tiempo y costo

para su ejecución.

Como antecedentes se tienen algunos estudios realizados en diferentes países donde se

estudia principalmente el estado del pavimento (grietas, ahuellamiento, entre otros) y

mediante los niveles digitales y haciendo uso de segmentaciones se evidencian cambios

cuantificables permitiendo hacer análisis sobre el desgaste del pavimento en profundidad

de textura y espacio. Estos estudios se pueden encontrar en el capítulo número dos de este

documento. En Colombia no se han realizado estudios profundos para determinar la textura

superficial y la rugosidad a partir de fotografías, por lo cual es el fin principal de este estudio.


20

En términos generales este estudio se divide en diferentes capítulos; en el primer capítulo

se presenta el problema, la justificación y los objetivos de investigación siendo los

contenidos de cada briqueta las variables a estudiar mediante el procesamiento digital de

imágenes; en el segundo capítulo se identifican y se describen los ensayos y equipos

utilizados para calcular en laboratorio la rugosidad y la textura del pavimento, haciendo

mención del péndulo TRRL y el ensayo de Circulo de Arena, también se describen los

estudios realizados en diferentes países haciendo uso del procesamiento digital de

imágenes y termina en la descripción de los conceptos teóricos más importantes utilizados

para el desarrollo y entendimiento del estudio; el tercer capítulo muestra la metodología

utilizada para obtener las áreas clasificadas en las imágenes y los ensayos de laboratorio

propuestos; en el capítulo cuatro se muestran los resultados y la discusión obtenidos

mediante análisis estadísticos comparados con los resultados de laboratorio y por último se

presentan las conclusiones, recomendaciones y la bibliografía de la investigación las cuales

fueron en su mayoría artículos de revistas y textos especializados respecto al tema,

principalmente tomados de internet.

La metodología para este estudio se divide en tres partes. La primera consistió en la

elaboración de las briquetas mediante método Marshall; la segunda consistió en realizar

ensayos de laboratorio en las briquetas diseñadas y la tercera y más importante para este

estudio es el procesamiento de las imágenes lo cual se realizó tomando fotografías a cada

una de las briquetas a la luz del día sin hacer uso de flash, luego se procesan las imágenes

por el método de Máquinas de Soporte Vectorial en el programa RProject, ya que es un

software de uso libre y de fácil uso donde a partir de códigos y mediante una clasificación

supervisada a partir de muestras de entrenamiento y validación, permite obtener las clases

que conforman la briqueta (vacíos, asfalto, agregados, sin asfalto), luego a partir del

software SagaGis se extraen las áreas que se obtuvieron mediante la clasificación y a partir

de análisis estadísticos se realizan correlaciones entre los datos.

Este estudio muestra las correlaciones de los datos obtenidos en laboratorio con los

obtenidos mediante procesamiento digital de las imágenes, donde se pudo comprobar que

la textura y la regularidad superficial no se pueden determinar mediante una fotografía en

dos dimensiones, es necesario obtener otra variable como la elevación para posiblemente

determinar estas propiedades en el pavimento.


21

1.1 PROBLEMA DE INVESTIGACIÓN

En Colombia y el mundo las mezclas más construidas son las densas en caliente (MDC) de

concreto asfaltico, ya que son más durables y resistentes al envejecimiento y oxidación;

tienen baja porosidad lo que la hace de alta resistencia y rigidez y también impermeabilizan

superficialmente el pavimento. Pero debido a su baja porosidad, la textura superficial no es

la mejor para obtener buena fricción neumático- pavimento, también ayudan a generar

láminas de agua superficiales por la lluvia incrementando posibilidades de fenómenos como

hidroplaneos aumentando el grado de accidentalidad en las vías.

Para evaluar la fricción neumático- pavimento, después de construida la capa asfáltica se

somete a ensayos de laboratorio como son el circulo de arena, coeficiente de deslizamiento

con el péndulo, IRI, entre otros; El problema de estos ensayos es que son costosos, tienen

un alto tiempo de ejecución y se realizan solo en un punto del pavimento.

En Colombia no se han abordado estudios que permita evaluar la resistencia al

deslizamiento de un pavimento haciendo correlación de los datos obtenidos en los ensayos

de laboratorio con los datos obtenidos mediante el procesamiento digital de una imagen,

por lo cual surge la siguiente pregunta de investigación: ¿Por medio del procesamiento de

las imágenes, es factible realizar la medición y análisis de la textura y la rugosidad de los

pavimentos flexibles?

1.2 JUSTIFICACIÓN

En el país parte de la accidentalidad vial es por consecuencia del mal estado de la capa

asfáltica. (Ministerio de transporte, 2014). Por esto la duración de la capa de rodadura

depende del proyecto inicial, la calidad de los procesos constructivos del pavimento, los

materiales utilizados, el desgaste producido por los vehículos, factores climáticos, entre

otros.

Las propiedades funcionales, en tanto no exista un daño estructural, pueden describirse a

través del microperfil de un pavimento a lo largo de un eje. Dependiendo de la longitud de

onda, estas pueden clasificarse como textura (la menor longitud) y rugosidad (la de mayor

longitud). (Solminihac, Echaveguren, 2011). Un pavimento que posea una irregularidad con

una longitud de onda determinada inducirá efectos sobre los usuarios que pueden ser

favorables o desfavorables en términos de seguridad y confort durante el proceso de

conducción. Este hecho es el que determina la necesidad de mantener la irregularidad de


22

menor longitud de onda dentro de valores que aseguren una adecuada resistencia al

deslizamiento durante el ciclo de vida de un pavimento: Diseño, Construcción y

Mantenimiento. Sin embargo, la resistencia al deslizamiento por si sola resulta inadecuada

e insuficiente para lograr este propósito.

Es por esto que los métodos de evaluación de pavimentos recomiendan aparte de medir la

regularidad superficial (rugosidad), medir la resistencia al deslizamiento de la superficie de

rodadura (textura), ya que esta debe ser tal que los vehículos puedan frenar fácilmente, es

decir, que exista un buen coeficiente de fricción entre la llanta del vehículo y la superficie

de rodadura, ya que este es uno de los factores causante de la accidentalidad vial en el

país. (Caro, Peña, 2012)

Existen ensayos que se realizan en campo y laboratorio que permiten determinar la textura

y la rugosidad los cuales emplean equipos que en algunos casos resultan ser costosos y

que requieren de mayor tiempo en su ejecución. Es por esto que se realiza el análisis de

estas propiedades a partir de imágenes tomadas con una cámara convencional y

determinar si es factible su evaluación a partir del procesamiento digital de las imágenes.

1.3 OBJETIVOS

1.3.1 Objetivo General

Analizar la rugosidad y la textura en pavimentos flexibles, empleando procesamiento digital

de imágenes tomadas a partir de una cámara no métrica Nikon S2900. Para tal fin se

correlacionaron las mediciones utilizando equipos típicos que emplea la ingeniería de

pavimentos, con las obtenidas mediante la cámara fotográfica.

1.3.2 Objetivos Específicos

Los objetivos específicos de este estudio son los siguientes:

Diseñar de forma manual las briquetas que van a ser analizadas mediante método

Marshall.

Mostrar ensayos realizados en laboratorio de Círculo de Arena y el Péndulo TRRL

directamente en las briquetas diseñadas.

Tomar fotografías en las briquetas y clasificarlas según sus componentes, por el

método de Maquinas de Soporte Vectorial (SVM).


23

Validar la información obtenida en la clasificación de las imágenes y a partir de

correlaciones analizar las variables de textura y rugosidad.

Comparar los datos obtenidos en laboratorio con los datos obtenidos mediante las

imágenes utilizando métodos estadísticos.

MARCO TEÓRICO MARIAM RIVAS DIAZGRANADOS

24

2. MARCO TEÓRICO

2.1 ANTECENDENTES

Realizar la inspección de las condiciones del pavimento desempeña un papel fundamental

en la durabilidad y buen estado de este. Las irregularidades superficiales en un pavimento

propician aceleraciones verticales a los vehículos en movimiento, generando que la

circulación se vuelva incómoda, insegura y antieconómica.

En este capítulo se revisa la literatura con el fin de entender mejor los procedimientos que

se realizan para determinar la regularidad superficial y la textura en laboratorio como así

también se explicaran los estudios que se han venido realizando en los últimos años en las

imágenes digitales para evaluar la textura y la rugosidad por medio de imágenes de alta

resolución.

2.1.1 ENSAYOS PARA EVALUAR LA MICROTEXTURA Y MACROTEXTURA DE UN

PAVIMENTO

2.1.1.1 Medición de Fricción Dinámica (ASTM E-1911)

Este método de ensayo proporciona una medida de la fricción de la superficie como una

función de la velocidad de deslizamiento, ya sea en el campo o en un laboratorio. Puede

ser utilizado para determinar los efectos relativos de diferentes técnicas de pulido en

materiales o combinaciones de materiales. Los valores medidos de acuerdo con este

método no necesariamente están correlacionados directamente con los obtenidos

utilizando otros métodos de determinación de las propiedades de fricción o resistencia al

deslizamiento.

El DF Téster (ver Figura 1) es un instrumento portátil y fácil de usar para medir el coeficiente

de fricción dinámico. Los principios físicos que intervienen en la medición de la fricción son

sencillos, pero su aplicación para fines prácticos puede resolver una amplia gama de

problemas. El DF Téster es un instrumento que puede determinar las propiedades físicas

necesarias por diferentes industrias, ya que puede medir el coeficiente de fricción bajo

diversas condiciones. Por ejemplo en el caso de la resistencia al deslizamiento que está

estrechamente relacionado con el rendimiento de los automóviles, no hubo tal instrumento


25

que podría medir directamente el coeficiente de fricción, aunque hubo algunos instrumentos

de medición que se correlacionan a ella. (ASTM E-1911, 1998).

Figura 1 DF Tester para medir fricción dinámica en pavimentos. Fuente: ASTM E-1911. [En

línea. http: //www.tics.hu/DFTester.htm, 2002]

Este instrumento se puede utilizar para todas las mediciones de coeficiente de fricción,

especialmente para la medición de pavimentos. Hoy, el mundo está mirando el rendimiento

y su uso es ampliamente estudiado (ASTM E-1911, 1998).

El principio fundamental de esta medición consiste en presionar el caucho del neumático

contra la superficie de la carretera con una fuerza W y se aplica una fuerza horizontal F

para mover el caucho con una velocidad V.

Esta fuerza F, que se puede medir por cualquier medio, es debido a la fricción y siendo F y

W conocidos se determina el coeficiente de fricción (μ) a partir de la relación que se muestra

en la ecuación 1.

μ = F / W (Ecuación 1)

Manteniendo W constante y sustituyendo K (una constante de proporcionalidad) por 1/W

en la ecuación (1), se obtiene la relación que se muestra en la ecuación 2.

μ = K * F (Ecuación 2)

Por lo tanto, el coeficiente μ varía en proporción directa a F. En el DF probador, el caucho

del neumático se monta en tres deslizadores de goma en la parte inferior de un disco

rotativo horizontal. El disco se apoya en la superficie del camino soportado por las tres

almohadillas de goma en los controles deslizantes bajo una carga constante W

perpendicular a la superficie, y gira a una velocidad donde la velocidad tangencial en la


26

ubicación de los controles deslizantes es V La fuerza F requerida para superar la fricción

dinámica se mide, y la velocidad lineal V del deslizador se determina a partir de la velocidad

de rotación del disco. (ASTM E-1911, 1998).

2.1.1.2 Macrotextura: Círculo de Arena (I.N.V.E- 791)

Esta norma describe el procedimiento que se debe seguir para la determinación de la

textura superficial de un pavimento mediante el círculo de arena. En general, el ensayo es

aplicable a cualquier tipo de pavimento, tanto asfáltico como de hormigón, y consiste en

extender sobre su superficie un volumen de arena fina, distribuyéndola y enrasándola

posteriormente mediante un dispositivo adecuado. A partir del volumen de arena utilizado

y del área cubierta por la misma sobre el pavimento, se calcula una profundidad media de

los vacíos superficiales rellenos por la arena, valor que se puede utilizar como medida de

la textura superficial del pavimento. (I.N.V, E-791, 2007).

Para realizar este ensayo se eligen las zonas a ensayar (ver figura 2), las cuales se

marcarán convenientemente en la calzada. En cada ensayo se realizará un mínimo de cinco

determinaciones, alineadas en la dirección del eje de la vía y separadas a 1 m entre sí.

Figura 2 Ensayo Círculo de Arena Fuente: Norma I.N.V. E – 791 – 07, 2007

El volumen y la granulometría de la arena por emplear se elegirán en función de la textura

del pavimento, de tal forma que el radio del círculo resultante esté comprendido entre 5 y

18 cm y el tamaño máximo del grano no sea superior a la profundidad media obtenida. Se

limpia la superficie de ensayo en un radio de unos 25 cm con el cepillo blando para pelo.

Se llena de arena en exceso el recipiente cilíndrico elegido y se golpea ligeramente tres

veces la base para asegurar la compactación; seguidamente, se enrasa con la regla el

exceso de arena. Se vierte la totalidad de la arena del recipiente en el punto de ensayo en


27

forma de superficie cónica y a continuación se la extiende con ayuda de la cara plana de

caucho del dispositivo de extensión, mediante movimientos rotatorios, hasta conseguir una

superficie enrasada, aproximadamente circular, en la cual la arena rellene todas las

depresiones. (I.N.V, E-791, 2007).

Se calcula la profundidad media de la arena utilizada dentro de las asperezas superficiales

del pavimento o “profundidad de textura” (H), con aproximación de 0.05 mm, mediante la

ecuación 3.

𝐻 =4 𝑥 𝑉

𝜋 𝑥 𝐷2

(Ecuación 3)

Donde:

H = profundidad de textura en una medición, mm,

V = volumen de la arena utilizada, mm³, y

D = diámetro promedio del círculo de arena, mm.

A partir de la profundidad de textura calculada se puede evaluar el tipo de superficie como

se puede ver en la figura 3.

Figura 3 Términos utilizados para describir la textura de la supericie de rodadura. Fuente

(INV E-791-13),2007


28

2.1.1.3 Microtextura: Resistencia al Deslizamiento Mediante el Péndulo TRRL (INV E-

792)

Esta norma describe el procedimiento que se debe seguir para medir las propiedades

superficiales de fricción (resistencia al deslizamiento) utilizando el péndulo de Transport and

Road Research Laboratory (British Pendulum Skid Resistance Tester). Este método

consiste en el uso de un equipo de ensayo tipo péndulo (ver figura 4), provisto en su extremo

de una zapata deslizante de caucho para medir las propiedades friccionantes de la

superficie de ensayo. La superficie de ensayo debe estar limpia y completamente mojada

antes de efectuar el ensayo. Antes de realizar la prueba, la zapata del péndulo se debe fijar

de tal manera que apenas se establezca contacto con la superficie que se va a ensayar. El

péndulo se levanta a su posición inicial y se asegura allí, luego se suelta permitiendo el

contacto entre la zapata y la superficie de ensayo. Un Indicador o aguja indicadora, mostrará

el valor C.R.D. A mayor fricción entre la zapata deslizante y la superficie de ensayo más se

retarda el movimiento del indicador y se obtiene una lectura más grande de C.R.D. Se

deben hacer cuatro movimientos pendulares sobre cada superficie a ensayar cuando se

utiliza un caucho natural en la zapata o cinco movimientos cuando se usa un caucho tipo M

261. (I.N.V, E-792, 2007).

Figura 4 Péndulo Británico Fuente: propia


29

2.1.2 ESTUDIOS SIMILARES EN LOS PAVIMENTOS REALIZADOS EN EL MUNDO

UTILIZANDO IMÁGENES

Al realizar una revisión en las bases de datos científicas, se encontraron muy pocas

referencias acerca de la evaluación de la textura y la rugosidad por medio de imágenes; es

por esto que a continuación se describen las investigaciones más relevantes acerca del

tema, lo cual permitirá entender un poco más sobre la evaluación de las irregularidades en

los pavimentos por medio de imágenes.

En cuanto a los estudios realizados para detectar textura mediante imágenes, se menciona

la Universidad del sur de Florida donde desarrollo una investigación mediante la cual se

estudió una relación teórica entre los anchos de las fisuras con la profundidad, teniendo en

cuenta la intensidad del pixel máximo con el contraste de las grietas en las imágenes; para

esto se tomaron fotografías progresivas en una misma acera capturadas en diferentes

momentos para el control estricto de las grietas y el desgaste, donde se reveló que el

pavimento modelo formado mediante las imágenes presento cambios cuantificables en el

brillo de las imágenes debido a los cambios del pavimento relacionadas con el desgaste en

profundidad de textura y el espacio (longitud de onda) (Amarasiri, 2011).

En Francia se desarrollan técnicas de detección no invasivos para el control de

infraestructuras civiles, donde se aborda el problema de la detección de grietas en la

superficie de las carreteras nacionales, por el análisis automático de imágenes ópticas. El

enfoque se basa en una extracción de escala múltiple y una segmentación de Markov. El

método propuesto se valida, analiza, y se compara con un enfoque de detección basado en

herramientas morfológicas (Moliard, 2011; Chambon, 2011).

También se pueden evidenciar pruebas realizadas en Oklahoma, EE.UU. y Christchurch,

Nueva Zelanda durante el período entre agosto 2004 hasta junio 2005, donde se realizó la

exploración de la tecnología de la imagen digital para medir textura superficial. En estos

estudios se detalla la metodología de investigación para desarrollar una tecnología para

sustituir el ensayo del círculo de arena, como un medio para medir la textura de la superficie

más precisa y segura. El proyecto utiliza imágenes digitales y teoría de la información para

desarrollar una relación cuantitativa entre la textura medida por el ensayo del círculo de

arena y la transformada rápida de Fourier, de una imagen digital de la superficie, tomada

en un mismo lugar de prueba. (Hogan, 2006)


30

La pérdida de microtextura reduce los puntos de contacto entre el neumático y el pavimento

con lo cual se reduce también la Resistencia al deslizamiento. Este comportamiento puede

verse retardado o acelerado dependiendo de las características mineralógicas de los

agregados, puesto que son éstas las que determinan su dureza y por tanto su resistencia

a la abrasión; según la literatura leída la microtextura tiene un efecto significativo en la

rugosidad de las superficies, estando está en un intervalo entre 0.1- 0.5 mm y la

Macrotextura del pavimento tiene una influencia sustancial en la fricción entre los

neumáticos y la carretera, especialmente a altas velocidades y en el pavimento mojado.

(Hogan, 2006)

La medición de estas propiedades en los pavimentos ha sido de gran interés en los últimos

años por algunos países entre los cuales se destaca Estados Unidos, el cual ha venido

trabajando la medición de la textura en los pavimentos por medio de imágenes; siendo esta

característica del pavimento una de las más importantes para determinar el buen estado

del pavimento para que brinde mayores efectos de comodidad y seguridad a los usuarios.

Al estudiar estas investigaciones se puede ver que la rugosidad va de la mano con la textura

por lo cual se entiende que por medio de la determinación de las longitudes de onda de la

textura se podrá determinar la rugosidad en el pavimento también. En Colombia no se han

realizado estudios exhaustivos acerca de la medición de la textura y la rugosidad por medio

de imágenes, por lo cual se tiene claro que para poder obtener resultados satisfactorios en

este estudio, las imágenes a utilizar debe tener una buena resolución y por medio de

cálculos estadísticos calcular parámetros que permitan llegar al objetivo principal.

2.2 CONCEPTOS TEÓRICOS

Un pavimento está constituido por un conjunto de capas superpuestas, relativamente

horizontales que se diseñan y construyen técnicamente con materiales apropiados y

adecuadamente compactadas. Estas estructuras estratificadas se apoyan sobre la

subrasante de una vía obtenida por el movimiento de tierras en el proceso de exploración

y que han de resistir adecuadamente los esfuerzos de las cargas repetidas que el transito

le transmite durante el periodo para el cual fue diseñado la estructura de pavimento.

(Montejo Fonseca, 2002).

Los pavimentos se pueden clasificar en pavimentos flexibles, pavimentos rígidos y

pavimentos articulados.


31

Pavimentos Flexibles: Estas estructuras están constituidas por una cobertura en

material asfaltico relativamente delgada (inferior a 10cm). Frecuentemente cuando

se trata de vías de bajo tráfico esta cobertura se reduce a un tratamiento superficial

doble colocado directamente sobre las capas de materiales no tratados. El espesor

global del pavimento está comprendido generalmente entre 30 y 100 cm. (IDU,

1994).

Pavimentos Rígidos: Son aquellos que fundamentalmente están constituidos por

una losa de concreto hidráulico, apoyada sobre la subrasante o sobre una capa, de

material seleccionado, la cual se denomina subbase del pavimento rígido (Montejo

Fonseca, 2002).

Pavimentos Articulados: Los pavimentos articulados están compuestos por una

capa de rodadura que está elaborada con bloques de concreto prefabricados,

llamados adoquines, de espesor uniforme e iguales entre sí. Esta puede ir sobre

una capa de base granular o directamente sobre la subrasante, dependiendo de la

calidad de esta y de la magnitud y frecuencia de las cargas que circulan por dicho

pavimento (Montejo Fonseca, 2002).

Es importante distinguir dos aspectos importantes en la calidad del pavimento; la calidad

estructural y la calidad funcional. La calidad estructural se refiere a la capacidad del

pavimento, considerado como una “estructura”, de soportar las solicitaciones durante la vida

de proyecto sin necesidad de llevar a cabo medidas de rehabilitación estructural y de ella

se habla en otra ponencia de estas jornadas sobre la calidad (Crespo del Rio, 1999).

La calidad funcional afecta a las características superficiales del pavimento, que es la parte

que está en contacto con los vehículos y que se conoce también con el nombre de capa de

rodadura y sobre cuya calidad se va a hablar en esta ponencia (Crespo del Rio, 1999).

Desde un punto de vista general la capa de rodadura debe ser cómoda, segura, duradera,

poco ruidosa, producir un desgaste mínimo en los vehículos y debe facilitar la evacuación

del agua en la zona de contacto con el neumático. En la siguiente sección se describirá dos

características fundamentales en el pavimento como lo son la textura y la rugosidad.

2.2.1 Textura

La textura del pavimento es un parámetro crítico en la comodidad y la seguridad de los

usuarios, necesario para la conservación de las carreteras. La textura influye directamente

en la capacidad del pavimento para evacuar el agua de la interface neumático-pavimento


32

y, de forma indirecta en el valor del coeficiente de rozamiento del pavimento, que tiene gran

importancia para la adecuada adherencia entre neumático y pavimento. Además, la textura

es la característica determinante en el nivel de ruido del tráfico, tanto del que perciben los

ocupantes de los vehículos como el ruido de entorno que condiciona la calidad de vida de

las zonas colindantes. En el aspecto económico, la textura del pavimento influye en el

consumo de gasolina, en el deterioro de los vehículos y sobre todo en el desgaste de los

neumáticos (Crespo del Rio, 1999).

Al evaluar la textura superficial hay que saber diferenciar entre la “microtextura”, la

“macrotextura”, la “megatextura” y la regularidad superficial.

2.2.1.1 Macrotextura: La macrotextura de un pavimento es la desviación que presenta su

superficie en relación con una superficie plana de dimensiones características en sentido

longitudinal comprendidas entre 0,5 y 50 mm (correspondiente a la longitud de onda de

textura obtenida con bandas de un tercio de octava entre 0,5 y 50 mm). La amplitud entre

picos de la macrotextura varía normalmente entre 0,01 y 20 mm. Este tipo de textura es la

que presenta longitudes de onda del mismo orden que los dibujos del neumático (Crespo

del Rio, 1999).

Presenta longitudes de onda del mismo orden que los elementos de labrado del

neumático en la zona de contacto con el pavimento.

Es necesaria para una adecuada resistencia al deslizamiento a altas velocidades en

condición de superficie húmeda (MINTRANSPORTE, INVIAS, 2008).

2.2.1.2 Microtextura: La microtextura de un pavimento es la desviación que presenta su

superficie con respecto a una superficie plana de dimensiones características en sentido

longitudinal inferiores a 0,5 mm (correspondiente a la longitud de onda de textura obtenida

con bandas de un tercio de octava con ondas de no más de 0,4 mm). La amplitud entre

picos suele variar entre 0,001 y 0,5 mm. Este tipo de textura es la que hace al pavimento

más o menos áspero, pero normalmente es tan pequeña que no puede observarse a simple

vista (Crespo del Rio, 1999).

Es la que genera la mayor adherencia neumático-pavimento y es la responsable de

la resistencia al deslizamiento.

Genera el mayor desgaste de los neumáticos y ruido de rodadura en las altas

frecuencias del espectro acústico.


33

Este tipo de irregularidad es siempre necesario y es tan pequeña que no se puede

apreciar a simple vista. (MINTRANSPORTE, INVIAS, 2008).

2.2.1.3 Megatextura: La megatextura de un pavimento es la desviación que presenta su

superficie con respecto a una superficie plana de dimensiones características en sentido

longitudinal entre 50 y 500 mm (correspondiente a la longitud de onda de textura obtenida

con bandas de un tercio de octava con ondas entre 63 y 500 mm). La amplitud entre picos

suele variar entre 0,1 y 50 mm. Este tipo de textura es la que presenta longitudes de onda

del mismo orden que el neumático en el contacto con el pavimento (a menudo originadas

por baches u ondulaciones (Crespo del Rio, 1999).

Algunos factores que afectan la resistencia al deslizamiento de capas asfálticas en servicio

son la velocidad de circulación, características, configuración, tipo de llanta del vehículo,

las condiciones ambientales (viento y agua principalmente), la geometría de la vía (curvas,

peraltes, entre otros), la micro y macro textura de la superficie del pavimento, el tipo de

mezcla asfáltica y agregados pétreos utilizados para conformar la superficie de rodadura,

el grado de compactación y tipo de equipos utilizados para tal fin, y las obras de drenaje

(Rondón, H.A, 2012).

De acuerdo con Higuera (2008), la rugosidad del pavimento se puede medir por medio de

los siguientes equipos: SCRIM, Quarter – Car (INV. E-94-07), Microperfilógrafo, Medidor de

fricción dinámica (ASTM E-1911), Sistema de rayo láser, Método estereofotográfico, El

ensayo del círculo de arena (INV. E-791-07), Equipos de medida de drenaje superficial

(ASTM E-2380), Péndulo de la TRRL (INV. E-792-07), Rugosímetro MERLIN. (Rondón,

H.A, 2012).

Sobre mezclas de concreto asfáltico y mezclas densas en frio construidas en Colombia se

exige por parte de INVIAS (2007) que se haga cumplir lo siguiente: Textura superficial

mediante el Círculo de Arena (INV. E-791) ≥1.0 mm, Coeficiente de resistencia al

deslizamiento con el péndulo TRRL (INV. E-792). (Rondón, H.A, 2012).

2.2.2 Rugosidad

La regularidad superficial, conocida también como rugosidad, es la desviación que presenta

la superficie con respecto a una superficie plana con dimensiones características en sentido

longitudinal correspondientes a una longitud de onda comprendida entre 0.5 y 50 metros.

Los defectos de regularidad influyen en la masa suspendida de los vehículos, afectando la


34

comodidad de los pasajeros. Longitudes de onda mayores a las que identifican la

regularidad superficial, corresponden a las características geométricas del perfil de la

carretera (Rondón, H.A, 2012).

Según el Instituto Nacional de Vías (INVIAS) de Colombia, la rugosidad se define como

alteraciones del perfil longitudinal de una vía, que provocan vibraciones en los vehículos

que lo recorren. Es la desviación de la superficie respecto a una superficie plana, con

dimensiones características que afectan la dinámica del vehículo y la calidad al andar

Una buena regularidad de la superficie de los pavimentos brinda condiciones de comodidad

y seguridad para los usuarios de las vías. Una mala regularidad, además de afectar los

aspectos anteriores, refleja daños y deterioros de carácter funcional y estructural de los

pavimentos que influyen negativamente en su estado de condición y vida útil. (Caro, Peña,

2012)

Por estas razones, conocer la regularidad superficial del pavimento en cualquier momento

desde el inicio de su periodo de servicio o de la vida útil, permitirá definir las acciones de

conservación o rehabilitación necesarias en el momento pertinente. Debido a esto, muchos

países han utilizado el Índice de Regularidad Internacional (IRI), como parámetro para

evaluar la regularidad y reflejar el confort y seguridad de los usuarios (Badilla Vargas, 2009).

2.2.3 Concreto Asfáltico

En Colombia estas mezclas son conocidas como MDC (Mezclas Densas en Caliente), MSC

(Mezclas semidensas en caliente), MGC (Mezclas gruesas en caliente) y MAM (Mezclas de

alto modulo) (INVIAS, 2013), como se puede ver en la tabla 1.

Tabla 1 Tipo de mezclas asfálticas en caliente de gradación contínua

TIPO DENOMINACION

POR TIPO DE GRANULOMETRIA

Mezclas densas MDC

Mezclas semidensas MSC

Mezclas gruesas MGC

MEZCLAS ESPECIALES

Mezclas de Alto modulo MAM

Fuente: INV art 450-13

Son mezclas que presentan agregados pétreos con granulometría bien gradada y con

tamaños de partículas sólidas diferentes (gravas, arenas, finos, llenante mineral),

mezcladas con cemento asfaltico. (Rondón, H.A, 2012). Estas mezclas deben fabricarse,


35

extenderse y compactarse a alta temperatura. Se caracterizan por presentar un bajo

contenido de vacíos con aire en volumen (entre 3% a 9%). Son mezclas de alta calidad, las

cuales pueden ser utilizadas para conformar cualquier subcapa dentro de la capa asfáltica

(rodadura, base intermedia y/o base asfáltica. (Rondón, H.A, 2012).

2.2.4 Diseño de mezclas asfálticas por método Marshall

El concepto del método Marshall fue desarrollado por Bruce Marshall, exingeniero de

Bitúmenes del Departamento de Carreteras del Estado de Mississippi. El Ensaño Marshall,

surgió de una investigación iniciada por el Cuerpo de Ingenieros del Ejército de los Estados

Unidos en 1943. Varios métodos para el diseño y control de mezclas asfálticas fueron

comparados y evaluados para desarrollar un método simple. (Cáceres, 2007)

El propósito del método Marshall es determinar el contenido óptimo de asfalto para una

combinación específica de agregados. El método también provee información sobre

propiedades de la mezcla asfáltica en caliente, y establece densidades y contenidos

óptimos de vacío que deben ser cumplidos durante la construcción del pavimento.

(Cáceres, 2007)

El método Marshall usa muestras normalizadas de pruebas (probetas) de 64mm (2.5in) de

espesor por 103mm (4in) de diámetro. Una serie de probetas, cada una con la misma

combinación de agregados pero con diferentes tipos de asfaltos, es preparada usando un

procedimiento específico para calentar, mezclar y compactar mezclas asfálticas de

agregado. Los dos datos más importantes del diseño de mezclas del Método Marshall son:

un análisis de la relación de vacíos-densidad, y una prueba de estabilidad-flujo de las

muestras compactadas. (Cáceres, 2007).

Los agregados pétreos en los pavimentos se refieren a un conglomerado de partículas

inertes de gravas, arenas y finos. En las mezclas asfálticas las partículas que tienen un

diámetro entre 2mm y 6.4 mm son reconocidas como gravas, las que tienen un diámetro

entre 0.075 y 2mm son arenas (gruesas y finas) y las que tienen diámetro menor a 0.075

mm son arcilla.

Densidad: La densidad de la mezcla compactada está definida como su peso

unitario (el peso de un volumen específico de mezcla).La densidad es una

característica muy importante debido a que es esencial tener una alta densidad en

el pavimento terminado, para obtener un rendimiento duradero. En las pruebas y el


36

análisis de diseño de mezclas, la densidad de la muestra compactada se expresa,

generalmente, en kilogramos por metro cúbico (kg/m3) o libras por pie cúbico

(Lb/ft3). La densidad se calcula al multiplicar la gravedad específica total de la

mezcla por la densidad del agua (1000Kg/m3 ó 62.416Lb/ft3).La densidad obtenida

en el laboratorio se convierte en la densidad patrón, y es usada como referencia

para determinar si la densidad del pavimento terminado es, o no adecuado. Las

especificaciones usualmente requieren que la densidad del pavimento sea un

porcentaje de la densidad del laboratorio. Esto se debe a que muy rara vez la

compactación in-situ logra las densidades que se obtienen usando los métodos

normalizados de compactación del laboratorio. (Maila, 2013)

Vacíos de aire: Los vacíos de aire son espacios pequeños de aire, o bolsas de aire,

que están presentes entre los agregados revestidos en la mezcla final compactada.

Es necesario que todas las mezclas densamente graduadas contengan cierto

porcentaje de vacíos para permitir alguna compactación adicional bajo el tráfico, y

proporcionar espacios a donde pueda fluir 29 el asfalto durante esta compactación

adicional. El porcentaje permitido de vacíos (en muestra de laboratorio) para capas

de base y capas superficiales está entre 3 y 5 por ciento, dependiendo del diseño

específico. La durabilidad de un pavimento asfáltico es función del contenido de

vacíos. La razón de esto es que entre menor sea la cantidad de vacíos, menos va a

ser la permeabilidad de la mezcla. Un contenido demasiado alto de vacíos

proporciona pasajes a través de la mezcla, por los cuales puede entrar el agua y el

aire, y causar deterioro. Por otro lado, un contenido demasiado bajo de vacíos puede

producir exudación de asfalto; una condición en donde el exceso de asfalto es

exprimido fuera de la mezcla hacia la superficie. La densidad y el contenido de

vacíos están directamente relacionados. Entre más alta la densidad, menor es el

porcentaje de vacíos en la mezcla, y viceversa. Las especificaciones de la obra

requieren, usualmente, una densidad que permita acomodar el menor posible (en la

realidad) de vacíos; preferiblemente menos del 8 por ciento. (Maila, 2013)

Contenido de asfalto: La proporción de asfalto en la mezcla es importante y debe

ser determinada exactamente en el laboratorio, y luego controlar con precisión en la

obra. El contenido de asfalto de una mezcla particular se establece usando los

criterios dictados por el método de diseño seleccionado. El contenido óptimo de

asfalto de una mezcla depende, en gran parte, de las características del agregado,


37

tales como la granulometría y la capacidad de absorción. La granulometría del

agregado está directamente relacionada con el contenido óptimo de asfalto. Entre

más finos contenga la graduación de la mezcla, mayor será el área superficial total,

y mayor será la cantidad de asfalto requerida para cubrir uniformemente todas las

partículas .Por otro lado, las mezclas más gruesas (agregados más grandes) exigen

menos asfalto debido a que poseen menos área superficial total. (Maila, 2013).

Las probetas de ensayo de las posibles mezclas de pavimentación son preparadas

haciendo que cada una contenga una ligera cantidad diferente de asfalto. El margen de

contenido de asfalto usado en las briquetas de ensayo está determinado con base en

experiencia previa con los agregados de la mezcla. Este margen le da al laboratorio un

punto de partida para determinar el contenido exacto de asfalto en la mezcla final. La

proporción de agregado en las mezclas está formulada por los resultados del análisis

granulométrico. (Cáceres, 2007)

2.2.4.1 Fabricación de las briquetas

Las mezclas se preparan de la siguiente manera:

1) El asfalto y el agregado se calientan y mezclan completamente hasta que todas las

partículas de agregado estén revestidas. Esto simula los procesos de calentamiento y

mezclado que ocurren en la planta. (Cáceres, 2007)

2) Las mezclas asfálticas calientes se colocan en moldes pre-calentados Marshall como

preparación para la compactación, en donde se usa el martillo Marshall de compactación,

el cual también es calentado para que no enfríe la superficie de mezcla al golpearla.

(Cáceres, 2007)

3) Las briquetas son compactadas mediante golpes del martillo Marshall de compactación.

El número de golpes del martillo (25, 50, ó 75) depende de la cantidad de tránsito para la

cual la mezcla está siendo diseñada. Ambas caras de cada briqueta reciben el mismo

número de golpes. Así, una probeta Marshall de 25 golpes recibe, realmente, un total de 50

golpes. Una probeta de 50 golpes recibe 100 impactos. Después de completar la

compactación las probetas son enfriadas y extraídas de los moldes. (Cáceres, 2007)


38

2.2.5 Procesamiento Digital de Imágenes

Al conjunto de técnicas y procesos para descubrir o resaltar información contenida en una

imagen usando como elemento principal un computador se le conoce como procesamiento

digitak de imágenes (PDI). (Gonzalez, 1987)

El interés en el estudio del PDI se basa en dos áreas de aplicación primordiales: El

mejoramiento de la calidad de la información contenida en una imagen con el fin de que

esta información pueda ser interpretada por los humanos y El procesamiento de los datos

contenidos en un escenario a través de una máquina de percepción autónoma. (Gonzalez,

1987).

Cuando se trabaja con el procesamiento digital de imágenes el interés es el de pasar de

una información de tipo local, que está contenida en el nivel de intensidad de un punto de

la imagen, a una información global que puede brindar la imagen según la aplicación que

se esté trabajando. Por lo general dicha información global está relacionada con los objetos

contenidos en la imagen (Cortes, 2011).

Para el caso de una imagen digital los puntos en cuestión son los pixeles que conforman la

imagen. Sin importar el tipo de proceso que se esté haciendo, se presupone por lo general

que la imagen es lo suficientemente grande para considerar que la información que brinda

un pixel es de carácter infinitesimal. (Cortes, 2011).

Se puede decir que el desarrollo tecnológico de los computadores ha generado en los

últimos tiempos la aparición de nuevas disciplinas científicas como lo es por ejemplo el

“Procesamiento digital de imágenes. (Cortes, 2011).

Inicialmente surgió lo que hoy se conoce como teoría de “bajo nivel”. Esta consiste en

estudiar una imagen conociendo como es el nivel de intensidad de un punto de la misma

con respecto a sus vecinos sin tener conocimiento de otra información de “alto nivel”, es

decir, sin tener conocimiento de los objetos presentes en la imagen. (Cortes, 2011).

Así, en el procesamiento de imágenes de bajo nivel hay muy poco uso del conocimiento

que se pueda tener sobre el contenido de las imágenes. Normalmente para el

procesamiento de bajo nivel se conocen cuatro pasos:

Adquisición de la imagen.

Pre-procesamiento.


39

Segmentación de la imagen.

Descripción y clasificación de objetos.

En sí, el procesamiento digital de imágenes consiste en un conjunto de operaciones que se

llevan a cabo sistemáticamente sobre la imagen con el propósito de obtener mediciones

cuantitativas de la misma. Esta información cuantitativa permite describir la imagen y

extraer características que se utilizan para perfeccionar y/o detallar la imagen. (Cortes,

2011).

2.2.6 Clasificación de las Imágenes

El objetivo de una clasificación consiste en agrupar los píxeles que posean una misma

característica. Generalmente la característica tomada es el valor digital de los mismos, que

corresponderá a un tipo de cobertura del terreno. Básicamente, la clasificación digital de

imágenes consiste en un método estadístico por el cual, a través de un muestreo de píxeles,

se agrupa en categorías o clases al resto de los píxeles de una imagen. Los métodos de

clasificación pueden agruparse en Clasificación Supervisada y Clasificación No

Supervisada. (Chuvieco, 2002)

2.2.6.1 Supervisada: La clasificación supervisada consiste en conocer a priori las

categorías en las cuales se quiere separar la imagen, y para ello se debe validar el muestreo

de píxeles con un trabajo de campo. Para realizar la clasificación supervisada se pueden

seguir los siguientes pasos: Trabajo de Campo, Identificación y selección de sitios de

entrenamiento, Selección del método de asignación de píxeles, Evaluación de la

clasificación, Preparación del mapa temático. (Chuvieco, 2002)

2.2.6.2 No supervisada: La clasificación no supervisada no se conoce las clases a separar,

por lo tanto se debe determinar en cuantas clases se quiere separar la imagen y el

ordenador definirá las clases. La labor posterior es identificar, con trabajo a campo, a que

cobertura pertenece cada clase. (Chuvieco, 2002).

2.2.7 Algoritmo Maquinas de Soporte Vectorial SVM

La teoría de las Máquinas de Soporte Vectorial (SVM por su nombre en inglés Support

Vector Machines), está basada en la idea de minimización de riego estructural (SRM)

(Vapnik, 1995). Las SVM primero mapea los puntos de entrada a un espacio de

características de una dimensión mayor (si los puntos de entrada están en R2 entonces son


40

mapeados por la SVM a R3) y encuentra un hyperplano que los separe y maximice el

margen m entre las clases en este espacio como se muestra en la Figura 5.

Figura 5 Frontera de decisión en las SVM Fuente: Vapnik, 1995.

Las SVM están basadas en la teoría del aprendizaje estadístico la cual fue desarrollada por

V. Vapnik y A. Chervonenkis, hacia 1992 al proponer un modelo matemático para la solución

de problemas de clasificación y regresión (Vapnik, 1998). Al aplicar el algoritmo de SVM se

tiene tres ventajas: posee una sólida fundamentación matemática; se basa en el concepto

de minimizar la probabilidad de una clasificación errónea sobre nuevos ejemplos,

particularmente si se disponen pocos datos de entrenamiento y se disponen de potentes

herramientas y algoritmos para hallar la solución de una manera rápida y eficiente. (Burges,

1999)

Este algoritmo se puede aplicar cuando se tienen puntos que pueden ser linealmente

separables, donde se encuentra un hyperplano óptimo, para el cual, el margen entre los

puntos de entrenamiento de dos diferentes clases es maximizado. Cuando se tienen puntos

que no son linealmente separables se redefine el hyperplano óptimo y se aplica una función

kernel para solucionar el problema eficientemente. (Burges, 1999).

2.2.8 Cámaras No Métricas

Las cámaras no métricas están diseñadas y fabricadas para el mercado de fotógrafos

aficionados y no para uso fotogramétrico. En una cámara no métrica los parámetros de

orientación interna son desconocidos, por lo tanto no se tiene conocimiento de la distancia

focal, la distorsión del objetivo entre otros, por este motivo son cámaras de uso

convencional. Existen softwares diseñados que permiten la calibración de este tipo de

cámaras para poder realizar la corrección interna y corregir los factores que intervienen en

la cámara. (Romero, 2000).


41

2.2.8.1 Cámara Nikon Coolpix S2900

Esta cámara cuenta con un sensor de 20,1 Megapixeles de la familia CCD, el cual es capaz

de obtener una sensibilidad máxima de hasta 3200 ISO. Además viene dotada de un zoom

óptico de 5x con una longitud focal equivalente en los 35mm al rango de 26-130 mm.

La Nikon Coolpix S2900 está diseñada para ser utilizada sin demasiado esfuerzo, y sin

tener que configurarla en exceso. Es una cámara cuyo uso es simple, rápido y sin

complicaciones para el usuario. Cuenta con un modo automático de escenas, con el cual la

Nikon ajustara de forma automática los ajustes necesarios para cada situación. Cuenta

además con 8 filtros, o efectos para decorar y dar un toque original a nuestras fotografías.

Cualquier imperfección puede retocarse desde la propia cámara utilizando el suavizado de

piel digital con el que cuenta. Su valor aproximado es de $400000 pesos colombianos.

(Http://prialert.com, 2015). Las especificaciones generales de la cámara Nikon Coolpix

S2900 se presentan en la tabla 2.

Tabla 2 Especificaciones Técnicas cámara Nikon S2900.

ESPECIFICIACIONES TECNICAS CAMARA NIKON COOLPIX S2900

Pixeles 20.1 megapixeles

Tamaño del sensor 1 / 2.3 pulg

Tamaño de pantalla 2.7 pulg. diagonal

Tipo de Pantalla

TFT LCD

con Tratamiento antirreflejos

Ajuste de brillo de 5 niveles

Medios de almacenamiento

Tarjeta de memoria SD

Tarjeta de memoria SDHC

Tarjeta de memoria SDXC

Película

HD: 1280x720/ 30p

QVGA 320x240/ 30p

VGA 640x480/ 30p

Sensibilidad ISO ISO 80 - 1600

Velocidad máxima de disparo continuo a máxima resolución

Hasta 6 disparos a aprox. 1.1 cuadros por segundo

Batería/Baterías Batería Recargable de Ion de Lítio EN-EL19

Peso Aprox. 119 g con batería y tarjeta de memoria SD

Fuente: [En línea Http://prialert.com]

METODOLOGIA MARIAM RIVAS DIAZGRANADOS

42

3. METODOLOGÍA

Este capítulo describe los procesos que se realizaron para evaluar la rugosidad y la textura

en pavimentos flexibles, empleando procesamiento digital de imágenes en fotografías

tomadas con una cámara NIKON COOLPIX S2900. Para dar más cubrimiento a la

investigación se realizaron ensayos en laboratorio para hacer una comparación de los datos

medidos con los obtenidos mediante el procesamiento digital de las imágenes.

Según el objetivo de estudio esta investigación es hipotético-deductivo, ya que se utilizaron

conocimientos obtenidos en investigaciones realizando prácticas y poder traer algún tipo de

beneficio a la sociedad. Según el nivel de medición es una investigación de tipo cuantitativo,

ya que se utilizan técnicas estadísticas, matemáticas e informáticas, y por medio de estas

técnicas, dar solución a la hipótesis propuesta en la investigación.

Como estrategia para este estudio se toma en consideración unas fases propuestas que

permiten organizar por medio de pautas el desarrollo del estudio, estas fases se describen

a continuación.

En la primera fase se define el número de briquetas que se realizaron y el diseño de la

mezcla que se utilizó. Luego se realizaron ensayos de laboratorio para determinar la

microtextura por medio del Péndulo de Fricción TRRL y la macrotextura por medio del

ensayo de Círculo de Arena; estos ensayos fueron realizados en PINZ - LAB SAS

LABORATORIO DE SUELOS, PAVIMENTOS Y MATERIALES.

Se hace la toma de la imágenes a las briquetas diseñadas con una cámara convencional

marca NIKKON, para luego proceder a clasificarlas y procesarlas utilizando el método de

Maquinas de Soporte Vectorial (SVM). A partir de las clases obtenidas se realizó la

validación de la información clasificada a partir del procesamiento de las imágenes por

medio de las matrices de confusión, los índices Kappa y los porcentajes correctamente

clasificados.

Luego se realizó la comparación de los resultados y se verifica la correlación de los datos

obtenidos en laboratorio con los datos obtenidos en la clasificación de las imágenes.

En la figura 6 se muestran las fases que se siguieron para el desarrollo del proyecto.


43

Figura 6 Modelo metodológico propuesto. Fuente Propia


44

Se realizaron 27 briquetas Marshall para mezclas densas en caliente tipo MDC-19, MDC-

25 y MDC-10 compactadas a 25, 50 y 75 golpes para tener diferentes granulometrías y

diferentes contenidos de vacíos. Se seleccionaron estas mezclas, ya que son las mezclas

más utilizadas en Colombia por ser mezclas de alta calidad, la cuales pueden conformar

cualquier capa de rodadura, al igual que presentan un bajo contenido de vacíos con aire, lo

cual las hace tener una porosidad baja. Los agregados pétreos que se utilizan deben

satisfacer los parámetros de granulometría y calidad del agregado grueso como se puede

ver en la tabla 3.

Tabla 3 Granulometría de mezclas de concreto asfaltico

Fuente: INV art 450-13

Tanto los agregados pétreos como el cemento asfaltico utilizado para la fabricación de las

briquetas, provienen de Concretos Asfálticos de Colombia CONCRESCOL; estos

materiales han sido ampliamente caracterizados y utilizados por el grupo de Investigación

TOPOVIAL adscrito a la Universidad Distrital Francisco José de Caldas Facultad de Medio

Ambiente y Recursos Naturales. En la tabla 4 se puede ver la caracterización del agregado

pétreo utilizado en la investigación.

37.5 25 19 12.5 9.5 4.75 2 0.425 0.18 0.075

1 " 1" ⅜" N° 4 N° 10 N° 40 N° 80 N° 200

MDC-25 100 80-95 67-85 60-77 43-59 29-45 14-25 8 -17 4 -8

MDC-19 100 80-95 70- 88 49-65 29-45 14- 25 8- 17 4 -8

MDC- 10 100 65- 87 43-61 16-29 9-19 5-10

MSC-25 100 80-95 65-80 55-70 40-55 24-38 9-20 6-12 3-7

MSC-19 100 80-95 65-80 40-55 24-38 9-20 6-12 3-7

MGC-38 100 75-95 65-85 47-67 40-60 28-46 17-32 7-17 4-11 2-6

MGC-25 100 75-95 55-75 40-60 28-46 17-32 7-17 4-11 2-6

ALTO

MODULOMAM-25

100 80-95 65-80 55-70 40-55 24-38 10-20 8-14 6-9

2%

SEMIDENSA

GRUESA

TOLERANCIAS EN

PRODUCCION SOBRE LA

FORMULA DE TRABAJO

( ±) 4% 3%

TAMIZ

% PASA

TIPO DE MEZCLA

DENSA

"


45

Tabla 4 Caracterización del agregado pétreo.

Ensayo Método Requisito Resultado

Gravedad específica agregados gruesos AASHTO T 84-00 - 2.5

Adsorción agregado grueso AASHTO T 85-91 - 2.23%

Gravedad específica agregados fino AASHTO T 84-00 - 2.61

Adsorción agregado fino AASHTO T 85-91 - 1.99%

Equivalente de arena AASHTO T 176 – 02 50% mínimo 76%

Caras fracturadas a una cara ASTM D 5821-01 75% mínimo 87%

Límites líquido y plástico ASTM D 4318-00 0% 0%

Índice de alargamiento NLT 354-91 10% máximo 8.10%

Ataque en sulfato de magnesio ASTM C 88-99a 18% máximo 9.30%

Microdeval AASHTO T327-05 25% máximo 22.60%

10% de finos (resistencia en seco) DNER-ME 096-98 90 kN

mínimo 133 kN

10% de finos (relación húmedo/seco) 75% mínimo 92%

Resistencia en Máquina de los Ángeles AASHTO T 96 – 02 35% máximo 24.20%

Fuente: Rondón, H.A, 2012.

El cemento asfaltico que se utilizó para mezclar con los agregados pétreos fue un asfalto

60-70, ya que su uso es más común en el país por el volumen de transito alto que soporta

y por el clima tropical con el que cuenta teniendo temperaturas mayores a 24°C. Este

cemento debe cumplir unos requisitos mínimos de calidad los cuales son controlados en

Bogotá a través de las especificaciones del IDU Instituto de Desarrollo Urbano (2011,

articulo 200), (Rondón, H.A, 2012) y en Colombia por el INVIAS. (INVIAS, 2013, articulo

400). En la tabla 5 se muestra las características generales del cemento asfaltico 60-70

utilizado para realizar las mezclas.

Tabla 5 Características generales del Cemento Asfaltico 60- 70.

Fuente: Rondón, H.A, 2012

Mínimo Máximo

Penetración (25°C, 100 g, 5 s) ASTM D-5 0.1 mm 60 70 61.1

Punto de ablandamiento ASTM D-36-95 ° C 48 54 50.5

Viscosidad absoluta (60°C) ASTM D-4402 Poises 1500 - 1652

Gravedad específicaAASHTO T 228-

04- - - 1.012

Viscosidad a 135° C AASHTO T-316 Pa-s - - 0.45

Ductilidad (25°C, 5cm/min) ASTM D-113 cm 100 - >100

Pérdida de masa ASTM D-2872 % - 0.8 0.72

Penetración (25°C, 100 g, 5 s), % de la

penetración originalASTM D-5 % 50 - 66

Incremento en el punto de ablandamiento ASTM D-36-95 ° C - 9 7

Ensayos sobre el CA original

Ensayos sobre el residuo del CA luego del RTFOT

Ensayo Método UnidadRequisito

Valor


46

3.1 DISEÑO DE LAS BRIQUETAS POR MÉTODO MARSHALL

Las mezclas asfálticas son la combinación de agregados pétreos y un ligante asfaltico. Los

agregados pétreos de estas mezclas deben contar con una granulometría y parámetros

mínimos de calidad diferentes; asimismo presentan diferencias en cuanto a sus función

dentro de la estructura de pavimento y al tipo de material asfaltico o ligante que se

utilice.(INV art 450, 2013)

El ensayo Marshall (INV. E-748-13) es una metodología utilizada para determinar el diseño

volumétrico de una mezcla de concreto asfaltico por medio de parámetros como son los

contenidos de vacíos, la composición volumétrica de la mezcla y la resistencia bajo la carga

monotónica (estabilidad- fluencia). Las muestras se diseñaron de la siguiente manera:

1. Número de briquetas: Se fabricaron 27 briquetas cilíndricas de 101.6 mm (4") de

diámetro y 63.5 mm (2½") de altura con diferentes contenidos de asfaltos, teniendo tres

briquetas por cada uno de los tipos de mezclas asfálticas MDC-19, MDC-25 y MDC-10.

2. Preparación de agregados: Se debe reunir las muestras del asfalto (ver figura 7), que

cumpla con unas cualidades como lo son la estabilidad, durabilidad, trabajabilidad,

resistencia al deslizamiento entre otros, y del agregado pétreo se debe conocer la relación

viscosidad- temperatura para establecer la temperatura de mezclado y compactación.

Figura 7 Agregados separados y clasificados. Fuente Propia

Se deben secar los agregados pétreos colocándose en una bandeja y se calienta en un

horno a temperatura de 110° C; este procedimiento se hace tantas veces sea posible para

que la mezcla pese siempre lo mismo lo cual indica que está libre de humedad. Se deben

separar por tamizado teniendo en cuenta los valores indicados por la norma, 25.0 mm a

19.0 mm (1" a 3/4”), 19.0 mm a 9.50 mm (3/4" a 3/8”), 9.50 mm a 4.75 mm (3/8" a No.4),

4.75 mm a 2.36 mm (No.4 a No.8), Pasante de 2.36 mm (No.8). (INV. E-748-13).


47

3. Temperatura de mezcla y compactación: El asfalto y el agregado pétreo se calienta y

se mezclan hasta que todas las partículas del agregado estén revestidas.

La temperatura a la cual se debe calentar el cemento asfáltico para las mezclas, será la

requerida para producir una viscosidad de 170 ±20 centiStokes. (1 centistoke = 1 mm2/s).

La temperatura a la cual se deberá calentar el cemento asfáltico para que tenga una

viscosidad de 280 ± 30 centiStokes, será la temperatura de compactación.

4. Preparación de la mezcla: En bandejas separadas para cada fracción de la muestra, se

pesan las cantidades de cada porción de agregados (ver figura 8), previamente calculadas

de acuerdo con la gradación necesaria para la fabricación de cada briqueta, de tal forma

que ésta resulte con una altura de 63.5 ± 1.3 mm. Se calientan los agregados en una

plancha de calentamiento o en el horno a una temperatura de 28°C (50°F) por encima de

la temperatura de mezcla. Se transfieren los agregados al recipiente de mezclado donde se

mezclan en seco y se forma un cráter en su centro, dentro del cual se vierte la cantidad

requerida de asfalto, debiendo estar ambos materiales en ese instante a temperaturas

comprendidas dentro de los límites establecidos para el proceso de mezcla en el paso

anterior. Luego se mezclan los materiales lo más rápidamente posible hasta obtener una

mezcla completa y homogénea. (INV. E-748-13).

Figura 8 Peso en seco de los agregados pétreos. Fuente Propia

5. Compactación de las briquetas: Se golpean con el martillo las muestras 75 veces,

entendiendo que se realizara para la mayor cantidad de tránsito vehicular, las dos caras de

las muestras reciben el mismo número de golpes es decir que recibieron 150 golpes. Luego

son enfriadas y extraídas de los moldes. Se hace el mismo procedimiento con 50 y 25

golpes para cada tipo de mezcla. En la figura 9 se puede ver el resultado final de las

briquetas diseñadas.


48

Figura 9 Briquetas finales método Marshall. Fuente Propia

Las briquetas presentan agregados pétreos con granulometrías y tamaños de partículas

sólidas diferentes como lo son gravas, arenas, finos; mezcladas con cemento asfaltico. Se

obtienen tres briquetas de tres diferentes mezclas MDC 19, MDC 25, MDC 10, compactadas

a 25, 50 y 75 golpes por cara, con tres diferentes porcentajes de asfalto como se muestra

en la tabla 6. Estas mezclas fueron seleccionadas, ya que son las más utilizadas en

Colombia para conformar cualquier subcapa dentro de la capa asfáltica. Además al ser

compactadas con diferentes golpes y al presentar diferentes granulometrías se obtienen

diferentes contenidos de vacíos.

Tabla 6 Definición briquetas realizadas mediante método Marshall

Fuente: propia

En la tabla 7 se presenta el resumen de los resultados de composición volumétrica y

resistencia o carga monotónica del ensayo Marshall, en estas se compendia los porcentajes

óptimos de asfalto que fueron para la mezcla MDC 19 de 5.5%, para la MDC 25 de 5% y

para la MDC 10 de 5.8%. Con estas propiedades físicas se pueden verificar la calidad del

concreto asfáltico mediante las especificaciones descritas en el artículo 450 de la norma

INVIAS "Mezclas Asfálticas en Caliente de Gradación Continua (Concreto Asfáltico)". En el

anexo B se muestran las tablas completas de los ensayos Marshall.

PORCENTAJE DE

ASFALTO

M DC 19 5.50% 1 2 3 4 5 6 7 8 9

M DC 25 5% 10 11 12 13 14 15 16 17 18

M DC 10 5.80% 19 20 21 22 23 24 25 26 27

M EZCLAS DENSAS EN CALIENTE

TIPO DE M EZCLACOM PACTADA A 75 GOLPES COM PACTADA A 50 GOLPES COM PACTADA A 25 GOLPES

NUM ERO BRIQUETA


49

Tabla 7 Resumen composición volumétrica y resistencia de las mezclas

Fuente Laboratorio PINZ - LAB SAS

Tipo de Muestra MDC-19 MDC-19 MDC-19

% De Cemento Asfaltico 5.5 5.5 5.5

No. Golpes 75 50 25

Muestra No. 1 2 3 PROM 4 5 6 PROM 7 8 9 PROM

Peso Específico Bulk (g/cm3)

2.248 2.252 2.249 2.250 2.209 2.205 2.206 2.207 2.179 2.182 2.160 2.173

Peso específico teórico (g/cm3)

2.369 2.369 2.369

Volumen % Total Asfalto 12.226 11.994 11.812

Volumen % Total Agregados

82.720 81.148 79.920

Volumen % Total Vacíos con aire

5.053 6.858 8.268

% Vacíos Agregados minerales

17.280 18.852 20.080

% Vacíos Mezcla total 5.053 6.858 8.268

% Vacíos Llenos de asfalto 70.756 63.621 58.826


% De Cemento Asfaltico 5 5

5

No. Golpes 75 50 25



2.267 2.280 2.273 2.273 2.256 2.251 2.250 2.252 2.225 2.232 2.221 2.226


2.386 2.386 2.386

Volumen % Total Asfalto 11.231 11.127 10.998


84.028 83.253 82.287


4.741 5.620 6.714

% Vacíos Agregados minerales

15.972 16.747 17.713

% Vacíos Mezcla total 4.741 5.620 6.714

% Vacíos Llenos de asfalto 70.315 66.443 62.094


% De Cemento Asfaltico 5.8 5.8 5.8

No. Golpes 75 50 25



2.194 2.177 2.189 2.187 2.165 2.172 2.167 2.168 2.094 2.088 2.101 2.094


2.359

2.359

2.369 2.359

Volumen % Total Asfalto 12.533 12.426 11.812 12.002


80.155

79.470

79.920 76.757


7.312

8.104

8.268 11.242

% Vacíos Agregados

minerales

19.845

20.530 20.080

23.243

% Vacíos Mezcla total 7.312 8.104 8.268 11.242

% Vacíos Llenos de asfalto 63.155 60.526 58.826 51.635


50

3.2 ENSAYOS DE LABORATORIO

Para recolectar la información se deben realizar ensayos de Círculo de Arena (INV E-791)

y Péndulo TRRL (INV E 792) a cada una de las 27 briquetas diseñadas.

3.2.1 Medida del Coeficiente de Resistencia al Deslizamiento Usando el Péndulo

Británico (INV E- 792)

Este método consiste en el uso de un equipo de prueba tipo péndulo (ver figura 10), provisto

en su extremo de una zapata deslizante de caucho para medir las propiedades friccionantes

de la superficie de ensayo. La superficie de ensayo debe estar limpia y completamente

humedecida antes de efectuar el ensayo. (I.N.V, E-792, 2013).

Figura 10 Partes del Péndulo británico. Fuente Propia

Preparación del instrumento: La zapata del péndulo se debe fijar de manera que apenas

establezca contacto con la superficie que se va a ensayar. El péndulo se levanta y se

asegura en su posición inicial y luego se suelta permitiendo el rozamiento entre la zapata y

la superficie de ensayo como se puede ver en la figura 11.

Las briquetas deben estar limpias de partículas sueltas y se deben sostener firmemente, de

forma que no se muevan con la fuerza del péndulo.


51

Figura 11 Péndulo Británico. Fuente Propia

Nivelación: Se nivela el instrumento con exactitud (ver figura 12), girando los tornillos de

nivelación hasta que la burbuja está centrada en el nivel. Se levanta el mecanismo del

péndulo soltando el tornillo de seguridad (ubicado directamente detrás del pivote del

péndulo) y se gira cualquiera de los dos tornillos de movimiento de la cabeza ubicados en

el centro del instrumento, para permitir que la zapata realice libremente el movimiento

oscilatorio. Se aprieta firmemente el tornillo de seguridad. Se coloca el péndulo en la

posición horizontal de reposo y se rota la aguja indicadora en sentido contrario al de las

manecillas del reloj hasta que alcance la posición de reposo contra el tornillo de ajuste en

el brazo del péndulo. Se libera el péndulo y se anota la lectura de la aguja indicadora. Si la

lectura no es cero, se afloja el anillo de seguro y se gira suavemente el anillo de fricción en

el eje de soporte y se asegura de nuevo. Se repite la prueba y se ajusta el anillo de fricción

hasta que el movimiento oscilatorio del péndulo lleve la aguja a cero. (I.N.V, E-792, 2013).

Figura 12 Nivelación del péndulo Británico. Fuente Propia


52

Ajuste de la longitud de rozamiento de la zapata: Con el brazo del péndulo colgando

libremente, se coloca el espaciador debajo del tornillo de ajuste de la palanca de elevación

de la zapata de caucho. Se baja entonces el péndulo, de manera que el borde de la zapata

apenas toque la superficie a medir. Se asegura la cabeza del péndulo firmemente, se

levanta la palanca de elevación de la zapata y se remueve el espaciador, como se puede

ver en la figura 13.

Figura 13 Ajuste de la zapata del péndulo Británico. Fuente Propia

Se levanta la zapata por medio de la palanca de elevación, se mueve el péndulo a la

derecha, se baja la zapata y se permite que el péndulo se mueva lentamente hacia la

izquierda, hasta que el borde de la zapata toque la superficie de ensayo.

Se toman los valores obtenidos con el péndulo, CRD (Coeficiente de Resistencia al

Deslizamiento), teniendo diez (10) lecturas por cada briqueta. (ver figura 14).

Figura 14 Escala de valores de CRD. Fuente Propia


53

El CRD se calcula promediando los valores que se obtuvieron de cada lectura; para obtener

el valor de los coeficientes de rozamiento se calcula el promedio de CRD y se divide en

100.

Este procedimiento se debe realizar con las briquetas secas y humedecidas. Se debe

aplicar suficiente agua para cubrir totalmente el área de la briqueta.

3.2.2 Medida De La Macrotextura Superficial De Un Pavimento Empleando La

Técnica Volumétrica (Circulo de arena) (I.N.V.E- 791- 13)

En este ensayo se determinó la profundidad media de la macrotextura superficial de las

briquetas siguiendo los siguientes pasos:

1. Se limpia cuidadosamente cada una de las briquetas utilizando cepillos, primero el

metálico y después el blando. La zona deberá quedar exenta de cualquier partícula suelta

o residuo.

2. Se llena el recipiente adecuado, con el material granular seleccionado (arena silícea)

seco, y se golpea suavemente la base del recipiente varias veces contra una superficie

rígida; se añade más material para llenar el recipiente hasta el borde, enrasándolo

finalmente con la regla. Se utilizaron 4mm cúbicos de arena como se puede ver en la figura

15.

Figura 15 Recipiente de medición de arena. Fuente Propia

3. Se vierte el contenido del material granular, medido en el recipiente, sobre el centro de

cada una de las briquetas. (ver figura 16)


54

Figura 16 Ensayo circulo de arena. Fuente Propia

4. Se esparce el material con esmero, de manera que forme una superficie circular,

realizando movimientos rotatorios hasta conseguir un área enrasada lo más circular posible

en la que el material granular (arena) rellene todas las oquedades y depresiones de la

superficie. (ver figura 17)

Figura 17 Ensayo circulo de arena. Fuente Propia

Con ayuda de la regla se determina el diámetro del área circular formada por el material

granular, se calcula el valor medio de las tres medidas de diámetro, el cual se expresa en

milímetros como se puede en la figura 18.

Figura 18 Medición del diámetro obtenido de arena. Fuente Propia


55

Se calcula la profundidad de textura en mm de acuerdo a la ecuación 4

H= ∗𝑉𝑂𝐿 𝐴𝑅𝐸𝑁𝐴

𝜋∗𝐷^2 (Ecuación 4)

De acuerdo a la figura 3 donde se describe la textura de la superficie de rodadura, se define

que las briquetas tienen una textura S-A lo cual significa Suave – Áspera.

3.3 PROCESAMIENTO DE LAS IMÁGENES

3.3.1 Toma de Fotografías

Para la toma de las fotografías a las briquetas se utilizó una cámara Nikon de 20.1

megapíxeles; se quizo utilizar una cámara convencional de fácil acceso para cualquier

persona y realizar las pruebas de una manera sencilla y con imágenes de buena resolución.

La toma de las fotografías se realizó con la luz del día y sin uso de flash (ver figura 19), a

una altura aproximada de 1.60 respecto al suelo, ubicando las briquetas sobre una

superficie lisa. Se realizó la toma de las fotos a cada una de las 27 briquetas fabricadas.

Figura 19 Imagen tomada cámara Nikon a muestra de pavimento Tipo MDC-19. Fuente

Propia

3.3.2 Procesamiento de las imágenes a partir del método de Máquinas de Soporte

Vectorial (SVM)

Las imágenes se clasificaron mediante el programa R PROJECT y la extracción de las

áreas de cada uno de los componentes se realizó en el programa SAGAGIS.


56

El tamaño de la imagen después de ser georeferenciada es aproximadamente de

3876pixeles x 5147pixeles compuesta por tres bandas (RGB) la cual presenta ausencia del

infrarrojo.

Se procede a clasificar cada uno de los componentes de la imagen en cuatro clases siendo

los agregados pétreos, el contenido de asfalto, los espacios de vacíos y los espacios sin

asfalto. Al realizar esta clasificación, se utilizó un método de clasificación supervisada

llamado Maquinas de Soporte Vectorial (Support Vector Machines, SVM) como se puede

ver en el diagrama de flujo figura 20, siendo gran clasificador de máxima probabilidad

basado en el cálculo de correlaciones, seleccionando 150 puntos de entrenamiento y 300

puntos para la validación. Esta clasificación se realiza bajo un código realizado en la guía

Getting Started with Rgis- V0.1 (Lizarazo, 2013) el cual se puede ver en el Anexo A.

Figura 20 Diagrama de flujo para el procesamiento de las imágenes a partir de Maquinas de

soporte vectorial. Fuente Propia


57

3.3.3 Extracción de Áreas

Para la extracción de las áreas se hace mediante el software SagaGis, el cual se realiza

una transformación a las imágenes raster obtenidas con la clasificación a vector; luego se

recorta la imagen con la forma de círculo que tiene la briqueta georeferenciando cada uno

de los círculos; con la función área se extraen los datos por cobertura y se imprimen los

reportes de cada una de las áreas obtenidas por clases. En la figura 21 se puede ver el

diagrama obtenido para la extracción de las áreas.

Figura 21 Diagrama de flujo para el cálculo de las áreas clasificadas. Fuente Propia


58

3.3.4 Validación de la Clasificación de las imágenes

Para realizar la validación de las clasificaciones realizadas en cada imagen se realiza

mediante la matriz de confusión y el cálculo del índice Kappa, el porcentaje correctamente

clasificado y el índice correctamente clasificado al 95%.

3.3.4.1 Matriz de confusión

Esta es una matriz cuadrada en la que se compara la clasificación de la imagen con la

verdad de las briquetas. A través de la matriz de confusión se evalúa la exactitud de la

clasificación, situando en las filas las clases o categorías de las briquetas y en las columnas

las mismas clases para la verdad de la clasificación realizada, como se puede ver en la

tabla 8.

Tabla 8 Matriz de confusión para la briqueta 1

Clase Vacío Agregado Asfalto Sin

Clasificar Total Omisión

Exactitud Usuario

Vacío 29 1 2 0 32 9% 91%

Agregado 1 164 0 2 167 2% 98%

Asfalto 2 0 88 0 90 2% 98%

Sin Clasificar 0 1 1 9 11 18% 82%

Total 32 166 91 11

300 Comisión 9% 99% 98% 100%

Exactitud Productor

91% 1% 2% 0%

Fuente propia

3.3.4.2 Índice kappa y porcentaje correctamente clasificados en imágenes

A partir de la matriz de confusión es posible evaluar el coeficiente kappa, el cual es un

indicador global de la calidad de la clasificación. Mide la diferencia entre el acuerdo mapa-

realidad observado y el cual cabría esperar simplemente por azar; es decir, intenta delimitar

el grado de ajuste debido sólo a la exactitud de la clasificación, prescindiendo del causado

por factores aleatorios (Chuvieco, 2002). El coeficiente kappa y el PPC pueden ser

calculados como se muestra en las ecuaciones 5 y 6.

(Ecuación5)


59

(Ecuación 6)

dónde, 𝑁 es el número total de píxeles de referencia.

𝑋𝑖𝑖 es el número de observaciones en la fila i y columna i.

𝑋𝑖+ son los totales marginales de la fila i.

𝑋+𝑖 los totales marginales de la columna i y r es el número de filas en la matriz.

Los valores máximos y mínimos de kappa dependen del contenido de todas las celdas de

la matriz de confusión y no sólo de los valores de la diagonal principal; de modo que, si

todos los elementos que se encuentran fuera de la diagonal principal fueran iguales a cero,

tendríamos concordancia completa, Kappa = 1. Si todos los valores de la diagonal principal

fueran nulos, estaríamos en un caso de completa discordancia, con K = –1. (Chuvieco,

2002).

3.3.5 Análisis Estadístico de los Datos Obtenidos

3.3.5.1 Análisis Descriptivo de los Datos

Se tabulan los datos de manera que se puedan empezar a analizar estadísticamente cada

variable y verificar datos atípicos, como se puede ver en la tabla 9.

Tabla 9 Datos Tabulados

MUESTRA AREA VACIOS AREA

AGREGADOS AREA ASFALTO

AREA SIN ASFALTO

COEF ROZAMIENTO

1 7.915 9.554 63.053 0.139 0.280

2 5.359 21.604 43.225 10.464 0.302

3 3.425 10.162 66.412 0.663 0.312

4 8.513 13.344 58.008 0.796 0.588

5 4.960 2.817 72.419 0.456 0.606

6 21.671 6.354 52.480 0.155 0.600

7 8.513 13.344 58.008 0.796 0.270

8 12.071 10.344 57.558 0.690 0.278

9 15.297 2.669 62.675 0.019 0.282

10 15.637 4.935 60.003 0.084 0.374

11 6.879 6.839 66.922 0.019 0.390

12 9.754 6.114 64.614 0.178 0.386

13 14.598 3.061 62.967 0.034 0.526

14 2.827 20.797 52.655 4.372 0.526

15 9.850 12.815 57.236 0.759 0.522

16 10.693 8.297 61.315 0.355 0.574

17 14.110 4.594 61.754 0.203 0.586


60

MUESTRA AREA VACIOS AREA

AGREGADOS AREA ASFALTO

AREA SIN ASFALTO

COEF ROZAMIENTO

18 15.933 1.828 62.861 0.039 0.582

19 11.917 3.864 64.785 0.093 0.244

20 11.105 3.207 66.322 0.026 0.256

21 17.259 8.287 54.051 1.054 0.252

22 7.487 8.743 64.228 0.200 0.358

23 7.298 4.143 69.184 0.032 0.360

24 11.584 3.164 65.749 0.143 0.354

25 6.964 6.649 66.954 0.093 0.250

26 19.852 5.550 55.104 0.162 0.254

27 11.583 3.163 65.749 0.143 0.246

Fuente: Propia

Se realizan los gráficos de dispersión de cada una de las variables calculadas como son

las áreas de vacíos, las áreas de agregados pétreos, áreas de contenido de asfalto y las

áreas sin asfalto.

Estos gráficos de dispersión (figura 22) permiten comprobar si existe relación lineal entre

las variables con el coeficiente de rozamiento calculado en laboratorio y con la profundidad

de la textura calculada también en laboratorio.

Figura 22 Diagrama de Dispersión Coeficiente de Rozamiento vs Áreas calculadas Fuente:

propia

0.20

0.25

0.30

0.35

0.40

0.45

0.50

0.55

0.60

0.65

0.0 5.0 10.0 15.0 20.0 25.0 30.0 35.0 40.0 45.0 50.0 55.0 60.0 65.0 70.0 75.0 80.0

CO

EFIC

IEN

TE R

OZA

MIE

NTO

AREAS CLASIFICADAS BRIQUETAS

Coeficiente de Rozamiento vs Areas Clasificadas

VACIOS AGREGADOS ASFALTO SIN ASFALTO


61

Una vez se realizan estas gráficas se calculan las matrices de correlación las cuales

permiten deducir si las variables se corresponden o no tienen ningún tipo de asociación. En

la tabla 10 se muestra la matriz de correlación para las muestras secas.

Tabla 10 Matriz de Correlación en muestras secas

MATRIZ DE CORRELACIÓN

ÁREAS ÁREA VACIOS ÁREA

AGREGADOS ÁREA ASFALTO ÁREA SIN ASFALTO

COEF ROZAMIENTO

ÁREA VACIOS 1.0000000

ÁREA AGREGADOS -0.4989632 1.0000000

ÁREA ASFALTO -0.2341034 -0.7040869 1.0000000

ÁREA SIN ASFALTO -0.3591885 0.7621596 -0.6947220 1.0000000

COEF ROZAMIENTO 0.0422305 0.0215254 -0.0358442 -0.0428515 1.0000000 Fuente: propia

RESULTADOS Y DISCUSIÓN MARIAM RIVAS DIAZGRANADOS

62

4. RESULTADOS Y DISCUSIÓN

Los resultados obtenidos en esta investigación comprenden: ensayos de laboratorio

realizado en las 27 briquetas con tres diferentes mezclas asfálticas MDC19, MDC25 y MDC-

10 compactadas a 25, 50 y 75 golpes; procesamiento de las imágenes tomadas con la

cámara NIKON COOLPIX S2900 utilizando el método de clasificación Maquinas de Soporte

Vectorial (SVM) y el análisis de las áreas clasificadas en cada una de las briquetas

utilizando métodos estadísticos.

4.1 RESULTADOS DE LOS ENSAYOS DE LABORATORIO

A partir de las briquetas Marshall diseñadas se obtienen los siguientes resultados de los

ensayos de laboratorio.

4.1.1 Ensayo para Evaluar la Microtextura: Péndulo de Fricción

De acuerdo con los ensayos realizados por PINZ - LAB SAS LABORATORIO DE SUELOS,

PAVIMENTOS Y MATERIALES, se obtienen los siguientes resultados en el ensayo del

péndulo de fricción para determinar el coeficiente de rozamiento de cada una de las

briquetas. Los formatos completos se pueden verificar en el ANEXO B.

En las tablas 11, 12 y 13 se muestran el coeficiente de rozamiento obtenido en laboratorio

mediante el ensayo del péndulo TRRL para las mezclas MDC 19- MDC 25 y MDC-10

respectivamente.

Tabla 11 Determinación coeficiente de rozamiento mezclas MDC 19

No. BRIQUET

A

No. GOLPES

LECTURAS CRD

VALOR EFECTIVO

CRD

VALOR CORREGIDO

POR TEMPERATURA

COEFICIENTE DE

ROZAMIENTO

TEMPERATURA ENSAYO (°C)

TEXTURA (TERMINO)

SUPERFICIE

1

75

26

28.000 27.985 0.280 17.8 RUGOSA (MEDIO)

SECA

27

30

28

29

75

12

11.400 11.385 0.114 17.8 RUGOSA (MEDIO)

HUMEDA

10

12

11

12


63

No. BRIQUETA

No. GOLPES

LECTURAS CRD

VALOR EFECTIVO

CRD

VALOR CORREGIDO

POR TEMPERATURA

COEFICIENTE DE

ROZAMIENTO


TEXTURA (TERMINO)

SUPERFICIE

2

75

31

30.200 30.185 0.302 17.8 RUGOSA

(MEDIO) SECA

27

30

32

31

75

12

12.000 11.985 0.120 17.8 RUGOSA (MEDIO)

HUMEDA

13

12

11

12

3

75

32

31.200 31.185 0.312 17.8 RUGOSA

(MEDIO) SECA

32

33

29

30

75

11

11.400 11.385 0.114 17.8 RUGOSA (MEDIO)

HUMEDA

11

11

12

12

4

50

59

58.800 58.785 0.588 17.8 RUGOSA

(MEDIO) SECA

57

60

59

59

50

32

31.600 31.585 0.316 17.8 RUGOSA (MEDIO)

HUMEDA

33

31

30

32

5

50

60

60.600 60.585 0.606 17.8 RUGOSA

(MEDIO) SECA

61

62

60

60

50

33

30.000 29.985 0.300 17.8 RUGOSA (MEDIO)

HUMEDA

30

29

27

31


64

No. BRIQUET

A

No. GOLPES

LECTURAS CRD

VALOR EFECTIVO

CRD

VALOR CORREGIDO

POR TEMPERATURA

COEFICIENTE DE

ROZAMIENTO


TEXTURA (TERMINO

)

SUPERFICIE

6

50

58

60.000 59.985 0.600 17.8 RUGOSA (MEDIO)

SECA

59

62

61

60

50

30

30.600 30.585 0.306 17.8 RUGOSA (MEDIO)

HUMEDA

30

32

31

30

7

25

28

27.000 26.985 0.270 17.8 RUGOSA (MEDIO)

SECA

26

26

27

28

25

10

9.400 9.385 0.094 17.8 RUGOSA (MEDIO)

HUMEDA

9

8

10

10

8

25

30

27.800 27.785 0.278 17.8 RUGOSA (MEDIO)

SECA

27

26

28

28

25

9

9.800 9.785 0.098 17.8 RUGOSA

(MEDIO) HUMEDA

9

10

11

10

9

25

29

28.200 28.185 0.282 17.8 RUGOSA (MEDIO)

SECA

28

28

28

28

25

10

8.800 8.785 0.088 17.8 RUGOSA (MEDIO)

HUMEDA

8

8

7

11

Fuente: propia


65


No. BRIQUETA

No. GOLPES

LECTURAS CRD

VALOR EFECTIVO

CRD

VALOR

CORREGIDO POR

TEMPERATURA

COEFICIENT

E DE ROZAMIENT

O


TEXTURA (TERMINO

)

SUPERFICIE

10

75

38

37.400 37.385 0.374 17.8 RUGOSA

(MEDIO) SECA

37

37

38

37

75

14

14.600 14.585 0.146 17.8 RUGOSA (MEDIO)

HUMEDA

15

14

15

15

11

75

40

39.000 38.985 0.390 17.8 RUGOSA

(MEDIO) SECA

38

38

39

40

75

13

14.400 14.385 0.144 17.8 RUGOSA (MEDIO)

HUMEDA

15

15

14

15

12

75

38

38.600 38.585 0.386 17.8 RUGOSA

(MEDIO) SECA

39

39

39

38

75

14

14.000 13.985 0.140 17.8 RUGOSA (MEDIO)

HUMEDA

14

14

13

15

13

50

52

52.600 52.585 0.526 17.8 RUGOSA (MEDIO)

SECA

50

53

56

52

50

20

20.000 19.985 0.200 17.8 RUGOSA (MEDIO)

HUMEDA

19

21

20

20


66

No. BRIQUETA

No. GOLPES

LECTURAS CRD

VALOR EFECTIVO

CRD

VALOR CORREGIDO

POR TEMPERATURA

COEFICIENTE DE

ROZAMIENTO


TEXTURA (TERMINO)

SUPERFICIE

14

50

54

52.600 52.585 0.526 17.8 RUGOSA

(MEDIO) SECA

51

52

53

53

50

22

21.600 21.585 0.216 17.8 RUGOSA (MEDIO)

HUMEDA

21

21

22

22

15

50

54

52.200 52.185 0.522 17.8 RUGOSA (MEDIO)

SECA

51

52

52

52

50

23

21.200 21.185 0.212 17.8 RUGOSA (MEDIO)

HUMEDA

21

21

20

21

16

25

55

57.400 57.385 0.574 17.8 RUGOSA (MEDIO)

SECA

57

59

58

58

25

22

23.400 23.385 0.234 17.8 RUGOSA

(MEDIO) HUMEDA

23

24

24

24

17

25

59

58.600 58.585 0.586 17.8 RUGOSA (MEDIO)

SECA

60

58

58

58

25

22

22.800 22.785 0.228 17.8 RUGOSA

(MEDIO) HUMEDA

22

24

23

23


67

No. BRIQUETA

No. GOLPES

LECTURAS CRD

VALOR EFECTIVO

CRD

VALOR CORREGIDO

POR TEMPERATURA

COEFICIENTE DE

ROZAMIENTO


TEXTURA (TERMINO)

SUPERFICIE

18

25

59

58.200 58.185 0.582 17.8 RUGOSA

(MEDIO) SECA

58

57

59

58

25

22

21.400 21.385 0.214 17.8 RUGOSA (MEDIO)

HUMEDA

21

20

22

22

Fuente: propia


No. BRIQUETA

No. GOLPES

LECTURAS CRD

VALOR EFECTIVO

CRD

VALOR CORREGIDO

POR TEMPERATURA

COEFICIENTE DE

ROZAMIENTO


TEXTURA (TERMINO)

SUPERFICIE

19

75

24

24.400 24.385 0.244 17.8 RUGOSA

(MEDIO) SECA

24

25

24

25

75

6

6.200 6.185 0.062 17.8 RUGOSA (MEDIO)

HUMEDA

7

6

6

6

20

75

26

25.600 25.585 0.256 17.8 RUGOSA

(MEDIO) SECA

27

25

25

25

75

7

7.200 7.185 0.072 17.8 RUGOSA (MEDIO)

HUMEDA

8

7

7

7

21

75

25

25.200 25.185 0.252 17.8 RUGOSA

(MEDIO) SECA

26

25

25

25

75

9

8.000 7.985 0.080 17.8 RUGOSA (MEDIO)

HUMEDA

8

8

8

7


68

No. BRIQUETA

No. GOLPES

LECTURAS CRD

VALOR EFECTIVO

CRD

VALOR CORREGIDO

POR TEMPERATURA

COEFICIENTE DE

ROZAMIENTO


TEXTURA (TERMINO)

SUPERFICIE

22

50

35

35.800 35.785 0.358 17.8 RUGOSA (MEDIO)

SECA

36

36

36

36

50

13

14.200 14.185 0.142 17.8 RUGOSA

(MEDIO) HUMEDA

15

14

14

15

23

50

37

36.000 35.985 0.360 17.8 RUGOSA (MEDIO)

SECA

35

36

36

36

50

13

13.800 13.785 0.138 17.8 RUGOSA (MEDIO)

HUMEDA

14

14

14

14

24

50

36

35.400 35.385 0.354 17.8 RUGOSA (MEDIO)

SECA

35

36

35

35

50

15

15.200 15.185 0.152 17.8 RUGOSA (MEDIO)

HUMEDA

15

15

16

15

25

25

25

25.000 24.985 0.250 17.8 RUGOSA (MEDIO)

SECA

25

25

25

25

25

10

10.600 10.585 0.106 17.8 RUGOSA (MEDIO)

HUMEDA

12

10

11

10


69

No. BRIQUET

A

No. GOLPES

LECTURAS CRD

VALOR EFECTIVO

CRD

VALOR CORREGIDO

POR TEMPERATURA

COEFICIENTE DE

ROZAMIENTO


TEXTURA (TERMINO

)

SUPERFICIE

26

25

26

25.400 25.385 0.254 17.8 RUGOSA (MEDIO)

SECA

26

25

25

25

25

11

10.800 10.785 0.108 17.8 RUGOSA (MEDIO)

HUMEDA

11

11

11

10

27

25

24

24.600 24.585 0.246 17.8 RUGOSA (MEDIO)

SECA

25

25

25

24

25

9

9.400 9.385 0.094 17.8 RUGOSA

(MEDIO) HUMEDA

10

9

9

10

Fuente: propia

4.1.2 Ensayo para Evaluar la Macrotextura: Círculo de Arena

De acuerdo con los ensayos realizados por PINZ - LAB SAS LABORATORIO DE SUELOS,

PAVIMENTOS Y MATERIALES, se obtienen los siguientes resultados en el ensayo de

Círculo de Arena para determinar la profundidad de la textura de cada briqueta. En este

caso todas las briquetas según la norma INVIAS se clasificaron en S-A SUAVE- ÁSPERA.

En las tablas 14, 15 y 16 se muestra la profundidad de textura calculada en laboratorio para

cada una de las briquetas de las mezclas MDC 19, MDC 25 y MDC 10 respectivamente.

Tabla 14 Determinación profundidad de textura mezclas MDC 19

No. PROBETA O BRIQUETA

No. GOLPES

VOLUMEN ARENA

UTILIZADA (mm3)

LECTURAS DIAMETRO

(mm)

DIAMETRO PROMEDIO

(mm)

PROFUNDIDAD DE TEXTURA

(mm)

TEXTURA (TERMINO)

1

75

4

49

50 0.002037 S-A 51

50

2 4

50

51 0.001984 S-A 51

51

3 4

50

50 0.002065 S-A 49

50


70


No. GOLPES

VOLUMEN ARENA

UTILIZADA (mm3)

LECTURAS DIAMETRO

(mm)

DIAMETRO PROMEDIO

(mm)


(mm)

TEXTURA (TERMINO)

4

50

4

45

46 0.002407 S-A 47

46

5 4

46

47 0.002339 S-A 47

47

6 4

47

46 0.002372 S-A 46

46

7

25

4

43

44 0.002631 S-A 45

44

8 4

45

45 0.002553 S-A 45

44

9 4

43

42 0.002842 S-A 41

43

Fuente: propia


No.

PROBETA O BRIQUETA

No. GOLPES

VOLUMEN

ARENA UTILIZADA

(mm3)

LECTURAS

DIAMETRO (mm)

DIAMETRO

PROMEDIO (mm)

PROFUNDIDAD

DE TEXTURA (mm)

TEXTURA (TERMINO)

10

75

4

45

46 0.002372 S-A 48

46

11 4

48

47 0.002339 S-A 45

47

12 4

46

47 0.002306 S-A 48

47

13 50 4

43

42 0.002934 S-A 42

40


71


No. GOLPES

VOLUMEN ARENA

UTILIZADA

(mm3)

LECTURAS DIAMETRO

(mm)

DIAMETRO PROMEDIO

(mm)


(mm)

TEXTURA (TERMINO)

14

50

4

44

44 0.002671 S-A 43

44

15 4

45

44 0.002631 S-A 44

43

16

25

4

39

41 0.003030 S-A 41

43

17 4

42

41 0.002981 S-A 42

40

18 4

39

40 0.003183 S-A 40

41

Fuente: propia


No. PROBETA O

BRIQUETA

No. GOLPES

VOLUMEN ARENA

UTILIZADA

(mm3)

LECTURAS DIAMETRO

(mm)

DIAMETRO PROMEDIO

(mm)


(mm)

TEXTURA (TERMINO)

19

75

4

53

55 0.001704 S-A 56

55

20 4

54

54 0.001725 S-A 54

55

21 4

56

55 0.001684 S-A 55

54

22 50 4

48

48 0.002180 S-A 48

49


72


No. GOLPES

VOLUMEN ARENA

UTILIZADA

(mm3)

LECTURAS DIAMETRO

(mm)

DIAMETRO PROMEDIO

(mm)


(mm)

TEXTURA (TERMINO)

23

50

4

49

49 0.002093 S-A 50

49

24 4

52

52 0.001908 S-A 53

50

25

25

4

46

47 0.002339 S-A 47

47

26 4

47

46 0.002407 S-A 46

45

27 4

47

48 0.002242 S-A 49

47

Fuente: propia

4.1.3. Clasificación de las Imágenes por Medio del Método de Maquinas de Soporte

Vectorial (SVM)

De las fotografías tomadas con la cámara NIKON se obtienen imágenes RGB (rojo, verde,

azul); no se tiene en cuenta la banda en infrarrojo, ya que el estudio debía ser de una

manera sencilla y con una cámara convencional que estuviera al alcance de todos.

En este tipo de imágenes RGB aparece cada color en componentes espectrales primarios,

los cuales hacen que los pixeles que conforman la imagen puedan tener una diferencia y

así poder clasificarla en cuatro (4) clases como lo son los espacios de vacío (negros), los

agregados pétreos (amarillos o cafés), contenido de asfalto (grises) y los espacios sin

asfalto (blancos). Al utilizar el método de Maquinas de Soporte Vectorial permite clasificar

la superficie a partir de un conjunto de clases conocidas y creando fronteras de decisión a

partir de puntos de entrenamiento obteniendo las clases necesarias teniendo una

clasificación supervisada (Pérez U, 2005)

Para determinar la exactitud temática de cada una de las clasificaciones se generan las

matrices de confusión, se calculan el índice Kappa (el cual indica que si el resultado es

próximo a uno (1), existe un acuerdo entre la imagen clasificada y la realidad, si se tiene un


73

valor de Kappa igual a cero (0) se deduce que es azar y un valor de kappa negativo sería

una clasificación muy pobre), el porcentaje correctamente clasificado y el intervalo de

confianza del 95%.(Chuvieco, 2002).

A continuación se muestra la evaluación de la calidad en las briquetas diseñadas para el

estudio.

MUESTRA 1

Figura 23 Imagen clasificada briqueta 1 Fuente: propia

Tabla 17 Matriz de Confusión Briqueta número 1

PR

EDIC

CIO

N

VALIDACION

Clase Vacío Agregado Asfalto Sin Clasificar Total Omisión Exactitud Usuario

Vacío

29 1 2 0 32 9% 91%

Agregado 1 164 0 2 167 2% 98%

Asfalto 2 0 88 0 90 2% 98%

Sin Asfalto

0 1 1 9 11 18% 82%

Total 32 166 91 11

300 Comisión 9% 99% 98% 100%

Exactitud Productor

91% 1% 2% 0%

Fuente: propia

Tabla 18 Índices de exactitud temática briqueta número 1

Kappa 0.94

PPC 97%

Error Estándar 0.02

I.C 95% 0.91 0.98

Fuente: propia


74

La clase peor clasificada en la muestra 1 fue los espacios sin asfalto lo cual se ve reflejado

en la exactitud del usuario con un valor de 82%, con un porcentaje correctamente clasificado

(PPC) de 97% y un índice Kappa de 0.94 lo cual indica que la clasificación es 94% mejor

que la confiabilidad esperada. Se puede analizar también el intervalo de confianza del 95%

lo cual nos indica que la fiabilidad real de los datos clasificados esta entre 0.91 y 0.98, con

un error de 0.02. (Ver tabla 17 y 18).

MUESTRA 2



PR

EDIC

CIO

N

VALIDACION


Vacío 29 0 1 0 30 3% 97%

Agregado 0 167 0 1 168 1% 99%

Asfalto 1 0 89 0 90 1% 99%

Sin Asfalto 0 1 1 10 12 17% 83%

Total 30 168 91 11

300 Comisión 3% 100% 99% 100%

Exactitud Productor

97% 0% 1% 0%

Fuente: propia


75


Kappa 0.97

PPC 98%


I.C 95% 0.95 1.00

Fuente: propia







MUESTRA 3



PR

EDIC

CIO

N

VALIDACION



Exactitud Usuario

Vacío 29 0 1 0 30 3% 97%

Agregado 0 166 0 1 167 1% 99%

Asfalto 1 0 89 0 90 1% 99%

Sin Asfalto 0 1 2 10 13 23% 77%

Total 30 167 92 11

300 Comisión 3% 100% 99% 100%

Exactitud Productor 97% 0% 1% 0%

Fuente: propia


76


Kappa 0.97

PPC 98%


I.C 95% 0.94 0.99

Fuente: propia







MUESTRA 4



PR

EDIC

CIO

N

VALIDACION



Exactitud Usuario

Vacío 29 0 1 0 30 3% 97%

Agregado 0 166 0 1 167 1% 99%

Asfalto 1 0 89 0 90 1% 99%

Sin Asfalto 1 1 1 10 13 23% 77%

Total 31 167 91 11

300 Comisión 6% 100% 99% 100%


Fuente: propia


77


Kappa 0.97

PPC 98%

Error estándar 0.01

I.C 95% 0.94 0.99

Fuente: propia







MUESTRA 5



PR

EDIC

CIO

N

VALIDACION


Vacío 27 0 2 0 29 7% 93%

Agregado 0 165 1 2 168 2% 98%

Asfalto 0 0 94 0 94 0% 100%

Sin Asfalto 0 0 0 9 9 0% 100%

Total 27 165 97 11

300 Comisión 0% 100% 98% 100%

Exactitud Productor

100% 0% 2% 0%

Fuente: propia


78


Kappa 0.97

PPC 98%


I.C 95% 0.95 1.00

Fuente: propia

La clase peor clasificada en la muestra 5 fue los espacios de vacío lo cual se ve reflejado






MUESTRA 6



PR

EDIC

CIO

N

VALIDACION



Exactitud Usuario

Vacío 28 0 2 0 30 7% 93%

Agregado 0 164 1 2 167 2% 98%

Asfalto 0 0 90 0 90 0% 100%

Sin Asfalto 0 0 0 13 13 0% 100%

Total 28 164 93 15

300 Comisión 0% 100% 98% 100%


Fuente: propia


79


Kappa 0.97

PPC 98%


I.C 95% 0.95 1.00

Fuente: propia







MUESTRA 7



PR

EDIC

CIO

N

VALIDACION


Vacío 27 1 2 0 30 10% 90%

Agregado 0 166 1 1 168 1% 99%

Asfalto 0 5 86 0 91 5% 95%

Sin Asfalto 0 3 0 8 11 27% 73%

Total 27 175 89 9

300 Comisión 0% 99% 98% 100%

Exactitud Productor

100% 1% 2% 0%

Fuente: propia


80


Kappa 0.92

PPC 96%


I.C 95% 0.88 0.96

Fuente: propia







MUESTRA 8



PR

EDIC

CIO

N

VALIDACION



Exactitud Usuario

Vacío 27 1 2 0 30 10% 90%

Agregado 0 165 1 1 167 1% 99%

Asfalto 0 5 85 0 90 6% 94%

Sin Asfalto 0 3 0 10 13 23% 77%

Total 27 174 88 11

300 Comisión 0% 99% 98% 100%


Fuente: propia


81


Kappa 0.93

PPC 96%


I.C 95% 0.89 0.96

Fuente: propia







MUESTRA 9



PR

EDIC

CIO

N

VALIDACION



Exactitud Usuario

Vacío 30 0 0 0 30 0% 100%

Agregado 0 165 0 2 167 1% 99%

Asfalto 1 0 89 0 90 1% 99%

Sin Asfalto 0 0 0 13 13 0% 100%

Total 31 165 89 15

300 Comisión 3% 100% 100% 100%


Fuente: propia


82


Kappa 0.98

PPC 99%


I.C 95% 0.96 1.00

Fuente: propia

La muestra número 9 tiene una clasificación muy precisa puesto que las exactitudes del

usuario son valores entre el 99% y el 100%, lo cual indica que los pixeles se clasificaron

con eficiencia. (Ver tabla 33 y 34).

MUESTRA 10



PR

EDIC

CIO

N

VALIDACION



Exactitud Usuario

Vacío 27 0 3 0 30 10% 90%

Agregado 0 164 0 3 167 2% 98%

Asfalto 1 0 89 0 90 1% 99%

Sin Asfalto 0 1 0 12 13 8% 92%

Total 28 165 92 15

300 Comisión 4% 100% 97% 100%


Fuente: propia


83


Kappa 0.95

PPC 97%


I.C 95% 0.92 0.99

Fuente: propia







MUESTRA 11



PR

EDIC

CIO

N

VALIDACION



Exactitud Usuario

Vacío 29 0 1 0 30 3% 97%

Agregado 0 166 0 1 167 1% 99%

Asfalto 2 0 88 0 90 2% 98%

Sin Asfalto 1 0 0 12 13 8% 92%

Total 32 166 89 13

300 Comisión 9% 100% 99% 100%


Fuente: propia


84


Kappa 0.97

PPC 98%


I.C 95% 0.95 1.00

Fuente: propia







MUESTRA 12



PR

EDIC

CIO

N

VALIDACION



Exactitud Usuario

Vacío 30 0 0 0 30 0% 100%

Agregado 0 164 0 3 167 2% 98%

Asfalto 3 1 86 0 90 4% 96%

Sin Asfalto 0 2 0 11 13 15% 85%

Total 33 167 86 14

300 Comisión 9% 100% 100% 100%


Fuente: propia


85


Kappa 0.95

PPC 97%


I.C 95% 0.92 0.98

Fuente: propia



(PPC) de 97% y un índice Kappa de 0.95 lo cual indica que la clasif icación es 95% mejor




MUESTRA 13



PR

EDIC

CIO

N

VALIDACION



Exactitud Usuario

Vacío 30 0 0 0 30 0% 100%

Agregado 0 165 0 2 167 1% 99%

Asfalto 3 0 87 0 90 3% 97%

Sin Asfalto 0 3 0 10 13 23% 77%

Total 33 168 87 12

300 Comisión 9% 100% 100% 100%


Fuente: propia


86


Kappa 0.95

PPC 97%


I.C 95% 0.92 0.99

Fuente: propia







MUESTRA 14



PR

EDIC

CIO

N

VALIDACION


Vacío 29 0 0 0 29 0% 100%

Agregado 0 166 0 2 168 1% 99%

Asfalto 3 0 88 0 91 3% 97%

Sin Asfalto 0 3 0 9 12 25% 75%

Total 32 169 88 11

300 Comisión 9% 100% 100% 100%

Exactitud Productor

91% 0% 0% 0%

Fuente: propia


87


Kappa 0.95

PPC 97%


I.C 95% 0.92 0.99

Fuente: propia







MUESTRA 15



PR

EDIC

CIO

N

VALIDACION



Exactitud Usuario

Vacío 30 0 0 0 30 0% 100%

Agregado 0 165 0 2 167 1% 99%

Asfalto 2 0 88 0 90 2% 98%

Sin Asfalto 0 2 0 11 13 15% 85%

Total 32 167 88 13

300 Comisión 6% 100% 100% 100%


Fuente: propia


88

Tabla 46 Índices de exactitud temática briqueta numero 15

Kappa 0.97

PPC 98%


I.C 95% 0.94 0.99

Fuente: propia







MUESTRA 16



PR

EDIC

CIO

N

VALIDACION



Exactitud Usuario

Vacío 30 0 0 0 30 0% 100%

Agregado 0 165 0 2 167 1% 99%

Asfalto 0 0 90 0 90 0% 100%

Sin Asfalto 0 3 0 10 13 23% 77%

Total 30 168 90 12

300 Comisión 0% 100% 100% 100%


Fuente: propia


89


Kappa 0.97

PPC 98%


I.C 95% 0.95 1.00

Fuente: propia





lo cual nos indica que la fiabilidad real de los datos clasificados esta entre 0.95 y 0.1.0, con


MUESTRA 17



PR

EDIC

CIO

N

VALIDACION



Exactitud Usuario

Vacío 30 0 0 0 30 0% 100%

Agregado 0 164 0 3 167 2% 98%

Asfalto 2 0 88 0 90 2% 98%

Sin Asfalto 0 1 0 12 13 8% 92%

Total 32 165 88 15

300 Comisión 6% 100% 100% 100%


Fuente: propia


90


Kappa 0.97

PPC 98%


I.C 95% 0.94 0.99

Fuente: propia







MUESTRA 18



PR

EDIC

CIO

N

VALIDACION



Exactitud Usuario

Vacío 30 0 0 0 30 0% 100%

Agregado 0 165 0 2 167 1% 99%

Asfalto 2 0 88 0 90 2% 98%

Sin Asfalto 0 0 0 13 13 0% 100%

Total 32 165 88 15

300 Comisión 6% 100% 100% 100%


Fuente: propia


91


Kappa 0.98

PPC 99%


I.C 95% 0.96 1.00

Fuente: propia

Como en la muestra número 18 se obtiene una exactitud del usuario con valores entre el

99% y el 100%, se deduce que la clasificación se realizó con eficiencia. (Ver tabla 51 y 52).

MUESTRA 19



PR

EDIC

CIO

N

VALIDACION



Exactitud Usuario

Vacío 30 0 0 0 30 0% 100%

Agregado 0 164 0 3 167 2% 98%

Asfalto 0 0 90 0 90 0% 100%

Sin Asfalto 0 1 0 12 13 8% 92%

Total 30 165 90 15

300 Comisión 0% 100% 100% 100%


Fuente: propia


92


Kappa 0.98

PPC 99%


I.C 95% 0.96 1.00

Fuente: propia







MUESTRA 20



PR

EDIC

CIO

N

VALIDACION



Exactitud Usuario

Vacío 29 0 1 0 30 3% 97%

Agregado 0 164 0 3 167 2% 98%

Asfalto 3 0 87 0 90 3% 97%

Sin Asfalto 0 1 0 12 13 8% 92%

Total 32 165 88 15

300 Comisión 9% 100% 99% 100%


Fuente: propia


93


Kappa 0.96

PPC 97%


I.C 95% 0.92 0.99

Fuente: propia







MUESTRA 21



PR

EDIC

CIO

N

VALIDACION


Vacío 30 0 1 0 31 3% 97%

Agregado 0 163 0 3 166 2% 98%

Asfalto 3 0 87 0 90 3% 97%

Sin Asfalto 0 1 0 12 13 8% 92%

Total 33 164 88 15

300 Comisión 9% 100% 99% 100%

Exactitud Productor

91% 0% 1% 0%

Fuente: propia


94

Tabla 58 Índices de exactitud temática briqueta numero 21

Kappa 0.96

PPC 97%


I.C 95% 0.92 0.99

Fuente: propia







MUESTRA 22



PR

EDIC

CIO

N

VALIDACION



Exactitud Usuario

Vacío 27 0 3 0 30 10% 90%

Agregado 0 166 0 1 167 1% 99%

Asfalto 1 0 89 0 90 1% 99%

Sin Asfalto 0 3 0 10 13 23% 77%

Total 28 169 92 11

300 Comisión 4% 100% 97% 100%


Fuente: propia


95


Kappa 0.95

PPC 97%


I.C 95% 0.92 0.99

Fuente: propia







MUESTRA 23



PR

EDIC

CIO

N

VALIDACION



Exactitud Usuario

Vacío 27 0 3 0 30 10% 90%

Agregado 0 165 0 2 167 1% 99%

Asfalto 3 0 87 0 90 3% 97%

Sin Asfalto 0 3 0 10 13 23% 77%

Total 30 168 90 12

300 Comisión 10% 100% 97% 100%


Fuente: propia


96


Kappa 0.94

PPC 96%


I.C 95% 0.90 0.97

Fuente: propia







MUESTRA 24



PR

EDIC

CIO

N

VALIDACION



Exactitud Usuario

Vacío 29 0 1 0 30 3% 97%

Agregado 0 166 0 1 167 1% 99%

Asfalto 1 0 89 0 90 1% 99%

Sin Asfalto 1 1 1 10 13 23% 77%

Total 31 167 91 11

300 Comisión 6% 100% 99% 100%


Fuente: propia


97


Kappa 0.97

PPC 98%


I.C 95% 0.94 0.99

Fuente: propia







MUESTRA 25



PR

EDIC

CIO

N

VALIDACION



Exactitud Usuario

Vacío 30 0 0 0 30 0% 100%

Agregado 0 165 0 2 167 1% 99%

Asfalto 1 0 89 0 90 1% 99%

Sin Asfalto 0 0 0 13 13 0% 100%

Total 31 165 89 15

300 Comisión 3% 100% 100% 100%


Fuente: propia


98


Kappa 0.98

PPC 99%


I.C 95% 0.96 1.00

Fuente: propia

Como en la muestra número 25 se obtiene una exactitud del usuario con valores entre el

99% y el 100%, se deduce que la clasificación se realizó con eficiencia. (Ver tabla 65 y 66).

MUESTRA 26



PR

EDIC

CIO

N

VALIDACION



Exactitud Usuario

Vacío 30 0 0 0 30 0% 100%

Agregado 0 165 0 2 167 1% 99%

Asfalto 3 0 87 0 90 3% 97%

Sin Asfalto 0 3 0 10 13 23% 77%

Total 33 168 87 12

300 Comisión 9% 100% 100% 100%


Fuente: propia


99


Kappa 0.95

PPC 97%


I.C 95% 0.92 0.99

Fuente: propia







MUESTRA 27



PR

EDIC

CIO

N

VALIDACION



Exactitud Usuario

Vacío 30 0 0 0 30 0% 100%

Agregado 0 164 0 3 167 2% 98%

Asfalto 0 0 90 0 90 0% 100%

Sin Asfalto 0 1 0 12 13 8% 92%

Total 30 165 90 15

300 Comisión 0% 100% 100% 100%


Fuente: propia


100


Kappa 0.98

PPC 99%


I.C 95% 0.96 1.00

Fuente: propia







En la tabla 71 se muestra un resumen de la exactitud del usuario de cada imagen procesada

con lo cual podemos comprobar que las muestras número 9, 18, 25 son las que mejor

quedaron clasificadas y tienen una mayor eficiencia al momento de la clasificación con

respecto a las otras.

Tabla 71 Resumen Clasificación del usuario de las briquetas

Clase Exactitud Usuario

muestra 1 2 3 4 5 6 7 8 9 10 11 12 13 14

Vacío 91% 97% 97% 97% 93% 93% 90% 90% 100% 90% 97% 100% 100% 100%

Agregado 98% 99% 99% 99% 98% 98% 99% 99% 99% 98% 99% 98% 99% 99%

Asfalto 98% 99% 99% 99% 100% 100% 95% 94% 99% 99% 98% 96% 97% 97%

Sin Clasificar

82% 83% 77% 77% 100% 100% 73% 77% 100% 92% 92% 85% 77% 75%

Fuente: propia

Clase Exactitud Usuario

muestra 15 16 17 18 19 20 21 22 23 24 25 26 27

Vacío 100% 100% 100% 100% 100% 97% 97% 90% 90% 97% 100% 100% 100%

Agregado 99% 99% 98% 99% 98% 98% 98% 99% 99% 99% 99% 99% 98%

Asfalto 98% 100% 98% 98% 100% 97% 97% 99% 97% 99% 99% 97% 100%

Sin Clasificar

85% 77% 92% 100% 92% 92% 92% 77% 77% 77% 100% 77% 92%


101

4.1.4 Análisis de las Áreas Calculadas en las Imágenes Procesadas

Mediante el programa SagaGis se calculan las áreas clasificadas en cada una de las

imágenes procesadas, teniendo en cuenta que las zonas amarillas son los agregados

pétreos, las zonas negras son los espacios de vacío, las zonas grises son los contenidos

de asfalto y los espacios en blanco son las partes sin asfalto.

A continuación se muestran los datos calculados en las imágenes y los determinados

mediante los ensayos de laboratorio, para cada una de las briquetas.

MUESTRA 1

Figura 50 Información obtenida a partir de los ensayos y el procesamiento de la briqueta

número 1 Fuente: propia

MUESTRA 2



MUESTRA 1

PROCESAMIENTO LABORATORIO

Clase Área

COEFICIENTE DE

ROZAMIENTO SECO

COEFICIENTE DE

ROZAMIENTO HUMEDO

TEXTURA

Vacío 7.915

0.280 0.114 0.00204

Agregado 9.554

Asfalto 63.053

Sin Asfalto

0.139

MUESTRA 2


Clase Área

COEFICIENTE

DE ROZAMIENTO

SECO

COEFICIENTE

DE ROZAMIENTO

HUMEDO

TEXTURA

Vacío 5.359

0.302 0.120 0.00198 Agregado 21.604

Asfalto 43.225

Sin Asfalto 10.464


102

MUESTRA 3



MUESTRA 4



MUESTRA 5



MUESTRA 3


Clase Área

COEFICIENTE DE

ROZAMIENTO SECO

COEFICIENTE DE

ROZAMIENTO HUMEDO

TEXTURA

Vacío 3.425

0.312 0.114 0.00206 Agregado 10.162

Asfalto 66.412

Sin Asfalto

0.663

MUESTRA 4


Clase Área

COEFICIENTE DE

ROZAMIENTO SECO

COEFICIENTE DE

ROZAMIENTO HUMEDO

TEXTURA

Vacío 8.513

0.588 0.316 0.00241 Agregado 13.344

Asfalto 58.008

Sin Asfalto

0.796

MUESTRA 5


Clase Área

COEFICIENTE DE

ROZAMIENTO SECO

COEFICIENTE DE

ROZAMIENTO HUMEDO

TEXTURA

Vacío 4.960

0.606 0.300 0.00234

Agregado 2.817

Asfalto 72.419

Sin Asfalto

0.456


103

MUESTRA 6



MUESTRA 7



MUESTRA 8



MUESTRA 6


Clase Área

COEFICIENTE DE

ROZAMIENTO SECO

COEFICIENTE DE

ROZAMIENTO HUMEDO

TEXTURA

Vacío 21.671

0.600 0.306 0.00237 Agregado 6.354

Asfalto 52.480

Sin Asfalto 0.155

MUESTRA 7


Clase Área

COEFICIENTE DE

ROZAMIENTO SECO

COEFICIENTE DE

ROZAMIENTO HUMEDO

TEXTURA

Vacío 8.513

0.270 0.094 0.00263

Agregado

13.344

Asfalto 58.00

8

Sin Asfalto

0.796

MUESTRA 8


Clase Área

COEFICIENTE DE

ROZAMIENTO SECO

COEFICIENTE DE ROZAMIENTO

HUMEDO TEXTURA

Vacío 12.071

0.278 0.098 0.00255

Agregado 10.344

Asfalto 57.558

Sin Asfalto

0.690


104

MUESTRA 9



MUESTRA 10



MUESTRA 11



MUESTRA 9


Clase Área

COEFICIENTE DE

ROZAMIENTO SECO

COEFICIENTE DE ROZAMIENTO

HUMEDO TEXTURA

Vacío 15.297

0.282 0.088 0.00284 Agregado 2.669

Asfalto 62.675

Sin Asfalto 0.019

MUESTRA 10


Clase Área

COEFICIENTE DE

ROZAMIENTO SECO

COEFICIENTE DE

ROZAMIENTO HUMEDO

TEXTURA

Vacío 15.637

0.374 0.146 0.00237 Agregado 4.935

Asfalto 60.003

Sin Asfalto 0.084

MUESTRA 11


Clase Área

COEFICIENTE DE

ROZAMIENTO SECO

COEFICIENTE DE

ROZAMIENTO HUMEDO

TEXTURA

Vacío 6.879

0.390 0.144 0.00234 Agregado 6.839

Asfalto 66.922

Sin Asfalto 0.019


105

MUESTRA 12



MUESTRA 13



MUESTRA 14



MUESTRA 12


Clase Área

COEFICIENTE DE

ROZAMIENTO SECO

COEFICIENTE DE

ROZAMIENTO HUMEDO

TEXTURA

Vacío 9.754

0.386 0.140 0.00231 Agregado 6.114

Asfalto 64.614

Sin Asfalto 0.178

MUESTRA 13


Clase Área

COEFICIENTE DE

ROZAMIENTO

SECO

COEFICIENTE DE

ROZAMIENTO

HUMEDO

TEXTURA

Vacío 14.598

0.526 0.200 0.00293 Agregado 3.061

Asfalto 62.967

Sin Asfalto 0.034

MUESTRA 14


Clase Área

COEFICIENTE DE

ROZAMIENTO SECO

COEFICIENTE DE

ROZAMIENTO HUMEDO

TEXTURA

Vacío 2.827

0.526 0.216 0.00267 Agregado 20.797

Asfalto 52.655

Sin Asfalto 4.372


106

MUESTRA 15



MUESTRA 16



MUESTRA 17



MUESTRA 15


Clase Área

COEFICIENTE DE

ROZAMIENTO SECO

COEFICIENTE DE

ROZAMIENTO HUMEDO

TEXTURA

Vacío 9.850

0.522 0.212 0.00263 Agregado 12.815

Asfalto 57.236

Sin Asfalto 0.759

MUESTRA 16


Clase Área

COEFICIENTE DE

ROZAMIENTO SECO

COEFICIENTE DE

ROZAMIENTO HUMEDO

TEXTURA

Vacío 10.693

0.574 0.234 0.00303 Agregado 8.297

Asfalto 61.315

Sin Asfalto

0.355

MUESTRA 17


Clase Área

COEFICIENTE DE

ROZAMIENTO SECO

COEFICIENTE DE

ROZAMIENTO HUMEDO

TEXTURA

Vacío 14.110

0.586 0.228 0.00298

Agregado 4.594

Asfalto 61.754

Sin Asfalto

0.203


107

MUESTRA 18



MUESTRA 19



MUESTRA 20



MUESTRA 18


Clase Área

COEFICIENTE DE

ROZAMIENTO

SECO

COEFICIENTE DE

ROZAMIENTO

HUMEDO

TEXTURA

Vacío 15.933

0.582 0.214 0.00318

Agregado 1.828

Asfalto 62.861

Sin

Asfalto 0.039

MUESTRA 19


Clase Área

COEFICIENTE DE

ROZAMIENTO SECO

COEFICIENTE DE

ROZAMIENTO HUMEDO

TEXTURA

Vacío 11.917

0.244 0.062 0.00170 Agregado 3.864

Asfalto 64.785

Sin Asfalto 0.093

MUESTRA 20


Clase Área

COEFICIENTE DE

ROZAMIENTO SECO

COEFICIENTE DE

ROZAMIENTO HUMEDO

TEXTURA

Vacío 11.105

0.256 0.072 0.00173 Agregado 3.207

Asfalto 66.322

Sin Asfalto 0.026


108

MUESTRA 21



MUESTRA 22



MUESTRA 23



MUESTRA 21


Clase Área

COEFICIENTE DE

ROZAMIENTO SECO

COEFICIENTE DE

ROZAMIENTO HUMEDO

TEXTURA

Vacío 17.259

0.252 0.080 0.00168 Agregado 8.287

Asfalto 54.051

Sin Asfalto 1.054

MUESTRA 22


Clase Área

COEFICIENTE DE

ROZAMIENTO SECO

COEFICIENTE DE

ROZAMIENTO HUMEDO

TEXTURA

Vacío 7.487

0.358 0.142 0.00218 Agregado 8.743

Asfalto 64.228

Sin Asfalto 0.200

MUESTRA 23


Clase Área

COEFICIENTE DE

ROZAMIENTO SECO

COEFICIENTE DE

ROZAMIENTO HUMEDO

TEXTURA

Vacío 7.298

0.360 0.138 0.00209 Agregado 4.143

Asfalto 69.184

Sin Asfalto 0.032


109

MUESTRA 24



MUESTRA 25



MUESTRA 26



MUESTRA 24


Clase Área

COEFICIENTE DE

ROZAMIENTO

SECO

COEFICIENTE DE

ROZAMIENTO

HUMEDO

TEXTURA

Vacío 11.584

0.354 0.152 0.00191

Agregado 3.164

Asfalto 65.749

Sin Asfalto

0.143

MUESTRA 25


Clase Área

COEFICIENTE DE

ROZAMIENTO SECO

COEFICIENTE DE

ROZAMIENTO HUMEDO

TEXTURA

Vacío 6.964

0.250 0.106 0.00234 Agregado 6.649

Asfalto 66.954

Sin Asfalto 0.093

MUESTRA 26


Clase Área

COEFICIENTE DE

ROZAMIENTO SECO

COEFICIENTE DE

ROZAMIENTO HUMEDO

TEXTURA

Vacío 19.852

0.254 0.108 0.00241 Agregado 5.550

Asfalto 55.104

Sin Asfalto 0.162


110

MUESTRA 27



4.1.5 Análisis Estadístico de los Datos Obtenidos

4.1.5.1 Análisis Descriptivo de los Datos

En primer lugar se realizara un análisis descriptivo de los datos obtenidos a partir del

procesamiento de las imágenes. Los resultados por variables se presentan en la figura 77

y en la tabla 72.

Figura 77 Descripción de las variables Fuente: propia

MUESTRA 27


Clase Área

COEFICIENTE DE

ROZAMIENTO SECO

COEFICIENTE DE

ROZAMIENTO HUMEDO

TEXTURA

Vacío 11.583

0.246 0.094 0.00224 Agregado 3.163

Asfalto 65.749

Sin Asfalto 0.143


111

Tabla 72 Resumen estadísticas de las variables

AREA VACIOS

AREA AGREGADOS

AREA ASFALTO AREA SIN ASFALTO

COEFICIENTE ROZAMIENTO

MIN 2.827 1.828 43.225 0.019 0.244

Q1 7.393 3.536 57.783 0.089 0.274

Q2 MEDIANA 10.693 6.354 62.861 0.162 0.358

Q3 14.354 9.858 65.749 0.677 0.526

MAX 21.671 21.604 72.419 10.464 0.606

Fuente: propia

Calculando los rangos mínimos y máximos para cada variable se obtienen los datos que

se muestran en la tabla 73.

Tabla 73 Rangos máximos y mínimos por variables

RANGO AREA VACIOS AREA AGREGADOS AREA ASFALTO

AREA SIN ASFALTO

COEFICIENTE ROZAMIENTO

MINIMO -3.04975 -5.94825 45.834 -0.7935 -0.104

MAXIMO 24.79625 19.34175 77.698 1.5585 0.904

Fuente: propia

En el área de los agregados pétreos el rango máximo es 19.341 y su dato máximo es 21.

604; en el área de asfalto el rango mínimo es de 45. 834 y el valor mínimo es 43. 225; en

el área de asfalto el rango máximo es de 1.558 y su valor máximo es de 10.464; por lo cual

en estas áreas existen algunos valores atípicos. El área de agregados y el área sin asfalto

tienen un sesgo hacia la derecha lo cual indica que la mayoría de los datos se encuentran

a la izquierda de la media; el área sin asfalto tiene un sesgo a la izquierda lo cual indica que

la mayoría de los datos se encuentran a la derecha de la media. En la variable del

coeficiente de rozamiento los datos comprendidos entre el 50% y el 74% son más dispersos

que entre el 25% y el 50%.

A partir de estos datos se realizan gráficas para encontrar una correlación o similitud entre

las áreas clasificadas y el coeficiente de rozamiento obtenido en laboratorio, para evaluar

las características superficiales del pavimento, como la resistencia al deslizamiento

principalmente las cuales tienen asociadas los parámetros de textura y rugosidad.


112

4.1.5.2 Gráficos de Dispersión Coeficiente de Rozamiento en Briquetas Secas

Figura 78 Coeficiente de rozamiento vs áreas de vacíos Fuente: propia

Figura 79 Coeficiente de rozamiento vs área de agregados Fuente: propia

y = 0.0012x + 0.3781R² = 0.0018

0.000

0.050

0.100

0.150

0.200

0.250

0.300

0.350

0.400

0.450

0.500

0.550

0.600

0.650

0 2 4 6 8 10 12 14 16 18 20 22 24

Co

efic

ien

te d

e ro

zam

ien

to

area de vacios

COEFICIENTE DE ROZAMIENTO VS ÁREAS DE VACIOS

vacios

Lineal(vacios)

y = 0.0006x + 0.3867R² = 0.0005

0.0000.0500.1000.1500.2000.2500.3000.3500.4000.4500.5000.5500.6000.650

0 2 4 6 8 10 12 14 16 18 20 22 24

Co

efic

ien

te d

e ro

zam

ien

to

area de agregados

COEFICIENTE DE ROZAMIENTO VS ÁREAS DE AGREGADOS

agregados

Lineal(agregados)


113

Figura 80 Coeficiente de rozamiento vs área contenido de asfaltos Fuente: propia

Figura 81 Coeficiente de rozamiento vs área sin asfalto Fuente: propia

A partir del análisis de las variables (coeficiente de rozamiento y áreas) se considera que

los datos se encuentran muy dispersos por lo tanto no se corresponden en lo absoluto

(figuras 78, 79, 80 y 81); a partir de los coeficientes de correlación (r) no existe ninguna

asociación y por tanto ninguna correlación entre las variables. Mediante el cálculo de una

regresión lineal se obtiene un coeficiente de determinación para cada grafica lo cual indica

y = -0.0008x + 0.439R² = 0.0013

0.000

0.050

0.100

0.150

0.200

0.250

0.300

0.350

0.400

0.450

0.500

0.550

0.600

0.650

40 45 50 55 60 65 70 75

Co

efic

ien

te d

e ro

zam

ien

to

AREA ASFALTO

COEFICIENTE DE ROZAMIENTO VS CONTENIDO DE ASFALTO

ASFALTO

Lineal (ASFALTO)

y = -0.0028x + 0.3933R² = 0.0018

0.0000.0500.1000.1500.2000.2500.3000.3500.4000.4500.5000.5500.6000.650

0 1 2 3 4 5 6 7 8 9 10 11

Co

efic

ien

te d

e ro

zam

ien

to

AREA SIN ASFALTO

COEFICIENTE DE ROZAMIENTO VS ÁREAS SIN ASFALTO

SIN ASFALTO

Lineal (SIN ASFALTO)


114

que no se puede establecer relación entre cada una de las áreas calculadas con el

coeficiente de rozamiento.

Además se puede percibir que en la graficas de las áreas de los agregados pétreos, los

contenidos de asfalto y sin asfalto tienen valores atípicos porque están fuera del rango de

los valores normales, pero que no tienen tampoco ningún tipo de afectación si se llegasen

a discriminan del cálculo.

En la figura 82 se puede ver todas las áreas calculadas a partir del procesamiento de las

imágenes con el coeficiente de rozamiento, donde se muestran los datos atípicos obtenidos

en cada una de las áreas estudiadas.

Figura 82 Resumen graficas coeficiente de rozamiento vs áreas clasificadas Fuente: propia

Se puede apreciar que aun así se discrimen esos datos atípicos no influye para que se

llegue a dar algún tipo de tendencia en las áreas estudiadas. Cabe resaltar que se realizaron

transformaciones para estabilizar la varianza como exponenciales, logarítmicas, potencial

y polinómica pero ninguna presentó una mejora en el coeficiente de correlación.

En la tabla 74 se presenta la matriz de correlación donde se puede ver que el coeficiente

de rozamiento no tiene ninguna relación con las áreas calculadas.

0.20

0.25

0.30

0.35

0.40

0.45

0.50

0.55

0.60

0.65

0.0 5.0 10.0 15.0 20.0 25.0 30.0 35.0 40.0 45.0 50.0 55.0 60.0 65.0 70.0 75.0 80.0

CO

EFIC

IEN

TE R

OZA

MIE

NTO

AREAS CLASIFICADAS BRIQUETAS

VACIOS AGREGADOS ASFALTO SIN ASFALTO


115

Tabla 74 matriz de correlación muestras secas

MATRIZ DE CORRELACIÓN

ÁREAS ÁREAS VACIOS

ÁREAS AGREGADOS

ÁREAS ASFALTO

ÁREAS SIN ASFALTO

COEF ROZAMIENTO

ÁREAS VACIOS 1.0000000

ÁREAS AGREGADOS -0.4989632 1.0000000

ÁREAS ASFALTO -0.2341034 -0.7040869 1.0000000

ÁREAS SIN ASFALTO -0.3591885 0.7621596 -0.6947220 1.0000000

COEF ROZAMIENTO 0.0422305 0.0215254 -0.0358442 -0.0428515 1.0000000

Fuente: propia

4.1.5.3 Gráficos de Dispersión Coeficiente de Rozamiento Briqueta Húmeda

En las figuras 83, 84, 85 y 86 se muestra el coeficiente de rozamiento contra cada una de

las áreas calculadas.

Figura 83 Coeficiente de rozamiento vs áreas de vacíos Fuente: propia

Figura 84 Coeficiente de rozamiento vs áreas de agregados pétreos Fuente: propia

y = 0.0003x + 0.1536R² = 0.0004

0.000

0.050

0.100

0.150

0.200

0.250

0.300

0.350

0 2 4 6 8 10 12 14 16 18 20 22 24

Co

efic

ien

te d

e ro

zam

ien

to

area de vacios

COEFICIENTE DE ROZAMIENTO VS ÁREAS DE VACIOS

vacios

Lineal(vacios)

y = 0.0011x + 0.1485R² = 0.0061

0.000

0.050

0.100

0.150

0.200

0.250

0.300

0.350

0 2 4 6 8 10 12 14 16 18 20 22 24

Co

efic

ien

te d

e ro

zam

ien

to

area de agregados

COEFICIENTE DE ROZAMIENTO VS ÁREAS DE AGREGADOS

AREAAGREGADOS


116

Figura 85 Coeficiente de rozamiento vs áreas de contenido de asfalto Fuente: propia

Figura 86 Coeficiente de rozamiento vs áreas sin asfalto Fuente: propia

y = -0.0009x + 0.2104R² = 0.0054

0.0000.0200.0400.0600.0800.1000.1200.1400.1600.1800.2000.2200.2400.2600.2800.3000.3200.340

40 45 50 55 60 65 70 75

Co

efic

ien

te d

e ro

zam

ien

to

area de asfalto

COEFICIENTE DE ROZAMIENTO VS ÁREAS CONTENIDO DE ASFALTO

asfalto

Lineal (asfalto)

y = -0.0007x + 0.1575R² = 0.0004

0.000

0.020

0.040

0.060

0.080

0.100

0.120

0.140

0.160

0.180

0.200

0.220

0.240

0.260

0.280

0.300

0.320

0.340

0 1 2 3 4 5 6 7 8 9 10 11

Co

efic

ien

te d

e ro

zam

ien

to

area sin asfalto

COEFICIENTE DE ROZAMIENTO VS ÁREAS SIN ASFALTO

sin asfalto

Lineal (sin asfalto)


117

La figura 87 se puede ver que los datos son muy dispersos lo cual no se tiene ningún tipo

de correlación entre la variable del coeficiente de rozamiento con las áreas de vacíos,

asfalto, agregados y sin asfalto.

Figura 87 Resumen coeficiente de rozamiento vs áreas clasificadas Fuente: propia

La tabla 75 muestra la matriz de correlación estando las muestras húmedas.

Tabla 75 Matriz de correlación muestras húmedas

MATRIZ DE CORRELACION

AREA VACIOS AREA AGREGADOS AREA ASFALTO AREA SIN ASFALTO

COEF ROZAMIENTO

AREA VACIOS 1 AREA AGREGADOS -0.498963 1

AREA ASFALTO -0.234103 -0.704086 1

AREA SIN ASFALTO -0.359188 0.762159 -0.694722 1

COEF ROZAMIENTO 0.020074 0.077877 -0.07377 -0.018799 1

Fuente: propia

4.1.5.4 Gráficos de Dispersión Teniendo en Cuenta la Profundidad de Textura

A continuación se muestra las gráficas de la profundidad de textura calculada mediante el

ensayo de Círculo de Arena contra las áreas calculadas en el procesamiento. (ver figuras

88, 89, 90 y 91).

0.000

0.050

0.100

0.150

0.200

0.250

0.300

0.350

0.000 10.000 20.000 30.000 40.000 50.000 60.000 70.000 80.000

Co

efic

ien

te d

e ro

zam

ien

to

areas clasificadas briquetas

COEFICIENTE DE ROZAMIENTO VS AREAS CONTENIDO DE ASFALTO

vacios

agregados

asfalto

sin asfalto


118

Figura 88 Profundidad de textura vs áreas de vacíos Fuente: propia

Figura 89 Profundidad de textura vs áreas de agregados pétreos Fuente: propia

Figura 90 Profundidad de textura vs áreas de contenido de asfalto Fuente: propia

y = 2E-05x + 0.0022R² = 0.0332

0

0.0005

0.001

0.0015

0.002

0.0025

0.003

0.0035

0.000 5.000 10.000 15.000 20.000 25.000

TEX

TUR

A

AREAS VACIOS

ÁREA VACIOS

AREAVACIOS

y = -3E-06x + 0.0024R² = 0.0011

0

0.001

0.002

0.003

0.004

0.000 5.000 10.000 15.000 20.000 25.000

TEX

TUR

A

AREA DE AGREGADOS

ÁREA AGREGADOS

AREAAGREGADOS

Lineal (AREAAGREGADOS)

y = -4E-06x + 0.0026R² = 0.0046

0

0.0005

0.001

0.0015

0.002

0.0025

0.003

0.0035

0.000 20.000 40.000 60.000 80.000

TEX

TUR

A

AREA CONTENIDO DE ASFLATO

ÁREA ASFALTO

AREAASFALTO

Lineal (AREAASFALTO)


119

Figura 91 Profundidad de textura vs áreas sin asfalto Fuente: propia

La figura 92 muestra el resumen de la profundidad de la textura y todas las áreas

calculadas.

Figura 92 Resumen Profundidad de textura vs áreas clasificadas Fuente: propia

Se puede ver que no existe tampoco ninguna tendencia entre los datos calculados, por lo

tanto existe ninguna asociación por lo tanto no hay correlación.

y = -3E-05x + 0.0024R² = 0.0173

0

0.0005

0.001

0.0015

0.002

0.0025

0.003

0.0035

0.000 2.000 4.000 6.000 8.000 10.000 12.000

TEX

TUR

A

AREA SIN ASFALTO

ÁREA SIN ASFALTO

AREA SINASFALTO

Lineal(AREA SINASFALTO)

0

0.001

0.002

0.003

0.004

0 5 10 15 20 25 30 35 40 45 50 55 60 65 70 75 80

TEX

TUR

A

AREAS CLASIFICADAS

TEXTURA VS ÁREAS CALCULADAS

AREA VACIOS AREA AGREGADOS

AREA ASFALTO AREA SIN ASFALTO

Lineal (AREA SIN ASFALTO)


120

En la tabla 76 se muestra la matriz de correlación donde se precian valores cercanos a 0 lo

cual sugiere una falta completa de correlación.

Tabla 76 matriz de correlación profundidad de textura

AREA VACIOS AREA

AGREGADOS AREA

ASFALTO AREA SIN ASFALTO

PROFUNDIDAD TEXTURA

AREA VACIOS 1

AREA AGREGADOS -0.4989632 1

AREA ASFALTO -0.2341034 -0.70408685 1

AREA SIN ASFALTO -0.3591885 0.76215955 -0.6947220 1

PROFUNDIDAD TEXTURA 0.1821654 -0.03337966 -0.0678598 -0.1313580 1

Fuente: propia

4.1.5.5 Gráficas de Dispersión por Mezclas

Como se describió anteriormente las primeras 9 briquetas corresponden a las mezclas MDC

19, las briquetas 10 hasta la 18 corresponden a la mezcla MDC 25 y las briquetas 19 a la

27 mezclas tipo MDC 10; a continuación se presentan los gráficos de dispersión por mezcla.

(ver figuras 93, 94 y 95)

Figura 93 Coeficiente de rozamiento vs Áreas mezcla MDC 19 Fuente: propia

0.000

0.100

0.200

0.300

0.400

0.500

0.600

0.700

0.000 10.000 20.000 30.000 40.000 50.000 60.000 70.000 80.000

CO

EFIC

IEN

TE D

E R

OZA

MIE

NTO

AREAS CALCULADAS

COEFICIENTE DE ROZAMIENTO VS AREAS MEZCLA MDC 19



121



4.1.5.6 Gráficas de Dispersión por Golpes

A continuación se presentan los gráficos de dispersión por numero de golpes de

compactación. (Ver figuras 96, 97 y 98)

Figura 96 Coeficiente de rozamiento vs mezclas compactadas a 75 golpes. Fuente: propia

0.000

0.200

0.400

0.600

0.800

0.000 20.000 40.000 60.000 80.000

CO

EFIC

IEN

TE D

E R

OZA

MIE

NTO

AREAS


AREA VACIOS

AREA AGREGADOS

AREA ASFALTO

AREA SIN ASFALTO

0.200

0.250

0.300

0.350

0.400

0.000 20.000 40.000 60.000 80.000

CO

EFIC

IEN

TE D

E R

OZA

MIE

NTO

AREAS


AREA VACIOS

AREA AGREGADOS

AREA ASFALTO

AREA SIN ASFALTO

0.000

0.200

0.400

0.600

0.000 10.000 20.000 30.000 40.000 50.000 60.000 70.000 80.000

CO

EFIC

IEN

TE D

E R

OZA

MIE

NTO

AREAS DE MEZCLAS COMPACTADAS A 75 GOLPES

COEFICIENTE DE ROZAMIENTO vs MEZCLAS COMPACTADAS A 75 GOLPES



122



Como se pudo analizar y apreciar anteriormente no existe ningún tipo de correlación entre

los datos que se tomaron en el laboratorio con las áreas calculadas en el procesamiento de

las imágenes, por lo cual no se puede continuar con ningún tipo de análisis.

Se entiende que las muestras al ser compactadas con diferentes números de golpes

poseen diferentes espacios de vacíos, es por esto que las mezclas que fueron compactadas

a 75 golpes son menos porosas que las que se compactan a 25 golpes.

0.000

0.100

0.200

0.300

0.400

0.500

0.600

0.700

0.000 10.000 20.000 30.000 40.000 50.000 60.000 70.000 80.000

CO

EFIC

IEN

TE D

E R

OZA

MIE

NTO




0.000

0.100

0.200

0.300

0.400

0.500

0.600

0.700

0.000 10.000 20.000 30.000 40.000 50.000 60.000 70.000 80.000

CO

EFIC

IEN

TE D

E R

OZA

MIE

NTO





123

Según las matrices de correlación se puede ver que existe correlación positiva entre las

áreas sin asfalto con el área de los agregados pétreos por lo cual se puede deducir que

encontrándose las muestras húmedas o secas, a mayor área sin asfalto se encontraran

mayores áreas de agregados pétreos; al igual que existe una correlación negativa entre las

áreas de contenido de asfalto con las áreas de los agregados pétreos lo cual se deduce

que si se tiene mayor contenido de asfalto se tendrá menor cantidad de agregados pétreos.

El coeficiente de fricción es una de las características principales que se debe evaluar en

un pavimento para asegurar la adherencia de las llantas de los vehículos con la superficie,

por lo cual se quería establecer una nueva metodología para evaluar esta propiedad del

pavimento a partir de fotografías, pero como se pudo apreciar no es posible determinar la

microtextura y macrotextura en un pavimento, por medio de fotografías convencionales.

Una de las razones es porque las imágenes con las que se generó el estudio son imágenes

planas (x. y), tomadas desde un plano horizontal lo cual no permite obtener ningún tipo de

ondulación o desviaciones en las muestras; por lo tanto se genera problema con los

modelos obtenidos para el análisis. Por otra parte se quiso realizar un modelo digital de la

briqueta pero tampoco era la solución a este problema puesto que si se hiciese la

reconstrucción del modelo a partir de varias fotografías tomadas desde diferentes ángulos,

el modelo quedaría totalmente plano en todas sus caras, por lo tanto se llega a la conclusión

que una posible solución puede ser determinando las protuberancias o diferencias en altura

en las muestras. Es importante lograr hacer un perfil en cada una de las briquetas y así

realizar el análisis mediante alturas y poder posiblemente determinar unas longitudes de

onda que permitan relacionarlas con las especificaciones existentes para el cálculo de la

microtextura y la macrotexytura.

Otra posible razón por la cual no se obtuvo correlación con los datos obtenidos es porque

puede incidir, que la toma de las fotografías no se hizo con la misma altura por lo que puede

causar variación en la luz y al procesarlas puede que se obtengan errores en la asignación

de los niveles digitales, por lo tanto, existe un porcentaje de la briqueta sin clasificar, más

sin embargo se pudo comprobar que a partir de la validación de la información clasificada

los porcentajes calculados están dentro de un margen adecuado. Cabe resaltar que las

imágenes se tomaron a la luz del día sin uso de flash para que no interfiera en ningún caso

problemas de brillo en las fotografías. Tal vez se hubiera podido obtener una mejor

percepción de la superficie de las briquetas si se hubiera tomado desde una distancia


124

apropiada, y ajustando la resolución posiblemente si se utilizara una cámara profesional de

mejores especificaciones y posiblemente haciendo uso de una banda infraroja que permita

tener una mejor clasificación.

Al georeferenciar la imagen se puede perder un poco la escala real a la que se tomó la

fotografía por lo cual se pueden encontrar igualdad en los niveles digitales, por lo cual es

importante trabajar a una escala correcta de análisis, como equilibrio para que la superficie

de la briqueta presente sus características perceptibles y puedan ser cuantificables. Cabe

resaltar que se obtuvo una relación entre la resolución y las dimensiones de las imágenes

para poder optimizar los tiempos y la capacidad de cálculo en el software utilizado sin perder

la fiabilidad de los resultados obtenidos.

Es posible que en el ensayo del Circulo de Arena no se tengan los resultados más óptimos

debido a que no se cumplía con el diámetro descrito en la norma INVIAS por lo cual se

puede obtener una desviación en los datos calculados mediante este laboratorio, al igual si

se hiciera el estudio a partir de equipos más sofisticados y sobre tramos de vías con una

determinada longitud puede que arrojen mejores resultados que los que se obtuvieron.

CONCLUSIONES MARIAM RIVAS DIAZGRANADOS

125

5. CONCLUSIONES

Al realizar la validación de la información obtenida en laboratorio con las áreas calculadas

mediante el procesamiento de las imágenes, no se obtuvieron resultados de asociación

entre las variables analizadas, por lo que se estima, que mediante fotografías

convencionales no se puede analizar la textura y la rugosidad en un pavimento flexible.

Se considera que se debe calcular otra variable que permita analizar con tres ejes x, y, z. y

así, por medio de un perfil de la briqueta, obtener longitudes de onda para el análisis de la

microtextura y macrotextura.

Por medio del método de SVM se obtienen resultados óptimos en la clasificación de las

fotografías, ya que ninguna presenta bajos porcentajes en la exactitud del usuario, pero se

debe tener en cuenta que al procesar mediante el programa R Project se requiere de un

computador que permita una velocidad de ejecución alta porque se trabaja con un conjunto

de datos grandes.

Las gráficas de dispersión generadas a partir de la comparación entre el coeficiente de

rozamiento y la profundidad de textura contra las áreas, no presentan mayor diferencia en

la asociación de los datos y teniendo en cuenta que se presentan datos atípicos, no influye

en la tendencia obtenida en las gráficas.

Al realizar el modelamiento de los datos no se ve cambios importantes en las diferentes

transformaciones (logarítmica, exponencial, potencial), ya que el coeficiente de correlación

y el coeficiente de determinación siempre eran valores cercanos a 0.

El número de golpes con las que son compactadas las briquetas tienen gran incidencia en

el porcentaje de vacíos, ya que a mayor número de golpes (75) se encuentran menos

porcentajes de vacíos en la mezcla total y compactando a menor número de golpes se tiene

menos porcentaje de vacíos llenos de asfaltos.

Aunque las imágenes quedaron bien clasificadas no se puede descartar que si tienen en

cuenta solo tres bandas (R, G, B), puede que existan niveles digitales que se confundan

con otros por lo que se presentan algunos datos atípicos en los resultados.

CONCLUSIONES MARIAM RIVAS DIAZGRANADOS

126

Se debe tener gran atención al momento de generar la clasificación supervisada, puesto

que si no se seleccionan bien las muestras de entrenamiento no se van a obtener resultados

satisfactorios en las clases determinadas.

Para determinar la macrotextura y microtextura de un pavimento se realizan ensayos los

cuales resultan ser costosos y demorados y algunos de mucha exclusividad de los lugares

en donde los realizan; por esto se ve la necesidad de implementar métodos más rápidos y

económicos para evaluar estas propiedades de los pavimentos.

Realizar el estudio directamente in-situ en un tramo de vía específico, puede llegar ser más

efectivo para obtener áreas más grandes de trabajo y resultados más favorables en los

ensayos de laboratorio.

Se propone una metodología donde se pueda realizar perfiles longitudinales en las

briquetas y así generar nuevamente la correlación con los datos obtenidos a partir del

laboratorio.

RECOMENDACIONES MARIAM RIVAS DIAZGRANADOS

127

6. RECOMENDACIONES

Para poder evaluar y realizar una mejor clasificación de la información, se puede hacer el

estudio tomando las fotografías con la banda del infrarrojo, ya que tal vez puede clasificar

con mucha más precisión los niveles digitales teniendo así un porcentaje más bajo de

pixeles que se queden sin clasificar.

Una posible solución es calcular las desviaciones que se tengan en el pavimento y permita

obtener las diferencias de nivel para generar un perfil por muestra y obtener otra variable

de comparación en el estudio.

Realizar comparaciones con otros ensayos de laboratorio más específicos como los

equipos topográficos clásicos, perfilógrafo láser, rugosímetro de Merlín entre otros y

comparar si se pueden obtener resultados más favorables.

BIBLIOGRAFIA MARIAM RIVAS DIAZGRANADOS

128

7. BIBLIOGRAFÍA

Achutegui, F Crespo del Río, R Sánchez, B y Sánchez, I. “La medida de la resistencia al

deslizamiento y de la textura. Panorámica internacional”. España. 1996.

Alvarado Moya, José Pablo. Notas de clase Procesamiento y Análisis de Imágenes

Digitales. Instituto Tecnológico de Costa Rica. Escuela de Ingeniería Electrónica. Versión

del 26 de mayo de 2012

Amarasiri, Saumya Priyadari. Optical Texture-Based Tools for Monitoring Pavement Surface

Wear and Cracks Using Digital Images. Universidad del Sur de Florida. Ingeniería Civil y

Ambiental. 2011.

Asociación De Productores y Pavimentadores Asfalticos De Colombia. ASOPAC. Cartilla

del Pavimento Asfaltico. Editado por ASOPAC. 2004

Asociación Mundial de Carreteras, AIPCR. (World Road Association, AIPCR).

Conocimientos y técnicas sobre las carreteras y los transportes. Chambon, Sylvie.

Asociación Mundial de la Carretera. Experimento Internacional AIPCR de Comparación y

Armonización de las Medidas de Textura y Resistencia al Deslizamiento. Comité Técnico

AIPCR de Características Superficiales. París. 1995

ASTM E-1911. Individual Commitment y Group Effort TICS.Ltd. Dynamic friction Tester. [en

línea: http://www.tics.hu/DFTester.htm].

Badilla Vargas, Gustavo. Determinación de la regularidad superficial del pavimento,

mediante el cálculo del Índice de Regularidad Internacional. (IRI). Infraestructura Vial, Vol

11 (#21), 26-33. 2009.

Barraza Eléspuru, Giuliana. Resistencia al Deslizamiento en Pavimentos Flexibles:

Propuesta De Norma Peruana. Universidad Peruana de Ciencias Aplicadas. Facultad de

Ingeniería. 2004.

Betancourt, G. A. (2005). Las máquinas de soporte vectorial (SVMs).

C. Burges B. Schölkopf and A. Smola. Advances in kernel methods: Support vector

machines. Cambridge, MA: MIT Press, 1999.

http://www.piarc.org/es/


129

C. Burges. A tutorial on support vector machines for pattern recognition. Data Mining and

Knowledge Discovery, vol. 2, no. 2, 1998.

Cáceres Morales, C. A. Análisis de la Metodología Superpave para el Diseño de Mezclas

Asfálticas en México. Tesis Licenciatura. Ingeniería Civil. Departamento de Ingeniería Civil

y Ambiental, Escuela de Ingeniería y Ciencias, Universidad de las Américas Puebla.

Noviembre. 2007

Chuvieco, E. (2002). Fundamentos de Teledetección Ambiental. Madrid, España: Rialp,

Ediciones, SA.

Cortes Bahamón, Nelson. Restauración de imágenes mediante un modelo matemático

basado en las técnicas de detección de bordes y propagación de texturas. Universidad

Nacional de Colombia Facultad de Ciencias, Departamento de Matemáticas Bogotá,

Colombia 2011.

Crespo del Rio, Ramón. Jornadas Sobre La Calidad En El Proyecto y La Construcción De

Carreteras. AEPO Ingenieros Consultores. BARCELONA 19 de mayo 1999.

Departamento Administrativo De Planeación Distrital. Plan de Ordenamiento Territorial de

Bogotá: Decreto 619 de 2000.

F. Caro, G. Peña. Análisis y criterios para el cálculo del Índice de Rugosidad Internacional

(IRI) en vías urbanas colombianas que orienten la elaboración de una especificación

técnica. Intekhnia. 2012.

GONZALEZ, R. y P. Wintz, Digital Image Processing. Addison-Wesley. 1987

González, F. (2003). Máquinas con Vectores de Soporte - SVM.

González RC, Woods RE 1996. Tratamiento digital de imágenes, Addison-Wesley

Publishing Co, Reading, Washington.

Gutiérrez, M., & eT al. (2005). Clasificación no supervisada de coberturas vegetales sobre

imágenes digitales de sensores remotos: “landsat – etm+”. Medellín: Universidad Nacional.

Recuperado el 19 de agosto de 2015,

Higuera Sandoval, Carlos. Diseño de estructuras de pavimentos en afirmado Escuela de

Transportes y Vías, Facultad de Ingeniería. Universidad Pedagógica y Tecnológica de

Colombia. Tunja. 2008.


130

Instituto de Desarrollo Urbano, Universidad de los Andes. Manual de Pavimentos para

Bogotá. 1994.

Instituto de Desarrollo Urbano. Especificación Técnica Cemento Asfaltico. Articulo 200-

2011.

Instituto del Cemento Portland Argentino ICPA. Avances en la rugosidad IRI. 1995

Instituto Mexicano Del Transporte (IMT), Secretaria De Comunicaciones y Transportes.

Diagnóstico de las Características Superficiales de los Pavimentos. Sanfandila. 1998.

Instituto Nacional de Vías. Norma I.N.V. E – 748 – 07, Resistencia de Mezclas Asfálticas en

Caliente Empleando El Aparato Marshall. Bogotá, Colombia: 2007, p. 2. Impreso Ediciones

LTDA.

Instituto Nacional de Vías. Norma I.N.V. E – 790 – 07, Determinación del Índice

Internacional de Rugosidad (IRI) para Medir la Rugosidad de los Pavimentos, Bogotá,

Colombia: 2007, p. 2. Impreso Ediciones LTDA.

Instituto Nacional de Vías. Norma I.N.V. E – 791 – 07, Textura Superficial De Un Pavimento

Mediante El Método Del Círculo De Arena. Bogotá, Colombia: 2007, p. 2. Impreso Ediciones

LTDA.

Instituto Nacional de Vías. Norma I.N.V. E – 791 – 13, Textura Superficial De Un Pavimento

Mediante El Método Del Círculo De Arena. Bogotá, Colombia: 2013, p. 2. Impreso Ediciones

LTDA.

Instituto Nacional de Vías. Norma I.N.V. E – 792 – 07, Coeficiente De Resistencia Al

Deslizamiento Usando El Péndulo Británico. Bogotá, Colombia: 2007, p. 2. Impreso

Ediciones LTDA.

Instituto Nacional de Vías. Norma I.N.V. E – 792 – 13, Medida Del Coeficiente De

Resistencia Al Deslizamiento Usando El Péndulo Británico. Bogotá, Colombia: 2013, p. 2.

Impreso Ediciones LTDA.

Instituto Nacional de Vías. Disposiciones Generales para la Ejecución de Riegos De

Imprimación, Liga y Curado, Tratamientos Superficiales, Sellos de Arena Asfalto, Lechadas

Asfálticas, Mezclas Asfálticas en Frío y en Caliente y Reciclado de Pavimentos Asfálticos.

Artículo 400- 2013.


131

Kraemer C, Rocci S, Ingeniería de carreteras. Vol.2, 1ª ed., Editorial McGraw Hill, 2004.

La Serna Palomino, Nora, Román Concha, Ulises. Técnicas de Segmentación en

Procesamiento Digital de Imágenes. Facultad de Ingeniería de Sistemas e Informática

Universidad Nacional Mayor de San Marcos. Revista de Ingeniería de Sistemas e

Informática vol. 6, N. 2, Julio - Diciembre 2009

Lizarazo Ivan. Getting Started with Rgis V- 0.1. Facultad de Ingeniería. Universidad Distrital

Francisco José de Caldas. Bogotá, agosto 2013..

Lizarazo, I., & Medina, R. (2014). Evaluación de la fusión de imágenes satelitales usando

la transformada de Wavelet con relación a los métodos tradicionales. Universidad Distrital.

Recuperado el 08 de Mayo de 2013.

M. Sayers y S. Karamihas. The Little Book of Profiling, Michigan, USA: University of

Michigan, 1988, p. 52.

Maila Paucar Manuel Elías. Comportamiento De Una Mezcla Asfáltica Modificada Con

Polímero Etileno Vinil Acetato (Eva). Facultad De Ingeniería, Ciencias Físicas y Matemática.

Universidad Central Del Ecuador. Quito – Ecuador. 2013

Ministerio de Transporte. Manual para la inspección visual de pavimentos flexibles. Bogotá

D.C. octubre de 2006.

Moliard, Jean-Marc; Chambon, Sylvie. Automatic Road Pavement Assessment with Image

Processing. Departement of MACS, Institut Francais des Sciences et Technologies des

Transports, de l’Am´enagement et des R´eseaux (IFSTTAR), France. 2011.

Montejo Fonseca, Alfonso. Ingeniería de Pavimentos. Universidad Católica de Colombia.

Bogotá D.C. 2002.

Prado Campos, Carlos. Bioestadística. Pontificia Universidad Católica de Chile. Instituto de

matemáticas. Departamento de Estadística. 1981.

R. Torrent. Avances en la rugosidad (IRI) de Pavimentos de Hormigón Construidos con

Pavimentadoras de Molde Deslizante, Buenos Aires, Argentina: Instituto del Cemento

Portland Argentino, 1999.

Romero Manchado, Antonio. Dpto. de Ingeniería Cartográfica, Geodésica y Fotogrametría.

Escuela Politécnica Superior. 2000


132

Rondón, H. A. Asfaltos y mezclas asfálticas. Editorial EAE, Madrid, España, 2012.

Rondón, H.A. ; REYES, F.A. Pavimentos, Materiales, construcción y diseño. Bogotá,

Febrero de 2015. Ecoe Ediciones Ltda.

Sayers, Michael W. Banco Mundial. El experimento de la International Road rugosidad. El

establecimiento de correlación y un estándar de calibración para mediciones. Documento

técnico 45. 1986.

Secretaría Distrital de Movilidad. Información consolidada de los IPAT (Informes Policiales

de Accidentes de Tránsito). 2014

Solminihac, Hernán. Cabrera, Cristian. Bengoa Elva. Evaluación De La Capacidad

Estructural Y Funcional Del Pavimento Durante El Proceso De Construcción. Departamento

de Ingeniería y Gestión de la Construcción. Pontificia Universidad Católica de Chile. 2011.

Solminihac, Hernán. Echaveguren, Tomas. Antecedentes Para La Inspección Y Diseño De

Especificaciones De Textura, Resistencia Al Deslizamiento y Fricción En Pavimentos.

Pontificia Universidad Católica de Chile. 2011.

V.Ñ. Vapnik. The nature of statistical learning theory. New York: Springer-Verlag, 1995.

V.Ñ. Vapnik. Statistical learning theory. New York: Wiley, 1998

3DRiskMapping. (2008). Teoría y práctica del escaneo laser terrestre. Preparado por el

proyecto herramientas de aprendizaje para el levantamiento tridimensional avanzado en la

conciencia de riesgos.

ANEXOS MARIAM RIVAS DIAZGRANADOS

133

ANEXO A CODIGO PARA LA CLASIFICACIÓN DE LAS IMÁGENES MEDIANTE SVM

# Código de Profesor Ivan Lizarazo

# Definición de la Ruta de Trabajo rm(list=ls()) getwd() setwd("E:/Mariam/otravez/Georreferenciadas") getwd() # Cargar la imagen en R library(foreign) library(raster) library(kernlab) library(mda) library(vcd) library(sp) library(rgdal) library(scatterplot3d) library(maptools) # cargar imagen muestra<-stack("22_8.tif") muestra # class : RasterStack # dimensions : 3867, 5147, 19903449, 3 (nrow, ncol, ncell, nlayers) # resolution : 0.002999, 0.002999 (x, y) # extent : -2.620497, 12.81536, -5.629455, 5.967678 (xmin, xmax, ymin, ymax) # coord. ref. : +proj=tmerc +lat_0=4.596200416666666 +lon_0=-74.07750791666666 +k=1 +x_0=1000000 +y_0=1000000 +ellps=GRS80 +towgs84=0,0,0,0,0,0,0 +units=m +no_defs # names : X22.1, X22.2, X22.3 # min values : 0, 0, 0 # max values : 255, 255, 255 names(muestra) <- c("band1","band2","band3") plot(muestra) hist(muestra) # Composición a color par(mfrow=c(1,1)) plotRGB(muestra, r=3, g=2, b=1) # Estadísticas Unibandas resumen <- summary(muestra) resumen # Matriz de Covarianza covar <- cov(as.matrix(muestra)) covar


134

# Matriz de Correlación corr <- cor(as.matrix(muestra)) corr # Ploteos de Dispersión pairs(muestra) # Archivo de cobertura vector=readOGR(dsn="E:/Mariam/Shape",layer="Muestra") vector plot(vector, col='orange') # Definición aleatoria de 150 puntos p.train <- spsample(vector,150,"random") temp1 <- over(p.train,vector) resp <- temp1$Value # Obtención de ND de la imagen en cada punto de muestreo trainvals <- extract(muestra, p.train) trainvals # Adición de clases de cobertura a los puntos de entrenamiento sp.train = SpatialPointsDataFrame(p.train, temp1) sp.train # Visualización entrenamiento plotRGB(muestra,r=3,g=2,b=1) plot(vector,col='red', add=TRUE) plot(sp.train,col='red', add=TRUE) # Definición de 1600 puntos de validación p.test <- spsample(vector,300,"random") # Obtención de clases existentes en los sitios de validación temp <- over(p.test,vector) temp # Creación de la respuesta del modelo response <- temp$Value response # Obtención de ND de la imagen en cada punto de muestreo testvals <- extract(muestra, p.test) testvals # Adición de clases de cobertura a los puntos de entrenamiento sp.test = SpatialPointsDataFrame(p.test, temp) sp.test


135

# Visualización validación plot(vector) plot(sp.test ,col='blue', add=TRUE) # Clasificación de la cobertura del suelo usando SVM # cargue de la librería requerida library(kernlab) # Entrenamiento de SVM svp_1 <- ksvm(trainvals,resp, type="C-svc",kernel='rbf',kpar=list(sigma=2.5),C=50) svp_1 # Support Vector Machine object of class "ksvm" # SV type: C-svc (classification) # parameter : cost C = 50 # Gaussian Radial Basis kernel function. # Hyperparameter : sigma = 2.5 # Number of Support Vectors : 33 # Objective Function Value : -2.0139 -1.8836 -1.3335 -4.536 -179.3572 -1.9234 # Training error : 0.006667 # Vectores de soporte alpha(svp_1) alphaindex(svp_1) b(svp_1) # Predicción modelo clasepred <- predict(svp_1,getValues(muestra)) clasepred Muestra # Creación del un raster con las clases de cobertura obtenidas por el algoritmo SVM Predicción <- raster(ncols=5147,nrows=3867,xmn=-2.620497, xmx=12.81536, ymn=-5.629455, ymx=5.967678) predicción[1:19903449] <- clasepred r<-predicción Predicción # raster de clases existentes en el terreno y el raster de clases obtenidas mediante SVM plot(vector, main="Clases existentes en el terreno") plot(predicción, main="Clases obtenidas mediante SVM") # escribir la imagen library(rgdal) rf<-writeRaster(r,filename="muestreo_22.tif",format="GTiff",overwrite=TRUE)


136

## Evaluación de exactitud temática # Obtención de clase predicha en cada punto de validación temp$clas <- extract(prediccion, p.test) # Derivación de la matriz de confusión library(mda) conf <- confusion(temp$Value, temp$clas) conf # Porcentaje correctamente clasificado pcc <- 100 * sum(diag(conf))/nrow(temp) pcc # Obtención del valor kappa k1 = Kappa(conf)$Unweighted[[1]] k1

evaluaciÓn de la textura y la rugosidad de pavimentos

Documents