DETERMINACIÓN DEL INDICE DE LA CONDICIÓN DEL PAVIMENTO (PCI) E INDICE

DE REGURALIDAD INTERNACIONAL (IRI) EN VÍAS URBANAS EMPLEANDO

IMÁGENES OBTENIDAS CON VEHÍCULO AÉREO NO TRIPULADO

J. CRUZ TORIBIO & W. GUTIERREZ LAZARES

Facultad de Ingeniería Civil, Universidad Nacional de Ingeniería, Perú
jorge.cruz.tb@gmail.com
ghama@speedy.com.pe

ABSTRACT

This research proposes an alternative methodology to obtain the Pavement Condition Index
(PCI) and the International Roughness Index (IRI) using georeferenced images, obtained
from an unmanned aerial vehicle (UAV), which are processed to generate an orthophoto
high resolution and a dense point cloud on the surface of the pavement. The processing of
the images and the analysis of the products allow the total visual inspection of the road in a
safe way, identifying the type of existing deterioration, its severity and the damaged density,
as parameters and inputs to use the PCI method. In addition, the profiles of the pavement
circulation tracks are obtained for the calculation of the IRI in each one of them. The
innovation of the procedure to evaluate pavements and determine the PCI and IRI,
periodically with the purpose of conservation of the urban roads, optimizing the scarce
resources of the local governments with the benefit of the users.

RESUMEN

El presente trabajo propone una metodología alternativa para obtener el Índice de la

Condición del Pavimento (PCI) y el Índice de Rugosidad Internacional (IRI) empleando
imágenes georreferenciadas, obtenidas de un vehículo aéreo no tripulado (VANT), que se
procesan para generar una ortofoto de alta resolución y una nube de puntos densa de la
superficie de rodadura del pavimento. El procesamiento de las imágenes y el análisis de los
productos permiten la inspección visual total de la vía de manera segura, identificando el
tipo de deterioro existente, su severidad y la densidad dañada, como parámetros e insumos
para emplear el método PCI. Además, se obtienen los perfiles de las huellas de circulación
del pavimento para el cálculo del IRI en cada una de ellas. La innovación del procedimiento
para evaluar pavimentos y determinar el PCI e IRI, periódicamente con fines de
conservación de las vías urbanas, optimizando los escasos recursos de los gobiernos
locales con beneficio de los usuarios.

1. INTRODUCCIÓN

Las vías urbanas de las principales ciudades se encuentran saturadas de vehículos que
dificultan toda actividad de inspección y mantenimiento. En estas vías el deterioro es
evidente y requiere de trabajos urgentes. Los usuarios ven incrementado los costos de

[1] 26th World Road Congress

operación de sus vehículos, por falta de gestión de los gobiernos locales, que en la mayoría
de los casos no cuentan con información sobre el estado de deterioro de las vías. Esta
carencia propicia la programación improvisada con medidas correctivas inadecuadas de
mayor costo, generando el deterioro acelerado de la superficie de rodadura y la
consecuente protesta de los usuarios.

La evaluación superficial y funcional del pavimento, permite determinar la condición

operacional de la superficie de rodadura; y con esta información, planificar trabajos de
mantenimiento y/o rehabilitación necesarios para mejorar la transitabilidad y distribuir los
recursos de manera apropiada.

Actualmente, existen varios métodos para determinar las condiciones del pavimento. Estos
consisten en largas jornadas de trabajo de campo, caminando la vía y registrando todo tipo
de deterioro para su posterior análisis. Sin embargo, el rendimiento se disminuye debido a
la congestión de vehículos que obstaculizan el trabajo técnico. Además, requiere de
personal que supervisen la seguridad de los técnicos involucrados, elevando el costo de
evaluación.

La presente investigación presenta una nueva metodología para la evaluación de las vías
mediante el uso de vehículos aéreos no tripulados, conocidos como drones, los cuales
capturan imágenes del estado del pavimento, para posteriormente determinar su condición
actual de manera rápida y segura, siendo una herramienta con mucho potencial para
generar información que permita realizar una gestión eficiente del mantenimiento de las
vías.

2. SITUACIÓN DE LA PROBLEMÁTICA

Los gobiernos locales al no contar con información actualizada del deterioro de sus vías,
les impide elaborar el plan operativo de trabajos de mantenimiento anual y de una adecuada
gestión. La falta de una evaluación superficial y funcional impide realizar una racional
planificación de trabajos correctivos que permitan conservar y alargar la vida útil de los
pavimentos para beneficio de los usuarios.

El tiempo invertido en los trabajos de evaluación de las vías, en las zonas urbanas, se
incrementa y dificulta por el intenso y desordenado tráfico de la ciudad, poniendo en riesgo
la vida de los evaluadores o controladores.

3. OBJETIVOS

3.1. Objetivo General

• Determinar el Índice de Condición del Pavimento (PCI) e Índice de Rugosidad
Internacional (IRI) empleando imágenes obtenidas de un vehículo aéreo no tripulado.

3.2. Objetivos Específicos

• Registrar el estado del pavimento mediante imágenes georreferenciadas del
vehículo aéreo no tripulado.
• Evaluar las áreas afectadas con un determinado tipo de falla en función de su
densidad y severidad, empleando el método del Pavement Condition Index (PCI).

[2] 26th World Road Congress

 • Obtener los perfiles de las huellas de circulación del pavimento para determinar el
índice de Rugosidad Internacional (IRI) y calibrarlo con el método topográfico
convencional.
• Determinar las ventajas y desventajas de aplicar la evaluación empleando un VANT
en vías urbanas.

4. METODOLOGÍA

El presente trabajo de investigación desarrolla una metodología de evaluación que consiste

básicamente en dos etapas, una en campo y otra en gabinete. La etapa de campo consiste
en relevar la información de la superficie del pavimento mediante vuelos programados
donde el VANT captura imágenes georreferenciadas de la vía en estudio.

La etapa de gabinete se basa en el procesamiento y análisis de las imágenes adquiridas

para la generación de ortofotos y modelos digitales de superficie que luego se usarán para
la identificación de los deterioros mediante el método PCI y la obtención de los perfiles de
las huellas de circulación del pavimento para el cálculo del IRI.

4.1. Equipo utilizado

Para la obtención de imágenes georreferenciadas se empleó un multirotor DJI Phantom 4

Pro, que muestra en la Figura 1, el cual tiene como características principales:

Figura 1 - DJI Phantom 4 pro

• Cámara: sensor CMOS de 1” y resolución de 20 Megapíxeles

• Radio de alcance: 7 km.
• Gps: GLONASS
• Autonomía: 30 minutos

4.2. Plan de vuelo

La programación del vuelo se realiza previamente utilizando el software DJI Ground Station
Pro, donde se establece el área de estudio y los parámetros de vuelo como el tipo de
modelo de cámara del VANT, altura de vuelo, porcentaje de traslape longitudinal y
transversal entre imágenes, como se muestra en la figura 2. Con la finalidad de identificar
las fallas del pavimento y obtener los perfiles de las huellas de circulación, se propone
realizar vuelos a una altura de 20 m. para garantizar una resolución o GSD de 5mm por
pixel, asimismo, considera traslapes longitudinales y transversales de 80% para obtener
mayor número de puntos homólogos y una mejor correlación de los mismos.

[3] 26th World Road Congress

 Figura 2 – Configuración del plan de vuelo

4.3. Ejecución del vuelo

Se establece una zona de despegue dentro o fuera de la zona de estudio donde no exista
ningún obstáculo para que el VANT pueda elevarse sin problemas. El piloto debe ejecutar
el vuelo realizando previamente un check list que asegura la viabilidad del vuelo:

1. Hélices colocadas correctamente

2. Porcentaje de batería óptima tanto en el VANT como el radiocontrol.
3. Conexión correcta entre el radiocontrol y el VANT.
4. Buena recepción de señal de GPS (al menos 10 satélites)
5. Establecer punto de despegue y retorno en caso de pérdida de señal.
6. Plan de vuelo cargado correctamente

Una vez que el VANT despega, no es necesario el control manual alguno por parte del
piloto, salvo se necesite cancelar o detener el vuelo ante cualquier problema que perjudique
el relevamiento de la información. Sin embargo, durante la ejecución del vuelo se puede
monitorear en tiempo real la ubicación, velocidad, trayectoria, imagen de transmisión,
número de satélites del GPS, cantidad de fotografías realizadas y porcentaje de la batería
del equipo como se muestra en la figura 3.

Figura 3 – Monitoreo del vuelo

[4] 26th World Road Congress

4.4. Procesamiento de imágenes

4.4.1 Procesamiento inicial

El procesamiento de las imágenes obtenidas en el vuelo se realiza en gabinete, utilizando

el software Pix4D Mapper Pro, el cual como procesamiento inicial extrae los puntos claves
de las imágenes, las coordenadas de cada imagen, resolución e inclinación de la cámara,
para calcular la verdadera ubicación y orientación de cada imagen como se observa en la
figura 4.

Figura 4 – Procesamiento inicial

Después, el programa analiza y correlaciona los puntos característicos comunes entre las
imágenes para crear una nube de puntos densa como se muestra en la figura 5.

Figura 5 – Nube de puntos densa

Luego, realiza la triangulación entre puntos para generar la malla que da como resultado
un modelo 3D digital de la zona de estudio como se aprecia en la figura 6.

[5] 26th World Road Congress

 Figura 6 – Modelo digital 3D

4.4.2 Generación de ortofoto y modelo digital de superficie

Se obtiene la ortofoto georreferenciada de toda la zona de estudio con una gran resolución
como se aprecia en la figura 7.

Figura 7 – Ortofoto de la zona de estudio

Por último, se genera el modelo digital de superficie, el cual contiene la información de

elevaciones del terreno en función a su posición espacial como se aprecia en la figura 8.

Figura 8 – Modelo digital de superficie

[6] 26th World Road Congress

4.5. Determinación del Índice de Condición del Pavimento (PCI)

4.5.1 Edición de la ortofoto

Con la ortofoto de gran resolución y el modelo en 3D se procede a realizar la identificación

de las fallas del pavimento. Sin embargo, es posible que en la ortofoto se aprecien vehículos
o personas debido al usual tránsito en la vía, lo cual impide realizar la inspección en
gabinete como se muestra en la figura 9.

Figura 9 – Ortofoto con tránsito

Es por ello, que el software permite editar la ortofoto, obteniendo como resultado una vía
despejada de vehículos para poder realizar la inspección completa de la misma, esto es
posible ya que, al tener imágenes traslapadas, cada región del pavimento está capturada
en más de una fotografía, por lo cual la ortofoto es editable, como se aprecia en la figura
10.

Figura 10 – Ortofoto editada

4.5.2 Identificación y metrado de fallas

Con los productos obtenidos se procede a la identificación de las fallas del pavimento,
determinando la longitud o área según el tipo de falla y su grado de severidad como se
muestra en la figura 11. Los datos obtenidos se introducen en hojas de inspección de

[7] 26th World Road Congress

manera que se integre al Método PCI y calcular los valores deducidos para determinar la
condición de cada tramo de la vía.

Figura 11 – Identificación de fallas, severidad y metrado

4.6. Determinación del Índice de Rugosidad Internacional (IRI)

4.6.1 Generación de perfiles

Con los productos obtenidos, se generan perfiles longitudinales de cada huella del
pavimento, obteniendo puntos cada 25 cm, como se aprecia en la figura 12.

Figura 12 – Generación de perfil en cada huella del pavimento

4.6.2 Cálculo del IRI

Se exportan los puntos del perfil generado en cada huella y se calcula el Índice de
Rugosidad Internacional mediante el software PROVAL, programa patrocinado y avalado
por el departamento de transporte de los Estados Unidos, la administración general de
carreteras (FHWA) y el programa de desempeño de pavimentos a largo plazo (LTTP). El
programa permite visualizar y analizar los perfiles para determinar el IRI, como se aprecia
en la figura 13.

[8] 26th World Road Congress

 Figura 13 – Cálculo del IRI mediante el software PROVAL

5. RESULTADOS EN VÍA DE PRUEBA

5.1. Calibración del IRI -VANT

Para validar el método propuesto empelando drone, se aplicó el método en una vía de
prueba que consta de las siguientes características:

• Tipo de Pavimento: Rígido

• Ancho de calzada: 8 m.
• Número de carriles: 2

Se estableció un orden en cada huella del pavimento para el levantamiento de la

información como se muestra en la figura 14.

Figura 14 – Vía de prueba para el cálculo del IRI

5.1.1 Nivelación Geométrica

Con la finalidad de comparar y calibrar los resultados, se determinó el IRI con el método de
nivelación geométrica, obteniendo lecturas cada 25 cm. en un tramo de 100 m. tal como se
aprecia en la figura 15.

[9] 26th World Road Congress

 Figura 15 – Nivelación geométrica

El tiempo total de relevamiento de información de las 4 huellas fue de 6 horas con un

personal constituido por 3 personas. La información se procesó en gabinete, obteniendo los
perfiles de cada una de las huellas de circulación. La figura 16 muestra el perfil generado
de la huella 1.

Figura 16 – Perfil de la huella 1 con el método de nivelación geométrica

Asimismo, se analizaron los perfiles con el software PROVAL para la obtención del IRI en
cada una de ellas, obteniendo los siguientes resultados que se muestra en la tabla 1.

Tabla 1. Resultados de IRI

IRI m/km

H1 H2 H3 H4
Nivelación
6.59 6.45 5.76 5.72
Geometrica

5.1.2 Método VANT

Para mejorar la precisión del método se levantaron cinco puntos de apoyo ubicados dentro
del tramo de prueba como se aprecia en la figura 17.

[10] 26th World Road Congress

 P1 P4

P5

P2 P3

Figura 17. Ubicación de puntos de apoyo

Se empleó un receptor GPS Diferencial para cada punto, obteniendo como resultados las
coordenadas que se muestra en la Tabla 2.

Tabla 2. Coordenadas de puntos de apoyo

GCP ESTE NORTE ELEVACIÓN

P1 276873.88 8670658.12 129.8639
P2 276877.011 8670653.06 129.9077
P3 276963.582 8670668.62 129.7904
P4 276960.022 8670673.79 129.8234
P5 276911.681 8670662.84 129.8436

Luego, se programó el vuelo a una altura de 20 m. para obtener imágenes con una
resolución de 5 mm por pixel, con un traslape longitudinal y transversal de 80%. Se
estableció la zona de despegue y se procedió a la ejecución del vuelo como se aprecia en
la figura 18.

Figura 18 – Ejecución del vuelo

El tiempo total de vuelo fue de 2 minutos, obteniendo 82 imágenes georreferenciadas. El

personal estuvo conformado por un piloto y un asistente. Con la información relevada se
realizó el procesamiento de las imágenes de dos maneras, empleando los puntos de apoyo
y sin emplear los puntos de apoyo, obteniendo una nube de puntos densa, ortofoto y modelo
digital de superficie de la zona de estudio.

Con los productos obtenidos se generaron los perfiles de las huellas de circulación. La
figura 19 muestra el perfil de la huella 1 sin emplear puntos de apoyo.

[11] 26th World Road Congress

 Figura 19 – Perfil de la huella 1 método VANT sin puntos de apoyo

La figura 20 muestra el perfil de la huella 1 empleando puntos de apoyo.

Figura 20 – Perfil de la huella 1 método VANT con puntos de apoyo

Se analizaron los perfiles de cada huella con los 2 métodos mediante el software PROVAL,
obteniendo siguientes resultados que se muestra en la tabla 3.

Tabla 3. Coordenadas de puntos de apoyo

IRI m/km

H1 H2 H3 H4
Nivelación
6.59 6.45 5.76 5.72
Geometrica
VANT con puntos
6.93 6.88 6.13 6.11
de apoyo
VANT sin puntos
7.11 7.01 6.39 6.24
de apoyo

Al graficar los valores obtenidos por el método VANT y el método de la nivelación

geométrica se obtiene una ecuación de correlación que calibra el nuevo método propuesto.

La figura 21 muestra la ecuación de correlación entre el método VANT con puntos de control
y el método de nivelación geométrica obteniendo un coeficiente de correlación R 2=0.993.

[12] 26th World Road Congress

Figura 21 - Correlación entre método VANT con puntos de apoyo vs método de Nivelación
Geométrica

Asimismo, la figura 22 muestra la ecuación de correlación entre el método VANT sin puntos
de control y el método de nivelación geométrica obteniendo un coeficiente de correlación
R2=0.988.

Figura 22 - Correlación entre método VANT sin puntos de apoyo vs método de Nivelación
Geométrica

5.2. Determinación del PCI

Con la ortofoto de alta resolución se identifica las fallas del pavimento como grietas
longitudinales y transversales, huecos, parcheo, piel de cocodrilo como se aprecia en la
figura 23. Los datos son introducidos en hojas de inspección para el cálculo del Índice de
condición del pavimento en cada tramo de la vía.

Figura 23. Identificación y metrado de fallas

[13] 26th World Road Congress

Además, se puede elaborar planos de falla de los deterioros del pavimento, con precisión y
georreferenciación que como se muestra en la figura 24.

Figura 24. Plano de fallas

6. DISCUSIÓN

El tiempo total de levantamiento de datos con el método de nivelación geométrica fue de 6

horas. Por otro lado, el tiempo de vuelo con un vehículo aéreo no tripulado fue de 2 minutos
con un personal constituido por sólo un piloto y un asistente. Esto demuestra la rapidez que
tienen los VANT para el levantamiento de información.

Si bien es posible la aparición de vehículos en las imágenes obtenidas, éstos pueden ser
modificados en la ortofoto, a fin de obtener una vía completamente despejada para la
identificación de las fallas. Esto permite una evaluación sin generar tráfico en la vía y sin
poner en riesgo la vida de los evaluadores.

La obtención de imágenes de alta resolución permite la identificación de las fallas del

pavimento de manera rápida y segura; además, con los productos obtenidos se pueden
determinar las medidas de longitud, área y profundidad para establecer su severidad y
densidad.

Las ecuaciones de calibración del IRI arrojan un coeficiente de correlación de 0.993

empleando el método VANT con puntos de control y de 0.988 sin puntos de control. Lo cual,
valida el método sin necesidad de usar puntos de control. Además, la obtención de la nube
de puntos densa de la superficie de la vía, permite no sólo calcular el IRI en las huellas de
circulación, sino en cualquier perfil de la vía.

Es importante mencionar que la data relevada puede ser analizada cuantas veces sea
necesaria sin necesidad de realizar otro vuelo, además, permite en el tiempo poder
observar la evolución y aparición de nuevas fallas para tomar las decisiones correctivas
adecuadas.

[14] 26th World Road Congress

7. CONCLUSIONES

• El uso del vehículo aéreo no tripulado permite el levantamiento de información en

corto tiempo, sin interrumpir el tráfico ni poner en riesgo la vida de los inspectores en
comparación con métodos convencionales
• El uso de las imágenes georreferenciadas permite ubicar cada falla y su metrado
correspondiente que articula como insumo con el método Pavement Condition Index
(PCI).
• Las imágenes obtenidas de un vehículo aéreo no tripulado permiten estimar el Índice
de Rugosidad Internacional con buena precisión en vías urbanas.
• El uso de imágenes georreferenciadas permite la estimación del IRI en las huellas
de circulación del pavimento y en toda la superficie, lo que permite determinar el
estado real de la vía con mayor detalle.
• La información relevada mediante VANT puede ser reproducible en cualquier
momento a fin de analizar su regularidad y la evolución de las fallas en el tiempo y
establecer las medidas preventivas de conservación.
• Por lo tanto, el relevamiento de información mediante imágenes obtenidas con
VANT, permite estimar el Índice de Condición del pavimento y el Índice de
Irregularidad Internacional con fines de establecer las estrategias de mantenimiento
y rehabilitación a fin de conservar las vías en buen estado.

REFERENCIAS

1. D6433–16 (2016). Standard Practice for Roads and Parking Lots Pavement Condition Index Surveys.
American Society of Testing and Materials (ASTM), USA.
2. ASTM E1364 – 95 (2017). Standard Test Method for Measuring Road Roughness by Static Level Method.
3. Zhang C. & Elaksher A. (2012). An unmanned aerial vehicle-based imaging system for 3D measurement
of unpaved road surface distresses. Computer-Aided Civil and Infrastructure Engineering. Vol 27(2), pp.
118-129.
4. Gutiérrez J. (2016). Mecánica de Suelos Aplicada a las Vías de Transportes. Editorial Macro, Lima – Perú.
5. Cruz J. (2018). Índice de Condición del Pavimento mediante imágenes del vehículo aéreo no tripulado.
Universidad Nacional de Ingeniería. Lima – Perú.

[15] 26th World Road Congress