Modelos probabilísticos e inteligencia artificial para evaluar la integridad estructural de pavimentos flexibles en redes viales a partir de mediciones de deflectometría

Abstract

La presente investigación propone un innovador enfoque basado en modelos probabilísticos y técnicas de inteligencia artificial para evaluar la integridad estructural de pavimentos flexibles en redes viales mediante mediciones de deflectometría. El objetivo central de este trabajo es desarrollar un método que permita, de manera precisa, evaluar los módulos de elasticidad de las capas que componen el pavimento, facilitando así la identificación de fallas estructurales específicas y optimizando la gestión de mantenimiento vial. Para ello, la investigación combina métodos estadísticos avanzados y técnicas de aprendizaje automático en una metodología integral que promete transformar la gestión de la infraestructura vial. La metodología incluye la construcción de una base de datos detallada con diversos escenarios de estructuras de pavimento, obtenidos a partir de simulaciones de Monte Carlo. A través de evaluaciones deflectométricas realizadas con el software PITRA PAVE, se identifican valores de deflexión en las capas de pavimento. Luego, se desarrollan modelos probabilísticos para cada capa (superficial, intermedia y subrasante), utilizando los Deflection Bowl Parameters (DBPs) como indicadores de su estado estructural. Estos modelos predicen la probabilidad de falla en cada capa, lo que ofrece una visión detallada del estado de la infraestructura y apoya la toma de decisiones informadas en cuanto a mantenimiento y rehabilitación. El estudio también explora el uso de algoritmos de aprendizaje automático para la predicción de los módulos de elasticidad a partir de datos deflectométricos, evitando la necesidad de información detallada sobre espesores y optimizando así el proceso de evaluación estructural. Los resultados muestran que los modelos basados en técnicas de Machine Learning, como redes neuronales y algoritmos de regresión, ofrecen una alta precisión en la evaluación de la condición estructural del pavimento, permitiendo una planificación más eficiente y a menor costo. En las conclusiones, se destaca que el uso de los DBPs como herramientas de diagnóstico estructural permite detectar de manera precisa y temprana fallas en cada capa del pavimento, optimizando el mantenimiento vial y prolongando la vida útil de la infraestructura. El estudio propone además umbrales específicos para clasificar la condición estructural de cada capa, alineados con los estándares de concesiones viales en Colombia. Finalmente, se recomienda la implementación de modelos de aprendizaje automático en la gestión de pavimentos para mejorar la eficacia y precisión de la evaluación estructural de redes viales.