Palabras clave
pavimentos
tecnologías
lidar
gestión
Cómo citar
Resumen
Los Pavimentos son una de las principales obras que ayudan al desarrollo de los países, teniendo en cuenta un buen rendimiento de soporte y permitan la transitividad de vehículos sin sufrir grandes daños. Por ello los diferentes métodos empleados para la evaluación de estos como el estudio de fallas y desempeño de los pavimentos, permite dar recomendaciones adecuadas para su mantenimiento. El estudio de los diferentes métodos de evaluación tradicionales como el IRI, PCI, SDI, entre otros, con la incorporación de las nuevas tecnologías nos permite definir los métodos más idóneos y de bajo costo para la evaluación de las vías, teniendo como objetivo conocer los diferentes métodos de evaluación de pavimentos que permitan conocer las típicas fallas de estos y tiempo de vida útil, dando un debido mantenimiento en el tiempo que estas lo requieran; por lo que es importante definir cuáles son los métodos y tecnologías aplicados a estos que podremos utilizar para una determinada zona o región, ya que cada lugar es diferente y se requieren utilizar métodos sencillos, seguros y económicos, que permitan determinar la alternativa de mantenimiento o rehabilitación adecuada, dando resultados óptimos y previniendo la afectación de las carreteras.
Citas
Álvarez, S., & Rivero, R. (2012). Instrumento electrónico para la estimación del índice de rugosidad internacional (IRI) con base en el perfilómetro estático Merlin. Revista de la Facultad de Ingeniería, 27(1), 49-55. Recuperado el 9 de noviembre de 2020.
Andrade Neto, C., López, I. M., & Rufino, J. (2015). Metodología de análisis de la condición del pavimento a partir del cuenco de deflexión. Infraestructura Vial, 17(29), 24-32. Recuperado el 9 de noviembre de 2020.
Aramayo, L., Silva Junior, C., & Fontenele , H. B. (2019). Escala visual para evaluación de pavimentos urbanos. Ingeniería de construcción, 34(1), 45-54.
Aramayo, L., Silva Junior, C., & Fontenele, H. (2019). Evaluación Visual para la evaluación de pavimentos urbanos: Una validación en oficina. Revista Ingeniería de construcción, 34(1), 45-54.
Arancibia, M. E. (2008). El uso de los sistemas de información geográfica – SIG- en la planificación estratégica de los recursos energéticos. Polis, 7(20), 227-238.
Arianto , T., Suprapto, M., & Syafi. (2018). Pavement Condition Assessment Using IRI from Roadroid and Surface Distress Index Method on National Road in Sumenep Regency. Materials Science and Engineering, 333.
Barrero Viciedo, E., Fernández Díaz, B., & Llanes Santiago, O. (2014). Propuesta de procedimiento para configurar una red neuronal artificial de Base Radial con aplicaciones en el diagnóstico de fallos. Ingeniería Electrónica, Automática y Comunicaciones, 35(3), 60-75. Recuperado el 9 de noviembre de 2020.
Barundin, N. M., Yaacob, H., Hassan, N. A., Warid, N. M., Idhan, M. K., Ismail, C. R., . . . Jaya, R. P. (2019). Correlation between functional and structural properties of flexible. Earth and Environmental Science, 220.
Baskara, et al. (2020). Influence of pavement condition towards accident number on Malaysian highway. Earth and Environmental Science, 220.
Chen, Q., Wang, G., Long, X., & Lei, J. (2020). Establishment of criteria for determining preventive maintenance requirements of cement pavement. Materials Science and Engineering, 792.
Díaz - Vilariño, L., Gónzales Jorge, H., Bueno, M., Arias, P., & Puente, I. (2016). Automatic classification of urban pavements using mobile LiDAR data and roughness descriptors. Construction and Building Materials, 102, 208-215.
Goenaga, B., Fuentes, L., & Mora, O. (2017). Evaluation of the methodologies used to generate random pavement profiles based on the power spectral density: an approach based on the International Roughness Index. Ingenieria e Investigación, 37(1), 49-57.
Hasan H, J., Miami M, H., & Muataz S, A. (2020). Developing International Roughness Index (IRI) Model from visible pavement distresses. IOP Conf. Series: Materials Science and Engineering.
Hasanuddin, A., & B, Y. (2018). Evaluation of Road Performance Based on International Roughness Index and Falling Weight Deflectometer. IOP Conf. Series: Materials Science and Engineering.
Hermawan, Suprapto, M., & Setyawan, A. (2017). The Use of International Roughness Index and Structural Number for Rehabilitation and Maintenance Policy of Local Highway. Materials Science and Engineering, 176.
Katpatal, Y., Harashal, K., & Mukesh, M. (2020). Spatial Pavement Informatio System for Trasnportation Networks Based on Distress Features in Nagpur City Using RSand GIS. Recent Trends in Civil Engineering, Lecture Notes in Civil Engineering, 77, 331-342.
Leiva Villacorta, F., Vargas Nordcbeck, A., & Timm, D. H. (Marzo de 2017). No-destructive evaluation of sustainable pavement technologies using artificial neural networks. International Journal of Pavement Research and Technology, 10(2), 139-147.
Macea Mercado, L. F., Máquez Díaz , L. G., & Morales, L. (2016). Un sistema de gestión de pavimentos basado en nuevas tecnologías para países en vía de desarrollo. Ingeniería Investigación y Tecnología, XVII(2), 223-235.
Macea Mercado, L. F., Morales, L., & Márquez Díaz, L. G. (2016). Un sistema de gestión de pavimentos basado en nuevas tecnologías para países en vía de desarrollo. Ingeniería, Investigación y Tecnología, 17, 223-236.
Marcomini Pinatt, J., Luiz Chicati, M., Sereni Ildefonso, J., & Grégio D'arce Filetti, C. (2020). Evaluation of pavement condition index by different methods: Case study of Maringá, Brazil. Transportation Research Interdisciplinary Perspectives, 4.
Mercado Polo, D., Pedraza Caballero, L., & Martínez gómez, E. (2015). Comparación de Redes Neuronales aplicadas a la predicción de Series de Tiempo. Prospectiva, 13(2), 88-95.
Nayana, D., Mamatha, K., Dinesh, S., & Lokesh, T. (2020). Pavement Evaluation Using Falling Weight Deflectometer (FWD). Recent Trends in Civil Engineering, Lecture Notes, 77, 445-458.
P. Mateus, S., Gonzáles, N., & Branch, J. (2014). Aplicación de Redes Neuronales Artificiales en Entornos Virtuales Inteligentes. Información Tecnológica, 25(3), 103-112.
Pacios Álvarez, A., Ordieres Meré, J., Paris Loeriro, Á., & De Marcos, L. (2020). Opportunities in airpoirt pavement management: Integration of BIM, the IoT and DLT. Journal of Air Transport Management, 90.
Pradena Miquel, M., & Posada Henao, J. (2007). Análisis de Inversiones en Carreteras Utilizando Software HDM-4. Revista de la Construcción, 6(1), 35-47.
Rasha, H., Ammar, A., & Hussein , S. (2020). Evaluation of rigid pavement using the Pavement Condition. Materials Science and Engineering 737, 737.
Rodríguez Moreno, M., Theboux Zeballos, G., & Gonzáles Vaccarezza, A. (2013). Evaluación probabilística del agrietamiento de pavimentos asfálticos en carreteras de Chile. Revista de la Construcción, 12(2), 152-165.
Romo Organista, M. P., & Beltrán Calvo, G. I. (2014). Evaluación de pavimentos y decisiones de conservación con base en sistemas de inferencia difusos. Ingenería, Investigación y Tecnología, 391-402.
Rosada, A., Arliansyah , J., & Buchari, E. (2019). Evaluation Pavement Deteriorating Condition on Surface Distress Index (SDI) Data Using Radial Basis Function Neural Networks (RBFNN). Journal of Physics: Conf. Series, 1198.
Santovenia Díaz, J., Tarragó Montalvo, C., & Cañedo Andalia , R. (2009). Sistemas de información geográfica para la gestión de la información. ACIMED, 20(5), 72-75. Recuperado el 9 de noviembre de 2020-
Shibil, M., Sivakumar, M., & Anjeneyulu, M. (2020). Develppment of Pavements Performance Prediction Models for Low- Volume Roads Using Functional Charactestics. Advances in Civil Engineering, Lecture Notes in Civil Engineering, 83, 233-246.
Silva Balaguera, A., Daza Leguizamón, O., & Lopez Valiente, L. (2018). Gestión de pavimentos basado en sistemas de información geográfica (SIG): una revisión. Revista Ingeniería Solidaria, 14(26).
Solminihac, H. (2001). Gestión de infraestructura vial. Ediciones Pontificia Universidad Católica de Chile.
Suresh, B., Mamatha, K., & Dinesh, S. (2020). Utilization of RAP in Flexible Pavements. Recent Trends in Civil Engineering, Lecture Notes in Civil Engineering, 77.
T, M., M, A., & S, V. (2020). Evaluation of Toll Road Pavement Performance Based on the 2013 Bina 2013 Bina Marga Method (Case Study: Serpong-Pondok Aren Toll Road). Earth and Environmental Science, 498, 498-506.
Tejeshwini, S., Gowtham, B., Mamatha, K., Dinesh, S., & Tadas, A. (2020). Influence of Long-Term Laboratory Aging on Properties of Binder. Recent trends un civil Enginering, Lecture Notes in Civil Engineering, 77, 431-44.
Toth, C., Paska, E., & Brzezinska, D. (2008). USING ROAD PAVEMENT MARKINGS AS GROUND CONTROL FOR LIDAR DATA. The International Archives of the Photogrammetry, Remote Sensing and Spatial Information Sciences, XXXVII, 189-195.
Valera, F., & Pacheco Torres, R. (2019). Asset management innovation for rigid pavements. IOP Conference Series: Materials Science and Engineering.
Wang, Z., & Pyle, T. (2019). Implementing a pavement management system: The Caltrans experience. Internacional Journal of Transportation Science and Tecnology, 8, 251-262.
Yang, S., Ceylan, H., Gopalakrishnan, K., Kim, S., Taylor, P., & Alhasan, A. (2018). Characterization of environmental loads related concrete pavement deflection behavior using Light Detection and Ranging technology. International Journal of Pavement Research and Technology, 470-480.
Contacto
Leydy Diana Karolin Castro Chuyo
cchuyoldk@crece.uss.edu.pe
Esta obra está bajo una licencia internacional Creative Commons Atribución 4.0.
Derechos de autor 2021 Llamkasun