MODELOS PROBABILISTICOS DE DETERIORO DEL PAVIMENTO PARA LOS CORREDORES DE

MANTENIMIENTO INTEGRAL
PROBABILISTIC DETERIORATION MODEL FOR CORREDORES DE MANTENIMIENTO INTEGRAL

Luis Guillermo Fuentes
1
, Boris Goenaga
2
, Gerardo Flintsch
3
, Alfonso Vergara
4
, Nancy Fuentes
5


RESUMEN
La derivacin de las matrices de Transicin de Probabilidad (TPM) es de gran importancia cuando se
pretende analizar el proceso de deterioro del pavimento, ya que esta permite obtener la condicin
probable del pavimento en un periodo de tiempo determinado. Para la derivacin de las TPM se utilizan
los datos histricos de la condicin del pavimento junto con los registros de las diferentes actividades de
mantenimiento y rehabilitacin, para de esta manera obtener la variacin del estado del pavimento. En
este articulo se utilizaran los datos de las mediciones del IRI (ndice de Rugosidad Internacional), SNE
(Nmero Estructural Efectivo) e Is (ndice de Estado) resultado del programa de Corredores de
Mantenimiento Integral desarrollado en las red vial Colombiana no concesionada. En la primera parte se
describen la informacin disponible, luego se plantea la metodologa utilizada para la derivacin de las
TPM y se concluye con un anlisis de los resultados, enfatizando en la capacidad de cada variable (IRI,
SNE e Is) para describir el proceso de deterioro del pavimento.
PALABRAS CLAVE: Modelos de Deterioro, Cadenas de Markov, Sistema de Gestin de Pavimentos.

ABSTRACT
The derivation of Transition Probabilities Matrix (TPM) has a great importance when evaluating the
pavement deterioration process, since it allows one the estimation of the probable pavement condition at
certain period of time. Historic pavement condition data and information regarding maintenance and
rehabilitation activities represent and essential input for the TPM development. The present investigation
evaluates measurements of the IRI (International Roughness Index), the SNE (Effective Structural Index)
and the Is (State Index) obtained as a result of the program Corredores de Mantenimiento Integral
implemented on specific roads of the Colombians road network. An evaluation of the available
information is presented. The document describes the methodology used for the derivation of the TPM
and concludes with an analysis of the obtained results, emphasizing the capabilities of each variable (IRI,
SNE and Is) to describe the pavement deterioration process.
KEY WORDS: Deterioration Modeling, Markov Chain, Pavement Management System.


1
Autor de correspondencia. Luis Guillermo Fuentes, Ingeniero Civil, Ph.D, Investigador del Grupo de Investigacin TRANVIA,
Director del Departamento de Ingeniera Civil y Ambiental, Universidad del Norte, Barranquilla, Colombia, Km. 5 Va Puerto
Colombia, Tel. (57) 5 3509509 ext 4236, lfuentes@uninorte.edu.co
2
Boris Goenaga Silvera, Ingeniero Civil, Asistente de Investigacin, Grupo de Investigacin TRANVIA, Programa de Ingeniera
Civil, Universidad del Norte, Barranquilla, Colombia, Km. 5 Va Puerto Colombia, Tel. (57) 5 3509509 ext 4236,
bgoenaga@uninorte.edu.co
3
Gerardo W. Flintsch, Ph.D, P.E., Profesor, Departamento de Ingeniera Civil y Ambiental, Virginia Tech. Director del Centro de
Infraestructura de Transporte Sostenible, VTTI. 3500 Transportation Research Plaza. Virginia Polytechnic Institute and State
University, Blacksburg, VA 24061-0105. Tel: (540) 231-9748, fax: (540) 231-7532 email: flintsch@vt.edu
4
Alfonso Luis Vergara Manjarres, Ingeniero Civil, Subdirector de Apoyo Tcnico del INSTITUTO NACIONAL DE VIAS INVAS.
Carrera 59 # 26-60 - Edificio INVAS - CAN Bogot, Colombia. Tel (+571) 7056000 ext. 1167 1304. alvergara@invias.gov.co
5
Nancy Fuentes, Ingeniero Civil, Coordinadora de la oficina de corredores de mantenimiento integral del INSTITUTO NACIONAL
DE VIAS INVIAS. Carrera 59 # 26 60 Edificio Invias CAN Bogot, Colombia. Tel. (+517) 7056000 ext. 1544.
nfuentes@invias.gov.co


INTRODUCCIN

La principal responsabilidad de los entes administradores de las vas que conforman la red vial nacional
es la de proveer las condiciones de operacin que brinden la mejor serviciabilidad y seguridad posible.
Sin embargo en muchos niveles de nuestro sistema gubernamental los recursos para garantizar tales
condiciones son limitados. Por esto encontrar la distribucin ptima de los fondos disponibles para
distribuir en las actividades de mantenimiento y rehabilitacin necesarias es una tarea de vital
importancia.

Debido a esto, en Colombia el Instituto Nacional de Vas, INVIAS desarroll el programa de corredores
de mantenimiento integral, donde se evaluara tcnicamente el plan de inversin para garantizar las
condiciones de serviciabilidad adecuadas.

En este programa se realiz un diagnostico del estado de las vas, basndose en la medicin de
variables como el IRI (ndice de Rugosidad Internacional), el nmero estructural efectivo (SNE),
inventario de daos y deflectometra, para luego utilizar la herramienta del HDM-4 y proponer la matriz
de intervencin en cada uno de los respectivos corredores. En la Figura 1 se muestran los corredores
evaluados en el programa de corredores de mantenimiento integral; inicialmente se propusieron 11
corredores (como se muestra en la Figura 1) pero el corredor N1 Rumichaca Pasto fue cancelado. Los
corredores cuya informacin ser utilizada en este artculo son los que se detallan en la Tabla 1.


Figura 1 Corredores evaluados en el programa de Corredores de Mantenimiento Integral.



Tabla 1 Longitud de cada corredor del programa Corredores de Mantenimiento Integral.
No. NOMBRE DEL CORREDOR TERRITORIAL
LONGITUD
(Km)
1 RUMICHACA - PASTO - MOJARRAS* NARIO 203
2 MOJARRAS POPAYN CAUCA 137
3 CERRITOS MEDELLN ANTIOQUIA 237
4 HATILLO - CAUCASIA ANTIOQUIA 254
5 CAUCASIA SINCELEJO CORDOBA - SUCRE 181
6 SINCELEJO - TOLUVIEJO CARTAGENA SUCRE - BOLIVAR 116
7
IBAGU - MARIQUITA Y MANIZALES - FRESNO
HONDA
TOLIMA - CALDAS 233
8
SAN ALBERTO - LA MATA Y BARRANCABERMEJA
LEBRIJA
SANTANDER -
OCAA
190
9 LA MATA BOSCONIA CESAR 175
10 BUENAVENTURA BUGA VALLE 118
11 CALARC - IBAGU - Y LA VARIANTE DE IBAGU QUINDO - TOLIMA 100.33
* El corredor N1 fue cancelado al inicio del progr ama de corredores de mantenimiento integral.

Las actividades de monitoreo desarrolladas en el programa de corredores de mantenimiento integral
consistieron en una evaluacin inicial para un primer diagnostico que fue seguida por evaluaciones
anuales durante 4 aos, para el periodo 2005 2009. En cada ao se realiz lo siguiente:

Inventario de daos: Consistente en un la extensin y gravedad de cada tipo de dao
considerado en la Gua Metodolgica del INVIAS (Instituto Nacional de Vas Colombiano). Este
proceso de inventario se llev a cabo cada 100 m, una vez organizados se procedi a utilizar la
metodologa VIZIR (1) para obtener el ndice de estado, Is.

Mediciones de Rugosidad: La rugosidad se indica mediante el IRI (Indicie de Rugosidad
Internacional), el cual es una medida de la influencia del perfil longitudinal de la carretera en la
calidad de la rodadura en un corredor seleccionado. EL IRI se expresa en metros por kilmetro
(m/Km) y representa los desplazamientos verticales en una unidad de distancia. Las mediciones
se realizan en forma continua, procesando los valores de rugosidad posteriormente cada 100 m
por calzada.

Mediciones de Deflexiones: Las mediciones de deflexin permiten evaluar de forma no
destructiva el comportamiento estructural del corredor, por medio de procesos conocidos como
retroclculo de variables, es posible conocer mdulos de cada una de las capas que conforman
el paquete estructural. As mismo, conociendo otras variables es posible determinar la capacidad
estructural en trminos del nmero estructural efectivo. Las mediciones se llevaron a cabo cada
50 m. A partir de estas mediciones se utilizaron ecuaciones de retroclculo para obtener los
valores del nmero estructural efectivo.

Trnsito: El trnsito se expresa por medio del Trnsito Promedio Diario, TPD, con la respectiva
distribucin porcentual de autos, buses y camiones.

El INVIAS propone para cada variable rangos para categorizar el estado del pavimento, tal como se
muestra en la Tabla 2, dichos valores sern los utilizados en el presente documento para la obtencin de
las TPM.



Tabla 2 Categorizacin del estado del pavimento de acuerdo al valor de cada variable.

Bueno Regular Malo
IRI <3 >3 y <5 >5
SNE >4 >3 y <4 <3
Is 1,2 3,4,5 6,7


MODELOS DE DETERIORO

El pavimento se deteriora continuamente bajo la accin combinada de las cargas del trnsito y los
efectos del medioambiente. La capacidad del pavimento de satisfacer esta demanda sobre el periodo de
diseo se conoce como desempeo. Los indicadores de estado o desempeo pueden medir las
caractersticas funcionales y estructurales de los pavimentos.

Entre los indicadores funcionales ms comunes tenemos: la rugosidad, medida comnmente mediante el
ndice de rugosidad internacional (IRI), el ndice de serviciabilidad presente o PSI, etc. De acuerdo a sus
caractersticas estructurales los indicadores de estado son: el agrietamiento por fatiga, el ahuellamiento,
la deflexin, el nmero estructural efectivo, etc. La evolucin natural de estos indicadores con el tiempo
se conoce como deterioro (2).

Varias formas funcionales de modelos de deterioro se han propuestos a lo largo de los aos. Estos
varan bastante en complejidad, en la habilidad de predecir el deterioro con una exactitud razonable, y en
el tipo de datos de entrada requeridos. Los modelos de deterioro pueden ser determnisticos o
probabilsticos. Los primeros predicen la condicin futura del pavimento como un valor nico predicho
basndose en la informacin histrica sobre el comportamiento del pavimento, en cambio para los
segundos la condicin futura es dada por la probabilidad de que el pavimento este en determinado
estado o condicin (3).

Por otro lado (4) agrupo los principales modelos de deterioro en tres clases:

Modelos Empricos: Para la estimacin de estos modelos se utilizan tcnicas estadsticas
para predecir el deterioro del pavimento mediante variables explicativas. Aunque estos modelos
relacionan el deterioro con las variables causales, su aplicabilidad est limitada por el rango de
datos con el cual estos fueron estimados.

Modelos Mecnico-Empricos: En este tipo de modelos se calculan ciertas respuestas del
pavimento, tales como deformacin de la subrasante, esfuerzos en las diferentes capas del
pavimento y deformaciones etc., junto con otras variables tales como trafico acumulado, edad
del pavimento, relacionadas con la perdida de serviciabilidad o alguna otra medida de deterioro
a travs de anlisis de regresin o modelos que deben ser calibrados (por ejemplo la
determinacin de coeficientes) tambin a travs de regresin.

Modelos Subjetivos: Se basan en la experiencia donde la perdida de serviciabilidad u otra
medida de deterioro vs. la edad del pavimento son estimados por diferentes combinaciones de
variables, usando proceso de transicin de Markov, modelos Bayesianos, etc.

Si los indicadores de estado del pavimento se consideran variables aleatorias aplicando la teora de
Markov se tiene: si un indicador del estado del pavimento en el periodo t+1 es X
t+1
este valor depender


solo del estado del sistema en el periodo t, es decir X
t
. Matemticamente esto puede expresarse como
(5; 6):

P(X
t+1
= j X
t
= i ) (1)

Donde P es la probabilidad de que la condicin del pavimento para el periodo t + 1 sea ], dado que el
estado en el periodo t es i, asumiendo que la probabilidad es independiente del tiempo. Este asuncin
es conocida como un supuesto estacionario y representa la principal condicin para la mayora de los
modelos probabilsticos porque esto implica que la tasa de deterioro de los pavimentos es independiente
del tiempo. Sin embargo, algunos modelos probabilsticos tienen en cuenta la variacin de la tasa de
deterioro en el tiempo y se conocen como cadenas de Markov no homogneas (dependientes del
tiempo) (5; 7).

TEORIA DE MARKOV APLICADA AL DETERIORO DEL PAVIMENTO

En la teora de la probabilidad se dice que un proceso cumple la propiedad Markov si su estado futuro
puede ser predicho conociendo solo su estado actual, es decir el estado presente resume toda la
probabilidad para describir el estado futuro (8). Entonces una cadena Markov ser todo proceso
estocstico discreto en el que la probabilidad de que ocurra un evento depende del evento
inmediatamente anterior.

Los modelos de prediccin Markov son procesos estocsticos regidos por tres restricciones a saber (5):

1. El proceso es discreto en el tiempo. Se define periodos de anlisis de meses o de aos.
2. El proceso debe tener un espacio definido, contable y finito (conjunto de estados posibles
definidos).
3. El proceso debe satisfacer la propiedad Markov (9)

Se dice que la propiedad Markov se satisface si el estado futuro depende solo del estado actual, y no de
los anteriores a este. Esto es vlido en pavimentos debido a que el proceso de deterioro es progresivo
en el tiempo por lo tanto el cambio del estado del pavimento de una condicin a otra, si los factores como
el trnsito y medioambiente no cambian con el tiempo, depender solo del estado actual en que este se
encuentre.
Puede mostrarse que un proceso de cadena de Markov puede aplicarse para determinar el deterioro del
pavimento mediante:

El deterioro del pavimento es continuo en el tiempo; sin embargo, para discretizar en el tiempo la
condicin del pavimento es analizada en periodos de tiempo especficos. Esto usualmente se
cumple para periodos cortos de un ao, o una unidad de tiempo.

El conjunto de estados, que es el nmero de resultados posibles, es infinito. Sin embargo, en
realidad, el conjunto de estados se define para un nmero particular de posibilidades, siendo fijo
y por ende finito.

En el proceso de deterioro del pavimento se asume que la propiedad Markov prevalece (10).

El vector de estado inicial en cualquier proceso define la condicin inicial, a

= (a
1
, a
2
, , a
n
).
Centrndonos en el proceso de deterioro del pavimento, el vector inicial indica el estado actual, definido
como la proporcin de la red que se encuentra en cada estado considerado.



El vector inicial debe satisfacer las siguientes condiciones:

La suma de todos los elementos de a

debe ser igual a uno.

Cada elemento de a

debe ser mayor que cero y menor o igual a uno.

Para modelar el deterioro del pavimento con el tiempo, es necesario establecer la matriz de probabilidad
de transicin (TPM), identificada por M. La forma general de M est dada por la Ecuacin 2:

N = _
P
11
P
12
P
1n
P
21
P
22
P
2n

P
n1
P
n2
P
nn
_ (2)

La matriz contiene toda la informacin necesaria para modelar el proceso analizado dentro de los
estados definidos. La probabilidad de transicin, P
]
, indica la probabilidad de que la porcin de la red en
la condicin i cambie a la condicin j en una unidad de tiempo del periodo de anlisis. De manera similar
al vector inicial, cada TPM debe cumplir con las siguientes restricciones:

La suma de todos los elementos en cada fila debe ser igual a uno.

Cada elemento de M debe ser mayor que cero y menor o igual a uno.

En el caso particular cuando se pretende modelar el deterioro del pavimento a la matriz de probabilidad
de transicin, en general se le aplican dos restricciones adicionales:

Si i > ] P
]
= u, esto significa que el pavimento no puede mejorar por si solo sin recibir
primero un tratamiento de rehabilitacin.

P
nn
= 1, esto significa que aquella proporcin del pavimento que ha alcanzado su peor condicin
no puede deteriorarse ms.

Por lo tanto, en la modelacin del deterioro del pavimento, la forma de la matriz de transicin M para
modelar el deterioro del pavimento est dada por la Ecuacin 3:

N =
l
l
l
l
l
P
11
P
12
P
13
P
1n
u P
22
P
23
P
2n
u u P
33
P
3n

u u u 1
1
1
1
1
1
(3)

APLICACIN A CASO DE ESTUDIO

Para el caso de los corredores de mantenimiento integral se definieron 3 variables para el anlisis que
son: IRI, SNE e Is. Los rangos para definir el estado del pavimento en Bueno, Regular o Malo para cada
una de dichas variables se definieron en la Tabla 2. Por lo tanto se puede definir el tamao del vector
inicial y de la matriz de transicin, tal como se muestra a continuacin:

El vector inicial ser de 1 x 3

La matriz de probabilidad de transicin ser de 3 x 3



El vector de condicin inicial ser:

a
0
= _
Bueno Regulai Nalo
a
01
a
02
a
03
_ (4)

Donde cada a
t
=
N
t
N
, , donde N
t
es el nmero de subtramos de 500 metros cuyo valor, dependiendo de
la variable analizada, cae en la categora t, y N es la suma de todos los subtramos incluidos en a

.

La matriz de probabilidad de transicin queda definida entonces como:

N = _
Bueno Regulai Nalo
Bueno P
11
P
12
P
13
Regulai u P
22
P
23
Nalo u u 1
_ (5)

EL modelo para predecir el comportamiento del pavimento es el siguiente:

a
n
= a
0
N
n
(6)

Donde
a
n
: Vector de estado predicho para el ao n
a
0
: Vector de estado inicial
N: Matriz de transicin de probabilidad

Por ejemplo al desarrollar la metodologa para la variable del IRI para los valores del corredor N2
Mojarras Popayn se tiene:

a
0
= j
Bueno Regulai Nalo
u.641 u.SS9 u
[ (7)

N =
Bueno Regulai Nalo
Bueno
Regulai
Nalo
_
u.S4S u.4S7 u
u u.9Su u.uSu
u u 1
_
(8)

Hay que resaltar que los valores presentados en las Ecuaciones 7 y 8, corresponden al anlisis de
tramos en los que no se realiz ningn mantenimiento especial, es decir, la matriz definida en la
Ecuacin 8 modela el deterioro de los tramos correspondientes al corredor N2 Mojarras Popayn que
no fueron sometidos a actividades de mantenimiento.

Empleando la Ecuacin 6 obtenemos la curva de comportamiento del pavimento (Pavement Behaviour
Curve, P.B.C.) para el IRI del corredor N2 como se muestra en la Figura 2. Estos valores se comparan
con los realmente observados ao a ao los cuales se ilustran en la Figura 3.




Figura 2 Curva de comportamiento del pavimento
para el IRI


Figura 3 Valores observados del estado del
pavimento para el IRI

Se aprecia que los valores predichos reproducen bastante bien la variacin real del estado del
pavimento, adems la Figura 2 y la Figura 3 muestran las P.B.C. de las tres categoras analizadas para
la variable del IRI las cuales son Bueno, Regular y Malo, los valores predichos son bastante similares a
los valores observados y lo ms importante es que reproducen la tasa de variacin del estado del
pavimento durante el periodo de anlisis.

Aplicando la misma metodologa para el SNE y el Is obtenemos las TPM mostradas a continuacin y las
P.B.C. mostradas en la Figura 4 a la Figura 7.

Para el SNE

a
0
= j
Bueno Regulai Nalo
u.641 u.SS9 u
[ (9)


N =
Bueno Regulai Nalo
Bueno
Regulai
Nalo
_
u.979 u.u21 u
u u.949 u.uS1
u u 1
_
(10)


Para el Is

a
0
= j
Bueno Regulai Nalo
u.u8S u.917 u
[ (11)


N =
Bueno Regulai Nalo
Bueno
Regulai
Nalo
_
u.7Su u.12S u.12S
u 1 u
u u 1
_
(12)


0,00
0,20
0,40
0,60
0,80
1,00
2005 2006 2007 2008 2009 2010
P
r
o
p
o
r
c
i

n

d
e
l

c
o
r
r
e
d
o
r
e
n

c
a
d
a

c
a
t
e
g
o
r
i
a
Ao
VALORES PREDICHOS DEL ESTADO DEL PAVIMENTO SEGN EL IRI
Bueno Regular Malo Bueno Regular Malo
0,00
0,20
0,40
0,60
0,80
1,00
2005 2006 2007 2008 2009 2010
P
r
o
p
o
r
c
i

n

d
e
l

c
o
r
r
e
d
o
r

e
n

c
a
d
a

c
a
t
e
g
o
r
i
a
Ao
VALORES OBSERVADOS DEL ESTADO DEL PAVIMENTO SEGUN EL IRI
Bueno Regular Malo Bueno Regular Malo



Figura 4 Curva de comportamiento del pavimento para el
SNE


Figura 5 Valores observados del estado del pavimento
para el SNE


Figura 6 Curva de comportamiento del pavimento para el
Is


Figura 7 Valores observados del estado del pavimento
para el Is


CONCLUSIONES Y RECOMENDACIONES

Se desarrollaron modelos de deterioro mediante la teora de Markov utilizando los datos de las
mediciones del IRI, SNE e Is para el caso de deterioro puro. En el presente informe se presentan los
resultados para un corredor tipo para cada una de las variables en estudio. El modelo planteado mostr
potencial para ser utilizado en la administracin de la infraestructura vial a nivel de red. El modelo
permiti estimar el deterioro del IRI y del SN con un alto nivel de confianza. Por otro lado, se observ la
necesidad de replantear la clasificacin de bueno, regular y malo utilizada para el parmetro Is, ya que el
criterio utilizado no es sensible a los deterioros que son percibidos por otros indicadores como el IRI. Es
posible que al redefinir los rangos que originalmente se plantearon para definir las categoras de bueno,
regular y malo para el Is se obtengan mejores resultados. Los datos mostraron que el parmetro SN
presentan bajos niveles de deterioro en intervalos cortos de tiempo cuando el pavimento se encuentra en
buenas condiciones estructurales. Se observo adems, que a pesar de que un pavimento presente
niveles estructurales adecuados (alto SN) puede presentar unas condiciones funcionales deficientes
(bajo IRI), lo cual resalta la necesidad de evaluar simultneamente tanto parmetros estructurales como
funcionales.


0,00
0,20
0,40
0,60
0,80
2005 2006 2007 2008 2009 2010
P
r
o
p
o
r
c
i
n

d
e
l
c
o
r
r
e
d
o
r
e
n
c
a
d
a

c
a
t
e
d
g
o
r
ia
Ao
VALORES PREDICHOS DEL ESTADO DEL PAVIMENTO SEGN EL
SNE
Bueno Regular Malo Bueno Regular Malo
0,00
0,20
0,40
0,60
0,80
2005 2006 2007 2008 2009 2010
P
r
o
p
o
r
c
i

n

d
e
l

c
o
r
r
e
d
o
r

e
n

c
a
d
a

c
a
t
e
d
g
o
r
i
a
Ao
VALORES OBSERVADOS DEL ESTADO DEL PAVIMENTO SEGN EL SNE
Bueno Regular Malo Bueno Regular Malo
0,00
0,20
0,40
0,60
0,80
1,00
2005 2006 2007 2008 2009 2010
P
r
o
p
o
r
c
i

n

d
e
l

c
o
r
r
e
d
o
r

e
n

c
a
d
a

c
a
t
e
g
o
r
i
a
Ao
VALORES PREDICHOS DEL ESTADO DEL PAVIMENTO SEGUN EL Is
Bueno Regular Malo Bueno Regular Malo
0,00
0,20
0,40
0,60
0,80
1,00
2005 2006 2007 2008 2009 2010
P
r
o
p
o
r
c
i

n

d
e
l

c
o
r
r
e
d
o
r

e
n

c
a
d
a

c
a
t
e
g
o
r
i
a
Ao
VALORES OBSERVADOS DEL ESTADO DEL PAVIMENTO SEGUN EL Is
Bueno Regular Malo Bueno Regular Malo


REFERENCIAS

1. LCCP VIZIR, mthode assiste par ordenateur pour lestimation des besoins de entretien dun
rseau routier, Paris, Dcembre 1991.

2. Prozzi J.A. and Madanat S.M. Development of Pavement Performance Models by Combining
Field and Experimental Data. Journal of Infrastructure Systems Vol. 10 N1. August 2004.

3. Durango-Cohen, P. Madanat, S. Optimal Maintenance and Repair Policies in Infraestructure
Management Under Facility Deterioration Rates: An Adaptative Control Approach,
Transportation Research Part A: Policy and Practice Part A: Policy and Practice, 2002.

4. Haas, Ralph. Good technical foundations are essential for successful pavement management,
key note paper, proceedings of MAIREPAV 03, Guimaraes, Portugal. 2003.

5. Ortiz Garca Jos J.; Costello Sesamh B.; Snaith Martin S. Derivation of transition probability
matrices for pavement deterioration modeling. Vol. 132. N2. February 2006.

6. R.G. Mishalani and S.M. Madanat. Computation of Infrastructure Transition Probabilities Using
Stochastic Duration Models. Journal of Infrastructure System Vol. 8 N4. December 2002.

7. Zheng Li. A probabilistic and adaptive approach to modeling performance of pavement
performance. Austin University of Texas May 2005.

8. R. Howard. A.A. Markov. Extension of the limit theorems of probability theory to a sum of
variables connected in a chain. Dynamic Probabilistic Systems. Vol. 1: Markov Chains. John
Wiley and Sons. 1971.

9. Isaacson, D. L., and Madsen, R. W. Markov chains: Theory and applications, Wiley, New York.
1976.

10. Kerali, H. R., and Snaith, M. S. NETCOM: The TRL visual condition model for road Networks.
Contractor Rep. No. 321, Transport Research Laboratory, Crowthorne, U.K. 1992.