The road infrastructure in Mexico is the aggrupation of streets and highways that improve connectivity and transportation, supporting socioeconomic development. A vital element of the road infrastructure is the pavements, the first thing that users perceive when transiting the road. To keep the pavements in good condition is necessary to have an early planning of the conservation works. This research describes the methodology used to develop a model for estimating the evolution of the International Roughness Index (IRI) for roads with flexible pavement based on explanatory variables, such as depth of ruts, macrotexture, and cracking percentage, which describe the IRI behavior. The database used is from the Hermosillo – Santa Ana highway, which contains historical information from 2019 and 2020 on the variables which describe the behavior of the IRI. The analysis to determine the estimation model was carried out using two approaches. The first approach was accomplished by grouping the data in two different groups, one where the data is similar to each other and another where the data is different, using the elbow method to find the number of groups to form the groups by the k-means algorithm later. The second approach was accomplished using the complete database. The model learning was obtained by experimenting with five artificial intelligence algorithms, linear regression, neural networks, support vector machine, random forest, and m5 rules. The five algorithms were applied to the groups of the partitioned and no-partitioned data approaches.
La infraestructura vial en México es el conjunto de calles y carreteras que mejoran la conectividad y transporte apoyando el desarrollo socioeconómico. Un elemento importante de la infraestructura vial son los pavimentos, ya que es lo primero que perciben los usuarios al transitar. Para mantener en buenas condiciones los pavimentos es necesario contar con una planeación temprana de los trabajos de conservación. La presente investigación describe la metodología utilizada para el desarrollo de un modelo de estimación de la evolución del Índice de Regularidad Internacional (IRI) para carreteras con pavimentos flexibles basado en variables explicativas como la profundidad de rodera, macrotextura y porcentaje de agrietamiento que describen el comportamiento del IRI. La base de datos utilizada es de la carretera Hermosillo – Santa Ana, que contiene información histórica de los años 2019 y 2020 de las variables que describen el comportamiento del IRI. El análisis para determinar el modelo de estimación se llevó a cabo por medio de dos enfoques. El primer enfoque se ejecutó realizando un agrupamiento de los datos formando grupos donde los datos que lo conforman sean similares entre sí y los grupos sean diferentes, esto por medio del método del codo para encontrar el número de grupos para posteriormente formar los grupos por medio del algoritmo k-means. El segundo enfoque se llevó a cabo utilizando la base de datos completa. El aprendizaje del modelo se llevó a cabo con cinco algoritmos de inteligencia artificial, los cuales son, regresión lineal, redes neuronales artificiales, support vector machine, random forest, m5 rules. Los 5 algoritmos fueron utilizados para los grupos del enfoque con datos particionados y para el enfoque sin datos particionados.
