Metodología de modelación del desempeño de pavimentos urbanos utilizando inteligencia artificial

Resumen

Los modelos de desempeño de pavimentos son una herramienta sumamente útil para las agencias encargadas de la gestión vial, permitiendo estimar el comportamiento y designar la medida correctiva óptima para mantenimiento de las vías. Investigaciones recientes han presentado resultados favorables al utilizar técnicas de Machine y Deep Learning en la modelación del comportamiento de pavimentos. En esta investigación se plantea una metodología de desarrollo de modelos de desempeño de primera fase para pavimentos urbanos, gestionados a nivel de red, para la predicción de la condición a corto plazo utilizando técnicas de Machine y Deep Learning en su confección. Específicamente se utiliza la regresión de bosques aleatorios (RFR), regresión de vectores de soporte (VSR), regresor de refuerzo de gradiente (GBR), redes neuronales artificiales (ANN) y redes neuronales recurrentes (ANN). Con estos algoritmos se confeccionan modelos para predecir el Índice de Condición de Pavimentos Urbanos de Chile (ICPU) utilizando una base de datos sintética de elaboración propia para las simulaciones. En cuanto a los resultados obtenidos, las iteraciones ofrecen resultados favorables para la predicción a corto plazo, obteniendo bajos errores promedio de predicción (0.4% para el algoritmo GBR) y resultados de RMSE próximos a cero (0.063 para el algoritmo GBR), lo cual resulta de interés para cada una de las alternativas de algoritmos mencionadas anteriormente, pues las sitúan como herramientas recomendables para realizar predicciones sobre el desempeño de los pavimentos urbanos.