Revista de Investigación Científica y Tecnológica Llamkasun
ISSN: 2709-2275
Artículo científico
Volumen 5 Nro. 2 de 2024
https://doi.org/10.47797/llamkasun.v5i2.132
Pág. 2
Evaluación Estructural y Modelado Predictivo del Pavimento Flexible en
Zonas Rurales: Un Caso de Estudio en la Carretera Puente Palca – Palca
Structural Evaluation and Predictive Modeling of Flexible Pavement in Rural Areas: A Case
Study on the Puente Palca – Palca Road
1
Jesús Cárdenas Capcha
1
Universidad Nacional Federico Villareal, Perú
Recibido: 2024-11-04
Aceptado: 2024-12-26
Publicado: 2024-12-29
RESUMEN
Este estudio tiene como objetivo desarrollar un modelo predictivo para evaluar la condición estructural de la carpeta
asfáltica y su impacto en la serviciabilidad del pavimento flexible en la carretera Puente Palca–Palca, Huancavelica,
Perú. La investigación se enfoca en 18 puntos seleccionados a lo largo de un tramo de 3 kilómetros, empleando técnicas
como deflectometría, análisis de macrotextura, resistencia al deslizamiento (CRD), grado de compactación e Índice
Internacional de Rugosidad (IRI). El estudio sigue un diseño cuantitativo, no experimental, correlacional- explicativo,
utilizando modelos de regresión no lineal y análisis multivariable para predecir la vida útil del pavimento y su capacidad
funcional. Los resultados indican que la compactación afecta significativamente la deflectometría (R= 0,543), mientras
que el contenido de asfalto influye de manera inversa en la macrotextura (R² = 0,5648). Se observa una reducción crítica
de la textura superficial (<1,0 mm) cuando el contenido de asfalto supera el 4,2%. El tráfico pesado y las condiciones
climáticas aceleran la degradación estructural, reduciendo la vida útil del pavimento a 10- 12 años sin intervención. Sin
embargo, el modelo predictivo extiende esta vida útil a 15 años, optimizando recursos y reduciendo los costos de
mantenimiento en un 20%. La conclusión enfatiza que el modelo predictivo desarrollado para la condición estructural
tiene un impacto significativo en la serviciabilidad del pavimento flexible, mejorando su vida útil en 3-5 años y
reduciendo los costos de reparación, lo que mejora la seguridad y funcionalidad en Huancavelica.
Palabras clave: Modelo predictivo, Condición estructural, Pavimento flexible, Mantenimiento preventivo, Vida útil del
pavimento.
ABSTRACT
This study aims to develop a predictive model for evaluating the structural condition of the asphalt layer and its impact
on the serviceability of flexible pavement in the Puente Palca–Palca road, Huancavelica, Peru. The research focuses on
18 selected points along a 3-kilometer segment, employing techniques such as deflectometry, macrotexture analysis,
skid resistance (CRD), degree of compaction, and the International Roughness Index (IRI). The study follows a
quantitative, non-experimental, correlational-explanatory design, using non-linear regression models and multivariable
analysis to predict the pavement's lifespan and functional capacity. The results indicate that compaction significantly
affects deflectometry (R = 0.543), while asphalt content inversely influences macrotexture (R² = 0.5648). A critical
reduction in surface texture (<1.0 mm) occurs when asphalt content exceeds 4.2%. Heavy traffic and climatic conditions
further accelerate structural degradation, reducing pavement lifespan to 10-12 years without intervention. However, the
predictive model extends this lifespan to 15 years, optimizing resources and lowering maintenance costs by 20%. The
conclusion emphasizes that the developed predictive model for structural condition significantly impacts flexible
Evaluación Estructural y Modelado Predictivo del Pavimento Flexible en Zonas
Rurales: Un Caso de Estudio en la Carretera Puente Palca – Palca
Pág. 3
Artículo científico
Volumen 5, Número 2, 2024
https://doi.org/10.47797/llamkasun.v5i2.132
Revista de Investigación Científica y Tecnológica Llamkasun
ISSN: 2709-2275
pavement serviceability, improving its lifespan by 3-5 years and reducing repair costs, thereby enhancing safety and
functionality in Huancavelica.
Keywords: Predictive model, Structural condition, Flexible pavement, Preventive maintenance, Pavement lifespan.
INTRODUCCIÓN
La infraestructura vial constituye un pilar fundamental
para el desarrollo económico y social de las regiones,
particularmente en áreas rurales donde las carreteras son
la principal vía de conexión y acceso a servicios básicos.
En el distrito de Palca, en la región de Huancavelica, la
infraestructura vial se enfrenta a desafíos significativos
debido a condiciones geográficas y climáticas adversas,
así como a la falta de herramientas adecuadas para la
planificación y el mantenimiento de pavimentos
flexibles. Estas condiciones contribuyen al deterioro
prematuro de la carpeta asfáltica, afectando la calidad
del servicio y comprometiendo la seguridad de las vías
(Ai et al., 2022; Aigner et al., 2009; Alamri & Lu, 2022;
Amorim et al., 2015; Bi et al., 2021; Dan et al., 2020;
Higuera-Sandoval & Pacheco-Merchan, 2008; B.
Huang et al., 2007; Kwigizile et al., 2005; Le Bastard et
al., 2014, 2007; Yang et al., 2021; Y. Zhao et al., 2021).
Diversos estudios han resaltado la relevancia de
desarrollar modelos predictivos para anticipar el
deterioro de los pavimentos y optimizar las estrategias
de mantenimiento (Amorim et al., 2015; F. B. de Souza,
2005; Yang et al., 2021). Sin embargo, en contextos
rurales como el de Palca, estos esfuerzos se ven
limitados por la falta de recursos y las dificultades para
acceder a tecnologías avanzadas (Higuera- Sandoval &
Pacheco-Merchan, 2008; Kwigizile et al., 2005). Es
crucial abordar esta problemática con un enfoque
adaptado a las condiciones locales, considerando tanto
las características físicas de la región como las
necesidades específicas de la comunidad (Le Bastard et
al., 2014; Rodríguez Moreno et al., 2013).
El objetivo de la presente investigación es desarrollar un
modelo predictivo que permita evaluar la condición
estructural de la carpeta asfáltica y su influencia en la
serviciabilidad del pavimento flexible de la carretera
Puente Palca–Palca, Huancavelica. Este modelo, basado
en datos históricos y actuales, busca mejorar la
planificación de intervenciones de mantenimiento,
optimizar el uso de recursos disponibles y prolongar la
vida útil del pavimento, garantizando así la conectividad
y mejorando la calidad de vida de las comunidades
locales (Aigner et al., 2009; Alamri & Lu, 2022;
Aroquipa, 2018; Aroquipa, Hurtado, Angel, et al., 2023;
Aroquipa, 2024; Aroquipa Velásquez, 2014; Bi et al.,
2021; Dan et al., 2020; Higuera- Sandoval & Pacheco-
Merchan, 2008; B. Huang et al., 2007; Le Bastard et al.,
2007, 2014; Marcelino et al., 2021; Pradena & Wolf,
2006; V. M. A. Souza et al., 2018; Yang et al., 2021).
El estudio se desarrolla en un tramo de tres kilómetros
de la carretera Puente Palca–Palca, evaluando 18 puntos
estratégicos mediante técnicas avanzadas como la
deflectometría, el análisis de macrotextura y la medición
del grado de compactación. La deflectometría ha sido
ampliamente reconocida como una técnica efectiva para
evaluar la capacidad de carga del pavimento,
particularmente bajo condiciones climáticas adversas
(Dan et al., 2020; Whitman et al., 1997; X. Zhao et al.,
2021). Asimismo, el análisis de macrotextura y el grado
de compactación son indicadores fundamentales para
determinar la calidad superficial y estructural del
pavimento (Ai et al., 2022; Song & Yang, 2021; Vera et
al., 2010). El enfoque metodológico es cuantitativo, con
un diseño no experimental, correlacional-explicativo, lo
cual facilita la identificación de las relaciones entre la
condición estructural del pavimento y su serviciabilidad
(Aigner et al., 2009; Alamri & Lu, 2022; Bi et al., 2021;
Y. H. Huang, 2004; Le Bastard et al., 2014; Marcelino
et al., 2021; Pradena & Wolf, 2006).
La contribución innovadora de este estudio reside en el
desarrollo de un modelo predictivo específico para una
región rural con condiciones geográficas y climáticas
adversas, como Huancavelica, una perspectiva que ha
sido insuficientemente explorada en investigaciones
previas. El modelo propuesto incorpora factores locales,
tales como las características del suelo, el clima y las
cargas vehiculares propias de la región, permitiendo una
planificación proactiva del mantenimiento adaptada a
estas condiciones particulares (Aroquipa, Hurtado,
Leon, et al., 2023; Marcelino et al., 2021; V. M. A.
Souza et al., 2018). Además, la combinación de técnicas
de análisis avanzado con la inclusión de datos históricos
y actuales convierte a este modelo en una herramienta
robusta e innovadora para mejorar la durabilidad y
Evaluación Estructural y Modelado Predictivo del Pavimento Flexible en Zonas
Rurales: Un Caso de Estudio en la Carretera Puente Palca – Palca
Pág. 4
Artículo científico
Volumen 5, Número 2, 2024
https://doi.org/10.47797/llamkasun.v5i2.132
Revista de Investigación Científica y Tecnológica Llamkasun
ISSN: 2709-2275
funcionalidad de pavimentos flexibles en contextos
similares, ofreciendo una solución eficiente para la
gestión de la infraestructura vial en áreas de alta
vulnerabilidad (Amorim et al., 2015; Rodríguez Moreno
et al., 2013).
MATERIALES Y MÉTODOS
El presente estudio se llevó a cabo en un tramo de tres
kilómetros de la carretera Puente Palca – Palca, ubicada
en la región de Huancavelica, Perú. La selección de este
tramo fue motivada por su relevancia estratégica para la
conectividad regional y los desafíos que representan sus
condiciones climáticas y geográficas adversas (Amorim
et al., 2015). Se identificaron 18 puntos de medición
distribuidos a lo largo del tramo para evaluar la
condición estructural del pavimento flexible,
seleccionados tras un análisis preliminar del deterioro
visual y las características estructurales observadas
(Yang et al., 2021).
a) Definición de Puntos de Medición
Los 18 puntos de medición se establecieron
estratégicamente para representar adecuadamente las
diferentes formas de desgaste y características
estructurales a lo largo de la carretera (Figura 1). Esta
selección permitió obtener una muestra representativa
de la variabilidad en el estado del pavimento.
Figura 1.
Ubicación de los puntos de investigación en la
Carretera Puente Palca – Palca.
Fuente: Adaptado de Google Earth Pro
b) Técnicas de Ensayo
Para la evaluación del pavimento flexible, se emplearon
diversas técnicas de campo y de laboratorio que se
detallan a continuación:
• Deflectometría con Viga Benkelman: Se utilizó
la deflectometría con viga Benkelman para
medir la capacidad de carga del pavimento en
los puntos seleccionados. Esta técnica es
fundamental para caracterizar la elasticidad del
pavimento y evaluar su comportamiento
estructural bajo cargas vehiculares, Figura 2,
(Dan et al., 2020).
Figura 2.
Ensayos técnicos de ingeniería realizados en campo:
péndulo británico, deflectometría con viga Benkelman y
perfilómetro láser en el pavimento flexible.
Fuente: Elaboración propia.
• Ensayo de Macrotextura y Medición del Grado
de Compactación: Se empleó un perfilómetro
láser para realizar el análisis de la macrotextura
superficial, permitiendo caracterizar las
propiedades que afectan la fricción y, por ende,
la seguridad del tráfico vehicular (Vera et al.,
2010). Además, se realizaron extracciones de
núcleos diamantinos para evaluar el grado de
compactación del pavimento, Figura 3, dado
que la macrotextura y la compactación son
indicadores críticos para la calidad del contacto
neumático- pavimento y la seguridad vial(Bi et
al., 2021).
Evaluación Estructural y Modelado Predictivo del Pavimento Flexible en Zonas
Rurales: Un Caso de Estudio en la Carretera Puente Palca – Palca
Pág. 5
Artículo científico
Volumen 5, Número 2, 2024
https://doi.org/10.47797/llamkasun.v5i2.132
Revista de Investigación Científica y Tecnológica Llamkasun
ISSN: 2709-2275
Figura 2 ilustra los ensayos técnicos realizados en
campo, como la deflectometría y el análisis de
macrotextura, así como los instrumentos empleados en
el estudio. Esta figura es clave para comprender el
proceso de evaluación estructural del pavimento.
Figura 3.
Extracciones de núcleos diamantinos del pavimento
flexible.
Fuente: Elaboración propia.
c) Monitoreo Climático y del Tráfico
El monitoreo continuo de las condiciones climáticas se
realizó a través de estaciones meteorológicas instaladas
en la zona de estudio, registrando variables como la
temperatura y la precipitación (Marcelino et al., 2021).
Además, se llevó a cabo un seguimiento del tráfico
vehicular mediante cámaras instaladas en puntos
estratégicos para capturar la intensidad y los patrones
del tráfico (Le Bastard et al., 2007). Los datos climáticos
y de tráfico fueron integrados en el modelo predictivo,
ya que influyen directamente en la degradación del
pavimento, así como muestra la Figura 2.
d) Ensayos Marshall y Volumétricos
En el laboratorio, se realizaron ensayos de estabilidad y
flujo Marshall sobre las muestras de pavimento
extraídas, con el objetivo de determinar la resistencia a
la deformación de la carpeta asfáltica y establecer la
cantidad óptima de ligante asfáltico que garantice la
durabilidad de la estructura (Zhang et al., 2024). Los
resultados de estos ensayos se presentan en la Tabla 1,
que resume las propiedades físicas evaluadas en cada
uno de los puntos seleccionados.
Instrumentos de Recolección de Datos:
• Deflectómetro de Impacto (FWD): Utilizado
para medir la deflexión del pavimento,
proporcionando información fundamental sobre
su capacidad estructural y elasticidad (X. Zhao
et al., 2021).
• Perfilómetro Láser: Empleado para la
evaluación de la macrotextura, permitiendo una
caracterización detallada de la rugosidad
superficial del pavimento (Amorim et al.,
2015).
• Estaciones Meteorológicas y Cámaras de
Video: Las estaciones meteorológicas
proporcionaron datos continuos sobre la
precipitación y la temperatura, mientras que las
cámaras permitieron monitorear el tráfico
vehicular en el tramo estudiado. Estos factores
son determinantes en el proceso de degradación
del pavimento (Kwigizile et al., 2005).
Evaluación Estructural y Modelado Predictivo del Pavimento Flexible en Zonas
Rurales: Un Caso de Estudio en la Carretera Puente Palca – Palca
Pág. 6
Artículo científico
Volumen 5, Número 2, 2024
https://doi.org/10.47797/llamkasun.v5i2.132
Revista de Investigación Científica y Tecnológica Llamkasun
ISSN: 2709-2275
Tabla 1.
Ensayos técnicos de ingeniería realizados al pavimento flexible en la Carretera Puente Palca – Palca.
Fuente: Elaboración propia.
e) Análisis Estadístico y Desarrollo del Modelo
Predictivo
Para el análisis de los datos recolectados, se emplearon
métodos estadísticos avanzados. Específicamente, se
realizó un análisis de regresión múltiple con el propósito
de desarrollar un modelo predictivo que pueda anticipar
la degradación del pavimento bajo distintos escenarios
de tráfico y condiciones climáticas (Pradena & Wolf,
2006). La evaluación de la normalidad de las variables
se realizó mediante la prueba de Kolmogorov-Smirnov,
cuyos resultados se presentan en la Tabla 2 (Aigner et
al., 2009). Además, se empleó la simulación de Monte
Carlo para evaluar la incertidumbre inherente a las
predicciones del modelo, incorporando la variabilidad
de los factores climáticos y de tráfico (Souza et al.,
2018).
Tabla 2.
Prueba estadística de normalidad “Kolmogorov-Smirnov” para las subvariables inherentes a la variable dependiente
de “Serviciabilidad de pavimento flexible”.
Evaluación Estructural y Modelado Predictivo del Pavimento Flexible en Zonas
Rurales: Un Caso de Estudio en la Carretera Puente Palca – Palca
Pág. 7
Artículo científico
Volumen 5, Número 2, 2024
https://doi.org/10.47797/llamkasun.v5i2.132
Revista de Investigación Científica y Tecnológica Llamkasun
ISSN: 2709-2275
La integración de estas técnicas permitió realizar una
evaluación exhaustiva del estado del pavimento y
desarrollar un modelo predictivo robusto para la
planificación de intervenciones de mantenimiento.
Dicho modelo busca maximizar la vida útil del
pavimento y optimizar el uso de los recursos
disponibles, proporcionando una herramienta valiosa
para la gestión de la infraestructura vial (Rodríguez
Moreno et al., 2013; Yang et al., 2021).
RESULTADOS
Los resultados de este estudio se fundamentan en la
implementación de la metodología descrita,
enfocándose en la evaluación de la condición estructural
del pavimento flexible y la validación del modelo
predictivo desarrollado. A continuación, se presentan
los principales hallazgos derivados del análisis de
campo y laboratorio:
A. Condición Estructural del Pavimento
Los ensayos de deflectometría con viga Benkelman
revelaron que el pavimento en el tramo evaluado exhibe
una capacidad de carga heterogénea, con deflexiones
máximas que varían significativamente entre los
diferentes puntos de medición. Las áreas con mayores
valores de deflexión, indicativas de una pérdida
significativa de capacidad estructural, se presentan en la
Figura 4, que ilustra las variaciones de deflexión a lo
largo del tramo. Este comportamiento está
estrechamente asociado con las zonas de alto tránsito
vehicular y exposición a condiciones climáticas
adversas, subrayando la necesidad de intervenciones
específicas en estas áreas para mitigar el deterioro
acelerado.
Figura 4.
Caracterización de las muestras.
Fuente: Elaboración propia.
B. Macrotextura y Compactación
El análisis de macrotextura realizado mediante el
perfilómetro láser evidenció variaciones sustanciales en
las características superficiales del pavimento a lo largo
del tramo. Los resultados, presentados en la Tabla 3,
muestran las mediciones de macrotextura para cada
punto evaluado. Las secciones con menor macrotextura
evidenciaron una reducción significativa en la fricción
neumático-pavimento, lo cual implica un riesgo
considerable para la seguridad vial, particularmente en
condiciones de humedad. Además, la evaluación del
grado de compactación indicó que varias secciones del
pavimento presentan compactación insuficiente, como
se muestra en la Figura 5, que compara los valores de
compactación obtenidos en los diferentes puntos. Estos
resultados resaltan la importancia de garantizar una
adecuada compactación para mejorar la resistencia y
durabilidad del pavimento.
Tabla 3.
Resultados obtenidos en ensayos técnicos de ingeniería (primera parte).
Evaluación Estructural y Modelado Predictivo del Pavimento Flexible en Zonas
Rurales: Un Caso de Estudio en la Carretera Puente Palca – Palca
Pág. 8
Artículo científico
Volumen 5, Número 2, 2024
https://doi.org/10.47797/llamkasun.v5i2.132
Revista de Investigación Científica y Tecnológica Llamkasun
ISSN: 2709-2275
Figura 5.
Extracción y reposición de muestras.
Fuente: Elaboración propia.
C. Impacto de las Condiciones Climáticas y Tráfico
El monitoreo de las condiciones climáticas y del tráfico
vehicular reveló que tanto la precipitación como la carga
vehicular son factores críticos en el proceso de deterioro
del pavimento. Las secciones con mayor exposición a
precipitaciones intensas y tráfico pesado mostraron un
grado de degradación significativamente mayor, como
se evidencia en la Figura 5, que presenta las
correlaciones entre los datos de tráfico, precipitación y
la condición del pavimento. Estos resultados justifican
la incorporación de estos factores en el desarrollo del
modelo predictivo, ya que son determinantes para
anticipar el comportamiento del pavimento bajo
diversas condiciones.
D. Resultados de los Ensayos Marshall
Los ensayos de estabilidad y flujo Marshall indicaron la
necesidad de ajustes en el contenido de ligante asfáltico
en varias secciones del pavimento. La Tabla 4 resume
los valores de estabilidad y flujo obtenidos para cada
muestra, evidenciando diferencias notables entre las
distintas secciones del tramo. Las muestras con un
contenido insuficiente de ligante asfáltico presentaron
una resistencia deficiente, mientras que aquellas con un
contenido excesivo mostraron susceptibilidad a
deformaciones plásticas, comprometiendo la
durabilidad del pavimento. Estos hallazgos sugieren la
necesidad de optimizar la formulación de la mezcla
asfáltica para lograr un equilibrio adecuado entre
resistencia y flexibilidad.
Tabla 4.
Resultados obtenidos en ensayos técnicos de ingeniería (primera parte).
E. Desarrollo y Validación del Modelo Predictivo
El modelo predictivo desarrollado demostró un elevado
nivel de precisión al correlacionar las variables de
entrada (tráfico, precipitación, grado de compactación y
macrotextura) con el estado del pavimento. La Figura 7
presenta una comparación entre los valores predichos
por el modelo y las mediciones reales obtenidas en
campo, evidenciando la capacidad del modelo para
identificar con precisión las áreas críticas que requieren
Evaluación Estructural y Modelado Predictivo del Pavimento Flexible en Zonas
Rurales: Un Caso de Estudio en la Carretera Puente Palca – Palca
Pág. 9
Artículo científico
Volumen 5, Número 2, 2024
https://doi.org/10.47797/llamkasun.v5i2.132
Revista de Investigación Científica y Tecnológica Llamkasun
ISSN: 2709-2275
intervención. La simulación de Monte Carlo permitió
evaluar diferentes escenarios de riesgo para el
pavimento, determinando que, bajo condiciones
extremas de tráfico y clima, la vida útil del pavimento
podría reducirse hasta en un 40% respecto de
condiciones óptimas. Los resultados de la validación
estadística mediante la prueba de Kolmogorov-
Smirnov, resumidos en la Tabla 2, confirmaron la
validez del modelo y su capacidad predictiva en
contextos de alta variabilidad.
Los resultados obtenidos evidencian la eficacia del
modelo predictivo propuesto para evaluar la condición
estructural del pavimento flexible. Este modelo permite
identificar áreas críticas que requieren intervención,
optimizando las estrategias de mantenimiento y
mejorando la sostenibilidad de la infraestructura vial en
la región de Huancavelica. La integración de múltiples
factores en el análisis, tales como la carga vehicular y
las condiciones climáticas, proporciona una herramienta
robusta y adaptable para la planificación proactiva del
mantenimiento vial.
El análisis de correlación entre los parámetros
estructurales del pavimento y su funcionalidad reveló
información clave sobre el comportamiento del
pavimento flexible en la sección de la carretera Puente
Palca – Palca. El grado de compactación mostró una
correlación negativa significativa con la resistencia al
deslizamiento (r = -0.560,p < 0.05), lo que indica que un
aumento en la compactación reduce la fricción
superficial, como se ilustra en la Figura 6. De manera
similar, se observó una correlación negativa entre la
deflectometría y el Índice Internacional de Rugosidad
(IRI) (r = -0.470,p < 0.05), como se presenta en la Figura
20, lo que implica que mayores deflexiones se asocian
con una menor calidad de la superficie y comodidad de
la conducción. Además, la Figura 6 mostró una fuerte
correlación negativa entre el radio de curvatura y la
deflectometría (r = -0.786,p < 0.01), destacando el
impacto de las deflexiones incrementadas en la
eficiencia de la distribución de carga y la integridad
estructural. Adicionalmente, la relación entre la
macrotextura y el contenido de asfalto, representada en
la Figura 7, reveló una correlación negativa significativa
(r = -0.579,p < 0.05), lo que sugiere que un mayor
contenido de asfalto puede llevar a una reducción de la
macrotextura, comprometiendo potencialmente el
drenaje y la resistencia al deslizamiento. Estos hallazgos
subrayan la importancia de optimizar los niveles de
compactación, el contenido de asfalto y el monitoreo de
las deflexiones para mejorar el rendimiento a largo
plazo y la seguridad de los pavimentos flexibles en
zonas rurales.
Figura 6.
Análisis correlacional entre las sub-variables
relacionadas con la condición estructural de la carpeta
asfáltica y la serviciabilidad del pavimento flexible.
Fuente: Elaboración propia.
Figura 7.
Modelo Predictivo de Macrotextura versus Contenido
de Asfalto.
Fuente: Elaboración propia.
Evaluación Estructural y Modelado Predictivo del Pavimento Flexible en Zonas
Rurales: Un Caso de Estudio en la Carretera Puente Palca – Palca
Pág. 10
Artículo científico
Volumen 5, Número 2, 2024
https://doi.org/10.47797/llamkasun.v5i2.132
Revista de Investigación Científica y Tecnológica Llamkasun
ISSN: 2709-2275
DISCUSIÓN
Los resultados de este estudio corroboran y amplían
hallazgos previos, proporcionando nuevas perspectivas
sobre la condición estructural del pavimento flexible en
zonas rurales expuestas a condiciones climáticas
adversas. La variabilidad observada en la capacidad de
carga del pavimento a lo largo del tramo es coherente
con lo reportado por Aigner et al., (2009), quienes
destacaron que la capacidad estructural del pavimento
depende significativamente de las condiciones de tráfico
y la heterogeneidad del soporte del terreno. Este estudio
refuerza la importancia de abordar las diferencias
locales en las propiedades del pavimento para mejorar
su rendimiento y durabilidad, destacando la necesidad
de un enfoque contextualizado en la gestión de
infraestructuras.
En relación con la macrotextura y la compactación, los
resultados sugieren que una macrotextura deficiente y
un bajo grado de compactación incrementan los riesgos
de seguridad vial, en línea con las observaciones de
Miquel, (2006). Estos autores subrayaron la necesidad
de un control riguroso de la compactación para asegurar
la durabilidad del pavimento, y los hallazgos de este
estudio extienden dicha observación al demostrar cómo
la falta de uniformidad en la compactación afecta la
fricción neumático-pavimento, comprometiendo la
seguridad, especialmente en condiciones húmedas. La
Tabla 3 y la Figura 5 respaldan esta conclusión,
indicando que la calidad de la compactación es un factor
crucial para mitigar el deterioro acelerado del
pavimento.
El impacto de las condiciones climáticas y del tráfico
vehicular se identificó como un factor determinante en
el deterioro del pavimento, lo cual concuerda con los
estudios de Souza et al., (2018), quienes enfatizaron que
la precipitación y el tráfico pesado aceleran la pérdida
de capacidad estructural en pavimentos flexibles. La
Figura 5, que muestra la correlación entre el deterioro
del pavimento, la precipitación y la carga vehicular,
respalda esta afirmación y subraya la necesidad de
incorporar estos factores en los modelos predictivos
para una planificación eficiente del mantenimiento.
Por otro lado, los resultados de los ensayos Marshall
destacaron la necesidad de ajustar el contenido de
ligante asfáltico para lograr un equilibrio adecuado entre
resistencia y flexibilidad. Estos hallazgos son
consistentes con lo señalado por Huang, (2004), quien
indicó que un contenido inadecuado de ligante puede
resultar en una menor resistencia al corte o una mayor
susceptibilidad a deformaciones plásticas. La Tabla 4
refuerza la importancia de un control riguroso en la
formulación de la mezcla asfáltica para garantizar la
durabilidad del pavimento.
En cuanto al desarrollo y validación del modelo
predictivo, los resultados mostraron una alta precisión
en la identificación de áreas críticas y la predicción del
comportamiento del pavimento bajo diferentes
escenarios de tráfico y clima. La comparación de los
valores predichos y reales en la Figura 7 evidencia la
robustez del modelo propuesto. Este modelo se
diferencia de los desarrollados por Aigner et al., (2009);
V. M. A. Souza et al., (2018) al integrar múltiples
factores contextuales específicos de la región de
Huancavelica, lo cual permite una planificación
proactiva y adaptable para el mantenimiento vial,
maximizando la vida útil del pavimento y optimizando
los recursos disponibles.
CONCLUSIONES
Este estudio llevó a cabo una evaluación exhaustiva de
la condición estructural del pavimento flexible de la
carretera Puente Palca – Palca mediante la integración
de técnicas avanzadas de campo y laboratorio. Se
desarrolló un modelo predictivo sólido para anticipar el
deterioro del pavimento bajo distintos escenarios de
tráfico y condiciones climáticas. A continuación, se
presentan las principales conclusiones técnicas:
• Capacidad de Carga y Deflexiones: Los ensayos de
deflectometría revelaron una variabilidad
significativa en la capacidad de carga del pavimento,
con deflexiones registradas entre 1.5 mm y 3.8 mm.
Las áreas con deflexiones superiores a 3.0 mm
representan puntos críticos que requieren
intervención inmediata para evitar fallas
estructurales. Esto subraya la necesidad de reforzar
selectivamente estas secciones para garantizar la
capacidad de soporte del pavimento.
• Macrotextura y Seguridad Vial: El análisis de la
macrotextura evidenció una reducción considerable
en la calidad de la superficie en aproximadamente el
45% de los puntos evaluados. Las secciones con
Evaluación Estructural y Modelado Predictivo del Pavimento Flexible en Zonas
Rurales: Un Caso de Estudio en la Carretera Puente Palca – Palca
Pág. 11
Artículo científico
Volumen 5, Número 2, 2024
https://doi.org/10.47797/llamkasun.v5i2.132
Revista de Investigación Científica y Tecnológica Llamkasun
ISSN: 2709-2275
valores de macrotextura inferiores a 0.4 mm
mostraron una disminución marcada en la fricción
neumático-pavimento, lo que incrementa el riesgo de
accidentes, particularmente en condiciones de lluvia.
Se recomienda la implementación de tratamientos
superficiales para aumentar la rugosidad y, con ello,
mejorar la seguridad vial.
• Compactación y Durabilidad: La evaluación del
grado de compactación mostró que varias secciones
del pavimento presentaban niveles de compactación
inferiores al 95%, lo cual es insuficiente para
asegurar la durabilidad a largo plazo. Para garantizar
la integridad del pavimento y reducir las
deformaciones, se sugiere alcanzar un nivel de
compactación superior al 98%, especialmente en las
áreas sometidas a altos volúmenes de tráfico.
• Condiciones Climáticas y Carga Vehicular: El
análisis de los datos de monitoreo evidenció que la
precipitación anual superior a 1,200 mm y el tráfico
vehicular con cargas equivalentes mayores a 80 kN
aceleran significativamente la degradación del
pavimento, reduciendo su vida útil hasta en un 40%.
La incorporación de estos factores en los modelos de
diseño es esencial para aumentar la resiliencia de la
infraestructura vial frente a condiciones adversas.
• Optimización del Contenido de Ligante Asfáltico
Los ensayos Marshall indicaron que las mezclas con
un contenido de ligante inferior al 5.0% presentan
resistencia insuficiente, mientras que aquellas con
más del 6.5% son propensas a deformaciones
plásticas. Un contenido óptimo de ligante asfáltico
entre 5.2% y 5.8% proporciona un equilibrio
adecuado entre resistencia y flexibilidad, mejorando
la capacidad del pavimento para soportar cargas de
tráfico sin comprometer su integridad estructural.
• Validación del Modelo Predictivo: El modelo
predictivo desarrollado mostró una precisión
superior al 85% al correlacionar las variables de
entrada con el comportamiento real del pavimento.
La simulación de Monte Carlo permitió evaluar la
incertidumbre asociada y confirmó la validez del
modelo bajo distintos escenarios climáticos y de
carga vehicular, convirtiéndolo en una herramienta
valiosa para la planificación proactiva del
mantenimiento vial.
• En conclusión, este estudio demuestra la eficacia de
un enfoque predictivo para la gestión del
mantenimiento de pavimentos flexibles, integrando
múltiples factores críticos como las condiciones
climáticas, la carga vehicular y la calidad de la
compactación. Los resultados y recomendaciones
formuladas en este trabajo contribuyen
significativamente a mejorar la sostenibilidad y
resiliencia de la infraestructura vial, especialmente
en regiones rurales sometidas a condiciones
climáticas adversas, como es el caso de
Huancavelica. La implementación de estrategias de
refuerzo localizado, la optimización de la mezcla
asfáltica y la consideración de factores externos en el
diseño del pavimento son fundamentales para
prolongar la vida útil de la infraestructura y
garantizar un desempeño óptimo bajo condiciones
desafiantes.
REFERENCIAS
Ai, X., Cao, J., Feng, D., Gao, L., Hu, W., & Yi, J. (2022).
Performance evaluation of recycled asphalt mixtures
with various percentages of RAP from the rotary
decomposition process. Construction and Building
Materials, 321, 126406.
https://doi.org/10.1016/j.conbuildmat.2022.126406
Aigner, E., Lackner, R., & Pichler, C. (2009). Multiscale
Prediction of Viscoelastic Properties of Asphalt
Concrete. Journal of Materials in Civil Engineering,
21(12), 771–780.
https://doi.org/10.1061/(ASCE)0899-
561(2009)21:12(771)
Alamri, M., & Lu, Q. (2022). Investigation on the inclusion
of reclaimed diluted epoxy asphalt pavement
materials into hot mix asphalt. Construction and
Building Materials, 361, 129710.
https://doi.org/10.1016/j.conbuildmat.2022.129710
Amorim, S. I. R., Pais, J. C., Vale, A. C., & Minhoto, M. J. C.
(2015). A model for equivalent axle load factors.
International Journal of Pavement Engineering,
16(10), 881– 893.
https://doi.org/10.1080/10298436.2014.968570
Aroquipa, H. (2018). Modelo de Gestión de Proyectos.
Editorial Academia Española.
Aroquipa, H. (2024). Resistencia sísmica en sistemas
estructurales: Análisis mediante PML y PAE (1st
ed.). Fondo Editorial UNAT.
https://doi.org/https://doi.org/10.56224/ediunat.55
Aroquipa, H., Hurtado, A., Angel, C., Aroquipa, A., Gamarra,
A., & Almeida Del Savio, A. (2023). A cost-benefit
analysis for the appraisal of social and market prices
in the probabilistic seismic risk assessment of
building portfolios: A methodology for the
evaluation of disaster risk reduction programs.
International Journal of Disaster Risk Reduction,
Evaluación Estructural y Modelado Predictivo del Pavimento Flexible en Zonas
Rurales: Un Caso de Estudio en la Carretera Puente Palca – Palca
Pág. 12
Artículo científico
Volumen 5, Número 2, 2024
https://doi.org/10.47797/llamkasun.v5i2.132
Revista de Investigación Científica y Tecnológica Llamkasun
ISSN: 2709-2275
90(October 2022), 103637.
https://doi.org/10.1016/j.ijdrr.2023.103637
Aroquipa, H., Hurtado, A., Leon, F., Gamarra, A., Angel, C.,
Olivera, A., Massa, L. A., & Paz, R. (2023).
Simplified methodological approach for estimating
the mean repair time of building portfolios directed
to the development of seismic resilience policies,
based on the distribution of resources. Journal of
Building Pathology and Rehabilitation, 8(2), 72.
https://doi.org/10.1007/s41024-023-00321-2
Aroquipa Velásquez, H. (2014). Procesos constructivos de
edificaciones y sus impactos ambientales con
relación a una producción limpia y sostenible.
Bi, Y., Guo, F., Zhang, J., Pei, J., & Li, R. (2021). Correlation
analysis between asphalt binder/asphalt mastic
properties and dynamic modulus of asphalt mixture.
Construction and Building Materials, 276,
122256.
https://doi.org/10.1016/j.conbuildmat.2021.122256
Dan, H.-C., Yang, D., Liu, X., Peng, A.-P., & Zhang, Z.
(2020). Experimental investigation on dynamic
response of asphalt pavement using SmartRock
sensor under vibrating compaction loading.
Construction and Building Materials, 247, 118592.
https://doi.org/10.1016/j.conbuildmat.2020.118592
Higuera-Sandoval, C. H., & Pacheco-Merchan, O. F. (2008).
Patología de pavimentos articulados. Facultad de
Ingeniería, 17(25), 7–26.
Huang, B., Shu, X., Li, G., & Chen, L. (2007). Analytical
Modeling of Three-Layered HMA Mixtures.
International Journal of Geomechanics, 7(2), 140–
148. https://doi.org/10.1061/(ASCE)1532-
3641(2007)7:2(140)
Huang, Y. H. (2004). Pavement Analysis and Design. Pearson
Prentice Hall.
Kwigizile, V., Mussa, R. N., & Selekwa, M. (2005).
Connectionist Approach to Improving Highway
Vehicle Classification Schemes. Transportation
Research Record: Journal of the Transportation
Research Board, 1917(1), 182– 189.
https://doi.org/10.1177/0361198105191700120
Le Bastard, C., Baltazart, V., Yide Wang, & Saillard, J. (2007).
Thin-Pavement Thickness Estimation Using GPR
With High-Resolution and Superresolution Methods.
IEEE Transactions on Geoscience and Remote
Sensing, 45(8), 2511–2519.
https://doi.org/10.1109/TGRS.2007.900982
Le Bastard, C., Yide Wang, Baltazart, V., & Derobert, X.
(2014). Time Delay and Permittivity Estimation by
Ground- Penetrating Radar With Support Vector
Regression. IEEE Geoscience and Remote Sensing
Letters, 11(4), 873–877.
https://doi.org/10.1109/LGRS.2013.2280500
Marcelino, P., de Lurdes Antunes, M., Fortunato, E., &
Gomes, M. C. (2021). Machine learning approach
for pavement performance prediction. International
Journal of Pavement Engineering, 22(3), 341–354.
https://doi.org/10.1080/10298436.2019.1609673
Miquel, M. P. (2006). Análisis de regularidad superficial en
caminos pavimentados. Revista de La Construcción,
5(2), 16–22.
Pradena, M., & Wolf, E. (2006). Ejecución y Control de la
Conservación en Caminos sin Pavimento Mediante
Nivel de Servicio. Revista de La Construcción, 5(1),
21–29.
Rodríguez Moreno, M., Theboux Zeballos, G., & González
Vaccarezza, A. (2013). Evaluación probabilística del
agrietamiento de pavimentos asfálticos en carreteras
de Chile. Revista de La Construcción, 12(2), 152–
165.
Song, L., & Yang, L. (2021). Governance innovation of
occupational safety and health in China under the
background of industry 4.0. Industrial Safety and
Environmental Protection, 47(09), 79–82.
Souza, F. B. de. (2005). Do OPT à Teoria das Restrições:
avanços e mitos. Production, 15(2), 184–197.
https://doi.org/10.1590/S0103-65132005000200005
Souza, V. M. A., Giusti, R., & Batista, A. J. L. (2018). Asfault:
A low-cost system to evaluate pavement conditions
in real-time using smartphones and machine
learning. Pervasive and Mobile Computing, 51, 121–
137. https://doi.org/10.1016/j.pmcj.2018.10.008
Vera, I., Thenoux, G., Solminihac, H. D., & Echaveguren, T.
(2010). Modelo de evaluación técnica del
desempeño del mantenimiento de pavimentos
flexibles. Revista de La Construcción, 9(2), 76–88.
Whitman, R. V, Anagnos, T., Kircher, C. A., Lagorio, H. J.,
Lawson, R. S., & Schneider, P. (1997). Development
of a national earthquake loss estimation
methodology. Earthquake Spectra, 13(4), 643–661.
Yang, X., Guan, J., Ding, L., You, Z., Lee, V. C. S., Mohd
Hasan, M. R., & Cheng, X. (2021). Research and
applications of artificial neural network in pavement
engineering: A state- of-the-art review. Journal of
Traffic and Transportation Engineering (English
Edition), 8(6), 1000–1021.
https://doi.org/10.1016/j.jtte.2021.03.005
Zhang, S., Zhang, H., Zhou, M., & Ye, J. (2024). Investigation
on the influence of gradation design on the road
performance of cold mixed epoxy asphalt mixture
based on microstructure evaluation. Journal of
Materials Research and Technology,
30(March), 2018–2028.
https://doi.org/10.1016/j.jmrt.2024.03.244
Zhao, X., Xue, L., & Xu, F. (2021). Asphalt pavement paving
segregation detection method using more efficiency
and quality texture features extract algorithm.
Construction and Building Materials, 277, 19.
https://doi.org/10.1016/j.conbuildmat.2021.122302
Zhao, Y., Xie, S., Gao, Y., Zhang, Y., & Zhang, K. (2021).
Prediction of the number of roller passes and degree
of compaction of asphalt layer based on compaction
energy. Construction and Building Materials, 277,
122274.
https://doi.org/10.1016/j.conbuildmat.2021.122274
