Resumen:
|
[EN] Efficient maintenance of interurban pavements and optimal management of road
networks are one of the greatest challenges of the last decades. As a result, interest and
concern in this area on the part of public ...[+]
[EN] Efficient maintenance of interurban pavements and optimal management of road
networks are one of the greatest challenges of the last decades. As a result, interest and
concern in this area on the part of public administrations and private companies has
increased significantly in recent years.
Traditionally, road maintenance plans are carried out using very expensive auscultation
equipment, which makes frequent inspection difficult, and visual inspection techniques
carried out by technical professionals, which involve long working days and a possible
impact on traffic. In addition, reactive maintenance plans are proposed, in which action
is taken once the road is already badly damaged, and the cost of repair work is very high,
both economically and environmentally.
In response to this problem, preventive road maintenance has arisen, which, through
the prediction of pavement deterioration and using artificial intelligence techniques,
makes it possible to carry out efficient road maintenance management. To this end, the
NEUROVÍAS tool, designed within the framework of the NEUROVÍAS innovation project,
proposes a methodology with four different modules that allow: (1) monitoring the road
pavement; (2) assessing the condition of the pavement; (3) predicting the evolution of
the condition; and (4) planning maintenance actions from a sustainable approach.
In this thesis, a calibration of the four modules of the NEUROVÍAS tool is carried out and
a maintenance plan is proposed for the A-7 road pavement from KP 313+000 to KP
326+000, considering technical, economic, social and environmental factors.
To do this, the following methodology was used: firstly, images of the pavement were
obtained of the section under study (A-7 road from KP 313+000 to KP 326+000).
Subsequently, the deterioration present in the images was detected and quantified
using convolutional neural networks and the PCI (Pavement Condition Index) method,
whose metric is obtained from the damage present, was used to evaluate the condition
of the pavement. On the other hand, using the prediction tool, the evolution of the
condition over a 5-year analysis period has been determined and, finally, a maintenance
optimisation process has been implemented to plan the maintenance of the roads
according to sustainable criteria.
This process is applied, firstly, to the A-7 road from KP 313+000 to KP 326+000 and,
secondly, to the network formed by this section and the A-23 road from KP 17+000 to
KP 27+000, in order to determine how maintenance actions should be prioritised in the
face of budgetary restriction scenarios.
[-]
[ES] El mantenimiento eficiente de pavimentos interurbanos y la gestión óptima de las redes de carreteras son uno de los mayores retos de las últimas décadas. Por ello, el interés y la preocupación en este ámbito por parte ...[+]
[ES] El mantenimiento eficiente de pavimentos interurbanos y la gestión óptima de las redes de carreteras son uno de los mayores retos de las últimas décadas. Por ello, el interés y la preocupación en este ámbito por parte de las administraciones públicas y de las empresas privadas ha aumentado significativamente en los últimos años.
Tradicionalmente, las inspecciones para el mantenimiento de carreteras se realizan utilizando equipos de auscultación muy caros, lo que dificulta su inspección frecuente, y técnicas de inspección visual llevadas a cabo por profesionales técnicos que suponen largas jornadas de trabajo y una posible afección al tráfico. Además, se proponen planes de mantenimiento reactivos, en los que se actúa una vez la carretera ya está muy dañada y el coste de las actuaciones para repararla es muy elevado, tanto económica como medioambientalmente.
Para dar respuesta a esta problemática surge el mantenimiento preventivo de carreteras, que, a través de la predicción del deterioro del pavimento y utilizando técnicas de inteligencia artificial, permite llevar a cabo una gestión eficiente del mantenimiento de carreteras. Para ello, la herramienta NEUROVÍAS, diseñada en el marco del proyecto de innovación NEUROVÍAS, propone una metodología que cuenta con cuatro módulos diferenciados que permiten: (1) monitorizar el pavimento de la carretera, (2) evaluar la condición del pavimento; (3) predecir la evolución de la condición; y (4) planificar las actuaciones de mantenimiento desde un enfoque sostenible.
En este Trabajo Final de Grado se realiza una calibración de los cuatro módulos de la herramienta NEUROVÍAS y se propone un plan de mantenimiento del pavimento de la carretera A-7 desde el PK 313+000 hasta el PK 326+000 teniendo en cuenta factores técnicos, económicos, sociales y medioambientales.
Para ello, se ha empleado la siguiente metodología: en primer lugar, se han obtenido imágenes del pavimento del tramo objeto de estudio (carretera A-7 desde el PK 313+000 hasta el PK 326+000). Posteriormente, se han detectado y cuantificado los deterioros presentes en las imágenes mediante redes neuronales convolucionales y se ha utilizado el Método PCI (Pavement Condition Index), cuya métrica se obtiene a partir de los daños presentes, para evaluar el estado del pavimento. Por otro lado, utilizando la herramienta de predicción, se ha determinado la evolución de la condición durante un periodo de análisis de 5 años y, por último, se ha ejecutado un proceso de optimización de las actuaciones de mantenimiento que planifica el mantenimiento de las vías atendiendo a criterios sostenibles.
Este proceso se aplica, en primer lugar, a la carretera A-7 desde PK 313+000 hasta PK 326+000 y, en segundo lugar, a la red formada por este tramo y la carretera A-23 desde PK 17+000 hasta PK 27+000, para determinar cómo habría que priorizar las actuaciones de mantenimiento ante escenarios de restricción presupuestaria.
[-]
|