pág. 2
Artículo científico
Volumen 5, Número 2, Julio - Diciembre, 2024
Recibido: 04-11-2024, Aceptado: 26-11-2024
https://doi.org/10.47797/llamkasun.v5i2.132
Evaluación Estructural y Modelado Predictivo del Pavimento Flexible en Zonas Rurales: Un Caso de Estudio
en la Carretera Puente Palca – Palca
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
Jesús Cárdenas Capcha
Universidad Nacional Federico Villareal, Perú
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 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.
pág. 3
Artículo científico
Volumen 5, Número 2, Julio - Diciembre, 2024
Recibido: 04-11-2024, Aceptado: 26-11-2024
https://doi.org/10.47797/llamkasun.v5i2.132
Evaluación Estructural y Modelado Predictivo del Pavimento Flexible en Zonas Rurales: Un Caso de Estudio
en la Carretera Puente Palca – Palca
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 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
pág. 4
Artículo científico
Volumen 5, Número 2, Julio - Diciembre, 2024
Recibido: 04-11-2024, Aceptado: 26-11-2024
https://doi.org/10.47797/llamkasun.v5i2.132
Evaluación Estructural y Modelado Predictivo del Pavimento Flexible en Zonas Rurales: Un Caso de Estudio
en la Carretera Puente Palca – Palca
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.
pág. 5
Artículo científico
Volumen 5, Número 2, Julio - Diciembre, 2024
Recibido: 04-11-2024, Aceptado: 26-11-2024
https://doi.org/10.47797/llamkasun.v5i2.132
Evaluación Estructural y Modelado Predictivo del Pavimento Flexible en Zonas Rurales: Un Caso de Estudio
en la Carretera Puente Palca – Palca
✓ 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).
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).
pág. 6
Artículo científico
Volumen 5, Número 2, Julio - Diciembre, 2024
Recibido: 04-11-2024, Aceptado: 26-11-2024
https://doi.org/10.47797/llamkasun.v5i2.132
Evaluación Estructural y Modelado Predictivo del Pavimento Flexible en Zonas Rurales: Un Caso de Estudio
en la Carretera Puente Palca – Palca
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”
pág. 7
Artículo científico
Volumen 5, Número 2, Julio - Diciembre, 2024
Recibido: 04-11-2024, Aceptado: 26-11-2024
https://doi.org/10.47797/llamkasun.v5i2.132
Evaluación Estructural y Modelado Predictivo del Pavimento Flexible en Zonas Rurales: Un Caso de Estudio
en la Carretera Puente Palca – Palca
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)
Fuente: Elaboración propia.
pág. 8
Artículo científico
Volumen 5, Número 2, Julio - Diciembre, 2024
Recibido: 04-11-2024, Aceptado: 26-11-2024
https://doi.org/10.47797/llamkasun.v5i2.132
Evaluación Estructural y Modelado Predictivo del Pavimento Flexible en Zonas Rurales: Un Caso de Estudio
en la Carretera Puente Palca – Palca
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)
Fuente: Elaboración propia.
pág. 9
Artículo científico
Volumen 5, Número 2, Julio - Diciembre, 2024
Recibido: 04-11-2024, Aceptado: 26-11-2024
https://doi.org/10.47797/llamkasun.v5i2.132
Evaluación Estructural y Modelado Predictivo del Pavimento Flexible en Zonas Rurales: Un Caso de Estudio
en la Carretera Puente Palca – Palca
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 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.
pág. 10
Artículo científico
Volumen 5, Número 2, Julio - Diciembre, 2024
Recibido: 04-11-2024, Aceptado: 26-11-2024
https://doi.org/10.47797/llamkasun.v5i2.132
Evaluación Estructural y Modelado Predictivo del Pavimento Flexible en Zonas Rurales: Un Caso de Estudio
en la Carretera Puente Palca – Palca
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 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
pág. 11
Artículo científico
Volumen 5, Número 2, Julio - Diciembre, 2024
Recibido: 04-11-2024, Aceptado: 26-11-2024
https://doi.org/10.47797/llamkasun.v5i2.132
Evaluación Estructural y Modelado Predictivo del Pavimento Flexible en Zonas Rurales: Un Caso de Estudio
en la Carretera Puente Palca – Palca
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 BIBLIOGRÁFICAS
[1] 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
[2] 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)0899-1561(2009)21:12(771)
[3] 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
[4] 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
[5] Aroquipa, H. (2018). Modelo de Gestión de Proyectos.
Editorial Academia Española.
[6] 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
[7] 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,
90(October 2022), 103637.
https://doi.org/10.1016/j.ijdrr.2023.103637
[8] 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
[9] Aroquipa Velásquez, H. (2014). Procesos constructivos de
edificaciones y sus impactos ambientales con relación a una
producción limpia y sostenible.
[10] 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
[11] 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
pág. 12
Artículo científico
Volumen 5, Número 2, Julio - Diciembre, 2024
Recibido: 04-11-2024, Aceptado: 26-11-2024
https://doi.org/10.47797/llamkasun.v5i2.132
Evaluación Estructural y Modelado Predictivo del Pavimento Flexible en Zonas Rurales: Un Caso de Estudio
en la Carretera Puente Palca – Palca
[12] Higuera-Sandoval, C. H., & Pacheco-Merchan, O. F. (2008).
Patología de pavimentos articulados. Facultad de Ingeniería,
17(25), 7–26.
[13] 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)
[14] Huang, Y. H. (2004). Pavement Analysis and Design.
Pearson Prentice Hall.
[15] 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
[16] 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
[17] 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
[18] 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
[19] Miquel, M. P. (2006). Análisis de regularidad superficial en
caminos pavimentados. Revista de La Construcción, 5(2),
16–22.
[20] 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.
[21] 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.
[22] 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.
[23] 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
[24] 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
[25] 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.
[26] 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.
[27] 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
[28] 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
[29] 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
[30] 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
