FACULTAD DE INGENIERÍA CIVIL
TESIS
AGRUPAMIENTO Y DESARROLLO DE ESPECTROS DE CARGA DEL TRÁFICO DE LA RED VIAL NACIONAL
CONCESIONADA, APLICADO AL DISEÑO DE PAVIMENTOS
PARA OBTENER EL TÍTULO PROFESIONAL DE INGENIERO CIVIL
ELABORADO POR:
NILSON JAMIL CORONADO NEYRA
ASESOR:
MSc. Ing. EDWIN WILDER APOLINARIO MORALES
LIMA - PERÚ 2022
con fines estrictamente académicos.”
Coronado Neyra, Nilson Jamil [email protected] 979119744
Dedico la presente tesis a mis padres Augusto y Beatriz quienes siempre me motivaron a esforzarme por lograr mis metas de una forma humilde y correcta.
A mis hermanos y hermanas por por estar siempre a mi lado y ser ejemplos a seguir y conocer.
Agradezco a mis padres Augusto Felipe Coronado Córdova y Beatriz Neyra Neyra por ser la inspiración a lograr mis sueños, por estar siempre cuidándome y preo- cupandose por mí, por haberme enseñado a esforzarme con mucho impetu por las metas que uno quiere lograr, y de valorar todo el esfuerzo ya realizado para llegar hasta aquí, por todo eso me ecuentro escribiendoles estas palabras de agradeci- miento. Los amo mucho y deseo me acompañen en todos mis logros venideros.
A mis seis hermanos: María, César, Luis, Junior, Betty y Jefferson les agradezco todo su apoyo y motivación que me dan, me siento muy feliz por todas las expe- riencias familiares que tenemos y me permiten moldear la persona que soy.
Agradezco a los ingenieros especialistas en el arte dle diseño de pavimentos, al MSc.Ing. Edwin Wilder Apolinario Morales (Asesor) y al PhD. Ing. Rafael Menen- dez Acurio, por apoyarme constantemente con sus conocimientos, por las diversas reuniones que se tuvieron y todo el tiempo dedicado desde la concepción de la propuesta de tesis hasta el desarrollo de la misma.
Unas palabras a mi amigo Chrysler Farid Camacho Roque con quien empezamos la meta de desarrollar nuestras tesis y gracias a su apoyo en estos momentos he logrado este objetivo. Espero pronto celebrar tu titulación amigo.
Un agradecimiento al Ing. Keyvin Yuliño Saldaña Vasquez por haber brindado a los tesistas una plantilla en Latex para la redacción de la tesis. La usé de inicio a fin, gracias compañero.
A la Facultad de Ingeniería Civil de la UNI, institución que me formó y moldeó a lo largo de 5 años en esta especialidad tan bonita como es la ingeniería civil, y por el cual me siento feliz y orgulloso de formar parte de esta casa de estudios.
A Dios, por guiarme y permitirme terminar con mucho éxito esta etapa de mi vida y formación profesional.
ÍNDICE
RESUMEN VIII
ABSTRACT X
PRÓLOGO XII
LISTA DE TABLAS XIII
LISTA DE FIGURAS XVIII
LISTA DE SÍMBOLOS Y SIGLAS XXVI
CAPÍTULO I: INTRODUCCIÓN 1
1.1 ANTECEDENTES . . . 2
1.2 DESCRIPCIÓN DEL PROBLEMA DE INVESTIGACIÓN . . . 5
1.3 JUSTIFICACIÓN . . . 7
1.4 DELIMITACIÓN DEL ESTUDIO . . . 7
1.5 OBJETIVOS DEL ESTUDIO . . . 8
1.5.1 Objetivo General . . . 8
1.5.2 Objetivos Específicos . . . 9
1.6 HIPÓTESIS DEL ESTUDIO . . . 9
1.7 METODOLOGÍA DE LA INVESTIGACIÓN . . . 9
CAPÍTULO II: MARCOS TEÓRICO Y CONCEPTUAL 11 2.1 MÉTODO DE AASHTO-93 PARA EL DISEÑO DE PAVIMENTOS . 11 2.1.1 Volumen de tránsito vehicular . . . 11
2.1.2 Configuración vehicular peruana . . . 11
2.1.3 Factor de carga equivalente (LEF) . . . 15
2.1.4 Factor camión (FC) . . . 17
2.1.5 Factor de crecimiento acumulado (Fca) . . . 17
2.1.6 Factor de distribución por dirrección (Fd) y carril (Fc) . . . 18
2.1.7 Cálculo de ejes equivalentes (ESAL) . . . 19
2.1.8 Importancia de las variables en la entrada de tráfico para el diseño de pavimentos con AASHTO-93 . . . 20
2.2 MÉTODO DE DISEÑO MECANISTICO-EMPÍRICO DE PAVIMENTOS 21 2.2.1 Clasificación vehicular estadounidense según la FHWA . . . 22
2.2.3 Espectros de carga . . . 27
2.3 FUENTES DE INFORMACIÓN DE TRÁFICO VEHICULAR . . . 32
2.3.1 Datos de estaciones de pesaje en movimiento (Weigh in Motion) 32 2.3.2 Datos de estaciones AVC (Automatic Vehicle Classification) . 32 2.3.3 Datos por conteos vehiculares . . . 33
2.3.4 Datos por pronóstico de tráfico y modelos de generación de viajes . . . 33
2.4 ESTACIONES DE PESAJE Y CONFIGURACIÓN DE EJES . . . 33
2.4.1 Estaciones de pesaje . . . 33
2.4.2 Configuración de ejes . . . 35
2.4.3 Pesos máximos permitidos por eje . . . 37
2.5 MÉTODO DE AGRUPAMIENTO DE DATOS Y SELECCIÓN DEL NÚMERO ÓPTIMO DE GRUPOS . . . 39
2.5.1 Método de agrupamiento K-means . . . 39
2.5.2 Método del Codo de Jambú . . . 45
CAPÍTULO III: DISTRIBUCIÓN NORMALIZADA DEL TRÁFICO VEHICULAR 46 3.1 INFORMACIÓN DISPONIBLE DE TRÁFICO VEHICULAR EN PERÚ 46 3.1.1 Información disponible por las Concesionarias . . . 46
3.1.2 Información disponible por la Sutran . . . 51
3.1.3 Información de tráfico obtenida para la investigación . . . . 52
3.2 DISRIBUCIÓN NORMALIZADA DEL TRÁFICO VEHICULAR POR ESTACIÓN DE PESAJE . . . 55
3.2.1 Distribución normalizada del tráfico de la estación de pesaje Tomasiri . . . 55
3.2.2 Distribución normalizada del tráfico de la estación de pesaje Yura . . . 59
3.2.3 Distribución normalizada del tráfico de la estación de pesaje Arequipa . . . 62
3.2.4 Distribución normalizada del tráfico de la estación de pesaje Ica . . . 65
3.2.5 Distribución normalizada del tráfico de la estación de pesaje Cerro Azul . . . 68
3.2.6 Distribución normalizada del tráfico de la estación de pesaje Bagua . . . 72
3.2.7 Distribución normalizada del tráfico de la estación de pesaje Quincemil . . . 75
3.2.8 Distribución normalizada del tráfico de la estación de pesaje San Lorenzo . . . 78
3.2.9 Distribución normalizada del tráfico de la estación de pesaje Planchon . . . 81 3.2.10 Distribución normalizada del tráfico de la estación de pesaje
Union Progreso . . . 85 3.3 INTERPRETACIÓN DE RESULTADOS DEL CAP III . . . 88 CAPÍTULO IV: DESARROLLO DE ESPECTROS DE CARGA 90
4.1 PROCEDIMIENTO PARA LA GENERACIÓN DE ESPECTROS DE CARGA POR EJE . . . 92 4.1.1 Formato de lectura de los datos de pesaje . . . 92 4.1.2 Lectura e identificación de las configuraciones de ejes por
vehículo . . . 93 4.1.3 Generación de espectros de carga . . . 94 4.2 ESPECTROS DE CARGA DESARROLLADOS POR CADA ESTA-
CIÓN DE PESAJE . . . 95 4.2.1 Espectros de carga de la estación de pesaje Tomasiri . . . . 96 4.2.2 Espectros de carga de la estación de pesaje Yura . . . 103 4.2.3 Espectros de carga de la estación de pesaje Arequipa . . . . 110 4.2.4 Espectros de carga de la estación de pesaje Ica . . . 116 4.2.5 Espectros de carga de la estación de pesaje Cerro Azul . . . 123 4.2.6 Espectros de carga de la estación de pesaje Bagua . . . 130 4.2.7 Espectros de carga de la estación de pesaje Quincemil . . . 136 4.2.8 Espectros de carga de la estación de pesaje San Lorenzo . . 143 4.2.9 Espectros de carga de la estación de pesaje Planchón . . . 149 4.2.10 Espectros de carga de la estación de pesaje Unión Progreso 154 4.3 SOBREPOSICIÓN DE LOS ESPECTROS DE CARGA POR EJE Y
ESTACIÓN DE PESAJE . . . 160 4.4 INTERPRETACIÓN DE RESULTADOS DEL CAP IV . . . 167 CAPÍTULO V: AGRUPAMIENTO DE LAS PRINCIPALES VARIABLES 172
5.1 GENERACIÓN DE AGRUPAMIENTOS PARA LA DISTRIBUCIÓN NORMALIZADA DEL TRÁFICO DE CAMIONES . . . 172 5.1.1 Aplicación del método de agrupamiento K-means . . . 173 5.1.2 Aplicación del método del Codo de Jambú . . . 188 5.2 GENERACIÓN DE GRUPOS PARA LOS ESPECTROS DE CARGA
POR EJE Y TIPO DE VEHÍCULO . . . 189 5.2.1 Grupos de espectros de carga para el tipo de vehículo T3S3 189 5.2.2 Grupos de espectros de carga para el tipo de vehículo T3S2 191
5.2.4 Grupos de espectros de carga para el tipo de vehículo C2 . . 195 5.2.5 Grupos de espectros de carga para el tipo de vehículo B3-1 197 5.2.6 Grupos de espectros de carga para el tipo de vehículo B2 . . 199 5.3 SELECCIÓN DEL AGRUPAMIENTO ADECUADO PARA UN NUE-
VO DISEÑO DE PAVIMENTOS . . . 202 5.4 INTERPRETACIÓN DE RESULTADOS DEL CAP V . . . 204
CONCLUSIONES 206
RECOMENDACIONES 213
REFERENCIAS BIBLIOGRÁFICAS 215
ANEXOS 218
ANEXO A: CÓDIGO EN PYTHON PARA LA VALIDACIÓN Y PROCESA- MIENTO DE DATOS . . . 218 ANEXO B: UBICACIÓN DE LAS ESTACIONES DE PESAJE . . . 220 ANEXO C: INFORMACIÓN DE CONTEO VEHICULAR DE LAS ESTA-
CIONES DE PESAJE . . . 226 ANEXO D: TABLA DE EQUIVALENCIA PARA LAS CONFIGURACIONES
DE EJE POR TIPO DE VEHÍCULO EMPLEADO POR EL PROGRA- MA EN PYTHON . . . 236 ANEXO E: NÚMERO DE VEHÍCULOS SOBRECARGADOS SEGÚN EL
RENAV PARA CADA ESTACIÓN DE PESAJE . . . 240 ANEXO F: DISTRIBUCIONES NORMALIZADAS DE CARGA PARA LOS
TIPOS DE VEHÍCULOS SELECCIONADOS DE LAS ESTACIONES DE PESAJE . . . 250 ANEXO G: RESUMEN DEL ANÁLISIS DEL PESO POR CONFIGURA-
CIÓN DE EJE, TIPO DE VEHÍCULO Y POR ESTACIÓN DE PESAJE 303 ANEXO H: RESUMEN DE LAS DISTRIBUCIONES NORMALIZADAS DE
CARGA POR EJE DE LOS VEHÍCULOS T3S3, T3S2, C3, C2, B3-1 Y B2 . . . 304
RESUMEN
Con la publicación de la Guía de diseño Mecanístico-Empírico de pavimentos (MEPDG) se ha implementado el concepto de espectros de carga que es actualmente la mejor representación de la distribución y daño de las cargas por eje y tipo vehículo que se generan hacia el pavimento, dejando de lado el cálculo tradicional de ejes equivalentes (ESAL) con su eje simple patrón de 18Kips (8.2 Ton) de la Guía de AASHTO-93. El Ministerio de Transportes (MTC) en su proceso de mejora continua de la metodología empleada para el diseño de pavimentos, debe empezar a procesar la información que se viene recopilando por las estaciones de pesaje instaladas en la Red Vial Nacional y dar un primer paso a la caracterización de la carga del tráfico vehicular mediante los espectros de carga.
Debido a los recursos limitados disponibles de entradas de tráfico de Nivel 1 (específicas del sitio) para el diseño de pavimentos, este trabajo de investigación brinda a los diseñadores de pavimentos una caracterización del tráfico de Nivel 2 (regional, promedio) respecto a la composición vehicular y a las cargas por eje de los vehículos que se emplean en el diseño. Para tal objetivo se recopila información de tráfico (de al menos cuatro años consecutivos) de diez sectores de carretera del país proveniente de 13 estaciones de pesaje administradas por las concesionarias en transportes.
Para el procesamiento de esta gran cantidad de datos se elaboró un programa en lenguaje de programación Python de fácil aplicación que permitió validar la información de tráfico y posteriormente desarrollar las distribuciones normalizadas del tráfico de camiones (composición vehicular) y los espectros de carga por eje y tipo de vehículo de cada carretera en estudio.
Las distribuciones normalizadas del tráfico de camiones se desarrollaron con la configuración vehicular estadounidense de la FHWA obteniéndose patrones de similitud en el porcentaje de vehículos de las clases vehiculares C04 (buses), C06 (camiones) y C10 (trailers). Respecto a los espectros de carga por eje estas se desarrollaron con la configuración vehicular peruana del RENAV, obteniéndose un alto porcentaje de sobrecarga en los pesos de los ejes vehiculares y encontrándose similitudes en los intervalos de carga de sus dos picos de carga correspondiente al porcentaje de ejes menos cargados (vehículos descargados) y al porcentaje ejes más cargados (vehículos con carga completa).
De los resultados obtenidos se determina que el 49 % de los vehículos pesados que transitan por la carretera presentan sobrecarga y que los espectros de carga por eje en sus picos de carga para los ejes más cargados se encuentran cerca del límite o exceden el peso máximo permitido por el RENAV.
Finalmente, con los patrones de similitud obtenidos en ambas variables (distribución normalizada del tráfico de camiones, espectros de carga por eje) se desarrolló grupos de datos con características de tráfico similares y diferentes entre los grupos. Para esto se empleó el método de K-means para desarrollar los agrupamientos y el método del Codo de Jambú para determinar el número óptimo de agrupaciones, obteniéndose tres grupos de ambas variables, donde la principal diferencia en estos grupos corresponde al porcentaje de vehículos del tipo buses, camiones o trailers.
De esta manera en esta investigación se logra desarrollar las distribuciones normalizadas de tráfico de camiones y los espectros de carga por eje y tipo de vehículo de diez sectores de tramos de carretera de la Red Vial Concesionada. Se desarrolla una forma de agrupamiento de estas variables con el método de K- means y se obtiene entradas de tráfico de Nivel 2 que pueden ser empleados por el diseñador de pavimentos cuando no cuente con información tan precisa de tráfico como la de estaciones de pesaje.
ABSTRACT
With the publication of the Mechanistic-Empirical Pavement Design Guide (MEPDG), the concept of load spectra has been implemented, which is currently the best representation of the distribution and damage of axle and vehicle type loads generated towards the pavement, leaving aside the traditional calculation of equivalent axles (ESAL) with its simple axle pattern of 18Kips (8.2 Ton) of the AASHTO-93 Guide. The Ministry of Transport (MTC) in its process of continuous improvement of the methodology used for the design of pavements, must begin to process the information that is being collected by the weighing stations installed in the National Road Network and take a first step to the characterization of the load of vehicular traffic through load spectra.
Due to limited resources available for Level 1 (site-specific) traffic inputs for pavement design, this research paper provides pavement designers with a characterization of Level 2 traffic (regional, average) with respect to the vehicle composition and axle loads of the vehicles used in the design. For this purpose, traffic information (of at least four consecutive years) is collected from ten road sectors in the country from 13 weighing stations managed by transport concessionaires.
For the processing of this large amount of data, an easy-to-use Python programming language program was developed to validate traffic information and then develop standardized distributions of truck traffic (vehicle composition) and the load spectra by axle and type of vehicle of each road under study.
The standardized distributions of truck traffic were developed with the U.S. vehicle configuration of the FHWA obtaining similarity patterns in the percentage of vehicles of vehicle classes C04 (buses), C06 (trucks) and C10 (trailers). Regarding the axle load spectra, these were developed with the Peruvian vehicular configuration of the RENAV, obtaining a high percentage of overload in the weights of the vehicular axles and finding similarities in the load intervals of its two load peaks corresponding to the percentage of less loaded axles (unloaded vehicles) and the percentage of more loaded axles (vehicles with full load).
From the results obtained it is determined that 49 % of the heavy vehicles on the road are overloaded and that the axle load spectra in their peak loads for the most loaded axles are close to the limit or exceed the maximum weight allowed by the RENAV.
Finally, with the similarity patterns obtained in both variables (standardized distribution of truck traffic, axle load spectra) data groups with similar and different traffic characteristics between the groups were developed. For this, the K-
determine the optimal number of groupings, obtaining three groups of both variables, where the main difference in these groups corresponds to the percentage of vehicles of the type buses, trucks or trailers.
In this way, in this research it is possible to develop the standardized distributions of truck traffic and the load spectra by axle and type of vehicle of ten sectors of road sections of the Concessioned Road Network. A form of grouping of these variables is developed with the K-means method and Level 2 traffic inputs are obtained that can be used by the pavement designer when he does not have as accurate traffic information as that of weighing stations.
PRÓLOGO
Con gran satisfacción se presenta una contribución a la Gestión de Pavimentos, que permitirá implementar políticas viales, mediante el desarrollo de la presente tesis de grado, que se fundamenta en la caracterización de la carga de tráfico vehi- cular, usando los espectros de carga, que facilita una mejor representación de la distribución y daño que generan las cargas móviles por eje y tipo de vehículo so- bre el pavimento, para la cual se utilizó información procedente de estaciones de pesaje instaladas en la Red Vial Nacional.
En la actualidad la información anual de las estaciones de pesaje instaladas en la Red Vial Nacional, no se utiliza en la caracterización de la carga de tráfico vehicular, a pesar de que es la principal variable que afecta el comportamiento del pavimento.
La institución responsable de la gestión de la infraestructura vial en nuestro país, reconoce que como toda ciencia y técnica, la ingeniería vial está en permanente evolución y que el Manual de Suelos, Geología, Geotécnica y Pavimentos debe ser revisado y actualizado periódicamente por el órgano normativo de la Infraestructura vial; sin embargo, se observa que se continua postergando el uso de los diseños de pavimentos con el método Mecanístico Empírico y no se proyectan normas para dejar de usar el método empírico.
En el desarrollo de la tesis se realiza la sistematización de una gran cantidad de datos procedentes de trece estaciones de pesaje, con información acumulada de cuatro años consecutivos, con la cual se obtiene las distribuciones normalizadas de tráfico de camiones y los espectros de carga por eje y tipo de vehículo. Además, con dicha información se realiza un amplio análisis de la configuración vehicular y de los impactos negativos que generan en el desempeño del pavimento.
LISTA DE TABLAS
Tabla N° 1.1 Información recopilada de las Estaciones de Pesaje . . . . 8 Tabla N° 2.1 Pesos y medidas máximas permitidas . . . 12 Tabla N° 2.2 Factores equivalentes de carga para ejes simples en pavi-
mentos flexibles, pt=2.0 . . . 15 Tabla N° 2.3 Relación de factores de carga equivalente por eje, Pavi-
mentos flexibles . . . 16 Tabla N° 2.4 Relación de factores de carga equivalente por eje, Pavi-
mentos rígidos . . . 16 Tabla N° 2.5 Cálculo del factor camión del vehículo C2, Pavimento flexible 17 Tabla N° 2.6 Factores de Crecimiento Acumulado (Fca) . . . 18 Tabla N° 2.7 Factores de distribución por direccional y carril . . . 19 Tabla N° 2.8 Ejmeplo de hoja de trabajo para el cálculo de Ejes Equiva-
lentes (ESAL) . . . 20 Tabla N° 2.9 Clasificación Vehicular Peruana según la FHWA . . . 24 Tabla N° 2.10 Cantidad de vehículos por año, Estación de pesaje Tomasiri 25 Tabla N° 2.11 Distribución normalizada del tráfico por año, Estación de
pesaje Tomasiri . . . 26 Tabla N° 2.12 Valores de la distribución normalizada del tráfico de los Gru-
pos TTC de Estados Unidos . . . 27 Tabla N° 2.13 Distribución normalizada de carga de los Ejes Simple Sen-
cillo y Tandem del Vehículo tipo C3 medido por la estación de pesaje Arequipa . . . 28 Tabla N° 2.14 Factor de carga equivalente del eje simple Sencillo, Vehícu-
lo tipo T3S3 . . . 30 Tabla N° 2.15 Factor de carga equivalente del Eje Tandem, Vehículo tipo
T3S3 . . . 30 Tabla N° 2.16 Factor de carga equivalente del Eje Tridem, Vehículo tipo
T3S3 . . . 31 Tabla N° 2.17 Factor camión del vehículo tipo T3S3 . . . 32 Tabla N° 2.18 Tamaño mínimo de muestra (número de días por año) pa-
ra estimar la distribución normalizada de la carga por eje, mediante datos de pesaje WIN . . . 32 Tabla N° 2.19 Tamaño mínimo de muestra (número de días por año) para
estimar la distribución normalizada del tráfico de camiones mediante datos AVC . . . 33 Tabla N° 2.20 Pesos máximos por ejes . . . 38 Tabla N° 2.21 Tolerancia pesaje dinámico . . . 38
Tabla N° 3.1 Carreteras Concesionadas y el Concesionario . . . 48 Tabla N° 3.2 Estaciones de pesaje administrados por las concesionarias 50 Tabla N° 3.3 Estaciones de pesaje administrados por SUTRAN . . . 51 Tabla N° 3.4 Información de tráfico obtenida de las estaciones de pesaje 53 Tabla N° 3.5 Cantidad de vehículos por año según la clasificación del
FHWA medido por la estación de pesaje Tomasiri . . . 57 Tabla N° 3.6 Valores de la distribución normalizada del tráfico por año y
clase vehicular según el FHWA, estación de pesaje Tomasiri 58 Tabla N° 3.7 Cantidad de vehículos por año según la clasificación del
FHWA medido por la Estación de pesaje Yura . . . 60 Tabla N° 3.8 Valores de la distribución normalizada del tráfico por año y
clase vehicular según el FHWA, estación de pesaje Yura . 61 Tabla N° 3.9 Cantidad de vehículos por año según la clasificación del
FHWA medido por la estación de pesaje Arequipa . . . 63 Tabla N° 3.10 Valores de la distribución normalizada del tráfico por año y
clase vehicular según el FHWA, estación de pesaje Arequipa 64 Tabla N° 3.11 Cantidad de vehículos por año según la clasificación del
FHWA medido por la estación de pesaje Ica . . . 66 Tabla N° 3.12 Valores de la distribución normalizada del tráfico por año y
clase vehicular según el FHWA, estación de pesaje Ica . . 68 Tabla N° 3.13 Cantidad de vehículos por año según la clasificación del
FHWA medido por la estación de pesaje Cerro Azul . . . . 70 Tabla N° 3.14 Valores de la distribución normalizada del tráfico por año y
clase vehicular según el FHWA, estación de pesaje estática Cerro Azul . . . 71 Tabla N° 3.15 Cantidad de vehículos por año según la clasificación del
FHWA medido por la estación de pesaje Bagua . . . 73 Tabla N° 3.16 Valores de la distribución normalizada del tráfico por año y
clase vehicular según el FHWA, estación de pesaje estática Bagua . . . 74 Tabla N° 3.17 Cantidad de vehículos por año según la clasificación del
FHWA medido por la estación de pesaje Quincemil . . . . 76 Tabla N° 3.18 Valores de la distribución normalizada del tráfico por año y
clase vehicular según el FHWA, estación de pesaje Quincemil 77 Tabla N° 3.19 Cantidad de vehículos por año según la clasificación del
FHWA medido por la estación de pesaje San Lorenzo . . . 79 Tabla N° 3.20 Valores de la distribución normalizada del tráfico por año
y clase vehicular según el FHWA, estación de pesaje San Lorenzo . . . 81
Tabla N° 3.21 Cantidad de vehículos por año según la clasificación del FHWA medido por la estación de pesaje Planchon . . . 83 Tabla N° 3.22 Valores de la distribución normalizada del tráfico por año y
clase vehicular según el FHWA, estación de pesaje Planchon 84 Tabla N° 3.23 Cantidad de vehículos por año según la clasificación del
FHWA medido por la estación de pesaje Unión Progreso . 86 Tabla N° 3.24 Valores de la distribución normalizada del tráfico por año y
clase vehicular según el FHWA, estación de pesaje Unión Progreso . . . 87 Tabla N° 3.25 Resumen de las distribuciones normalizadas de tráfico por
estación de pesaje . . . 89 Tabla N° 4.1 Los 10 tipos de vehículos más representativos en el volu-
men de tránsito pesado de las carrereras en concesión . . 91 Tabla N° 4.2 Formato original de registro de datos de la estación de pe-
saje Tomasiri . . . 92 Tabla N° 4.3 Formato estándar que debe tener la base de datos para su
procesamiento con el programa en Python . . . 92 Tabla N° 4.4 Resumen del porcentaje de ejes con sobrecarga acorde al
RENAV clasificado por configuración de eje, tipo de vehícu- lo, y por estación de pesaje . . . 168 Tabla N° 4.5 Resumen de los intervalos de carga para los picos de car-
ga correspondiente al porcentaje de ejes menos cargados clasificado por configuración de eje, tipo de vehículo, y por estación de pesaje . . . 169 Tabla N° 4.6 Resumen de los intervalos de carga para los picos de carga
correspondiente al porcentaje de ejes más cargados clasi- ficado por configuración de eje, tipo de vehículo, y por es- tación de pesaje . . . 170 Tabla N° 5.1 K=1, Centroide del único grupo Ck . . . 173 Tabla N° 5.2 K=2, Primera asignación aleatoria de grupos a los datos Xi 174 Tabla N° 5.3 K=2, Centroides Uk para la primera asignación aleatoria de
grupos, primera iteración . . . 174 Tabla N° 5.4 K=2,Distancia euclidiana de los datos de la primera asigna-
ción aleatoria a los centroides de los grupos, primera iteración175 Tabla N° 5.5 K=2, Reasignación de grupos Ck para la primera asigna-
ción aleatoria de grupos, primera iteración . . . 175 Tabla N° 5.6 K=2, Centroides Uk para la primera asignación aleatoria de
grupos, segunda iteración . . . 175
Tabla N° 5.7 K=2,Distancia euclidiana de los datos de la primera asig- nación aleatoria a los centroides de los grupos, segunda iteración . . . 176 Tabla N° 5.8 K=2, Segunda asignación aleatoria de grupos a los datos Xi 178 Tabla N° 5.9 K=2, Centroides Uk para la segunda asignación aleatoria
de grupos, primera iteración . . . 178 Tabla N° 5.10 K=2,Distancia euclidiana de los datos de la segunda asig-
nación aleatoria a los centroides de los grupos, primera ite- ración . . . 178 Tabla N° 5.11 K=3, Primera asignación aleatoria de grupos a los datos Xi 179 Tabla N° 5.12 K=3, Centroides Uk para la primera asignación aleatoria de
grupos, primera iteración . . . 179 Tabla N° 5.13 K=3,Distancia euclidiana de los datos de la primera asigna-
ción aleatoria a los centroides de los grupos, primera iteración180 Tabla N° 5.14 K=3, Reasignación de grupos Ck para la primera asigna-
ción aleatoria de grupos, primera iteración . . . 180 Tabla N° 5.15 K=3, Centroides Uk para la primera asignación aleatoria de
grupos, segunda iteración . . . 180 Tabla N° 5.16 K=3,Distancia euclidiana de los datos de la primera asig-
nación aleatoria a los centroides de los grupos, segunda iteración . . . 181 Tabla N° 5.17 K=3, Segunda asignación aleatoria de grupos a los datos Xi 183 Tabla N° 5.18 K=3, Centroides Uk para la segunda asignación aleatoria
de grupos, primera iteración . . . 184 Tabla N° 5.19 K=3,Distancia euclidiana de los datos de la segunda asig-
nación aleatoria a los centroides de los grupos, primera ite- ración . . . 184 Tabla N° 5.20 K=3, Tercera asignación aleatoria de grupos a los datos Xi 184 Tabla N° 5.21 K=3, Centroides Uk para la tercera asignación aleatoria de
grupos, primera iteración . . . 185 Tabla N° 5.22 K=3,Distancia euclidiana de los datos de la tercera asigna-
ción aleatoria a los centroides de los grupos, primera iteración185 Tabla N° 5.23 K=3, Cuarta asignación aleatoria de grupos a los datos Xi 186 Tabla N° 5.24 K=3, Centroides Uk para la cuarta asignación aleatoria de
grupos, primera iteración . . . 186 Tabla N° 5.25 K=3,Distancia euclidiana de los datos de la cuarta asigna-
ción aleatoria a los centroides de los grupos, primera iteración186 Tabla N° 5.26 K=4, Primera asignación aleatoria de grupos a los datos Xi 187 Tabla N° 5.27 K=4, Centroides Uk para la primera asignación aleatoria de
Tabla N° 5.28 K=4,Distancia euclidiana de los datos de la primera asigna- ción aleatoria a los centroides de los grupos, primera iteración188 Tabla N° 5.29 Grupos de distribución normalizada de carga del vehículo
T3S3 . . . 190 Tabla N° 5.30 Grupos de distribución normalizada de carga del vehículo
T3S2 . . . 192 Tabla N° 5.31 Grupos de distribución normalizada de carga del vehículo C3194 Tabla N° 5.32 Grupos de distribución normalizada de carga del vehículo C2196 Tabla N° 5.33 Grupos de distribución normalizada de carga del vehículo
B3-1 . . . 198 Tabla N° 5.34 Grupos de distribución normalizada de carga del vehículo B2200 Tabla N° 5.35 Ejemplo de estudio de tráfico vehicular . . . 202 Tabla N° 5.36 Composición vehicular según la FHWA del ejemplo de es-
tudio de tráfico . . . 203 Tabla N° 5.37 Comparación de distribuciones con el Coeficiente de corre-
lación de Perason . . . 203 Tabla N° 5.38 Caracterización de grupos por clase vehicular . . . 204 Tabla N° 5.39 Simplificación de grupos por clase de vehículo . . . 204 Tabla N° 5.40 Porcentaje de ejes con sobrecarga acorde al RENAV clasi-
ficado por configuración de eje y tipo de vehículo según el agrupamiento . . . 205 Tabla N° 5.41 Espectros de carga por eje y tipo de vehículo del Grupo 1 210 Tabla N° 5.42 Espectros de carga por eje y tipo de vehículo del Grupo 2 211 Tabla N° 5.43 Espectros de carga por eje y tipo de vehículo del Grupo 3 212
LISTA DE FIGURAS
Figura N° 2.1 Interacción de variables en la entrada de tráfico para el
diseño de pavimentos . . . 20
Figura N° 2.2 Esquema de la metodología de diseño mecanístico-empírico de pavimentos . . . 22
Figura N° 2.3 Clasificación Vehicular según la FHWA . . . 23
Figura N° 2.4 Promedio anual de tráfico diario de camiones, Estación de pesaje Tomasiri . . . 25
Figura N° 2.5 Distribución normalizada del tráfico por año, Estación de pesaje Tomasiri . . . 26
Figura N° 2.6 Espectros de carga por eje, Vehículo tipo C3 . . . 29
Figura N° 2.7 Sistema de pesaje estático, estación de pesaje Quincemil, IIRSA Sur Tramo 2 . . . 34
Figura N° 2.8 Sistema de pesaje dinámico fijo, estación de pesaje Yura 34 Figura N° 2.9 Sistema de pesaje dinámico móvil, estación de pesaje Huay- taya . . . 35
Figura N° 2.10 Características del Eje Simple Sencillo . . . 35
Figura N° 2.11 Eje simple dual . . . 36
Figura N° 2.12 Tipos de Ejes Tandem . . . 36
Figura N° 2.13 Tipos de Ejes tridem . . . 37
Figura N° 2.14 Métrica de agrupamiento para el método de K-means . . 39
Figura N° 2.15 Inicialización de datos del método de K-means . . . 40
Figura N° 2.16 Cálculo de centroides de cada grupo Ck de datos . . . 41
Figura N° 2.17 Primera iteración de reasignación de grupo a los datos Xi 42 Figura N° 2.18 Tercera iteración de reasignación de grupo a los datos Xi 42 Figura N° 2.19 Resultados de la agrupación de datos con el método K- means . . . 43
Figura N° 2.20 Nueva inicialización de datos, método de K-means . . . . 43
Figura N° 2.21 Nuevo resultado de la agrupación de datos, método K- means . . . 43
Figura N° 2.22 Aplicación del método del Codo de Jambú . . . 45
Figura N° 3.1 Carreteras Concesionadas . . . 47
Figura N° 3.2 Ubicación de estaciones de pesaje administrados por las concesionarias . . . 49
Figura N° 3.3 Formato de solicitud de Acceso a la Información Pública . 53 Figura N° 3.4 Distribución normalizada del tráfico por año y tipo de vehícu- lo acorde al RENAV - Estación de pesaje Tomasiri . . . . 56
Figura N° 3.5 Valores del AADTT por año medido por la estación de pe- saje Tomasiri . . . 57 Figura N° 3.6 Distribución normalizada del tráfico por año y clase vehi-
cular según el FHWA, estación de pesaje Tomasiri . . . . 58 Figura N° 3.7 Distribución normalizada del tráfico por año y tipo de vehícu-
lo acorde al RENAV - Estación de pesaje Yura . . . 59 Figura N° 3.8 Valores del AADTT por año medido por la estación de pe-
saje Yura . . . 60 Figura N° 3.9 Distribución normalizada del tráfico por año y clase vehi-
cular según el FHWA, estación de pesaje Yura . . . 61 Figura N° 3.10 Distribución normalizada del tráfico por año y tipo de vehícu-
lo acorde al RENAV - Estación de pesaje Arequipa . . . . 63 Figura N° 3.11 Valores del AADTT por año medido por la estación de pe-
saje Arequipa . . . 64 Figura N° 3.12 Distribución normalizada del tráfico por año y clase vehi-
cular según el FHWA, Estación de pesaje Arequipa . . . 65 Figura N° 3.13 Distribución normalizada del tráfico por año y tipo de vehícu-
lo acorde al RENAV - Estación de pesaje Ica . . . 66 Figura N° 3.14 Valores del AADTT por año medido por la estación de pe-
saje estática Ica . . . 67 Figura N° 3.15 Distribución normalizada del tráfico por año y clase vehi-
cular según el FHWA, estación de pesaje Ica . . . 68 Figura N° 3.16 Distribución normalizada del tráfico por año y tipo de vehícu-
lo acorde al RENAV - Estación de pesaje estática Cerro Azul 69 Figura N° 3.17 Valores del AADTT por año medido por la estación de pe-
saje Cerro Azul . . . 70 Figura N° 3.18 Distribución normalizada del tráfico por año y clase vehi-
cular según el FHWA, Estación de pesaje estática Cerro Azul . . . 71 Figura N° 3.19 Distribución normalizada del tráfico por año y tipo de vehícu-
lo acorde al RENAV - Estación de pesaje Bagua . . . 72 Figura N° 3.20 Valores del AADTT por año medido por la Estación de pe-
saje Bagua . . . 73 Figura N° 3.21 Distribución normalizada del tráfico por año y clase vehi-
cular según el FHWA, Estación de pesaje estática Bagua . . . 74 Figura N° 3.22 Distribución normalizada del tráfico por año y tipo de vehícu-
lo acorde al RENAV - Estación de pesaje Quincemil . . . 76 Figura N° 3.23 Valores del AADTT por año medido por la estación de pe-
saje Quincemil . . . 77
Figura N° 3.24 Distribución normalizada del tráfico por año y clase vehi- cular según el FHWA, Estación de pesaje Quincemil . . . 78 Figura N° 3.25 Distribución normalizada del tráfico por año y tipo de vehícu-
lo acorde al RENAV - Estación de pesaje San Lorenzo . . 79 Figura N° 3.26 Valores del AADTT por año medido por la estación de pe-
saje San Lorenzo . . . 80 Figura N° 3.27 Distribución normalizada del tráfico por año y clase vehi-
cular según el FHWA, estación de pesaje San Lorenzo . 81 Figura N° 3.28 Distribución normalizada del tráfico por año y tipo de vehícu-
lo acorde al RENAV - Estación de pesaje Planchon . . . . 82 Figura N° 3.29 Valores del AADTT por año medido por la estación de pe-
saje Planchon . . . 83 Figura N° 3.30 Distribución normalizada del tráfico por año y clase vehi-
cular según el FHWA, estación de pesaje Planchon . . . 84 Figura N° 3.31 Distribución normalizada del tráfico por año y tipo de vehícu-
lo acorde al RENAV - Estación de pesaje Unión Progreso 85 Figura N° 3.32 Valores del AADTT por año medido por la estación de pe-
saje Unión Progreso . . . 86 Figura N° 3.33 Distribución normalizada del tráfico por año y clase vehi-
cular según el FHWA, estación de pesaje Unión Progreso 87 Figura N° 3.34 Comparación de las distribuciones normalizadas de tráfico
por estación de pesaje . . . 89 Figura N° 4.1 Diagrama de pareto del volumen de tráfico vehicular, es-
tación de pesaje Tomasiri . . . 90 Figura N° 4.2 Lectura e identificación de las configuraciones de ejes por
vehículo con el programa en Pyhton . . . 93 Figura N° 4.3 Criterios de inicio del procesamiento de datos con el Pro-
grama en Pyhton . . . 94 Figura N° 4.4 Selección del tipo de vehículo y asignación del critero de
los intervalos de carga por configuración de eje . . . 95 Figura N° 4.5 Porcentaje de vehículos sobrecargados por año, estación
de pesaje Tomasiri . . . 96 Figura N° 4.6 Tipos de vehículos sobrecargados con mayor frecuencia,
estación de pesaje Tomasiri . . . 97 Figura N° 4.7 Espectros de carga por eje del Vehículo tipo T3S3, esta-
ción de pesaje Tomasiri . . . 98 Figura N° 4.8 Espectros de carga por eje del Vehículo tipo T3S2, esta-
ción de pesaje Tomasiri . . . 99 Figura N° 4.9 Espectros de carga por eje del Vehículo tipo C3, estación
Figura N° 4.10 Espectros de carga por eje del Vehículo tipo C2, estación de pesaje Tomasiri . . . 101 Figura N° 4.11 Espectros de carga por eje del Vehículo tipo B3-1, estación
de pesaje Tomasiri . . . 102 Figura N° 4.12 Espectros de carga por eje del Vehículo tipo B2, estación
de pesaje Tomasiri . . . 103 Figura N° 4.13 Porcentaje de vehículos sobrecargados por año,estación
de pesaje Yura . . . 104 Figura N° 4.14 Tipos de vehículos sobrecargados con mayor frecuencia,
estación de pesaje Yura . . . 104 Figura N° 4.15 Espectros de carga por eje del Vehículo tipo T3S3, esta-
ción de pesaje Yura . . . 105 Figura N° 4.16 Espectros de carga por eje del Vehículo tipo T3S2, esta-
ción de pesaje Yura . . . 106 Figura N° 4.17 Espectros de carga por eje del Vehículo tipo C3, estación
de pesaje Yura . . . 107 Figura N° 4.18 Espectros de carga por eje del Vehículo tipo C2, estación
de pesaje Yura . . . 108 Figura N° 4.19 Espectros de carga por eje del Vehículo tipo B3-1, estación
de pesaje Yura . . . 109 Figura N° 4.20 Espectros de carga por eje del Vehículo tipo B2, estación
de pesaje Yura . . . 110 Figura N° 4.21 Porcentaje de vehículos sobrecargados por año, estación
de pesaje Arequipa . . . 111 Figura N° 4.22 Tipos de vehículos sobrecargados con mayor frecuencia,
estación de pesaje Arequipa . . . 111 Figura N° 4.23 Espectros de carga por eje del Vehículo tipo T3S3, esta-
ción de pesaje Arequipa . . . 112 Figura N° 4.24 Espectros de carga por eje del Vehículo tipo T3S2, esta-
ción de pesaje Arequipa . . . 113 Figura N° 4.25 Espectros de carga por eje del Vehículo tipo C3, estación
de pesaje Arequipa . . . 114 Figura N° 4.26 Espectros de carga por eje del Vehículo tipo C2, estación
de pesaje Arequipa . . . 115 Figura N° 4.27 Espectros de carga por eje del Vehículo tipo B3-1, estación
de pesaje Arequipa . . . 116 Figura N° 4.28 Porcentaje de vehículos sobrecargados por año, estación
de pesaje Ica . . . 117 Figura N° 4.29 Tipos de vehículos sobrecargados con mayor frecuencia,
estación de pesaje Ica . . . 117
Figura N° 4.30 Espectros de carga por eje del Vehículo tipo T3S3, esta- ción de pesaje Ica . . . 118 Figura N° 4.31 Espectros de carga por eje del Vehículo tipo T3S2, esta-
ción de pesaje Ica . . . 119 Figura N° 4.32 Espectros de carga por eje del Vehículo tipo C3, estación
de pesaje Ica . . . 120 Figura N° 4.33 Espectros de carga por eje del Vehículo tipo C2, estación
de pesaje Ica . . . 121 Figura N° 4.34 Espectros de carga por eje del Vehículo tipo B3-1, estación
de pesaje Ica . . . 122 Figura N° 4.35 Espectros de carga por eje del Vehículo tipo B2, estación
de pesaje Ica . . . 123 Figura N° 4.36 Porcentaje de vehículos sobrecargados por año, estación
de pesaje Cerro Azul . . . 124 Figura N° 4.37 Tipos de vehículos sobrecargados con mayor frecuencia,
estación de pesaje Cerro Azul . . . 124 Figura N° 4.38 Espectros de carga por eje del Vehículo tipo T3S3, esta-
ción de pesaje Cerro Azul . . . 125 Figura N° 4.39 Espectros de carga por eje del Vehículo tipo T3S2, esta-
ción de pesaje Cerro Azul . . . 126 Figura N° 4.40 Espectros de carga por eje del Vehículo tipo C3, estación
de pesaje Cerro Azul . . . 127 Figura N° 4.41 Espectros de carga por eje del Vehículo tipo C2, estación
de pesaje Cerro Azul . . . 128 Figura N° 4.42 Espectros de carga por eje del Vehículo tipo B3-1, estación
de pesaje Cerro Azul . . . 129 Figura N° 4.43 Espectros de carga por eje del Vehículo tipo B2, estación
de pesaje Cerro Azul . . . 130 Figura N° 4.44 Porcentaje de vehículos sobrecargados por año, estación
de pesaje Bagua . . . 131 Figura N° 4.45 Tipos de vehículos sobrecargados con mayor frecuencia,
estación de pesaje Bagua . . . 131 Figura N° 4.46 Espectros de carga por eje del Vehículo tipo T3S3, esta-
ción de pesaje Bagua . . . 132 Figura N° 4.47 Espectros de carga por eje del Vehículo tipo C3, estación
de pesaje Bagua . . . 133 Figura N° 4.48 Espectros de carga por eje del Vehículo tipo C2, estación
de pesaje Bagua . . . 134 Figura N° 4.49 Espectros de carga por eje del Vehículo tipo B3-1, estación
Figura N° 4.50 Espectros de carga por eje del Vehículo tipo B2, estación de pesaje Bagua . . . 136 Figura N° 4.51 Porcentaje de vehículos sobrecargados por año, estación
de pesaje Quincemil . . . 137 Figura N° 4.52 Tipos de vehículos sobrecargados con mayor frecuencia,
estación de pesaje Quincemil . . . 137 Figura N° 4.53 Espectros de carga por eje del Vehículo tipo T3S3, esta-
ción de pesaje Quincemil . . . 138 Figura N° 4.54 Espectros de carga por eje del Vehículo tipo T3S2, esta-
ción de pesaje Quincemil . . . 139 Figura N° 4.55 Espectros de carga por eje del Vehículo tipo C3, estación
de pesaje Quincemil . . . 140 Figura N° 4.56 Espectros de carga por eje del Vehículo tipo C2, estación
de pesaje Quincemil . . . 141 Figura N° 4.57 Espectros de carga por eje del Vehículo tipo B3-1, estación
de pesaje Quincemil . . . 142 Figura N° 4.58 Espectros de carga por eje del Vehículo tipo B2, estación
de pesaje Quincemil . . . 143 Figura N° 4.59 Porcentaje de vehículos sobrecargados por año, estación
de pesaje San Lorenzo . . . 144 Figura N° 4.60 Tipos de vehículos sobrecargados con mayor frecuencia,
estación de pesaje San Lorenzo . . . 144 Figura N° 4.61 Espectros de carga por eje del Vehículo tipo T3S3, esta-
ción de pesaje San Lorenzo . . . 145 Figura N° 4.62 Espectros de carga por eje del Vehículo tipo T3S2, esta-
ción de pesaje San Lorenzo . . . 146 Figura N° 4.63 Espectros de carga por eje del Vehículo tipo C3, estación
de pesaje San Lorenzo . . . 147 Figura N° 4.64 Espectros de carga por eje del Vehículo tipo C2, estación
de pesaje San Lorenzo . . . 148 Figura N° 4.65 Porcentaje de vehículos sobrecargados por año, estación
de pesaje Planchón . . . 149 Figura N° 4.66 Tipos de vehículos sobrecargados con mayor frecuencia,
estación de pesaje Planchón . . . 149 Figura N° 4.67 Espectros de carga por eje del Vehículo tipo T3S3, esta-
ción de pesaje Planchón . . . 151 Figura N° 4.68 Espectros de carga por eje del Vehículo tipo T3S2, esta-
ción de pesaje Planchón . . . 152 Figura N° 4.69 Espectros de carga por eje del Vehículo tipo C3, estación
de pesaje Planchón . . . 153
Figura N° 4.70 Espectros de carga por eje del Vehículo tipo C2, estación de pesaje Planchón . . . 154 Figura N° 4.71 Porcentaje de vehículos sobrecargados por año, estación
de pesaje Unión Progreso . . . 155 Figura N° 4.72 Tipos de vehículos sobrecargados con mayor frecuencia,
estación de pesaje Unión Progreso . . . 155 Figura N° 4.73 Espectros de carga por eje del Vehículo tipo T3S3, esta-
ción de pesaje Unión Progreso . . . 156 Figura N° 4.74 Espectros de carga por eje del Vehículo tipo T3S2, esta-
ción de pesaje Unión Progreso . . . 157 Figura N° 4.75 Espectros de carga por eje del Vehículo tipo C3, estación
de pesaje Unión Progreso . . . 158 Figura N° 4.76 Espectros de carga por eje del Vehículo tipo C2, estación
de pesaje Unión Progreso . . . 159 Figura N° 4.77 Espectros de carga por eje del Vehículo tipo B3-1, estación
de pesaje Unión Progreso . . . 160 Figura N° 4.78 Sobreposición de los espectros de carga del vehículo T3S3
por estación de pesaje . . . 161 Figura N° 4.79 Sobreposición de los espectros de carga del vehículo T3S2
por estación de pesaje . . . 162 Figura N° 4.80 Sobreposición de los espectros de carga del vehículo C3
por estación de pesaje . . . 163 Figura N° 4.81 Sobreposición de los espectros de carga del vehículo C2
por estación de pesaje . . . 164 Figura N° 4.82 Sobreposición de los espectros de carga del vehículo B3-1
por estación de pesaje . . . 165 Figura N° 4.83 Sobreposición de los espectros de carga del vehículo B2
por estación de pesaje . . . 166 Figura N° 5.1 K=2, Resultados de agrupamiento de la primera asigna-
ción aleatoria de grupos . . . 176 Figura N° 5.2 K=2, Resultados de agrupamiento de la primera asigna-
ción aleatoria de grupos, Grupo 1 . . . 177 Figura N° 5.3 K=2, Resultados de agrupamiento de la primera asigna-
ción aleatoria de grupos, Grupo 2 . . . 177 Figura N° 5.4 K=3, Resultados de agrupamiento de la primera asigna-
ción aleatoria de grupos . . . 181 Figura N° 5.5 K=3, Resultados de agrupamiento de la primera asigna-
ción aleatoria de grupos, Grupo 1 . . . 182 Figura N° 5.6 K=3, Resultados de agrupamiento de la primera asigna-
Figura N° 5.7 K=3, Resultados de agrupamiento de la primera asigna- ción aleatoria de grupos, Grupo 3 . . . 183 Figura N° 5.8 Determinación del número óptimo de grupos, Método del
Codo de Jambú . . . 188 Figura N° 5.9 Grupos de espectros de carga del vehículo T3S3 en su eje
simple . . . 190 Figura N° 5.10 Grupos de espectros de carga del vehículo T3S3 en su eje
tandem . . . 191 Figura N° 5.11 Grupos de espectros de carga del vehículo T3S3 en su eje
tridem . . . 191 Figura N° 5.12 Grupos de espectros de carga del vehículo T3S2 en su eje
simple . . . 193 Figura N° 5.13 Grupos de espectros de carga del vehículo T3S2 en su eje
tandem . . . 193 Figura N° 5.14 Grupos de espectros de carga del vehículo C3 en su eje
simple . . . 195 Figura N° 5.15 Grupos de espectros de carga del vehículo C3 en su eje
tandem . . . 195 Figura N° 5.16 Grupos de espectros de carga del vehículo C2 en su eje
simple sencillo . . . 197 Figura N° 5.17 Grupos de espectros de carga del Vehículo C2 en su eje
simple dual . . . 197 Figura N° 5.18 Grupos de espectros de carga del vehículo B3-1 en su eje
simple . . . 198 Figura N° 5.19 Grupos de espectros de carga del vehículo B3-1 en su eje
tandem . . . 199 Figura N° 5.20 Grupos de espectros de carga del vehículo B2 en su eje
simple sencillo . . . 201 Figura N° 5.21 Grupos de espectros de carga del vehículo B2 en su eje
simple dual . . . 201
LISTA DE SÍMBOLOS Y SIGLAS SÍMBOLOS
𝐵(𝑃 ) : Promedio de las distancias que hay entre los datos y el centro de gravedad del grupo al que pertenecen
𝐶𝑘 : Grupo generado con datos Xi
|𝐶𝑘| : Cantidad de datos del grupo Ck 𝐷 : Espesor del pavimento rígido
𝐸𝐸𝑑 : Ejes equivalentes diarios por configuración vehicular
𝐸𝐸𝑡 : Ejes equivalentes totales para la entrada de tráfico vehicular 𝐹 𝑖 : Frecuencia del total de cargas aplicados en el rango de carga i 𝐿𝐸𝐹 𝑖 : Factor de carga equivalente correspondiente al peso Pi
𝐿𝐸𝐹 𝑗 : Factor de carga equivalente por eje
𝐼 : Representa el valor de inercia total de un agrupamiento de datos 𝐾 : Número de grupos a generar para un agrupamiento
𝑁18 : Número de repeticiones de carga del eje patrón de 18kips (8.2 ton) 𝑁 𝑥 : Número de repeticiones de carga de un eje cualquiera
𝑛 : Periodo de diseño del pavimento
𝑁 : Cantidad de elementos a agrupar de una base da datos 𝑃 : Número de dimensiones o atributos de los datos Xi
𝑃 𝑖 : Es el peso promedio del rango de carga i de una distribución de carga por eje
𝑝𝑡 : Índice de serviciabilidad inicial del pavimento
𝑟 : Tasa de crecimiento del volumen de tránsito de un tipo de vehículo 𝑈 𝑘 : Equivale al centroide de los datos Xik
𝑆𝑁 : Espesor del pavimento flexible
𝑊 (𝑃 ) : Promedio de las distancias que hay entre los centros de gravedad de cada grupo de un agrupamiento de datos
𝑋𝑖 : Representa un elemento dentro de una base de datos
𝑋𝑖𝑗 : Representa el valor de la dimensión j del dato Xi, donde j= 1,2,...,P 𝑋𝑖𝑘 : Representa un dato Xi que pertenece al grupo Ck
SIGLAS
AASHTO : American Association of State Highway and Transportation Officials AADT : Average Annual Daily Traffic
AVC : Clasificador Automático de Vehículos
CIDMEP : Comité Internacional para la Implementación del Diseño Mecanístico- empírico de Pavimentos
DOT : Department of Transportation EE : Ejes Equivalentes
ESAL : Carga por Eje Simple Equivalente FC : Factor Camión
FHWA : Federal Highway Administration ICG : Instituto de Construcción y Gerencia IMDA : Índice Medio Diario Anual
INACAL : Instituto Nacional de Calidad LEF : Factor de Carga Equivalente LTPP : Long-Term Pavement Performance
MEPDG : Guía de Diseño Mecanístico-Empírico de Pavimentos MTC : Ministerio de Transportes y Comunicaciones
NCHRP : Programa Nacional Cooperativo de Investigación de Carreteras OSITRAN : Organismo Supervisor de la Inversión en Infraestructura de Trasporte
de Uso Público
PROVIAS : Proyecto Especial de Infraestructura de Transporte PSI : Índice de Serviciabilidad del Pavimento
RENAV : Proyecto Especial de Infraestructura de Transporte
SUTRAN : Superintendencia de Transportes Terrestres de Personas, Carga y Mercancías
TTC : Truck Traffic Classification WIM : Weigh in motion
CAPÍTULO I: INTRODUCCIÓN
Cada año se tiene un incremento en el presupuesto destinado al mantenimiento, construcción y rehabilitación de nuestras carreteras nacionales, departamentales y vecinales. Por tal motivo el correcto diseño de los pavimentos permite obtener un adecuado desempeño del mismo a lo largo de su vida útil, de esta manera se evitaría incurrir en costos de mantenimiento y rehabilitación innecesarios o no pro- gramados.
Uno de los parámetros más críticos e importantes en el diseño de pavimentos es la entrada de tráfico vehicular, su adecuada proyección y caracterización permite obtener con mayor confiabilidad y detalle el volumen de tránsito vehicular y las cargas por configuración de eje que experimentará el pavimento durante su periodo de vida útil.
La Guía de diseño Mecánistica-empírica de pavimentos (MEPDG-2008) introdu- ce un nuevo concepto denominado espectros de carga para la caracterización de la carga de tráfico vehicular dejando de lado los denominados ejes equivalentes (ESAL) de la Guía de AASHTO-93. Los espectros de carga cuantifican el daño pro- ducido por cada uno de los ejes del vehículo hacia el pavimento, estos se introducen a los modelos de deterioro del pavimento para verificar el desempeño funcional y estructural esperado en su vida útil.
En nuestra práctica del diseño de pavimentos no se realiza una adecuada carac- terización y proyección del tráfico vehicular, los estudios de tráfico que se realizan actualmente tienen un alcance muy limitado siendo un Nivel 3 la calidad de la in- formación obtenida. Además, la información de tráfico de Nivel 1 proveniente de estaciones de pesaje es muy limitada y la que se está recopilando el Ministerio de Transportes (MTC) no hace uso de esta.
Con el fin de proporcionar a los diseñadores de pavimentos una base de datos con- fiable acerca de la caracterización del volumen y peso por eje del tráfico vehicular, en esta investigación en base al análisis de información de tráfico de 13 estaciones de pesaje de 10 sectores de carretera se desarrolla las composiciones del tráfico de camiones y los espectros de carga por eje y tipo de vehículo de cada sector.
Con los resultados obtenidos y los patrones de similitud encontrados se generan agrupamientos de ambas variables con el objetivo de proporcionar información de tráfico de Nivel 2 (regional, promedio) al diseñador de pavimentos cuando no dis- ponga información confiable del sitio de estudio.
El desarrollo de la tesis se organizó en seis (05) capítulos, como se describe a continuación:
El Capítulo I inicia con una breve introducción a la presente investigación, brinda antecedentes realizados de la caracterización de la carga de tráfico vehicular apli- cando los espectros de carga, se explica la problemática que motiva el desarrollo de la investigación, y por último se define la metodología empleada para lograr los objetivos propuestos y contrastar la hipótesis de la investigación.
El Capítulo II brinda los conceptos necesarios para comprender la investigación, conceptos como la distribución normalizada del tráfico vehicular, las metodologías de diseño de pavimentos de AASHTO-93 y la Mecanística-empírica de 2008, los espectros de carga por eje (simple, tandem y tridem), el método K-means para el agrupamiento de datos y el método del Codo de Jambú para determinar el número óptimo de grupos.
En el Capítulo III se emplea un programa desarrollado en lenguaje de programa- ción en Phyton que nos permite la validar y procesar toda la información de tráfico obtenida, luego se clasifica a los vehículos con la configuración vehicular estadou- nidense de la FHWA teniendo como resultado las distribuciones normalizadas de tráfico de camiones de cada carretera en estudio.
En el Capítulo IV se presenta el desarrollo de los espectros de carga por eje y tipo de vehículo para la caracterización de la carga de tráfico vehicular, además, se plantea intervalos envolventes de carga para los picos de carga correspondiente a los porcentajes de ejes menos cargados y más cargados de los espectros.
El Capítulo V se emplea los resultados obtenidos en los capítulos III y IV, y se hace uso del método de K-means para desarrollar el mejor agrupamiento de los datos, y el método del Codo de Jambú para determinar el número óptimo de agrupacio- nes de las variables: espectros de carga por eje y distribuciones normalizadas del tráfico de camiones. De tal forma que los resultados se brinden a los diseñadores de pavimentos cuando no cuenten con información de tráfico tan precisa como la de estaciones de pesaje.
Cabe mencionar que en los capítulos III, IV y V se presenta una sección de discu- sión de los principales resultados.
Finalmente se presenta las conclusiones y recomendaciones de la presente tesis.
1.1 ANTECEDENTES
A la fecha son pocos los trabajos de investigación realizados para caracterizar la carga del tráfico vehicular de la Red Vial Nacional del Perú aplicando los espectros de carga (Prudencio, 2021).
En Estados Unidos diferentes Departamentos de Transportes (DOT) como Indiana (Jiang et al.,2008), Washington (Li et al., 2009), Louisiana (Ishak et al., 2010) y Virgi- nia (Smith y Diefenderfer, 2010) realizaron el esfuerzo de elaborar los espectros de carga por eje a partir de datos de tráfico de camiones disponibles por las estaciones de pesaje estáticas y móviles (WIM), con el fin de proporcionar entradas de tráfico para los procedimientos de diseño Mecanístico-empírico de pavimentos. Además, observaron patrones de similitud en los espectros de carga por clase vehicular por lo que Ishak et al. (2010) recomienda nuevas investigaciones para un adecuado agrupamiento de los espectros de carga.
En las investigaciones realizadas en los estados de Ohio (Abbas et al.,2014), Nuevo México (Hasan et al.,2016) y Nueva Jersey (Jasim et al., 2019) proponen diferen- tes alternativas para agrupar los espectros de carga obtenidos de diversos sectores de cada estado. Uno de los procedimientos consiste en encontrar la mejor agrupa- ción de los espectros de carga en carreteras con similar distribución normalizada de tráfico vehicular para esto emplearon el método de K-means, donde la menor distancia entre elementos de un mismo grupo determina el mejor agrupamiento.
En consecuencia, Estados Unidos ha logrado desarrollar 17 grupos de distribu- ción normalizada del tráfico de camiones (Truck Traffic Classification - TTC) de sus carreteras que a su vez presentan espectros de carga por eje y clase vehicular de carácter nacional que pueden ser empleados para el diseño de pavimentos cuando la información de tráfico del sitio es escasa.
Por otro lado, Olavarría (2013) en Chile con su estudio de tesis caracteriza mediante el empleo de espectros de carga el tráfico de vehículos pesados de los años 2006 al 2010, de los sectores de Valdivia (Plaza Cayumapu), Puerto Montt (Plaza Trapén) y Chiloé (Degán) con el objetivo de que sean aplicables al software de la Guía de AASHTO 2002 y concluye que entre los sectores de estudio existen similitudes en sus espectros de carga por eje correspondiente a los picos de carga en su parte descargada y cargada, además, recomienda generar un espectro de carga único y representativo de estos sectores.
López (2017) en El Salvador realiza su tesis sobre los espectros de carga de los sectores de la Paz (Zacatecoluca), Sonsonate (Acajutla) y San Salvador (Zafra) durante los años 2014, 2015 y 2016 con el fin de proporcionar una caracterización de la carga de tráfico más eficiente y moderna para el diseño de estructuras de pavimentos concluyendo que un 12 % de los vehículos que circulan en las vías presentan sobrecarga en por los menos uno de sus ejes.
Haro y Sánchez (2018) en Colombia con su estudio de tesis sobre la “Evaluación del Espectro de Carga y Coeficiente de daño del sector Alóag (Pichincha)” , es- tablecieron un sistema de control de pesos dinámico (WIM) en el sector de Alóag
con el objetivo de elaborar los espectros de carga con las verdaderas cargas por eje y tipo de vehículo que se transitan por la carretera , concluyen que se presenta una falta de control de pesos de los vehículos al observar que en las curvas de los espectros de carga se supera los límites de peso máximo permitido. Además, como aporte brindan valores de factores camión por tipo de vehículo referenciales para futuros diseños de pavimentos con la metodología de AASHTO-93.
A nivel Nacional se han realizado esfuerzos individuales para la caracterización de la carga de tráfico vehicular empleando los espectros de carga, sin embargo, aún no se tiene investigaciones que desarrollen las distribuciones normalizadas del tráfico de camiones en nuestras carreteras y agrupe los espectros de carga.
En el año 2015 mediante el Instituto de Construcción y Gerencia (ICG) y del Co- mité Internacional para la Implementación del Diseño Mecanístico-empírico de Pa- vimentos (CIDMEP), realizaron una segunda edición de la traducción del manual MEPDG-2008, para facilitar su implementación y entendimiento en la región.
Vivanco (2016) en su investigación de tesis brinda un gran aporte al establecer un procedimiento para la elaboración, análisis e interpretación de los espectros de carga basado en la metodología de diseño Mecánistico-empírico y lo emplea para formular un prototipo de pavimento de concréto hidráulico para la ciudad de Lima.
Mamani (2016) presenta su investigación de tesis que tiene como objetivo principal determinar las características del tráfico de vehículos pesados aplicando los espec- tros de carga basado en la metodología del MEPDG-2008 para las vías del sistema nacional de carreteras de la región Puno, por tal motivo hace uso de información de tráfico y peso por eje del año 2012 de la Estación de pesaje Ccatuyo Grande (MTC-INTERSUR).
Concluye que los espectros de carga del tráfico de camiones representan mejor la realidad de las distribuciones de carga por eje sobre el pavimento , además, permitiría calcular factores de carga equivalente por eje y tipo de vehículo más precisos a diferencia de los calculados con las cargas máximas por eje permitidas en el Perú.
Montoya y Quispe (2020) en su estudio de tesis utilizan información de tráfico vehi- cular del año 2018 de la estación de pesaje móvil Yura-Patahuasi (MTC-COVISUR) de Arequipa, con el propósito de elaborar los espectros de carga por eje y tipo de vehículo para introducirlos en la metodología MEPDG-2008, se obtuvo como resul- tado un prototipo de diseño de pavimento flexible para el Eje de integración Vial Norte-Yura que cumple con las predicciones mecanísticas de deterioro del pavi- mento, además, se determina que los valores de sobrecarga de los ejes por tipo de vehículo se encuentran entre 2.5 % hasta 39 %.
Prudencio (2021) en su tesis caracteriza mediante los espectros de carga el tráfico vehicular del sector de Serpentín de Pasamayo (Lima) empleando información de tráfico del año 2013 de la estación de pesaje Ccatuyo Grande (MTC-NORVIAL).
Recomienda que el Ministerio de Transportes y Comunicaciones (MTC) gestione la información disponible de las estaciones de pesaje a fin de lograr una caracteriza- ción del tráfico vehicular de manera regional mediante los espectros de carga.
1.2 DESCRIPCIÓN DEL PROBLEMA DE INVESTIGACIÓN
La metodología actual de diseño de pavimentos que se emplea en el Perú está basada en la AASHTO-93, el cual para cuantificar el daño producido por las dife- rentes cargas por eje de los vehículos realiza una conversión proporcional al daño producido por un eje estándar de 18Kips (8.2ton) de peso denominado Ejes Equi- valentes. Este procedimiento sumado a que en el Perú para caracterizar el volumen y la carga de tráfico vehicular se emplean estudios de tráfico con periodos muy li- mitados por lo que se estaría subestimando o generando imprecisión acerca del daño generado por las cargas de los vehículos hacia el pavimento. Además, esta metodología no emplea información detallada del clima ni de las propiedades de los materiales empleados en las capas del pavimento, y por último solo contem- pla al Índice de Serviciabilidad del Pavimento (PSI) como criterio de aceptación de la calidad del pavimento dejando de lado la importante evaluación estructural del pavimento para analizar las posibles fallas a presentarse.
Por tal motivo la metodología de diseño Mecanística-empírica de pavimentos incor- pora el concepto de los espectros de carga que representan actualmente la mejor caracterización de la carga de tráfico vehicular ya que permite cuantificar el daño real producido por cada una de las cargas por eje del vehículo hacia el pavimento, además, junto a los datos de clima y las propiedades de los materiales utilizados en las capas del pavimento se generan modelos de deterioro para verificar el de- sempeño funcional y estructural esperado del pavimento a lo largo de su vida útil, caso contrario de la AASHTO-93.
Cabe mencionar que la metodología del MEPDG para la entrada de tráfico vehicular emplea una amplia base de datos de varios años proveniente de estaciones de pesaje sea estáticas o dinámicas (WIN). Este tipo de información no se emplea en el Perú y es una de las principales diferencias en la calidad de información que empleamos para el diseño de pavimentos.
A lo largo de nuestras carreteras concesionadas se dispone de 23 estaciones de pesaje que actualmente vienen recopilando información de tráfico como conteo, clasificación vehicular y el peso por eje de los vehículos, sin embargo, el Ministerio de Transportes (MTC) en su facultad de administrar y regularizar el tráfico no hace
uso de esta información debido a que la normativa peruana actual del MTC (2014) para el diseño de pavimentos no emplea el concepto de espectros de carga, razón por la cual la presente investigación emplea la información disponible de tráfico de las concesiones con la finalidad de aportar en la mejora de la normativa vigente del diseño de pavimentos.
Por tal motivo se requiere desarrollar trabajos de investigación que consideren el procesamiento y sistematización de la información de tráfico que vienen recopilan- do las estaciones de pesaje hasta obtener la caracterización de la carga de trá- fico vehicular mediante espectros de carga, de esta manera se evitaría continuar con el diseño de pavimentos tradicional qué para caracterizar el tráfico recurre a los conteos vehiculares y a las estaciones de pesado temporal o en otros casos se consideran las cargas máximas permitidas para los ejes según el Reglamento Nacional de Vehículos (RENAV) del MTC (2003), lo que genera imprecisión en la información y afecta el desempeño del pavimento.
Además, la información del volumen de tráfico vehicular que registran las esta- ciones de pesaje permitiría desarrollar investigaciones que abarquen las distribu- ciones normalizadas del tráfico de camiones en nuestras carreteras nacionales y regionales, y por concescuencia plantear realizar agrupamientos que clasifiquen la composición vehicular de nuestras carreteras. En el Perú no se cuenta con esta clasificación a diferencia de los Estados Unidos con sus grupos TTC.
Actualmente se vienen realizando investigaciones individuales sobre el desarrollo de espectros de carga en varios sectores del país, sin embargo, aún nos falta cono- cer si existen patrones de similitud entre los espectros desarrollados, y sí se pueden aplicar métodos de agrupamiento de estos. De esta forma los resultados puedan ser utilizados por los diseñadores de pavimentos que no cuenten con información de tráfico tan precisa como la de estaciones de pesaje.
Por lo tanto, es necesario procesar la información de tráfico disponible de las es- taciones de pesaje para desarrollar los espectros de carga por eje y las distribu- ciones normalizadas del tráfico de camiones, y así proponer formas de agrupación de estos con la finalidad de mejorar la caracterización de la carga de tráfico vehi- cular y dar un paso hacia adelante en la adecuación a la metodología de diseño Mecanístico-Empírico (MEPDG-2008) de pavimentos; por lo mencionado anterior- mente se plantea el siguiente problema de investigación:
¿Cómo caracterizar la carga de tráfico vehicular mediante espectros de carga y cómo emplearla en el diseño de pavimentos?
1.3 JUSTIFICACIÓN
Uno de los factores más influyentes en el diseño de estructuras de pavimentos es la entrada de tráfico vehicular por lo que el diseñador de pavimentos debe tener mucha pericia para proyectar el volumen de tránsito vehicular que recibirá el pavi- mento durante su vida útil, además, debe cuantificar correctamente el daño produ- cido por las cargas de los ejes de los vehículos hacia el pavimento. Por tal motivo se hace necesario el empleo de información de tráfico confiable recopilada durante varios años por las estaciones de pesaje estáticas o móviles (WIM) disponibles en nuestras carreteras.
A nivel Regional o Nacional aún no se han realizado esfuerzos para caracterizar la carga de tráfico vehicular empleando los espectros de carga, tampoco se han desarrollado investigaciones acerca de las distribuciones normalizadas del tráfico de camiones en nuestras carreteras por lo que aún no se conoce que patrones de similitud presentan los espectros de carga y las composiciones vehiculares en nuestro país, además, queda por conocer la posibilidad de agrupar estos elementos bajo algún criterio.
En esta investigación se utiliza información de tráfico de 13 estaciones de pesaje correspondiente a 10 sectores de carretera del país con el objetivo de caracteri- zar la carga de tráfico vehicular desarrollando espectros de carga y asociarla a la distribución normalizada del tráfico de camiones de las carreteras.
Se espera qué a un futuro cercano sea el Ministerio de Transportes (MTC) quien in- plemente la caracterización de la carga de tráfico vehicular mediante los espectros de carga, y que sea esta investigación un primer paso para ese objetivo.
1.4 DELIMITACIÓN DEL ESTUDIO
La presente investigación utiliza información de tráfico de 13 estaciones de pesaje ubicados en diversos tramos de carretera en concesión. En la siguiente Tabla N°1.1 se describe la ubicación de la estación de pesaje, el tipo de estación, la concesio- naria a cargo, y el número de años de información de tráfico obtenido por cada estación de pesaje.
TABLA N° 1.1:Información recopilada de las Estaciones de Pesaje
Fuente : OSITRAN - Concesiones en carreteras
1.5 OBJETIVOS DEL ESTUDIO 1.5.1 Objetivo General
Desarrollar espectros de carga por eje y tipo de vehículo a partir de la información de tráfico de las estaciones de pesaje de la Red Vial Nacional Concesionada y agrupar tales espectros con la distribución normalizada del tráfico vehicular para su empleo en el diseño de pavimentos.
1.5.2 Objetivos Específicos
• Determinar las distribuciones normalizadas del tráfico de camiones a partir de la información obtenida de las estaciones de pesaje de la Red Vial Nacional Concesionada.
• Desarrollar los espectros de carga por eje y tipo de vehículo característico de cada carretera en estudio.
• Emplear una métrica para agrupar los pares: (espectros de carga por eje, distribución normalizada del tráfico de camiones) para su empleo en el diseño de pavimentos.
1.6 HIPÓTESIS DEL ESTUDIO
El par ordenado (espectros de carga por eje, distribuciones normalizadas del tráfico vehicular) desarrollados con la información de tráfico de las estaciones de pesaje de la Red Vial Nacional Concesionada son las variables más significativas para caracterizar la carga del tráfico vehicular que transitan por las carreteras.
1.7 METODOLOGÍA DE LA INVESTIGACIÓN
La presente investigación es denominada no experimental ya que no se realiza la manipulación de las variables en su momento de medición, es de tipo aplicada al hacer uso de metodologías existentes de diseño de pavimentos como la empírica de AASHTO-93 y la Mecánistica-empírica del MEPDG-2008.
Presenta un método deductivo al utilizar el análisis de los resultados obtenidos para lograr los objetivos y contrastar la hipótesis.
La población de información a utilizar será la correspondiente a las estaciones de pesaje indicadas en la Tabla N°1.1, en cuanto a la muestra solo se analizará la cantidad de años obtenidos como se indica también en la Tabla N°1.1.
Correspondiente a la metodología de trabajo para el desarrollo de la investigación es la siguiente:
• Documentación de la información: Se registra y ubica las estaciones de pesaje que están a cargo de las Concesionarias en Transportes y se presenta una solicitud mediante la plataforma Web de Acceso a la Información Pública del Ministerio de Transportes y Comunicaciones (MTC) con el fin de obtener la información de tráfico (clasificación vehicular, peso de llantas por eje, conteo) durante los últimos ocho años (2013-2020) de las estaciones de pesaje.
