Agrupamiento y desarrollo de espectros de carga del tráfico de la red vial nacional concesionada, aplicado al diseño de pavimentos

Abstract

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.

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- means method was used to develop the groupings and the Jambú Elbow method to 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.