evaluación superficial de pavimentos rígidos en carreteras

1Evaluacioacuten superficial de pavimentos riacutegidos en carreteras mediante ortoimaacutegenes obtenidas mediante un vehiacuteculo aeacutereo no tripulado

AVANCES Investigacioacuten en ingenieriacutea bull ISSN 1794-4953 bull e-ISSN 2619-6581 bull Vol 17 (1) bull DOI 10180411794-4953avances26599

Esta obra estaacute bajo una licencia de Creative CommonsReconocimiento-No comercial-SinObraDerivada 40 internacional DOI doiorg10180411794-4953avances15727

Evaluacioacuten superficial de pavimentos riacutegidos en carreteras mediante ortoimaacutegenes obtenidas mediante

un vehiacuteculo aeacutereo no tripulado

Surface Evaluation of Rigid Pavements on Roads using Orthoi-mages Obtained through an Unmanned Aerial Vehicle

Pablo Andreacutes Pucha Aguinsaca1 Belizario Amador Zaacuterate Torres2

1httpsorcidorg0000-0003-0177-6831 Universidad Teacutecnica Particular de Loja Loja Ecuador papuchautpleduec

2httpsorcidorg0000-0002-3457-0381 Universidad Teacutecnica Particular de Loja Loja Ecuador bazarateutpleduec

Fecha de recepcioacuten 08082020 - Fecha de aceptacioacuten del artiacuteculo 25092020

Coacutemo citar Pucha Aguinsaca P amp Zaacuterate Torres B (2020) Evaluacioacuten superficial de pavimentos riacutegidos en carreteras mediante ortoimaacutegenes obtenidas mediante un vehiacuteculo aeacutereo no tripulado Avances Investigacioacuten En Ingenieriacutea 17(2) httpsdoiorg10180411794-4953avances26599

Resumen

El artiacuteculo explora un meacutetodo alterno de evaluacioacuten superficial del pavimento de redes viales que consiste en automatizar la recoleccioacuten el procesamiento y el anaacutelisis del estado del pavimento utilizando un vehiacuteculo aeacutereo no tripulado (VANT) El objetivo era evaluar la condicioacuten superficial del pavimento riacutegido de un tramo de carretera empleando ortoimaacutegenes obtenidas mediante un VANT y la metodologiacutea del iacutendice de condicioacuten del pavimento La investigacioacuten corresponde al tipo de disentildeo no experimental cuantitativo y transversal Como resultado la precisioacuten obtenida con el ajuste de las imaacutegenes VANT en la fase de procesamiento se halla dentro de las tolerancias establecidas para este tipo de trabajos ya que estaacuten por debajo de los 003 metros El error cometido entre la medida obtenida en campo y la realizada sobre la ortofoto se halla por debajo del RMSE del ajuste realizado con el algoritmo SfM por lo que las distancias medidas y la condicioacuten del pavimento determinadas son confiables Se concluye que el uso de la teacutecnica VANT es adecuada para detectar y medir deterioros en la superficie de carreteras porque se obtiene informacioacuten detallada y precisa de su condicioacuten

Palabras clave carreteras evaluacioacuten superficial ortoimaacutegenes pavimento riacutegido VANT

Abstract

This research explores an alternative method of surface evaluation of road pavement which consists of automating the collection processing and analysis of the state of the pavement using an unmanned aerial vehicle (UAV) The objective of this research is to evaluate the surface condition of the rigid pavement of a section of intramountainous road using orthoimages obtained by UAV and the methodology of the pavement condition index This is a nonexperimental quantitative and cross-research design Hence the precision obtained with the adjustment of the UAV images from the processing phase is accurate to the established tolerances for this type of work They are below 003 meters the committed error between the measure from the field and the one from orthophoto is below the RMSE and the adjustment made with the algorithm SfM Thus the measured distances and the condition of the pavement are reliable It is concluded that the use of the UAV technique is adequate to detect and measure deterioration on the road surface and to obtain detailed and precise information on its condition

Keywords Orthoimages rigid pavement roads surface evaluation UAV

2 Pablo Andreacutes Pucha Aguinsaca Belizario Amador Zaacuterate Torres


Introduccioacuten Las carreteras desempentildean un papel indispensable como parte de la infraestructura de la sociedad [1] En la actualidad se observa el crecimiento de la red vial a gran escala en pequentildeas y grandes ciudades debido a la necesidad de movilizarse con calidad seguridad y comodidad [2] Por la importancia de las carreteras en los aacutembitos internacional y local se necesitan estudios evaluaciones y planificaciones adecuadas ya sea en el momento de su disentildeo construccioacuten de nueva infraestructura vial mejoramiento o reconstruccioacuten de la existente asiacute como evaluaciones para gestionar un adecuado mantenimiento vial Para ello se necesitan datos reales y confiables que nos permitan tomar decisiones correctas [3] todo esto con la finalidad de garantizar la calidad de la red vial mejorar la circulacioacuten vehicular y evitar posibles accidentes

La evaluacioacuten de las carreteras implica evaluaciones teacutecnicas funcionales y estructurales [4] Dentro de la evaluacioacuten funcional se encuentra la superficial del pavimento que define la actividad de mantenimiento que se deberiacutea ejecutar superficialmente en un pavimento como bacheos parchados tratamientos de fisuras y sellados La evaluacioacuten superficial del pavimento ademaacutes brinda indicios para una solucioacuten estructural de acuerdo con la magnitud y tipo de falla que se complementa con evaluaciones estructurales como recapeos cambio y repotenciacioacuten del paquete estructural o base granular [5] En esta investigacioacuten se abordoacute la evaluacioacuten superficial porque se considera como un primer paso en la programacioacuten de mantenimientos y correcciones en las carreteras [5]

En el mundo la evaluacioacuten del estado de la superficie del pavimento en carreteras se realiza con algunas metodologiacuteas como el Iacutendice de Condicioacuten del Pavimento (PCI por sus siglas en ingleacutes) [6] el Iacutendice de Regularidad Internacional (IRI por sus siglas en ingleacutes) [7] y Visioacuten e Inspeccioacuten de Zonas e Itinerarios en Riesgo (VIZIR) [8] El objetivo principal de estas metodologiacuteas es evaluar la condicioacuten del pavimento de una carretera seguacuten el dantildeo su irregularidad y falla superficial Al aplicar estos meacutetodos se registran todas las fallas existentes en un tramo de estudio para proponer una solucioacuten adecuada seguacuten la condicioacuten o severidad en la que se encuentre Los instrumentos que se utilizan para facilitar esta evaluacioacuten son las fotografiacuteas con caacutemaras digitales [9] fotogrametriacutea a corto alcance [10] prueba de parche de arena [11] o fotogrametriacutea con dron [12] [13]

En las redes locales y urbanas el problema permanente de la escasez de gestioacuten para las estrategias de mantenimiento rehabilitacioacuten y reconstruccioacuten ha llevado en muchos casos a utilizar teacutecnicas no ajustadas o deficientes para evaluar detectar y analizar los dantildeos en el pavimento de carreteras lo que conduce a resultados ineficaces Por lo tanto es necesario contar con herramientas que nos permitan evaluaciones raacutepidas y confiables para la rehabilitacioacuten oportuna de las viacuteas [14] [15] Actualmente la evaluacioacuten superficial de pavimentos en Ecuador se realiza mediante las tres metodologiacuteas mencionadas en la mayoriacutea de casos Asiacute mismo se estaacute utilizando una teacutecnica de fotogrametriacutea que proporciona una mayor cobertura y permite visualizar los tipos de fallas en la superficie del pavimento [13] esto gracias al empleo de vehiacuteculos aeacutereos no tripulados (VANT) o unmanned aerial vehicle (UAV)



La teacutecnica VANT ha demostrado su relevancia para la cartografiacutea de las zonas de difiacutecil acceso el monitoreo de zonas de inundacioacuten la inspeccioacuten de pavimentos el mapeo urbano y topograacutefico la mineriacutea los caminos forestales etc [15]-[21] Ademaacutes se estaacute considerando una nueva metodologiacutea eficaz y necesaria para adquirir datos espaciales de alta precisioacuten no solo para evaluar pavimentos sino para distintas utilidades [12] La evaluacioacuten superficial de pavimentos mediante VANT es maacutes beneficiosa en cuanto a tiempos seguridad y comodidad tanto de los usuarios de la viacutea evaluada como de los interesados en el estudio en comparacioacuten al meacutetodo tradicional [15] [22] [23] Los datos recolectados por el VANT pueden analizarse las veces que sean necesarios sin maacutes vuelos ademaacutes permiten observar la evolucioacuten y la aparicioacuten de nuevas fallas en forma temporal para tomar alternativas de mantenimiento vial adecuado [13]

El objetivo de la investigacioacuten fue evaluar la condicioacuten superficial actual del pavimento riacutegido de un tramo de carretera empleando ortoimaacutegenes obtenidas mediante un VANT para definir las alternativas de intervencioacuten que requiere el pavimento a la fecha de la evaluacioacuten y dentro de este concepto demostrar una aplicacioacuten maacutes de estos equipos en la ingenieriacutea civil como una nueva opcioacuten para el monitoreo y evaluacioacuten superficial de pavimentos con poca o ninguna interaccioacuten humana requerida a fin de obtener un meacutetodo viable y raacutepido que sirva a su vez para entidades encargadas de la gestioacuten de las redes viales Con las imaacutegenes obtenidas con el uso del VANT se reconstruyen modelos tridimensionales (3D) de la zona de estudio asiacute como ortoimaacutegenes desde las cuales se realizan las mediciones correspondientes de los dantildeos en el pavimento junto a la metodologiacutea PCI para evaluar el estado del pavimento

La metodologiacutea de este artiacuteculo inicia con la revisioacuten del estado del arte sobre las carreteras tipos e instrumentos de evaluacioacuten superficial de pavimentos Luego con un plan experimental se define y evaluacutea la zona de prueba Seguidamente se analiza la zona de estudio para colocar una estacioacuten del tipo Global Navigation Satellite System (GNSS) no permanente asiacute como establecer puntos de control para obtener sus posiciones con equipo GNSS y luego obtener las fotografiacuteas con la teacutecnica VANT Despueacutes se muestran las imaacutegenes VANT procesadas en un software basado en Structure from Motion (SfM) para la generacioacuten de ortofotos y modelos digitales 3D donde se identificaron y midieron todas las fallas para luego aplicar la metodologiacutea PCI a fin de evaluar el pavimento Finalmente se presentan los resultados obtenidos discusioacuten y las conclusiones correspondientes

1 MetodologiacuteaLa presente investigacioacuten correspondioacute al tipo de disentildeo no experimental cuantitativo y transversal Para la evaluacioacuten superficial de la condicioacuten del pavimento en la zona de estudio se siguioacute la metodologiacutea mostrada en la figura 1 que se resume en obtener datos de campo seguido del procesamiento y anaacutelisis de la informacioacuten para finalmente aplicar la metodologiacutea PCI y evaluar el pavimento



Figura 1 Metodologiacutea propuesta para la evaluacioacuten del pavimento empleando VANT y el meacutetodo PCI

11 Zona de estudio

La zona de estudio (figura 2) corresponde al tramo comprendido entre la abscisa 5+25600 a la 5+93600 de la carretera Catamayo-San Pedro de la Bendita (carretera de montantildea) correspondiente al eje transversal sur (E50)

Figura 2 Imagen aeacuterea del tramo de prueba



En la tabla 1 se resumen las caracteriacutesticas del tramo de la viacutea de estudio

Tabla 1 Informacioacuten de la zona de estudio

Denominacioacuten E50 eje transversal sur Ruta Huaquillas-Arenillas-Catamayo-Loja-Zamora

Tipo de carretera Carretera de dos carriles un carril por cada sentido de circulacioacuten

Tipo de pavimento Riacutegido

Ancho de calzada 960 metros

Longitud de losas 400 metros

Configuracioacuten del traacutensito Traacutefico liviano mediano y pesado

Para obtener los productos fotogrameacutetricos georreferenciados y efectuar las medidas con precisioacuten en la zona de estudio se establecieron una estacioacuten GNSS no permanente asiacute como cuatro puntos de control A fin de determinar sus coordenadas se emplearon dos receptores GNSS marca Trimble modelo R6 con la teacutecnica fast static en la estacioacuten base y con la teacutecnica Real Time Kinetimatic (RTK) en los puntos de control El sistema de referencia empleado es UTM WGS-84 zona 17S El posproceso se realizoacute mediante el software Trimble Business Centre versioacuten 22

12 Vehiacuteculo aeacutereo no tripulado

Las imaacutegenes aeacutereas utilizadas para generar las ortofotos se obtuvieron empleando un VANT Mavic Pro de DJI (figura 3) provisto de una caacutemara frontal de 1235 M con distancia focal de 22 Tiene una autonomiacutea de vuelo de 27 min y un alcance de 13 km con velocidad maacutexima horizontal y vertical de ascensodescenso de 65 y 53 kmh respectivamente Su fuente de alimentacioacuten es una bateriacutea inteligente tipo LiPo 3S que proporciona un voltaje de 114 y una capacidad de 3830 mAh

Figura 3 Dron DJI Mavic Pro utilizado en el estudio



El vuelo se planificoacute con la aplicacioacuten DroneDeploy en la cual se introdujeron los siguientes valores altura de vuelo 25 metros velocidad horizontal 3 ms traslape longitudinal 75thinsp y traslape transversal 70thinsp lo que permitioacute tener una distancia de muestreo del terreno (GSD) de 092 cmpx

Antes de realizar el vuelo se utilizoacute la aplicacioacuten UAV Forecast para pronosticar el tiempo (clima temperatura viento direccioacuten viento raacutefagas visibilidad precipitacioacuten Kp) y determinar de esta forma si existen las condiciones para volar Para identificar los puntos de control desde el aire se emplearon blancos en forma de cruz para identificarlos en el procesamiento Debido a las caracteriacutesticas topograacuteficas y extensioacuten de la zona de estudio en una carretera de montantildea hubo dos planificaciones de vuelo (figura 4)

Figura 4 Planificacioacuten de vuelo mediante DroneDeploy a) tramo 1 y b) tramo 2

Ejecutada la planificacioacuten de los vuelos se obtuvieron 949 imaacutegenes en 2 vuelos el primero con una duracioacuten de 19 min y el segundo de 23 min Para la fase de generacioacuten de ortofoto se utilizoacute el software pix4dmapper versioacuten 456 con licencia de prueba la cual no presenta limitaciones de uso sino restriccioacuten de tiempo a diferencia de la licencia completa El procesamiento en este software consistioacute en generar la nube de puntos malla georreferenciacioacuten con los puntos de control obtencioacuten de textura y la generacioacuten de ortofoto

Para el levantamiento de las fallas existentes en campo por el meacutetodo convencional se emplearon hojas de inspeccioacuten cataacutelogo de fallas como referencia instrumentos de medicioacuten equipo de proteccioacuten fotografiacuteas digitales y ademaacutes se cerroacute parcialmente la carretera por el traacutefico de vehiacuteculos Se identificaron y midieron todas las fallas en el tramo de estudio El tiempo total de evaluacioacuten de todas las fallas en el tramo fue de 15 h con un rendimiento de inspeccioacuten promedio de 5 min por cada falla con dos personas evaluadoras esto por la cantidad de deterioros encontrados y el traacutensito de vehiacuteculos

Deteccioacuten y medicioacuten de dantildeos del pavimento en la ortofoto generada Mediante la ortofoto generada se registraron los dantildeos identificados en el pavimento de la zona de estudio con lo cual se logroacute determinar la longitud o aacuterea seguacuten el tipo de falla Se tuvo como resultado un total de 290 dantildeos empleando el software pix4dmapper hojas de inspeccioacuten digitales y una persona evaluadora



13 Aplicacioacuten del meacutetodo PCI para evaluar la condicioacuten del pavimento

Seguacuten el meacutetodo PCI (ASTM 6433) cada tramo de muestra en capas de rodadura de losas de concreto debe tener un aacuterea de unidad de muestreo entre el rango 20thinspplusmnthinsp8 losas En el presente estudio se tomaron unidades de muestra de 20 losas cada una las cuales generan un total de 17 unidades de muestra en tramos de 40 m El meacutetodo considera ademaacutes un nuacutemero miacutenimo de unidades de muestra para ser evaluadas a fin de obtener un nivel de confianza del 95thinsp del PCI que en este estudio fue de 12 Sin embargo para esta investigacioacuten se consideraron todas las 17 unidades de muestreo con la finalidad de evaluar la condicioacuten del pavimento en todo el tramo de prueba Los datos inspeccionados y medidos de cada unidad de muestreo se colocaron en una hoja de exploracioacuten de la condicioacuten del pavimento en la cual se indican los diferentes tipos de dantildeos severidad y cantidades de acuerdo con el manual de dantildeos para determinar el PCI Con la informacioacuten sobre los dantildeos se calcula el PCI que se basa en los valores deducidos de cada dantildeo seguacuten la cantidad y severidad obtenida

2 Resultados

Luego del procesamiento de las imaacutegenes se generoacute la ortofoto de la zona de estudio como se indica en la figura 5

Figura 5 Producto fotogrameacutetrico ortofoto con grietas lineales y parches identificados



Producto de los ajustes de los puntos de control se obtuvieron las siguientes precisiones representadas en los errores X Y Z y el error medio cuadraacutetico horizontal XY (tabla 2)

Tabla 2 Errores de ajuste de los puntos de control

Puntos de control Precisioacuten XYZ (m) Error X (m) Error Y (m) Error Z (m)

PC1 (3D) 00200020 minus0003 0005 0000

PC2 (3D) 00200020 0012 minus0030 0000

PC3 (3D) 00200020 minus0020 0035 0000

PC4 (3D) 00200020 0011 minus0011 0000

Media (m) minus000002 0000058 minus000012

Desviacioacuten estaacutendar (m) 0013049 0023847 0000303

Error medio cuadraacutetico RMSE (m)

RMSE XY RMSE X RMSE Y RMSE Z

0027184 0013049 0023847 0000326

La tabla 3 muestra las longitudes de las grietas lineales seleccionadas para validar el meacutetodo Existieron 30 grietas lineales (figura 6) denominadas G1 G2hellip Gn Se determinaron mediante las mediciones in situ y las mediciones realizadas con la ortofoto

Figura 6 Grieta lineal identificada y medida en campo

Tabla 3 Comparacioacuten entre la longitud real medida en sitio y mediante el procesamiento de imaacutegenes aeacutereas VANT de grietas lineales identificadas en la viacutea de prueba

Grietas lineales Medida en sitio (m) Medida VANT a 25 m (m) Error (m)

G1 421 419 002

G2 325 326 001

G3 416 419 003

G4 423 425 002

G5 166 166 000

G6 421 420 001

G7 105 105 000




G8 280 280 000

G9 323 324 001

G10 256 257 001

G11 093 092 001

G12 166 166 000

G13 069 066 003

G14 420 420 000

G15 184 186 002

G16 343 345 002

G17 236 236 000

G18 405 408 003

G19 190 193 003

G20 414 417 003

G21 186 185 001

G22 415 414 001

G23 240 239 001

G24 285 282 003

G25 355 356 001

G26 410 413 003

G27 453 450 003

G28 190 191 001

G29 145 143 002

G30 252 253 001

Desviacioacuten estaacutendar (m) 00109

La tabla 4 muestra las medidas de deterioros tipo parche (figura 7) Existieron 6 fallas de este tipo en todo el tramo de estudio P1 P2 P3 P4 P5 y P6

Figura 7 Parche grande identificado y medido en campo



Tabla 4 Comparacioacuten entre el aacuterea real medida en sitio y mediante el procesamiento de imaacutegenes aeacutereas de VANT de parches identificados en la viacutea de prueba

Parches Medida en sitio (m2) Medida VANT a 25 m (m2) Error (m2)

P1 288 288 000

P2 432 427 005

P3 288 286 002

P4 288 283 005

P5 288 284 004

P6 288 285 003

Desviacioacuten estaacutendar (m2) 00177

En la tabla 5 se muestran los resultados de la evaluacioacuten del pavimento aplicando la metodologiacutea PCI en las 17 muestras de la viacutea

Tabla 5 Resultados del iacutendice PCI mediante el meacutetodo VANT

Muestra Asbcisa de inicio Coordenadas PCI-VANT Condicioacuten del pavimento

M1 05+25600 675941378 E 9563850817 N 40 Pobre

M2 05+29600 675908933 E 9563827565 N 76 Muy Bueno

M3 05+33600 675876385 E 9563804292 N 58 Bueno

M4 05+37600 675843851 E 9563781094 N 695 Bueno

M5 05+41600 675811313 E 9563757817 N 87 Excelente

M6 05+45600 675778827 E 9563734605 N 80 Muy Bueno

M7 05+49600 675746274 E 956371145 N 100 Excelente

M8 05+53600 675713677 E 9563688273 N 100 Excelente

M9 05+57600 675679493 E 9563667583 N 80 Muy Bueno

M10 05+61600 675642954 E 9563651073 N 66 Bueno

M11 05+65600 675604775 E 9563639510 N 80 Muy Bueno

M12 05+69600 675565616 E 9563631652 N 49 Regular

M13 05+73600 675526299 E 9563624217 N 45 Regular

M14 05+77600 675486929 E 9563616783 N 415 Regular

M15 05+81600 675447797 E 9563609242 N 45 Regular

M16 05+85600 675408692 E 9563600405 N 52 Regular

M17 05+89600 675370935 E 9563587361 N 74 Muy Bueno

Seguacuten los resultados obtenidos en la viacutea de prueba existen desde condiciones pobres (M1) a condiciones excelentes (M5 M7 M8) con diferentes tipos de deterioros que se mencionan a continuacioacuten grieta de esquina losa dividida grietas lineales y de durabilidad parches y punzonamiento con severidades desde bajas hasta altas Los resultados de tipos de dantildeos evaluados mediante el meacutetodo PCI en la viacutea de prueba indican que se tienen 6 tipos de deterioros con un mayor nuacutemero y densidad de dantildeo de tipo grieta lineal en las 17 muestras evaluadas Seguacuten la evaluacioacuten hay un mayor nuacutemero de muestras del estado del pavimento con condiciones aceptables



Como medida de mantenimiento o rehabilitacioacuten de las fallas encontradas a la fecha de evaluacioacuten del pavimento con la metodologiacutea PCI se tiene lo siguiente sellados de grietas parcheos profundos remplazo de losa y remplazo de parche

3 Discusioacuten

Los resultados de la tabla 2 demuestran que la precisioacuten obtenida con el ajuste de las imaacutegenes VANT en la fase de procesamiento se hallan dentro de las tolerancias establecidas para este tipo de trabajos ya que se encuentran por debajo de los 003 m Estos errores estaacuten de acuerdo con los errores reportados por estudios que han utilizado el algoritmo SfM [24]-[26]

Las mediciones en grietas presentan una desviacioacuten estaacutendar del error en las mediciones de 00109 m por debajo al obtenido con VANT La diferencia radica en el grado de refinamiento para medir distancias sobre la ortofoto puesto que puede existir una falsa apreciacioacuten de la posicioacuten que se desee medir

Tomando en cuenta que se trata de mediciones longitudinales el error cometido entre la medida obtenida en campo y la realizada sobre la ortofoto se encuentra por debajo de la incertidumbre dada por el error cuadraacutetico medio (RMSE) del ajuste realizado con el algoritmo SfM por lo que son confiables las distancias medidas en este caso en particular

El error en los deterioros medidos por el meacutetodo convencional y el meacutetodo VANT da como resultado un error absoluto promedio en longitud de 0015 m o 15 cm (grietas lineales) y en aacuterea de 003 m2 (parches) con una desviacioacuten estaacutendar para este tipo de falla de 00177 m2 El error es la diferencia entre el valor observado y el valor real cada punto de datos tiene un error

Para evaluar las diferencias entre los dos tipos de mediciones in situ (meacutetodo convencional) y mediante VANT tambieacuten se determinoacute el RMSE de estas dos mediciones que dieron como resultado un valor para grietas lineales de 00185 m (185 cm) y para parches de 00363 m2 Las mediciones se dividieron en dos partes medicioacuten in situ y medicioacuten con VANT La medicioacuten del VANT se realizoacute a 25 m de altitud Los resultados indicaron que se mostroacute una mayor diferencia de error en las grietas G3 G13 G18 G19 G20 G24 G26 y G27 que fueron de aproximadamente 003 m mientras que para la diferencia maacutes baja o error fueron las grietas G5 G7 G8 G12 G14 y G17 que fue de aproximadamente 000 m Para los deterioros tipo parche el valor maacutes alto de error fue en los parches P2 y P4 de 005 m2 entre tanto el valor maacutes bajo fue en el parche P1 de 000 m2

Becker et al [27] en su investigacioacuten sobre la comparacioacuten de softwares de fotogrametriacutea digital para la caracterizacioacuten de masa de roca indicoacute en sus resultados que el software pix4dmapper obtuvo un error medio cuadraacutetico horizontal (RMSE XY) de 00206 pies (000628 m) y un valor de RMSE miacutenimo para puntos de control de 0000 pies y maacuteximo de 00250 pies (000762 m) a una altura de vuelo de 30 a 45 pies (9 a 14 m) de la zona de estudio con 5 puntos de control Tomaštiacutek et al [28] por su parte obtuvieron en sus resultados precisiones de RMSE horizontales de 0040 m a 0114 m con 4 puntos de control y RMSE horizontales de 0037 m a 0075 m con 9 puntos de control a una altura de vuelo de 50 a 60 m Hrůza et al [29] obtuvieron como resultado un RMSE posicional de 00118 m con 15



puntos de control a una altura de vuelo de 4 a 6 m de una carretera Zeybek y Serkan [15] alcanzaron precisiones de error RMSE entre mediciones mediante software y mediciones en campo de 0010 m en mediciones de diaacutemetros y 0076 m en longitudes a una altura promedio de vuelo de 55 m sin puntos de control en el software pix4dmapper

Los valores de RMSE fueron consistentes con la investigacioacuten planteada Los resultados muestran que las mediciones con el software pix4dmapper son similares a las obtenidas con el meacutetodo de inspeccioacuten tradicional Todos estos resultados nos indican la validacioacuten del meacutetodo para evaluar el pavimento mediante un VANT

En cuanto a los rendimientos obtenidos con el meacutetodo convencional se tuvo la evaluacioacuten de las 17 unidades de muestra en un tiempo de 8thinsph por su parte con el meacutetodo VANT se levantoacute la informacioacuten de las 17 unidades de muestra en 1thinsph En oficina el tiempo total de procesamiento edicioacuten de ortofoto identificacioacuten y contabilizacioacuten de fallas fue de 5thinsph Con el meacutetodo VANT si aparecen vehiacuteculos en las imaacutegenes obtenidas se pueden eliminar o modificar en aras de generar una ortofoto de la viacutea libre para su anaacutelisis Ademaacutes esta ortofoto permite identificar el lugar de cada falla y registrarlas para evaluar y medir sus respectivas dimensiones con fines de una futura intervencioacuten

Schnebele et al [30] mencionan que los meacutetodos tradicionales proporcionan informacioacuten precisa y valiosa pero obtener estos datos lleva mucho tiempo Ademaacutes cuando la interpretacioacuten de la severidad del dantildeo se determina seguacuten el juicio (aunque existan criterios de calificacioacuten bien establecidos) los resultados pueden variar Por lo tanto la integracioacuten de meacutetodos alternativos maacutes automatizados y semiautomatizados es inevitable y proporciona resultados importantes al cubrir mayor aacuterea de evaluacioacuten Haas y McNeil [31] por su parte indican que la evaluacioacuten tradicional es subjetiva y esto casi siempre conduce a inconsistencias en el detalle de los dantildeos En consecuencia las evaluaciones convencionales se limitan a pequentildeos tamantildeos de muestra procedimientos sencillos de mantenimiento y recopilacioacuten de datos poco frecuente en comparacioacuten con las teacutecnicas automatizadas que son potencialmente maacutes consistentes y completas

Al aplicar el meacutetodo convencional en campo con la utilizacioacuten de instrumentos de medicioacuten cataacutelogo de fallas equipo de proteccioacuten y fotografiacuteas digitales en comparacioacuten con la aplicacioacuten del meacutetodo VANT puntos de control software de procesamiento y productos fotogrameacutetricos se tiene que el meacutetodo VANT es maacutes oacuteptimo porque automatiza el procedimiento de evaluacioacuten tiene un menor tiempo de recoleccioacuten y evaluacioacuten de la informacioacuten menor nuacutemero de personas para la inspeccioacuten mejor precisioacuten y calidad en los datos recopilados [30] mayor seguridad al momento de realizar el levantamiento de la superficie de la carretera sin obstruir el traacutensito y mayor cobertura deL aacuterea de evaluacioacuten [13] [30] Sin embargo la aplicacioacuten del meacutetodo convencional conjuntamente con el meacutetodo VANT brinda una mayor confianza en los datos recolectados y evaluados

Conclusiones

En la ingenieriacutea de carreteras la inspeccioacuten del estado de la carretera es un proceso riguroso que requiere una imagen detallada y completa antes de tomar las adecuadas medidas de mantenimiento o rehabilitacioacuten Sin embargo los meacutetodos de inspeccioacuten convencionales requieren demasiado tiempo trabajo intensivo y en la mayoriacutea de las ocasiones es inseguro para todos los usuarios de la carretera Este artiacuteculo propuso un meacutetodo automaacutetico y eficiente para evaluar el estado de la



superficie de una carretera utilizando imaacutegenes de fotogrametriacutea VANT y la metodologiacutea PCI De esta manera se obtuvieron las siguientes conclusiones

Se evaluoacute la condicioacuten superficial del pavimento riacutegido de un tramo de la carretera Catamayo-San Pedro de la Bendita empleando ortoimaacutegenes obtenidas mediante VANT y la metodologiacutea del PCI que dio como resultado un estado del pavimento promedio ldquoBuenordquo De acuerdo con la evaluacioacuten y los resultados obtenidos se observaron 6 tipos de deterioros y severidades desde bajas hasta altas con un mayor nuacutemero y densidad de dantildeo de tipo grieta lineal en toda la zona de estudio Con la teacutecnica VANT y la metodologiacutea PCI se evaluaron 17 muestras de pavimento riacutegido de 40 m de longitud cada una en un tramo de estudio de 680 m donde se obtuvieron 185 losas con dantildeos de un total de 340 losas de hormigoacuten Se propusieron alternativas de intervencioacuten o medidas correctivas de mantenimiento que requiere el pavimento a la fecha de evaluacioacuten seguacuten el tipo de dantildeo encontrado en la evaluacioacuten superficial

En cuanto a las mediciones de fallas obtenidas de la teacutecnica VANT se compararon con las mediciones del meacutetodo de inspeccioacuten tradicional en campo Se encontroacute que ambas mediciones produjeron resultados similares y que el error de longitud y aacuterea de la deteccioacuten fue a nivel de centiacutemetro lo que implica una perspectiva prometedora en la praacutectica de la ingenieriacutea civil Por su parte el software pix4dmapper tuvo una buena precisioacuten para los puntos de control indicados anteriormente los cuales se consideran beneficiosos para una mejor precisioacuten del modelo Con el ajuste de las imaacutegenes VANT en la etapa de procesamiento se obtuvo una precisioacuten aceptable dentro del margen establecido para este tipo de trabajos ya que se encuentra por debajo de los 003thinspm Asiacute el error cometido entre la medida obtenida en campo y la realizada sobre la ortofoto se halla por debajo del RMSE del ajuste realizado con el algoritmo SfM por lo que son confiables las distancias medidas y las condiciones del pavimento determinadas

Se concluye que el uso de la teacutecnica de medicioacuten VANT es adecuada cuando se busca detectar y medir fallas en la superficie de la carretera ya que se puede obtener informacioacuten precisa y detallada sobre la superficie de la carretera a partir de datos 2D y 3D Los resultados de esta investigacioacuten trazan un enfoque oacuteptimo en pro de planificar intervenciones necesarias para restaurar el pavimento de la carretera a un nivel aceptable La ventaja de este enfoque sobre los meacutetodos de inspeccioacuten tradicionales es que se realiza en un flujo de traacutefico normal y que no es necesario cerrar parcial o totalmente la viacutea para ejecutar el levantamiento El uso del VANT permite el levantamiento de informacioacuten en corto tiempo sin poner en riesgo la vida de las personas que llevan a cabo la evaluacioacuten

El sistema efectuado en esta investigacioacuten mide dantildeos y evaluacutea la condicioacuten de la carretera por lo que es una nueva opcioacuten para el monitoreo y la evaluacioacuten superficial de pavimentos y podriacutea ser de ayuda para instituciones encargadas de los ejes viales frente a la toma de decisiones para una mejor gestioacuten de carreteras

El trabajo futuro se centraraacute en incrementar el aacuterea de evaluacioacuten asiacute como en mejorar la precisioacuten y la eficiencia de este meacutetodo teniendo en cuenta que el despliegue de maacutes puntos de control podriacutea incrementar la precisioacuten del modelo Generalmente hay muchas marcas estables con caracteriacutesticas geograacuteficas conocidas a lo largo de las carreteras que podriacutean utilizarse como puntos de control en modelado 3D y extraccioacuten de caracteriacutesticas sin mucho esfuerzo en teacuterminos de trabajo de campo



Referencias

1 E G Carnero Carnero y G G Carnero Guzmaacuten [1] J Wang H Gonzaacutelez R Lindenbergh P Arias-Saacutenchez y M Menenti ldquoAutomatic estimation of excavation volume from laser mobile mapping data for mountain road wideningrdquo Remote Sens vol 5 nordm 9 pp 4629-4651 2013 httpsdoiorg103390rs5094629

[2] D Caacuterdenas O Holguiacuten y S Zabala ldquoAuscultacioacuten visual realizada mediante el drone dji phantom 4 pro con implementacioacuten de metodologiacuteas VIZIR y PCI para pavimentos flexibles en la carretera 69B sur entre la avenida Primera de Mayo y calle 9A sur-Barrio villa Claudia-Ciudad Bogotaacuterdquo tesis de grado Univ Piloto Bogotaacute Colombia 2019

[3] P J Grandsaert ldquoIntegrating pavement crack detection and analysis using autonomous unmanned aerial vehicle imageryrdquo tesis de maestriacutea Air Force Institute of Technology Ohio Estados Unidos 2015 [En liacutenea] Disponible httpsscholarafiteduetd147

[4] G Thenoux y R Gaete ldquoEvaluacioacuten teacutecnica del pavimento y comparacioacuten de meacutetodos de disentildeo de capas de refuerzo asfaacutelticordquo Rev Ing Constr nordm 14 pp 56-72 1995

[5] S Sarsam A Daham y A Ali ldquoAssessing close range photogrammetric approach to evaluate pavement surface conditionrdquo J Eng vol 22 nordm 1 pp 1-14 2016

[6] ASTM D6433-99 International ldquoProcedimiento estaacutendar para la inspeccioacuten del iacutendice de condicioacuten del pavimento en caminos y estacionamientosrdquo 2011

[7] S A Arhin L N Williams A Ribbiso y M F Anderson ldquoPredicting pavement condition index using International Roughness Index in a dense urban areardquo J Civ Eng Res vol 5 nordm 1 pp 10-17 2015 httpsdoiorg105923jjce2015050102

[8] P Autret y J Brousse ldquoVIZIR-Meacutethode drsquoevaluation des chaussees souplesrdquo Bulletin des laboratoires des Ponts et Chausseacutees nordm especial XVII 1994

[9] S Sarsam ldquoVisual assessment of pavement surface condition for Baghdad International Airportrdquo Int J Transp Eng Traffic Syst vol 2 nordm 1 pp 1-9 2015 [En liacutenea] Disponible en httpswwwresearchgatenetpublication300428815 [Accedido 05-dic-2019]

[10] S Sarsam A Daham y A M Ali ldquoComparative assessment of using visual and close range photogrammetry techniques to evaluate rigid pavement surface distressesrdquo Trends Transp Eng Appl vol 2 nordm 2 pp 28-36 2015 [en liacutenea] Disponible httpengineeringjournalss tmjournals in index php T TEA ar t ic le view2814 [Accedido 05-dic-2019]

[11] S I Sarsam y A M Ali ldquoAssessing pavement surface macrotexture using sand patch test and close range photogrammetric approachesrdquo Int J Mater Chem Phys vol 1 nordm 2 pp 124-131 2015 [en liacutenea] Disponible httpwwwaiscienceorgjournalijmcp [Accedido 05-dic-2019]

[12] P Martiacutenez Fernaacutendez D Dayamit Ojeda Martiacutenez E Peacuterez Garciacutea y F Bravo Lorenzo ldquoVehiacuteculos aeacutereos no tripulados (VANT) en Cuba aplicados a la geomaacutetica estado actual perspectivas y desarrollordquo Cuba 2014 [En liacutenea] Disponible httpobservatoriogeograficoamericalatinaorgmxegal15NuevastecnologiasTeledeteccion10pdf

[13] J Cruz y J Gutieacuterrez ldquoEvaluacioacuten superficial de viacuteas urbanas empleando vehiacuteculo aeacutereo no tripulado (VANT)rdquo Meacutetodos Materiales vol 8 pp 23-32 2018 httpsdoiorg1015517MYMV8I134113

[14] L Inzerillo G Di Mino y R Roberts ldquoImage-based 3D reconstruction using traditional and UAV datasets for analysis of road pavement distressrdquo Autom Constr vol 96 pp 457-469 2018 httpsdoiorg101016jautcon201810010

[15] M Zeybek y B Serkan ldquoRoad distress measurements using UAVrdquo Turkish J Remote Sens GIS vol 1 nordm 1 pp 13-23 2020 [en liacutenea] Disponible en httpsdergiparkorgtrenpubrsgisissue50577678805 [Accedido 02-may-2020]



[16] A A Doshi A J Postula A Fletcher y S P N Singh ldquoDevelopment of micro-UAV with integrated motion planning for open-cut mining surveillancerdquo Microprocess Microsyst vol 39 pp 829-835 2015 httpsdoiorghttpdxdoiorg101016jmicpro201507008

[17] Q Feng J Liu y J Gong ldquoUrban flood mapping based on unmanned aerial vehicle remote sensing and random forest classifier a case of Yuyao Chinardquo Water vol 7 pp 1437-1455 2015 httpsdoiorg103390w7041437

[18] E Buğday ldquoCapabilities of using UAVs in forest road construction activitiesrdquo Eur J For Eng vol 4 nordm 2 pp 56-62 2018 httpsdoiorg1033904ejfe499784

[19] K Johansen P D Erskine y M F McCabe ldquoUsing unmanned aerial vehicles to assess the rehabilitation performance of open cut coal minesrdquo J Clean Prod vol 209 pp 819-833 2019 httpsdoiorghttpsdoiorg101016jjclepro201810287

[20] A Pijl M Tosoni G Roder G Sofia y P Tarolli ldquoDesign of terrace drainage networks using UAV-based high-resolution topographic datardquo Water vol 11 nordm 4 p 814 2019 httpsdoiorg103390w11040814

[21] J Tomaštiacutek M Mokroš P Surovyacute A Grznaacuterovaacute y J Merganič ldquoUAV RTKPPK method-an optimal solution for mapping inaccessible forested areasrdquo Remote Sens vol 11 nordm 6 p 721 2019 httpsdoiorg103390rs11060721

[22] A M Saad y K N Tahar ldquoIdentification of rut and pothole by using multirotor unmanned aerial vehicle (UAV)rdquo Measurement vol 137 pp 647-654 2019 httpsdoiorghttpsdoiorg101016jmeasurement201901093

[23] Y Tan y Y Li ldquoUAV photogrammetry-based 3D road distress detectionrdquo ISPRS Int J Geo-Information vol 8 nordm 9 p 409 2019 httpsdoiorg103390ijgi8090409

[24] D Turner A Lucieer y S M de Jong ldquoTime series analysis of landslide dynamics using an Unmanned Aerial Vehicle (UAV)rdquo Remote Sens vol 7 nordm 2 pp 1736-1757 2015 httpsdoiorg103390rs70201736

[25] M V Peppa J P Mills P Moore P E Miller y J E Chambers ldquoAccuracy assessment of a uav-based landslide monitoring systemrdquo Int Arch Photogramm Remote Sens Spat Inf Sci vol XLI-B5 pp 895-902 2016 httpsdoiorg105194isprsarchives-XLI-B5-895-2016

[26] B U Meinen y D T Robinson ldquoStreambank topography an accuracy assessment of UAV-based and traditional 3D reconstructionsrdquo Int J Remote Sens vol 41 nordm 1 pp 1-18 2020 httpsdoiorg1010800143116120191597294

[27] R E Becker L J Galayda y M M MacLaughlin ldquoDigital photogrammetry software comparison for rock mass characterizationrdquo Am Rock Mech Assoc pp 1-7 2018 [en liacutenea] Disponible httpsparnsfgovservletspurl10066209

[28] J Tomaštiacutek M Mokroš S Saloš F Chudỳ y D Tunaacutek ldquoAccuracy of photogrammetric UAV-based point clouds under conditions of partially-open forest canopyrdquo Forests vol 8 nordm 5 p 151 2017 httpsdoiorg103390f8050151

[29] P Hrůza T Mikita y P Janata ldquoMonitoring of forest hauling roads wearing course damage using unmanned aerial systemsrdquo Acta Univ Agric Silvic Mendelianae Brun vol 64 nordm 5 pp 1537-1546 2016 httpsdoiorg1011118actaun201664051537

[30] E Schnebele B F Tanyu G Cervone y N Waters ldquoReview of remote sensing methodologies for pavement management and assessmentrdquo Eur Transp Res Rev vol 7 nordm 7 pp 1-19 2015 httpsdoiorg101007s12544-015-0156-6

[31] C Haas y S Mcneil ldquocriteria for evaluating pavement imaging systemsrdquo Transportation Research Record 1260 pp 64-73 1990 [en liacutenea] Disponible httponlinepubstrborgOnlinepubstrr199012601260-007pdf



Introduccioacuten Las carreteras desempentildean un papel indispensable como parte de la infraestructura de la sociedad [1] En la actualidad se observa el crecimiento de la red vial a gran escala en pequentildeas y grandes ciudades debido a la necesidad de movilizarse con calidad seguridad y comodidad [2] Por la importancia de las carreteras en los aacutembitos internacional y local se necesitan estudios evaluaciones y planificaciones adecuadas ya sea en el momento de su disentildeo construccioacuten de nueva infraestructura vial mejoramiento o reconstruccioacuten de la existente asiacute como evaluaciones para gestionar un adecuado mantenimiento vial Para ello se necesitan datos reales y confiables que nos permitan tomar decisiones correctas [3] todo esto con la finalidad de garantizar la calidad de la red vial mejorar la circulacioacuten vehicular y evitar posibles accidentes

La evaluacioacuten de las carreteras implica evaluaciones teacutecnicas funcionales y estructurales [4] Dentro de la evaluacioacuten funcional se encuentra la superficial del pavimento que define la actividad de mantenimiento que se deberiacutea ejecutar superficialmente en un pavimento como bacheos parchados tratamientos de fisuras y sellados La evaluacioacuten superficial del pavimento ademaacutes brinda indicios para una solucioacuten estructural de acuerdo con la magnitud y tipo de falla que se complementa con evaluaciones estructurales como recapeos cambio y repotenciacioacuten del paquete estructural o base granular [5] En esta investigacioacuten se abordoacute la evaluacioacuten superficial porque se considera como un primer paso en la programacioacuten de mantenimientos y correcciones en las carreteras [5]

En el mundo la evaluacioacuten del estado de la superficie del pavimento en carreteras se realiza con algunas metodologiacuteas como el Iacutendice de Condicioacuten del Pavimento (PCI por sus siglas en ingleacutes) [6] el Iacutendice de Regularidad Internacional (IRI por sus siglas en ingleacutes) [7] y Visioacuten e Inspeccioacuten de Zonas e Itinerarios en Riesgo (VIZIR) [8] El objetivo principal de estas metodologiacuteas es evaluar la condicioacuten del pavimento de una carretera seguacuten el dantildeo su irregularidad y falla superficial Al aplicar estos meacutetodos se registran todas las fallas existentes en un tramo de estudio para proponer una solucioacuten adecuada seguacuten la condicioacuten o severidad en la que se encuentre Los instrumentos que se utilizan para facilitar esta evaluacioacuten son las fotografiacuteas con caacutemaras digitales [9] fotogrametriacutea a corto alcance [10] prueba de parche de arena [11] o fotogrametriacutea con dron [12] [13]

En las redes locales y urbanas el problema permanente de la escasez de gestioacuten para las estrategias de mantenimiento rehabilitacioacuten y reconstruccioacuten ha llevado en muchos casos a utilizar teacutecnicas no ajustadas o deficientes para evaluar detectar y analizar los dantildeos en el pavimento de carreteras lo que conduce a resultados ineficaces Por lo tanto es necesario contar con herramientas que nos permitan evaluaciones raacutepidas y confiables para la rehabilitacioacuten oportuna de las viacuteas [14] [15] Actualmente la evaluacioacuten superficial de pavimentos en Ecuador se realiza mediante las tres metodologiacuteas mencionadas en la mayoriacutea de casos Asiacute mismo se estaacute utilizando una teacutecnica de fotogrametriacutea que proporciona una mayor cobertura y permite visualizar los tipos de fallas en la superficie del pavimento [13] esto gracias al empleo de vehiacuteculos aeacutereos no tripulados (VANT) o unmanned aerial vehicle (UAV)










11 Zona de estudio





























2 Resultados








PC1 (3D) 00200020 minus0003 0005 0000

PC2 (3D) 00200020 0012 minus0030 0000

PC3 (3D) 00200020 minus0020 0035 0000

PC4 (3D) 00200020 0011 minus0011 0000





0027184 0013049 0023847 0000326





G1 421 419 002

G2 325 326 001

G3 416 419 003

G4 423 425 002

G5 166 166 000

G6 421 420 001

G7 105 105 000




G8 280 280 000

G9 323 324 001

G10 256 257 001

G11 093 092 001

G12 166 166 000

G13 069 066 003

G14 420 420 000

G15 184 186 002

G16 343 345 002

G17 236 236 000

G18 405 408 003

G19 190 193 003

G20 414 417 003

G21 186 185 001

G22 415 414 001

G23 240 239 001

G24 285 282 003

G25 355 356 001

G26 410 413 003

G27 453 450 003

G28 190 191 001

G29 145 143 002

G30 252 253 001








P1 288 288 000

P2 432 427 005

P3 288 286 002

P4 288 283 005

P5 288 284 004

P6 288 285 003





M1 05+25600 675941378 E 9563850817 N 40 Pobre

M2 05+29600 675908933 E 9563827565 N 76 Muy Bueno

M3 05+33600 675876385 E 9563804292 N 58 Bueno

M4 05+37600 675843851 E 9563781094 N 695 Bueno

M5 05+41600 675811313 E 9563757817 N 87 Excelente

M6 05+45600 675778827 E 9563734605 N 80 Muy Bueno

M7 05+49600 675746274 E 956371145 N 100 Excelente

M8 05+53600 675713677 E 9563688273 N 100 Excelente

M9 05+57600 675679493 E 9563667583 N 80 Muy Bueno

M10 05+61600 675642954 E 9563651073 N 66 Bueno

M11 05+65600 675604775 E 9563639510 N 80 Muy Bueno

M12 05+69600 675565616 E 9563631652 N 49 Regular

M13 05+73600 675526299 E 9563624217 N 45 Regular

M14 05+77600 675486929 E 9563616783 N 415 Regular

M15 05+81600 675447797 E 9563609242 N 45 Regular

M16 05+85600 675408692 E 9563600405 N 52 Regular

M17 05+89600 675370935 E 9563587361 N 74 Muy Bueno





3 Discusioacuten














Conclusiones












Referencias











































11 Zona de estudio





























2 Resultados








PC1 (3D) 00200020 minus0003 0005 0000

PC2 (3D) 00200020 0012 minus0030 0000

PC3 (3D) 00200020 minus0020 0035 0000

PC4 (3D) 00200020 0011 minus0011 0000





0027184 0013049 0023847 0000326





G1 421 419 002

G2 325 326 001

G3 416 419 003

G4 423 425 002

G5 166 166 000

G6 421 420 001

G7 105 105 000




G8 280 280 000

G9 323 324 001

G10 256 257 001

G11 093 092 001

G12 166 166 000

G13 069 066 003

G14 420 420 000

G15 184 186 002

G16 343 345 002

G17 236 236 000

G18 405 408 003

G19 190 193 003

G20 414 417 003

G21 186 185 001

G22 415 414 001

G23 240 239 001

G24 285 282 003

G25 355 356 001

G26 410 413 003

G27 453 450 003

G28 190 191 001

G29 145 143 002

G30 252 253 001








P1 288 288 000

P2 432 427 005

P3 288 286 002

P4 288 283 005

P5 288 284 004

P6 288 285 003





M1 05+25600 675941378 E 9563850817 N 40 Pobre

M2 05+29600 675908933 E 9563827565 N 76 Muy Bueno

M3 05+33600 675876385 E 9563804292 N 58 Bueno

M4 05+37600 675843851 E 9563781094 N 695 Bueno

M5 05+41600 675811313 E 9563757817 N 87 Excelente

M6 05+45600 675778827 E 9563734605 N 80 Muy Bueno

M7 05+49600 675746274 E 956371145 N 100 Excelente

M8 05+53600 675713677 E 9563688273 N 100 Excelente

M9 05+57600 675679493 E 9563667583 N 80 Muy Bueno

M10 05+61600 675642954 E 9563651073 N 66 Bueno

M11 05+65600 675604775 E 9563639510 N 80 Muy Bueno

M12 05+69600 675565616 E 9563631652 N 49 Regular

M13 05+73600 675526299 E 9563624217 N 45 Regular

M14 05+77600 675486929 E 9563616783 N 415 Regular

M15 05+81600 675447797 E 9563609242 N 45 Regular

M16 05+85600 675408692 E 9563600405 N 52 Regular

M17 05+89600 675370935 E 9563587361 N 74 Muy Bueno





3 Discusioacuten














Conclusiones












Referencias




























































2 Resultados








PC1 (3D) 00200020 minus0003 0005 0000

PC2 (3D) 00200020 0012 minus0030 0000

PC3 (3D) 00200020 minus0020 0035 0000

PC4 (3D) 00200020 0011 minus0011 0000





0027184 0013049 0023847 0000326





G1 421 419 002

G2 325 326 001

G3 416 419 003

G4 423 425 002

G5 166 166 000

G6 421 420 001

G7 105 105 000




G8 280 280 000

G9 323 324 001

G10 256 257 001

G11 093 092 001

G12 166 166 000

G13 069 066 003

G14 420 420 000

G15 184 186 002

G16 343 345 002

G17 236 236 000

G18 405 408 003

G19 190 193 003

G20 414 417 003

G21 186 185 001

G22 415 414 001

G23 240 239 001

G24 285 282 003

G25 355 356 001

G26 410 413 003

G27 453 450 003

G28 190 191 001

G29 145 143 002

G30 252 253 001








P1 288 288 000

P2 432 427 005

P3 288 286 002

P4 288 283 005

P5 288 284 004

P6 288 285 003





M1 05+25600 675941378 E 9563850817 N 40 Pobre

M2 05+29600 675908933 E 9563827565 N 76 Muy Bueno

M3 05+33600 675876385 E 9563804292 N 58 Bueno

M4 05+37600 675843851 E 9563781094 N 695 Bueno

M5 05+41600 675811313 E 9563757817 N 87 Excelente

M6 05+45600 675778827 E 9563734605 N 80 Muy Bueno

M7 05+49600 675746274 E 956371145 N 100 Excelente

M8 05+53600 675713677 E 9563688273 N 100 Excelente

M9 05+57600 675679493 E 9563667583 N 80 Muy Bueno

M10 05+61600 675642954 E 9563651073 N 66 Bueno

M11 05+65600 675604775 E 9563639510 N 80 Muy Bueno

M12 05+69600 675565616 E 9563631652 N 49 Regular

M13 05+73600 675526299 E 9563624217 N 45 Regular

M14 05+77600 675486929 E 9563616783 N 415 Regular

M15 05+81600 675447797 E 9563609242 N 45 Regular

M16 05+85600 675408692 E 9563600405 N 52 Regular

M17 05+89600 675370935 E 9563587361 N 74 Muy Bueno





3 Discusioacuten














Conclusiones












Referencias







































PC1 (3D) 00200020 minus0003 0005 0000

PC2 (3D) 00200020 0012 minus0030 0000

PC3 (3D) 00200020 minus0020 0035 0000

PC4 (3D) 00200020 0011 minus0011 0000





0027184 0013049 0023847 0000326





G1 421 419 002

G2 325 326 001

G3 416 419 003

G4 423 425 002

G5 166 166 000

G6 421 420 001

G7 105 105 000




G8 280 280 000

G9 323 324 001

G10 256 257 001

G11 093 092 001

G12 166 166 000

G13 069 066 003

G14 420 420 000

G15 184 186 002

G16 343 345 002

G17 236 236 000

G18 405 408 003

G19 190 193 003

G20 414 417 003

G21 186 185 001

G22 415 414 001

G23 240 239 001

G24 285 282 003

G25 355 356 001

G26 410 413 003

G27 453 450 003

G28 190 191 001

G29 145 143 002

G30 252 253 001








P1 288 288 000

P2 432 427 005

P3 288 286 002

P4 288 283 005

P5 288 284 004

P6 288 285 003





M1 05+25600 675941378 E 9563850817 N 40 Pobre

M2 05+29600 675908933 E 9563827565 N 76 Muy Bueno

M3 05+33600 675876385 E 9563804292 N 58 Bueno

M4 05+37600 675843851 E 9563781094 N 695 Bueno

M5 05+41600 675811313 E 9563757817 N 87 Excelente

M6 05+45600 675778827 E 9563734605 N 80 Muy Bueno

M7 05+49600 675746274 E 956371145 N 100 Excelente

M8 05+53600 675713677 E 9563688273 N 100 Excelente

M9 05+57600 675679493 E 9563667583 N 80 Muy Bueno

M10 05+61600 675642954 E 9563651073 N 66 Bueno

M11 05+65600 675604775 E 9563639510 N 80 Muy Bueno

M12 05+69600 675565616 E 9563631652 N 49 Regular

M13 05+73600 675526299 E 9563624217 N 45 Regular

M14 05+77600 675486929 E 9563616783 N 415 Regular

M15 05+81600 675447797 E 9563609242 N 45 Regular

M16 05+85600 675408692 E 9563600405 N 52 Regular

M17 05+89600 675370935 E 9563587361 N 74 Muy Bueno





3 Discusioacuten














Conclusiones












Referencias





































G8 280 280 000

G9 323 324 001

G10 256 257 001

G11 093 092 001

G12 166 166 000

G13 069 066 003

G14 420 420 000

G15 184 186 002

G16 343 345 002

G17 236 236 000

G18 405 408 003

G19 190 193 003

G20 414 417 003

G21 186 185 001

G22 415 414 001

G23 240 239 001

G24 285 282 003

G25 355 356 001

G26 410 413 003

G27 453 450 003

G28 190 191 001

G29 145 143 002

G30 252 253 001








P1 288 288 000

P2 432 427 005

P3 288 286 002

P4 288 283 005

P5 288 284 004

P6 288 285 003





M1 05+25600 675941378 E 9563850817 N 40 Pobre

M2 05+29600 675908933 E 9563827565 N 76 Muy Bueno

M3 05+33600 675876385 E 9563804292 N 58 Bueno

M4 05+37600 675843851 E 9563781094 N 695 Bueno

M5 05+41600 675811313 E 9563757817 N 87 Excelente

M6 05+45600 675778827 E 9563734605 N 80 Muy Bueno

M7 05+49600 675746274 E 956371145 N 100 Excelente

M8 05+53600 675713677 E 9563688273 N 100 Excelente

M9 05+57600 675679493 E 9563667583 N 80 Muy Bueno

M10 05+61600 675642954 E 9563651073 N 66 Bueno

M11 05+65600 675604775 E 9563639510 N 80 Muy Bueno

M12 05+69600 675565616 E 9563631652 N 49 Regular

M13 05+73600 675526299 E 9563624217 N 45 Regular

M14 05+77600 675486929 E 9563616783 N 415 Regular

M15 05+81600 675447797 E 9563609242 N 45 Regular

M16 05+85600 675408692 E 9563600405 N 52 Regular

M17 05+89600 675370935 E 9563587361 N 74 Muy Bueno





3 Discusioacuten














Conclusiones












Referencias






































P1 288 288 000

P2 432 427 005

P3 288 286 002

P4 288 283 005

P5 288 284 004

P6 288 285 003





M1 05+25600 675941378 E 9563850817 N 40 Pobre

M2 05+29600 675908933 E 9563827565 N 76 Muy Bueno

M3 05+33600 675876385 E 9563804292 N 58 Bueno

M4 05+37600 675843851 E 9563781094 N 695 Bueno

M5 05+41600 675811313 E 9563757817 N 87 Excelente

M6 05+45600 675778827 E 9563734605 N 80 Muy Bueno

M7 05+49600 675746274 E 956371145 N 100 Excelente

M8 05+53600 675713677 E 9563688273 N 100 Excelente

M9 05+57600 675679493 E 9563667583 N 80 Muy Bueno

M10 05+61600 675642954 E 9563651073 N 66 Bueno

M11 05+65600 675604775 E 9563639510 N 80 Muy Bueno

M12 05+69600 675565616 E 9563631652 N 49 Regular

M13 05+73600 675526299 E 9563624217 N 45 Regular

M14 05+77600 675486929 E 9563616783 N 415 Regular

M15 05+81600 675447797 E 9563609242 N 45 Regular

M16 05+85600 675408692 E 9563600405 N 52 Regular

M17 05+89600 675370935 E 9563587361 N 74 Muy Bueno





3 Discusioacuten














Conclusiones












Referencias





































3 Discusioacuten














Conclusiones












Referencias









































Conclusiones












Referencias












































Referencias


































evaluación superficial de pavimentos rígidos en carreteras

Documents