FACULTAD DE INGENIERÍA
Carrera de Ingeniería Civil
CALIBRACIÓN DEL MODELO DE PROGRESIÓN DEL ÍNDICE DE REGULARIDAD INTERNACIONAL CON HDM-4 PARA EL PROYECTO VIAL CONOCOCHA –
CÁTAC
Tesis para optar el Título Profesional de Ingeniero Civil
RAINER LAGOS LAPA
Asesor:
MSc. Ing. Guillermo Lazo Lázaro
Lima - Perú
2019
2
Dedicatoria
A mi madre Rosa por su amor, comprensión y apoyo incondicional, a mi padre Herminio por
ser el ejemplo de resiliencia y superación, ambos son mi motivación de querer construir un
mejor futuro y de seguir adelante cada día.
3
Agradecimientos
A Dios por guiarme y no dejarme caer en los días difíciles y darme la oportunidad de
culminar esta primera etapa de mi vida profesional que es la titulación.
A los futuros colegas que se involucraron en mi desarrollo profesional y personal, son
el ejemplo de encaminar mi carrera hacia la contribución de un mejor país. Es especial a mi
asesor MSc. Ing°Guillermo Lazo Lázaro por guiarme en el proceso de elaboración mi tesis.
Al Ing. Walter Aguirre por su apoyo incondicional en brindarme las herramientas
necesarias para la culminación de mi tesis e impartir sus conocimientos.
Al Dr. Marcelo Bustos, mi sincero agradecimiento por su disposición y valioso aporte
de su experiencia en temas de gestión vial, pese a la distancia, pudo guiarme en mi tesis.
Al Ing. Victor Moreano, por ser partícipe de emprender y ser el impulsor de mi tesis.
4
Resumen
El presente trabajo de tesis, se enfoca en el Índice de Regularidad Internacional (IRI) como
indicador ampliamente aceptado y empleado en todo el mundo en investigaciones y por
agencias viales debido a que influye directamente en la percepción del usuario sobre el estado
de la vía, una red vial pavimentada de un país es generalmente la que concentra los mayores
flujos vehiculares. “La importancia del IRI, está directamente relacionado con el
comportamiento del pavimento en su vida útil” (Pradera,2006). Asimismo, el HDM-4 es una
herramienta creada por el Banco Mundial, que permite analizar el ciclo de vida de las
carreteras bajo las condiciones de carga de tráfico, factores medioambientales, características
estructurales del pavimento, entre otros; este análisis permite simular las condiciones del
pavimento en base a los modelos de deterioro, en este caso el IRI. Sin embargo, su calibración
en pavimento flexibles es indispensable y tiene que adecuarse a las condiciones locales, de
modo que se pueda efectuar una evaluación económica de los proyectos viales.
Para la calibración de los modelos de deterioro previstos por el HDM-4, fue necesario
la recolección de información del Proyecto Vial por Servicio de Gestión y Conservación Vial
del tramo Conococha-Cátac como sus características estructurales del pavimento, condiciones
climáticas, geometría, capacidad vial, volumen de tránsito y condiciones iniciales del
pavimento; esta información forma parte de los datos de entrada del HDM-4, como resultado
de este análisis se obtuvo una curva de progresión estimada del agrietamiento, ahuellamiento
e IRI según el HDM-4.
Para calibrar el modelo de progresión del IRI del tramo Conococha-Cátac, se tuvo que
calibrar previamente los modelos de deterioro del agrietamiento y ahuellamiento, a partir de
los valores medidos en campo y previstos por el HDM-4 en el tramo desde el año 2011 hasta
2015, periodo que duraba la conservación vial.Se procedió a calibrar el modelo de deterioro
del IRI, a partir de los valores reales y previstos por el HDM-4, para obtener los valores reales
del IRI, se empleó el análisis numérico de minimización de cuadrados a fin de obtener los
factores de calibración.
Finalmente, el objetivo de la calibración del IRI es obtener un modelo de predicción
ajustado, realista y confiable, que permita realizar una evaluación de desempeño en un
periodo de análisis. En base a esta predicción, se puedan establecer planes de conservación
que optimicen los recursos disponibles y minimicen el costo total de operación de la vía.
5
Palabras claves: IRI, ahuellamiento, agrietamiento, HDM-4, SGP, modelos de deterioro,
factores de calibración, sensibilidad, confiabilidad, conservación vial.
6
Abstract
This thesis work focuses on the International Roughness Index (IRI) as a widely accepted
indicator used throughout the world in research and by road agencies because it directly
influences the user's perception of the state of the road, a paved road network in a country it is
generally the one that concentrates the largest vehicular flows. "The importance of the IRI is
directly related to the behavior of the pavement in its useful life" (Pradera, 2006). Also, the
HDM-4 is a tool created by the World Bank, which allows analyzing the life cycle of roads
under the conditions of traffic load, environmental factors, structural characteristics of the
pavement, among others; This analysis allows to simulate the pavement conditions based on
the deterioration models, in this case the IRI. However, their calibration in flexible pavement
is essential and must be adapted to local conditions, so that an economic evaluation of the
road projects can be carried out.
For the calibration of the deterioration models predicted by the HDM-4, it was
necessary to collect information from the Road Project for Road Management and
Conservation Service of the Conococha-Cátac section as its structural characteristics of the
pavement, climatic conditions, geometry, road capacity , traffic volume and initial pavement
conditions; this information forms part of the input data of the HDM-4, as a result of this
analysis an estimated progression curve of cracking, rutting and IRI was obtained according
to the HDM-4.
To calibrate the IRI progression model of the Conococha-Cátac section, it was
necessary to previously calibrate the models of deterioration of cracking and rutting, from the
values measured in the field and predicted by the HDM-4 in the section since 2011 until 2015,
period of road conservation. We proceeded to calibrate the deterioration model of the IRI,
from the real values and predicted by the HDM-4, to obtain the real values of the IRI, The
numerical analysis of square minimization was used in order to obtain the calibration factors.
Finally, the objective of the IRI calibration is to obtain an adjusted, realistic and
reliable prediction model that allows performing a performance evaluation in a period of
analysis. Based on this prediction, conservation plans can be established that optimize the
available resources and minimize the total cost of operating the road.
Keywords: IRI, rutting, cracking, HDM-4, SGP, deterioration models, calibration factors,
sensitivity, reliability, road maintenance.
7
ÍNDICE
CAPÍTULO I: INTRODUCCIÓN 18
Problema de la investigación. 18
Planteamiento del problema. 18
Formulación del problema. 18
Problema general. 18
Problema específico. 18
Justificación de la investigación. 19
Justificación social. 19
Objetivos e Hipótesis 19
Objetivo general. 19
Objetivo Específicos. 19
Hipótesis 20
Hipótesis general. 20
Hipótesis específica. 20
Matriz de consistencia 20
CAPÍTULO II MARCO REFERENCIAL 22
Antecedentes 22
Marco Teórico 25
Conceptos relacionados a la Conservación Vial del tramo Conococha-Cátac. 25
Asfalto espumado. 25
Reciclado en frio in situ. 26
Micropavimento. 27
Sistema de Gestión de Pavimentos (SGP). 28
Ciclo de SGP. 28
Desarrollo de un SGP. 32
Parámetros de un SGP. 32
Niveles de SGP. 33
8
Estructura general de un SGP. 35
Proyecto Perú. 37
Contrato por Conservación Vial. 38
Sistema de Gestión de Infraestructura Vial de Provias Nacional (SGIV). 38
Visión general del HDM-4. 39
Antecedentes. 40
Características del HDM-4. 41
Análisis de ciclo de vida. 42
Modelo de deterioro de pavimentos en HDM-4. 43
Modelos de deterioro y efectos de las obras (RDWE). 44
Modelos de efectos para los usuarios (RUE). 44
Modelos de seguridad, energía y efectos ambientales (SEE). 44
El HDM-4 en Gestión de Pavimentos. 45
Modelo de deterioro de los pavimentos en HDM-4 47
Descripción de los modelos de deterioro. 47
Tipos de deterioro en pavimento flexible. 47
Relevancia del Índice de Regularidad Internacional (IRI) en la Gestión de Pavimentos 52
Índice de Regularidad Internacional (IRI). 52
Cálculo del IRI. 54
Métodos de medición del IRI 55
Escala y características del IRI 56
Perfilómetro. 58
Perfilómetro láser 59
Factores que inciden en el modelo de deterioro de un pavimento 61
Tipo de pavimento considerados en el HDM-4 63
Sensibilidad del HDM-4 64
Modelo de Deterioro y Efectos de las Obras (RDWE). 66
Calibración 68
9
Niveles de calibración. 69
Calibración del modelo RDWE. 71
Nivel I – Aplicación básica 72
Confiabilidad 74
Sesgo y precisión. 74
Datos de entrada para el HDM-4 75
CAPITULO III: METODOLOGÍA DE INVESTIGACIÓN 79
Tipo y Diseño de la Investigación 79
Tipo de investigación. 79
Diseño de investigación. 79
Variables 79
Población y Muestra. 79
Instrumentos de Investigación. 80
Procedimientos de recolección de datos. 80
CAPÍTULO IV: METODOLOGÍA DE CALIBRACIÓN DEL IRI 81
Introducción 81
Factores de Calibración 82
Factores de corrección. 82
Resumen de factores de calibración de los modelos de deterioro del HDM-4. 83
Calibración del modelo de grietas totales. 84
Determinación del factor de calibración de inicio de grietas totales (Kcia). 84
Determinación del factor de calibración de progresión de grietas totales (Kcpa). 84
Calibración de modelo de ahuellamiento. 84
Determinación del factor de calibración de la densificación inicial (Krid). 84
Determinación del factor de calibración de deformación estructural o progresión de
ahuellamiento (Krst) 85
Determinación del factor de calibración de deformación plástica (Krpd). 85
Calibración del modelo de deterioro del IRI. 85
10
Calibración por método gráfico. 85
Consideraciones iniciales para la Calibración del IRI en tramo Conococha-Cátac. 86
Procedimiento de Cálculo del IRI 87
Incremento total del IRI. 88
Progresión del IRI. 88
Calibración Estadística del Modelo. 89
Procesamiento de datos estadísticos. 89
Correlación 89
Coeficiente de correlación 90
Niveles de correlación. 90
Coeficiente de determinación (R2) 90
Estimación por métodos de mínimos cuadrados. 91
Error cuadrático medio RMSE 92
CAPÍTULO V: INFORMACIÓN DEL PROYECTO VIAL CONOCOCHA – CÁTAC 93
Antecedentes 93
Descripción Geográfica 93
Condición Inicial Previa a la Conservación Periódica de la Vía. 95
Evaluación funcional 95
Criterios de Sectorización del Tramo para la Evaluación en el HDM-4 100
Recopilación de Información de los Datos de Entrada al HDM-4. 100
Sensibilidad de los Factores de Calibración en el HDM-4 106
CAPÍTULO VI: ANÁLISIS DE RESULTADOS. 109
Calibración del Modelo de Deterioro del Agrietamiento. 109
Calibración del Modelo de Deterioro del Ahuellamiento. 110
Calibración del Modelo de Deterioro del IRI. 113
Variación de valores del IRI en la calibración del modelo. 120
Confiabilidad en la Calibración. 121
CAPÍTULO VII: CONCLUSIONES Y RECOMENDACIONES 123
11
Conclusiones 123
Recomendaciones 125
Referencias 126
Anexos 131
Anexo 1 Resultados de la medición del ahuellamiento en el tramo Conococha-Cátac desde el 2011
al 2015. 131
Anexo 2 Resultados de la medición del IRI en el tramo Conococha-Cátac desde el 2011 al 2015. 137
Anexo 3 Datos de entrada en el HDM-4 del Sector 1 del tramo Conococha-Cátac. 143
Anexo 4 Datos de entrada en el HDM-4 del Sector 2 del tramo Conococha-Cátac. 145
Anexo 5 Datos de entrada en el HDM-4 del Sector 3 del tramo Conococha-Cátac. 147
Anexo 6 Datos de entrada en el HDM-4 del Sector 4 del tramo Conococha-Cátac. 149
Anexo 7 Datos de entrada en el HDM-4 del Sector 5 del tramo Conococha-Cátac. 151
Anexo 8 Datos de entrada en el HDM-4 del Sector 6 del tramo Conococha-Cátac. 153
Anexo 9 Datos de entrada en el HDM-4 del Sector 7 del tramo Conococha-Cátac. 155
Anexo 10 Datos de entrada en el HDM-4 del Sector 8 del tramo Conococha-Cátac 157
Anexo 11 Datos de transito motorizado del tramo Conococha-Cátac. 159
Anexo 12 Datos de la capacidad vial del tramo Conococha-Cátac. 160
Anexo 13 Datos de la zona climática del tramo Conococha-Cátac. 161
Anexo 14 Modelo de deterioro del ahuellamiento entre los valores no calibrados, calibrados y reales
del tramo Conococha-Cátac. 162
Anexo 15 Coeficiente de determinación (R2) entre los valores calibrados y observados de
ahuellamiento del tramo Conococha-Cátac. 165
Anexo 16 Modelo de deterioro del IRI entre los valores no calibrados, calibrados y reales del tramo
Conococha-Cátac. 168
Anexo 17 Coeficiente de determinación (R2) entre los valores calibrados y observados de IRI del
tramo Conococha-Cátac. 171
Anexo 18 Resultados previstos calibrados por el HDM-4 de los modelos de deterioro de
agrietamiento (%), ahuellamiento (mm) e IRI (m/km). 174
12
ÍNDICE DE FIGURAS
Figura 1. Esquema de producción del asfalto espumado. 26
Figura 2. Reciclado a 30 cm con diferentes espesores de asfalto a) carpeta asfáltica gruesa b) carpeta
asfáltica delgada. 27
Figura 3. Aplicación de asfalto espumado mediante reciclado de pavimentos flexibles empleando un
equipo fresador - mezclador. 27
Figura 4. Ciclo de gestión de pavimentos. 29
Figura 5 Diagrama resumido de principales actividades que integran un SGP. 30
Figura 6. Elementos básicos de un SGP 35
Figura 7. Estructura general de un SGP 36
Figura 8. Propuesta de Sistema de Gestión de la Infraestructura Vial (SGIV). 39
Figura 9. Utilización del HDM-4 en el mundo. 40
Figura 10. Concepto de análisis del ciclo de vida en HDM-4. 42
Figura 11. Análisis de ciclo de vida usando el HDM-4. 43
Figura 12. Sistema de la estructura en HDM-4. 44
Figura 13. Fase de modelo de deterioro. 49
Figura 14. Interacción de modelos de deterioro en pavimentos flexibles en el HDM-4. 49
Figura 15. Modelo de deterioro en carreteras. 52
Figura 16. Importancia del IRI en el esquema general de análisis del HDM-4. 53
Figura 17. Gráfico del avance del deterioro de un pavimento respecto al tiempo. 53
Figura 18. La respuesta dinámica de un cuarto de carro y el IRI. 54
Figura 19. Escala estándar empleada por el Banco Mundial para cuantificar el IRI. 57
Figura 20. Recomendación Transportation Research Board (TRB) para la selección de valores
máximos admisibles del IRI en función del TDPA. 57
Figura 21.Influencia de la velocidad en el IRI. 58
Figura 22. Perfilómetro APL. 59
Figura 23. Esquema de un perfilómetro SDP. 59
Figura 24. Posición de sensores en la barra del perfilómetro láser. 60
Figura 25. Pronóstico de IRI para 20 años, con un aumento de 50% en los datos de entrada
(TDPA=3000veh/día, IRI inicial=2 m/km). 65
Figura 26. Fuentes y tiempo requerido para la calibración. 69
Figura 27. Ejemplos de sesgo y precisión. 75
Figura 28. Método de las ventanas. 81
Figura 29. Factores de corrección. 82
13
Figura 30. Componentes del IRI. 87
Figura 31. Diagrama de dispersión. 89
Figura 32. Niveles de correlación. 90
Figura 33. Minimización de cuadrados. 91
Figura 34. Suma de diferencia de los cuadrados de las diferencias de los datos previstos y medidos en
campo contra el valor de los factores de calibración Ki. 92
Figura 35. Plano clave del tramo EMP 1N – Conococha – Huaraz – Caraz – Molinopampa y ramal
EMP 3N – Chiquian – Aquia – EMP 3N (línea azul). 94
Figura 36. Plano de ubicación del Tramo III (Conococha – Cátac). 94
Figura 37. Equipo para determinar el IRI. 96
Figura 38. Diagrama del IRI en carpeta de rodadura: lado derecho - tramo Conococha - Cátac (Puente
Parco). 98
Figura 39. Diagrama del IRI en carpeta de rodadura: lado izquierdo - Tramo Conococha-Cátac (Puente
Parco). 99
Figura 40. Diferencia de valores previstos de IRI calibrados y no calibrados por el HDM-4. 120
14
ÍNDICE DE TABLAS
Tabla 1 Cambios en los procesos de gestión. 47
Tabla 2. Categoría y fases de los modelos de deterioro en el HDM-4. 48
Tabla 3. Clases de dispositivos para medir la regularidad superficial. 55
Tabla 4. Requisitos de intervalo de muestreo y resolución vertical. 56
Tabla 5. Clasificación por humedad. 62
Tabla 6. Clasificación por temperatura. 62
Tabla 7. Clasificación de los pavimentos asfálticos en el HDM-4. 64
Tabla 8. Clases de sensibilidad del HDM-4. 65
Tabla 9. Resultados del análisis de sensibilidad del HDM-4, para los modelos RDWE. 67
Tabla 10. Ranking de impactos de factores de deterioro de la carretera. 71
Tabla 11. Valor del coeficiente ambiental recomendado, m. 73
Tabla 12. Factor de modificación del coeficiente ambiental para RDWE. 73
Tabla 13. Datos generales. 76
Tabla 14. Datos estructurales. 76
Tabla 15. Datos geométricos. 77
Tabla 16. Datos de auscultación. 77
Tabla 17. Datos históricos. 78
Tabla 18. Datos de drenaje y clima. 78
Tabla 19. Datos de tránsito. 78
Tabla 20. Factores de calibración de los modelos de deterioro del HDM-4. 83
Tabla 21. Resultado del IRI característico y serviciabilidad (PSI). 97
Tabla 22. Sectorización del tramo Conococha-Cátac para la calibración de los modelos de deterioro.
100
Tabla 23. Formatos SIC. 101
Tabla 24. Datos generales del tramo Conococha-Cátac. 103
Tabla 25. Datos geométricos del tramo Conococha-Cátac. 103
Tabla 26. Datos estructurales del tramo Conococha-Cátac. 104
Tabla 27. Condición inicial del pavimento. 104
Tabla 28. Zona Climática de la zona en estudio. 105
Tabla 29. Datos de la capacidad Vial del tramo Conococha-Cátac. 105
Tabla 30. Censo de carga y tasa de crecimiento. 105
Tabla 31. Características del tránsito. 106
15
Tabla 32. Ejemplo de sensibilidad de los factores de calibración de los modelos de deterioro del
HDM-4 para una variación de ΔKi=0.5. 108
Tabla 33. Valores de grietas reales y predichas del tramo Conococha-Cátac. 109
Tabla 34 Valores de grietas reales y calibrados del tramo Conococha-Cátac. 110
Tabla 35. Factores de calibración del modelo de deterioro del agrietamiento. 110
Tabla 36. Valores de ahuellamiento observados (mm) del tramo Conococha-Cátac. 111
Tabla 37 Valores de ahuellamiento previstos (mm) no calibrados por el HDM-4 del tramo
Conococha-Cátac 111
Tabla 38 Factores de calibración del modelo de progresión del ahuellamiento. 112
Tabla 39 Valores de ahuellamiento calibrados en el HDM-4. 113
Tabla 40 Valores medidos del IRI (m/km) por el perfilómetro láser en el tramo Conococha-Cátac. 114
Tabla 41 Valores previstos no calibrados de IRI (m/km) por el HDM-4. 114
Tabla 42 Valores previstos considerando Kgm=0.91. 115
Tabla 43 Resultados de la minimización de cuadrados para obtener Kgr. 115
Tabla 44 Valores previstos del IRI considerando Kgm=0.91 y kgr. 116
Tabla 45 Resultados de la minimización de cuadrados para obtener Kgc. 116
Tabla 46 Valores previstos de IRI considerando Kgm=0.91, Kgr y Kgc. 117
Tabla 47 Resultados de la minimización de cuadrados para obtener Kgs. 117
Tabla 48 Valores previstos de IRI considerando Kgm=0.91, Kgr, Kgc y Kgs. 118
Tabla 49 Factores de calibración del modelo de deterioro del IRI. 118
Tabla 50 Valores previstos calibrados finales del IRI del tramo Conococha-Cátac. 119
Tabla 51 Resumen de factores de calibración del tramo Conococha-Cátac. 119
Tabla 52 Valor de error cuadrático medio de los valores previstos por el HDM-4 y valores medidos en
campo. 121
Tabla 53 Coeficiente de correlación y determinación de los valores de la calibración de los modelos
de deterioro. 122
16
Definición de variables
HDM Modelo de Desarrollo y gestión de carreteras.
IRI Índice de Regularidad Internacional.
IRIc Índice de Regularidad Internacional característico.
SGP Sistema de Gestión de Pavimentos.
LTPP Desempeño del pavimento a largo plazo.
ADDT Tráfico promedio diario anual.
AASHTO Asociación Americana de Oficiales de Carreteras y Transportes del Estado.
ASTM Sociedad Americana para Pruebas y Materiales.
MTC Ministerio de Transporte y Comunicaciones.
MEF Ministerio de Economía y Finanzas.
SGIV Sistema de Gestión de Infraestructura Vial de Provias Nacional.
PIARC Asociación Mundial de la Carretera.
ISOHDM Estudio Internacional del Desarrollo y Gestión de Carreteras.
RDWE Modelos de deterioro y efectos de las obras.
RUE Modelos de efectos para los usuarios.
SEE Modelos de seguridad, energía y efectos ambientales.
NCHRP Programa Nacional de Investigación de Carreteras Cooperativas.
APL Analizador de perfil longitudinal.
SDP Perfilómetro dinámico de superficie.
RSP Perfilómetro superficial de carretera.
TPDA Transito Promedio Diario Anual.
ESALF Factor de eje de carga equivalente estándar.
SIC Subsistema de Inventario Calificado.
18
CAPÍTULO I: INTRODUCCIÓN
Problema de la investigación.
Planteamiento del problema.
Los modelos de deterioro en pavimentos asfálticos usando el programa HDM-4, pueden
presentar diferencias entre los valores de deterioro que los modelos predicen y lo que se
observan en la realidad. “Los modelos en los cuales se basa el HDM-4 ha sido desarrollado en
países bajo las condiciones medio ambientales, económicas y tecnológicas específicas. Por
ello, su adaptación y calibración deben darse para las circunstancias particulares de cada zona
de evaluación” (Pérez et al., 2005)
Por otro parte, “el Índice de Regularidad Internacional (IRI) constituye el indicador de
su condición global, ya que en el inciden otros deterioros del pavimento. De hecho, el
procedimiento para la predicción del IRI en el HDM-4 consiste básicamente en estimar cada
año del periodo de análisis considerando los efectos de otros deterioros en el IRI” (Odoki et
al.,2000).
Además, el “IRI es el parámetro más influyente en la evaluación que realizan los
usuarios de un camino. La correlación entre el IRI y los costos de operación vehicular
representa una de las premisas más importantes en las que se fundamenta la metodología de
análisis de HDM en general y del HDM-4 en particular”. (Pradera y Posada,2007)
Por lo tanto, una curva de comportamiento no calibrada del IRI puede determinar una
inadecuada gestión vial que implique principalmente una mal programación de intervenciones
en el tramo y evaluación de inversiones de proyectos viales.
Formulación del problema.
Problema general.
¿Será posible establecer un modelo de comportamiento del Índice de Regularidad
Internacional en el tramo del proyecto vial Conococha – Cátac construyendo una curva de
calibración a partir de una curva de deterioro real y del estimado utilizando el software HDM-
4?
Problema específico.
¿Qué tan confiable puede ser la curva de progresión del IRI estimada por el HDM-4 en base a
la data disponible del proyecto vial Conococha – Cátac que permitan representar una curva
deterioro desde el año 2011 al 2015?
19
Justificación de la investigación.
El HDM-4 viene siendo utilizado para predecir el comportamiento del pavimento en un
periodo determinado. Sin embargo, necesita ser calibrado para obtener resultados más
próximos a la realidad, ya que un “set de modelos de predicción sin calibrar es como navegar
sin instrumentos, es una simulación no una realidad, pero es lo que más se parece”.
(Valdés,2017).
Esta investigación tiene la finalidad predecir el modelo de progresión calibrado del
IRI, ya que este parámetro representa la condición funcional del pavimento constituyendo
como un indicador global, ya que en él se refleja la regularidad superficial y la deformación
permanente, además; el “IRI es el parámetro más influyente en los usuarios de carreteras”.
(Odoki et al., 2000).
Por tal razón, es importante calibrar y adaptar el modelo de deterioro en pavimentos
asfálticos empleado por HDM-4 en función de las solicitaciones impuestas por el tráfico,
geometría de la vía, capacidad estructural, condiciones ambientales y calidad de construcción.
Para realizar un análisis del ciclo de vida del pavimento permitiendo una evaluación técnica y
económica en proyectos de inversión pública de transportes y conservación vial de carreteras
y gestión de pavimentos a Nivel de Red o a Nivel de Proyectos.
Justificación social.
La importancia de entender el nivel se serviciabilidad y confort del tramo Conococha-
Cátac, medido a través del IRI, radica en su aspecto comercial, turístico y minero de la vía,
los cuales son vitales para su desarrollo social y económico. Por lo tanto, entender su
comportamiento de deterioro del pavimento permite establecer planes de conservación
oportuna, cuyo fin es conservar los niveles de servicio.
Objetivos e Hipótesis
Objetivo general.
Determinar el desempeño de deterioro de la regularidad superficial medido con el IRI, a partir
de la calibración de modelos de deterioro existentes en el software HDM-4 comparando con
valores medidos en pista para el proyecto vial Conococha – Cátac para el periodo año 2011 al
2015.
Objetivo Específicos.
Evaluar la curva de deterioro del IRI en base a una sectorización por su característica
estructural de pavimento en el tramo Conococha-Cátac.
20
Identificar la incidencia de los modelos de deterioro (agrietamiento y ahuellamiento) en
pavimentos flexibles respecto a la curva de deterioro del IRI en el tramo Conococha - Cátac.
Obtener los factores de calibración del modelo de deterioro (agrietamiento y ahuellamiento)
que inciden en el comportamiento del IRI en base a los datos medidos en campo y previstos
por el HDM-4.
Obtener los factores de calibración del modelo de progresión del IRI a partir de los datos
medidos en campo y previstos por el HDM-4.
Evaluar la confiabilidad de la calibración de los modelos de deterioro del agrietamiento,
ahuellamiento e IRI, en base al procesamiento de datos estadísticos.
Hipótesis
Hipótesis general.
Es posible construir un modelo de deterioro calibrado de progresión del IRI evaluado por el
HDM-4 con datos medidos en pista para la carretera Conococha-Cátac, periodo 2011-2015
para predecir el comportamiento funcional de la vía.
Hipótesis específica.
Una curva no calibrada del modelo de progresión del IRI, estimado por el HDM-4 no
representa la curva de deterioro real para el tramo Conococha – Cátac, periodo 2011 hasta el
2015, que permita predecir la funcionalidad.
Matriz de consistencia
PROBLEMA OBJETIVOS HIPÓTESIS VARIABLES TIPO Y DISEÑO POBLACIÓN Y MUESTRA
Problema general
¿Será posible establecer un modelo de
comportamiento del Índice de Regularidad
Internacional en el tramo del proyecto vial
Conococha – Cátac construyendo una curva de
calibración a partir de una curva de deterioro real y
del estimado utilizando el software HDM-4?
Objetivo general
Obtener el desempeño de deterioro de la
regularidad superficial medido con el IRI, a partir
de la calibración de modelos de deterioro
incorporados en el software HDM-4 y valores
medidos en campo el proyecto vial Conococha –
Cátac desde el año 2011 al 2015.
Hipótesis general
Es posible construir un modelo de deterioro
calibrado de progresión del IRI evaluado por
el HDM-4 con datos medidos en pista para la
carretera Conococha-Cátac, periodo 2011-
2015 para predecir el comportamiento
funcional de la vía.
Variable
independiente
Calibración del IRI con
data medida en pista y
data prevista por el
software HDM-4.
Tipo de estudio
Correlacional
Enfoque
metodológico
Cuantitativo
Población
Conococha - Cátac
Muestra
Conococha – Cátac, ya que la
medición del IRI se dio en el 100%
del tramo, cada 200m se obtuvo un
valor de IRI.
Problema específico
¿Qué tan confiable puede ser la curva de
progresión del IRI estimada por el HDM-4 en base
a la data disponible del proyecto vial Conococha –
Cátac que permitan representar una curva
deterioro desde el año 2011 al 2015?
Objetivo específico
- Evaluar la curva de deterioro del IRI en base a
una sectorización por su característica estructural
de pavimento en el tramo Conococha-Cátac.
- Identificar la incidencia de los modelos de
deterioro (agrietamiento y ahuellamiento) en
pavimentos flexibles respecto a la curva de
deterioro del IRI en el tramo Conococha - Cátac.
- Obtener los factores de calibración del modelo
de deterioro (agrietamiento y ahuellamiento) que
inciden en el comportamiento del IRI en base a
los datos medidos en campo y previstos por el
HDM-4.
- Obtener los factores de calibración del modelo
de progresión del IRI a partir de los datos
medidos en campo y previstos por el HDM-4.
- Evaluar la confiabilidad de la calibración de los
modelos de deterioro del agrietamiento,
ahuellamiento e IRI, en base al procesamiento de
datos estadísticos.
Hipótesis específica
Una curva no calibrada del modelo de
progresión del IRI, estimado por el HDM-4
no representa la curva de deterioro real para el
tramo Conococha – Cátac, periodo 2011 hasta
el 2015, que permita predecir la
funcionalidad.
Variable dependiente
Modelo calibrado para
predecir la progresión
de deterioro de IRI.
Tipo de diseño
Tipo no
experimental o
también
denominado ex
post-facto.
Instrumentos
-Tesis, papers, investigaciones,
publicaciones, libros, artículos y
normativas nacionales.
-Relevamiento de información
periódica del tramo Conococha-
Cátac desde el 2011 al 2015, provista
por Provias Nacional. La
información recolectada sigue el
formato SIC.
-Acervo documentario de la
constructora Cosapi S.A como
contratista conservador del tramo
estudiado.
-Software HDM-4.
CAPÍTULO II MARCO REFERENCIAL
Antecedentes
El modelo de HDM-4 a fin de realizar una evaluación técnica y económica de caminos, ha
dado lugar a ciertos estudios.
Solminihac, M. et al., (2001), en su estudio de calibración de grietas estructurales para
pavimentos asfálticos a las condiciones de Chile, presentó los resultados obtenidos en la
calibración de los modelos de agrietamiento que contempla HDM-4, y su comparación con
los resultados obtenidos de los modelos equivalentes de HDM-III, el nivel de calibración fue
del nivel 2 con un periodo de 7 meses de recolección de datos en 141 tramos testigo. La
calibración estadística de los modelos fue mediante la minimización de los cuadrados de las
diferencias de los datos estimados y los observados. La metodología empleada fue de
“ventanas”, que consiste en seleccionar una serie de tramos que presenten similares
características (tales como tránsito, capacidad estructural y clima) pero diferentes edades, con
el fin de registrar la condición de deterioro de cada uno y de esta forma reconstruir la curva de
deterioro, haciendo una comparativa de los modelos de deterioro del pavimento HDM-III y
HDM-4, concluyendo que ambos casos entregan valores similares y recomienda el uso de los
modelos de agrietamiento de HDM-4 por sus ventajas de operación.
Otro ejemplo de aplicación de los modelos de HDM fue en Colombia. En 2004, el
INVIAS (Instituto Nacional de Vías) junto a la Universidad Javeriana, realizó un Estudio de
Estructuración del Programa de Conservación denominada “Corredores de mantenimiento
integral”, cuyo objetivo fue recopilar la información suficiente durante 5 años, a fin de
obtener una base de datos de al menos 2000km de su red principal de carreteras
(Salgado,2010).Dicho proyecto permitió calibrar los Modelos de Deterioro del HDM-4,
ampliar el conocimiento de los pavimentos en diversos escenarios y plantear futuros planes de
conservación, gestión y planificación de su red de carreteras.
Chai, G. et al., (2004), presentó en la 6th Conferencia Internacional de Gestión de
Pavimentos, la calibración del Modelo HDM-4 para la Autopista Norte-Sur en la Peninsular
de Malasia, en el cual se estudió la calibración del factor de regularidad-edad-ambiental para
la autopista cuyas condiciones climáticas son húmedas, altas temperaturas y altas
precipitaciones mensualmente. La autopista evaluada fue de un pavimento flexible de 680 km
de 2 carriles, el cual presentaba inicialmente oxidación del bitumen asfaltico. El enfoque
utilizado para seleccionar los sitios de LTPP (Long Term Pavement Performance) fue agrupar
23
secciones de carretera de construcción similar, carga de tráfico y edad de construcción
conjuntamente dentro de una matriz asumiendo que todas las secciones de camino que se
encontraron dentro de un elemento de matriz particular se comportarán de manera similar. Se
emplearon tres parámetros primarios reconocidos en la selección de los sitios de calibración
incluyendo: Tipos de construcción (gruesos, medios y finos); Cargas de tráfico (Pesado,
Medio y Bajo) y Edad del pavimento (Viejo, Medio y Joven).
Una vez completada el Nivel 2, se planteó realizar una mejora para la calibración del
nivel 3, es decir, compilar datos de pavimentos de 5 a 10 años. Los datos del pavimento se
obtuvieron en los sitios del LTPP y los datos se utilizarán para verificar los factores de
calibración obtenidos en el Nivel 2. El ejercicio de adaptación que se pensó llevar a cabo en la
Calibración de Nivel 3 propuso aumentar las relaciones predictivas de HDM existentes y estas
nuevas mediciones se utilizarían para corregir esta calibración preliminar del factor ambiental
regularidad-edad.
Por otro lado, Ognjenovic, S. et al (2015) dio a conocer la Calibración del Modelo de
Iniciación de la Grieta en HDM 4 en la Red de Carreteras y Calles Urbanas Primarias de
Macedonia en la Conferencia Científica Internacional Ingeniería Civil Urbana e Instalaciones
Municipales, cuya investigación tomó datos desde el 2010-2014 en un área urbana para una
calibración de Nivel 2 de la condiciones locales como carga de tráfico, clima,
especificaciones en la construcción, nivel de mantenimiento, entre otros; con el propósito
de determinar el coeficiente de calibración del modelo de formación de grietas. Por otro lado,
las perspectivas de campo mostraron una coincidencia relativamente buena con el modelo
calibrado (7 a 8 años después de la construcción de uno nuevo, es decir, 5 años después de la
rehabilitación de los pavimentos existentes). Por lo tanto, se pudo concluir que el modelo
calibrado ofrece vistas previas más realistas en relación con el modelo HDM básico. Sin
embargo, hay cierta disipación de los datos de la aparición prevista y real de grietas debido a
limitaciones que no pudieron ser incluidas en el modelo tales como la calidad del bitumen,
prácticas constructivas, oxidación del bitumen, grados de mantenimiento y precipitaciones.
Finalmente, las mediciones de campo mostraron que no había diferencia en el inicio de la
fisura entre las carreteras estatales y las principales calles urbanas seleccionadas. Así, el
coeficiente de calibración obtenido podría utilizarse para la red primaria de Skopje, así como
para las carreteras estatales.
24
Cutura, B. et al (2016), también presentó la Aplicación del Modelo HDM-4 en la Red
de Carreteras Locales: estudio del caso del Cantón de Herzegovina-Neretva (HNC) en Bosnia
y Herzegovina en la 6th Jornada de Investigación del Transporte. La investigación tuvo como
objetivo definir los trabajos primordiales y los programas de trabajo a fin de contribuir a
evaluar los niveles presupuestales del gobierno a la red de carreteras que fueron construidas
algunas hace más de 30 años, además no contaban con un ancho apropiado y presentaban una
condición pobre de IRI en el HNC de 4.49 m/km. Esta red de 396 km estuvo distribuida en 13
carreteras asfaltadas y trochas. Después de analizas los inputs para el HDM-4, la red vial fue
dividida en 65 secciones homogéneas basadas en AADT (el promedio de tráfico diario anual)
y el IRI. El HDM-4 fue analizado para un periodo de 30 años. Sin embargo, debido a la carga
de tráfico muy baja y la inversión relativamente grande necesaria para la mejora, para la
mayoría de secciones se obtuvo un NPV negativo (valor presente neto / inversión) y IRR (tasa
interna de retorno) para alternativas de mantenimiento que no sean mantenimiento rutinario.
Para ello el programa contiene modelos para proyectar el deterioro de pavimento y los
efectos que las obras de intervención tengan sobre el mismo, de tal manera que se pueda
determinar en qué tiempo el pavimento presente un deterioro y una intervención oportuna. Sin
embargo, estos modelos se desarrollaron en base a importantes investigaciones que realizó el
Banco Mundial, principal desarrollador del software, involucrando instituciones de varios
países como el Instituto Tecnológico de Massachussets, el Laboratorio Francés de Puentes,
Caminos, para desarrollar la estructura conceptual y primer modelo de una base cuantitativa.
Las fases posteriores de las investigaciones se han enfocado en la recolección de datos de
campo, en diversos países como Kenia, El Caribe, Brasil y la India, sobre las relaciones
físicas, básicas, económicas para posteriormente aplicar estos modelos bajo condiciones
distintas a las del país o zona en la que desarrollaron pueden presentar diferencias importantes
entre los valores de deterioro que los modelos predicen y lo que se observan en la realidad,
fue así que se ganó experiencia en más de 30 países del mundo mejorando sustancialmente,
además se desarrolló la optimización de las aplicación de recursos bajo restricciones
presupuestales.
Por otro lado, a nivel local, el HDM-4 se ha empleado con fines de evaluación
económica, por ejemplo en el Proyecto Oyón-Ambo (150 km), a fin de determinar la
rentabilidad y beneficios de la población sobre los costos del proyecto, su empleo formó parte
de un requisito de licitación en octubre del 2015, otro ejemplo que podemos mencionar es la
implementación del HDM-4 a Nivel de Proyecto, para la red vial N°5 del tramo Ancón-
25
Huacho-Pativilca, a fin de justificar las actividades a ejecutarse en mantenimientos
posteriores. Sin embargo, en el Perú se ha limitado el empleo del HDM-4 solo a evaluaciones
económicas que no contemplan un proceso de calibración de los modelos de deterioro en un
pavimento flexible, que logren predecir lo más real posible la curva de progresión del IRI,
siendo este el parámetro más representativo de los modelos de deterioro que permite analizar
los efectos de deterioro superficial y la pérdida de capacidad estructural cada año.
Es preciso mencionar que el Ministerio de Economía y Finanzas (MEF,2015), ha
desarrollado algunas pautas para la aplicación del HDM-4, respecto a los parámetros de
calibración hace mención que una red de carreteras está asociada a una serie de coeficientes
de calibración; detalla que estos factores pueden emplear el mismo valor si se trata del mismo
tipo de pavimento en una red vial, sin embargo, esta afirmación no es del todo cierto ya que
cada proyecto presenta características propias, y más aún una red vial no puede considerar los
mismo factores de calibración; en esta publicación el MEF no hace un énfasis a la calibración
propiamente dicha, sino a los espacios de trabajo que presenta el HDM-4. No obstante, el
MEF hace mención en el análisis estratégico que la matriz típica de red de carreteras se podría
clasificar en función volumen de tráfico, tipo de pavimento, estado del pavimento, zonas
climáticas y clasificación funcional, sin embargo, hace referencia que cuanto más tramos
representativos se empleen en una red de carreteras los resultados serán potencialmente más
exactos, lo cual es correcto bajo la caracterización mencionada de cada proyecto vial, por lo
tanto, las estrategias de inversión para la conservación deberían incorporar data de la red de
carreteras respecto a las mediciones de los deterioros en un periodo de tiempo, a fin de
entender el progresión de deterioro del tramo a evaluar, la justificación de esta afirmación será
desarrollada a lo largo de esta investigación y en las conclusiones.
Marco Teórico
Conceptos relacionados a la Conservación Vial del tramo Conococha-Cátac.
Asfalto espumado.
El asfalto espumado es una técnica reciente, cuyo proceso mecánico involucra la inyección de
aire presurizado, una pequeña cantidad de agua (entre 1 a 2% del peso del ligante), asfalto
caliente (160°C a 180°C) dentro de una cámara de expansión, el cual genera espontáneamente
un efecto de espuma de asfalto.
La espuma se produce en el momento que las pequeñas gotas de agua fría entran en
contacto con el asfalto caliente, lo que ocasiona transferencia de energía entre el asfalto y el
26
Figura 1. Esquema de producción del asfalto espumado.
agua que eleva su temperatura a más de 100°C, el cual genera en forma instantánea vapor y
una expansión explosiva del asfalto (Jiménez ,2011). Las burbujas de vapor son forzadas a
encapsularse en el asfalto dentro de la cámara de expansión. Esta mezcla se libera a través de
la boquilla y el vapor encapsulado se expande formando burbujas de asfalto aumentando su
volumen (de 10 a 12 veces mayor) que alcanza el equilibrio debido a la tensión superficial.
Este proceso reduce la viscosidad del asfalto lo que permite el mezclado con los agregados
humedecidos a temperatura ambiente. Sin embargo, este equilibrio dura menos de 1 minuto
debido a la baja conductividad térmica del asfalto y del agua. Una vez que el asfalto
espumado llega a temperatura ambiente las burbujas de vapor colapsan por condensación y se
desintegra la espuma. El asfalto recupera su volumen inicial (Thenoux y Jamet, 2002). La
Figura 1 muestra la producción del asfalto espumado.
Fuente: Warm‐Mix Asphalt: European Prace (FHWA), 2008.
Reciclado en frio in situ.
El reciclado en frio in situ de pavimentos consiste en reutilizar los materiales provenientes de
las capas existentes del pavimento, después de la desintegración mediante el fresado, de su
mezclado y homogeneización, con ligante asfaltico o cemento, cubierta con agua y
ocasionalmente la adición de material granular virgen y aditivos; para luego realizar el
extendido y compactación en el propio lugar de extracción.
El reciclado del pavimento supera los 150 mm, pueden ser utilizados en la
rehabilitación de pavimento capas asfálticas delgadas o gruesas, tal como se muestra en la
Figura 2.
27
Figura 3. Aplicación de asfalto espumado mediante reciclado de
pavimentos flexibles empleando un equipo fresador - mezclador.
Figura 2. Reciclado a 30 cm con diferentes espesores de asfalto a)
carpeta asfáltica gruesa b) carpeta asfáltica delgada.
Fuente: Loudon & Partners,1988.
Dentro de las aplicaciones del asfalto espumado, es el reciclado en frio de pavimentos
asfálticos. La recuperación puede ejecutarse mediante un equipo fresador capaz de disgregar
el material, además, la conformación del material recuperado está formado por concreto
asfáltico, agregados aportados por la base y subbase granular existente.
Fuente: Thenoux Z. et al.,2002.
Micropavimento.
El micropavimento es una aplicación de una mezcla de agua, emulsión asfáltica modificada
con polímero catiónico, agregados 100% chancado y aditivos especiales que se aplican sobre
una superficie existente (Gransberg, 2010, p.8)
Las vías seleccionadas para el tratamiento del micropavimento son comúnmente las
cuales tienen un leve o moderado fisuramiento, sin ahuellamiento y generalmente grietas de
poco ancho, en estos escenarios el micropavimento puede alargar la vida del pavimento hasta
28
colocar una nueva carpeta asfáltica. El tiempo de volver a intervenir una vía
micropavimentada son de 5 a 7 años.
Sistema de Gestión de Pavimentos (SGP).
Según American Association of State Highway and Transportation Officials (AASHTO)
define el SGP como un conjunto de herramientas o métodos que colaboran a quienes toman
decisiones, con la finalidad de encontrar estrategias costo-efectivas para evaluar y mantener
los pavimentos en buenas condiciones de serviciabilidad en un periodo determinado.
Por lo tanto, la gestión de pavimentos involucra un conjunto de operaciones que tienen
como objetivo conservar las condiciones de seguridad, comodidad y capacidad estructural en
un periodo de tiempo, bajo las condiciones climáticas y de entorno de la zona.
Sin embargo, en la actualidad la situación ha cambiado, puesto que el estado mide a
través de una serie de parámetros específicos, las posibilidades de las técnicas de reparación y
conservación son múltiples y el tema ecológico ha cobrado una relevancia fundamental, de
aquí que los sistemas de gestión de pavimentos hayan evolucionado en gran medida.
Asimismo, la planificación de la gestión de pavimentos brinda beneficios, tales como:
1. Compila información para compartir dentro de una organización, entre instituciones o
público en general.
2. Alcanzar y obtener mejores beneficios bajo las condiciones presupuestales limitados.
3. Puede dar a conocer las consecuencias de una o algunas medidas de conservación en
base a las experiencias similares previas.
Ciclo de SGP.
En muchas organizaciones, es común que los presupuestos y los programas para hacer
trabajos en carreteras se preparen a partir de información histórica, por ejemplo, utilizar
presupuestos anteriores como base del presupuesto del año en curso, con ciertos ajustes que
logren reflejar la inflación.
Es necesario adoptar un enfoque objetivo, basado en las necesidades, que emplee la
información disponible sobre el inventario, la estructura y el estado de las vías en cuestión.
Así se evidenciará que las funciones de planificación, programación, preparación y
operaciones ofrecen un marco adecuado para aplicar un enfoque basado en las necesidades
(Robinson et al., 1998).
29
Figura 4. Ciclo de gestión de pavimentos.
A fin de lograr desempeñar las actividades de Planificación, Programación,
Reparación y Operaciones, se recomienda contar con un sistema integrado. Un enfoque
apropiado sería utilizar el concepto de “ciclo de gestión” que se presenta en el Figura 4.
Fuente: Robinson et al.,1998.
La gestión de pavimentos debe ser empleada por la entidad a cargo de los distintos
niveles y contribuir a la toma de decisiones respecto de los proyectos de red e individuales.
Adicional a ello, el empleo adecuado de un SGP permitirá conseguir el rendimiento óptimo de
los recursos invertidos, a fin de valorar el efecto de los costos involucrados, por lo tanto, es
importante conocer algunos de sus requerimientos esenciales para conseguir un adecuado
sistema de gestión de pavimentos:
1. Capacidad de utilizarlo fácilmente, con la posibilidad de agregar y actualizar datos y
modificarlos con nueva información sin mayor complicación.
2. Capacidad de considerar alternativas estratégicas dentro de la evaluación.
3. Capacidad de identificar la estrategia o alternativa más razonable.
4. Capacidad de sustentar las decisiones en procedimientos racionales, análisis crítico y
restricciones cuantificables.
5. Capacidad de manejar información de retroalimentación para identificar los efectos de
las decisiones.
30
Figura 5 Diagrama resumido de principales actividades que integran un SGP.
En la Figura 5 se muestra las principales actividades del SGP.
Fuente: Montoya, 2007.
De acuerdo a las recomendaciones de la Norma ASTM E1166-00, el manejo de un
SGP involucra la integración de los siguientes componentes:
1. Sistema de localización referenciado.
Hace referencia a un único método para la identificación y localización espacial de los
tramos que conforman la red de carreteras, así como de la información sobre las
características generales y su condición física de los mismos. Entre los métodos más
empleados se puede mencionar los sistemas arco-nodo, el cadenamiento y las
coordenadas geográficas.
2. Recolección de información.
Por lo general, los sistemas de gestión utilizan datos de las siguientes categorías:
a) Inventario de la red: comprende la clasificación funcional, número de carriles,
ancho de carril y acotamientos, pendiente y curvatura de cada uno de los tramos;
asimismo, incluye el diseño estructural de la sección, que muestre los espesores y
propiedades de los materiales de las capas constitutivas; características del sistema de
drenaje e historial de intervenciones.
b) Condición del pavimento: expresado en términos de la irregularidad de la superficie
de rodadura; presencia y magnitud de deterioros; deflexiones y otros parámetros que
31
describan la capacidad estructural del pavimento y capas que lo constituyen;
resistencia al deslizamiento, textura y sistema de drenaje.
c) Características del tránsito, así como el volumen, composición vehicular y pesos
por el tipo de vehículo.
d) Características medio ambientales: lo conforman la precipitación, humedad,
temperatura promedio y rangos de variación del mismo.
e) Costos: incluyen los costos de construcción, mantenimiento, rehabilitación y
modernización de los pavimentos. Asimismo, los costos de operación vehicular están
asociados con el tiempo de traslado de pasajeros y la demora en el transporte de las
mercancías, así como los costos de accidentes.
3. Manejador de bases de datos.
Esta en base al tamaño de la red por analizar, la información requerida por los SGP
puede alcanzar a tener una magnitud considerable, para estos casos es necesario el uso
de un controlador de bases de datos y de procedimientos computarizados para el
almacenamiento, verificación, actualización e integración con otros sistemas. En
efecto, la integración de las carreteras con el entorno y el desarrollo de tecnologías,
por ejemplo, el GPS (Sistema de Posicionamiento Global) y los sistemas de
información geográfica, están teniendo una tendencia mundial hacia el uso de bases de
datos georreferenciadas como soporte del desarrollo de SGP.
4. Herramientas de análisis.
Hace referencia a un conjunto de modelos matemáticos que se emplea como soporte
de las siguientes tareas:
a) Predicción del deterioro del pavimento a lo largo de su vida útil, así como los
efectos de las actividades de conservación.
b) Análisis de costos de proyectos de mejoramiento y conservación para tramos
específicos, que incorporen políticas aplicables a toda la red o a partes de ella, para tal
fin se emplean métodos como el análisis del ciclo de vida o el de costo-beneficio.
c) Establecer prioridades con respecto a las solicitaciones de conservación y
mejoramiento de la red. Generalmente, los algoritmos emplean criterios como el
estado del pavimento, tasa de deterioro, volumen de tránsito y otros.
d) Optimización de los programas de conservación a fin de maximizar los niveles de
desempeño del pavimento o la rentabilidad de las inversiones correspondientes.
32
5. Para la implementación se deben tener procedimientos preestablecidos para adaptar el
sistema de gestión y asegurar que el mismo sea compatible, viable en cuanto a su uso
y aceptabilidad.
De acuerdo con la Norma ASTM E 1166-00, poner en marcha la operación de un SGP
requiere un estudio previo en el que se evalúe su compatibilidad con otros procesos
institucionales existentes; así como su utilidad real en la planeación y programación de los
trabajos de conservación y desarrollo de la red vial; y su aprobación por parte de los
responsables de la gestión vial al interior de la organización operadora. Asimismo, se requiere
un plan en el que se definan el equipo y programas de cómputo; equipo de medición; personal
y estructura organizacional necesarios para la operación del sistema, así como un programa
para su implantación por etapas. El plan debe incluir también, procedimientos para la
recopilación, ingreso, validación y actualización de información; generación de informes; y la
revisión, calibración y mejoramiento de los modelos del sistema.
Desarrollo de un SGP.
Para establecer un SGP, es importante contar con la voluntad de las autoridades
correspondientes de financiarlo; por ejemplo, para el sector estatal, el director de la agencia
vial; en el caso de la comunidad, el alcalde y en el de una concesión, el administrador o
gerente del proyecto, posteriormente crear una organización necesaria para su
funcionamiento.
El SGP debe articularse alrededor de las siguientes actuaciones básicas:
1. Elaborar una data donde queden inventariadas las características de la red o proyecto
que se desean gestionar.
2. Proceder a una recolección periódica y automatizada de la información cuantitativa del
estado del pavimento y otros elementos de la carretera.
3. Establecer los índices y parámetros para la cuantificación del nivel de servicio de las
vías, a fin de establecer planes de intervención.
4. Definir un método de actividades prioritarias para establecer un orden secuencial de
aplicación de los recursos disponibles.
5. Escoger las técnicas de conservación de acuerdo a la información recolectada y
proceder con su evaluación.
Parámetros de un SGP.
Un SGP cuenta con un conjunto de parámetros invariables que lo definen, de ellos los que
deben ser considerados y que dependen directamente del "estado del arte” son:
33
1. El modelo o modelos de comportamiento a ser aplicado.
2. La experiencia previa que se basa en el conocimiento del comportamiento de los
pavimentos, así como los factores importantes que este involucra.
3. La calidad y efectividad de la instrumentación, así como las técnicas para realizar las
mediciones en campo que determinen los parámetros.
4. La variabilidad en el conjunto de datos requeridos para determinar los parámetros
apropiados.
5. La calidad y cantidad de la base de datos disponibles.
Niveles de SGP.
La gestión de pavimentos se describe, desarrolla y se usa en dos niveles, los cuales
interactúan entre sí y se definen según el área a analizarse, así mismo la cantidad de datos que
son necesarios para generar los modelos de predicción del deterioro de las estructuras a través
del tiempo. Estos niveles de la gestión de pavimentos son: la Gestión a Nivel de Proyecto y la
Gestión a Nivel de Red.
a) Gestión de Pavimentos a Nivel de Proyecto.
Este nivel tiene como propósito proveer la estrategia más económica posible respecto al
diseño inicial, mantenimiento, rehabilitación o reconstrucción para un tramo de pavimento
(Haas et al.,1994). Se tiene como resultado principal evaluar las causas del deterioro,
identificación de las estrategias posibles de diseño en base a las restricciones impuestas. Usa
datos específicos y una cantidad considerable para cada proyecto y evalúa varias opciones de
acuerdo al objetivo.
A fin de realizar una gestión a nivel de proyecto se necesitan datos disponibles de
secciones del pavimento, como, por ejemplo:
1. Volumen y cargas solicitantes que soportará el pavimento.
2. Factores ambientales y/o climáticas que lo afectan o lo afectarán
3. Características de los materiales que lo constituyen o constituirán (espesores,
resistencia, drenaje, etc)
4. Variables de construcción y mantenimiento.
5. Costos.
Luego de una evaluación técnica y económica, se debe escoger aquella que reduzca los
costos totales del ciclo de vida del pavimento, considerando la construcción, operación de los
34
usuarios, estableciendo una serie de estándares que han de satisfacerse y que tienen que ver
mucho con el comportamiento funcional del pavimento a lo largo del tiempo.
b) Gestión de Pavimentos a Nivel de Red
A nivel de red la gestión de pavimentos busca desarrollar el proceso presupuestario para
identificar las necesidades de trabajos de mantenimiento y rehabilitación de pavimentos, así
como de tramos a reparar o mantener en base a la disponibilidad presupuestaria del ente
administrador de la red vial de una región o país, para un período determinado.
Dentro de esta gestión pueden distinguirse dos sub-niveles que comprenden: la
selección de proyectos, en la cual se toman decisiones de asignación de fondos para proyectos
o grupos de ellos; y el sub-nivel de programa, en el cual se cuenta con un presupuesto
establecido que debe repartirse en una red determinada.
Debe considerarse para este propósito la serviciabilidad de las vías existentes o el
porcentaje de pavimentos deficientes, datos que deben ser recolectados en campo usando
metodologías adecuadas. Entre las actividades que comprende la gestión a nivel de red
tenemos:
1. Identificación de aquellas vías en las que, debido a su estado actual, las actividades de
mantenimiento o mejora podrían ser consideradas como prioritarias dentro de la red de
caminos.
2. Generar diferentes alternativas de tratamiento en aquellas vías que serán intervenidas,
seleccionando adecuadamente variables tales como, el período de análisis, nivel de
calidad mínimo de pavimento, tasas de descuento, etc., a fin de realizar un
conveniente análisis técnico-económico en función al comportamiento esperado en el
pavimento. Finalmente, seleccionar la alternativa adecuada en base a criterios
cualitativos y cuantitativos.
3. Elaboración de un programa de largo plazo para el mantenimiento y rehabilitación de
los pavimentos de la red vial, así como de las nuevas construcciones.
Los elementos básicos de un sistema de gestión de pavimentos a nivel de red son
(AASHTO,1990):
1. Inventario
2. Evaluación de la condición.
35
3. La determinación de las necesidades de financiamiento.
4. La identificación de proyectos candidatos a financiar.
5. Un método para determinar el impacto o los efectos de las decisiones de
financiamiento sobre las condiciones y financiamiento futuro.
6. Un proceso de retroalimentación.
Estructura general de un SGP.
Un SGP es la combinación de procedimientos de análisis, formularios detallados para la
obtención de datos, mediciones, criterios de decisión y herramientas, entre las cuales esta los
programas computarizados, los que proporcionan métodos sistemáticos y adecuados para
realizar una buena gestión.
Asimismo, dentro de un SGP se pueden diferenciarse tres módulos típicos: base de
datos, métodos de análisis y retroalimentación, tal como se describe en la Figura 6.
Figura 6. Elementos básicos de un SGP
Fuente: Solminihac, 2001.
El propósito de un SGP es establecer los requerimientos de presupuesto, programación
y acciones de mantenimiento, rehabilitación y reconstrucción, para el cual se requiere:
36
Figura 7. Estructura general de un SGP
1. Información concerniente a la actual condición de la red.
2. Políticas de mantenimiento, rehabilitación y reconstrucción.
3. Estimación del presupuesto disponible.
4. Prioridades de red (criterios económicos y sociales deben privar).
5. Producto del análisis a nivel de red.
6. Necesidades de fondo.
7. Pronóstico de futuras condiciones.
El sistema se encuentra estructurado en base a las solicitaciones a que estará sometido
el pavimento a lo largo de su vida útil, que son básicamente tránsito y clima. Asimismo, las
características de diseño, las solicitaciones y tipo de construcción determinan el modo de
respuesta de ellos, las cuales se miden por determinadas características estructurales y
funcionales, tales como:
1. Irregularidad superficial
2. Resistencia al deslizamiento
3. Deterioro superficial
4. Comportamiento estructural.
En base a las solicitaciones mencionadas, el pavimento sufre deterioros, los cuales
deben ser evitados o corregidos oportunamente mediante la aplicación de conservaciones
viales, seleccionadas de acuerdo al presupuesto y al nivel de mejoramiento que otorgan al
pavimento. La Figura 7 representa la estructura general de un SGP.
Fuente: Solminihac,2001.
37
Proyecto Perú.
En el 2007 el Ministerio de Transporte y Comunicaciones (MTC) crea el Proyecto Perú, un
Programa de Conservación y Desarrollo de la Infraestructura vial que incorpora un sistema de
gestión vial que incluye construcción, rehabilitación, mejoramiento, conservación, atención
de emergencias viales (oportuno y razonable), relevamiento de información y operación de la
red vial nacional.
Proyecto Perú implementa un sistema de actividades de conservación de
infraestructura vial mediante contratos cuyas prestaciones se controlan por niveles de servicio
y plazos iguales o mayores a tres años, que se pagan por resultados, mas no por volumen de
trabajo, en caso de no sostener los niveles de servicio la empresa contratada será penalizada
(MTC,2014).
Dentro de los elementos singulares del Proyecto Perú, se puede mencionar lo
siguiente:
1. La solución tecnológica corresponde al Contratista, a quien se le transfiere el riesgo.
2. En el nivel de servicio importa el resultado por sobre el método: si la solución
aplicada funciona, se paga; si falla, se descuenta. La verificación del cumplimiento del
nivel de servicio es fundamentalmente visual, sumamente objetiva y supone el
cumplimiento o incumplimiento de las prestaciones de cada mes.
3. Se consolida una cultura de acciones preventivas: La oportuna detección de problemas
en la vía, que se facilita cuando el contratista se posesiona de la carretera durante tres
o cinco años y cuando se asigna al contrato un Supervisor en forma exclusiva, le va a
permitir al Contratista implementar acciones preventivas dentro del mantenimiento
rutinario que eviten el deterioro prematuro de la vía y consecuentemente, el
incumplimiento del nivel del servicio que afecta la valorización del mes.
El Proyecto Perú desarrolla una cultura preventiva que busca evitar el deterioro
prematuro de las vías, mediante intervenciones rutinarias y periódicas con el presupuesto
necesario, esto significa actuar permanentemente para mantener las carreteras en óptimas
condiciones mediante soluciones tecnológicas e innovadoras.
Provias Nacional a través de la Unidad Gerencial de Conservación, hoy en día
administra la ejecución de catorce contratos denominados Servicio de Gestión, Mejoramiento
y Conservación Vial por Niveles de Servicio. (MTC,2014).
38
Contrato por Conservación Vial.
La Conservación Vial puede definirse como el conjunto de actividades, que requiere
realizarse de manera preventiva a fin de evitar el deterioro prematuro de los elementos que
conforma la vía.
Los objetivos de la conservación vial son: preservar las inversiones efectuadas en la
construcción, la rehabilitación y el mantenimiento periódico de los caminos; garantizar la
transitabilidad permanente con comodidad, seguridad y economía. Es decir, está constituido
por todas las actividades necesarias para cuidar la seguridad del camino y para prevenir el
desarrollo de deterioros en todos los componentes de la infraestructura vial como son: pistas,
puentes y túneles, señales y dispositivos de seguridad, obras de drenaje, contención de
taludes, limpieza de la carretera, también del derecho de vía, etc.
Para la ejecución de la conservación vial, se requiere tener una asignación
presupuestal anual de recursos económicos, personal capacitado y utilizar máquinas y
herramientas; cuyo costo se asigna en el presupuesto anual de la entidad competente de la
gestión vial. Las obras que conforman la conservación vial no requieren de estudios de pre-
inversión, porque se trata de obras de prevención o de corrección menor de deterioros y en la
medida que se identifique su inicio de estos se deberá proceder a su corrección para evitar su
progresión. Pero si se requiere de una programación técnica sistemática que permite sustentar
el gasto necesario. (MTC,2014).
Sistema de Gestión de Infraestructura Vial de Provias Nacional (SGIV).
En el marco de las organizaciones estatales administradoras del transporte y de
infraestructura, se está otorgando importancia al desarrollo de la adecuada gestión de los
recursos disponibles para satisfacer al máximo los requerimientos socio-económicos. Por ello,
Provias Nacional ha afrontado al desarrollo de un SGIV, buscando consolidar y articular los
sistemas informáticos llevado para la gestión de carreteras, puentes y emergencias viales.
EL SGIV en una serie de procesos que contribuyen a hacer más eficiente la labor de
Provias Nacional, instaurando procedimientos para planificar la inversión en Carreteras,
Puentes, Infraestructura de Seguridad Vial y Emergencias Viales; controlar el avance en la
ejecución y, en base a los resultados conseguidos, eventualmente reformular la planificación.
El sistema se muestra en la Figura 8 y de la descripción de los procesos que lo
integran. Por otro lado, para aquellos procesos aún no desarrollados se establece una
referencia de los requerimientos que deben tener.
39
Figura 8. Propuesta de Sistema de Gestión de la Infraestructura Vial (SGIV).
Fuente: Ministerio de Transportes y Comunicación (MTC).
Visión general del HDM-4.
El software HDM-4 (Highway Development and Management Model) es un conjunto de
herramientas que contribuye a la toma de decisiones a partir del análisis y optimización de
recursos empleados para el mantenimiento, rehabilitación y reconstrucción de carreteras; está
en base a términos económicos, proyectos, programas y políticas de conservación, lo cual
conlleva a una óptima gestión de pavimentos pensados y diseñados para la gestión de la red
vial.
La implementación del HDM-4 se da principalmente por las siguientes razones:
1. La aparición de nuevas condiciones técnica y económica, así como la necesidad de
insertar más factores que no se consideraban anteriormente como: los factores
climáticos, seguridad vial, efectos de la congestión vehicular, etc.
2. La necesidad de priorizar las inversiones en proyectos viales, bajo la optimización de
los recursos disponibles y analizando las condiciones futuras de su estado.
3. Desarrollar una visión global del SGP que sigan los lineamientos de: Planificación,
Programación, Preparación y Operación.
40
Según datos de la PIARC (Asociación Mundial de la Carretera), que gestiona y
difunde el programa desde 1998, se sabe que el HDM-4 está siendo aplicado en más de 100
países, tanto desarrollados como es vías de desarrollo. La distribución mundial de su
utilización se muestra en la Figura 9.
Fuente: PIARC
La intención del PIARC es fomentar su uso en países en vías de desarrollo y con
economías en fase de transición.
En Europa el programa se está utilizando en países como Polonia, Albania o Bosnia
Herzegovina, con el objetivo de adaptar su red de carreteras a los estándares exigidos por la
Unión Europea. En México ha adoptado el HDM-4 en 41000 km de la Red Federal de
Carreteras Libre de Peaje, en el marco de un crédito externo filmado entre el gobierno Federal
y el Banco Mundial con el fin de mejorar la planificación de la red (Pérez y Núñez, 2005).
Antecedentes.
El primer paso para el desarrollo del modelo de gestión de pavimentos nace en 1968
impulsado por el Banco Mundial y apoyado a lo largo de los años por una serie de
instituciones entre las que destacan el Massachussets Institute of Technologies (MIT), el
Laboratoire Central des Ponts et Chaussées (LCPC), el Transport and Road Research
Laboratory (TRRL) y la Universidad de Birmingham.
Figura 9. Utilización del HDM-4 en el mundo.
41
Estudios realizados en el Caribe, India, Brasil, entre otros fueron utilizados por El
Banco Mundial para desarrollar el HDM-III (1987). En 1994, el Banco Mundial produjo dos
versiones de HDM-III, amigables con el usuario en forma de hoja de cálculo, el HDM-Q que
incorporaba efectos de congestionamiento de tráfico y el HDM manager que proporcionaba
un interfaz basado en menús para facilitar su uso.
A mediados de los noventa, se hizo evidente la necesidad de modernizar el modelo
incorporando herramientas informáticas modernas, resultados de diversas investigaciones,
aumentar posibilidades de análisis, considerar el análisis en pavimentos rígidos. Además, se
investigó e incorporo submodelos para analizar los efectos de congestionamiento vehicular,
mayor número de tipos de pavimentos, aspectos de seguridad y medioambiente. De esta
manera, desde 1998 se inició el Estudio Internacional del Desarrollo y Gestión de Carreteras
(International Study of Highway Development and Management) ISOHDM. En los inicios
2000, se publicó la terminación del HDM-4 versión 1 y en el 2002 fue lanzado la versión 2
del software.
Para la aplicación del HDM-4 se necesita información en una gestora de unidad de
datos que posee cuatro componentes las cuales son: parque de vehículos, red de carreteras,
trabajos y configuración de HDM; también cuenta con herramientas de análisis con el fin de
analizar proyectos, programas y estrategias de conservación e intervenciones oportunas en la
carretera.
Características del HDM-4.
Las herramientas incorporadas al HDM-4 permiten tareas como las siguientes:
1. Pronosticar el deterioro del pavimento durante su vida útil.
2. Calcular los efectos de las acciones de la conservación y mejoramiento de la vía.
3. Pronosticar costos de operación vehicular y de los usuarios de la infraestructura vial.
4. Determinar los efectos de la congestión en la velocidad de operación de vehículos y en
los costos de operación vehicular.
5. Evaluar proyectos, políticas y programas de conservación bajo términos técnico-
económicos, obteniendo los montos y beneficios de cada alternativa considerada, y
calcular los indicadores de rentabilidad como el valor presente neto (VPN) y la tasa
interna de retorno (TIR).
6. Optimizar programas de conservación y mejoramiento, condicionadas a
presupuestales limitados.
42
Figura 10. Concepto de análisis del ciclo de vida en HDM-4.
7. Calcular la inversión necesaria para mantener un determinado nivel de servicio en una
red vial, tal caso estimar el nivel de servicio que puede lograrse con un financiamiento
limitado.
Análisis de ciclo de vida.
El marco analítico de HDM-4 se basa en el concepto del análisis del ciclo de vida de un
pavimento, es decir, simula las condiciones del camino durante el ciclo de vida y los costos
asociados a tales condiciones que involucra los costos de construcción, conservación vial y
usuarios, para un periodo de análisis que suele ser de 15 a 30 años, especificado por el
usuario.
El pavimento se deteriora como consecuencia de diversos factores como cargas de
tráfico, condiciones ambientales y sistema inadecuado de drenaje. La tasa de deterioro está
directamente relacionada con los estándares de conservación aplicados para permitir que el
pavimento soporte el tráfico para el que ha sido diseñado. Los estándares de conservación
dependen de las condiciones del pavimento, tal como se muestra en la Figura 10.
Fuente: Odoki et al,2000
En la Figura 11 se representa en análisis de ciclo de vida realizado por HDM-4.
43
Figura 11. Análisis de ciclo de vida usando el HDM-4.
Fuente: Kerali,2000.
Modelo de deterioro de pavimentos en HDM-4.
Los modelos de deterioro del HDM-4 adoptó un enfoque empírico estructurado, el cual
consistió en identificar la forma funcional y los principales parámetros a partir de información
externa, y evaluar sus efectos empleando múltiples técnicas estadísticas. De esta manera, se
logró combinar las fundamentos teóricos y reales de los modelos mecanicista con el
comportamiento observado en estudios empíricos.
A fin de ampliar las aplicaciones de los modelos a regiones con condiciones distintas a
las del sitio, donde se desarrollaron los estudios empíricos, se ha determinado una serie de
factores de calibración con el objetivo de modificar los resultados.
Dentro de la estructura del HDM-4 se mencionan tres principales modelos que se
muestran en la Figura 12.
44
Figura 12. Sistema de la estructura en HDM-4.
Fuente: Odoki et al.,2000
Modelos de deterioro y efectos de las obras (RDWE).
Este modelo RDWE (Road Deterioration and Works Effects) permite predecir la evolución
del estado físico de las condiciones futuras del pavimento, para un periodo de análisis
previamente definido, en base a las solicitaciones impuestas por el tránsito, las condiciones
climatológicas y tipo de pavimento. Asimismo, los modelos estiman los efectos de las obras
de conservación y mejoramiento más usuales. Los principales deterioros modelados son
agrietamiento, perdida de áridos, textura superficial, ahuellamiento, regularidad, fallas de
borde, baches y resistencia al deslizamiento. El HDM-4 incorpora modelos para pavimentos,
flexibles y rígidos.
Modelos de efectos para los usuarios (RUE).
Este modelo RUE (Road User Effects) es usado para calcular los efectos de las condiciones de
operación de las carreteras sobre los usuarios y el estado físico, en base a los indicadores
como los costos de circulación vehicular, accidentes y los tiempos de viaje
Modelos de seguridad, energía y efectos ambientales (SEE).
El modelo SEE (Safety, Energy and Environmental Effects) que se aplican para determinar
los efectos de la condición de los pavimentos en aspectos como la tasa de accidentalidad,
consumo de energía asociado con la operación del tránsito, equipo de construcción y la
emisión de contaminantes.
45
Por todo lo expuesto, se puede concluir que el software HDM-4 engloba herramientas
de análisis; es decir, modelos y procedimientos para estimar el deterioro de los pavimentos, la
evaluación de proyectos y políticas de conservación; mejoramiento, planteamiento y
optimización de programas de obra, evaluación del impacto de las diferentes estrategias de
desarrollo carretero en el comportamiento de la red.
Por lo tanto, el modelo que se aplicará para la calibración de los modelos de deterioro
en el tramo Conococha – Cátac será RDWE, ya que se determinaran los parámetros
mencionados para dicho modelo.
El HDM-4 en Gestión de Pavimentos.
Cuando se considera las aplicaciones del HDM-4 es necesario observar el proceso de
gestión de pavimentos a partir de las siguientes funciones.
a) Planificación
Este primer proceso representa el análisis del sistema vial como un todo; para desarrollar y
conservar carreteras bajo distintos montos presupuestales y económicos se necesita la
aproximación de los gastos de mediano a largo plazo. Es posible realizar predicciones no solo
de las condiciones de la red de carreteras para diversos niveles de financiamiento con base en
indicadores claves, sino también del gasto necesario bajo partidas presupuestales específicas.
Durante esta primera etapa se define por:
1. Características de la flota vehicular que circula por la red.
2. Características de la red.
Estas se agrupan en varias categorías que se definen tomando como bases algunos parámetros,
como:
1. Tipo o jerarquía de carretera.
2. Flujo vehicular, cargas, congestionamiento vehicular.
3. Tipo de pavimentos.
4. Condición del pavimento.
b) Programación
Este segundo proceso involucra preparar programas de trabajo y gastos, bajo restricciones
presupuestales, en los que se identifican y analizan los tramos de la red que probablemente
necesiten conservación, mejoramiento o reconstrucción. Es recomendable llevar a cabo un
análisis de costo-beneficio para determinar la viabilidad económica de estos trabajos.
46
En esta etapa, la red de carreteras se evalúa tramo por tramo, y se sectoriza en tramos
homogéneos de pavimento, en base de sus características físicas. A través de la programación
se generan valoraciones de gastos anuales, bajo partidas presupuestales establecidas, para
distintos tipos de trabajos y para cada tramo vial. Además, en esta etapa es importante
organizar los trabajos por nivel de prioridad, a fin de aprovechar los recursos limitados.
c) Preparación
Esta es la etapa de planificación a corto plazo. En esta fase, los diseños se preparan con mayor
precisión; se elaboran los listados de cantidades de obra y las cotizaciones, así como los
planes de trabajo y contratos para realizar los trabajos.
Existe la posibilidad de agrupar los trabajos programados para tramos viales próximos
mediante la formación de paquetes cuyos alcances permitan que su construcción sea rentable.
Las actividades frecuentes de preparación incluyen el diseño detallado de:
1. Un proyecto de recapeo o refuerzo estructural.
2. Trabajos de mejoramiento de la superficie de rodadura.
Por ejemplo, mejoramiento del trazo, ampliación del ancho de la carretera,
reconstrucción del pavimento, etc.
d) Operaciones
En esta última etapa, hace referencia al trabajo rutinario de una organización, cuyas
decisiones se toman de manera diaria o semanal, e incluyen la programación del trabajo que
se planea realizar, la supervisión de la mano de obra, el equipo y los materiales, el registro del
trabajo concluido y el uso de esta información con propósitos de seguimiento y control. Las
actividades generalmente se concentran en tramos individuales o en subtramos de una vía.
El proceso de gestión pasa de la fase de planificación a la de operaciones se observará
que las necesidades de información van cambiando. En un inicio se necesita solo un resumen
general de la información, pero de manera progresiva se incrementa el nivel de detalle de los
datos requeridos tal como se muestra en la Tabla 1.
47
Tabla 1
Cambios en los procesos de gestión.
Fuente: Paterson & Robinson,1991.
Modelo de deterioro de los pavimentos en HDM-4
Descripción de los modelos de deterioro.
Los modelos de deterioro en el HDM-4 para los pavimentos flexibles predicen el cambio de la
condición del pavimento a lo largo del tiempo como función de la condición actual, de sus
características estructurales, tránsito y condiciones climáticas. De esta manera, con los
resultados obtenidos se planifique adecuadamente y llevar a cabo un sistema de gestión vial.
Una vez iniciada el agrietamiento se expande en la superficie, clasificada por su
intensidad y severidad, hasta el momento que aparece desprendimiento y luego baches. El
agrietamiento en la superficie y el inadecuado sistema de drenaje permiten el ingreso de agua
en la estructura del pavimento, como consecuencia se tiene la reducción de la resistencia al
esfuerzo de corte de los materiales que conforman la base y la sub base, y este se incrementa
por el deterioro producido por el tránsito.
La deformación acumulada en el pavimento se manifiesta por el ahuellamiento bajo
las zonas de rodamiento de los vehículos, cuyo concepto general de distorsión de perfil se
denomina regularidad superficial. Por lo tanto, la regularidad superficial de los pavimentos es
producto de una combinación de una serie de mecanismos de deterioro.
Tipos de deterioro en pavimento flexible.
Respecto a los modelos de deterioro, el HDM-4 presenta múltiples variables y con
enfoque mecanicista, cuyo modelo fue adquirido después de un largo proceso de
48
Tabla 2.
Categoría y fases de los modelos de deterioro en el HDM-4.
investigación. Es así que HDM-4 de carácter altamente teórico y con múltiples variables y
datos de entrada presenta modelos de deterioro:
1. Agrietamiento
2. Desprendimiento de áridos
3. Bacheo
4. Rotura de borde
5. Ahuellamiento
6. IRI
7. Profundidad de textura
8. Resistencia al deslizamiento
Estos deterioros se pueden considerar en tres categorías, a su vez se puede mencionar
que los modelos de deterioro presentan fases de inicio y progresión. La fase de inicio hace
referencia al periodo previo al desarrollo de un determinado tipo de deterioro. Mientras la fase
de progresión comprende el periodo durante el cual se incrementa el área afectada y la
magnitud del mismo. En la Tabla 2 se muestra la categoría y el tipo de fase que presentan los
modelos deterioro.
Fuente: Elaboración propia
Los modelos de deterioro presentan una fase de inicio y fase de progresión, según se
muestra la Figura 13.
49
Figura 13. Fase de modelo de deterioro.
Fuente: Elaboración propia.
La interacción de los modelos mencionados, respecto a irregularidad superficial (IRI)
se muestra en la Figura 14.
Fuente: Elaboración propia.
Los modelos jerarquizados por nivel de deterioro son:
a) Agrietamiento
Es uno de los deterioros más importantes en el pavimento flexible. La propagación puede
incrementarse debido al envejecimiento, fatiga y al ingreso de agua en las grietas ya
originadas, el cual conlleva al desgaste de las capas granulares. El análisis del agrietamiento
presenta dos etapas: la de inicio y la progresión, la predicción de inicio de grietas corresponde
a un modelo probabilístico cuando el 0.5% del área de la superficie esta agrietada.
Además, el HDM-4 presenta dos tipos de agrietamiento: estructural y térmico
transversal.
Figura 14. Interacción de modelos de deterioro en pavimentos flexibles en el HDM-4.
50
El agrietamiento estructural considera el agrietamiento total (grietas a lo largo y ancho con
más de 1 mm de ancho) y las grietas estructurales anchas (grietas de 3 mm o grietas
interconectada). Su origen son la carga de tránsito, el envejecimiento y el medio ambiente.
El agrietamiento térmico transversal corresponde a fisuras no conectadas a través del
pavimento, los cuales son ocasionadas por la oscilación térmica o condiciones de hielo y
deshielo, es por ello que solo aplica en algunas zonas.
b) Desprendimiento de áridos
Es la pérdida progresiva de material de la capa, producida por efectos climáticos y/o erosión
ocasionada por el tránsito. Este tipo de deterioros se evidencian en construcciones de pobre
calidad y en capas asfálticas muy delgadas, como tratamientos superficiales, lechadas
asfálticas y mezclas abiertas en frio.
Este tipo de deterioro es modelado en una fase de inicio y progresión, para el primero
se establece cuando el 0.5% del área de la superficie esta desprendida, asimismo, está
influenciado por la calidad de la construcción y volumen total del tráfico.
c) Baches
Este tipo de deterioro se localizan en una capa de rodadura que previamente sufrió
desprendimiento de áridos, agrietamiento o ambos. La filtración del agua apresura la
formación de baches, el cual debilita la estructura del pavimento, reduciendo la resistencia de
la superficie de rodadura y los materiales de la base granular.
El modelo de los baches, se define primero un periodo de inicio, seguido por la
aparición anual progresiva de nuevos baches. El inicio de los baches debido al agrietamiento,
se origina cuando el área total del agrietamiento estructural ancho sobrepasa el 20%. Además,
el desprendimiento que da origen a los baches se inicia cuando el área desprendida excede el
30%.
d) Ruptura de borde
Es la pérdida de la superficie y de los materiales de la base en el borde del pavimento,
a causa de la fricción y falla por corte entre la calzada y la berma. Por lo general, este
deterioro ocurre en vías estrechas con bermas no pavimentadas, donde las ruedas de los
vehículos pasan por encima o cerca de los bordes del pavimento; no se estima rotura de borde
en los caminos con ancho superior a 7.5m.
51
e) Ahuellamiento
Es un deterioro que consiste en la deformación permanente e irrecuperable de las
capas del pavimento, el cual se refleja mediante depresiones en las huellas del paso de las
llantas del vehículo. Por lo tanto, la profundidad total del ahuellamiento es la suma de los
siguientes componentes: densificación inicial, deformación estructural, deformación plástica y
desgaste superficial
La densificación inicial solo se aplica a construcciones nuevas o reconstrucciones que
compromete la construcción de una nueva capa de base, esta densificación guarda afinidad
con el grado de compactación relativa de las bases granulares en año cero AGE4=0.
La deformación plástica indica si la carpeta es susceptible a este tipo de deterioro.
Además, se necesita saber la velocidad media del tránsito pesado en el tramo de estudio para
su estimación.
Por otro lado, el desgaste superficial no suele emplearse ya que solo aplica para
vehículos que tienen clavos en las llantas para facilitar su desplazamiento en superficies
cubiertas de nieve.
f) Regularidad superficial
Según ASTM E867-06, se define como la desviación de una determina superficie respecto a
una superficie plana teórica, que afectan la calidad de manejo, la dinámica del vehículo, las
cargas vehiculares y el tipo de drenaje, se tiene por ejemplo el perfil longitudinal y
transversal. La regularidad superficial se expresa en términos de lo que se conoce como IRI y
que se mide en m/km, este tipo de deterioro será explicado a detalle, líneas abajo ya que
forma parte del tema a investigar.
El modelo de progresión del IRI es una combinación de la predicción de todos los
modelos ya mencionados; siendo este un modelo de tipo incremental.
g) Textura de la superficie de rodadura.
Este modelo es de tipo progresiva y depende de las deformaciones para ser modeladas.
Por otro lado, este modelo presenta dos tipos de textura: macrotextura y microtextura.
El primero determina la máxima resistencia al deslizamiento alcanzado en un pavimento seco,
mientras el segundo determina la capacidad de drenaje, y, por lo tanto, refleja la efectividad
de la microtextura cuando el pavimento este húmedo.
52
Los submodelos considerados en el modelo de la textura son:
Profundidad de la textura, relacionada a la macrotextura.
El coeficiente de rozamiento, influenciado por la microtextura, siendo una medida del tipo de
acabado del pavimento.
Relevancia del Índice de Regularidad Internacional (IRI) en la Gestión de
Pavimentos
Índice de Regularidad Internacional (IRI).
El IRI es un parámetro que mide la regularidad superficial del pavimento para verificar su
nivel de servicio. El concepto de irregularidad engloba imperfecciones superficiales de la
carpeta que inciden en el costo de operación vehicular, velocidad, seguridad vial y comodidad
de los usuarios. Este índice es medido usualmente por el perfilómetro que mide las
deformaciones verticales en un tramo de pavimento y se expresa en m/km, mm/m e in/mi. El
IRI constituye un indicador de condición global que refleja las deformaciones permanentes de
la estructura y los defectos de la superficie de rodamiento, por ello su aplicación en el HDM-4
permite analizar los efectos de deterioro superficial y la pérdida de capacidad estructural
anualmente.
Fuente: Odoki et al.,2000.
La importancia del IRI como estándar de medición de regularidad superficial juega un
rol importante dentro de la percepción de los usuarios en relación al nivel de servicio de las
carreteras, lo cual motivo como principal resultado evaluar los modelos de deterioro para
pavimentos en el HDM-4, tal como se muestra en la Figura 16.
Figura 15. Modelo de deterioro en carreteras.
53
Figura 16. Importancia del IRI en el esquema general de análisis del HDM-4.
Fuente: Solorio et al.,2004
La escala de valores del IRI reflejan el comportamiento típico de la condición
superficial de un pavimento respecto al tiempo como se muestra en la Figura 17, en donde se
observa que el valor del IRI va decreciendo al paso del tiempo, esto debido al deterioro de la
superficie del pavimento, el cual involucra la disminución de la calidad superficial. El
comportamiento del deterioro no es lineal, además se observa 3 etapas
Fuente: Solorio et al.,2004.
Figura 17. Gráfico del avance del deterioro de un pavimento respecto al tiempo.
54
Cálculo del IRI.
Según el Banco Mundial, 1986, el IRI se calcula como la razón del movimiento relativo
acumulado por la suspensión del vehículo patrón, dividido por la distancia recorrida por dicho
vehículo, a una velocidad de 80 km/h, y por lo tanto permite considerar factores como
seguridad, confort y costo de uso de los vehículos. Se sugiere que los valores del IRI se
obtengan con perfilómetros dinámicos de gran rendimiento y que se presenten por tramos de
200m.
El Banco Mundial, encontró dificultades en sus investigaciones para comparar la
regularidad superficial, ya que cada país contaba con diferentes métodos y unidades para
medirlo. Fue así que, en 1982, el Banco Mundial, comenzó a experimentar con diferentes
métodos para lograr establecer correlaciones y un estándar único de calibración para el IRI en
Brasil. Sus primeras investigaciones tuvieron lugar en un programa norteamericano llamado
Nacional Cooperative Highway Research Program (NCHRP) y estuvo basado en un modelo
denominado “Golden Car”. Actualmente se basa un complejo modelo de cuarto carro (Sayers
y Kamihas,1998).
El modelo de cuarto de carro (quarter car) se basa en una rueda representada por un
resorte vertical, la masa del eje soportada por la llanta, un resorte de la suspensión, un
amortiguador y la masa del vehículo soportada por la suspensión de la rueda, tal como se
muestra en la Figura 18. Las deflexiones a lo largo del camino son acumuladas y divididas
entre la distancia horizontal para calcular la regularidad superficial en IRI como dice su
propia definición (Sayer y Karamihas,1998).
Figura 18. La respuesta dinámica de un cuarto de carro y el IRI.
Fuente: Romero & Guzmán,1995.
55
Tabla 3.
Clases de dispositivos para medir la regularidad superficial.
En la norma ASTM E 1926-98 “Standard Practice for Computing International
Roughness Index of Roads from Longitudinal Profile Measurements”, se considera que
promediar los IRI de cada huella, es una mejor medida de la regularidad superficial de la
carretera.
El IRI es determinado a través de mediciones del perfil longitudinal, lo cual lo hace
sensible a cualquier tipo de deterioro existente en el perfil de dimensiones tales que afecte la
dinámica del vehículo.
Métodos de medición del IRI
Sayers et al (1986) desarrolló una clasificación general de los dispositivos de medición de IRI
que distingue entre todos los tipos de medida sobre la base de primero sí o no el perfil es
medido y segundo sobre la precisión requerida y reproducibilidad de los dispositivos.
En la Tabla 3 se muestra las principales clases de medición de regularidad superficial.
Fuente: Elaboración propia.
Dado que los dispositivos de perfiles se dividen en dos clases (Clases 1 y 2), se
necesita una definición adicional para distinguir entre los perfiles de Clase 1 y Clase 2. Esta
clasificación generalmente se basa en el intervalo de muestreo y la precisión de las medidas
de elevación. (Sayers et al., 1986) desarrolló requisitos de precisión para dispositivos de Clase
1 y 2. Estos requisitos se especifican en términos del intervalo de muestreo requerido y la
resolución de medición vertical, y se resumen en la Tabla 4.
56
Tabla 4.
Requisitos de intervalo de muestreo y resolución vertical.
Fuente: Elaboración propia
Escala y características del IRI
La precisión que se exige a las medidas del IRI depende de la regularidad superficial. Por
ejemplo, para los métodos perfilométricos depende de la precisión de las medidas del perfil
longitudinal y del distanciamiento entre ellas, por lo que se requiere que la precisión de las
medidas de desnivel cumpla con las siguientes condiciones:
Clase 1, Precisión (mm) < 0.25.IRI (m/km)
Clase 2, Precisión (mm) ≤ 0.50. RI (m/km)
El cálculo del IRI engloba el uso de herramientas matemáticas, estadísticas y
computacionales que permiten medir la regularidad asociada al tramo. Para vías pavimentadas
el rango del IRI es de 0 a 12 m/km; para vías no pavimentadas la escala se extiende hasta a
20. A partir de un estudio encabezado por el Banco Mundial se propuso el valor del IRI para
diferentes vías, tal como se muestra en la Figura 19.
Clase de dispositivo
Intervalo máximo
de muestreo
longitudinal (mm)
Resolución
vertical (mm)
Clase 1 < 25 <= 0.1
Clase 2 25 < y <= 150 0.1 < y <= 0.2
Clase 3 150 < y <= 300 0.2 < y <= 0.5
Clase 4 > 300 > 0.5
57
Figura 19. Escala estándar empleada por el Banco Mundial para cuantificar el IRI.
Figura 20. Recomendación Transportation Research Board (TRB) para la
selección de valores máximos admisibles del IRI en función del TDPA.
Fuente: Sayers & Karamihas,1998.
Es importante mencionar que, a mayor tránsito y velocidad de los vehículos, se
requiere menores niveles de IRI por el impacto que tiene el costo de mantenimiento vial. Ver
Figura 20.
Fuente: Orozco et al.,2004.
58
Figura 21.Influencia de la velocidad en el IRI.
Por otro lado, se han realizado numerosos estudios con el objetivo de obtener la
relación entre costo de operación de los vehículos y la regularidad del pavimento. Estos
estudios cuantifican el impacto de la geometría y regularidad del pavimento, sobre los
componentes del costo de operación de diferentes clases de vehículos (combustible,
neumáticos, repuestos, mano de obra de mantenimiento, depreciación del vehículo y tiempo
de viaje) por períodos de 2 a 4 años.
Una de las conclusiones a las que llegó es que la regularidad tiene influencia sobre la
velocidad de circulación en flujo libre de los vehículos, solamente a niveles altos de IRI,
superiores a 5 m/km, tal como se aprecia en la Figura 21.
Fuente: Gutiérrez & Arce, 2004.
Perfilómetro.
El parámetro más influyente de la regularidad superficial de una vía es su perfil longitudinal.
Existen dos grupos de perfilómetros: los estáticos y los dinámicos. Dentro del primer grupo
existen los métodos de “mira o nivel” (topográficos) los de “viga a nivel”, el Dipstick; existen
otros sistemas pseudo-estáticos como la regla de 3 metros, viágrafo, los perfilómetros tipo
CHLOE, entre otros. En el segundo grupo de perfilómetro dinámicos, están los del tipo APL
francés (Analyseur de Profil en Long) y el de tipo SDP norteamericano (Surface Dynamics
Profilometer), ambos equipos proporcionan perfiles medidos a gran velocidad, son exactos en
59
Figura 22. Perfilómetro APL.
Figura 23. Esquema de un perfilómetro SDP.
la zona de longitudes de onda que incide en la regularidad superficial. El perfilómetro APL se
muestra en la Figura 22.
Fuente: Sánchez & Solminihac, 1989.
El perfilómetro SDP es un vehículo especial con sensores que miden el
desplazamiento relativo de este punto con respecto al nivel del pavimento y la aceleración
vertical en un punto de móvil. Incorporando tanto la señal obtenida por el acelerómetro y
sumándosela al desplazamiento relativo obtenido por el otro sensor, se consigue el perfil
longitudinal de la vía.
Fuente: Sánchez & Solminihac, 1989.
Perfilómetro láser
Es un equipo de última generación que permite evaluar la condición de regularidad superficial
de carretera, mediante un índice de estado estandarizado internacionalmente, denominado IRI.
El aspecto más importante de la regularidad superficial es que se relaciona directamente con
60
Figura 24. Posición de sensores en la barra del perfilómetro láser.
los costos de operación del vehículo que circula por dicha carretera, dado que afecta su
consumo de combustible y su costo de mantenimiento. (Lanamme UCR,2013).
El perfilómetro laser puede almacenar información del estado de vía con gran
exactitud en las mediciones de perfil, tanto longitudinal como transversal, también mide el
ahuellamiento y registra la velocidad de operación.
El vehículo que emplea un perfilómetro laser tiene instalado tres dispositivos laser
situados, uno en la línea central de la barra, y los otros dos en los extremos, las cuales
corresponden a cada huella del vehículo, también poseen dos acelerómetros que convierten la
aceleración vertical en una medida referencial inercial, como se aprecia en la Figura 24.
Fuente: Badilla et al.,2008.
El proceso de medición del IRI y la recolección de datos de perfil medidos con base en
una referencia inercial establecida por acelerómetros se basa en la Normas del ASTM E950
“Standard Test Method for Measuring the Longitudinal Profile of Traveled Surfaces with an
Accelerometer Established Inertial Profiling Reference”; y la Norma ASTM E 1170
“Standard Practices for Simulatig Vehicular Response to Longitudinal Profiles of Traveled
Surfaces, el cual engloba el cálculo de la respuesta vehicular a las regularidades superficiales
de la carretera.
Los equipos de auscultación obtienen datos del estado de la carretera. Los datos se
estructuran para los análisis en parámetros que son interpretados por los encargados de la
conservación vial. Los parámetros se clasifican en función del tipo de medida realizada y del
equipo empleado.
El equipo laser, permite obtener información sobre: Regularidad superficial (IRI) y
perfil transversal (ahuellamiento).
61
Los equipos deben obtener información fiable y precisa sobre el estado del pavimento,
previa calibración de ellos; a fin de asegurar las medidas de cada característica.
Respecto a la medición del IRI e ahuellamiento, hoy en día existe un sistema
automatizado, el cual emplea una cámara 3D y una luz laser estructurada para conseguir un
perfil transversal de la superficie del pavimento cuando transporta un vehículo en
movimiento. Después de la calibración, el sistema 3D puede dar una resolución de
profundidad de 0.5mm y una resolución transversal de 1.56mm pixel -1 a una altura de cámara
del piso de 1.4m. La tasa de escaneo de la cámara puede ser configurado a un máximo de
5000 líneas s-1, permitiendo que la densidad de los perfiles escaneados varíe con la velocidad
del vehículo. Los algoritmos que emplea la información 3D sirve para detectar los deterioros
en el pavimento, a nivel longitudinal y transversal, agrietamiento y otros que presenta el
pavimento. (Ouyang & Xu,2013). Desafortunadamente este sistema aún no se contempla
dentro del relevamiento de información de las conservaciones viales en el Perú, hasta la
actualidad, lo mejor que se tiene para la medición de los deterioros es el perfilómetro laser
RSP-L5, cuya exactitud es de Clase 1, explicado anteriormente. Por lo que se recomienda, el
empleo del sistema 3D para las mediciones del deterioro en los pavimentos de las redes viales
en el Perú por niveles de conservación vial.
Factores que inciden en el modelo de deterioro de un pavimento
Los factores que determinar el comportamiento de deterioro de los pavimentos se puede
mencionar los siguientes:
a) Factores Climatológicos
El HDM-4 incorpora parámetros como la humedad y temperatura, las cuales se
muestran en la Tabla 5 y Tabla 6. A fin de caracterizar estas condiciones de humedad, se
emplean variables que describen la precipitación, mientras que las condiciones térmicas se
especifican con base en promedios anuales, rango de variación mensual y cantidad de días con
temperatura por encima de un cierto límite.
62 Tabla 5.
Clasificación por humedad.
Tabla 6.
Clasificación por temperatura.
Fuente: Guía de Calibración y Adaptación del HDM-4,2000.
Fuente: Guía de Calibración y Adaptación del HDM-4,2000.
b) Solicitaciones de tráfico
El HDM-4 emplea algunos parámetros para representar la carga dinámica como:
Transito Promedio Diario Anual (TPDA): se define como el volumen total de vehículos que
transitan por un punto de la carretera en periodo de tiempo, dividido generalmente entre los
365 días del año.
Composición vehicular: se expresa en términos de porcentaje respecto a los diferentes tipos
de vehículos que transitan por la vía, con respecto al TPDA.
Tasa de crecimiento: corresponde al porcentaje de crecimiento anual del TPDA.
Número total de ejes: es el número total de ejes que cruzan una determinada sección del
tramo en estudio durante un año.
Ejes equivalentes: se define como el número total de aplicaciones de un eje sencillo dual
estándar de 80 KN. Para la carga se emplean factores de carga equivalente estándar ESALF
(Equivalent Standard Axie Load Factor).
63
c) Historial de reparaciones
Referido a las acciones de conservación, rehabilitación y construcción que se desarrollado en
la vía a lo largo del tiempo. Es así que el HDM-4 considera este factor mediante los siguientes
parámetros relacionados con la antigüedad de los trabajos.
AGE1: Periodo transcurrido en años desde el ultimo tratamiento preventivo, sello, sobre
carpeta, reconstrucción o construcción nueva.
AGE2: Periodo transcurrido en años desde el ultimo sello, sobre carpeta, reconstrucción o
construcción nueva.
AGE3: Periodo transcurrido en años desde la última carpeta, construcción o reconstrucción.
AGE4: Periodo transcurrido en años desde la última construcción nueva o reconstrucción.
d) Diseño geométrico
En esta parte, se incluyen parámetros como la sección del pavimento, alineamiento horizontal
y el alineamiento vertical.
e) Características estructurales del pavimento
Hace referencia al número estructural, deflexiones, espesores de capa, tipo de material y
rigidez de la subrasante.
Tipo de pavimento considerados en el HDM-4
Los modelos de deterioro del HDM-4 permite analizar diferentes tipos de pavimentos
asfálticos e hidráulicos. El programa clasifica los pavimentos asfálticos en función al tipo de
superficie y el tipo de base, tal como se observa en la Tabla 7.
Para el proyecto vial Conococha-Cátac, el tipo de pavimento es una STSB
(tratamiento superficial sobre base estabilizada).
64 Tabla 7.
Clasificación de los pavimentos asfálticos en el HDM-4.
Fuente: Guía de Calibración y Adaptación del HDM-4,2000.
Sensibilidad del HDM-4
La influencia de los parámetros individuales difiere de acuerdo a los parámetros particulares,
el resultado particular es considerado y los valores asignados para otro parámetro en un
análisis particular. La sensibilidad de los resultados a las variaciones en un parámetro varía,
por lo tanto, varia bajo diferentes circunstancias.
Existen diferentes enfoques para realizar un análisis de sensibilidad, por ejemplo, el
enfoque tradicional se sustenta en ceteris paribus: que consiste en cambiar cada parámetro
independientemente, conservando los demás parámetros constantes, para luego obtener la
sensibilidad correspondiente (Bennett et al.,2000).
La sensibilidad fue cuantificada por la elasticidad de impacto, el cual es la ratio de
cambio porcentual en un resultado específico y el cambio porcentual de un parámetro de
entrada.
La importancia de la sensibilidad en HDM-4, se sustenta en optimizar los recursos
disponibles para la recolección de información, enfocados en obtener variables con mayor
influencia en los resultados, que se enfoquen en la calibración de los modelos bajo las
condiciones locales, actividad importante si se desea que el sistema modele de forma certera
las condiciones de la red de carretera. Además, la sensibilización de los parámetros permite
conocer su incidencia de los datos de entrada y parámetros de calibración sobre los
indicadores económicos y técnicos del pavimento a lo largo del tiempo.
Sobre la base del análisis, se han establecido cuatro clases se modelos de sensibilidad
como una función de la elasticidad del impacto. Estas clases serán mencionadas en la Tabla 8.
65
Figura 25. Pronóstico de IRI para 20 años, con un aumento de 50% en los
datos de entrada (TDPA=3000veh/día, IRI inicial=2 m/km).
Tabla 8.
Clases de sensibilidad del HDM-4.
Fuente: Guía de Calibración y Adaptación del HDM-4,2000.
A fin de describir el nivel de incidencia de cada variable, se definieron cuatro
categorías de sensibilidad según su elasticidad de impacto, tal como se muestra en la Figura
25.
Fuente: Archondo-Callao,1996.
66
Modelo de Deterioro y Efectos de las Obras (RDWE).
El sub-modelo RDWE predice el deterioro del pavimento a lo largo del tiempo y bajo cargas
del tráfico. Cuando es aplicado el mantenimiento, las condiciones del pavimento mejora y el
volumen del material aplicado es multiplicado por su costo unitario para establecer el costo
del tratamiento.
a) Impacto alto, Clase S-1 (>0.5)
Los más sensibles inputs incluyen las variables de la estructura del pavimento, tráfico e IRI.
Alguna variación de estos parámetros afecta de gran manera los resultados incorporando el
mantenimiento rutinario, alternativas de rehabilitación y el retorno económico. Estos
presentan alto grado de sensibilidad solo cuando la adecuada estructura del pavimento (PSA)
es baja o moderado comparado con la carga Las variaciones del volumen del tráfico, el cual
determina la cantidad de usuarios derivando beneficios tiene una alta influencia en el retorno
económico, pero una menor influencia (S-II o S-III) sobre los impactos físicos.
Las variaciones en el IRI del pavimento, los cuales afecta en el ahorro obtenido por
unidad de cada usuario, tienen alto impacto en todos los resultados económicos y
rehabilitaciones necesarias, pero poco en daños superficiales (S-III)
b) Impacto moderado, Clase S-II (0.2 – 0.5)
Variaciones en la edad del pavimento y la superficie tienen moderado impacto en la
necesidades y programación de los periodos de mantenimiento, y bajo impacto en el retorno
económico. Los factores de calibración para predicciones ajustadas de los efectos
ambientales- regularidad super, progresión del IRI, inicio de grietas y progreso de estas,
tienen principalmente impactos moderados (algunos son altos y algunos bajos) en
mantenimiento y rehabilitación y retorno económico. Las variaciones en el espesor de
recubrimiento y el costo unitario de todos los tipos de tratamiento tienen moderado impacto
en el retorno económico.
c) Impacto bajo, Clase S-III (0.05-0.2)
Las variaciones en la cantidad de baches y el volumen de vehículos de alto pesaje tienen alto
impacto directo en la cantidad de baches y el costo del parchado, pero generalmente bajo
impacto en mantenimiento y rehabilitación. No obstante, que la presencia o no de baches tiene
moderado impacto en la ausencia de alternativas de parchado. Variaciones en la profundidad
67
Tabla 9.
Resultados del análisis de sensibilidad del HDM-4, para los modelos RDWE.
del ahuellamiento y el factor de ajuste de la progresión del ahuellamiento tienen bajo o
despreciable impacto en la intervención de mantenimiento del agrietamiento.
d) Impacto muy bajo, Clase S – IV (<0.05)
Las variaciones en la compactación de la subrasante y parámetros de precipitación tienen un
impacto menor en la progresión de la profundidad de ahuellamiento e impacto despreciable en
intervenciones y retorno económico. Otros efectos de precipitación son tácitos en la
resistencia del pavimento (número estructural y deflexiones) y no están vinculados a
parámetro de precipitación. Las variaciones en las deflexiones del pavimento tienen impactos
despreciables cuando el número estructural modificado es también proporcionado.
La sensibilidad del deterioro de una carretera y las predicciones de mantenimiento
para variaciones en individual parámetro de entrada esta resumida en la Tabla 9.
Fuente: Bennett et al.,2000.
68
Calibración
Calibrar un modelo de deterioro se basa en determinar factores de calibración numéricos, a fin
de modificar la predicción del modelo ajustado de acuerdo a la información provista por bases
de datos de pavimentos de una región o país. Una de las metodologías de calibración es la
minimización de la diferencia de cuadrados entre las predicciones del modelo y un conjunto
de datos de deterioro medidos en terreno.
El objetivo de la calibración es obtener modelos de predicción ajustados, que ofrezcan
estimaciones más realistas y confiables de los deterioros, en consecuencia, se pueda constituir
planes de conservación a fin de optimizar los recursos disponibles y reducir el costo total de
operación (costo total = costo de operación vehicular + costo de conservación + costo
exógeno).
Las limitaciones de la aplicación del HDM-4 se fundamenta en que los modelos de
deterioro parten de una base de datos empírica, condiciones climáticas, tráfico, capacidad
estructural, etc.; bajo estas condiciones distintas en cada espacio geográfico, el modelo de
deterioro previsto y los que se muestra en la realidad, pueden presentar ciertos errores, por
ellos los ajustes son imprescindibles. En resumen, las causas de las diferencias de los modelos
mencionados son los siguientes:
1. Errores de los datos observados en campo, a causa de inadecuadas técnicas de
medición, mal registro de datos.
2. En caso que el modelo no presente algunas variables importantes.
3. Variabilidad en el comportamiento de los materiales que componen las estructuras in
situ que generan dispersión en los resultados.
A fin de calibrar un modelo de comportamiento especifico es importante tener
información del deterioro que permitan construir la curva de su comportamiento real, datos
que pertenezcan a un periodo prolongado. La calibración se fundamenta en encontrar factores
(Ki) que logren ajustar mejor las predicciones del modelo y los datos reales medidos en
campo. (Videla et al.,1995; Kannemeyer, 1996).
Para poder realizar planes de mantenimiento o rehabilitación de un pavimento, es
imprescindible tener la mayor precisión posible de su comportamiento de deterioro a través
del tiempo, a fin de calibrar las curvas de evolución de deterioro.
69
Figura 26. Fuentes y tiempo requerido para la calibración.
Niveles de calibración.
El modelo RDWE contiene un gran número de parámetros que pueden ser ajustados, respecto
al HDM-3 presenta muchos más factores de calibración debido a que fueron codificados en el
código fuente del HDM-3 y ahora pueden ser alterados en el HDM-4.
El grado de calibración del software depende mucho del tipo de aplicación y las
fuentes disponibles del usuario. Existen 3 niveles de calibración para HDM, los cuales
involucran bajo, medio y alto nivel de esfuerzo y fuentes disponibles.
En términos de esfuerzo, los tres niveles pueden ser tomados como semanas, meses y
años. Un análisis debería ser capaz de cubrir calibración del Nivel 1 alrededor de una semana.
Para el Nivel 2 hay un incremento del esfuerzo requerido, por eso se tomará al menos un mes.
La calibración del Nivel 3 requiere un periodo largo de compromiso para la recopilación de
datos básicos, por eso se necesita más de un año.
La Figura 26 ilustra el concepto de incremento de esfuerzo y recursos. Este debe ser
apreciado que hay una relación directa entre el tiempo y esfuerzo gastado en establecer HDM
y la confiabilidad y exactitud del output.
Fuente: Guía de Calibración y Adaptación del HDM-4,2000.
a) Nivel 1 – Aplicación
A fin de hacer uso del HDM es siempre necesario cubrir al menos la calibración del Nivel 1.
Una vez realizada, generalmente no necesita ser repetido para la mayoría de archivos de datos
70
de entrada durante futuras aplicaciones en la misma ciudad ya que muchos datos y muchos
parámetros de modelo están relativamente estables a lo largo del tiempo.
La calibración del Nivel 1 está basado en fuentes secundarias. Por ejemplo, los
parámetros de RUE pueden ser estimados usando datos de fuentes como el gobierno,
publicaciones industriales, organizaciones o varios reportes de RUE de previos estudios. Para
deterioro de pavimentos, las fuentes incluirían clima, trafico, geometría de la vía, programas
de mantenimiento y presupuesto.
Por otro lado, puede ser asumido que la mayor parte del defecto de los parámetros del
modelo están adecuados para las condiciones locales, entonces solo los más críticos debes ser
abordados.
Los siguientes datos de entrada deben ser obtenidos de la calibración del Nivel 1.
1. Costos unitarios
2. Ciertas características del vehículo representativo.
3. Análisis económico
4. Características del pavimento (estudio del RDWE)
5. Características del tráfico y razón de crecimiento.
6. Tipo de clima regional
b) Nivel 2 – Calibración
Una calibración del Nivel 2 usa medidas directas de las condiciones locales para constatar y
ajustar la capacidad de predicción del modelo. Se necesita un alto grado de recolección y
precisión de datos que el Nivel 1. Para RDWE, se concentra en la iniciación de modos de
daños superficiales, progresión del ahuellamiento, efectos del mantenimiento y mejorar la
estimación del impacto ambiental.
c) Nivel 3 – Adaptación
La calibración del Nivel 3 esta generalmente comprendido por 2 componentes.
1. Recolección de datos mejorados
2. Investigación fundamental
Algunos datos pueden ser estimados con una exactitud razonable usando periodos
cortos de conteo, por ejemplo, la distribución por hora del volumen del tráfico, pero la
71
Tabla 10.
Ranking de impactos de factores de deterioro de la carretera.
confiabilidad es ampliamente mejorada por la colección de datos en más sitios durante un
periodo más largo.
Una investigación fundamental considera la relación usada en HDM. Este consistió en
una investigación estructural de campo y estudios experimentales conducidos bajo
condiciones locales, los cuales conllevan a relaciones alternativas. Por ejemplo, funciones
alternativas podrían ser desarrolladas para predecir el consumo de combustible o deterioro de
un nuevo pavimento y efectos del mantenimiento para diferentes tipos de pavimento. Tales
trabajos requieren un mayor compromiso para una buena calidad, investigación de campo
bien estructurado y análisis estadístico durante un periodo de varios años. La investigación del
deterioro del pavimento requiere de un mínimo de 5 años.
Calibración del modelo RDWE.
El deterioro del pavimento flexible y el modelo RDWE tiene 6 factores de ajustes de
deterioro. La Tabla 10 muestra la clase de impacto elástico para varias combinaciones con el
rango típico del valor de los factores para dar posibles factores netos. Seis criterios
representan diferentes aplicaciones fueron usados en el análisis y estos son listados en la
siguiente tabla.
Fuente: Guía de calibración y Adaptación del HDM-4,2000.
Note:
Criterio
1= cantidad de grietas
2=profundidad de ahuellamiento
72
3=Irregularidad superficial
4=EIRR para parcheo
5=EIRR para resellar
6=EIRR para recapeo
Sensibilidad al impacto
A=S-I
B=S-II
C=S-III
D=S-IV
EIRR Economic Internal Rate of Return (Tasa interna económica de retorno).
El factor irregularidad superficial – ambiental es claramente el más importante, debido
a la gama más amplia de los valores, seguido por el factor de iniciación de grietas y factor de
progresión. El factor de progresión de la regularidad superficial general tiene baja prioridad, a
pesar de la sensibilidad moderada, porque su rango es pequeño, basado en muchos estudios de
validación entre países. Tal como se muestra en la Tabla 10, por conveniencia, estos ajustes
pueden ser agrupados en 2 clases.
a) Alto impacto
b) Bajo impacto
Nivel I – Aplicación básica
Factor ambiental de la irregularidad-edad. S-I
Este factor determinar la cantidad de progresión de la irregularidad que ocurre anualmente en
un tiempo no estructural de base dependiente, está relacionado con el entorno del pavimento y
es efectivamente es un dato de entrada mejor que un ajuste de calibración. El factor ajusta el
coeficiente ambiental, m, el cual tiene un valor base de 0.023 en el modelo, representando
2.3% de cambio anual independiente del tráfico, el cual es:
𝐾𝑔𝑚 =𝑚𝑒𝑓𝑓
0.023
𝑚𝑒𝑓𝑓 = 𝑚. 𝑘𝑚
73
Tabla 11.
Valor del coeficiente ambiental recomendado, m.
Donde:
Kgm : es el factor de calibración ambiental irregularidad-tiempo.
m : coeficiente ambiental, según la Tabla 11
km : factor de acuerdo a los estándares de construcción de la vía y drenaje
(ver Tabla 12)
Fuente: Guía de calibración y Adaptación del HDM-4,2000.
Tabla 12.
Factor de modificación del coeficiente ambiental para RDWE.
Fuente: Guía de Calibración y Adaptación del HDM-4,2000.
Clasificación
de
la humedad
TropicalSub tropical
cálido
Sub tropical
frío
Templado
frío
Templado
muy frio
Árido 0.005 0.010 0.015 0.025 0.040
Semiárido 0.010 0.016 0.020 0.035 0.060
Sub-húmedo 0.020 0.025 0.030 0.060 0.100
Húmedo 0.025 0.030 0.040 0.100 0.200
Muy húmedo 0.030 0.040 0.050 - -
74
Confiabilidad
El objetivo de un análisis de HDM-4 es modelar pavimentos. Esto implica predecir el
deterioro de un pavimento bajo tiempo y tráfico, efectos del uso de los usuarios y los efectos
del mantenimiento en un pavimento y la tasa de deterioro. Como cualquier modelo, el HDM-4
es una representación de la realidad. Cuan exacto el modelo de deterioro refleja la realidad es
dependiente a una combinación de:
Validación de una básica relación HDM-4
Exactitud y adecuación de input data.
Factores de calibración usados en el análisis.
Sesgo y precisión.
La única manera de una evaluación y adecuación de predicción en HDM-4 es comparando el
modelo de predicción para una data conocida. Por ejemplo, uno podría tener data de un IRI
actual de un numero de pavimentos de edades conocidas. Mediante el uso del HDM-4 para
predecir la condición de pavimentos de una misma edad con los mismos atributos de cuando
ellos fueron nuevos, uno podría evaluar si HDM-4 estuvo dando predicciones apropiadas.
Sesgo: Una diferencia sistemática que surgen entre los valores observados y previstos. Por
ejemplo, si las predicciones son siempre 10% bajo que la data observada. La definición
formal del sesgo es la diferencia entre los valores medios observados y previstos.
Precisión: Una medida de que tan cerca es la data observada y el previsto. Es representada por
la reciprocidad de las varianzas, el cual es reflejado por la dispersión cuando se traza la data
observada y la prevista.
En la Figura 27 la elipse sombreada representa la data observada el cual ha sido
medido contra la data prevista. La line solida de 45° es la línea de la igualdad, donde lo
observado y prevista son iguales.
75
Figura 27. Ejemplos de sesgo y precisión.
Fuente: Guía de Calibración y Adaptación del HDM-4,2000.
En base a la precisión y el sesgo se puede decir:
1. El objetivo principal es reducir al mínimo el sesgo.
2. Siempre hay una compensación de beneficio/costo cuando se va a la precisión. La
precisión alta es costosa e intensivo recurso, mientras las técnicas de bajo costo
usualmente resultan baja precisión.
3. Si el sesgo es bajo, uno puedo usualmente aceptar data de baja precisión ya que el
medio observado y previsto serán similares. Si el sesgo es alto, es importante tener
data de alta precisión a fin de cerciorarse la naturaleza del sesgo. Un sesgo alto y data
de baja precisión hacen imposible aplicar exactamente el modelo.
Datos de entrada para el HDM-4
La información que se requiere a fin de calibrar el modelo de progresión del IRI, está basado
en:
1. Datos generales
2. Datos estructurales
3. Datos geométricos
4. Datos de auscultación
5. Datos del medio ambiente
76
6. Datos del tráfico
Fuente: Solorio et al,.2004.
Fuente: Solorio et al.,2004.
Tabla 13.
Datos generales.
Tabla 14.
Datos estructurales.
77
Fuente: Solorio et al.,2004.
Fuente: Solorio et al.,2004.
Tabla 16.
Datos de auscultación.
Tabla 15.
Datos geométricos.
78
Fuente: Solorio et al.,2004.
Fuente: Solorio et al.,2004.
Fuente: Solorio et al.,2004.
Tabla 17.
Datos históricos.
Tabla 19.
Datos de tránsito.
Tabla 18.
Datos de drenaje y clima.
79
CAPITULO III: METODOLOGÍA DE INVESTIGACIÓN
Tipo y Diseño de la Investigación
Tipo de investigación.
El enfoque de la investigación es cuantitativo, esta se fundamenta en la recolección de datos
de medición de la variable de estudio de la curva de progresión observada del IRI de la vía
utilizando el perfilómetro láser. Se analizan las mediciones obtenidas en campo utilizando
métodos estadísticos y modelos matemáticos de deterioro que ya presenta el HDM-4, dando
como resultado la predicción del comportamiento de ciclo de vida del pavimento calibrado.
El tipo de investigación es correlacional ya que permite conocer el grado de asociación
entre la curva de deterioro del IRI a partir de datos medidos en campo y el proyectado con el
HDM4 a fin de obtener el desempeño de deterioro del tramo Conococha-Cátac, en base a
factores de calibración.
Diseño de investigación.
De acuerdo al proceso investigatorio al planteamiento del problema , a la perspectiva teórica
definida y a la hipótesis planteada, el plan para obtener información que responda al
planteamiento del problema será de tipo no experimental o también denominado ex post-
facto, observando variables y relaciones entre estas en su contexto natural, con enfoque
transversal correccional-causal, posibilitando reconstruir las relaciones a partir de variables
dependientes y/o independientes, que la investigación mostrará, conocidos como
retrospectivo.
Variables
Variable independiente
Calibración del IRI con data medida en pista y data prevista por el software HDM-4.
Variable dependiente
Modelo calibrado para predecir la progresión de deterioro de IRI.
Población y Muestra.
La población es el tramo Conococha – Cátac que forma parte del Corredor Vial: Emp. 1N -
Conococha - Huaraz - Caraz - Molinopampa y Emp. 3N - Chiquián - Aquia - Emp.3N de 392
Km. de longitud aproximadamente.
80
La muestra es la misma población Conococha – Cátac, para esta investigación en
particular, ambos son iguales. Es necesario mencionar que la medición del IRI se dio al 100%
de los 45 km del tramo, cada 200m se tuvo un valor del IRI según lo medido por el
perfilómetro laser.
Instrumentos de Investigación.
1. Tesis, papers, investigaciones, publicaciones, libros, artículos y normativas nacionales.
2. Relevamiento de información periódica del tramo Conococha-Cátac desde el 2011 al
2015, provista por Provias Nacional. La información recolectada sigue el formato SIC.
3. Acervo documentario de la constructora Cosapi S.A como contratista conservador del
tramo estudiado.
4. Software HDM-4.
Procedimientos de recolección de datos.
La información del tramo Conococha-Cátac, fue conseguida mediante una solicitud de acceso
a la información pública, dirigida a Provias Nacional, a través de la oficina de Transparencia
Administrativa; después de semanas se tuvo respuesta de los inventarios viales en formatos
SIC, desde el SIC01 al SIC34, se asume la confiabilidad de los datos y validez de los
procedimientos para determinar el nivel de servicio del tramo, ya que siguió lo reglamentado
por el Manuel de Carreteras Conservación Vial del Ministerio de Transporte y
Comunicaciones. La data recogida forma parte del plan de relevamiento de información del
servicio de Conservación vial de la carretera EMP. 1N-Conococha-Huaraz-Caraz-
Molinopampa y EMP.3N-Chiquian-Aquia-EMP.3N entre los años 2011-2015. Es preciso
mencionar, que alguna información complementaria fue solicitada a la empresa ejecutora
Cosapi, a fin de tener todos los datos de entrada que necesita el software HDM-4.
Una vez recolectada la información, se procedió a analizarlo en el HDM-4, este software fue
proporcionada por la empresa constructora Obrainsa, mediante la autorización respectiva, se
logró concretar el apoyo de dicha empresa.
81
Figura 28. Método de las ventanas.
CAPÍTULO IV: METODOLOGÍA DE CALIBRACIÓN DEL IRI
Introducción
A fin de determinar un modelo de deterioro de un pavimento es imprescindible tener un
conjunto de datos del tramo que permitan construir una curva de comportamiento que refleje
el deterioro desde el momento de la reconstrucción. La calibración de un modelo de deterioro
en el HDM-4 consiste en encontrar los factores Ki que logren el mejor ajuste entre la curva
prevista del software y los datos medidos en campo.
Según la forma de recolección de datos, se puede establecer dos metodologías de
calibración:
La primera consiste en ir registrando la evolución del deterioro de un mismo
pavimento a lo largo de un periodo prolongado, por ejemplo 5 años, de esta forma se obtiene
un modelo calibrado por tramo testigo; si se tuviera datos de periodo más largo aun, se tendría
una confiabilidad mayor.
La segunda manera de efectuar la calibración es a través del método de las “ventanas”,
según se muestra en la Figura 28, el cual consiste en seleccionar una serie de tramos que
tengan similares características, pero de edades diferentes, a fin de registrar el estado de
deterioro de cada uno y reconstruir la curva de comportamiento. El tramo se puede definir
como un sector de camino que en toda su extensión presenta uniformidad en sus variables
más representativas como su capacidad estructural, tráfico, geometría, etc.
Fuente: Videla et al.,1996.
82
Figura 29. Factores de corrección.
Factores de Calibración
Calibrar y modificar las previsiones de los modelos mediante coeficientes numéricos,
minimizando la diferencia entre valores previstos y observados.
Para este fin, es preciso conocer los modelos de deterioro de HDM-4, los cuales
contienen factores de calibración “K” para ajustar las predicciones a nivel local o regional, las
cuales pueden ser de 2 tipos: rotación (A) o traslación (B) que permiten ajustar la desviación
de los datos. En la calibración de los modelos es posible utilizar ambos o algunos de ellos.
Los modelos de deterioro en pavimentos flexibles tienen más de 26 factores de
calibración K.
Fuente: Guía de calibración y Adaptación del HDM-4,2000.
Factores de corrección.
En el más simple de los casos, el sesgo puede ser expresado como la relación entre la media
observada y media prevista. Por lo tanto, el factor de corrección seria:
𝐶𝑅𝑟𝑜𝑡 =𝑀𝑒𝑑𝑖𝑎 𝑜𝑏𝑠𝑒𝑟𝑣𝑎𝑑𝑎
𝑀𝑒𝑑𝑖𝑎 𝑝𝑟𝑒𝑣𝑖𝑠𝑡𝑎
Esto se conoce como factor de corrección de la rotación, ya que, como se ilustra en la
Figura 29A, las predicciones son rotadas hacia abajo para que correspondan con los datos
observados.
83
Tabla 20.
Factores de calibración de los modelos de deterioro del HDM-4.
El factor de traslación es empleado cuando existe una diferencia constante entre los
valores observados y los previstos en todas las condiciones (ver Figura 29B), para este caso el
factor de corrección seria:
𝐶𝐹 𝑡𝑟𝑎𝑛𝑠 = 𝑀𝑒𝑑𝑖𝑎 𝑜𝑏𝑠𝑒𝑟𝑣𝑎𝑑𝑎 − 𝑀𝑒𝑑𝑖𝑎 𝑝𝑟𝑒𝑣𝑖𝑠𝑡𝑎
En la Figura 29C se muestra la combinación de la rotación y traslación.
Resumen de factores de calibración de los modelos de deterioro del HDM-4.
Los modelos de deterioro del HDM-4 explicados anteriormente, presentan sus factores de
calibración a fin de ajustar mejor la curva de progresión de los valores previstos y observados.
Fuente: Elaboración propia.
Modelos
de deterioro
Factor de
calibración
Inicio del agrietamiento total Kcia
Progresión del agrietamiento total Kcpa
Inicio del agrietamiento ancho Kciw
Progresión del agrietamiento ancho Kcpw
Inicio del agrietamiento térmico transversal Kcit
Progresión del agrietamiento térmico transversal Kcpt
Inicio del desprendimiento del árido Kvi
Progresión del desprendimiento del árido Kvp
Inicio de baches debido al modelo de agrietamiento Kpic
Inicio de baches Kpir
Progresión de baches Kpp
Rotura de borde Keb
Profundidad de la textura Ktd
Resistencia al deslizamiento Ksfc
Resistencia al deslizamiento-efecto velocidad Ksfcs
Ahuellamiento promedio-densificación inicial Krid
Ahuellamiento promedio-deterioro estructural Krst
Ahuellamiento promedio-deformación plástica Krpd
Ahuellamiento promedio-desgaste superficial Krsw
Factor de vida de drenaje Kdrain
Coeficiente de SNP debido al agrietamiento Ksnpk
Desviación estandar del ahuellamiento Krds
Relación del SNP con la estación seca/húmeda Kf
IRI-Efecto ambiental Kgm
IRI-capacidad estructural Kgs
IRI-grietas Kgc
IRI-Ahuellamiento Kgr
IRI-Baches Kgp
Factor de deterioro del drenaje kddf
84
Calibración del modelo de grietas totales.
Uno de los puntos a tomar en cuenta es el inicio del agrietamiento, el cual se considera más
importante que el modelo de progresión de agrietamiento.
Sin embargo, al tener la superficie agrietada, este permite la filtración del agua dentro
del pavimento y los resultados secundarios se reflejan como baches, ahuellamientos,
desplazamientos o una mezcla de defectos. Por tal motivo, es usual sellar las grietas antes que
la progresión se pueda acentuar mucho más.
Determinación del factor de calibración de inicio de grietas totales (Kcia).
A fin de obtener el factor, se debe dividir el año observado cuando aparece el deterioro en
campo entre el año de aparición estimada por el modelo sin calibrar, para conseguir un valor
con el cual iniciar el análisis por prueba y error.
El procedimiento que siguió el proceso fue de la siguiente manera:
a. Se prosigue el proceso para cada familia, asignando a Kcia, el valor calculado en la
minimización de cuadrados.
b. Se grafican los resultados obtenidos asignándolos a los datos observados en campo, y
se muestra la disimilitud entre la tendencia de la curva de baches generada por el
modelo HDM-4 y la tendencia de los valores de campo.
c. En base a esta información, se intenta con otro valor ya sea mayor o menor que el
valor inicial con la intención de lograr que la curva del modelo se ajusta lo más
cercano a los datos reales, tratando de localizarlo en el centro del conjunto de puntos.
d. Se reitera el procedimiento a fin de conseguir un valor que logré que la curva prevista
se aproxime lo más cerca a los datos reales del campo.
Determinación del factor de calibración de progresión de grietas totales (Kcpa).
Para conseguir el valor, se empleó el método estadístico de minimización de cuadrados entre
los valores estimados y observados; como resultado se obtiene un valor parámetro, el cual se
emplea para comenzar el procedimiento a prueba y error.
Calibración de modelo de ahuellamiento.
Determinación del factor de calibración de la densificación inicial (Krid).
Es importante mencionar que la densificación inicial es aplicable solo a construcciones
nuevas o reconstrucciones que contemple la construcción de una capa nueva de base.
85
Para determinar el factor de calibración, se aplica el procedimiento ya mencionado que
divide el valor de ahuellamiento un año posterior de la reconstrucción observado entre el
valor estimado sin calibrar (Ki=1); esto con la intención de iniciar el análisis a prueba y error.
Determinación del factor de calibración de deformación estructural o progresión de
ahuellamiento (Krst)
Para determinar dicho factor se aplicó el método estadístico de minimización de cuadrados
entre los valores estimados y el observado.
Se realiza un análisis para cada sector, designando a Krid, el valor parámetro, y colocando a
Krst su valor definitivo, debido a que la progresión de ahuellamiento depende de esta.
Los resultados conseguidos se grafican comparándolos con los datos medidos en campo y se
observa la tendencia de ambos y las diferencias.
En base a las observaciones, se prueba con otro valor ya sea mayor o menor que el valor
inicial a fin de conseguir que la curva prevista se acerque a la curva real.
Determinación del factor de calibración de deformación plástica (Krpd).
De la misma manera, se empleó el método estadístico de minimización de cuadrados entre el
valor estimado y el valor observado.
Calibración del modelo de deterioro del IRI.
A fin de calibrar el modelo de progresión del IRI, se necesita calibrar el modelo de deterioro
del agrietamiento y ahuellamiento, debido a la incidencia y dependencia de esto dos respecto
al IRI.
Calibración por método gráfico.
Se procede al análisis para cada uno de los tramos agrupados en base a su familia, en este
caso, fue por características estructurales del pavimento. Se siguió las siguientes
recomendaciones:
1. Los datos empleados para el análisis fueron valores promedios de los tramos que lo
conforman.
2. El año de inicio del análisis debe corresponder al año en el cual se realizó la última
rehabilitación o reconstrucción, el cual redujo los deterioros a cero. En nuestro caso el
año de reconstrucción se dio entre los años 2010-2011, por lo que el análisis inicia en
el 2011.
86
3. Las áreas de agrietamiento total, grietas anchas y número de baches para el inicio de
análisis se consideran cero por el hecho de haber sido una vía reconstruida.
4. La extensión del periodo de análisis corresponde a 5 años de información de campo,
desde al año 2011 al 2015.
Una vez revisada todos los detalles e información del tramo en evaluación, se grafican
en el software para obtener la curva estimada por el HDM-4 para compararlos con los valores
reales medidos en campo.
Consideraciones iniciales para la Calibración del IRI en tramo Conococha-Cátac.
La calibración de la progresión del IRI, tuvo como punto de partida la recolección de las
mediciones reales desde el año 2011 al 2015. Por ello, se consideró un IRI característico
(IRIc) para una calzada con tratamiento superficial que involucra la desviación estándar del
conjunto de datos a trabajar, este IRIc fue sacado del Manual de Conservación Vial (2013) y
este dado por la siguiente relación:
𝐼𝑅𝐼𝐶 = 𝐼𝑅𝐼𝑃 + 0.524𝐷𝑠
Donde:
IRIp : IRI promedio
Ds : desviación estándar
Es necesario mencionar que el HDM-4 no distingue si los datos reales del IRI inicial
hacen referencia al promedio o al característico, sin embargo, la decisión de considerar este
último, se basa en tomar en cuenta la desviación del conjunto de datos y evitar de alguna
manera el sesgo.
Posterior a la calibración del agrietamiento y ahuellamiento, y obtener sus factores de
calibración para cada modelo se procedió a calibrar el IRI. Por ende, para determinar los
factores de calibración del IRI, se comenzó con calcular el coeficiente de medio ambiente en
base a las condiciones ambientales del tramo Conococha-Cátac, según los datos del
SENAMHI, el tramo en estudio presenta una precipitación anual de 540mm y un rango de
temperatura de -0.20 y 12°C, por lo que se considera un clima templado según la Tabla 11,
asimismo, según la Tabla 12 se considera el factor de modificación medio-ambiental para una
zona sin congelamiento de 0.6.
87
Figura 30. Componentes del IRI.
𝐾𝑔𝑚 =𝑚. 𝑘𝑚
0.023
𝐾𝑔𝑚 =0.6𝑥0.035
0.023= 0.91
Por lo tanto, considerando este factor fijo Kgm de 0.91, se procedió la calibración de
los 4 factores restantes, empleando la minimización de cuadrados según lo indicado en la
metodología.
Procedimiento de Cálculo del IRI
El HDM-4 calcula el incremento anual del IRI mediante la integración de 5 componentes:
pérdida de capacidad estructural, agrietamiento, ahuellamiento, baches y efectos ambientales.
Componente estructural (Kgs)
Componente de las grietas (Kgc)
Componente de ahuellamiento (Kgr)
Componente de baches (Kgp)
Componente ambiental (Kgm)
El componente ambiental es de alta sensibilidad en modelos de deterioro del IRI,
según se muestra en la Figura 30.
Fuente: Arango,2018.
Normalmente se recomienda que la calibración se realice en primer lugar para el
coeficiente ambiental (Kgm) y a continuación para el factor general. Según Bennett y
Paterson (2000) es “inusual para el factor general Kgp la necesidad de ajustarse y es más
probable que uno de los factores internos necesite corrección”.
88
Incremento total del IRI.
El modelo de deterioro del IRI utilizada por el HDM-4 es el siguiente:
Donde:
ΔIRI : variación total en la regularidad del firme durante el año de análisis (1 año)
ΔRIs : variación proporcional de la regularidad debido a la componente estructural.
ΔRIc : variación proporcional de la regularidad debido a las grietas.
ΔRIr : variación proporcional de la regularidad debido al ahuellamiento.
ΔRIt : variación proporcional de la regularidad debido al bacheo.
ΔRIe : variación proporcional de la regularidad debido a las condiciones medioambientales.
Kgp : factor de calibración de la progresión de la regularidad.
Progresión del IRI.
El IRI se expresa en términos de la regularidad superficial en el HDM-4, emplea modelos con
componentes incrementales dado por Paterson (1987).
Donde:
ΔIRI : Cambio incremental del IRI durante el año en m/km.
m : coeficiente de medio ambiente.
AGE3 : años desde la construcción o rehabilitación.
YE4 : tráfico anual de carga en MESAL/carril.
SNK : número estructural modificado ajustado por los defectos de las grietas.
ΔRDS : cambio incremental en patrón de ahuellamiento en mm.
ΔACRX : cambio incremental en el área del índice de grietas en porcentaje.
ΔAPOT : cambio incremental en el área de baches en porcentaje.
89
Figura 31. Diagrama de dispersión.
Calibración Estadística del Modelo.
Procesamiento de datos estadísticos.
Correlación
La correlación es el método empleado para determinar el grado de asociación o relación entre
variables que se estudian, para así determinar en qué medida una relación funcional describe o
explica en una forma adecuada la relación entre estas variables.
Tipos de correlación
a) Correlación directa o positiva. Cuando las variables X y Y presentan variaciones en un
mismo sentido, esto es, para mayores valores de X corresponden mayores valores de Y.
b) Correlación inversa o negativa. Cuando las variables de X y Y son en sentidos contrarios,
esto es, para mayores valores de X corresponden menores valores de Y.
c) Sin correlación: Cuando no existe ningún tipo de relación entre las variables.
Diagrama de dispersión
En la representación gráfica más útil para describir el comportamiento conjunto de dos
variables X e Y, consiste en una nube de puntos que indicara si existe o no correlación
dependiendo de la tendencia de los puntos.
Fuente: Castañeda,2010.
90
Figura 32. Niveles de correlación.
Coeficiente de correlación
Es un número que indica el grado de asociación entre las variables y se define del siguiente
modo:
𝑟 =∑ 𝑥𝑖𝑦𝑖 − 𝑛�̅��̅�𝑛
𝑖=1
√(∑ 𝑥𝑖2𝑛
𝑖=1 − 𝑛�̅�2)(∑ 𝑦2𝑛𝑖=1 − 𝑛�̅�2)
El coeficiente r es un número comprendido entre -1 y 1.
Si r<0 : existe correlación inversa o negativa entre las variables.
Si r>0 : existe correlación directa o positiva entre las variables.
R=0 : no existe relación lineal entre las variables, variables no correlacionadas.
Niveles de correlación.
El siguiente diagrama resume el análisis del coeficiente de correlación entre dos variables:
Fuente: Castañeda,2010.
Coeficiente de determinación (R2)
Mide el porcentaje de variabilidad en Y que puede explicarse a través del conocimiento de la
variable independiente X. Se calcula con la siguiente formula:
𝑅2 =[∑(𝑥 − �̅�)(𝑦 − �̅�]2
√(∑ 𝑥𝑖2 − 𝑛�̅�2)(∑ 𝑦𝑖
2 − 𝑛�̅�2)= 𝑟2
Características:
a) Es un valor no negativo ya que se encuentra entre 0 y 1
0 ≤ 𝑅2 ≤ 1
b) Es un valor muy importante en cualquier análisis de regresión, ya que muestra el grado
hasta el cual están relacionadas la variabilidad de X y Y.
91
Figura 33. Minimización de cuadrados.
Es importante mencionar que el resultado de R2 oscila entre 0 y 1. Cuanto más cerca
de 1 se encuentre su valor, mayor será el ajuste del modelo a la variable que estamos tratando
de explicar. De modo contrario, cuanto más cerca de cero, menos ajustado estará el modelo y,
por ende, menos fiable será
Estimación por métodos de mínimos cuadrados.
A partir de los resultados previstos por el software, se pretenden predicciones de progresión
de deterioro del IRI para luego comparar contra los valores medidos en el tramo, permitiendo
comparar y evaluar las dos curvas. El procedimiento propuesto para la calibración estadística
de los modelos de deterioro en pavimentos asfalticos se basan en encontrar los factores de
ajuste entre los datos reales y previstos, mediante la minimización de cuadrados de las
diferencias entre los datos estimados y observados.
En la Figura 33, se muestra la curva típica del modelo de comportamiento, en donde se
observa los datos observados y la curva prevista por el HDM-4.
Fuente: Solminihac et al.,2002.
El minimizar el valor de SSD implica una disminución del error medio de estimación
Syx que permite hallar el factor de calibración Ki que garantiza el ajuste de la curva de
deterioro, por consiguiente, la calibración del modelo de comportamiento analizado.
92
Figura 34. Suma de diferencia de los cuadrados de las diferencias de los datos
previstos y medidos en campo contra el valor de los factores de calibración Ki.
Fuente: Solminihac et al.,2002.
Error cuadrático medio RMSE
El error cuadrático medio (RMSE) mide la cantidad de error que hay entre dos conjuntos de
datos, es decir, compara un valor previsto y un valor observado o real.
RMSE = √∑ (Reali − Estimadoi)2n
i=1
n
93
CAPÍTULO V: INFORMACIÓN DEL PROYECTO VIAL CONOCOCHA – CÁTAC
Antecedentes
En el año 2007, se dio origen el Programa de Infraestructura Vial denominado “Proyecto
Perú" dentro del Ministerio de Transportes y Comunicaciones (MTC), como un Programa de
Conservación y Desarrollo de Infraestructura Vial que lleva a cabo un Nuevo Sistema de
Gestión Vial en el país; entiéndase por gestión vial, a la construcción, rehabilitación,
mejoramiento, conservación, atención de emergencias viales, relevamiento de información y
operación de la red vial nacional.
Asimismo, el MTC, a través del Proyecto Especial de Infraestructura de Transportes
Nacional – Provias Nacional, convocó a concurso Público N°0034-2009-MTCI20, para la
contratación del Servicio de Gestión y Conservación Vial de la Carretera EMP 1 N -
Conococha - Huaraz - Caraz - Molinopampa y EMP 3N - Chiquian - Aquia- EMP 3N.
Como resultado del mencionado concurso, el Consorcio Cosapi-Translei fue
adjudicado a la buena pro, suscribiéndose el contrato de Servicios N°013-2010-MTCI20 el 21
de enero del año 2010 por un monto que ascendió a S/. 175'638,809.40 incluido el IGV. El
inicio del plazo de obra comenzó el 2 de marzo del año 2010, señalada como fecha de inicio
de la vigencia del contrato por 5 años, el término de la misma es fijado para el 2 de marzo del
año 2015 (MTC, 2010).
Descripción Geográfica
El proyecto vial del tramo Conococha - Cátac se localiza en el departamento de
Ancash, Provincias de Recuay y Huaraz. Esta vía tiene como punto de partida en el km 498 +
968 (Ruta PE-03N) en el centro poblado de Conococha en el Km 122+285.95 (Ruta PE-016)
de la carretera Pativilca - Conococha que pertenece a las Provincias de Barranca y Bolognesi;
y finaliza en el Km 543+200 al final del Puente Tacllan de la Provincia de Huaraz; se tiene
una longitud de 44.23 km.
El sector evaluado pertenece al Tramo III de la carretera EMP 1N – Conococha –
Huaraz – Caraz – Molinopampa y ramal EMP 3N – Chiquián – Aquia – EMP 3N.
94
Figura 35. Plano clave del tramo EMP 1N – Conococha – Huaraz – Caraz –
Molinopampa y ramal EMP 3N – Chiquian – Aquia – EMP 3N (línea azul).
Figura 36. Plano de ubicación del Tramo III (Conococha – Cátac).
Fuente: MTC,2015.
Fuente: Provias Nacional.
95
Condición Inicial Previa a la Conservación Periódica de la Vía.
Como parte de los procedimientos técnicos que exige la modalidad de contratación en la fase
Pre Operativa y fase Operativa, se exige la tarea de relevamiento de información en la fase
operativa.
Evaluación funcional
A fin de evaluar la regularidad superficial, se empleó el Índice de Regularidad Internacional
(IRI), el equipo planteado para le medición fue el perfilometro RSP-L5 (Road Surfacer
Profiler), el cual permite medir de forma continua cada carril del tramo seleccionado con un
alto nivel de precisión a una velocidad por encima de los 30 km/h. Las mediciones se
realizaron considerando la norma ASTM E 950-98 (reaprobada en el 2004).
El perfil del pavimento se consigue por la suma integrada de las mediciones de 7
sensores localizados en una viga transversal, que a su vez va montada en el bumper delantero
del vehículo, de los cuales cinco sensores láser miden el desplazamiento entre el vehículo y el
pavimento; y dos sensores acelerómetros que miden el desplazamiento vertical del vehículo
(aceleraciones verticales). Además, existe un odómetro posicionado en la rueda que mide la
distancia de recorrido del vehículo, tanto por el vehículo como por la viga que soporta los
sensores Los resultados son grabados y almacenados en medios magnéticos en el computador
del vehículo.
Las ventajas de realizar mediciones del ahuellamiento e IRI con este equipo son:
a. Alto rendimiento en la recolección de información, velocidad entre 30-70 km/h
durante el recorrido en el carril.
b. Medición en forma continúa del IRI y ahuellamiento en ambas huellas del carril de
circulación.
c. Mediciones a velocidades de tráfico normal.
d. Determinación del índice de serviciabilidad y confort de la vía, medida con alta
precisión.
Es importante mencionar que se tuvieron algunas consideraciones:
a. Se corroboró el correcto funcionamiento del equipo antes de iniciar cualquier jornada
laboral
b. A fin de obtener la velocidad mínima requerida, se tomaron en cuenta las distancias
mínimas previo a la medición.
96
Figura 37. Equipo para determinar el IRI.
c. La medición del IRI se realizó sobre cada una de las huellas y carriles de circulación
de los vehículos.
d. Algunas otras consideraciones establecidas en la norma ASTM E 950.
Fuente: Provias Nacional.
La evaluación de la condición funcional inicial de la capa de rodadura del pavimento
Conococha - Cátac indicó una transitabilidad "mala", para ambos carriles en donde se
consiguió niveles desaprobatorios de IRI, para ambos carriles de 6.13 m/km, bajo estos
resultados la vía necesitaba una intervención en la superficie de rodadura para brindarle una
regularidad superficial óptima.
En base a los resultados de la evaluación funcional, se pudo afirmar que en el tramo
Conococha - Cátac se obtuvó IRI mayores a lo admisible de 2.5 m/km, el cual indicó que el
tramo estudiado requería de una intervención en la superficie de rodadura para brindarle una
regularidad superficial aprobatoria. En la Tabla 21 se observa el resultado del IRI en los sub
tramos evaluados antes de la intervención.
97
Tabla 21.
Resultado del IRI característico y serviciabilidad (PSI).
Fuente: Provias Nacional.
En el Figura 38 se observa el IRI medido en la fase pre operativa del proyecto supera
el IRI admisible. Por lo tanto, se concluyó que el tramo Conococha - Cátac se encuentra en un
estado "Malo" de conservación y que urgía una intervención periódica, para así evitar que el
deterioro del pavimento se expanda de manera exponencial.
Figura 38. Diagrama del IRI en carpeta de rodadura: lado derecho - tramo Conococha - Cátac (Puente Parco).
Fuente: Provias Nacional.
IRIc = 6.04 m/km carril derecho
99
Figura 39. Diagrama del IRI en carpeta de rodadura: lado izquierdo - Tramo Conococha-Cátac (Puente Parco).
Fuente: Provias Nacional.
IRIc = 6.22 m/km carril izquierdo.
Tabla 22.
Sectorización del tramo Conococha-Cátac para la calibración de los modelos de deterioro.
Criterios de Sectorización del Tramo para la Evaluación en el HDM-4
La sectorización del proyecto vial Conococha-Cátac para evaluar la progresión de los
modelos de deterioro, se dio en base a las características estructurales del pavimento, los
cuales fueron contemplados por el consorcio ejecutor de la rehabilitación del tramo en
estudio. Como se observa en la Tabla 22 la composición del paquete estructural de la vía, así
como el número estructural (SN) difiere en algunos sectores, los valores de las mediciones del
ahuellamiento e IRI fueron promediados de acuerdo a la sectorización.
Fuente: Elaboración propia
Recopilación de Información de los Datos de Entrada al HDM-4.
Es necesario mencionar que la información empleada para la calibración de los modelos de
deterioro en el HDM-4, fue extraído de los trabajos de campo establecidos en el Manual de
Gestión de Carreteras, de los formatos SIC, a continuación, se lista los formatos que el SGP
solicita.
A partir de la información que se recolecto con estos formatos, se pudo obtener lo
siguiente:
Establecer los datos de entrada que solicita el HDM-4 a fin de obtener los valores previstos o
estimados de los modelos de deterioro como el agrietamiento, ahuellamiento e IRI.
Obtener los valores medidos reales en campo de agrietamiento, ahuellamiento e IRI y obtener
un valor representativo para cada uno de los ocho sectores desde el año 2011 hasta el 2015.
101
Tabla 23.
Formatos SIC.
SIC - NÚMERO DETALLE
SIC 01 Carreteras
SIC 02 Calzadas
SIC 03 Puntos De Referencia
SIC 04 GPS Trayectoria
SIC 05 Geometría Datos Brutos
SIC 06 Trazado
SIC 07 Geometría/Datos Para HDM
SIC 08 Fajas
SIC 09 Ancho De Fajas
SIC 10 Tramos Administrativos
SIC 11 Tramos Por Entidad Responsable
SIC 12 Tramos Comunes A Varias Carreteras
SIC 13 Puntos Críticos
SIC 14 Daños Pavimento Flexible
SIC 15 Daños Pavimento Rígido
SIC 16 Daños Carreteras No Pavimentadas
SIC 17 Puentes Y Pontones
SIC 18 Alcantarillas
SIC 19 Cunetas, Canales, Bajadas De Agua, Zanja De Drenaje
SIC 20 Badenes, Túneles Y Muros
SIC 21 Seguridad Y Señalización Horizontal
SIC 22 Señalización Vertical
SIC 23 Derecho De Vía
SIC 24 Estructura De Pavimento - Carreteras Pavimentadas
SIC 25 Estructura De Pavimento -Carreteras Pavimentadas Mantenimiento
102
SIC - NÚMERO DETALLE
SIC 26 Estructura De Pavimento -Carreteras No Pavimentadas
SIC 27 Deflexiones Detalladas
SIC 28 Deflexiones Por Tramo Homogéneo
SIC 29 IRI/Huellas/Peralte Detallado
SIC 30 IRI/Huellas 200
SIC 31 Textura Detallada
SIC 32 Textura 200
SIC 33 Tránsito
SIC 34 Accidentes
Fuente: Manual de Gestión de Carreteras,2013.
Los datos de entrada para correr el HDM-4 en el tramo Conococha-Cátac, se
configuran de la siguiente manera.
En la Tabla 24 se muestra los datos generales del tramo en cuestión. Sin embargo, es
necesario mencionar que el HDM-4 no tiene incorporado el tipo de base estabilizada
empleada en la rehabilitación de la vía, en este caso base reciclada con asfalto espumado; así
como la capa superficial asfáltica no estructural conformado por un micropavimento. El
HDM-4 tiene solamente incorporado como solución más cercana al micropavimento el
mortero asfáltico como capa de rodadura.
Sin embargo, es posible modelar ambas soluciones, nos referimos a la base reciclada
con asfalto espumado y el micropavimento, incorporando valores de módulo para la primera
solución, en tanto que ser mantendría un análisis conservador para la segunda solución en
micropavimento, por el standard más alto que exhibe el micropavimento comparado con el
mortero asfáltico.
Los dos puntos mencionados son las limitaciones del HDM-4 para describir las características
del pavimento.
103
Tabla 25.
Datos geométricos del tramo Conococha-Cátac.
Fuente: Elaboración propia.
En la Tabla 25 se muestra los datos geométricos. Sin embargo, no se tuvo información
del número de ascensos y descensos (N°/km), por lo que se asumió el valor de 1, este valor no
incide en los resultados previstos del IRI por el HDM-4. Además, no se tuvo el adral (m/s2),
el cual es el alineamiento de la vía, también no es sensible a los resultados previstos del IRI y
se consideró el valor por default.
Fuente: Elaboración propia
Dentro de los datos estructurales de la Tabla 26, se muestra un espesor reciente de
1.20 cm, el cual hace referencia al micropavimento, pero para el HDM-4 este viene a ser un
mortero asfáltico.
En este punto es necesario precisar el valor promedio asumido del módulo resiliente
de la base estabilizada con asfalto espumado de 3200 Mpa, este módulo comprende de 2500 a
Tabla 24.
Datos generales del tramo Conococha-Cátac.
104
Tabla 26.
Datos estructurales del tramo Conococha-Cátac.
Tabla 27.
Condición inicial del pavimento.
4000 Mpa (Wirtgen,2004). Este valor no fue contemplado para el proyecto, por ello se
asumió.
Fuente: Elaboración propia.
En la Tabla 27 se muestra la condición inicial del pavimento al término de la
intervención en el tramo Conococha-Cátac, es por ello que los deterioros se muestran al 0%,
los valores del IRIo, referidos al año 2010, fueron determinados de acuerdo al ajuste con la
curva de progresión del IRI medido en campo.
Fuente: Elaboración propia.
105
Tabla 30.
Censo de carga y tasa de crecimiento.
Tabla 28.
Zona Climática de la zona en estudio.
Tabla 29.
Datos de la capacidad Vial del tramo Conococha-Cátac.
Fuente: Elaboración propia.
Fuente: Elaboración propia.
Fuente: Elaboración propia.
106
Tabla 31.
Características del tránsito.
El volumen de tráfico hace referencia al IMDA (índice media diario anual), el cual se
calcula mediante el IMDS (Índice Medio Diario Semanal), cuyo volumen en obtenido por el
contero diario de los 7 días de la semana multiplicado por un FCE (factor de corrección
estacional). Sin embargo, este índice es el empleado por proyectos viales de conservación
vial, y el cual es reglamentado por el MTC, si bien es cierto es una aproximación, pero no es
el volumen real que se muestra anualmente, hasta la fecha el MTC no ha contemplado el
conteo vehicular todos los días del año a fin de tener data de tráfico anual que es
imprescindible en SGP a Nivel de Red y a Nivel de Proyecto.
Fuente: Elaboración propia.
Sensibilidad de los Factores de Calibración en el HDM-4
Los factores de calibración para los modelos de deterioro del HDM-4 presentan sensibilidad
respecto al modelo de progresión del IRI para algunos factores, para realizar esta evaluación,
se consideró a manera de ejemplo un IRI inicial de 2.5 m/km para los 8 sectores del tramo
Conococha-Cátac, como resultado se obtuvo valores estimados de IRI por el HDM-4 desde el
2011 al 2015 bajo la información de los SIC del tramo en estudio. Luego de obtener los
valores previstos de IRI del tramo, se procedió a cambiar el valor de 1 por 0.5 a cada factor de
calibración de los 28 que conforman el HDM-4, de modo alternado. Finalmente, se obtuvo
valores de IRI que algunos casos diferían del IRI previsto inicialmente, a partir de esta
variación se dedujo que para ciertos cambios en algunos factores de calibración que
107
conforman el HDM-4, existió una variación porcentual respecto al IRI inicial del tramo
Conococha-Cátac tal como se muestra en la Tabla 32, donde se observa que el factor de
mayor sensibilidad es Kgm y algunos que tienen 0%,quiere decir, que su calibración no incide
en el resultado final de IRI, por tanto no hay necesidad de calibrarlos.
Es importante mencionar que los resultados obtenidos de IRI final, producto de la
variación de los factores de calibración, solo son proporcionales y solo aplica a una variación
de ΔKi=0.5, el propósito fue ver el grado se sensibilidad de los factores a fin de tenerlo en
cuenta para la calibración de los modelos de ahuellamiento, agrietamiento e IRI.
108
Tabla 32.
Ejemplo de sensibilidad de los factores de calibración de los modelos de deterioro del HDM-
4 para una variación de ΔKi=0.5.
MODELO DE DETERIORO FACTOR VARIACIÓN
IRI-Efecto ambiental Kgm 9.82%
Inicio del agrietamiento total Kcia 2.98%
Desviación estándar del ahuellamiento Krds 2.38%
IRI-Ahuellamiento Kgr 2.08%
Ahuellamiento promedio-densificación inicial Krid 1.79%
Progresión del agrietamiento total Kcpa 0.60%
Ahuellamiento promedio-deterioro estructural Krst 0.60%
IRI-capacidad estructural Kgs 0.60%
IRI-grietas Kgc 0.60%
Inicio del agrietamiento ancho Kciw 0.00%
Progresión del agrietamiento ancho Kcpw 0.00%
Inicio del agrietamiento térmico transversal Kcit 0.00%
Progresión del agrietamiento térmico transversal Kcpt 0.00%
Inicio del desprendimiento del árido Kvi 0.00%
Progresión del desprendimiento del árido Kvp 0.00%
Inicio de baches debido al modelo de agrietamiento Kpic 0.00%
Inicio de baches Kpir 0.00%
Progresión de baches Kpp 0.00%
Rotura de borde Keb 0.00%
Profundidad de la textura Ktd 0.00%
Resistencia al deslizamiento Ksfc 0.00%
Resistencia al deslizamiento-efecto velocidad Ksfcs 0.00%
Ahuellamiento promedio-deformación plástica Krpd 0.00%
Ahuellamiento promedio-desgaste superficial Kdrain 0.00%
Factor de vida de drenaje Ksnpk 0.00%
Coeficiente de SNP debido al agrietamiento Krsw 0.00%
IRI-Baches Kgp 0.00%
Factor de deterioro del drenaje Kddf 0.00%
Fuente: Elaboración propia.
109
CAPÍTULO VI: ANÁLISIS DE RESULTADOS.
En base a los datos de entrada sobre la información del tramo Conococha-Cátac en el software
HDM-4 se obtuvo valores previstos sin calibrar de los modelos de deterioro como el
agrietamiento, ahuellamiento e irregularidad superficial (IRI), y según la interacción estos
modelos en pavimentos flexibles, es imprescindible calibrar las grietas totales y el
ahuellamiento, antes de proceder con la calibración del IRI, ya que la incidencia de sus
factores sobre los resultados finales del IRI tienen alta incidencia, según se muestra la Tabla
32.
Por lo tanto, en las siguientes líneas se mostrará los resultados previstos no calibrados
obtenidos inicialmente, posteriormente se determinaron los factores de calibración de cada
modelo a fin de ajustarlos a los valores medidos en campo, y obtener valores previstos
calibrados.
Calibración del Modelo de Deterioro del Agrietamiento.
La calibración de las grietas totales tuvo como base determinar el factor de inicio (Kcia) a
partir de una relación de tiempo entre el año real que surgió las grietas y el año estimado
según el HDM-4, este es una recomendación como punto de partida del Manual de
Calibración del HDM-4 para obtener el Kci.
Según se muestra la Tabla 33, los valores previstos del inicio de agrietamiento se
dieron en el 2013, mientras los el inicio de agrietamiento real se dio en el 2012, por lo que la
relación seria como 2/3=0.67, este valor vendría a ser el Kcia.
Tabla 33.
Valores de grietas reales y predichas del tramo Conococha-Cátac.
Fuente: Elaboración propia
Luego de obtener el factor de inicio de agrietamiento Kcia=0.67, los nuevos valores
previstos calibrados tienden a incrementarse por la misma razón de que el inicio de las grietas
aparece primero en los valores observados que el previsto, según se muestra en la Tabla 34.
110
Tabla 35.
Factores de calibración del modelo de deterioro del
agrietamiento.
Tabla 34
Valores de grietas reales y calibrados del tramo Conococha-Cátac.
Fuente: Elaboración propia
Según los explicado anteriormente, los factores de calibración del agrietamiento, son
el inicio de agrietamiento (Kcia) y la progresión de los mismos (Kcpa), sin embargo, este
último factor se ha obviado calibrar a falta de datos de agrietamiento de los 8 sectores,
adicionalmente, fue complicado calibrar con los datos globales del tramo Conococha-Cátac,
según se muestra la Tabla 33.
En este punto, es preciso mencionar sobre la sensibilidad de los factores de calibración
explicados líneas arriba, el valor de Kcia tiene mayor incidencia que el valor de Kcpa, por lo
que los valores finales calibrados del IRI tendrán casi el mismo valor sin Kcpa.
Por lo tanto, los factores de calibración del agrietamiento para el sector Conococha-
Cátac son los que se muestran en la Tabla 35
Fuente: Elaboración propia
Calibración del Modelo de Deterioro del Ahuellamiento.
Respecto a la calibración del ahuellamiento, el cual es continua a la calibración de las grietas,
se puede mencionar en primer lugar, la recolección de los valores observados del tramo en
cuestión, a fin de tener una medición promedio real de cada uno de los sectores. Los valores
del ahuellamiento fueron medidos por un perfilógrafo RSP-L5, el cual permite medir de
111
Tabla 36.
Valores de ahuellamiento observados (mm) del tramo
Conococha-Cátac.
Tabla 37
Valores de ahuellamiento previstos (mm) no calibrados por el HDM-4 del tramo
Conococha-Cátac
forma continua cada carril del tramo seleccionado con un alto nivel de precisión, bajo la
norma ASTM E 950-98. El ahuellamiento se obtiene por la suma integrada de las mediciones
registradas por los 5 sensores localizados en la viga transversal, según se muestra la Figura
26.
En la Tabla 36 se muestran los valores de ahuellamiento promedio real del tramo en
evaluación, mientras en la Tabla 37, se muestran los valores previstos por el HDM-4, a partir
de los datos de entrada detallados anteriormente.
En importante mencionar que los valores de ahuellamiento real del año 2012 no fueron
considerados para la calibración ya que se alejan de la progresión de deterioro y distan del
rango de valores entre los años 2011 y 2015.
Fuente: Elaboración propia
Fuente: Elaboración propia
112
Tabla 38
Factores de calibración del modelo de progresión del ahuellamiento.
En base a los valores previstos y observados, se realizó la calibración mediante la
iteración. En este punto se puede destacar algunas consideraciones previas como mantener el
valor de cero el factor Krpd, componente de la deformación plástica, este es el valor por
default del programa para pavimentos con mezclas asfálticas y tratamientos superficiales.
El componente de la densificación inicial Krid del modelo es el factor de mayor
sensibilidad del ahuellamiento, por ello se obtuvo el valor a prueba-error que pueda ajustar
mejor los valores previstos por el HDM-4 a los valores reales.
En cuanto al factor de calibración Krst que relaciona al clima y capacidad estructural
se determinó su factor una vez encontrado el factor Krid, el factor Krst permitió ajustar mejor
la progresión del ahuellamiento en algunos sectores, dada su sensibilidad, obligo a ser
ajustado. Los factores de calibración del modelo de deterioro del ahuellamiento se muestran
en la Tabla 38.
Fuente: Elaboración propia
En base a los factores de calibración obtenidos, los valores el ahuellamiento se ajustan
mejor a los valores reales, por tanto, los valores calibrados se muestran en la Tabla 39, los
gráficos de los factores calibrados y reales se grafican en el Anexo 14.
113
Tabla 39
Valores de ahuellamiento calibrados en el HDM-4.
Fuente: Elaboración propia.
El ajuste de los valores previstos por el HDM-4 con los valores reales permitió obtener
el coeficiente de determinación (R2) mayor a 0.5 y cercanos a 1, el cual fue el objetivo de
aproximación a la unidad, los gráficos de la correlación se muestran en el Anexo 15.
Calibración del Modelo de Deterioro del IRI.
Es importante mencionar que el punto de partido de la calibración del IRI se tuvo dos
consideraciones: el primero fue adoptar el correcto IRI inicial (IRIo) para cada sector, IRI
estimado después de la rehabilitación del tramo en el año 2010, ya que este factor tiene alta
incidencia en el resultado del modelo, por ello se fijó valores próximos a 2.50 m/km; el
segundo, consistió en fijar el valor de kgm (factor medio-ambiental) , obtenido líneas arriba,
este factor es el más influyente de los factores de calibración de IRI según se muestra en la
Figura 29. A partir de estos factores se comenzó con la minimización de cuadrados entre los
valores reales y previstos por el HDM-4.
A partir de las mediciones hechas con un perfilómetro láser para el tramo Conococha-
Cátac desde el año 2011 hasta el 2015, se obtienen los valores reales del IRI que se muestran
en la Tabla 40, según se mencionó líneas arriba, los valores mostrados son el IRI
característicos (IRIc).
Por otro lado, respecto a los valores medidos en campo del IRI, se puede mencionar
que para la calibración se obvio algunos valores que se alejan de la progresión de deterioro
que pueden inducir a tener alto sesgo y baja precisión.
114
Tabla 40
Valores medidos del IRI (m/km) por el perfilómetro láser en el tramo
Conococha-Cátac.
Tabla 41
Valores previstos no calibrados de IRI (m/km) por el HDM-4.
Fuente: Elaboración propia
En base a los datos de entrada para el programa HDM-4 y los factores de calibración
del agrietamiento y ahuellamiento hallados anteriormente, se obtuvieron los valores previstos
sin calibrar considerando el valor de IRIo (IRI inicial) para cada sector, es preciso indicar que
este valor se obtuvo iterando con el fin de aproximar los puntos previstos con los valores
reales, los resultados se muestran en la Tabla 41.
Fuente: Elaboración propia
Según lo explicado anteriormente, el primer factor de calibración conocido para el IRI
es Kgm (factor medio-ambiental), cuyo valor es 0.91, por tanto, bajo esta primera condición
los valores previstos por el HDM-4 tienden a reducirse ligeramente, tal como se muestra en la
Tabla 42.
115
Tabla 42
Valores previstos considerando Kgm=0.91.
Tabla 43
Resultados de la minimización de cuadrados para obtener Kgr.
Fuente: Elaboración propia
En base a los valores mostrados en la Tabla 40 y Tabla 42, se procedió con la
calibración progresiva respetando el nivel de sensibilidad de 4 factores de calibración
restantes del IRI, bajo este concepto se procedió a realizar la minimización de cuadrados para
obtener el siguiente factor Kgr (regularidad-ahuellamiento), es decir, el valor de Syx como el
segundo factor de calibración, según se muestra en la Tabla 43.
Fuente: Elaboración propia
Con este segundo factor de calibración Kgr hallado, los valores previstos por el HDM-
4 tienden a reducirse, tal como se muestran en la Tabla 44.
116 Tabla 44
Valores previstos del IRI considerando Kgm=0.91 y kgr.
Tabla 45
Resultados de la minimización de cuadrados para obtener Kgc.
Fuente: Elaboración propia.
En base a los nuevos valores previstos que se muestran en la Tabla 44, se procedió a
repetir el procedimiento de minimización de cuadrados con los valores reales, a fin de
encontrar el factor Kgc (regularidad-grietas), los resultados se muestran en la Tabla 45.
Fuente: Elaboración propia.
Con este tercer factor de calibración Kgc encontrado, los valores previstos por el
HDM-4 tienden a reducirse, tal como se muestran en la Tabla 46.
117
Tabla 46
Valores previstos de IRI considerando Kgm=0.91, Kgr y Kgc.
Tabla 47
Resultados de la minimización de cuadrados para obtener Kgs.
Fuente: Elaboración propia.
En base a los nuevos valores previstos que se muestran en la Tabla 46, se procedió a
repetir el procedimiento de minimización de cuadrados con los valores reales, a fin de
encontrar el factor Kgs (Regularidad-capacidad estructural), los resultados se muestran en la
Tabla 47.
Fuente: Elaboración propia.
Con este cuarto factor de calibración Kgs encontrado, los valores previstos por el
HDM-4 tienden a reducirse, tal como se muestran en la Tabla 48.
118
Tabla 48
Valores previstos de IRI considerando Kgm=0.91, Kgr, Kgc y Kgs.
Tabla 49
Factores de calibración del modelo de deterioro del IRI.
Fuente: Elaboración propia.
El quinto factor de calibración del IRI, es Kgp (Regularidad-Baches), debido a su baja
sensibilidad e incidencia de este valor en los resultados de IRI, no fue necesario calibrarlo,
por ello se mantuvo en la unidad.
Después de determinar los 5 factores de calibración, se observaron que los valores
previstos calibrados se aproximaron a los valores reales. Sin embargo, en algunos sectores no
fue necesario obtener algunos factores de corrección, ya que el error de estimación se
acercaba a cero y tan solo con los factores de Kgm y Kgr (los de mayor sensibilidad) se
obtuvo valores de IRI semejantes entre el previsto por el HDM-4 y los observados. Es por
ello, que algunos factores de calibración resultantes del modelo de deterioro del IRI, tienen un
valor de 1 según se muestra en la Tabla 49.
Fuente: Elaboración propia.
119
Tabla 51
Resumen de factores de calibración del tramo Conococha-Cátac.
Tabla 50
Valores previstos calibrados finales del IRI del tramo Conococha-Cátac.
Con estos factores de calibración del IRI, los valores previstos por el HDM-4 tuvieron
una reducción que se aproximaron a las mediciones reales el IRI desde el año 2011 hasta el
2015, tal como se observa en la Tabla 50.
Fuente: Elaboración propia.
Los gráficos entre los valores observados y previstos calibrados se muestran en el
Anexo 16. Además, se obtuvo coeficientes de correlación (R2) mayores a 0.5 y cercanos a la
unidad tal como se muestra en el Anexo 17.
A continuación, en la Tabla 51 se muestra los factores de calibración de los modelos
de deterioro de agrietamiento, ahuellamiento e IRI, obtenidos anteriormente para el tramo del
proyecto vial Conococha-Cátac.
Fuente: Elaboración propia.
120
2.20
2.40
2.60
2.80
3.00
3.20
3.40
3.60
2010 2011 2012 2013 2014 2015 2016
IRI (
m/k
m)
Año
Variación de valores de IRI prevista por el HDM-4
Valores predichos sincalibrar ki=1
Valores predichoscalibrados
Lineal (Valores predichossin calibrar ki=1)
Lineal (Valores predichoscalibrados )
Figura 40. Diferencia de valores previstos de IRI calibrados y no calibrados por el HDM-4.
Variación de valores del IRI en la calibración del modelo.
La importancia de la calibración del modelo de deterioro del IRI, radica en obtener los
factores que ayuden a ajustar los valores previstos por el HDM-4 con los valores medidos en
campo. Bajo esta premisa, se logró determinar las variaciones del IRI a nivel de proyecto del
tramo Conococha-Cátac, de una curva no calibrada, es decir que los factores de calibración
del HDM-4 se mantengan en la unidad (ki=1), tal como se muestra en la Figura 40, la otra
curva muestra un modelo de progresión calibrado considerando los factores de calibrados de
agrietamiento, ahuellamiento e IRI encontrados anteriormente, es decir, Ki diferentes a 1.
Según se muestra la Figura 40, la línea naranja estaría sobreestimando los valores de IRI, por
lo que los planes de conservación no estarían correctos y no optimizarían los recursos
presupuestales para las intervenciones oportunas.
Por otro lado, según la hipótesis planteada, se contrasta que una curva no calibrada del
modelo de progresión del IRI estimada por el HDM-4, en efecto no representa la curva de
deterioro real para el tramo Conococha – Cátac, en el periodo 2011 al 2015, ya que era
necesario obtener factores de calibración que se muestran en la Tabla 52, que permitan ajustar
los valores previstos por el HDM-4 a partir de valores reales medidos en campo. Además,
como se muestra en la Figura 40, la curva prevista por el HDM-4 (color naranja) esta
sobreestimada respecto al modelo calibrado de progresión de IRI (color plomo), este último es
la mejor representación del deterioro del IRI a partir de los valores reales medidos en campo,
por lo que refuerza la hipótesis planteada.
Fuente: Elaboración propia.
121
Tabla 52
Valor de error cuadrático medio de los valores previstos
por el HDM-4 y valores medidos en campo.
Confiabilidad en la Calibración.
En base a los valores previstos calibrados del ahuellamiento de la Tabla 40 y valores medidos
en campo del ahuellamiento que se muestran en la Tabla 36. Asimismo, de los valores
previstos calibrados del IRI de la Tabla 51 por el HDM-4 y valores medidos en campo de IRI
de la Tabla 41 se procedió a determinar el valor de error cuadrático medio (RMSE) según se
muestra en la Tabla 53.
Fuente: Elaboración propia.
Por otro lado, en base a los valores medidos en campo respecto al ahuellamiento e IRI
y los valores previstos por el HDM-4 para los dos modelos de deterioro, se procedió a
calcular el coeficiente de correlación (r) y el coeficiente de determinación (R2) para el
conjunto de valores desde al año 2011 al 2015, con el propósito de validar de grado de
correlación de los valores obtenidos y la confiabilidad de la predicción de cada modelo de
deterioro evaluado según se muestra la Tabla 53.
122
Tabla 53
Coeficiente de correlación y determinación de los valores de la calibración de los modelos de
deterioro.
Fuente: Elaboración propia.
En base a lo descrito respecto al nivel de correlación entre las variables evaluadas,
existe una correlación positiva fuerte, ya que los valores del coeficiente de correlación (r), son
mayor a 0.8 según se muestra en la Tabla 54, para los modelos de deterioro del ahuellamiento
e IRI.
Por otro lado, respecto al coeficiente de determinación (R2), los valores hallados son
mayores a 0.5 y muy próximos a la unidad, lo que significa que la variación del ahuellamiento
e IRI (variables dependientes) están en relación con los años de estudio del 2011 al 2015,
tomados como variables independientes.
r R2 r R2
Sector 1 0.91 0.83 0.73 0.53
Sector 2 0.92 0.84 0.84 0.70
Sector 3 0.95 0.91 0.89 0.80
Sector 4 0.93 0.87 0.82 0.67
Sector 5 0.97 0.93 0.93 0.86
Sector 6 0.99 0.98 0.86 0.74
Sector 7 0.90 0.81 0.81 0.65
Sector 8 0.92 0.85 0.90 0.81
Tramo
Conococha-Cátac
Ahuellamiento IRI
123
CAPÍTULO VII: CONCLUSIONES Y RECOMENDACIONES
Conclusiones
Se pasan a desarrollar las conclusiones generales y específicas.
Conclusión del objetivo general
Los resultados finales de la investigación (ver figura 40) presentan el desempeño del modelo de
deterioro del IRI calibrado para el tramo Conococha-Cátac para el periodo entre los años 2011-2015
con data trabajada a Nivel de Proyecto. Este modelo de curva previsto calibrada por el HDM-4 se
obtuvo a partir de valores previstos no calibrados (Ki=1) y parámetros medidos en campo referido al
deterioro. Esta curva, de progresión lineal del IRI lleva a resultados menores a los encontrados en la
curva de progresión lineal no calibrada del IRI.
De este análisis, para este proyecto en particular, se concluye que el modelo no calibrado obtenido por
el HDM-4 promueve un nivel de exigencia de cumplimiento del IRI riguroso por exceso, lo que
ocasionaría sobrecostos en el proyecto para cumplir con este requisito. Cabe anotar, que el proyecto lo
conforma un pavimento con base reciclada (RAP) y estabilizada con asfalto espumado, que subyace a
una capa de rodadura asfáltica no estructural, referido a un micropavimento, para las condiciones de
clima particulares de la zona, diseño geométrico, tráfico y reiterando, diseño estructural del
pavimento.
Los resultados aplicando este modelo de calibración por HDM-4 contribuyen a optimizar los planes de
intervención en la conservación de la vía, regulando los recursos, por tanto, mejorando la asignación
de los costos para las etapas de mantenimiento.
Conclusiones de los objetivos específicos
El criterio de calibración del IRI tuvo como fase inicial la sectorización del tramo estudiado en base a
las características estructurales del pavimento, entre otras, la colocación de la base reciclada
estabilizada con asfalto espumado, ejecutada en el año 2011 por el Consorcio encargado de la
conservación vial, dividida en 8 sectores, de las cuales se tomó la información extraída de los formatos
SIC, que conformaron la data de entrada para la modelación con el software HDM-4.
Terminado el análisis de incidencia de los modelos de deterioro, que fue posible determinando la
sensibilidad de los factores fundamentales de calibración, nos referimos al agrietamiento y
ahuellamiento, se observó que tienen una influencia significativa respecto a la variación porcentual del
IRI en el orden del 10% (ver Tabla 32).
Existen factores de calibración que no presentan incidencia en la variación del IRI verificado mediante
el Ceteris Paribus, procedimiento explicado anteriormente, por tanto, su calibración era irrelevante,
reiterando, no incidiendo en los valores previstos resultantes del IRI en el HDM-4.
124
El factor de agrietamiento inicial (Kcia) es uno de los principales coeficientes a calibrar por la
influencia que tienen, según ya ha explicado, en el modelo de progresión del IRI. Su sensibilidad es
mayor al factor de agrietamiento progresivo (Kcpa). Por esta razón sólo se obtuvo un factor
representativo del agrietamiento inicial (Kcia) para el tramo Conococha-Cátac, debido a que no fue
posible obtener data detallada de este deterioro para los ochos sectores estudiados, que pudieran
ayudar a calibrar el factor Kcpa. En tanto que para el caso de la calibración del modelo de deterioro
referido al factor ahuellamiento, éste se obtuvo iterando los factores Krid y Krs, para ajustar los
valores previstos por el HDM-4 con los valores medidos en campo. Los factores de calibración
resultantes de estos dos modelos se muestran en la Tabla 51.
Una vez determinada los factores de calibración del modelo de agrietamiento y ahuellamiento, se
procedió a calibrar el IRI con el HDM-4. Los factores fueron calculados utilizando el método de
mínimos cuadrado para los valores estimados por el HDM-4 y valores de IRI medidos en campo. Los
resultados se detallan en la Tabla 51.
Después de realizar la calibración respectiva de los modelos de deterioro en base a los valores
estimados por el HDM-4 y valores medidos en campo desde el 2011 al 2015, se procedió a determinar
la confiabilidad de los resultados mediante el procesamiento de datos, con el valor de error cuadrático
medio (RMSE), según se muestra en la Tabla 52, obteniéndose un error mínimo de 6% y máximo de
23%, mientras que el coeficiente de determinación (r2) para ambos parámetros resultaron superiores al
mínimo requerido, con valores de 0.5 a 1.
En base al análisis de sensibilidad porcentual (ver Tabla 32), se concluye que el factor Kgm, que mide
el efecto: medio ambiental – IRI, siendo este el de mayor sensibilidad, se concluye deba ser
incorporado para futuros proyectos de conservación vial que empleen HDM-4, no solamente para el
tramo III Conococha-Cátac, sino para todo el proyecto: EMP 1N – Conococha – Huaraz – Caraz –
Molinopampa y ramal EMP 3N – Chiquián – Aquia – EMP 3N, considerando que la condición
climática es similar. El factor Kgm obtenido en esta investigación fue de 0.91, estableciendo que para
el modelo calibrado el IRI de este proyecto resultan valores menores previstos.
El factor de calibración Kgm, al ser menor a la unidad, reduce los valores estimados por el HDM-4.
Esta reducción de la progresión del IRI, representa disminución de los recursos económicos destinados
para los planes de intervención periódica en la vía y a la vez extender los plazos de intervención para
cumplir con un nivel de serviciabilidad mínimo requerido.
125
Recomendaciones
El empleo del HDM-4 para fines de conservación vial debe estar sujeto a información del
proyecto vial a Nivel de proyecto de al menos 5 años como parte del inventario, a fin de
realizar una calibración de Nivel 3, confiable, que muestre el deterioro del pavimento para las
condiciones iniciales y conseguir resultados de calibración satisfactoria. Es importante
mencionar que la calibración de los modelos de deterioro para un SGP a Nivel de Proyecto no
puede ser compatible ni empleado a Nivel de Red, ya que las características son
independientes y particulares para cada proyecto.
Se recomienda continuar con la calibración de los otros modelos de deterioro presentes en
pavimentos flexibles y rígidos a Nivel de Proyecto en el Perú empleando el software HDM-4.
Dentro de las limitaciones del HDM-4 para describir las características de un proyecto vial, al
momento no tiene incorporado todas las posibilidades en soluciones para intervención del
pavimento, como por ejemplo las estabilizaciones de la base granular con asfalto espumado,
cemento, cal, emulsión, reciclados, etc., Este tema en proceso, conlleva a desaproximaciones
en la precisión del modelo de progresión del IRI.
Para los planes de mantenimiento o rehabilitación de un pavimento a nivel de Proyecto, es
importante calibrar los modelos de progresión de deterioro a fin de tener la mayor precisión
posible de su comportamiento a través del tiempo.
126
Referencias
AASTHO (1993). Guide for Design of Pavement Structures.
Araya K. & Tobar E. (2010). Calibración de los Modelos de Grietas y Baches de
Pavimentos Flexibles del programa HDM-4 para El Salvador (tesis de pregrado).
Universidad de El Salvador. El Salvador
Arango, A.L. (2018). Resultados do Projeto de Calibração e Aferição do Modelo HDM-
4 para as Condições da Rede de Rodovias do Brasil. Departamento Nacional de
Infraestructura de Transportes (DNIT).
Archondo-Callao, Rodrigo. (1996). Análisis de sensibilidad del HDM-4. División de
Transportes, Departamento de Transportes, Aguas y Desarrollo Urbano, Banco
Mundial.
Argueta J. & Castro E. (2009). Metodología para la Calibración de los Modelos de
Deterioro de Pavimentos generados por el Programa HDM-4 (tesis de pregrado).
Universidad de El Salvador. El Salvador
Barrera, F.A (2018). Calibración de Modelos de Ahuellamiento para Pavimentos
Flexibles del programa HDM-4 en El Salvador (tesis de pregrado). Universidad
de El Salvador. El Salvador
Bennett, C. R., & Paterson, W. D. (2000). Highway Development and Management-4–
Volume Five–A Guide to Calibration and Adaptation. The World Road
Association (PIARC), Paris, and The World Bank, Washington, DC.
Badilla, G., Elizondo, F., & Barrantes, R. (2008). Determinación de un Procedimiento de
Ensayo para el Cálculo del IRI. Laboratorio Nacional de Materiales y Modelos
Estructurales, Universidad de Costa Rica. San José, Costa Rica.
Castañeda, M. B. (2010). Procesamiento de datos y análisis estadísticos utilizando SPSS:
Un libro práctico para investigadores y administradores educativos. Edipucrs.
Chai, G., Ourad, A., Asnan, A., Singh, M., & Chong, C. L. (2004, October). Calibration of
HDM Model for the North South Expressway in Malaysia. In 6th International
Conference on Managing Pavements: The Lessons, The Challenges, The Way
AheadQueensland Department of Main RoadsARRB Group Ltd. FRH GroupExor
CorporationPavement Management ServicesFederal Highway
127
AdministrationWorld HighwaysGHDBrisbane City CouncilTasmania Department
of Infrastructure, Energy and ResourcesAustralian Road Federation (ARF)
HansenCooperative Research Centre for Construction Innovation.
Cutura, B., Mladenović, G., Mazić, B., & Lovrić, I. (2016). Application of the HDM-4
model on local road network: case study of the Herzegovina-Neretva Canton in
Bosnia and Herzegovina. Transportation Research Procedia. 14, 3021-3030.
Da Silva Costa, P. J. (2014). Manutenção de Pavimentos Rodoviários-Utilização do
Sistema HDM-4. Faculdade de Engenharia da Universidade do Porto.
Gransberg, D. D. (2010). Microsurfacing (Vol. 411). Transportation Research Board.
George, K. P., Rajagopal, A. S., & Lim, L. K. (1989). Models for predicting pavement
deterioration. Transportation Research Record, (1215).
Gutiérrez-Ruiz, T., & Arce-Jiménez, M. (2004). Índice de Regularidad Internacional
Informe de avance. Programa Infraestructura del Transporte (PITRA),
LanammeUCR.
Haas, R., Hudson, W. R., & Zaniewski, J. P. (1994). Modern pavement management (Vol.
1). Malabar, FL: Krieger Publishing Company.
Jiménez-Acuña, M. (2011). ¿Qué es el asfalto espumado, se puede utilizar en Costa Rica?
Programa de Infraestructura del Transporte (PITRA).
Kerali R. and Henry G. (2000). Overview of HDM-4. The Highway Development and
Management Series, Volume 1. The World Road Association (PIARC), Paris, and
The World Bank, Washington, DC.
Loudon, A & Partners (1998). Manual de Reciclaje en Frío. Wirtgen GmbH
Publicaciones, 1er Edición. Windhagen, Alemania.
Li, J., Muench, S. T., Mahoney, J., White, G., Peirce, L., & Sivaneswaran, N. (2004).
Application of HDM-4 in the WSDOT Highway System. Washington State
Transportation Commission, 1-106.
Mrawira, D., Haas, R., & Paterson, W. D. (1998). Streamlining the World Bank’s HDM-
III model for network level application.
128
Melo, M. (2015). Aplicação do modelo HDM-4 na previsão do IRI para pavimentos
rodoviários da rede nacional (tesis doctoral). Universidad de Novoa de Lisboa.
Muñoz, S. S (2012). Optimización de Políticas de Conservación de Pavimentos Asfálticos
en la Zona Central de Chile.
Montoya, E. (2007). Implementación del Sistema de Gestión de Pavimentos con
Herramienta HDM-4 para la Red Vial N°5 tramo Ancón-Huacho-Pativilca (tesis
de pregrado). Universidad Ricardo Palma. Lima.
Ministerio de Transporte y Comunicaciones (2013). Manual de Carreteras Mantenimiento
o Conservación Vial.
Ministerio de Economía y Finanzas (2015). Pautas metodológicas para el uso y aplicación
del HDM-4 en la formulación y evaluación social de proyectos de inversión
pública de transportes. Sistema Nacional de Inversión Pública (SNIP).
Mushule, N. K. (2017). Calibration of HDM-4 for use in Pavement Management Systems
(PMS). Tanzania Journal of Engineering and Technology, 32(2).
Nuñez Cuaresma, C., & Pérez Pérez, I. (2005). El modelo HDM-4: descripción y
posibilidades de aplicación dentro de un sistema de gestión de firmes. Ingeopres:
actualidad técnica de ingeniería civil, minería, geología y medio ambiente, (135),
16-25.
Odoki, J.B., Kerali, H. G. R. (2000). Analytical Framework and Model Descriptions, The
Highway Development and Management Series, Volume 4, The Highway
Development and Management Series.
Ognjenovic, S., Krakutovski, Z., & Vatin, N. (2015). Calibration of the Crack Initiation
Model in HDM 4 on the Highways and Primary Urban Streets Network in
Macedonia. Procedia engineering, 117,559-567.
Orozco, J., R. Téllez, R. Solorio, A. Pérez, M. Sánchez, y S. Torras. (2004). Sistemas de
Evaluación de Pavimentos. Publicación Técnica No. 245, Sanfandila, Querétaro:
Instituto Mexicano del Transporte.
Ouyang, W., & Xu, B. (2013). Pavement cracking measurements using 3D laser-scan
images. Measurement Science and Technology, 24(10), 105204.
129
Paterson, W. D., & Scullion, T. (1990). Information systems for road management: draft
guidelines on system design and data issue. (No. Report INU 77).
Projeto de Transporte de Rodovias PREMEF (2012). Calibração e Aferição do Modelo
HDM-4 para as Condições da Rede de Rodovias do Brasil. Fortalecimento
Institucional em Gestão de Pavimentos. Brasil.
Pradera Miquel, Mauricio, & Posada Henao, John. (2007). Análisis de inversiones en
carreteras utilizando Software HDM-4. Revista de la Construcción, 6(1), 35-47.
Robinson et al., (1998). Road Maintenance Management. Basingstoke (Hampshire).
Palgrave.
Road Sector Development Team Government of the Federal Republic Nigerian (2014).
Configuration and Calibration of HDM-4 to Nigerian Conditions,Draft Final
Report.
Romero Navarrete, J. A., & Lozano Guzmán, A. (1995). La respuesta dinámica de un
cuarto de carro y el Índice Internacional de Rugosidad. Publicación Técnica, (67).
Solminihac H; Hidalgo P.; Salgado M. (2001). Seguimiento para la calibración de
modelos de deterioro de pavimentos asfálticos. Ministerio de Obras Públicas de
Chile y Pontificia Universidad Católica de Chile, Santiago.
Solminihac, H. (2001). Gestión de Infraestructura Vial. 2a . ed., Santiago, Chile.
Ediciones Universidad Católica de Chile.
Solminihac, H., Salgado, M., Hidalgo, P., & Valdés, M. (2011). Calibración del Modelo
de Progresión de la Rugosidad (IRI) para Pavimentos Asfálticos en HDM-4 a las
Condiciones de Chile. Revista Ingeniería de Construcción, 17(2), 103-113.
Sayers, M. W. (1986). The International Road Roughness Experiment: Establishing
Correlation and a Calibration Standard for Measurements.
Sayers, M. W., & Karamihas, S. M. (1998). The little book of profiling: basic information
about measuring and interpreting road profiles. University of Michigan, 705.
Salgado T. Mauricio. Principios y Fundamentos de la Gestión de Pavimentos Curso
Internacional Conservación de Carreteras. Pontificia Universidad Javeriana,
Colombia.
130
Syum, T. (2014). Highway Development and Management Model HDM-4 Calibration
(Addis Ababa-Modjo Trunk Road Case). School of Civil and Environmental
Engineering Addis Ababa Institute of Technology.
Solorio Murillo, R., Hernandez Dominguez, R. I., & Gomez Lopez, J. A. (2004). Análisis
de Sensibilidad de los Modelos de Deterioro del HDM-4 para Pavimentos
Asfálticos. Publicación Técnica, (253).
Singh, A & Chopra, T. (2018). Calibration of Rutting and Roughness Distress Models of
HDM-4 for Developing Pavement Maintenance Management. Dept of Civil
Engineering, Thapar Institute of Engineering and Technology, Patiala, India.
Sánchez, I & Hernán de Solminihac, T (1989). El IRI: Un indicador de la regularidad
superficial. Revista de la Ingeniería de Construcción, (6),1-17.
Salgado, M. (2010). Experiencias de aplicación de HDM-4 en América Latina. Asociación
Mexicana de Ingeniería de Vías Terrestres A. C., 16.
Thenoux, G. J., & Jamet, A. (2002). “Tecnología del asfalto espumado y diseño de
mezcla”. Revista Ingeniería de Construcción Pontificia Universidad Católica de
Chile, Santiago, Chile.
Turrado Rabanedo, P. (2016). Análisis de los modelos de deterioro de firmes en la gestión
de la conservación de redes de carreteras (tesis doctoral). Universidad Politécnica
de Madrid. Madrid
Valdés, M. (2017). Calibración de Modelos de HDM-4. Congreso Internacional HDM-4,
Santiago.
Videla, C., de Solminihac, H., Gaete, R. y Bustos, M. (1996). Ajuste de Factores de
Calibración para Ampliar Modelos de Deterioro de Pavimentos asfálticos.
Santiago, Chile: Ministerio de Obras Públicas y Pontificia Universidad Católica
de Chile.
Wirtgen, F. (2004). Cold recycling manual. Windhagen, Alemania.
131
Anexos
Anexo 1 Resultados de la medición del ahuellamiento en el tramo Conococha-Cátac desde el
2011 al 2015.
Huella (2011) Huella (2012) Huella (2013) Huella (2014) Huella (2015)
PROGRESIVA Faja2 Faja3 Faja2 Faja3 Faja2 Faja3 Faja2 Faja2 Faja2 Faja3
498+968 0.87 0.75 6.00 2.00 0.56 0.56 0.00 1.00 0.14 0.68
499+168 1.00 0.92 5.00 3.00 1.41 1.41 1.00 2.00 0.84 1.86
499+368 1.00 1.15 9.00 1.00 1.86 1.86 2.00 1.00 1.48 1.16
499+568 0.85 1.30 4.00 4.00 0.79 0.79 1.00 3.00 0.94 3.01
499+768 0.72 1.27 4.00 2.00 0.73 0.73 1.00 2.00 0.84 1.90
499+968 0.69 1.32 7.00 2.00 0.75 0.75 2.00 2.00 1.03 3.60
500+168 1.20 0.42 4.00 2.00 0.50 0.50 1.00 4.00 0.30 3.74
500+368 0.99 0.81 3.00 0.00 0.56 0.56 1.00 1.00 0.37 1.14
500+568 0.98 0.80 2.00 2.00 0.66 0.66 0.00 1.00 0.79 1.03
500+768 0.83 1.22 1.00 1.00 1.08 1.08 1.00 1.00 0.62 0.52
500+968 0.93 0.96 3.00 2.00 1.93 1.93 2.00 2.00 0.53 0.95
501+168 0.78 1.05 2.00 3.00 0.98 0.98 1.00 2.00 0.38 2.59
501+368 0.73 0.99 4.00 6.00 0.47 0.47 1.00 3.00 0.43 3.18
501+568 0.99 1.09 4.00 2.00 1.79 1.79 1.00 2.00 1.13 2.47
501+768 0.95 1.20 5.00 2.00 2.82 2.82 2.00 2.00 1.43 2.10
501+968 1.23 0.96 3.00 4.00 2.20 2.20 2.00 2.00 0.81 1.18
502+168 0.99 1.06 3.00 1.00 3.17 3.17 1.00 1.00 0.51 0.44
502+368 0.72 0.94 4.00 3.00 3.17 3.17 1.00 1.00 0.43 0.62
502+568 1.02 0.78 4.00 1.00 1.24 1.24 1.00 1.00 0.71 0.56
502+768 0.99 0.89 4.00 3.00 2.55 2.55 1.00 2.00 1.00 1.42
502+968 0.72 1.00 4.00 3.00 3.03 3.03 2.00 2.00 0.85 2.42
503+168 0.90 0.95 5.00 3.00 2.60 2.60 3.00 2.00 0.45 2.99
503+368 0.98 1.14 4.00 2.00 1.95 1.95 3.00 1.00 0.62 2.48
503+568 1.04 1.02 5.00 1.00 1.95 1.95 2.00 5.00 0.87 3.28
503+768 0.95 0.93 5.00 1.00 1.75 1.75 3.00 2.00 1.20 1.67
503+968 0.93 0.99 4.00 2.00 1.90 1.90 2.00 2.00 1.73 1.63
504+168 0.95 0.74 7.00 4.00 1.75 1.75 1.00 3.00 1.72 2.21
504+368 1.12 0.63 4.00 2.00 1.53 1.53 1.00 2.00 1.04 0.83
504+568 1.12 0.71 3.00 4.00 2.32 2.32 1.00 1.00 0.97 0.79
504+768 1.07 1.14 2.00 4.00 2.32 2.32 1.00 1.00 0.78 1.13
504+968 0.61 0.86 4.00 6.00 1.15 1.15 2.00 1.00 2.31 0.86
505+168 1.07 0.46 3.00 5.00 0.99 0.99 1.00 1.00 0.97 0.52
505+368 0.71 0.68 2.00 5.00 0.79 0.79 0.00 1.00 0.61 0.66
505+568 1.07 0.59 3.00 3.00 1.67 1.67 1.00 0.00 1.02 1.17
505+768 1.25 0.85 2.00 1.00 1.18 1.18 2.00 1.00 1.11 1.33
505+968 1.25 0.90 1.00 2.00 1.18 1.18 2.00 1.00 0.87 0.68
506+168 1.15 0.78 3.00 6.00 0.53 0.53 2.00 1.00 3.11 0.39
132
506+368 0.93 1.01 3.00 4.00 0.88 0.88 2.00 1.00 1.49 0.53
506+568 0.50 0.69 5.00 4.00 0.96 0.96 2.00 1.00 2.26 0.40
506+768 1.05 0.79 4.00 4.00 1.06 1.06 3.00 1.00 2.06 0.90
506+968 1.22 0.79 5.00 3.00 2.39 2.39 2.00 1.00 1.67 0.69
507+168 1.06 0.80 4.00 2.00 2.39 2.39 2.00 0.00 1.10 0.01
507+368 0.99 0.76 4.00 2.00 2.15 2.15 2.00 0.00 0.73 0.19
507+568 0.97 0.65 3.00 2.00 1.65 1.65 2.00 1.00 1.57 0.62
507+768 1.06 0.64 4.00 3.00 2.46 2.46 3.00 1.00 2.27 1.00
507+968 1.10 0.63 7.00 5.00 2.05 2.05 3.00 1.00 2.63 0.34
508+168 1.22 0.89 4.00 3.00 1.69 1.69 3.00 1.00 1.61 0.97
508+368 1.11 0.80 4.00 2.00 1.69 1.69 3.00 1.00 2.05 0.65
508+568 0.98 0.76 3.00 1.00 1.12 1.12 1.00 1.00 1.99 0.63
508+768 1.00 0.89 5.00 5.00 0.38 0.38 2.00 1.00 1.56 0.62
508+968 1.03 0.91 4.00 4.00 1.43 1.43 1.00 1.00 1.76 0.47
509+168 0.50 1.10 3.00 2.00 2.67 2.67 2.00 1.00 1.33 0.39
509+368 1.15 0.86 3.00 3.00 2.03 2.03 2.00 1.00 1.34 0.94
509+568 1.10 0.48 3.00 6.00 2.03 2.03 1.00 3.00 0.75 1.82
509+768 1.04 0.98 3.00 4.00 1.34 1.34 2.00 0.00 1.07 0.31
509+968 0.81 1.06 6.00 3.00 2.09 2.09 2.00 1.00 2.23 0.72
510+168 1.11 1.06 4.00 2.00 1.88 1.88 2.00 1.00 1.53 0.45
510+368 0.99 1.07 2.00 1.00 1.27 1.27 1.00 1.00 0.67 0.50
510+568 0.96 0.72 2.00 2.00 2.11 2.11 1.00 1.00 0.91 0.56
510+768 0.81 1.19 3.00 3.00 2.11 2.11 1.00 1.00 0.93 0.89
510+968 0.31 1.20 5.00 2.00 1.83 1.83 2.00 1.00 2.10 1.26
511+168 0.76 1.08 1.00 2.00 1.43 1.43 1.00 1.00 0.84 0.61
511+368 1.10 0.31 3.00 3.00 1.99 1.99 1.00 2.00 0.74 1.24
511+568 0.80 1.16 2.00 1.00 2.35 2.35 1.00 1.00 0.98 0.19
511+768 1.08 0.37 2.00 4.00 1.96 1.96 1.00 2.00 1.73 1.21
511+968 1.06 0.66 3.00 3.00 1.96 1.96 1.00 1.00 1.28 0.67
512+168 0.53 1.15 4.00 5.00 0.91 0.91 2.00 0.00 2.72 0.34
512+368 0.77 0.83 2.00 2.00 0.43 0.43 1.00 0.00 0.54 0.21
512+568 0.93 0.51 2.00 3.00 0.43 0.43 1.00 2.00 0.59 1.40
512+768 0.98 0.88 2.00 3.00 2.42 2.42 0.00 1.00 0.41 0.31
512+968 0.63 0.88 3.00 5.00 1.10 1.10 0.00 1.00 0.75 0.48
513+168 0.63 0.89 5.00 4.00 1.10 1.10 1.00 1.00 0.50 0.23
513+368 0.98 0.69 3.00 3.00 0.22 0.22 1.00 3.00 0.39 2.73
513+568 1.11 0.57 4.00 3.00 0.86 0.86 1.00 1.00 1.12 1.26
513+768 1.02 0.63 3.00 4.00 1.78 1.78 1.00 1.00 0.90 0.85
513+968 0.97 0.83 2.00 2.00 1.31 1.31 1.00 1.00 0.96 0.36
514+168 0.84 0.76 2.00 2.00 1.89 1.89 1.00 1.00 0.98 0.69
514+368 0.81 0.88 3.00 5.00 1.89 1.89 1.00 1.00 0.93 0.51
514+568 0.49 0.97 3.00 4.00 1.34 1.34 2.00 1.00 1.76 0.59
514+768 1.16 0.58 2.00 6.00 0.38 0.38 1.00 2.00 0.29 2.01
133
514+968 0.86 0.78 2.00 1.00 0.77 0.77 1.00 0.00 0.28 1.57
515+168 0.84 0.76 3.00 2.00 0.50 0.50 2.00 1.00 0.44 1.86
515+368 1.00 0.76 2.00 4.00 1.55 1.55 1.00 1.00 0.55 2.11
515+568 1.16 0.83 1.00 6.00 1.55 1.55 1.00 2.00 1.44 0.75
515+768 1.07 0.88 2.00 3.00 0.83 0.83 1.00 1.00 1.60 1.91
515+968 1.00 1.00 1.00 4.00 0.46 0.46 1.00 1.00 1.45 0.91
516+168 0.90 0.70 3.00 2.00 1.59 1.59 1.00 1.00 0.57 0.65
516+368 1.11 0.85 1.00 2.00 0.35 0.35 1.00 0.00 0.75 0.76
516+568 1.05 0.86 1.00 2.00 1.23 1.23 1.00 0.00 1.48 0.65
516+768 1.09 0.94 1.00 3.00 0.89 0.89 1.00 0.00 0.46 0.57
516+968 0.70 1.09 2.00 2.00 1.36 1.36 2.00 1.00 0.81 0.77
517+168 0.36 1.26 3.00 4.00 0.87 0.87 1.00 1.00 1.08 1.01
517+368 1.18 0.43 4.00 3.00 1.02 1.02 1.00 1.00 0.28 1.16
517+568 0.71 1.13 2.00 4.00 0.66 0.66 2.00 2.00 0.24 0.71
517+768 1.21 0.67 3.00 3.00 0.66 0.66 2.00 3.00 0.82 2.10
517+968 1.14 0.87 5.00 3.00 1.98 1.98 3.00 2.00 0.63 1.67
518+168 0.82 1.00 5.00 1.00 1.23 1.23 3.00 1.00 0.90 1.14
518+368 1.21 0.46 2.00 1.00 1.63 1.63 2.00 2.00 0.39 0.77
518+568 0.82 1.04 3.00 3.00 0.74 0.74 2.00 2.00 0.59 0.83
518+768 0.96 1.05 3.00 1.00 0.79 0.79 1.00 1.00 0.28 0.66
518+968 0.57 1.21 2.00 4.00 0.79 0.79 1.00 2.00 0.24 1.17
519+168 1.11 1.04 4.00 1.00 0.48 0.48 1.00 2.00 0.13 1.23
519+368 1.00 1.02 6.00 2.00 0.97 0.97 1.00 1.00 0.66 0.65
519+568 1.07 0.69 3.00 2.00 0.39 0.39 1.00 2.00 0.69 1.14
519+768 0.97 0.97 5.00 2.00 1.41 1.41 2.00 1.00 0.70 0.98
519+968 0.89 0.76 4.00 7.00 0.84 0.84 1.00 1.00 0.45 0.72
520+168 0.76 0.81 2.00 2.00 0.84 0.84 1.00 2.00 0.47 0.48
520+368 0.94 0.84 1.00 2.00 1.30 1.30 2.00 2.00 0.24 0.79
520+568 0.95 0.99 1.00 2.00 0.80 0.80 1.00 2.00 0.54 0.41
520+768 0.99 1.07 1.00 2.00 1.04 1.04 2.00 1.00 2.27 0.89
520+968 0.87 1.22 2.00 2.00 2.11 2.11 1.00 2.00 0.53 1.66
521+168 1.15 1.11 2.00 2.00 2.91 2.91 1.00 2.00 1.29 1.04
521+368 0.80 1.09 1.00 1.00 2.91 2.91 1.00 2.00 0.24 0.95
521+568 0.90 1.00 1.00 2.00 0.90 0.90 0.00 3.00 0.48 2.05
521+768 1.01 1.00 3.00 2.00 2.02 2.02 1.00 1.00 0.79 0.84
521+968 0.86 0.99 2.00 2.00 0.81 0.81 1.00 2.00 0.66 1.02
522+168 0.76 1.12 4.00 2.00 1.34 1.34 2.00 1.00 2.28 1.02
522+368 0.91 0.96 2.00 1.00 0.87 0.87 3.00 1.00 2.43 0.19
522+568 1.03 1.05 1.00 1.00 0.87 0.87 2.00 1.00 2.29 0.08
522+768 1.14 0.91 3.00 1.00 1.24 1.24 2.00 3.00 3.15 0.26
522+968 1.03 1.11 3.00 3.00 0.92 0.92 3.00 3.00 2.50 0.53
523+168 0.68 1.03 3.00 4.00 1.67 1.67 2.00 1.00 1.99 0.79
523+368 0.64 0.59 4.00 3.00 0.77 0.77 1.00 2.00 1.46 0.67
134
523+568 1.06 0.72 2.00 4.00 0.17 0.17 1.00 1.00 1.41 0.20
523+768 0.96 1.11 4.00 2.00 0.17 0.17 2.00 1.00 1.54 0.10
523+968 0.67 1.12 3.00 3.00 0.41 0.41 2.00 1.00 2.23 0.79
524+168 1.04 0.87 6.00 5.00 0.23 0.23 1.00 2.00 2.13 1.05
524+368 1.20 0.54 5.00 4.00 0.68 0.68 1.00 1.00 2.00 1.16
524+568 1.12 0.78 2.00 4.00 1.63 1.63 1.00 1.00 0.66 0.42
524+768 1.24 0.49 3.00 4.00 0.59 0.59 1.00 2.00 1.76 1.11
524+968 0.88 0.93 5.00 4.00 0.59 0.59 2.00 1.00 2.56 0.35
525+168 1.08 0.66 3.00 3.00 0.70 0.70 1.00 1.00 0.70 0.47
525+368 0.60 1.10 4.00 1.00 0.44 0.44 2.00 1.00 1.68 0.44
525+568 1.02 0.84 5.00 4.00 0.98 0.98 3.00 2.00 2.24 1.47
525+768 0.96 0.75 2.00 2.00 0.73 0.73 0.00 2.00 0.78 1.27
525+968 0.97 1.00 5.00 4.00 0.59 0.59 2.00 3.00 1.54 2.50
526+168 0.82 1.18 2.00 3.00 0.59 0.59 1.00 2.00 0.87 1.96
526+368 0.84 1.03 4.00 2.00 0.63 0.63 1.00 1.00 1.22 0.67
526+568 0.48 1.12 5.00 2.00 1.18 1.18 2.00 2.00 1.56 2.03
526+768 0.33 1.35 4.00 3.00 0.57 0.57 3.00 3.00 2.59 2.71
526+968 0.62 1.11 4.00 2.00 1.52 1.52 1.00 2.00 0.66 2.55
527+168 0.79 0.96 2.00 2.00 0.59 0.59 0.00 1.00 0.19 0.76
527+368 1.18 0.45 1.00 2.00 0.59 0.59 1.00 1.00 1.23 2.05
527+568 1.30 0.31 7.00 2.00 1.77 1.77 2.00 1.00 2.03 2.23
527+768 1.08 0.48 3.00 3.00 1.84 1.84 1.00 2.00 1.15 1.12
527+968 0.95 1.04 2.00 5.00 0.40 0.40 4.00 2.00 4.09 1.22
528+168 0.95 0.83 2.00 6.00 0.90 0.90 2.00 2.00 1.51 2.55
528+368 1.27 0.36 2.00 4.00 1.74 1.74 1.00 1.00 0.59 1.34
528+568 1.17 0.84 1.00 3.00 2.69 2.69 2.00 2.00 1.55 1.52
528+768 1.17 1.22 1.00 4.00 1.56 1.56 1.00 1.00 1.37 1.90
528+968 0.47 1.28 5.00 3.00 0.56 0.56 3.00 1.00 3.85 1.18
529+168 0.62 1.11 4.00 1.00 0.64 0.64 1.00 1.00 0.77 0.84
529+368 1.10 0.48 3.00 2.00 2.18 2.18 1.00 1.00 1.10 1.46
529+568 1.06 0.66 3.00 2.00 2.18 2.18 1.00 2.00 0.74 1.89
529+768 1.09 0.91 3.00 3.00 0.73 0.73 0.00 1.00 0.34 0.97
529+968 0.97 1.08 2.00 2.00 1.78 1.78 0.00 1.00 0.47 0.91
530+168 0.99 1.02 3.00 2.00 1.72 1.72 1.00 2.00 1.24 2.47
530+368 0.87 0.93 4.00 3.00 0.19 0.19 1.00 4.00 0.44 3.76
530+568 0.92 1.00 4.00 3.00 1.07 1.07 1.00 3.00 0.55 2.90
530+768 1.02 0.71 5.00 2.00 1.15 1.15 0.00 4.00 0.78 4.23
530+968 1.10 0.98 4.00 3.00 0.88 0.88 2.00 2.00 1.10 2.77
531+168 0.81 1.17 4.00 3.00 1.91 1.91 1.00 2.00 0.84 1.63
531+368 0.69 1.09 3.00 2.00 1.98 1.98 3.00 1.00 1.71 2.68
531+568 1.10 1.03 2.00 2.00 0.94 0.94 2.00 2.00 1.32 1.24
531+768 0.29 1.34 6.00 1.00 0.23 0.23 2.00 2.00 1.53 2.80
531+968 0.93 0.91 5.00 2.00 1.24 1.24 1.00 1.00 0.56 1.65
135
532+168 0.89 1.16 3.00 2.00 3.67 3.67 1.00 2.00 1.13 1.39
532+368 0.99 1.12 3.00 1.00 1.33 1.33 1.00 2.00 0.40 1.38
532+568 0.92 1.04 4.00 2.00 2.62 2.62 1.00 2.00 1.44 2.57
532+768 0.97 1.14 5.00 1.00 1.81 1.81 2.00 1.00 1.54 1.08
532+968 1.04 1.16 5.00 3.00 1.81 1.81 2.00 2.00 1.18 1.78
533+168 0.97 1.12 6.00 1.00 0.43 0.43 1.00 2.00 2.30 0.77
533+368 0.50 1.12 4.00 2.00 1.61 1.61 3.00 3.00 3.26 1.15
533+568 0.94 1.17 2.00 1.00 0.64 0.64 2.00 3.00 2.59 1.94
533+768 1.05 0.85 3.00 1.00 2.70 2.70 2.00 2.00 1.00 2.41
533+968 1.22 1.13 2.00 2.00 1.38 1.38 3.00 1.00 0.92 0.88
534+168 0.68 1.30 2.00 1.00 1.38 1.38 2.00 2.00 1.13 2.16
534+368 0.71 1.18 4.00 2.00 0.66 0.66 1.00 1.00 0.63 0.93
534+568 0.90 1.09 4.00 2.00 1.14 1.14 3.00 1.00 0.80 1.80
534+768 0.83 0.97 5.00 2.00 1.37 1.37 1.00 2.00 1.70 0.83
534+968 1.24 0.76 6.00 3.00 0.29 0.29 1.00 2.00 1.86 1.87
535+168 0.87 1.05 3.00 2.00 0.74 0.74 1.00 2.00 0.74 0.78
535+368 0.96 1.23 4.00 2.00 0.74 0.74 1.00 2.00 1.35 2.27
535+568 0.71 1.14 3.00 2.00 0.65 0.65 1.00 1.00 1.46 1.49
535+768 0.74 1.09 3.00 2.00 0.72 0.72 1.00 1.00 1.37 1.64
535+968 0.78 0.95 4.00 5.00 0.23 0.23 1.00 2.00 0.62 1.34
536+168 0.39 1.30 2.00 4.00 1.34 1.34 1.00 4.00 1.84 1.80
536+368 0.40 1.36 2.00 2.00 0.77 0.77 1.00 2.00 2.25 1.99
536+568 0.47 1.43 2.00 2.00 0.77 0.77 1.00 1.00 1.62 1.93
536+768 0.43 1.25 2.00 1.00 1.28 1.28 1.00 3.00 1.54 1.44
536+968 1.27 0.42 4.00 4.00 1.37 1.37 1.00 2.00 1.09 1.67
537+168 0.92 0.67 3.00 3.00 1.91 1.91 1.00 2.00 1.08 0.77
537+368 0.66 0.97 4.00 2.00 0.91 0.91 2.00 2.00 1.08 0.77
537+568 0.90 1.04 1.00 2.00 0.84 0.84 0.00 1.00 0.96 1.32
537+768 0.86 1.17 1.00 1.00 0.84 0.84 1.00 1.00 1.39 1.25
537+968 0.61 1.09 1.00 1.00 0.90 0.90 1.00 1.00 1.72 0.91
538+168 0.72 0.83 2.00 1.00 1.17 1.17 1.00 1.00 1.80 0.09
538+368 0.79 1.13 2.00 1.00 2.01 2.01 1.00 4.00 0.95 1.49
538+568 0.66 1.35 2.00 1.00 1.32 1.32 1.00 2.00 1.44 1.72
538+768 0.74 1.07 3.00 2.00 1.99 1.99 1.00 2.00 1.42 1.31
538+968 0.78 1.10 2.00 1.00 1.99 1.99 2.00 1.00 1.97 0.90
539+168 0.86 0.89 3.00 2.00 2.11 2.11 2.00 2.00 2.07 1.09
539+368 0.88 1.00 2.00 2.00 3.09 3.09 1.00 2.00 1.18 1.28
539+568 0.88 0.75 3.00 2.00 2.74 2.74 2.00 1.00 1.21 1.25
539+768 1.24 0.78 4.00 2.00 1.95 1.95 2.00 1.00 0.81 1.61
539+968 0.38 1.29 2.00 1.00 1.83 1.83 2.00 2.00 0.48 0.98
540+168 1.12 1.00 2.00 1.00 1.83 1.83 2.00 1.00 0.10 1.38
540+368 0.99 1.20 2.00 0.00 0.79 0.79 1.00 1.00 0.25 1.08
540+568 0.94 1.12 1.00 0.00 1.63 1.63 1.00 1.00 1.04 1.49
136
540+768 0.87 1.09 2.00 1.00 0.67 0.67 1.00 2.00 1.11 1.08
540+968 0.89 1.04 2.00 2.00 0.64 0.64 1.00 2.00 1.29 1.50
541+168 0.92 1.14 2.00 3.00 0.47 0.47 1.00 2.00 0.66 1.14
541+368 0.79 1.23 2.00 2.00 0.47 0.47 1.00 2.00 0.63 0.27
541+568 0.94 1.24 3.00 1.00 0.61 0.61 1.00 2.00 1.49 1.82
541+768 0.85 1.14 2.00 2.00 0.34 0.34 1.00 2.00 0.52 1.42
541+968 0.83 1.15 1.00 1.00 1.00 1.00 1.00 1.00 0.48 0.44
542+168 0.84 1.04 1.00 1.00 0.84 0.84 1.00 1.00 1.82 1.26
542+368 0.61 1.17 4.00 2.00 0.86 0.86 2.00 2.00 1.73 1.52
542+568 0.74 0.96 4.00 3.00 0.86 0.86 0.00 1.00 0.63 1.65
542+768 0.70 1.05 4.00 2.00 0.93 0.93 0.00 1.00 0.27 1.32
542+968 0.72 1.16 2.00 1.00 1.11 1.11 1.00 1.00 0.58 0.90
543+168 0.80 0.73 3.00 2.00 0.88 0.88 0.00 2.00 0.69 1.85
543+368 0.71 1.05 3.00 2.00 0.51 0.51 1.00 1.00 0.97 0.71
137
Anexo 2 Resultados de la medición del IRI en el tramo Conococha-Cátac desde el 2011 al
2015.
IRI (2011) IRI (2012) IRI (2013) IRI (2014) IRI (2015)
PROGRESIVA FAJA2 FAJA3 FAJA2 FAJA3 FAJA2 FAJA3 FAJA2 FAJA2 FAJA2 FAJA3
498+968 2.33 2.39 1.74 1.92 1.49 1.49 2.19 2.31 2.38 2.34
499+168 2.04 2.08 2.38 2.50 2.14 2.14 2.47 2.68 2.71 2.37
499+368 1.79 1.59 1.99 1.98 2.04 2.04 2.12 1.88 2.01 1.82
499+568 1.92 2.89 2.13 2.43 2.24 2.24 2.44 3.27 2.53 3.40
499+768 2.27 2.42 2.36 2.76 2.69 2.69 2.50 2.78 2.59 2.61
499+968 2.24 2.19 2.21 2.58 2.27 2.27 2.17 2.38 2.17 2.28
500+168 2.78 2.66 2.77 2.19 2.74 2.74 2.82 3.00 3.07 3.57
500+368 2.68 2.75 2.58 3.26 2.73 2.73 2.38 3.13 2.45 2.92
500+568 2.24 2.13 1.98 2.51 2.09 2.09 2.34 2.51 2.55 2.76
500+768 3.38 2.55 2.96 2.48 3.22 3.22 3.00 2.87 2.75 2.48
500+968 2.53 2.29 2.28 2.65 2.56 2.56 2.76 2.72 2.36 2.28
501+168 2.91 2.53 2.98 2.54 2.99 2.99 3.30 3.06 2.95 2.34
501+368 2.84 2.81 2.77 2.93 3.11 3.11 3.03 2.95 2.88 2.60
501+568 3.36 3.00 3.01 2.78 3.39 3.39 3.22 3.46 2.58 3.00
501+768 2.65 2.19 2.28 2.82 2.59 2.59 2.45 2.43 2.38 2.23
501+968 2.58 2.47 2.33 2.47 2.49 2.49 2.51 2.54 2.19 2.39
502+168 2.89 2.07 2.32 2.35 2.83 2.83 2.84 2.14 2.46 1.97
502+368 2.78 2.50 2.76 2.31 2.83 2.83 3.29 2.71 2.74 2.59
502+568 2.65 2.35 2.45 2.51 2.81 2.81 2.58 2.63 2.42 2.53
502+768 3.15 2.63 2.93 2.62 2.70 2.70 3.54 3.14 3.05 2.94
502+968 3.19 2.98 3.02 3.34 3.28 3.28 3.35 3.34 2.89 3.02
503+168 3.89 2.85 3.37 2.72 3.46 3.46 4.01 3.19 3.37 2.79
503+368 2.70 2.31 2.37 2.67 3.69 3.69 2.84 2.66 2.49 2.50
503+568 3.08 2.43 2.63 2.66 3.69 3.69 3.03 2.94 2.62 2.49
503+768 3.26 2.61 2.69 2.84 2.71 2.71 2.89 2.92 2.78 2.92
503+968 2.62 2.14 2.35 2.40 2.79 2.79 2.55 2.18 2.49 2.02
504+168 2.15 1.87 2.01 1.86 2.94 2.94 2.18 2.06 2.14 2.08
504+368 2.48 2.02 2.02 2.09 2.42 2.42 2.11 2.29 2.16 2.39
504+568 2.71 2.32 2.34 2.35 2.15 2.15 2.56 2.69 2.48 2.73
504+768 2.92 2.42 2.42 2.52 2.15 2.15 2.48 2.57 2.44 2.58
504+968 2.45 2.95 2.37 2.84 2.28 2.28 2.63 3.18 2.66 3.28
505+168 2.55 2.14 2.05 2.75 2.41 2.41 2.07 2.39 2.17 2.39
505+368 3.60 2.95 2.74 2.80 2.69 2.69 3.05 3.11 3.11 3.14
505+568 3.31 3.02 2.99 3.38 2.37 2.37 3.00 3.17 2.89 3.18
505+768 3.16 2.21 2.38 2.44 2.34 2.34 2.66 2.66 2.69 2.62
505+968 2.81 2.36 2.58 2.41 2.34 2.34 2.83 2.82 2.80 3.02
506+168 3.35 2.60 2.89 2.81 2.90 2.90 3.06 3.02 3.17 3.22
506+368 3.94 2.81 3.50 2.77 2.95 2.95 3.69 3.13 3.69 3.06
506+568 3.66 2.94 2.89 2.80 2.61 2.61 3.29 3.10 3.33 3.13
138
506+768 3.03 2.69 2.55 3.03 2.79 2.79 2.76 2.98 2.78 2.76
506+968 2.73 2.77 2.59 2.81 3.17 3.17 2.83 3.14 3.01 3.13
507+168 2.61 2.55 2.54 2.71 3.17 3.17 2.78 2.81 2.66 2.93
507+368 2.39 2.36 2.11 2.62 3.51 3.51 2.20 2.40 2.15 2.44
507+568 2.57 2.82 2.29 2.74 3.15 3.15 2.43 3.11 2.54 3.14
507+768 2.55 2.13 2.14 2.37 2.87 2.87 2.41 2.14 2.43 2.17
507+968 2.38 2.59 2.43 2.37 2.86 2.86 2.73 2.94 2.69 2.97
508+168 2.76 2.75 2.66 2.81 2.75 2.75 2.88 2.94 2.84 3.04
508+368 2.94 2.91 2.62 3.05 2.75 2.75 3.00 3.27 3.04 3.17
508+568 2.83 2.75 2.57 2.57 2.38 2.38 2.85 2.77 3.22 2.78
508+768 2.44 2.05 1.96 2.32 2.95 2.95 2.17 2.21 2.09 2.29
508+968 2.30 2.12 2.26 2.24 2.45 2.45 2.45 2.16 2.44 2.21
509+168 3.04 2.36 2.65 2.44 2.60 2.60 2.82 2.45 2.95 2.48
509+368 2.46 2.01 2.45 2.09 2.83 2.83 2.81 2.15 2.82 2.13
509+568 2.86 2.14 2.55 2.09 2.83 2.83 3.07 2.47 2.83 2.62
509+768 3.16 2.74 2.74 2.81 3.00 3.00 2.85 2.64 2.97 2.69
509+968 2.47 2.26 2.11 2.20 2.68 2.68 2.52 2.40 2.56 2.37
510+168 2.21 2.04 2.15 1.85 2.19 2.19 2.60 2.26 2.78 2.26
510+368 2.67 2.38 2.49 2.24 2.32 2.32 2.73 2.61 2.70 2.62
510+568 2.66 2.23 2.74 2.71 2.86 2.86 3.13 2.53 3.07 2.49
510+768 3.38 2.18 2.78 2.35 2.86 2.86 2.81 2.34 2.98 2.44
510+968 2.25 2.21 2.01 2.33 2.62 2.62 2.20 2.61 2.36 2.65
511+168 2.88 2.72 2.59 2.60 2.72 2.72 2.88 3.20 2.99 3.26
511+368 2.87 2.24 2.19 2.64 3.05 3.05 2.47 2.52 2.47 2.58
511+568 2.56 2.42 2.23 2.55 2.23 2.23 2.58 2.63 2.72 2.84
511+768 3.14 2.50 2.75 2.66 2.30 2.30 2.98 2.89 3.06 3.00
511+968 3.27 2.48 2.69 2.48 2.30 2.30 3.09 2.83 3.29 3.04
512+168 3.26 2.61 2.81 2.75 2.64 2.64 2.86 3.05 2.84 3.18
512+368 2.18 2.22 1.83 2.59 2.65 2.65 2.02 2.38 2.12 2.13
512+568 1.88 2.09 1.70 2.06 3.08 3.08 1.96 2.29 2.16 2.37
512+768 2.05 2.23 1.82 2.58 2.23 2.23 2.08 2.42 2.00 2.40
512+968 2.05 1.84 2.16 1.95 2.54 2.54 2.36 2.01 2.31 2.12
513+168 2.43 2.55 2.27 2.36 2.54 2.54 2.59 2.82 2.54 2.90
513+368 2.53 1.84 1.91 2.21 2.58 2.58 2.08 2.36 2.19 2.57
513+568 2.48 1.94 2.25 2.12 2.43 2.43 2.44 2.23 2.43 2.36
513+768 2.56 2.31 2.29 2.29 2.96 2.96 2.57 2.57 2.59 2.66
513+968 2.32 2.47 2.08 2.42 2.98 2.98 2.29 2.72 2.22 2.58
514+168 2.78 2.19 2.72 2.49 2.98 2.98 3.04 2.47 3.07 2.64
514+368 2.29 2.36 1.88 2.40 2.98 2.98 1.98 2.46 2.02 2.42
514+568 2.17 2.15 2.15 2.23 2.20 2.20 2.50 2.57 2.61 2.62
514+768 2.11 2.94 2.39 3.03 1.90 1.90 2.79 3.45 2.66 3.07
514+968 3.20 3.19 2.97 3.37 1.89 1.89 3.20 3.51 2.88 3.16
515+168 3.79 3.27 3.24 3.24 2.12 2.12 3.65 3.51 3.02 3.19
515+368 2.23 1.94 1.80 2.76 2.15 2.15 2.12 2.46 2.15 2.35
515+568 2.19 1.81 1.69 1.93 2.15 2.15 2.00 2.08 1.95 2.04
139
515+768 2.00 1.80 1.96 1.88 2.42 2.42 2.23 2.04 2.06 2.08
515+968 2.78 3.42 2.57 2.82 2.23 2.23 2.99 3.62 2.81 3.33
516+168 3.29 3.05 2.77 3.52 2.65 2.65 3.38 3.51 3.05 3.40
516+368 4.22 3.27 3.43 3.62 2.27 2.27 4.27 3.71 3.60 3.53
516+568 3.27 3.07 3.17 3.27 2.70 2.70 3.58 3.29 2.95 2.72
516+768 3.03 2.50 2.33 2.89 2.12 2.12 2.42 2.87 2.34 2.72
516+968 2.57 2.54 2.27 2.59 2.37 2.37 2.57 2.80 2.42 2.63
517+168 2.83 2.98 3.20 3.09 2.24 2.24 3.43 3.60 3.29 3.44
517+368 4.34 2.42 3.24 3.44 3.36 3.36 3.69 2.93 3.12 2.72
517+568 3.74 3.19 2.93 3.19 3.56 3.56 3.23 4.13 3.06 3.53
517+768 3.12 3.01 2.94 3.42 3.56 3.56 3.19 2.83 2.96 2.58
517+968 3.15 2.34 2.83 2.44 2.37 2.37 3.25 2.81 3.08 2.67
518+168 2.87 2.68 2.60 2.79 2.15 2.15 2.95 3.29 2.89 2.98
518+368 3.04 2.85 3.40 3.12 1.93 1.93 3.95 3.21 3.48 3.02
518+568 3.31 2.97 2.68 3.20 2.71 2.71 3.10 3.46 2.95 3.09
518+768 2.87 2.69 2.56 3.25 2.91 2.91 3.00 3.40 2.61 3.13
518+968 3.20 2.62 2.70 2.95 2.91 2.91 3.10 3.14 2.47 2.71
519+168 2.89 2.19 2.74 2.10 3.81 3.81 3.22 2.82 3.05 2.38
519+368 2.87 1.89 2.57 2.45 3.45 3.45 2.76 2.20 2.64 2.13
519+568 2.78 1.81 2.48 1.98 3.14 3.14 2.65 1.99 2.43 2.34
519+768 2.36 1.94 2.38 2.04 2.29 2.29 2.99 2.93 3.14 2.67
519+968 2.80 2.30 2.92 2.52 2.73 2.73 3.47 3.08 3.25 2.56
520+168 2.20 1.45 2.30 2.46 2.73 2.73 2.62 1.88 2.10 2.19
520+368 2.53 2.06 2.95 2.15 3.62 3.62 2.89 2.24 2.44 2.30
520+568 2.48 1.50 2.69 1.69 3.29 3.29 2.54 1.79 2.18 2.24
520+768 1.84 2.03 1.89 2.03 3.34 3.34 2.04 2.38 2.07 2.46
520+968 1.67 1.35 1.67 2.01 2.99 2.99 1.60 1.45 1.59 1.44
521+168 1.48 1.23 1.59 1.32 2.96 2.96 1.69 1.62 1.52 1.62
521+368 1.93 1.44 1.79 1.62 2.96 2.96 2.01 1.90 2.26 1.86
521+568 1.87 2.14 1.90 2.21 3.24 3.24 1.70 2.51 1.73 2.87
521+768 1.52 1.58 1.60 1.82 3.71 3.71 1.71 1.71 1.91 1.66
521+968 1.78 2.25 1.67 1.60 2.92 2.92 2.47 2.80 3.03 2.80
522+168 2.34 1.69 2.58 2.76 2.89 2.89 2.35 2.11 2.30 2.28
522+368 2.56 1.65 2.29 1.75 2.82 2.82 2.26 1.77 2.27 1.83
522+568 1.89 1.42 1.87 1.73 2.82 2.82 2.29 1.78 2.35 1.87
522+768 2.32 2.00 2.39 1.73 3.17 3.17 2.62 2.18 2.79 2.14
522+968 2.30 2.17 2.58 2.23 2.74 2.74 2.69 2.64 2.87 2.61
523+168 1.71 1.79 1.73 1.97 2.34 2.34 2.13 2.56 2.24 2.77
523+368 2.44 2.23 2.65 3.00 2.99 2.99 2.97 2.98 2.95 3.03
523+568 2.97 2.29 2.90 2.74 2.62 2.62 2.96 2.64 3.05 2.76
523+768 2.49 1.84 2.31 2.06 2.62 2.62 2.29 2.20 2.43 2.13
523+968 2.35 1.63 2.36 1.96 2.60 2.60 2.50 1.89 2.53 1.95
524+168 2.35 2.12 2.37 2.34 2.92 2.92 2.50 2.79 2.44 2.94
524+368 2.28 2.43 2.66 2.46 3.27 3.27 2.63 2.44 2.67 2.50
524+568 2.54 2.14 2.44 2.46 2.06 2.06 2.71 2.69 2.76 2.88
140
524+768 2.57 2.03 2.20 2.62 1.46 1.46 2.14 2.21 2.29 2.12
524+968 1.82 2.05 1.82 2.03 1.46 1.46 1.94 2.43 2.18 2.52
525+168 1.84 1.66 1.71 2.02 1.65 1.65 1.68 1.86 1.81 1.89
525+368 1.99 1.81 2.13 1.84 1.80 1.80 2.44 2.31 2.48 2.56
525+568 2.34 2.26 2.64 2.51 1.93 1.93 2.71 2.78 2.70 2.85
525+768 2.49 1.94 2.58 2.29 1.71 1.71 2.75 2.53 2.98 2.57
525+968 2.35 1.90 2.32 2.48 2.12 2.12 2.55 2.69 2.65 2.96
526+168 2.30 2.08 2.41 2.26 2.12 2.12 2.38 2.59 2.45 2.67
526+368 2.09 2.20 1.93 2.53 2.37 2.37 2.48 2.61 2.66 2.84
526+568 2.67 2.09 2.38 2.43 2.25 2.25 2.88 2.98 3.04 3.30
526+768 2.40 2.04 2.55 2.64 2.03 2.03 2.96 2.81 3.01 2.82
526+968 2.36 1.76 2.29 2.16 2.33 2.33 2.38 2.38 2.25 2.54
527+168 1.83 1.52 1.90 1.89 2.45 2.45 2.21 1.85 2.36 1.97
527+368 2.56 2.06 2.72 2.31 2.45 2.45 3.32 3.03 3.48 3.12
527+568 2.78 2.04 3.41 2.46 2.09 2.09 2.91 2.43 2.85 2.73
527+768 2.52 2.11 2.84 2.57 2.57 2.57 2.96 2.67 3.00 2.77
527+968 2.55 1.96 2.64 2.12 2.91 2.91 3.28 2.06 3.41 2.28
528+168 2.56 1.94 2.27 2.10 2.24 2.24 2.27 2.29 2.51 2.31
528+368 2.26 2.04 2.22 2.21 2.40 2.40 2.49 2.61 2.58 2.60
528+568 2.80 2.15 2.74 2.43 2.37 2.37 2.47 2.49 2.48 2.55
528+768 2.99 2.30 2.46 2.54 2.65 2.65 2.66 2.61 2.62 2.67
528+968 4.23 2.02 2.77 2.42 2.52 2.52 2.78 2.37 2.84 2.41
529+168 3.10 2.13 1.95 2.37 2.09 2.09 2.78 3.28 3.16 3.04
529+368 3.16 2.59 2.60 2.87 1.92 1.92 3.21 3.29 3.32 3.63
529+568 3.51 2.04 2.27 2.40 1.92 1.92 2.35 2.34 2.32 2.35
529+768 2.72 1.93 1.78 2.19 1.66 1.66 2.01 2.24 1.99 2.32
529+968 2.59 1.96 2.15 1.98 2.24 2.24 2.37 2.14 2.39 2.14
530+168 2.31 2.03 2.71 2.17 2.78 2.78 2.63 2.62 2.66 2.68
530+368 1.87 1.88 2.02 2.30 2.63 2.63 2.39 2.34 2.48 2.43
530+568 2.15 1.87 2.45 2.24 2.37 2.37 2.48 2.30 2.52 2.27
530+768 2.38 2.15 2.38 2.36 2.44 2.44 2.69 2.56 2.71 2.71
530+968 3.22 2.01 3.04 2.34 2.19 2.19 3.70 2.45 3.84 2.55
531+168 3.28 2.15 2.92 2.36 2.60 2.60 2.77 2.64 2.83 2.80
531+368 4.15 2.39 2.75 2.53 2.76 2.76 3.12 2.80 2.98 2.77
531+568 4.17 1.87 2.74 2.22 2.32 2.32 2.95 2.07 2.78 2.11
531+768 4.04 2.21 2.49 2.29 2.27 2.27 2.51 2.57 2.59 2.58
531+968 3.55 2.07 1.93 2.46 2.86 2.86 2.04 2.46 2.14 2.55
532+168 4.31 2.14 2.54 2.67 3.35 3.35 2.57 2.54 2.55 2.63
532+368 4.36 1.94 2.25 2.04 2.88 2.88 2.47 2.64 2.46 2.68
532+568 4.50 1.94 2.33 2.45 2.96 2.96 2.40 2.24 2.51 2.25
532+768 4.46 1.95 2.69 2.26 2.33 2.33 2.85 2.32 2.90 2.42
532+968 4.79 2.14 2.44 2.21 2.33 2.33 2.52 2.69 2.57 2.74
533+168 4.10 1.67 2.21 2.20 2.40 2.40 2.31 2.14 2.29 2.44
533+368 3.86 1.90 2.49 1.94 2.71 2.71 3.30 2.32 3.31 2.33
533+568 2.97 2.65 3.20 3.16 2.51 2.51 2.85 3.01 3.35 3.37
141
533+768 5.54 1.86 2.63 2.49 2.92 2.92 2.63 2.17 2.52 2.22
533+968 2.74 1.78 2.65 1.87 2.39 2.39 2.78 2.06 2.67 2.09
534+168 2.50 1.73 1.91 2.12 2.39 2.39 1.98 1.98 1.98 2.04
534+368 2.90 1.81 2.38 2.02 3.27 3.27 2.25 2.11 2.38 2.15
534+568 2.85 1.90 2.23 2.08 2.51 2.51 2.56 2.28 2.49 2.57
534+768 3.03 1.91 2.68 2.10 1.85 1.85 2.80 2.31 2.50 2.54
534+968 2.46 1.82 2.09 2.18 2.26 2.26 2.19 2.37 2.07 2.40
535+168 2.27 1.71 2.09 1.92 2.79 2.79 2.74 2.38 2.23 2.29
535+368 2.46 1.88 2.88 2.26 2.79 2.79 3.48 2.82 2.64 2.33
535+568 3.20 1.86 3.26 2.03 2.12 2.12 3.28 2.75 2.97 2.55
535+768 3.19 1.95 2.86 2.47 2.63 2.63 3.15 2.65 2.97 2.61
535+968 2.83 1.92 2.85 2.25 2.45 2.45 3.23 2.75 3.01 2.55
536+168 2.73 2.13 2.57 2.46 3.65 3.65 2.70 3.18 2.64 3.12
536+368 2.80 2.66 2.95 3.06 3.05 3.05 3.18 3.19 2.87 2.80
536+568 2.76 2.08 2.95 2.26 3.05 3.05 2.98 2.76 2.83 2.54
536+768 3.58 2.43 3.28 2.73 2.70 2.70 4.24 3.00 3.51 3.07
536+968 4.04 2.63 3.51 2.77 2.87 2.87 3.91 2.93 3.21 3.05
537+168 2.60 2.66 2.89 2.62 2.57 2.57 3.42 3.14 3.14 2.86
537+368 2.88 2.50 4.45 3.21 1.89 1.89 4.46 3.27 3.86 3.25
537+568 3.96 2.83 3.51 3.20 2.57 2.57 3.40 3.31 3.11 3.09
537+768 3.75 2.46 3.25 2.96 2.57 2.57 3.25 2.75 3.12 2.45
537+968 2.94 2.08 2.62 2.34 2.34 2.34 2.74 2.60 2.66 2.60
538+168 2.49 2.59 2.64 2.63 2.33 2.33 2.85 3.06 2.78 2.70
538+368 3.18 2.43 3.26 2.89 2.85 2.85 3.17 2.93 3.08 2.89
538+568 2.82 2.55 3.03 2.62 2.51 2.51 3.40 2.92 3.33 3.11
538+768 3.06 2.01 2.72 2.72 2.25 2.25 2.68 2.54 2.70 2.46
538+968 2.77 1.93 2.71 2.37 2.25 2.25 2.99 2.56 2.43 2.04
539+168 2.22 2.02 2.95 2.13 2.70 2.70 3.18 3.35 2.73 3.36
539+368 2.36 2.36 2.44 2.96 2.82 2.82 2.56 2.76 2.31 2.22
539+568 2.01 2.22 2.55 2.82 2.68 2.68 3.09 2.92 3.00 2.71
539+768 2.50 2.49 3.33 2.69 2.59 2.59 3.17 2.95 2.76 2.91
539+968 2.30 1.90 2.34 2.23 1.97 1.97 2.48 2.48 2.60 2.42
540+168 2.01 1.82 2.27 2.14 1.97 1.97 2.35 2.20 2.12 1.81
540+368 1.82 1.53 2.22 1.93 2.32 2.32 2.38 2.08 2.18 1.90
540+568 1.91 1.77 2.25 1.89 2.24 2.24 2.33 2.55 2.18 1.98
540+768 2.15 1.97 2.51 2.32 2.75 2.75 2.60 2.53 2.37 2.41
540+968 2.02 2.48 2.58 2.57 2.22 2.22 2.94 2.89 2.61 2.44
541+168 2.62 2.03 3.17 2.33 2.18 2.18 3.54 2.77 2.77 2.56
541+368 2.55 2.27 2.92 2.76 2.18 2.18 2.86 2.66 2.30 2.36
541+568 2.26 1.96 2.83 2.33 3.02 3.02 2.88 2.30 2.82 2.31
541+768 2.41 2.52 2.86 2.59 3.25 3.25 3.21 2.94 3.16 3.00
541+968 2.61 2.39 3.42 2.85 2.98 2.98 3.33 2.71 3.24 2.76
542+168 2.72 2.59 3.01 2.79 2.98 2.98 3.22 3.10 3.38 3.50
542+368 2.03 2.01 2.25 2.31 2.55 2.55 2.28 2.15 2.38 2.16
542+568 2.83 2.58 3.08 2.81 2.55 2.55 3.33 3.11 3.41 3.20
142
542+768 2.61 2.29 3.21 2.62 3.15 3.15 2.86 2.51 2.77 2.66
542+968 2.29 2.14 2.56 2.17 3.05 3.05 2.53 2.30 2.52 2.45
543+168 2.17 2.41 2.56 2.70 3.64 3.64 2.56 2.55 2.61 2.57
543+368 2.75 2.81 3.17 2.95 3.84 3.84 3.42 2.66 3.95 3.81
162
Anexo 14 Modelo de deterioro del ahuellamiento entre los valores no calibrados, calibrados y
reales del tramo Conococha-Cátac.
165
Anexo 15 Coeficiente de determinación (R2) entre los valores calibrados y observados de
ahuellamiento del tramo Conococha-Cátac.
168
Anexo 16 Modelo de deterioro del IRI entre los valores no calibrados, calibrados y reales del
tramo Conococha-Cátac.
171
Anexo 17 Coeficiente de determinación (R2) entre los valores calibrados y observados de IRI
del tramo Conococha-Cátac.
174
Anexo 18 Resultados previstos calibrados por el HDM-4 de los modelos de deterioro de
agrietamiento (%), ahuellamiento (mm) e IRI (m/km).