Evaluacion Textura y Rugpsidad - C

EVALUACIÓN DE LA TEXTURA Y LA RUGOSIDAD DE PAVIMENTOS FLEXIBLES
MEDIANTE IMÁGENES TOMADAS A PARTIR DE CÁMARA NO MÉTRICA NIKON

COOLPIX S2900
Investigador:
MARIAM RIVAS DIAZGRANADOS
UNIVERSIDAD DISTRITAL FRANCISCO JOSÉ DE CALDAS

MAESTRÍA EN CIENCIAS DE LA INFORMACIÓN Y LAS COMUNICACIONES
ÉNFASIS EN GEOMÁTICA
BOGOTÁ, COLOMBIA
2017
EVALUACIÓN DE LA TEXTURA Y LA RUGOSIDAD DE PAVIMENTOS FLEXIBLES
MEDIANTE IMÁGENES TOMADAS A PARTIR DE CÁMARA NO MÉTRICA NIKON
COOLPIX S2900
Investigador:
Tesis presentada como requisito parcial para optar al título de:

Magister en Ciencias De La Información y las Comunicaciones Con Énfasis En
Geomática
Director:
Msc WILSON ERNESTO VARGAS VARGAS
UNIVERSIDAD DISTRITAL FRANCISCO JOSÉ DE CALDAS

MAESTRÍA EN CIENCIAS DE LA INFORMACIÓN Y LAS COMUNICACIONES
ÉNFASIS EN GEOMÁTICA
BOGOTÁ, COLOMBIA
2017
Este trabajo está dedicado a mi hija Luciana
que a su llegada me impulso a culminar esta
etapa y a mi familia en especial a mi Madre y
mi Tía por su apoyo.
AGRADECIMIENTOS
Agradezco a Dios primeramente por darme la fuerza y fortaleza necesaria para no

desfallecer en el camino y terminar con éxito este logro anhelado.
Debo agradecer a todas las personas que estuvieron involucradas en esta etapa de mi vida
y que sin su colaboración no hubiese sido posible terminar con éxito este trabajo; en
especial a mis compañeros de estudio que fueron un apoyo incondicional durante el tiempo
que estuvimos en este proceso.
Debo dar gracias a mi familia, ya que con su apoyo, ayuda y paciencia fue posible terminar
este gran paso de mi vida.
Gracias a mi director de proyecto Ingeniero Wilson Ernesto Vargas Vargas por aceptar la
tutoría y creer en mí; gracias al profesor Hugo Alexander Rondón quien fue mi principal
apoyo para poder realizar este trabajo, ya que sin su asesoría jamás hubiese sido posible
culminar; y un agradecimiento a la Universidad Distrital Francisco José de Caldas por
haberme dado la oportunidad de estudiar y prepararme cada día más.
TABLA DE CONTENIDO
RESUMEN ....................................................................................................................... 16
ABSTRACT...................................................................................................................... 17
1. INTRODUCCIÓN ...................................................................................................... 18
1.1 PROBLEMA DE INVESTIGACIÓN ......................................................................... 21
1.2 JUSTIFICACIÓN................................................................................................ 21
1.3 OBJETIVOS ...................................................................................................... 22
1.3.1 Objetivo General .............................................................................................. 22
1.3.2 Objetivos Específicos ....................................................................................... 22
2. MARCO TEÓRICO ...................................................................................................... 24
2.1 ANTECENDENTES ................................................................................................ 24
2.1.1 ENSAYOS PARA EVALUAR LA MICROTEXTURA Y MACROTEXTURA DE
UN PAVIMENTO ...................................................................................................... 24
2.1.1.1 Medición de Fricción Dinámica (ASTM E-1911) ........................................ 24
2.1.1.2 Macrotextura: Círculo de Arena (I.N.V.E- 791) .......................................... 26
2.1.1.3 Microtextura: Resistencia al Deslizamiento Mediante el Péndulo TRRL
(INV E- 792) .......................................................................................................... 28
2.1.2 ESTUDIOS SIMILARES EN LOS PAVIMENTOS REALIZADOS EN EL
MUNDO UTILIZANDO IMÁGENES .......................................................................... 29
2.2 CONCEPTOS TEÓRICOS ..................................................................................... 30
2.2.1 Textura ............................................................................................................ 31
2.2.1.1 Macrotextura: ............................................................................................ 32
2.2.1.2 Microtextura............................................................................................... 32
2.2.1.3 Megatextura: ............................................................................................. 33

2.2.2 Rugosidad........................................................................................................ 33
2.2.3 Concreto Asfáltico ............................................................................................ 34
2.2.4 Diseño de mezclas asfálticas por método Marshall .......................................... 35
2.2.4.1 Fabricación de las briquetas ...................................................................... 37
2.2.5 Procesamiento Digital de Imágenes ................................................................. 38
2.2.6 Clasificación de las Imágenes .......................................................................... 39
2.2.6.1 Supervisada: ............................................................................................. 39
2.2.6.2 No supervisada: ........................................................................................ 39
2.2.7 Algoritmo Maquinas de Soporte Vectorial SVM ................................................ 39
2.2.8 Cámaras No Métricas ...................................................................................... 40
2.2.8.1 Cámara Nikon Coolpix S2900 ................................................................... 41
3. METODOLOGÍA .......................................................................................................... 42
3.1 DISEÑO DE LAS BRIQUETAS POR MÉTODO MARSHALL ................................. 46
3.2 ENSAYOS DE LABORATORIO.............................................................................. 50
3.2.1 Medida del Coeficiente de Resistencia al Deslizamiento Usando el
Péndulo Británico (INV E- 792) ................................................................................. 50
3.2.2 Medida De La Macrotextura Superficial De Un Pavimento Empleando La
Técnica Volumétrica (Circulo de arena) (I.N.V.E- 791- 13)........................................ 53
3.3 PROCESAMIENTO DE LAS IMÁGENES ............................................................... 55
3.3.1 Toma de Fotografías ........................................................................................ 55
3.3.2 Procesamiento de las imágenes a partir del método de Máquinas de
Soporte Vectorial (SVM) ........................................................................................... 55
3.3.3 Extracción de Áreas ......................................................................................... 57
3.3.4 Validación de la Clasificación de las imágenes ................................................ 58
3.3.4.1 Matriz de confusión ................................................................................... 58
3.3.4.2 Índice kappa y porcentaje correctamente clasificados en imágenes .......... 58

3.3.5 Análisis Estadístico de los Datos Obtenidos .................................................... 59
3.3.5.1 Análisis Descriptivo de los Datos ............................................................... 59
4. RESULTADOS Y DISCUSIÓN..................................................................................... 62
4.1 RESULTADOS DE LOS ENSAYOS DE LABORATORIO ....................................... 62
4.1.1 Ensayo para Evaluar la Microtextura: Péndulo de Fricción............................... 62
4.1.2 Ensayo para Evaluar la Macrotextura: Círculo de Arena .................................. 69
4.1.3. Clasificación de las Imágenes por Medio del Método de Maquinas de
Soporte Vectorial (SVM) ........................................................................................... 72
4.1.4 Análisis de las Áreas Calculadas en las Imágenes Procesadas ..................... 101
4.1.5 Análisis Estadístico de los Datos Obtenidos .................................................. 110
4.1.5.1 Análisis Descriptivo de los Datos ............................................................. 110
4.1.5.2 Gráficos de Dispersión Coeficiente de Rozamiento en Briquetas Secas . 112
4.1.5.3 Gráficos de Dispersión Coeficiente de Rozamiento Briqueta Húmeda ..... 115
4.1.5.4 Gráficos de Dispersión Teniendo en Cuenta la Profundidad de Textura .. 117
4.1.5.5 Gráficas de Dispersión por Mezclas ........................................................ 120
4.1.5.6 Gráficas de Dispersión por Golpes .......................................................... 121
5. CONCLUSIONES ...................................................................................................... 125
6. RECOMENDACIONES .............................................................................................. 127
7. BIBLIOGRAFÍA .......................................................................................................... 128
ANEXOS………………………………………………………………………………………….134
ANEXO A CODIGO PARA LA CLASIFICACIÓN DE LAS IMÁGENES MEDIANTE……..
SVM… …………………………………………………………………………………………..134
ANEXO B FORMATOS ENSAYOS DE LABORATORIO……………………………………138

ÍNDICE DE FIGURAS
Figura 1 DF Tester para medir fricción dinámica en pavimentos.. .................................... 25

Figura 2 Ensayo Círculo de Arena ................................................................................... 26
Figura 3 Términos utilizados para describir la textura de la supericie de rodadura........... 27
Figura 4 Péndulo Británico ............................................................................................... 28
Figura 5 Frontera de decisión en las SVM. ...................................................................... 40
Figura 6 Modelo metodológico propuesto. ....................................................................... 43
Figura 7 Agregados separados y clasificados. ................................................................. 46
Figura 8 Peso en seco de los agregados pétreos. ........................................................... 47
Figura 9 Briquetas finales método Marshall. .................................................................... 48
Figura 10 Partes del Péndulo británico. ........................................................................... 50
Figura 11 Péndulo Británico. ............................................................................................ 51
Figura 12 Nivelación del péndulo Británico. ..................................................................... 51
Figura 13 Ajuste de la zapata del péndulo Británico. ........................................................ 52
Figura 14 Escala de valores de CRD. .............................................................................. 52
Figura 15 Recipiente de medición de arena. .................................................................... 53
Figura 16 Ensayo circulo de arena. .................................................................................. 54
Figura 17 Ensayo circulo de arena. .................................................................................. 54
Figura 18 Medición del diámetro obtenido de arena. ........................................................ 54
Figura 19 Imagen tomada cámara Nikon a muestra de pavimento Tipo MDC-19. Fuente
Propia .............................................................................................................................. 55
Figura 20 Diagrama de flujo para el procesamiento de las imágenes a partir de
Maquinas de soporte vectorial. ........................................................................................ 56
Figura 21 Diagrama de flujo para el cálculo de las áreas clasificadas. ............................. 57
Figura 22 Diagrama de Dispersión Coeficiente de Rozamiento vs Áreas calculadas ....... 60
Figura 23 Imagen clasificada briqueta 1 ........................................................................... 73
Figura 32 Imagen clasificada briqueta 10 ......................................................................... 82
Figura 50 Información obtenida a partir de los ensayos y el procesamiento de la
briqueta número 1 .......................................................................................................... 101
briqueta número 2 .......................................................................................................... 101
briqueta número 3 .......................................................................................................... 102
briqueta número 4 .......................................................................................................... 102
briqueta número 5 .......................................................................................................... 102
briqueta número 6 .......................................................................................................... 103
briqueta número 7 ......................................................................................................... 103
briqueta número 8 .......................................................................................................... 103
briqueta número 9 .......................................................................................................... 104
briqueta número 10 ........................................................................................................ 104
briqueta número 11 ........................................................................................................ 104
briqueta número 12 ........................................................................................................ 105
briqueta número 13 ........................................................................................................ 105
briqueta número 14 ........................................................................................................ 105
briqueta número 15 ........................................................................................................ 106
briqueta número 16 ........................................................................................................ 106
briqueta número 17 ........................................................................................................ 106
briqueta número 18 ........................................................................................................ 107
briqueta número 19 ........................................................................................................ 107
briqueta número 20 ........................................................................................................ 107
briqueta número 21 ....................................................................................................... 108
briqueta número 22 ........................................................................................................ 108
briqueta número 23 ........................................................................................................ 108
briqueta número 24 ....................................................................................................... 109
briqueta número 25 ........................................................................................................ 109
briqueta número 26 ........................................................................................................ 109
briqueta número 27 ........................................................................................................ 110
Figura 77 Descripción de las variables........................................................................... 110
Figura 78 Coeficiente de rozamiento vs áreas de vacíos ............................................... 112
Figura 79 Coeficiente de rozamiento vs área de agregados .......................................... 112
Figura 80 Coeficiente de rozamiento vs área contenido de asfaltos ............................... 113
Figura 81 Coeficiente de rozamiento vs área sin asfalto ................................................ 113
Figura 82 Resumen graficas coeficiente de rozamiento vs áreas clasificadas ............... 114
Figura 83 Coeficiente de rozamiento vs áreas de vacíos ............................................... 115
Figura 84 Coeficiente de rozamiento vs áreas de agregados pétreos ............................ 115
Figura 85 Coeficiente de rozamiento vs áreas de contenido de asfalto .......................... 116
Figura 86 Coeficiente de rozamiento vs áreas sin asfalto .............................................. 116
Figura 87 Resumen coeficiente de rozamiento vs áreas clasificadas ............................. 117
Figura 88 Profundidad de textura vs áreas de vacíos ................................................... 118
Figura 89 Profundidad de textura vs áreas de agregados pétreos ................................. 118
Figura 90 Profundidad de textura vs áreas de contenido de asfalto ............................... 118
Figura 91 Profundidad de textura vs áreas sin asfalto.................................................... 119
Figura 92 Resumen Profundidad de textura vs áreas clasificadas ................................. 119
Figura 93 Coeficiente de rozamiento vs Áreas mezcla MDC 19 ..................................... 120
Figura 96 Coeficiente de rozamiento vs mezclas compactadas a 75 golpes. ................ 121
Figura 97 Coeficiente de rozamiento vs mezclas compactadas a 50 golpes. ................. 122
Figura 98 Coeficiente de rozamiento vs mezclas compactadas a 50 golpes. ................. 122
ÍNDICE DE TABLAS
Tabla 1 Tipo de mezclas asfálticas en caliente de gradación contínua ............................ 34

Tabla 2 Especificaciones Técnicas cámara Nikon S2900. ............................................... 41
Tabla 3 Granulometría de mezclas de concreto asfaltico ................................................. 44
Tabla 4 Caracterización del agregado pétreo................................................................... 45
Tabla 5 Características generales del Cemento Asfaltico 60- 70. .................................... 45
Tabla 6 Definición briquetas realizadas mediante método Marshall ................................. 48
Tabla 7 Resumen composición volumétrica y resistencia de las mezclas ........................ 49
Tabla 8 Matriz de confusión para la briqueta 1 ................................................................. 58
Tabla 9 Datos Tabulados ................................................................................................. 59
Tabla 10 Matriz de Correlación en muestras secas.......................................................... 61
Tabla 11 Determinación coeficiente de rozamiento mezclas MDC 19 .............................. 62
Tabla 12 Determinación coeficiente de rozamiento mezclas MDC 25 ............................. 65
Tabla 13 Determinación coeficiente de rozamiento mezclas MDC 10 .............................. 67
Tabla 14 Determinación profundidad de textura mezclas MDC 19 ................................... 69
Tabla 17 Matriz de Confusión Briqueta número 1 ........................................................... 73
Tabla 18 Índices de exactitud temática briqueta número 1............................................... 73
Tabla 19 Matriz de Confusión Briqueta número 2 ............................................................ 74
Tabla 35 Matriz de Confusión Briqueta número 10 .......................................................... 82
Tabla 36 Índices de exactitud temática briqueta número 10............................................. 83
Tabla 46 Índices de exactitud temática briqueta numero 15............................................. 88
Tabla 58 Índices de exactitud temática briqueta numero 21............................................. 94
Tabla 70 Índices de exactitud temática briqueta número 27........................................... 100
Tabla 71 Resumen Clasificación del usuario de las briquetas ........................................ 100
Tabla 72 Resumen estadísticas de las variables ........................................................... 111
Tabla 73 Rangos máximos y mínimos por variables ...................................................... 111
Tabla 74 matriz de correlación muestras secas ............................................................. 115
Tabla 75 Matriz de correlación muestras húmedas ........................................................ 117
Tabla 76 matriz de correlación profundidad de textura ................................................... 120
ÍNDICE DE ECUACIONES
Ecuación 1 ....................................................................................................................... 25
Ecuación 2 ....................................................................................................................... 25
Ecuación 3 ....................................................................................................................... 27
Ecuación 4 ....................................................................................................................... 55
Ecuación5 ........................................................................................................................ 58
Ecuación 6 ....................................................................................................................... 59
RESUMEN Y ABSTRACT MARIAM RIVAS DIAZGRANADOS
RESUMEN
El estado de la superficie de rodadura o capa de rodamiento es uno de los factores más

importantes a considerar en las carreteras, ya que el fin principal de una vía es brindar
seguridad y comodidad al usuario; es por esto que la vía debería permanecer en las
condiciones iniciales de diseño durante la etapa de operación, por lo tanto, es importante
evaluar la regularidad superficial y la textura en las capas que la conforman.
La identificación de estos factores siempre han sido evaluados por medio de ensayos de
laboratorio, los cuales algunos de ellos resultan ser costosos y requieren de mucho tiempo
para realizar las pruebas. Por tal motivo, este estudio muestra una comparación entre
imágenes tomadas con una cámara convencional marca Nikon COOLPIX S2900 y ensayos
de laboratorio como el péndulo TRRL Resistencia al deslizamiento mediante el péndulo
(INV E 792) y el Círculo de Arena (INV E-791), para analizar si por medio del procesamiento
de imágenes, se puede determinar la textura y rugosidad de un pavimento flexible.
El estudio está realizado en briquetas elaboradas por método Marshall para muestras tipo
MDC- 19, MDC- 25 y MDC- 10 realizadas para 75, 50 y 25 golpes, teniendo una totalidad
de 27 briquetas. Con el coeficiente de rozamiento y la profundidad de la textura obtenidos
en laboratorio, se realiza una comparación con las áreas calculadas mediante el
procesamiento de las imágenes tomadas a cada briqueta y a partir de análisis gráficos, se
obtiene un resultado final por cada briqueta.
PALABRAS CLAVES: Imagen digital, textura, regularidad superficial.
16
RESUMEN Y ABSTRACT MARIAM RIVAS DIAZGRANADOS
ABSTRACT
The state of the rolling surface or bearing layers is one of the most important factors to
consider on the roads, because the finality of the way is give safety and comfort to the user;
because of that the road should remain the original design conditions during the operation
time and is important to evaluate with regularity the surface and texture of the layers that is
make it up.
The identification of this factors have always been evaluate through laboratory test, some of
those test at the end are expensive and require a lot of time to do the test. For this reason,
this study show a comparison between the images taken with a conventional camera Nikon
COOLPIX S2900 and the laboratory test like the TRRL pendulum slip resistance (INV E
792) and the sand circle (INV E-791) to know if by the images process, you can determinate
the texture and rugosity of a flexible flooring.
The study is made on briquettes made it by the Marshall method for types samples MDC-
19, MDC-25 and MDC-10 compacted with 75, 50 and 25 hits, with a total of 27 briquettes
with the coefficient of friction and the depth of the texture obtained in the laboratory, we
make a comparison with the calculated areas by the image process taken to each briquettes
and starting from graphic analysis, we get a final result for each briquette.
KEY WORDS: Digital image, texture, superficial regularity.
17
1. INTRODUCCIÓN
Uno de los aspectos importantes a considerar en una carretera, es el estado de la superficie

de rodadura o capa de rodamiento, ya que de esto depende brindar al usuario comodidad
y seguridad. Para que un pavimento sea considerado cómodo y seguro se deben tener en
cuenta algunas propiedades principales como lo son la textura y la regularidad superficial o
rugosidad y así evaluar indicadores que involucran la fricción del neumático con el
pavimento y obtener resultados sobre la resistencia al deslizamiento en una vía.
(Solminihac, 2011, Echaveguren, 2011).
Para medir la resistencia al deslizamiento es necesario hacerlo a partir de dos tipos de

evaluación como lo son la microtextura y la macrotextura. La microtextura depende de los
agregados pétreos utilizados (textura superficial, granulometría, tamaño de la partícula)
estos pueden tener características de tipo áspera o lisa. La macrotextura se genera por los
defectos de la irregularidad superficial del pavimento producto de la puesta en obra en la
extensión y compactación, deformaciones de la estructura del pavimento por el tráfico o por
deformaciones de la capa de rodadura. La influencia de estos fenómenos son diferentes en
la interacción que existe entre el neumático y el pavimento; las texturas se asocian a la
resistencia al deslizamiento mientras que la rugosidad se asocia a la calidad y comodidad
de la rodadura de los vehículos. (Kraemer C, Rocci S., 2004). Al evaluar la resistencia al
deslizamiento, la textura superficial del pavimento debe ser tal que los vehículos puedan
frenar fácilmente cuando lo requieran, es decir, debe existir un buen coeficiente de fricción
entre la llanta del vehículo y la superficie de rodadura. Adicionalmente lo ideal es que la
superficie del pavimento no presente láminas de agua, ya que si llega a ser lo
suficientemente espesa, combinado con circulación vehicular alta, los neumáticos pueden
perder el contacto con la superficie, creando un fenómeno conocido como hidroplaneo.
(Rondon, H.A, 2012).
Existen diferentes ensayos que permiten evaluar estas dos propiedades en los pavimentos,
los cuales varían tanto en tiempo de trabajo, tipo de medida y el costo del equipo; es por
esto que este estudio se centra en dos ensayos específicos para determinar la microtextura
llamado Resistencia al Deslizamiento Mediante el Péndulo TRRL (INV E- 792) y para la
18
macrotextura el Círculo de Arena (I.N.V.E- 791). Estos ensayos fueron realizados en

briquetas fabricadas mediante el ensayo Marshall (INV 748-13) cuyas dimensiones son de
2,5 pulgadas de alto por 4 pulgadas de diámetro para mezclas asfálticas densas en caliente
tipo MDC19, MDC 25 y MDC-10, compactadas a 75, 50 y 25 golpes, con el fin de tener
diferentes porcentajes de vacíos y lograr varias texturas en el pavimento y diferencias en la
fricción entre el neumático y el pavimento. Se escogieron estos tipos de mezclas porque
son las más utilizadas en Colombia, ya que presentan agregados pétreos con granulometría
bien gradada y con tamaños de partículas sólidas diferentes (gravas, arenas, finos),
mezcladas con cemento asfaltico. Al presentar varias granulometrías y al ser compactadas
a diferentes golpes se tienen distintos contenidos de vacíos lo cual permitirá analizar la
fricción neumático- pavimento, entendiendo que una mezcla más porosa genera mayor
fricción en comparación con una mezcla más compacta, por otro lado, a partir de la
granulometría teniendo en cuenta el tamaño de las partículas, se podrá tener mezclas más
porosas siendo la MDC 25 la mezcla que tiene el mayor tamaño de partículas por lo que se
tiene mayor porcentaje de vacíos.
A partir de fotografías tomadas con una cámara Nikon S2900 a cada briqueta y mediante
el procesamiento digital de las imágenes, se calculan las áreas de los componentes en cada
una de ellas (espacios de vacíos, espacios con asfalto, espacios sin asfalto y contenido de
agregados pétreos) y se correlacionan con los valores obtenidos de la resistencia al
deslizamiento mediante el péndulo TRRL y el Circulo de Arena, con el fin de aplicar un
método más simple y económico a partir de una fotografía convencional con una cámara
común y que no se utilizaran equipos sofisticados que requieren de más tiempo y costo
para su ejecución.
Como antecedentes se tienen algunos estudios realizados en diferentes países donde se

estudia principalmente el estado del pavimento (grietas, ahuellamiento, entre otros) y
mediante los niveles digitales y haciendo uso de segmentaciones se evidencian cambios
cuantificables permitiendo hacer análisis sobre el desgaste del pavimento en profundidad
de textura y espacio. Estos estudios se pueden encontrar en el capítulo número dos de este
documento. En Colombia no se han realizado estudios profundos para determinar la textura
superficial y la rugosidad a partir de fotografías, por lo cual es el fin principal de este estudio.
19
En términos generales este estudio se divide en diferentes capítulos; en el primer capítulo

se presenta el problema, la justificación y los objetivos de investigación siendo los
contenidos de cada briqueta las variables a estudiar mediante el procesamiento digital de
imágenes; en el segundo capítulo se identifican y se describen los ensayos y equipos
utilizados para calcular en laboratorio la rugosidad y la textura del pavimento, haciendo
mención del péndulo TRRL y el ensayo de Circulo de Arena, también se describen los
estudios realizados en diferentes países haciendo uso del procesamiento digital de
imágenes y termina en la descripción de los conceptos teóricos más importantes utilizados
para el desarrollo y entendimiento del estudio; el tercer capítulo muestra la metodología
utilizada para obtener las áreas clasificadas en las imágenes y los ensayos de laboratorio
propuestos; en el capítulo cuatro se muestran los resultados y la discusión obtenidos
mediante análisis estadísticos comparados con los resultados de laboratorio y por último se
presentan las conclusiones, recomendaciones y la bibliografía de la investigación las cuales
fueron en su mayoría artículos de revistas y textos especializados respecto al tema,
principalmente tomados de internet.
La metodología para este estudio se divide en tres partes. La primera consistió en la

elaboración de las briquetas mediante método Marshall; la segunda consistió en realizar
ensayos de laboratorio en las briquetas diseñadas y la tercera y más importante para este
estudio es el procesamiento de las imágenes lo cual se realizó tomando fotografías a cada
una de las briquetas a la luz del día sin hacer uso de flash, luego se procesan las imágenes
por el método de Máquinas de Soporte Vectorial en el programa RProject, ya que es un
software de uso libre y de fácil uso donde a partir de códigos y mediante una clasificación
supervisada a partir de muestras de entrenamiento y validación, permite obtener las clases
que conforman la briqueta (vacíos, asfalto, agregados, sin asfalto), luego a partir del
software SagaGis se extraen las áreas que se obtuvieron mediante la clasificación y a partir
de análisis estadísticos se realizan correlaciones entre los datos.
Este estudio muestra las correlaciones de los datos obtenidos en laboratorio con los
obtenidos mediante procesamiento digital de las imágenes, donde se pudo comprobar que
la textura y la regularidad superficial no se pueden determinar mediante una fotografía en
dos dimensiones, es necesario obtener otra variable como la elevación para posiblemente
determinar estas propiedades en el pavimento.
20
1.1 PROBLEMA DE INVESTIGACIÓN

En Colombia y el mundo las mezclas más construidas son las densas en caliente (MDC) de
concreto asfaltico, ya que son más durables y resistentes al envejecimiento y oxidación;
tienen baja porosidad lo que la hace de alta resistencia y rigidez y también impermeabilizan
superficialmente el pavimento. Pero debido a su baja porosidad, la textura superficial no es
la mejor para obtener buena fricción neumático- pavimento, también ayudan a generar
láminas de agua superficiales por la lluvia incrementando posibilidades de fenómenos como
hidroplaneos aumentando el grado de accidentalidad en las vías.
Para evaluar la fricción neumático- pavimento, después de construida la capa asfáltica se

somete a ensayos de laboratorio como son el circulo de arena, coeficiente de deslizamiento
con el péndulo, IRI, entre otros; El problema de estos ensayos es que son costosos, tienen
un alto tiempo de ejecución y se realizan solo en un punto del pavimento.
En Colombia no se han abordado estudios que permita evaluar la resistencia al

deslizamiento de un pavimento haciendo correlación de los datos obtenidos en los ensayos
de laboratorio con los datos obtenidos mediante el procesamiento digital de una imagen,
por lo cual surge la siguiente pregunta de investigación: ¿Por medio del procesamiento de
las imágenes, es factible realizar la medición y análisis de la textura y la rugosidad de los
pavimentos flexibles?
1.2 JUSTIFICACIÓN
En el país parte de la accidentalidad vial es por consecuencia del mal estado de la capa
asfáltica. (Ministerio de transporte, 2014). Por esto la duración de la capa de rodadura
depende del proyecto inicial, la calidad de los procesos constructivos del pavimento, los
materiales utilizados, el desgaste producido por los vehículos, factores climáticos, entre
otros.
Las propiedades funcionales, en tanto no exista un daño estructural, pueden describirse a

través del microperfil de un pavimento a lo largo de un eje. Dependiendo de la longitud de
onda, estas pueden clasificarse como textura (la menor longitud) y rugosidad (la de mayor
longitud). (Solminihac, Echaveguren, 2011). Un pavimento que posea una irregularidad con
una longitud de onda determinada inducirá efectos sobre los usuarios que pueden ser
favorables o desfavorables en términos de seguridad y confort durante el proceso de
conducción. Este hecho es el que determina la necesidad de mantener la irregularidad de
21
menor longitud de onda dentro de valores que aseguren una adecuada resistencia al
deslizamiento durante el ciclo de vida de un pavimento: Diseño, Construcción y
Mantenimiento. Sin embargo, la resistencia al deslizamiento por si sola resulta inadecuada
e insuficiente para lograr este propósito.
Es por esto que los métodos de evaluación de pavimentos recomiendan aparte de medir la
regularidad superficial (rugosidad), medir la resistencia al deslizamiento de la superficie de
rodadura (textura), ya que esta debe ser tal que los vehículos puedan frenar fácilmente, es
decir, que exista un buen coeficiente de fricción entre la llanta del vehículo y la superficie
de rodadura, ya que este es uno de los factores causante de la accidentalidad vial en el
país. (Caro, Peña, 2012)
Existen ensayos que se realizan en campo y laboratorio que permiten determinar la textura
y la rugosidad los cuales emplean equipos que en algunos casos resultan ser costosos y
que requieren de mayor tiempo en su ejecución. Es por esto que se realiza el análisis de
estas propiedades a partir de imágenes tomadas con una cámara convencional y
determinar si es factible su evaluación a partir del procesamiento digital de las imágenes.
1.3 OBJETIVOS
1.3.1 Objetivo General
Analizar la rugosidad y la textura en pavimentos flexibles, empleando procesamiento digital
de imágenes tomadas a partir de una cámara no métrica Nikon S2900. Para tal fin se
correlacionaron las mediciones utilizando equipos típicos que emplea la ingeniería de
pavimentos, con las obtenidas mediante la cámara fotográfica.
1.3.2 Objetivos Específicos

Los objetivos específicos de este estudio son los siguientes:
 Diseñar de forma manual las briquetas que van a ser analizadas mediante método
Marshall.
 Mostrar ensayos realizados en laboratorio de Círculo de Arena y el Péndulo TRRL
directamente en las briquetas diseñadas.
 Tomar fotografías en las briquetas y clasificarlas según sus componentes, por el
método de Maquinas de Soporte Vectorial (SVM).
22
 Validar la información obtenida en la clasificación de las imágenes y a partir de

correlaciones analizar las variables de textura y rugosidad.
 Comparar los datos obtenidos en laboratorio con los datos obtenidos mediante las
imágenes utilizando métodos estadísticos.
23
MARCO TEÓRICO MARIAM RIVAS DIAZGRANADOS
2. MARCO TEÓRICO
2.1 ANTECENDENTES
Realizar la inspección de las condiciones del pavimento desempeña un papel fundamental
en la durabilidad y buen estado de este. Las irregularidades superficiales en un pavimento
propician aceleraciones verticales a los vehículos en movimiento, generando que la
circulación se vuelva incómoda, insegura y antieconómica.
En este capítulo se revisa la literatura con el fin de entender mejor los procedimientos que
se realizan para determinar la regularidad superficial y la textura en laboratorio como así
también se explicaran los estudios que se han venido realizando en los últimos años en las
imágenes digitales para evaluar la textura y la rugosidad por medio de imágenes de alta
resolución.
2.1.1 ENSAYOS PARA EVALUAR LA MICROTEXTURA Y MACROTEXTURA DE UN

PAVIMENTO
2.1.1.1 Medición de Fricción Dinámica (ASTM E-1911)
Este método de ensayo proporciona una medida de la fricción de la superficie como una
función de la velocidad de deslizamiento, ya sea en el campo o en un laboratorio. Puede
ser utilizado para determinar los efectos relativos de diferentes técnicas de pulido en
materiales o combinaciones de materiales. Los valores medidos de acuerdo con este
método no necesariamente están correlacionados directamente con los obtenidos
utilizando otros métodos de determinación de las propiedades de fricción o resistencia al
deslizamiento.
El DF Téster (ver Figura 1) es un instrumento portátil y fácil de usar para medir el coeficiente
de fricción dinámico. Los principios físicos que intervienen en la medición de la fricción son
sencillos, pero su aplicación para fines prácticos puede resolver una amplia gama de
problemas. El DF Téster es un instrumento que puede determinar las propiedades físicas
necesarias por diferentes industrias, ya que puede medir el coeficiente de fricción bajo
diversas condiciones. Por ejemplo en el caso de la resistencia al deslizamiento que está
estrechamente relacionado con el rendimiento de los automóviles, no hubo tal instrumento
24
que podría medir directamente el coeficiente de fricción, aunque hubo algunos instrumentos
de medición que se correlacionan a ella. (ASTM E-1911, 1998).
Figura 1 DF Tester para medir fricción dinámica en pavimentos. Fuente: ASTM E-1911. [En
línea. http: //www.tics.hu/DFTester.htm, 2002]
Este instrumento se puede utilizar para todas las mediciones de coeficiente de fricción,
especialmente para la medición de pavimentos. Hoy, el mundo está mirando el rendimiento
y su uso es ampliamente estudiado (ASTM E-1911, 1998).
El principio fundamental de esta medición consiste en presionar el caucho del neumático

contra la superficie de la carretera con una fuerza W y se aplica una fuerza horizontal F
para mover el caucho con una velocidad V.
Esta fuerza F, que se puede medir por cualquier medio, es debido a la fricción y siendo F y
W conocidos se determina el coeficiente de fricción (μ) a partir de la relación que se muestra
en la ecuación 1.
μ=F/W (Ecuación 1)
Manteniendo W constante y sustituyendo K (una constante de proporcionalidad) por 1/W

en la ecuación (1), se obtiene la relación que se muestra en la ecuación 2.
μ=K*F (Ecuación 2)
Por lo tanto, el coeficiente μ varía en proporción directa a F. En el DF probador, el caucho

del neumático se monta en tres deslizadores de goma en la parte inferior de un disco
rotativo horizontal. El disco se apoya en la superficie del camino soportado por las tres
almohadillas de goma en los controles deslizantes bajo una carga constante W
perpendicular a la superficie, y gira a una velocidad donde la velocidad tangencial en la
25
ubicación de los controles deslizantes es V La fuerza F requerida para superar la fricción

dinámica se mide, y la velocidad lineal V del deslizador se determina a partir de la velocidad
de rotación del disco. (ASTM E-1911, 1998).
2.1.1.2 Macrotextura: Círculo de Arena (I.N.V.E- 791)

Esta norma describe el procedimiento que se debe seguir para la determinación de la
textura superficial de un pavimento mediante el círculo de arena. En general, el ensayo es
aplicable a cualquier tipo de pavimento, tanto asfáltico como de hormigón, y consiste en
extender sobre su superficie un volumen de arena fina, distribuyéndola y enrasándola
posteriormente mediante un dispositivo adecuado. A partir del volumen de arena utilizado
y del área cubierta por la misma sobre el pavimento, se calcula una profundidad media de
los vacíos superficiales rellenos por la arena, valor que se puede utilizar como medida de
la textura superficial del pavimento. (I.N.V, E-791, 2007).
Para realizar este ensayo se eligen las zonas a ensayar (ver figura 2), las cuales se
marcarán convenientemente en la calzada. En cada ensayo se realizará un mínimo de cinco
determinaciones, alineadas en la dirección del eje de la vía y separadas a 1 m entre sí.
Figura 2 Ensayo Círculo de Arena Fuente: Norma I.N.V. E – 791 – 07, 2007
El volumen y la granulometría de la arena por emplear se elegirán en función de la textura

del pavimento, de tal forma que el radio del círculo resultante esté comprendido entre 5 y
18 cm y el tamaño máximo del grano no sea superior a la profundidad media obtenida. Se
limpia la superficie de ensayo en un radio de unos 25 cm con el cepillo blando para pelo.
Se llena de arena en exceso el recipiente cilíndrico elegido y se golpea ligeramente tres
veces la base para asegurar la compactación; seguidamente, se enrasa con la regla el
exceso de arena. Se vierte la totalidad de la arena del recipiente en el punto de ensayo en
26
forma de superficie cónica y a continuación se la extiende con ayuda de la cara plana de

caucho del dispositivo de extensión, mediante movimientos rotatorios, hasta conseguir una
superficie enrasada, aproximadamente circular, en la cual la arena rellene todas las
depresiones. (I.N.V, E-791, 2007).
Se calcula la profundidad media de la arena utilizada dentro de las asperezas superficiales

del pavimento o “profundidad de textura” (H), con aproximación de 0.05 mm, mediante la
ecuación 3.
4𝑥𝑉
𝐻=
𝜋 𝑥 𝐷2
(Ecuación 3)
Donde:
H = profundidad de textura en una medición, mm,
V = volumen de la arena utilizada, mm³, y
D = diámetro promedio del círculo de arena, mm.
A partir de la profundidad de textura calculada se puede evaluar el tipo de superficie como

se puede ver en la figura 3.
Figura 3 Términos utilizados para describir la textura de la supericie de rodadura. Fuente

(INV E-791-13),2007
27
2.1.1.3 Microtextura: Resistencia al Deslizamiento Mediante el Péndulo TRRL (INV E-

792)
Esta norma describe el procedimiento que se debe seguir para medir las propiedades
superficiales de fricción (resistencia al deslizamiento) utilizando el péndulo de Transport and
Road Research Laboratory (British Pendulum Skid Resistance Tester). Este método
consiste en el uso de un equipo de ensayo tipo péndulo (ver figura 4), provisto en su extremo
de una zapata deslizante de caucho para medir las propiedades friccionantes de la
superficie de ensayo. La superficie de ensayo debe estar limpia y completamente mojada
antes de efectuar el ensayo. Antes de realizar la prueba, la zapata del péndulo se debe fijar
de tal manera que apenas se establezca contacto con la superficie que se va a ensayar. El
péndulo se levanta a su posición inicial y se asegura allí, luego se suelta permitiendo el
contacto entre la zapata y la superficie de ensayo. Un Indicador o aguja indicadora, mostrará
el valor C.R.D. A mayor fricción entre la zapata deslizante y la superficie de ensayo más se
retarda el movimiento del indicador y se obtiene una lectura más grande de C.R.D. Se
deben hacer cuatro movimientos pendulares sobre cada superficie a ensayar cuando se
utiliza un caucho natural en la zapata o cinco movimientos cuando se usa un caucho tipo M
261. (I.N.V, E-792, 2007).
Figura 4 Péndulo Británico Fuente: propia
28
2.1.2 ESTUDIOS SIMILARES EN LOS PAVIMENTOS REALIZADOS EN EL MUNDO

UTILIZANDO IMÁGENES
Al realizar una revisión en las bases de datos científicas, se encontraron muy pocas
referencias acerca de la evaluación de la textura y la rugosidad por medio de imágenes; es
por esto que a continuación se describen las investigaciones más relevantes acerca del
tema, lo cual permitirá entender un poco más sobre la evaluación de las irregularidades en
los pavimentos por medio de imágenes.
En cuanto a los estudios realizados para detectar textura mediante imágenes, se menciona
la Universidad del sur de Florida donde desarrollo una investigación mediante la cual se
estudió una relación teórica entre los anchos de las fisuras con la profundidad, teniendo en
cuenta la intensidad del pixel máximo con el contraste de las grietas en las imágenes; para
esto se tomaron fotografías progresivas en una misma acera capturadas en diferentes
momentos para el control estricto de las grietas y el desgaste, donde se reveló que el
pavimento modelo formado mediante las imágenes presento cambios cuantificables en el
brillo de las imágenes debido a los cambios del pavimento relacionadas con el desgaste en
profundidad de textura y el espacio (longitud de onda) (Amarasiri, 2011).
En Francia se desarrollan técnicas de detección no invasivos para el control de

infraestructuras civiles, donde se aborda el problema de la detección de grietas en la
superficie de las carreteras nacionales, por el análisis automático de imágenes ópticas. El
enfoque se basa en una extracción de escala múltiple y una segmentación de Markov. El
método propuesto se valida, analiza, y se compara con un enfoque de detección basado en
herramientas morfológicas (Moliard, 2011; Chambon, 2011).
También se pueden evidenciar pruebas realizadas en Oklahoma, EE.UU. y Christchurch,

Nueva Zelanda durante el período entre agosto 2004 hasta junio 2005, donde se realizó la
exploración de la tecnología de la imagen digital para medir textura superficial. En estos
estudios se detalla la metodología de investigación para desarrollar una tecnología para
sustituir el ensayo del círculo de arena, como un medio para medir la textura de la superficie
más precisa y segura. El proyecto utiliza imágenes digitales y teoría de la información para
desarrollar una relación cuantitativa entre la textura medida por el ensayo del círculo de
arena y la transformada rápida de Fourier, de una imagen digital de la superficie, tomada
en un mismo lugar de prueba. (Hogan, 2006)
29
La pérdida de microtextura reduce los puntos de contacto entre el neumático y el pavimento

con lo cual se reduce también la Resistencia al deslizamiento. Este comportamiento puede
verse retardado o acelerado dependiendo de las características mineralógicas de los
agregados, puesto que son éstas las que determinan su dureza y por tanto su resistencia
a la abrasión; según la literatura leída la microtextura tiene un efecto significativo en la
rugosidad de las superficies, estando está en un intervalo entre 0.1- 0.5 mm y la
Macrotextura del pavimento tiene una influencia sustancial en la fricción entre los
neumáticos y la carretera, especialmente a altas velocidades y en el pavimento mojado.
(Hogan, 2006)
La medición de estas propiedades en los pavimentos ha sido de gran interés en los últimos
años por algunos países entre los cuales se destaca Estados Unidos, el cual ha venido
trabajando la medición de la textura en los pavimentos por medio de imágenes; siendo esta
característica del pavimento una de las más importantes para determinar el buen estado
del pavimento para que brinde mayores efectos de comodidad y seguridad a los usuarios.
Al estudiar estas investigaciones se puede ver que la rugosidad va de la mano con la textura
por lo cual se entiende que por medio de la determinación de las longitudes de onda de la
textura se podrá determinar la rugosidad en el pavimento también. En Colombia no se han
realizado estudios exhaustivos acerca de la medición de la textura y la rugosidad por medio
de imágenes, por lo cual se tiene claro que para poder obtener resultados satisfactorios en
este estudio, las imágenes a utilizar debe tener una buena resolución y por medio de
cálculos estadísticos calcular parámetros que permitan llegar al objetivo principal.
2.2 CONCEPTOS TEÓRICOS

Un pavimento está constituido por un conjunto de capas superpuestas, relativamente
horizontales que se diseñan y construyen técnicamente con materiales apropiados y
adecuadamente compactadas. Estas estructuras estratificadas se apoyan sobre la
subrasante de una vía obtenida por el movimiento de tierras en el proceso de exploración
y que han de resistir adecuadamente los esfuerzos de las cargas repetidas que el transito
le transmite durante el periodo para el cual fue diseñado la estructura de pavimento.
(Montejo Fonseca, 2002).
Los pavimentos se pueden clasificar en pavimentos flexibles, pavimentos rígidos y

pavimentos articulados.
30
 Pavimentos Flexibles: Estas estructuras están constituidas por una cobertura en

material asfaltico relativamente delgada (inferior a 10cm). Frecuentemente cuando
se trata de vías de bajo tráfico esta cobertura se reduce a un tratamiento superficial
doble colocado directamente sobre las capas de materiales no tratados. El espesor
global del pavimento está comprendido generalmente entre 30 y 100 cm. (IDU,
1994).
 Pavimentos Rígidos: Son aquellos que fundamentalmente están constituidos por
una losa de concreto hidráulico, apoyada sobre la subrasante o sobre una capa, de
material seleccionado, la cual se denomina subbase del pavimento rígido (Montejo
Fonseca, 2002).
 Pavimentos Articulados: Los pavimentos articulados están compuestos por una
capa de rodadura que está elaborada con bloques de concreto prefabricados,
llamados adoquines, de espesor uniforme e iguales entre sí. Esta puede ir sobre
una capa de base granular o directamente sobre la subrasante, dependiendo de la
calidad de esta y de la magnitud y frecuencia de las cargas que circulan por dicho
pavimento (Montejo Fonseca, 2002).
Es importante distinguir dos aspectos importantes en la calidad del pavimento; la calidad
estructural y la calidad funcional. La calidad estructural se refiere a la capacidad del
pavimento, considerado como una “estructura”, de soportar las solicitaciones durante la vida
de proyecto sin necesidad de llevar a cabo medidas de rehabilitación estructural y de ella
se habla en otra ponencia de estas jornadas sobre la calidad (Crespo del Rio, 1999).
La calidad funcional afecta a las características superficiales del pavimento, que es la parte
que está en contacto con los vehículos y que se conoce también con el nombre de capa de
rodadura y sobre cuya calidad se va a hablar en esta ponencia (Crespo del Rio, 1999).
Desde un punto de vista general la capa de rodadura debe ser cómoda, segura, duradera,
poco ruidosa, producir un desgaste mínimo en los vehículos y debe facilitar la evacuación
del agua en la zona de contacto con el neumático. En la siguiente sección se describirá dos
características fundamentales en el pavimento como lo son la textura y la rugosidad.
2.2.1 Textura
La textura del pavimento es un parámetro crítico en la comodidad y la seguridad de los
usuarios, necesario para la conservación de las carreteras. La textura influye directamente
en la capacidad del pavimento para evacuar el agua de la interface neumático-pavimento
31
y, de forma indirecta en el valor del coeficiente de rozamiento del pavimento, que tiene gran
importancia para la adecuada adherencia entre neumático y pavimento. Además, la textura
es la característica determinante en el nivel de ruido del tráfico, tanto del que perciben los
ocupantes de los vehículos como el ruido de entorno que condiciona la calidad de vida de
las zonas colindantes. En el aspecto económico, la textura del pavimento influye en el
consumo de gasolina, en el deterioro de los vehículos y sobre todo en el desgaste de los
neumáticos (Crespo del Rio, 1999).
Al evaluar la textura superficial hay que saber diferenciar entre la “microtextura”, la

“macrotextura”, la “megatextura” y la regularidad superficial.
2.2.1.1 Macrotextura: La macrotextura de un pavimento es la desviación que presenta su

superficie en relación con una superficie plana de dimensiones características en sentido
longitudinal comprendidas entre 0,5 y 50 mm (correspondiente a la longitud de onda de
textura obtenida con bandas de un tercio de octava entre 0,5 y 50 mm). La amplitud entre
picos de la macrotextura varía normalmente entre 0,01 y 20 mm. Este tipo de textura es la
que presenta longitudes de onda del mismo orden que los dibujos del neumático (Crespo
del Rio, 1999).
 Presenta longitudes de onda del mismo orden que los elementos de labrado del
neumático en la zona de contacto con el pavimento.
 Es necesaria para una adecuada resistencia al deslizamiento a altas velocidades en
condición de superficie húmeda (MINTRANSPORTE, INVIAS, 2008).
2.2.1.2 Microtextura: La microtextura de un pavimento es la desviación que presenta su
superficie con respecto a una superficie plana de dimensiones características en sentido
longitudinal inferiores a 0,5 mm (correspondiente a la longitud de onda de textura obtenida
con bandas de un tercio de octava con ondas de no más de 0,4 mm). La amplitud entre
picos suele variar entre 0,001 y 0,5 mm. Este tipo de textura es la que hace al pavimento
más o menos áspero, pero normalmente es tan pequeña que no puede observarse a simple
vista (Crespo del Rio, 1999).
 Es la que genera la mayor adherencia neumático-pavimento y es la responsable de

la resistencia al deslizamiento.
 Genera el mayor desgaste de los neumáticos y ruido de rodadura en las altas
frecuencias del espectro acústico.
32
 Este tipo de irregularidad es siempre necesario y es tan pequeña que no se puede

apreciar a simple vista. (MINTRANSPORTE, INVIAS, 2008).
2.2.1.3 Megatextura: La megatextura de un pavimento es la desviación que presenta su
superficie con respecto a una superficie plana de dimensiones características en sentido
longitudinal entre 50 y 500 mm (correspondiente a la longitud de onda de textura obtenida
con bandas de un tercio de octava con ondas entre 63 y 500 mm). La amplitud entre picos
suele variar entre 0,1 y 50 mm. Este tipo de textura es la que presenta longitudes de onda
del mismo orden que el neumático en el contacto con el pavimento (a menudo originadas
por baches u ondulaciones (Crespo del Rio, 1999).
Algunos factores que afectan la resistencia al deslizamiento de capas asfálticas en servicio

son la velocidad de circulación, características, configuración, tipo de llanta del vehículo,
las condiciones ambientales (viento y agua principalmente), la geometría de la vía (curvas,
peraltes, entre otros), la micro y macro textura de la superficie del pavimento, el tipo de
mezcla asfáltica y agregados pétreos utilizados para conformar la superficie de rodadura,
el grado de compactación y tipo de equipos utilizados para tal fin, y las obras de drenaje
(Rondón, H.A, 2012).
De acuerdo con Higuera (2008), la rugosidad del pavimento se puede medir por medio de
los siguientes equipos: SCRIM, Quarter – Car (INV. E-94-07), Microperfilógrafo, Medidor de
fricción dinámica (ASTM E-1911), Sistema de rayo láser, Método estereofotográfico, El
ensayo del círculo de arena (INV. E-791-07), Equipos de medida de drenaje superficial
(ASTM E-2380), Péndulo de la TRRL (INV. E-792-07), Rugosímetro MERLIN. (Rondón,
H.A, 2012).
Sobre mezclas de concreto asfáltico y mezclas densas en frio construidas en Colombia se

exige por parte de INVIAS (2007) que se haga cumplir lo siguiente: Textura superficial
mediante el Círculo de Arena (INV. E-791) ≥1.0 mm, Coeficiente de resistencia al
deslizamiento con el péndulo TRRL (INV. E-792). (Rondón, H.A, 2012).
2.2.2 Rugosidad
La regularidad superficial, conocida también como rugosidad, es la desviación que presenta
la superficie con respecto a una superficie plana con dimensiones características en sentido
longitudinal correspondientes a una longitud de onda comprendida entre 0.5 y 50 metros.
Los defectos de regularidad influyen en la masa suspendida de los vehículos, afectando la
33
comodidad de los pasajeros. Longitudes de onda mayores a las que identifican la

regularidad superficial, corresponden a las características geométricas del perfil de la
carretera (Rondón, H.A, 2012).
Según el Instituto Nacional de Vías (INVIAS) de Colombia, la rugosidad se define como

alteraciones del perfil longitudinal de una vía, que provocan vibraciones en los vehículos
que lo recorren. Es la desviación de la superficie respecto a una superficie plana, con
dimensiones características que afectan la dinámica del vehículo y la calidad al andar
Una buena regularidad de la superficie de los pavimentos brinda condiciones de comodidad

y seguridad para los usuarios de las vías. Una mala regularidad, además de afectar los
aspectos anteriores, refleja daños y deterioros de carácter funcional y estructural de los
pavimentos que influyen negativamente en su estado de condición y vida útil. (Caro, Peña,
2012)
Por estas razones, conocer la regularidad superficial del pavimento en cualquier momento
desde el inicio de su periodo de servicio o de la vida útil, permitirá definir las acciones de
conservación o rehabilitación necesarias en el momento pertinente. Debido a esto, muchos
países han utilizado el Índice de Regularidad Internacional (IRI), como parámetro para
evaluar la regularidad y reflejar el confort y seguridad de los usuarios (Badilla Vargas, 2009).
2.2.3 Concreto Asfáltico

En Colombia estas mezclas son conocidas como MDC (Mezclas Densas en Caliente), MSC
(Mezclas semidensas en caliente), MGC (Mezclas gruesas en caliente) y MAM (Mezclas de
alto modulo) (INVIAS, 2013), como se puede ver en la tabla 1.
Tabla 1 Tipo de mezclas asfálticas en caliente de gradación contínua
TIPO DENOMINACION
POR TIPO DE GRANULOMETRIA
Mezclas densas MDC
Mezclas semidensas MSC
Mezclas gruesas MGC
MEZCLAS ESPECIALES
Mezclas de Alto modulo MAM
Fuente: INV art 450-13
Son mezclas que presentan agregados pétreos con granulometría bien gradada y con
tamaños de partículas sólidas diferentes (gravas, arenas, finos, llenante mineral),
mezcladas con cemento asfaltico. (Rondón, H.A, 2012). Estas mezclas deben fabricarse,
34
extenderse y compactarse a alta temperatura. Se caracterizan por presentar un bajo

contenido de vacíos con aire en volumen (entre 3% a 9%). Son mezclas de alta calidad, las
cuales pueden ser utilizadas para conformar cualquier subcapa dentro de la capa asfáltica
(rodadura, base intermedia y/o base asfáltica. (Rondón, H.A, 2012).
2.2.4 Diseño de mezclas asfálticas por método Marshall

El concepto del método Marshall fue desarrollado por Bruce Marshall, exingeniero de
Bitúmenes del Departamento de Carreteras del Estado de Mississippi. El Ensaño Marshall,
surgió de una investigación iniciada por el Cuerpo de Ingenieros del Ejército de los Estados
Unidos en 1943. Varios métodos para el diseño y control de mezclas asfálticas fueron
comparados y evaluados para desarrollar un método simple. (Cáceres, 2007)
El propósito del método Marshall es determinar el contenido óptimo de asfalto para una
combinación específica de agregados. El método también provee información sobre
propiedades de la mezcla asfáltica en caliente, y establece densidades y contenidos
óptimos de vacío que deben ser cumplidos durante la construcción del pavimento.
(Cáceres, 2007)
El método Marshall usa muestras normalizadas de pruebas (probetas) de 64mm (2.5in) de

espesor por 103mm (4in) de diámetro. Una serie de probetas, cada una con la misma
combinación de agregados pero con diferentes tipos de asfaltos, es preparada usando un
procedimiento específico para calentar, mezclar y compactar mezclas asfálticas de
agregado. Los dos datos más importantes del diseño de mezclas del Método Marshall son:
un análisis de la relación de vacíos-densidad, y una prueba de estabilidad-flujo de las
muestras compactadas. (Cáceres, 2007).
Los agregados pétreos en los pavimentos se refieren a un conglomerado de partículas

inertes de gravas, arenas y finos. En las mezclas asfálticas las partículas que tienen un
diámetro entre 2mm y 6.4 mm son reconocidas como gravas, las que tienen un diámetro
entre 0.075 y 2mm son arenas (gruesas y finas) y las que tienen diámetro menor a 0.075
mm son arcilla.
 Densidad: La densidad de la mezcla compactada está definida como su peso

unitario (el peso de un volumen específico de mezcla).La densidad es una
característica muy importante debido a que es esencial tener una alta densidad en
el pavimento terminado, para obtener un rendimiento duradero. En las pruebas y el
35
análisis de diseño de mezclas, la densidad de la muestra compactada se expresa,

generalmente, en kilogramos por metro cúbico (kg/m3) o libras por pie cúbico
(Lb/ft3). La densidad se calcula al multiplicar la gravedad específica total de la
mezcla por la densidad del agua (1000Kg/m3 ó 62.416Lb/ft3).La densidad obtenida
en el laboratorio se convierte en la densidad patrón, y es usada como referencia
para determinar si la densidad del pavimento terminado es, o no adecuado. Las
especificaciones usualmente requieren que la densidad del pavimento sea un
porcentaje de la densidad del laboratorio. Esto se debe a que muy rara vez la
compactación in-situ logra las densidades que se obtienen usando los métodos
normalizados de compactación del laboratorio. (Maila, 2013)
 Vacíos de aire: Los vacíos de aire son espacios pequeños de aire, o bolsas de aire,
que están presentes entre los agregados revestidos en la mezcla final compactada.
Es necesario que todas las mezclas densamente graduadas contengan cierto
porcentaje de vacíos para permitir alguna compactación adicional bajo el tráfico, y
proporcionar espacios a donde pueda fluir 29 el asfalto durante esta compactación
adicional. El porcentaje permitido de vacíos (en muestra de laboratorio) para capas
de base y capas superficiales está entre 3 y 5 por ciento, dependiendo del diseño
específico. La durabilidad de un pavimento asfáltico es función del contenido de
vacíos. La razón de esto es que entre menor sea la cantidad de vacíos, menos va a
ser la permeabilidad de la mezcla. Un contenido demasiado alto de vacíos
proporciona pasajes a través de la mezcla, por los cuales puede entrar el agua y el
aire, y causar deterioro. Por otro lado, un contenido demasiado bajo de vacíos puede
producir exudación de asfalto; una condición en donde el exceso de asfalto es
exprimido fuera de la mezcla hacia la superficie. La densidad y el contenido de
vacíos están directamente relacionados. Entre más alta la densidad, menor es el
porcentaje de vacíos en la mezcla, y viceversa. Las especificaciones de la obra
requieren, usualmente, una densidad que permita acomodar el menor posible (en la
realidad) de vacíos; preferiblemente menos del 8 por ciento. (Maila, 2013)
 Contenido de asfalto: La proporción de asfalto en la mezcla es importante y debe
ser determinada exactamente en el laboratorio, y luego controlar con precisión en la
obra. El contenido de asfalto de una mezcla particular se establece usando los
criterios dictados por el método de diseño seleccionado. El contenido óptimo de
asfalto de una mezcla depende, en gran parte, de las características del agregado,
36
tales como la granulometría y la capacidad de absorción. La granulometría del

agregado está directamente relacionada con el contenido óptimo de asfalto. Entre
más finos contenga la graduación de la mezcla, mayor será el área superficial total,
y mayor será la cantidad de asfalto requerida para cubrir uniformemente todas las
partículas .Por otro lado, las mezclas más gruesas (agregados más grandes) exigen
menos asfalto debido a que poseen menos área superficial total. (Maila, 2013).
Las probetas de ensayo de las posibles mezclas de pavimentación son preparadas

haciendo que cada una contenga una ligera cantidad diferente de asfalto. El margen de
contenido de asfalto usado en las briquetas de ensayo está determinado con base en
experiencia previa con los agregados de la mezcla. Este margen le da al laboratorio un
punto de partida para determinar el contenido exacto de asfalto en la mezcla final. La
proporción de agregado en las mezclas está formulada por los resultados del análisis
granulométrico. (Cáceres, 2007)
2.2.4.1 Fabricación de las briquetas

Las mezclas se preparan de la siguiente manera:
1) El asfalto y el agregado se calientan y mezclan completamente hasta que todas las

partículas de agregado estén revestidas. Esto simula los procesos de calentamiento y
mezclado que ocurren en la planta. (Cáceres, 2007)
2) Las mezclas asfálticas calientes se colocan en moldes pre-calentados Marshall como

preparación para la compactación, en donde se usa el martillo Marshall de compactación,
el cual también es calentado para que no enfríe la superficie de mezcla al golpearla.
(Cáceres, 2007)
3) Las briquetas son compactadas mediante golpes del martillo Marshall de compactación.
El número de golpes del martillo (25, 50, ó 75) depende de la cantidad de tránsito para la
cual la mezcla está siendo diseñada. Ambas caras de cada briqueta reciben el mismo
número de golpes. Así, una probeta Marshall de 25 golpes recibe, realmente, un total de 50
golpes. Una probeta de 50 golpes recibe 100 impactos. Después de completar la
compactación las probetas son enfriadas y extraídas de los moldes. (Cáceres, 2007)
37
2.2.5 Procesamiento Digital de Imágenes

Al conjunto de técnicas y procesos para descubrir o resaltar información contenida en una
imagen usando como elemento principal un computador se le conoce como procesamiento
digitak de imágenes (PDI). (Gonzalez, 1987)
El interés en el estudio del PDI se basa en dos áreas de aplicación primordiales: El

mejoramiento de la calidad de la información contenida en una imagen con el fin de que
esta información pueda ser interpretada por los humanos y El procesamiento de los datos
contenidos en un escenario a través de una máquina de percepción autónoma. (Gonzalez,
1987).
Cuando se trabaja con el procesamiento digital de imágenes el interés es el de pasar de

una información de tipo local, que está contenida en el nivel de intensidad de un punto de
la imagen, a una información global que puede brindar la imagen según la aplicación que
se esté trabajando. Por lo general dicha información global está relacionada con los objetos
contenidos en la imagen (Cortes, 2011).
Para el caso de una imagen digital los puntos en cuestión son los pixeles que conforman la
imagen. Sin importar el tipo de proceso que se esté haciendo, se presupone por lo general
que la imagen es lo suficientemente grande para considerar que la información que brinda
un pixel es de carácter infinitesimal. (Cortes, 2011).
Se puede decir que el desarrollo tecnológico de los computadores ha generado en los

últimos tiempos la aparición de nuevas disciplinas científicas como lo es por ejemplo el
“Procesamiento digital de imágenes. (Cortes, 2011).
Inicialmente surgió lo que hoy se conoce como teoría de “bajo nivel”. Esta consiste en
estudiar una imagen conociendo como es el nivel de intensidad de un punto de la misma
con respecto a sus vecinos sin tener conocimiento de otra información de “alto nivel”, es
decir, sin tener conocimiento de los objetos presentes en la imagen. (Cortes, 2011).
Así, en el procesamiento de imágenes de bajo nivel hay muy poco uso del conocimiento
que se pueda tener sobre el contenido de las imágenes. Normalmente para el
procesamiento de bajo nivel se conocen cuatro pasos:
 Adquisición de la imagen.
 Pre-procesamiento.
38
 Segmentación de la imagen.
 Descripción y clasificación de objetos.
En sí, el procesamiento digital de imágenes consiste en un conjunto de operaciones que se
llevan a cabo sistemáticamente sobre la imagen con el propósito de obtener mediciones
cuantitativas de la misma. Esta información cuantitativa permite describir la imagen y
extraer características que se utilizan para perfeccionar y/o detallar la imagen. (Cortes,
2011).
2.2.6 Clasificación de las Imágenes

El objetivo de una clasificación consiste en agrupar los píxeles que posean una misma
característica. Generalmente la característica tomada es el valor digital de los mismos, que
corresponderá a un tipo de cobertura del terreno. Básicamente, la clasificación digital de
imágenes consiste en un método estadístico por el cual, a través de un muestreo de píxeles,
se agrupa en categorías o clases al resto de los píxeles de una imagen. Los métodos de
clasificación pueden agruparse en Clasificación Supervisada y Clasificación No
Supervisada. (Chuvieco, 2002)
2.2.6.1 Supervisada: La clasificación supervisada consiste en conocer a priori las

categorías en las cuales se quiere separar la imagen, y para ello se debe validar el muestreo
de píxeles con un trabajo de campo. Para realizar la clasificación supervisada se pueden
seguir los siguientes pasos: Trabajo de Campo, Identificación y selección de sitios de
entrenamiento, Selección del método de asignación de píxeles, Evaluación de la
clasificación, Preparación del mapa temático. (Chuvieco, 2002)
2.2.6.2 No supervisada: La clasificación no supervisada no se conoce las clases a separar,

por lo tanto se debe determinar en cuantas clases se quiere separar la imagen y el
ordenador definirá las clases. La labor posterior es identificar, con trabajo a campo, a que
cobertura pertenece cada clase. (Chuvieco, 2002).
2.2.7 Algoritmo Maquinas de Soporte Vectorial SVM

La teoría de las Máquinas de Soporte Vectorial (SVM por su nombre en inglés Support
Vector Machines), está basada en la idea de minimización de riego estructural (SRM)
(Vapnik, 1995). Las SVM primero mapea los puntos de entrada a un espacio de
características de una dimensión mayor (si los puntos de entrada están en R2 entonces son
39
mapeados por la SVM a R3) y encuentra un hyperplano que los separe y maximice el
margen m entre las clases en este espacio como se muestra en la Figura 5.
Figura 5 Frontera de decisión en las SVM Fuente: Vapnik, 1995.
Las SVM están basadas en la teoría del aprendizaje estadístico la cual fue desarrollada por
V. Vapnik y A. Chervonenkis, hacia 1992 al proponer un modelo matemático para la solución
de problemas de clasificación y regresión (Vapnik, 1998). Al aplicar el algoritmo de SVM se
tiene tres ventajas: posee una sólida fundamentación matemática; se basa en el concepto
de minimizar la probabilidad de una clasificación errónea sobre nuevos ejemplos,
particularmente si se disponen pocos datos de entrenamiento y se disponen de potentes
herramientas y algoritmos para hallar la solución de una manera rápida y eficiente. (Burges,
1999)
Este algoritmo se puede aplicar cuando se tienen puntos que pueden ser linealmente
separables, donde se encuentra un hyperplano óptimo, para el cual, el margen entre los
puntos de entrenamiento de dos diferentes clases es maximizado. Cuando se tienen puntos
que no son linealmente separables se redefine el hyperplano óptimo y se aplica una función
kernel para solucionar el problema eficientemente. (Burges, 1999).
2.2.8 Cámaras No Métricas

Las cámaras no métricas están diseñadas y fabricadas para el mercado de fotógrafos
aficionados y no para uso fotogramétrico. En una cámara no métrica los parámetros de
orientación interna son desconocidos, por lo tanto no se tiene conocimiento de la distancia
focal, la distorsión del objetivo entre otros, por este motivo son cámaras de uso
convencional. Existen softwares diseñados que permiten la calibración de este tipo de
cámaras para poder realizar la corrección interna y corregir los factores que intervienen en
la cámara. (Romero, 2000).
40
2.2.8.1 Cámara Nikon Coolpix S2900

Esta cámara cuenta con un sensor de 20,1 Megapixeles de la familia CCD, el cual es capaz
de obtener una sensibilidad máxima de hasta 3200 ISO. Además viene dotada de un zoom
óptico de 5x con una longitud focal equivalente en los 35mm al rango de 26-130 mm.
La Nikon Coolpix S2900 está diseñada para ser utilizada sin demasiado esfuerzo, y sin
tener que configurarla en exceso. Es una cámara cuyo uso es simple, rápido y sin
complicaciones para el usuario. Cuenta con un modo automático de escenas, con el cual la
Nikon ajustara de forma automática los ajustes necesarios para cada situación. Cuenta
además con 8 filtros, o efectos para decorar y dar un toque original a nuestras fotografías.
Cualquier imperfección puede retocarse desde la propia cámara utilizando el suavizado de
piel digital con el que cuenta. Su valor aproximado es de $400000 pesos colombianos.
(Http://prialert.com, 2015). Las especificaciones generales de la cámara Nikon Coolpix
S2900 se presentan en la tabla 2.
Tabla 2 Especificaciones Técnicas cámara Nikon S2900.
ESPECIFICIACIONES TECNICAS CAMARA NIKON COOLPIX S2900
Pixeles 20.1 megapixeles

Tamaño del sensor 1 / 2.3 pulg
Tamaño de pantalla 2.7 pulg. diagonal
TFT LCD
Tipo de Pantalla con Tratamiento antirreflejos
Ajuste de brillo de 5 niveles

Tarjeta de memoria SD
Medios de almacenamiento Tarjeta de memoria SDHC

Tarjeta de memoria SDXC
HD: 1280x720/ 30p
Película QVGA 320x240/ 30p

VGA 640x480/ 30p
Sensibilidad ISO ISO 80 - 1600
Velocidad máxima de disparo Hasta 6 disparos a aprox. 1.1 cuadros por segun
continuo a máxima resolución do
Batería/Baterías Batería Recargable de Ion de Lítio EN-EL19

Peso Aprox. 119 g con batería y tarjeta de memoria SD
Fuente: [En línea Http://prialert.com]
41
METODOLOGIA MARIAM RIVAS DIAZGRANADOS
3. METODOLOGÍA
Este capítulo describe los procesos que se realizaron para evaluar la rugosidad y la textura
en pavimentos flexibles, empleando procesamiento digital de imágenes en fotografías
tomadas con una cámara NIKON COOLPIX S2900. Para dar más cubrimiento a la
investigación se realizaron ensayos en laboratorio para hacer una comparación de los datos
medidos con los obtenidos mediante el procesamiento digital de las imágenes.
Según el objetivo de estudio esta investigación es hipotético-deductivo, ya que se utilizaron

conocimientos obtenidos en investigaciones realizando prácticas y poder traer algún tipo de
beneficio a la sociedad. Según el nivel de medición es una investigación de tipo cuantitativo,
ya que se utilizan técnicas estadísticas, matemáticas e informáticas, y por medio de estas
técnicas, dar solución a la hipótesis propuesta en la investigación.
Como estrategia para este estudio se toma en consideración unas fases propuestas que
permiten organizar por medio de pautas el desarrollo del estudio, estas fases se describen
a continuación.
En la primera fase se define el número de briquetas que se realizaron y el diseño de la

mezcla que se utilizó. Luego se realizaron ensayos de laboratorio para determinar la
microtextura por medio del Péndulo de Fricción TRRL y la macrotextura por medio del
ensayo de Círculo de Arena; estos ensayos fueron realizados en PINZ - LAB SAS
LABORATORIO DE SUELOS, PAVIMENTOS Y MATERIALES.
Se hace la toma de la imágenes a las briquetas diseñadas con una cámara convencional
marca NIKKON, para luego proceder a clasificarlas y procesarlas utilizando el método de
Maquinas de Soporte Vectorial (SVM). A partir de las clases obtenidas se realizó la
validación de la información clasificada a partir del procesamiento de las imágenes por
medio de las matrices de confusión, los índices Kappa y los porcentajes correctamente
clasificados.
Luego se realizó la comparación de los resultados y se verifica la correlación de los datos

obtenidos en laboratorio con los datos obtenidos en la clasificación de las imágenes.
En la figura 6 se muestran las fases que se siguieron para el desarrollo del proyecto.
42
Figura 6 Modelo metodológico propuesto. Fuente Propia
43
Se realizaron 27 briquetas Marshall para mezclas densas en caliente tipo MDC-19, MDC-
25 y MDC-10 compactadas a 25, 50 y 75 golpes para tener diferentes granulometrías y
diferentes contenidos de vacíos. Se seleccionaron estas mezclas, ya que son las mezclas
más utilizadas en Colombia por ser mezclas de alta calidad, la cuales pueden conformar
cualquier capa de rodadura, al igual que presentan un bajo contenido de vacíos con aire, lo
cual las hace tener una porosidad baja. Los agregados pétreos que se utilizan deben
satisfacer los parámetros de granulometría y calidad del agregado grueso como se puede
ver en la tabla 3.
Tabla 3 Granulometría de mezclas de concreto asfaltico
TAMIZ
37.5 25 19 12.5 9.5 4.75 2 0.425 0.18 0.075
TIPO DE MEZCLA
1 " 1" " ⅜" N° 4 N° 10 N° 40 N° 80 N° 200
% PASA
MDC-25 100 80-95 67-85 60-77 43-59 29-45 14-25 8 -17 4 -8
DENSA MDC-19 100 80-95 70- 88 49-65 29-45 14- 25 8- 17 4 -8
MDC- 10 100 65- 87 43-61 16-29 9-19 5-10
MSC-25 100 80-95 65-80 55-70 40-55 24-38 9-20 6-12 3-7
SEMIDENSA
MSC-19 100 80-95 65-80 40-55 24-38 9-20 6-12 3-7
MGC-38 100 75-95 65-85 47-67 40-60 28-46 17-32 7-17 4-11 2-6
GRUESA
MGC-25 100 75-95 55-75 40-60 28-46 17-32 7-17 4-11 2-6
ALTO
MAM-25
MODULO 100 80-95 65-80 55-70 40-55 24-38 10-20 8-14 6-9
TOLERANCIAS EN
PRODUCCION SOBRE LA
FORMULA DE TRABAJO
( ±) 4% 3% 2%
Fuente: INV art 450-13
Tanto los agregados pétreos como el cemento asfaltico utilizado para la fabricación de las
briquetas, provienen de Concretos Asfálticos de Colombia CONCRESCOL; estos
materiales han sido ampliamente caracterizados y utilizados por el grupo de Investigación
TOPOVIAL adscrito a la Universidad Distrital Francisco José de Caldas Facultad de Medio
Ambiente y Recursos Naturales. En la tabla 4 se puede ver la caracterización del agregado
pétreo utilizado en la investigación.
44
Tabla 4 Caracterización del agregado pétreo.
Ensayo Método Requisito Resultado
Gravedad específica agregados gruesos AASHTO T 84-00 - 2.5

Adsorción agregado grueso AASHTO T 85-91 - 2.23%
Gravedad específica agregados fino AASHTO T 84-00 - 2.61
Adsorción agregado fino AASHTO T 85-91 - 1.99%
Equivalente de arena AASHTO T 176 – 02 50% mínimo 76%
Caras fracturadas a una cara ASTM D 5821-01 75% mínimo 87%
Límites líquido y plástico ASTM D 4318-00 0% 0%
Índice de alargamiento NLT 354-91 10% máximo 8.10%
Ataque en sulfato de magnesio ASTM C 88-99a 18% máximo 9.30%
Microdeval AASHTO T327-05 25% máximo 22.60%
90 kN
10% de finos (resistencia en seco) DNER-ME 096-98 133 kN
mínimo
10% de finos (relación húmedo/seco) 75% mínimo 92%
Resistencia en Máquina de los Ángeles AASHTO T 96 – 02 35% máximo 24.20%
Fuente: Rondón, H.A, 2012.
El cemento asfaltico que se utilizó para mezclar con los agregados pétreos fue un asfalto
60-70, ya que su uso es más común en el país por el volumen de transito alto que soporta
y por el clima tropical con el que cuenta teniendo temperaturas mayores a 24°C. Este
cemento debe cumplir unos requisitos mínimos de calidad los cuales son controlados en
Bogotá a través de las especificaciones del IDU Instituto de Desarrollo Urbano (2011,
articulo 200), (Rondón, H.A, 2012) y en Colombia por el INVIAS. (INVIAS, 2013, articulo
400). En la tabla 5 se muestra las características generales del cemento asfaltico 60-70
utilizado para realizar las mezclas.
Tabla 5 Características generales del Cemento Asfaltico 60- 70.
Requisito
Ensayo Método Unidad Valor
Mínim o Máxim o
Ensayos sobre el CA original
Penetración (25°C, 100 g, 5 s) ASTM D-5 0.1 mm 60 70 61.1
Punto de ablandamiento ASTM D-36-95 °C 48 54 50.5
Viscosidad absoluta (60°C) ASTM D-4402 Poises 1500 - 1652
AASHTO T 228-
Gravedad específica - - - 1.012
04
Viscosidad a 135° C AASHTO T-316 Pa-s - - 0.45
Ductilidad (25°C, 5cm/min) ASTM D-113 cm 100 - >100

Ensayos sobre el residuo del CA luego del RTFOT
Pérdida de masa ASTM D-2872 % - 0.8 0.72
Penetración (25°C, 100 g, 5 s), % de la
ASTM D-5 % 50 - 66
penetración original
Incremento en el punto de ablandamiento ASTM D-36-95 °C - 9 7
Fuente: Rondón, H.A, 2012
45
3.1 DISEÑO DE LAS BRIQUETAS POR MÉTODO MARSHALL

Las mezclas asfálticas son la combinación de agregados pétreos y un ligante asfaltico. Los
agregados pétreos de estas mezclas deben contar con una granulometría y parámetros
mínimos de calidad diferentes; asimismo presentan diferencias en cuanto a sus función
dentro de la estructura de pavimento y al tipo de material asfaltico o ligante que se
utilice.(INV art 450, 2013)
El ensayo Marshall (INV. E-748-13) es una metodología utilizada para determinar el diseño
volumétrico de una mezcla de concreto asfaltico por medio de parámetros como son los
contenidos de vacíos, la composición volumétrica de la mezcla y la resistencia bajo la carga
monotónica (estabilidad- fluencia). Las muestras se diseñaron de la siguiente manera:
1. Número de briquetas: Se fabricaron 27 briquetas cilíndricas de 101.6 mm (4") de

diámetro y 63.5 mm (2½") de altura con diferentes contenidos de asfaltos, teniendo tres
briquetas por cada uno de los tipos de mezclas asfálticas MDC-19, MDC-25 y MDC-10.
2. Preparación de agregados: Se debe reunir las muestras del asfalto (ver figura 7), que
cumpla con unas cualidades como lo son la estabilidad, durabilidad, trabajabilidad,
resistencia al deslizamiento entre otros, y del agregado pétreo se debe conocer la relación
viscosidad- temperatura para establecer la temperatura de mezclado y compactación.
Figura 7 Agregados separados y clasificados. Fuente Propia
Se deben secar los agregados pétreos colocándose en una bandeja y se calienta en un

horno a temperatura de 110° C; este procedimiento se hace tantas veces sea posible para
que la mezcla pese siempre lo mismo lo cual indica que está libre de humedad. Se deben
separar por tamizado teniendo en cuenta los valores indicados por la norma, 25.0 mm a
19.0 mm (1" a 3/4”), 19.0 mm a 9.50 mm (3/4" a 3/8”), 9.50 mm a 4.75 mm (3/8" a No.4),
4.75 mm a 2.36 mm (No.4 a No.8), Pasante de 2.36 mm (No.8). (INV. E-748-13).
46
3. Temperatura de mezcla y compactación: El asfalto y el agregado pétreo se calienta y

se mezclan hasta que todas las partículas del agregado estén revestidas.
La temperatura a la cual se debe calentar el cemento asfáltico para las mezclas, será la
requerida para producir una viscosidad de 170 ±20 centiStokes. (1 centistoke = 1 mm2/s).
La temperatura a la cual se deberá calentar el cemento asfáltico para que tenga una
viscosidad de 280 ± 30 centiStokes, será la temperatura de compactación.
4. Preparación de la mezcla: En bandejas separadas para cada fracción de la muestra, se

pesan las cantidades de cada porción de agregados (ver figura 8), previamente calculadas
de acuerdo con la gradación necesaria para la fabricación de cada briqueta, de tal forma
que ésta resulte con una altura de 63.5 ± 1.3 mm. Se calientan los agregados en una
plancha de calentamiento o en el horno a una temperatura de 28°C (50°F) por encima de
la temperatura de mezcla. Se transfieren los agregados al recipiente de mezclado donde se
mezclan en seco y se forma un cráter en su centro, dentro del cual se vierte la cantidad
requerida de asfalto, debiendo estar ambos materiales en ese instante a temperaturas
comprendidas dentro de los límites establecidos para el proceso de mezcla en el paso
anterior. Luego se mezclan los materiales lo más rápidamente posible hasta obtener una
mezcla completa y homogénea. (INV. E-748-13).
Figura 8 Peso en seco de los agregados pétreos. Fuente Propia
5. Compactación de las briquetas: Se golpean con el martillo las muestras 75 veces,

entendiendo que se realizara para la mayor cantidad de tránsito vehicular, las dos caras de
las muestras reciben el mismo número de golpes es decir que recibieron 150 golpes. Luego
son enfriadas y extraídas de los moldes. Se hace el mismo procedimiento con 50 y 25
golpes para cada tipo de mezcla. En la figura 9 se puede ver el resultado final de las
briquetas diseñadas.
47
Figura 9 Briquetas finales método Marshall. Fuente Propia
Las briquetas presentan agregados pétreos con granulometrías y tamaños de partículas

sólidas diferentes como lo son gravas, arenas, finos; mezcladas con cemento asfaltico. Se
obtienen tres briquetas de tres diferentes mezclas MDC 19, MDC 25, MDC 10, compactadas
a 25, 50 y 75 golpes por cara, con tres diferentes porcentajes de asfalto como se muestra
en la tabla 6. Estas mezclas fueron seleccionadas, ya que son las más utilizadas en
Colombia para conformar cualquier subcapa dentro de la capa asfáltica. Además al ser
compactadas con diferentes golpes y al presentar diferentes granulometrías se obtienen
diferentes contenidos de vacíos.
Tabla 6 Definición briquetas realizadas mediante método Marshall
M EZCLAS DENSAS EN CALIENTE
NUM ERO BRIQUETA

TIPO DE M EZCLA
PORCENTAJE DE
COM PACTADA A 75 GOLPES COM PACTADA A 50 GOLPES COM PACTADA A 25 GOLPES
ASFALTO
M DC 19 5.50% 1 2 3 4 5 6 7 8 9
M DC 25 5% 10 11 12 13 14 15 16 17 18
M DC 10 5.80% 19 20 21 22 23 24 25 26 27
Fuente: propia
En la tabla 7 se presenta el resumen de los resultados de composición volumétrica y

resistencia o carga monotónica del ensayo Marshall, en estas se compendia los porcentajes
óptimos de asfalto que fueron para la mezcla MDC 19 de 5.5%, para la MDC 25 de 5% y
para la MDC 10 de 5.8%. Con estas propiedades físicas se pueden verificar la calidad del
concreto asfáltico mediante las especificaciones descritas en el artículo 450 de la norma
INVIAS "Mezclas Asfálticas en Caliente de Gradación Continua (Concreto Asfáltico)". En el
anexo B se muestran las tablas completas de los ensayos Marshall.
48
Tabla 7 Resumen composición volumétrica y resistencia de las mezclas

Tipo de Muestra MDC-19 MDC-19 MDC-19
% De Cemento Asfaltico 5.5 5.5 5.5
No. Golpes 75 50 25
Muestra No. 1 2 3 PROM 4 5 6 PROM 7 8 9 PROM

Peso Específico Bulk
2.248 2.252 2.249 2.250 2.209 2.205 2.206 2.207 2.179 2.182 2.160 2.173
(g/cm3)
Peso específico teórico
2.369 2.369 2.369
(g/cm3)
Volumen % Total Asfalto 12.226 11.994 11.812
Volumen % Total
82.720 81.148 79.920
Agregados
Volumen % Total Vacíos
5.053 6.858 8.268
con aire
% Vacíos Agregados
17.280 18.852 20.080
minerales
% Vacíos Mezcla total 5.053 6.858 8.268
% Vacíos Llenos de asfalto 70.756 63.621 58.826

MDC-25 MDC-25
Tipo de Muestra MDC-25
5 5
% De Cemento Asfaltico 5
50 25
No. Golpes 75

2.267 2.280 2.273 2.273 2.256 2.251 2.250 2.252 2.225 2.232 2.221 2.226
(g/cm3)
2.386 2.386 2.386
(g/cm3)
Volumen % Total Asfalto 11.231 11.127 10.998
Volumen % Total
84.028 83.253 82.287
Agregados
4.741 5.620 6.714
con aire
% Vacíos Agregados
15.972 16.747 17.713
minerales
% Vacíos Mezcla total 4.741 5.620 6.714
% Vacíos Llenos de asfalto 70.315 66.443 62.094
Tipo de Muestra MDC-10 MDC-10 MDC-10
% De Cemento Asfaltico 5.8 5.8 5.8
No. Golpes 75 50 25

2.194 2.177 2.189 2.187 2.165 2.172 2.167 2.168 2.094 2.088 2.101 2.094
(g/cm3)
2.369
(g/cm3) 2.359 2.359 2.359
Volumen % Total Asfalto 12.533 12.426 11.812 12.002
Volumen % Total
79.920
Agregados 80.155 79.470 76.757
8.268
con aire 7.312 8.104 11.242
% Vacíos Agregados
20.080
minerales 19.845 20.530 23.243
% Vacíos Mezcla total 7.312 8.104 8.268 11.242
% Vacíos Llenos de asfalto 63.155 60.526 58.826 51.635
Fuente Laboratorio PINZ - LAB SAS
49
3.2 ENSAYOS DE LABORATORIO

Para recolectar la información se deben realizar ensayos de Círculo de Arena (INV E-791)
y Péndulo TRRL (INV E 792) a cada una de las 27 briquetas diseñadas.
3.2.1 Medida del Coeficiente de Resistencia al Deslizamiento Usando el Péndulo

Británico (INV E- 792)
Este método consiste en el uso de un equipo de prueba tipo péndulo (ver figura 10), provisto
en su extremo de una zapata deslizante de caucho para medir las propiedades friccionantes
de la superficie de ensayo. La superficie de ensayo debe estar limpia y completamente
humedecida antes de efectuar el ensayo. (I.N.V, E-792, 2013).
Figura 10 Partes del Péndulo británico. Fuente Propia
Preparación del instrumento: La zapata del péndulo se debe fijar de manera que apenas
establezca contacto con la superficie que se va a ensayar. El péndulo se levanta y se
asegura en su posición inicial y luego se suelta permitiendo el rozamiento entre la zapata y
la superficie de ensayo como se puede ver en la figura 11.
Las briquetas deben estar limpias de partículas sueltas y se deben sostener firmemente, de
forma que no se muevan con la fuerza del péndulo.
50
Figura 11 Péndulo Británico. Fuente Propia
Nivelación: Se nivela el instrumento con exactitud (ver figura 12), girando los tornillos de
nivelación hasta que la burbuja está centrada en el nivel. Se levanta el mecanismo del
péndulo soltando el tornillo de seguridad (ubicado directamente detrás del pivote del
péndulo) y se gira cualquiera de los dos tornillos de movimiento de la cabeza ubicados en
el centro del instrumento, para permitir que la zapata realice libremente el movimiento
oscilatorio. Se aprieta firmemente el tornillo de seguridad. Se coloca el péndulo en la
posición horizontal de reposo y se rota la aguja indicadora en sentido contrario al de las
manecillas del reloj hasta que alcance la posición de reposo contra el tornillo de ajuste en
el brazo del péndulo. Se libera el péndulo y se anota la lectura de la aguja indicadora. Si la
lectura no es cero, se afloja el anillo de seguro y se gira suavemente el anillo de fricción en
el eje de soporte y se asegura de nuevo. Se repite la prueba y se ajusta el anillo de fricción
hasta que el movimiento oscilatorio del péndulo lleve la aguja a cero. (I.N.V, E-792, 2013).
Figura 12 Nivelación del péndulo Británico. Fuente Propia
51
Ajuste de la longitud de rozamiento de la zapata: Con el brazo del péndulo colgando

libremente, se coloca el espaciador debajo del tornillo de ajuste de la palanca de elevación
de la zapata de caucho. Se baja entonces el péndulo, de manera que el borde de la zapata
apenas toque la superficie a medir. Se asegura la cabeza del péndulo firmemente, se
levanta la palanca de elevación de la zapata y se remueve el espaciador, como se puede
ver en la figura 13.
Figura 13 Ajuste de la zapata del péndulo Británico. Fuente Propia
Se levanta la zapata por medio de la palanca de elevación, se mueve el péndulo a la

derecha, se baja la zapata y se permite que el péndulo se mueva lentamente hacia la
izquierda, hasta que el borde de la zapata toque la superficie de ensayo.
Se toman los valores obtenidos con el péndulo, CRD (Coeficiente de Resistencia al

Deslizamiento), teniendo diez (10) lecturas por cada briqueta. (ver figura 14).
Figura 14 Escala de valores de CRD. Fuente Propia
52
El CRD se calcula promediando los valores que se obtuvieron de cada lectura; para obtener
el valor de los coeficientes de rozamiento se calcula el promedio de CRD y se divide en
100.
Este procedimiento se debe realizar con las briquetas secas y humedecidas. Se debe
aplicar suficiente agua para cubrir totalmente el área de la briqueta.
3.2.2 Medida De La Macrotextura Superficial De Un Pavimento Empleando La

Técnica Volumétrica (Circulo de arena) (I.N.V.E- 791- 13)
En este ensayo se determinó la profundidad media de la macrotextura superficial de las
briquetas siguiendo los siguientes pasos:
1. Se limpia cuidadosamente cada una de las briquetas utilizando cepillos, primero el

metálico y después el blando. La zona deberá quedar exenta de cualquier partícula suelta
o residuo.
2. Se llena el recipiente adecuado, con el material granular seleccionado (arena silícea)

seco, y se golpea suavemente la base del recipiente varias veces contra una superficie
rígida; se añade más material para llenar el recipiente hasta el borde, enrasándolo
finalmente con la regla. Se utilizaron 4mm cúbicos de arena como se puede ver en la figura
15.
Figura 15 Recipiente de medición de arena. Fuente Propia
3. Se vierte el contenido del material granular, medido en el recipiente, sobre el centro de

cada una de las briquetas. (ver figura 16)
53
Figura 16 Ensayo circulo de arena. Fuente Propia
4. Se esparce el material con esmero, de manera que forme una superficie circular,
realizando movimientos rotatorios hasta conseguir un área enrasada lo más circular posible
en la que el material granular (arena) rellene todas las oquedades y depresiones de la
superficie. (ver figura 17)
Figura 17 Ensayo circulo de arena. Fuente Propia
Con ayuda de la regla se determina el diámetro del área circular formada por el material
granular, se calcula el valor medio de las tres medidas de diámetro, el cual se expresa en
milímetros como se puede en la figura 18.
Figura 18 Medición del diámetro obtenido de arena. Fuente Propia
54
Se calcula la profundidad de textura en mm de acuerdo a la ecuación 4
∗𝑉𝑂𝐿 𝐴𝑅𝐸𝑁𝐴
H= (Ecuación 4)
𝜋∗𝐷^2
De acuerdo a la figura 3 donde se describe la textura de la superficie de rodadura, se define

que las briquetas tienen una textura S-A lo cual significa Suave – Áspera.
3.3 PROCESAMIENTO DE LAS IMÁGENES

3.3.1 Toma de Fotografías
Para la toma de las fotografías a las briquetas se utilizó una cámara Nikon de 20.1
megapíxeles; se quizo utilizar una cámara convencional de fácil acceso para cualquier
persona y realizar las pruebas de una manera sencilla y con imágenes de buena resolución.
La toma de las fotografías se realizó con la luz del día y sin uso de flash (ver figura 19), a
una altura aproximada de 1.60 respecto al suelo, ubicando las briquetas sobre una
superficie lisa. Se realizó la toma de las fotos a cada una de las 27 briquetas fabricadas.
Figura 19 Imagen tomada cámara Nikon a muestra de pavimento Tipo MDC-19. Fuente
Propia
3.3.2 Procesamiento de las imágenes a partir del método de Máquinas de Soporte

Vectorial (SVM)
Las imágenes se clasificaron mediante el programa R PROJECT y la extracción de las
áreas de cada uno de los componentes se realizó en el programa SAGAGIS.
55
El tamaño de la imagen después de ser georeferenciada es aproximadamente de

3876pixeles x 5147pixeles compuesta por tres bandas (RGB) la cual presenta ausencia del
infrarrojo.
Se procede a clasificar cada uno de los componentes de la imagen en cuatro clases siendo
los agregados pétreos, el contenido de asfalto, los espacios de vacíos y los espacios sin
asfalto. Al realizar esta clasificación, se utilizó un método de clasificación supervisada
llamado Maquinas de Soporte Vectorial (Support Vector Machines, SVM) como se puede
ver en el diagrama de flujo figura 20, siendo gran clasificador de máxima probabilidad
basado en el cálculo de correlaciones, seleccionando 150 puntos de entrenamiento y 300
puntos para la validación. Esta clasificación se realiza bajo un código realizado en la guía
Getting Started with Rgis- V0.1 (Lizarazo, 2013) el cual se puede ver en el Anexo A.
Figura 20 Diagrama de flujo para el procesamiento de las imágenes a partir de Maquinas de

soporte vectorial. Fuente Propia
56
3.3.3 Extracción de Áreas

Para la extracción de las áreas se hace mediante el software SagaGis, el cual se realiza
una transformación a las imágenes raster obtenidas con la clasificación a vector; luego se
recorta la imagen con la forma de círculo que tiene la briqueta georeferenciando cada uno
de los círculos; con la función área se extraen los datos por cobertura y se imprimen los
reportes de cada una de las áreas obtenidas por clases. En la figura 21 se puede ver el
diagrama obtenido para la extracción de las áreas.
Figura 21 Diagrama de flujo para el cálculo de las áreas clasificadas. Fuente Propia
57
3.3.4 Validación de la Clasificación de las imágenes

Para realizar la validación de las clasificaciones realizadas en cada imagen se realiza
mediante la matriz de confusión y el cálculo del índice Kappa, el porcentaje correctamente
clasificado y el índice correctamente clasificado al 95%.
3.3.4.1 Matriz de confusión

Esta es una matriz cuadrada en la que se compara la clasificación de la imagen con la
verdad de las briquetas. A través de la matriz de confusión se evalúa la exactitud de la
clasificación, situando en las filas las clases o categorías de las briquetas y en las columnas
las mismas clases para la verdad de la clasificación realizada, como se puede ver en la
tabla 8.
Tabla 8 Matriz de confusión para la briqueta 1
Sin Exactitud
Clase Vacío Agregado Asfalto Total Omisión
Clasificar Usuario
Vacío 29 1 2 0 32 9% 91%
Agregado 1 164 0 2 167 2% 98%
Asfalto 2 0 88 0 90 2% 98%
Sin Clasificar 0 1 1 9 11 18% 82%
Total 32 166 91 11
Comisión 9% 99% 98% 100%
300
Exactitud
91% 1% 2% 0%
Productor
Fuente propia
3.3.4.2 Índice kappa y porcentaje correctamente clasificados en imágenes

A partir de la matriz de confusión es posible evaluar el coeficiente kappa, el cual es un
indicador global de la calidad de la clasificación. Mide la diferencia entre el acuerdo mapa-
realidad observado y el cual cabría esperar simplemente por azar; es decir, intenta delimitar
el grado de ajuste debido sólo a la exactitud de la clasificación, prescindiendo del causado
por factores aleatorios (Chuvieco, 2002). El coeficiente kappa y el PPC pueden ser
calculados como se muestra en las ecuaciones 5 y 6.
(Ecuación5)
58
(Ecuación 6)
dónde, 𝑁 es el número total de píxeles de referencia.

𝑋𝑖𝑖 es el número de observaciones en la fila i y columna i.
𝑋𝑖+ son los totales marginales de la fila i.
𝑋+𝑖 los totales marginales de la columna i y r es el número de filas en la matriz.
Los valores máximos y mínimos de kappa dependen del contenido de todas las celdas de
la matriz de confusión y no sólo de los valores de la diagonal principal; de modo que, si
todos los elementos que se encuentran fuera de la diagonal principal fueran iguales a cero,
tendríamos concordancia completa, Kappa = 1. Si todos los valores de la diagonal principal
fueran nulos, estaríamos en un caso de completa discordancia, con K = –1. (Chuvieco,
2002).
3.3.5 Análisis Estadístico de los Datos Obtenidos

3.3.5.1 Análisis Descriptivo de los Datos
Se tabulan los datos de manera que se puedan empezar a analizar estadísticamente cada
variable y verificar datos atípicos, como se puede ver en la tabla 9.
Tabla 9 Datos Tabulados
AREA AREA SIN COEF

MUESTRA AREA VACIOS AREA ASFALTO
AGREGADOS ASFALTO ROZAMIENTO
1 7.915 9.554 63.053 0.139 0.280
2 5.359 21.604 43.225 10.464 0.302
3 3.425 10.162 66.412 0.663 0.312
4 8.513 13.344 58.008 0.796 0.588
5 4.960 2.817 72.419 0.456 0.606
6 21.671 6.354 52.480 0.155 0.600
7 8.513 13.344 58.008 0.796 0.270
8 12.071 10.344 57.558 0.690 0.278
9 15.297 2.669 62.675 0.019 0.282
10 15.637 4.935 60.003 0.084 0.374
11 6.879 6.839 66.922 0.019 0.390
12 9.754 6.114 64.614 0.178 0.386
13 14.598 3.061 62.967 0.034 0.526
14 2.827 20.797 52.655 4.372 0.526
15 9.850 12.815 57.236 0.759 0.522
16 10.693 8.297 61.315 0.355 0.574
17 14.110 4.594 61.754 0.203 0.586
59
AREA AREA SIN COEF

MUESTRA AREA VACIOS AREA ASFALTO
18 15.933 1.828 62.861 0.039 0.582
19 11.917 3.864 64.785 0.093 0.244
20 11.105 3.207 66.322 0.026 0.256
21 17.259 8.287 54.051 1.054 0.252
22 7.487 8.743 64.228 0.200 0.358
23 7.298 4.143 69.184 0.032 0.360
24 11.584 3.164 65.749 0.143 0.354
25 6.964 6.649 66.954 0.093 0.250
26 19.852 5.550 55.104 0.162 0.254
27 11.583 3.163 65.749 0.143 0.246
Fuente: Propia
Se realizan los gráficos de dispersión de cada una de las variables calculadas como son
las áreas de vacíos, las áreas de agregados pétreos, áreas de contenido de asfalto y las
áreas sin asfalto.
Estos gráficos de dispersión (figura 22) permiten comprobar si existe relación lineal entre
las variables con el coeficiente de rozamiento calculado en laboratorio y con la profundidad
de la textura calculada también en laboratorio.
Coeficiente de Rozamiento vs Areas Clasificadas

0.65
COEFICIENTE ROZAMIENTO
0.60
0.55
0.50
0.45
0.40
0.35
0.30
0.25
0.20
0.0 5.0 10.0 15.0 20.0 25.0 30.0 35.0 40.0 45.0 50.0 55.0 60.0 65.0 70.0 75.0 80.0
AREAS CLASIFICADAS BRIQUETAS
VACIOS AGREGADOS ASFALTO SIN ASFALTO
Figura 22 Diagrama de Dispersión Coeficiente de Rozamiento vs Áreas calculadas Fuente:

propia
60
Una vez se realizan estas gráficas se calculan las matrices de correlación las cuales
permiten deducir si las variables se corresponden o no tienen ningún tipo de asociación. En
la tabla 10 se muestra la matriz de correlación para las muestras secas.
Tabla 10 Matriz de Correlación en muestras secas
MATRIZ DE CORRELACIÓN
ÁREA ÁREA SIN COEF
ÁREAS ÁREA VACIOS AGREGADOS ÁREA ASFALTO ASFALTO ROZAMIENTO
ÁREA VACIOS 1.0000000
ÁREA AGREGADOS -0.4989632 1.0000000
ÁREA ASFALTO -0.2341034 -0.7040869 1.0000000
ÁREA SIN ASFALTO -0.3591885 0.7621596 -0.6947220 1.0000000
COEF ROZAMIENTO 0.0422305 0.0215254 -0.0358442 -0.0428515 1.0000000
Fuente: propia
61
RESULTADOS Y DISCUSIÓN MARIAM RIVAS DIAZGRANADOS
4. RESULTADOS Y DISCUSIÓN
Los resultados obtenidos en esta investigación comprenden: ensayos de laboratorio

realizado en las 27 briquetas con tres diferentes mezclas asfálticas MDC19, MDC25 y MDC-
10 compactadas a 25, 50 y 75 golpes; procesamiento de las imágenes tomadas con la
cámara NIKON COOLPIX S2900 utilizando el método de clasificación Maquinas de Soporte
Vectorial (SVM) y el análisis de las áreas clasificadas en cada una de las briquetas
utilizando métodos estadísticos.
4.1 RESULTADOS DE LOS ENSAYOS DE LABORATORIO

A partir de las briquetas Marshall diseñadas se obtienen los siguientes resultados de los
ensayos de laboratorio.
4.1.1 Ensayo para Evaluar la Microtextura: Péndulo de Fricción

De acuerdo con los ensayos realizados por PINZ - LAB SAS LABORATORIO DE SUELOS,
PAVIMENTOS Y MATERIALES, se obtienen los siguientes resultados en el ensayo del
péndulo de fricción para determinar el coeficiente de rozamiento de cada una de las
briquetas. Los formatos completos se pueden verificar en el ANEXO B.
En las tablas 11, 12 y 13 se muestran el coeficiente de rozamiento obtenido en laboratorio

mediante el ensayo del péndulo TRRL para las mezclas MDC 19- MDC 25 y MDC-10
respectivamente.
Tabla 11 Determinación coeficiente de rozamiento mezclas MDC 19
VALOR
No. VALOR COEFICIENTE
No. LECTURAS CORREGIDO TEMPERATURA TEXTURA
BRIQUET EFECTIVO DE SUPERFICIE
GOLPES CRD POR ENSAYO (°C) (TERMINO)
A CRD ROZAMIENTO
TEMPERATURA
26
27
RUGOSA
75 30 28.000 27.985 0.280 17.8 SECA
(MEDIO)
28
29
1
12
10
RUGOSA
75 12 11.400 11.385 0.114 17.8 HUMEDA
(MEDIO)
11
12
62
VALOR
VALOR COEFICIENTE
No. No. LECTURAS CORREGIDO TEMPERATURA TEXTURA
EFECTIVO DE SUPERFICIE
BRIQUETA GOLPES CRD POR ENSAYO (°C) (TERMINO)
CRD ROZAMIENTO
TEMPERATURA
31
27
RUGOSA
75 30 30.200 30.185 0.302 17.8 SECA
(MEDIO)
32
31
2
12
13
RUGOSA
75 12 12.000 11.985 0.120 17.8 HUMEDA
(MEDIO)
11
12
32
32
RUGOSA
75 33 31.200 31.185 0.312 17.8 SECA
(MEDIO)
29
30
3
11
11
RUGOSA
75 11 11.400 11.385 0.114 17.8 HUMEDA
(MEDIO)
12
12
59
57
RUGOSA
50 60 58.800 58.785 0.588 17.8 SECA
(MEDIO)
59
59
4
32
33
RUGOSA
50 31 31.600 31.585 0.316 17.8 HUMEDA
(MEDIO)
30
32
60
61
RUGOSA
50 62 60.600 60.585 0.606 17.8 SECA
(MEDIO)
60
60
5
33
30
RUGOSA
50 29 30.000 29.985 0.300 17.8 HUMEDA
(MEDIO)
27
31
63
VALOR COEFICIENT
No. VALOR TEXTURA
No. LECTURAS CORREGIDO E DE TEMPERATUR SUPERFICI
BRIQUET EFECTIVO (TERMINO
GOLPES CRD POR ROZAMIENT A ENSAYO (°C) E
A CRD )
TEMPERATURA O
58
59
RUGOSA
50 62 60.000 59.985 0.600 17.8 SECA
(MEDIO)
61
60
30
6
30
32
31 RUGOSA
50 30.600 30.585 0.306 17.8 HUMEDA
(MEDIO)
30
28
26
RUGOSA
25 26 27.000 26.985 0.270 17.8 SECA
(MEDIO)
27
28
7
10
9
RUGOSA
25 8 9.400 9.385 0.094 17.8 HUMEDA
(MEDIO)
10
10
30
27
RUGOSA
25 26 27.800 27.785 0.278 17.8 SECA
(MEDIO)
28
28
8
9
9
RUGOSA
25 10 9.800 9.785 0.098 17.8 HUMEDA
(MEDIO)
11
10
29
28
RUGOSA
25 28 28.200 28.185 0.282 17.8 SECA
(MEDIO)
28
28
9
10
8
RUGOSA
25 8 8.800 8.785 0.088 17.8 HUMEDA
(MEDIO)
7
11
Fuente: propia
64
VALOR COEFICIENT
VALOR TEXTURA
No. No. LECTURAS CORREGIDO E DE TEMPERATUR SUPERFICI
EFECTIVO (TERMINO
BRIQUETA GOLPES CRD POR ROZAMIENT A ENSAYO (°C) E
CRD )
TEMPERATURA O
38
37
RUGOSA
75 37 37.400 37.385 0.374 17.8 SECA
(MEDIO)
38
37
10
14
15
RUGOSA
75 14 14.600 14.585 0.146 17.8 HUMEDA
(MEDIO)
15
15
40
38
RUGOSA
75 38 39.000 38.985 0.390 17.8 SECA
(MEDIO)
39
40
11
13
15
RUGOSA
75 15 14.400 14.385 0.144 17.8 HUMEDA
(MEDIO)
14
15
38
39
RUGOSA
75 39 38.600 38.585 0.386 17.8 SECA
(MEDIO)
39
38
12
14
14
RUGOSA
75 14 14.000 13.985 0.140 17.8 HUMEDA
(MEDIO)
13
15
52
50
RUGOSA
50 53 52.600 52.585 0.526 17.8 SECA
(MEDIO)
56
52
13
20
19
RUGOSA
50 21 20.000 19.985 0.200 17.8 HUMEDA
(MEDIO)
20
20
65
VALOR
VALOR COEFICIENTE
CRD ROZAMIENTO
TEMPERATURA
54
51
RUGOSA
50 52 52.600 52.585 0.526 17.8 SECA
(MEDIO)
53
53
14
22
21
RUGOSA
50 21 21.600 21.585 0.216 17.8 HUMEDA
(MEDIO)
22
22
54
51
RUGOSA
50 52 52.200 52.185 0.522 17.8 SECA
(MEDIO)
52
52
15
23
21
RUGOSA
50 21 21.200 21.185 0.212 17.8 HUMEDA
(MEDIO)
20
21
55
57
RUGOSA
25 59 57.400 57.385 0.574 17.8 SECA
(MEDIO)
58
58
16
22
23
RUGOSA
25 24 23.400 23.385 0.234 17.8 HUMEDA
(MEDIO)
24
24
59
60
RUGOSA
25 58 58.600 58.585 0.586 17.8 SECA
(MEDIO)
58
58
17
22
22
RUGOSA
25 24 22.800 22.785 0.228 17.8 HUMEDA
(MEDIO)
23
23
66
VALOR
VALOR COEFICIENTE
CRD ROZAMIENTO
TEMPERATURA
59
58
RUGOSA
25 57 58.200 58.185 0.582 17.8 SECA
(MEDIO)
59
58
18
22
21
RUGOSA
25 20 21.400 21.385 0.214 17.8 HUMEDA
(MEDIO)
22
22
Fuente: propia
VALOR
VALOR COEFICIENTE
CRD ROZAMIENTO
TEMPERATURA
24
24
RUGOSA
75 25 24.400 24.385 0.244 17.8 SECA
(MEDIO)
24
25
19
6
7
RUGOSA
75 6 6.200 6.185 0.062 17.8 HUMEDA
(MEDIO)
6
6
26
27
RUGOSA
75 25 25.600 25.585 0.256 17.8 SECA
(MEDIO)
25
25
20
7
8
RUGOSA
75 7 7.200 7.185 0.072 17.8 HUMEDA
(MEDIO)
7
7
25
26
RUGOSA
75 25 25.200 25.185 0.252 17.8 SECA
(MEDIO)
25
25
21
9
8
RUGOSA
75 8 8.000 7.985 0.080 17.8 HUMEDA
(MEDIO)
8
7
67
VALOR
VALOR COEFICIENTE
CRD ROZAMIENTO
TEMPERATURA
35
36
RUGOSA
50 36 35.800 35.785 0.358 17.8 SECA
(MEDIO)
36
36
22
13
15
14 RUGOSA
50 14.200 14.185 0.142 17.8 HUMEDA
(MEDIO)
14
15
37
35
RUGOSA
50 36 36.000 35.985 0.360 17.8 SECA
(MEDIO)
36
36
23
13
14
RUGOSA
50 14 13.800 13.785 0.138 17.8 HUMEDA
(MEDIO)
14
14
36
35
RUGOSA
50 36 35.400 35.385 0.354 17.8 SECA
(MEDIO)
35
35
24
15
15
RUGOSA
50 15 15.200 15.185 0.152 17.8 HUMEDA
(MEDIO)
16
15
25
25
RUGOSA
25 25 25.000 24.985 0.250 17.8 SECA
(MEDIO)
25
25
25
10
12
RUGOSA
25 10 10.600 10.585 0.106 17.8 HUMEDA
(MEDIO)
11
10
68
VALOR COEFICIENT
No. VALOR TEXTURA
No. LECTURA CORREGIDO E DE TEMPERATUR SUPERFICI
BRIQUET EFECTIVO (TERMINO
GOLPES S CRD POR ROZAMIENT A ENSAYO (°C) E
A CRD )
TEMPERATURA O
26
26
25 RUGOSA
25 25.400 25.385 0.254 17.8 SECA
(MEDIO)
25
25
26
11
11
RUGOSA
25 11 10.800 10.785 0.108 17.8 HUMEDA
(MEDIO)
11
10
24
25
RUGOSA
25 25 24.600 24.585 0.246 17.8 SECA
(MEDIO)
25
24
27
9
10
RUGOSA
25 9 9.400 9.385 0.094 17.8 HUMEDA
(MEDIO)
9
10
Fuente: propia
4.1.2 Ensayo para Evaluar la Macrotextura: Círculo de Arena

De acuerdo con los ensayos realizados por PINZ - LAB SAS LABORATORIO DE SUELOS,
PAVIMENTOS Y MATERIALES, se obtienen los siguientes resultados en el ensayo de
Círculo de Arena para determinar la profundidad de la textura de cada briqueta. En este
caso todas las briquetas según la norma INVIAS se clasificaron en S-A SUAVE- ÁSPERA.
En las tablas 14, 15 y 16 se muestra la profundidad de textura calculada en laboratorio para

cada una de las briquetas de las mezclas MDC 19, MDC 25 y MDC 10 respectivamente.
Tabla 14 Determinación profundidad de textura mezclas MDC 19
VOLUMEN
LECTURAS DIAMETRO PROFUNDIDAD
No. PROBETA ARENA TEXTURA
No. GOLPES DIAMETRO PROMEDIO DE TEXTURA
O BRIQUETA UTILIZADA (TERMINO)
(mm) (mm) (mm)
(mm3)
49
1 4 51 50 0.002037 S-A
50
50
2 75 4 51 51 0.001984 S-A
51
50
3 4 49 50 0.002065 S-A
50
69
VOLUMEN
LECTURAS DIAMETRO PROFUNDIDAD
No. PROBETA ARENA TEXTURA
No. GOLPES DIAMETRO PROMEDIO DE TEXTURA
O BRIQUETA UTILIZADA (TERMINO)
(mm) (mm) (mm)
(mm3)
45
4 4 47 46 0.002407 S-A
46
46
5 4 47 47 0.002339 S-A
50
47
47
6 4 46 46 0.002372 S-A
46
43
7 4 45 44 0.002631 S-A
44
45
8 25 4 45 45 0.002553 S-A
44
43
9 4 41 42 0.002842 S-A
43
Fuente: propia
VOLUMEN
No. LECTURAS DIAMETRO PROFUNDIDAD
ARENA TEXTURA
PROBETA O No. GOLPES DIAMETRO PROMEDIO DE TEXTURA
UTILIZADA (TERMINO)
BRIQUETA (mm) (mm) (mm)
(mm3)
45
10 4 48 46 0.002372 S-A
46
48
11 75 4 45 47 0.002339 S-A
47
46
12 4 48 47 0.002306 S-A
47
43
13 50 4 42 42 0.002934 S-A
40
70
VOLUMEN
ARENA TEXTURA
UTILIZADA (TERMINO)
(mm3)
44
14 4 43 44 0.002671 S-A
44
50
45
15 4 44 44 0.002631 S-A
43
39
16 4 41 41 0.003030 S-A
43
42
17 25 4 42 41 0.002981 S-A
40
39
18 4 40 40 0.003183 S-A
41
Fuente: propia
VOLUMEN
ARENA TEXTURA
UTILIZADA (TERMINO)
(mm3)
53
19 4 56 55 0.001704 S-A
55
54
20 75 4 54 54 0.001725 S-A
55
56
21 4 55 55 0.001684 S-A
54
48
22 50 4 48 48 0.002180 S-A
49
71
VOLUMEN
ARENA TEXTURA
UTILIZADA (TERMINO)
(mm3)
49
23 4 50 49 0.002093 S-A
49
50
52
24 4 53 52 0.001908 S-A
50
46
25 4 47 47 0.002339 S-A
47
47
26 25 4 46 46 0.002407 S-A
45
47
27 4 49 48 0.002242 S-A
47
Fuente: propia
4.1.3. Clasificación de las Imágenes por Medio del Método de Maquinas de Soporte
Vectorial (SVM)
De las fotografías tomadas con la cámara NIKON se obtienen imágenes RGB (rojo, verde,
azul); no se tiene en cuenta la banda en infrarrojo, ya que el estudio debía ser de una
manera sencilla y con una cámara convencional que estuviera al alcance de todos.
En este tipo de imágenes RGB aparece cada color en componentes espectrales primarios,
los cuales hacen que los pixeles que conforman la imagen puedan tener una diferencia y
así poder clasificarla en cuatro (4) clases como lo son los espacios de vacío (negros), los
agregados pétreos (amarillos o cafés), contenido de asfalto (grises) y los espacios sin
asfalto (blancos). Al utilizar el método de Maquinas de Soporte Vectorial permite clasificar
la superficie a partir de un conjunto de clases conocidas y creando fronteras de decisión a
partir de puntos de entrenamiento obteniendo las clases necesarias teniendo una
clasificación supervisada (Pérez U, 2005)
Para determinar la exactitud temática de cada una de las clasificaciones se generan las
matrices de confusión, se calculan el índice Kappa (el cual indica que si el resultado es
próximo a uno (1), existe un acuerdo entre la imagen clasificada y la realidad, si se tiene un
72
valor de Kappa igual a cero (0) se deduce que es azar y un valor de kappa negativo sería
una clasificación muy pobre), el porcentaje correctamente clasificado y el intervalo de
confianza del 95%.(Chuvieco, 2002).
A continuación se muestra la evaluación de la calidad en las briquetas diseñadas para el

estudio.
MUESTRA 1
Figura 23 Imagen clasificada briqueta 1 Fuente: propia
Tabla 17 Matriz de Confusión Briqueta número 1
VALIDACION
Exactitud
Clase Vacío Agregado Asfalto Sin Clasificar Total Omisión
Usuario
PREDICCION
Vacío 1 2 0 32 9% 91%
29
Agregado 1 164 0 2 167 2% 98%
Asfalto 2 0 88 0 90 2% 98%
Sin
0 1 1 9 11 18% 82%
Asfalto
Total 32 166 91 11
Comisión 9% 99% 98% 100% 300
Exactitud
91% 1% 2% 0%
Productor
Fuente: propia
Tabla 18 Índices de exactitud temática briqueta número 1
Kappa 0.94
PPC 97%
Error Estándar 0.02
I.C 95% 0.91 0.98
Fuente: propia
73
La clase peor clasificada en la muestra 1 fue los espacios sin asfalto lo cual se ve reflejado
en la exactitud del usuario con un valor de 82%, con un porcentaje correctamente clasificado
(PPC) de 97% y un índice Kappa de 0.94 lo cual indica que la clasificación es 94% mejor
que la confiabilidad esperada. Se puede analizar también el intervalo de confianza del 95%
lo cual nos indica que la fiabilidad real de los datos clasificados esta entre 0.91 y 0.98, con
un error de 0.02. (Ver tabla 17 y 18).
MUESTRA 2
VALIDACION
Exactitud
Usuario
PREDICCION
Vacío 29 0 1 0 30 3% 97%
Agregado 0 167 0 1 168 1% 99%
Asfalto 1 0 89 0 90 1% 99%
Sin Asfalto 0 1 1 10 12 17% 83%
Total 30 168 91 11
Comisión 3% 100% 99% 100% 300
Exactitud
97% 0% 1% 0%
Productor
Fuente: propia
74
Kappa 0.97
PPC 98%
I.C 95% 0.95 1.00
Fuente: propia
MUESTRA 3
VALIDACION
Sin Exactitud
Clasificar Usuario
PREDICCION
Vacío 29 0 1 0 30 3% 97%
Agregado 0 166 0 1 167 1% 99%
Asfalto 1 0 89 0 90 1% 99%
Sin Asfalto 0 1 2 10 13 23% 77%
Total 30 167 92 11
Comisión 3% 100% 99% 100% 300
Exactitud Productor 97% 0% 1% 0%
Fuente: propia
75
Kappa 0.97
PPC 98%
I.C 95% 0.94 0.99
Fuente: propia
MUESTRA 4
VALIDACION
Sin Exactitud
Clasificar Usuario
PREDICCION
Vacío 29 0 1 0 30 3% 97%
Agregado 0 166 0 1 167 1% 99%
Asfalto 1 0 89 0 90 1% 99%
Sin Asfalto 1 1 1 10 13 23% 77%
Total 31 167 91 11
Comisión 6% 100% 99% 100% 300
Fuente: propia
76
Kappa 0.97
PPC 98%
Error estándar 0.01
I.C 95% 0.94 0.99
Fuente: propia
MUESTRA 5
VALIDACION
Exactitud
Usuario
PREDICCION
Vacío 27 0 2 0 29 7% 93%
Agregado 0 165 1 2 168 2% 98%
Asfalto 0 0 94 0 94 0% 100%
Sin Asfalto 0 0 0 9 9 0% 100%
Total 27 165 97 11
Comisión 0% 100% 98% 100%
300
Exactitud
100% 0% 2% 0%
Productor
Fuente: propia
77
Kappa 0.97
PPC 98%
I.C 95% 0.95 1.00
Fuente: propia
La clase peor clasificada en la muestra 5 fue los espacios de vacío lo cual se ve reflejado
MUESTRA 6
VALIDACION
Sin Exactitud
Clasificar Usuario
PREDICCION
Vacío 28 0 2 0 30 7% 93%
Agregado 0 164 1 2 167 2% 98%
Asfalto 0 0 90 0 90 0% 100%
Sin Asfalto 0 0 0 13 13 0% 100%
Total 28 164 93 15
Comisión 0% 100% 98% 100% 300
Fuente: propia
78
Kappa 0.97
PPC 98%
I.C 95% 0.95 1.00
Fuente: propia
MUESTRA 7
VALIDACION
Exactitud
Usuario
PREDICCION
Vacío 27 1 2 0 30 10% 90%

Agregado 0 166 1 1 168 1% 99%
Asfalto 0 5 86 0 91 5% 95%
Sin Asfalto 0 3 0 8 11 27% 73%
Total 27 175 89 9
Comisión 0% 99% 98% 100% 300
Exactitud
100% 1% 2% 0%
Productor
Fuente: propia
79
Kappa 0.92
PPC 96%
I.C 95% 0.88 0.96
Fuente: propia
MUESTRA 8
VALIDACION
Sin Exactitud
Clasificar Usuario
PREDICCION
Vacío 27 1 2 0 30 10% 90%

Agregado 0 165 1 1 167 1% 99%
Asfalto 0 5 85 0 90 6% 94%
Sin Asfalto 0 3 0 10 13 23% 77%
Total 27 174 88 11
Comisión 0% 99% 98% 100% 300
Fuente: propia
80
Kappa 0.93
PPC 96%
I.C 95% 0.89 0.96
Fuente: propia
MUESTRA 9
VALIDACION
Sin Exactitud
Clasificar Usuario
PREDICCION
Vacío 30 0 0 0 30 0% 100%
Agregado 0 165 0 2 167 1% 99%
Asfalto 1 0 89 0 90 1% 99%
Sin Asfalto 0 0 0 13 13 0% 100%
Total 31 165 89 15
Comisión 3% 100% 100% 100% 300
Fuente: propia
81
Kappa 0.98
PPC 99%
I.C 95% 0.96 1.00
Fuente: propia
La muestra número 9 tiene una clasificación muy precisa puesto que las exactitudes del
usuario son valores entre el 99% y el 100%, lo cual indica que los pixeles se clasificaron
con eficiencia. (Ver tabla 33 y 34).
MUESTRA 10
VALIDACION
Sin Exactitud
Clasificar Usuario
PREDICCION
Vacío 27 0 3 0 30 10% 90%

Agregado 0 164 0 3 167 2% 98%
Asfalto 1 0 89 0 90 1% 99%
Sin Asfalto 0 1 0 12 13 8% 92%
Total 28 165 92 15
Comisión 4% 100% 97% 100% 300
Fuente: propia
82
Kappa 0.95
PPC 97%
I.C 95% 0.92 0.99
Fuente: propia
MUESTRA 11
VALIDACION
Sin Exactitud
Clasificar Usuario
PREDICCION
Vacío 29 0 1 0 30 3% 97%
Agregado 0 166 0 1 167 1% 99%
Asfalto 2 0 88 0 90 2% 98%
Sin Asfalto 1 0 0 12 13 8% 92%
Total 32 166 89 13
Comisión 9% 100% 99% 100% 300
Fuente: propia
83
Kappa 0.97
PPC 98%
I.C 95% 0.95 1.00
Fuente: propia
MUESTRA 12
VALIDACION
Sin Exactitud
PREDICCION
Clasificar Usuario
Vacío 30 0 0 0 30 0% 100%
Agregado 0 164 0 3 167 2% 98%
Asfalto 3 1 86 0 90 4% 96%
Sin Asfalto 0 2 0 11 13 15% 85%
Total 33 167 86 14
Comisión 9% 100% 100% 100% 300
Fuente: propia
84
Kappa 0.95
PPC 97%
I.C 95% 0.92 0.98
Fuente: propia
MUESTRA 13
VALIDACION
Sin Exactitud
Clasificar Usuario
PREDICCION
Vacío 30 0 0 0 30 0% 100%
Agregado 0 165 0 2 167 1% 99%
Asfalto 3 0 87 0 90 3% 97%
Sin Asfalto 0 3 0 10 13 23% 77%
Total 33 168 87 12
Comisión 9% 100% 100% 100% 300
Fuente: propia
85
Kappa 0.95
PPC 97%
I.C 95% 0.92 0.99
Fuente: propia
MUESTRA 14
VALIDACION
Exactitud
PREDICCION
Usuario
Vacío 29 0 0 0 29 0% 100%
Agregado 0 166 0 2 168 1% 99%
Asfalto 3 0 88 0 91 3% 97%
Sin Asfalto 0 3 0 9 12 25% 75%
Total 32 169 88 11
Comisión 9% 100% 100% 100%
300
Exactitud
91% 0% 0% 0%
Productor
Fuente: propia
86
Kappa 0.95
PPC 97%
I.C 95% 0.92 0.99
Fuente: propia
MUESTRA 15
VALIDACION
Sin Exactitud
Clasificar Usuario
PREDICCION
Vacío 30 0 0 0 30 0% 100%
Agregado 0 165 0 2 167 1% 99%
Asfalto 2 0 88 0 90 2% 98%
Sin Asfalto 0 2 0 11 13 15% 85%
Total 32 167 88 13
Comisión 6% 100% 100% 100% 300
Fuente: propia
87
Tabla 46 Índices de exactitud temática briqueta numero 15
Kappa 0.97
PPC 98%
I.C 95% 0.94 0.99
Fuente: propia
MUESTRA 16
VALIDACION
Sin Exactitud
Clasificar Usuario
PREDICCION
Vacío 30 0 0 0 30 0% 100%
Agregado 0 165 0 2 167 1% 99%
Asfalto 0 0 90 0 90 0% 100%
Sin Asfalto 0 3 0 10 13 23% 77%
Total 30 168 90 12
Comisión 0% 100% 100% 100% 300
Fuente: propia
88
Kappa 0.97
PPC 98%
I.C 95% 0.95 1.00
Fuente: propia
lo cual nos indica que la fiabilidad real de los datos clasificados esta entre 0.95 y 0.1.0, con
MUESTRA 17
VALIDACION
Sin Exactitud
Clasificar Usuario
PREDICCION
Vacío 30 0 0 0 30 0% 100%
Agregado 0 164 0 3 167 2% 98%
Asfalto 2 0 88 0 90 2% 98%
Sin Asfalto 0 1 0 12 13 8% 92%
Total 32 165 88 15
Comisión 6% 100% 100% 100% 300
Fuente: propia
89
Kappa 0.97
PPC 98%
I.C 95% 0.94 0.99
Fuente: propia
MUESTRA 18
VALIDACION
Sin Exactitud
Clasificar Usuario
PREDICCION
Vacío 30 0 0 0 30 0% 100%
Agregado 0 165 0 2 167 1% 99%
Asfalto 2 0 88 0 90 2% 98%
Sin Asfalto 0 0 0 13 13 0% 100%
Total 32 165 88 15
Comisión 6% 100% 100% 100% 300
Fuente: propia
90
Kappa 0.98
PPC 99%
I.C 95% 0.96 1.00
Fuente: propia
Como en la muestra número 18 se obtiene una exactitud del usuario con valores entre el
99% y el 100%, se deduce que la clasificación se realizó con eficiencia. (Ver tabla 51 y 52).
MUESTRA 19
VALIDACION
Sin Exactitud
Clasificar Usuario
PREDICCION
Vacío 30 0 0 0 30 0% 100%
Agregado 0 164 0 3 167 2% 98%
Asfalto 0 0 90 0 90 0% 100%
Sin Asfalto 0 1 0 12 13 8% 92%
Total 30 165 90 15
Comisión 0% 100% 100% 100% 300
Fuente: propia
91
Kappa 0.98
PPC 99%
I.C 95% 0.96 1.00
Fuente: propia
MUESTRA 20
VALIDACION
Sin Exactitud
Clasificar Usuario
PREDICCION
Vacío 29 0 1 0 30 3% 97%
Agregado 0 164 0 3 167 2% 98%
Asfalto 3 0 87 0 90 3% 97%
Sin Asfalto 0 1 0 12 13 8% 92%
Total 32 165 88 15
Comisión 9% 100% 99% 100% 300
Fuente: propia
92
Kappa 0.96
PPC 97%
I.C 95% 0.92 0.99
Fuente: propia
MUESTRA 21
VALIDACION
Exactitud
PREDICCION
Usuario
Vacío 30 0 1 0 31 3% 97%
Agregado 0 163 0 3 166 2% 98%
Asfalto 3 0 87 0 90 3% 97%
Sin Asfalto 0 1 0 12 13 8% 92%
Total 33 164 88 15
Comisión 9% 100% 99% 100%
300
Exactitud
91% 0% 1% 0%
Productor
Fuente: propia
93
Tabla 58 Índices de exactitud temática briqueta numero 21
Kappa 0.96
PPC 97%
I.C 95% 0.92 0.99
Fuente: propia
MUESTRA 22
VALIDACION
Sin Exactitud
Clasificar Usuario
PREDICCION
Vacío 27 0 3 0 30 10% 90%

Agregado 0 166 0 1 167 1% 99%
Asfalto 1 0 89 0 90 1% 99%
Sin Asfalto 0 3 0 10 13 23% 77%
Total 28 169 92 11
Comisión 4% 100% 97% 100% 300
Fuente: propia
94
Kappa 0.95
PPC 97%
I.C 95% 0.92 0.99
Fuente: propia
MUESTRA 23
VALIDACION
Sin Exactitud
Clasificar Usuario
PREDICCION
Vacío 27 0 3 0 30 10% 90%

Agregado 0 165 0 2 167 1% 99%
Asfalto 3 0 87 0 90 3% 97%
Sin Asfalto 0 3 0 10 13 23% 77%
Total 30 168 90 12
Comisión 10% 100% 97% 100% 300
Fuente: propia
95
Kappa 0.94
PPC 96%
I.C 95% 0.90 0.97
Fuente: propia
MUESTRA 24
VALIDACION
Sin Exactitud
Clasificar Usuario
PREDICCION
Vacío 29 0 1 0 30 3% 97%
Agregado 0 166 0 1 167 1% 99%
Asfalto 1 0 89 0 90 1% 99%
Sin Asfalto 1 1 1 10 13 23% 77%
Total 31 167 91 11
Comisión 6% 100% 99% 100% 300
Fuente: propia
96
Kappa 0.97
PPC 98%
I.C 95% 0.94 0.99
Fuente: propia
MUESTRA 25
VALIDACION
Sin Exactitud
Clasificar Usuario
PREDICCION
Vacío 30 0 0 0 30 0% 100%
Agregado 0 165 0 2 167 1% 99%
Asfalto 1 0 89 0 90 1% 99%
Sin Asfalto 0 0 0 13 13 0% 100%
Total 31 165 89 15
Comisión 3% 100% 100% 100% 300
Fuente: propia
97
Kappa 0.98
PPC 99%
I.C 95% 0.96 1.00
Fuente: propia
Como en la muestra número 25 se obtiene una exactitud del usuario con valores entre el
99% y el 100%, se deduce que la clasificación se realizó con eficiencia. (Ver tabla 65 y 66).
MUESTRA 26
VALIDACION
Sin Exactitud
Clasificar Usuario
PREDICCION
Vacío 30 0 0 0 30 0% 100%
Agregado 0 165 0 2 167 1% 99%
Asfalto 3 0 87 0 90 3% 97%
Sin Asfalto 0 3 0 10 13 23% 77%
Total 33 168 87 12
Comisión 9% 100% 100% 100% 300
Fuente: propia
98
Kappa 0.95
PPC 97%
I.C 95% 0.92 0.99
Fuente: propia
MUESTRA 27
VALIDACION
Sin Exactitud
Clasificar Usuario
PREDICCION
Vacío 30 0 0 0 30 0% 100%
Agregado 0 164 0 3 167 2% 98%
Asfalto 0 0 90 0 90 0% 100%
Sin Asfalto 0 1 0 12 13 8% 92%
Total 30 165 90 15
Comisión 0% 100% 100% 100% 300
Fuente: propia
99
Kappa 0.98
PPC 99%
I.C 95% 0.96 1.00
Fuente: propia
En la tabla 71 se muestra un resumen de la exactitud del usuario de cada imagen procesada

con lo cual podemos comprobar que las muestras número 9, 18, 25 son las que mejor
quedaron clasificadas y tienen una mayor eficiencia al momento de la clasificación con
respecto a las otras.
Tabla 71 Resumen Clasificación del usuario de las briquetas
Clase Exactitud Usuario

muestra 1 2 3 4 5 6 7 8 149 10 11 12 13
100
Vacío 91% 97% 97% 97% 93% 93% 90% 90% 100% 90% 97% 100% 100%
%
Agregado 98% 99% 99% 99% 98% 98% 99% 99% 99% 98% 99% 98% 99% 99%
Asfalto 98% 99% 99% 99% 100% 100% 95% 94% 99% 99% 98% 96% 97% 97%
Sin
82% 83% 77% 77% 100% 100% 73% 77% 100% 92% 92% 85% 77% 75%
Clasificar
Clase Exactitud Usuario
muestra 15 16 17 18 19 20 21 22 23 24 25 26 27
Vacío 100% 100% 100% 100% 100% 97% 97% 90% 90% 97% 100% 100% 100%
Agregado 99% 99% 98% 99% 98% 98% 98% 99% 99% 99% 99% 99% 98%
Asfalto 98% 100% 98% 98% 100% 97% 97% 99% 97% 99% 99% 97% 100%
Sin
85% 77% 92% 100% 92% 92% 92% 77% 77% 77% 100% 77% 92%
Clasificar
Fuente: propia
100
4.1.4 Análisis de las Áreas Calculadas en las Imágenes Procesadas

Mediante el programa SagaGis se calculan las áreas clasificadas en cada una de las
imágenes procesadas, teniendo en cuenta que las zonas amarillas son los agregados
pétreos, las zonas negras son los espacios de vacío, las zonas grises son los contenidos
de asfalto y los espacios en blanco son las partes sin asfalto.
A continuación se muestran los datos calculados en las imágenes y los determinados

mediante los ensayos de laboratorio, para cada una de las briquetas.
MUESTRA 1
MUESTRA 1
PROCESAMIENTO LABORATORIO
COEFICIENTE COEFICIENTE
DE DE
Clase Área TEXTURA
ROZAMIENTO ROZAMIENTO
SECO HUMEDO
Vacío 7.915
Agregado 9.554
0.280 0.114 0.00204
Asfalto 63.053
Sin
0.139
Asfalto
Figura 50 Información obtenida a partir de los ensayos y el procesamiento de la briqueta

número 1 Fuente: propia
MUESTRA 2
MUESTRA 2
DE DE
Clase Área TEXTURA
SECO HUMEDO
Vacío 5.359
Agregado 21.604
0.302 0.120 0.00198
Asfalto 43.225
Sin Asfalto 10.464

101
MUESTRA 3
MUESTRA 3
DE DE
Clase Área TEXTURA
SECO HUMEDO
Vacío 3.425
Agregado 10.162
0.312 0.114 0.00206
Asfalto 66.412
Sin
0.663
Asfalto

MUESTRA 4
MUESTRA 4
DE DE
Clase Área TEXTURA
SECO HUMEDO
Vacío 8.513
Agregado 13.344
Asfalto 58.008 0.588 0.316 0.00241
Sin
0.796
Asfalto

MUESTRA 5
MUESTRA 5
DE DE
Clase Área TEXTURA
SECO HUMEDO
Vacío 4.960
Agregado 2.817
0.606 0.300 0.00234
Asfalto 72.419
Sin
0.456
Asfalto

102
MUESTRA 6
MUESTRA 6
DE DE
Clase Área TEXTURA
SECO HUMEDO
Vacío 21.671
Agregado 6.354
0.600 0.306 0.00237
Asfalto 52.480
Sin Asfalto 0.155

MUESTRA 7
MUESTRA 7
PROCESAMIEN
TO LABORATORIO
COEFICIENT COEFICIENT
E DE E DE TEXTUR
Clase Área
ROZAMIENT ROZAMIENT A
O SECO O HUMEDO
Vacío 8.513
Agregad 13.34
o 4
58.00 0.270 0.094 0.00263
Asfalto
8
Sin
0.796
Asfalto

MUESTRA 8
MUESTRA 8
COEFICIENTE
COEFICIENTE DE
DE
Clase Área ROZAMIENTO TEXTURA
ROZAMIENTO
HUMEDO
SECO
Vacío 12.071
Agregado 10.344
0.278 0.098 0.00255
Asfalto 57.558
Sin
0.690
Asfalto

103
MUESTRA 9
MUESTRA 9
COEFICIENTE
COEFICIENTE DE
DE
Clase Área ROZAMIENTO TEXTURA
ROZAMIENTO
HUMEDO
SECO
Vacío 15.297
Agregado 2.669
0.282 0.088 0.00284
Asfalto 62.675
Sin Asfalto 0.019

MUESTRA 10
MUESTRA 10
DE DE
Clase Área TEXTURA
SECO HUMEDO
Vacío 15.637
Agregado 4.935
0.374 0.146 0.00237
Asfalto 60.003
Sin Asfalto 0.084

MUESTRA 11
MUESTRA 11
DE DE
Clase Área TEXTURA
SECO HUMEDO
Vacío 6.879
Agregado 6.839
0.390 0.144 0.00234
Asfalto 66.922
Sin Asfalto 0.019

104
MUESTRA 12
MUESTRA 12
DE DE
Clase Área TEXTURA
SECO HUMEDO
Vacío 9.754
Agregado 6.114
0.386 0.140 0.00231
Asfalto 64.614
Sin Asfalto 0.178

MUESTRA 13
MUESTRA 13
DE DE
Clase Área TEXTURA
SECO HUMEDO
Vacío 14.598
Agregado 3.061
0.526 0.200 0.00293
Asfalto 62.967
Sin Asfalto 0.034

MUESTRA 14
MUESTRA 14
DE DE
Clase Área TEXTURA
SECO HUMEDO
Vacío 2.827
Agregado 20.797
0.526 0.216 0.00267
Asfalto 52.655
Sin Asfalto 4.372

105
MUESTRA 15
MUESTRA 15
DE DE
Clase Área TEXTURA
SECO HUMEDO
Vacío 9.850
Agregado 12.815
0.522 0.212 0.00263
Asfalto 57.236
Sin Asfalto 0.759

MUESTRA 16
MUESTRA 16
DE DE
Clase Área TEXTURA
SECO HUMEDO
Vacío 10.693
Agregado 8.297
0.574 0.234 0.00303
Asfalto 61.315
Sin
0.355
Asfalto

MUESTRA 17
MUESTRA 17
DE DE
Clase Área TEXTURA
SECO HUMEDO
Vacío 14.110
Agregado 4.594
Asfalto 61.754 0.586 0.228 0.00298
Sin
0.203
Asfalto

106
MUESTRA 18
MUESTRA 18
DE DE
Clase Área TEXTURA
SECO HUMEDO
Vacío 15.933
Agregado 1.828
Asfalto 62.861 0.582 0.214 0.00318
Sin
0.039
Asfalto

MUESTRA 19
MUESTRA 19
DE DE
Clase Área TEXTURA
SECO HUMEDO
Vacío 11.917
Agregado 3.864
0.244 0.062 0.00170
Asfalto 64.785
Sin Asfalto 0.093

MUESTRA 20
MUESTRA 20
DE DE
Clase Área TEXTURA
SECO HUMEDO
Vacío 11.105
Agregado 3.207
0.256 0.072 0.00173
Asfalto 66.322
Sin Asfalto 0.026

107
MUESTRA 21
MUESTRA 21
DE DE
Clase Área TEXTURA
SECO HUMEDO
Vacío 17.259
Agregado 8.287
0.252 0.080 0.00168
Asfalto 54.051
Sin Asfalto 1.054

MUESTRA 22
MUESTRA 22
DE DE
Clase Área TEXTURA
SECO HUMEDO
Vacío 7.487
Agregado 8.743
0.358 0.142 0.00218
Asfalto 64.228
Sin Asfalto 0.200

MUESTRA 23
MUESTRA 23
DE DE
Clase Área TEXTURA
SECO HUMEDO
Vacío 7.298
Agregado 4.143
0.360 0.138 0.00209
Asfalto 69.184
Sin Asfalto 0.032

108
MUESTRA 24
MUESTRA 24
DE DE
Clase Área TEXTURA
SECO HUMEDO
Vacío 11.584
Agregado 3.164
Asfalto 65.749 0.354 0.152 0.00191
Sin
0.143
Asfalto

MUESTRA 25
MUESTRA 25
DE DE
Clase Área TEXTURA
SECO HUMEDO
Vacío 6.964
Agregado 6.649
0.250 0.106 0.00234
Asfalto 66.954
Sin Asfalto 0.093

MUESTRA 26
MUESTRA 26
DE DE
Clase Área TEXTURA
SECO HUMEDO
Vacío 19.852
Agregado 5.550
0.254 0.108 0.00241
Asfalto 55.104
Sin Asfalto 0.162

109
MUESTRA 27
MUESTRA 27
DE DE
Clase Área TEXTURA
SECO HUMEDO
Vacío 11.583
Agregado 3.163
0.246 0.094 0.00224
Asfalto 65.749
Sin Asfalto 0.143

4.1.5 Análisis Estadístico de los Datos Obtenidos

4.1.5.1 Análisis Descriptivo de los Datos
En primer lugar se realizara un análisis descriptivo de los datos obtenidos a partir del
procesamiento de las imágenes. Los resultados por variables se presentan en la figura 77
y en la tabla 72.
Figura 77 Descripción de las variables Fuente: propia
110
Tabla 72 Resumen estadísticas de las variables
AREA AREA SIN COEFICIENTE

AREA VACIOS AREA ASFALTO
MIN 2.827 1.828 43.225 0.019 0.244
Q1 7.393 3.536 57.783 0.089 0.274
Q2 MEDIANA 10.693 6.354 62.861 0.162 0.358
Q3 14.354 9.858 65.749 0.677 0.526
MAX 21.671 21.604 72.419 10.464 0.606
Fuente: propia
Calculando los rangos mínimos y máximos para cada variable se obtienen los datos que
se muestran en la tabla 73.
Tabla 73 Rangos máximos y mínimos por variables
AREA SIN COEFICIENTE

AREA VACIOS AREA AGREGADOS AREA ASFALTO
RANGO ASFALTO ROZAMIENTO
MINIMO -3.04975 -5.94825 45.834 -0.7935 -0.104
MAXIMO 24.79625 19.34175 77.698 1.5585 0.904

Fuente: propia
En el área de los agregados pétreos el rango máximo es 19.341 y su dato máximo es 21.
604; en el área de asfalto el rango mínimo es de 45. 834 y el valor mínimo es 43. 225; en
el área de asfalto el rango máximo es de 1.558 y su valor máximo es de 10.464; por lo cual
en estas áreas existen algunos valores atípicos. El área de agregados y el área sin asfalto
tienen un sesgo hacia la derecha lo cual indica que la mayoría de los datos se encuentran
a la izquierda de la media; el área sin asfalto tiene un sesgo a la izquierda lo cual indica que
la mayoría de los datos se encuentran a la derecha de la media. En la variable del
coeficiente de rozamiento los datos comprendidos entre el 50% y el 74% son más dispersos
que entre el 25% y el 50%.
A partir de estos datos se realizan gráficas para encontrar una correlación o similitud entre
las áreas clasificadas y el coeficiente de rozamiento obtenido en laboratorio, para evaluar
las características superficiales del pavimento, como la resistencia al deslizamiento
principalmente las cuales tienen asociadas los parámetros de textura y rugosidad.
111
4.1.5.2 Gráficos de Dispersión Coeficiente de Rozamiento en Briquetas Secas
COEFICIENTE DE ROZAMIENTO VS ÁREAS DE VACIOS

0.650
0.600
0.550
y = 0.0012x + 0.3781
Coeficiente de rozamiento
0.500
R² = 0.0018
0.450 vacios
0.400
0.350
0.300
0.250 Lineal
0.200 (vacios)
0.150
0.100
0.050
0.000
0 2 4 6 8 10 12 14 16 18 20 22 24
area de vacios
Figura 78 Coeficiente de rozamiento vs áreas de vacíos Fuente: propia
COEFICIENTE DE ROZAMIENTO VS ÁREAS DE AGREGADOS

0.650
0.600
0.550
y = 0.0006x + 0.3867
0.500 R² = 0.0005
0.450
0.400 agregados
0.350
0.300
0.250 Lineal
0.200 (agregado
0.150 s)
0.100
0.050
0.000
0 2 4 6 8 10 12 14 16 18 20 22 24
area de agregados
Figura 79 Coeficiente de rozamiento vs área de agregados Fuente: propia
112
COEFICIENTE DE ROZAMIENTO VS CONTENIDO DE ASFALTO

0.650
0.600
0.550
0.500
y = -0.0008x + 0.439
0.450
R² = 0.0013
0.400
0.350
0.300 ASFALTO
0.250
Lineal (ASFALTO)
0.200
0.150
0.100
0.050
0.000
40 45 50 55 60 65 70 75
AREA ASFALTO
Figura 80 Coeficiente de rozamiento vs área contenido de asfaltos Fuente: propia
COEFICIENTE DE ROZAMIENTO VS ÁREAS SIN ASFALTO

0.650
0.600
0.550
0.500
0.450 y = -0.0028x + 0.3933
0.400 R² = 0.0018
0.350
0.300 SIN ASFALTO
0.250
0.200 Lineal (SIN ASFALTO)
0.150
0.100
0.050
0.000
0 1 2 3 4 5 6 7 8 9 10 11
AREA SIN ASFALTO
Figura 81 Coeficiente de rozamiento vs área sin asfalto Fuente: propia
A partir del análisis de las variables (coeficiente de rozamiento y áreas) se considera que
los datos se encuentran muy dispersos por lo tanto no se corresponden en lo absoluto
(figuras 78, 79, 80 y 81); a partir de los coeficientes de correlación (r) no existe ninguna
asociación y por tanto ninguna correlación entre las variables. Mediante el cálculo de una
regresión lineal se obtiene un coeficiente de determinación para cada grafica lo cual indica
113
que no se puede establecer relación entre cada una de las áreas calculadas con el
coeficiente de rozamiento.
Además se puede percibir que en la graficas de las áreas de los agregados pétreos, los
contenidos de asfalto y sin asfalto tienen valores atípicos porque están fuera del rango de
los valores normales, pero que no tienen tampoco ningún tipo de afectación si se llegasen
a discriminan del cálculo.
En la figura 82 se puede ver todas las áreas calculadas a partir del procesamiento de las
imágenes con el coeficiente de rozamiento, donde se muestran los datos atípicos obtenidos
en cada una de las áreas estudiadas.
0.65
0.60
COEFICIENTE ROZAMIENTO
0.55
0.50
0.45
0.40
0.35
0.30
0.25
0.20
0.0 5.0 10.0 15.0 20.0 25.0 30.0 35.0 40.0 45.0 50.0 55.0 60.0 65.0 70.0 75.0 80.0
AREAS CLASIFICADAS BRIQUETAS
VACIOS AGREGADOS ASFALTO SIN ASFALTO
Figura 82 Resumen graficas coeficiente de rozamiento vs áreas clasificadas Fuente: propia
Se puede apreciar que aun así se discrimen esos datos atípicos no influye para que se
llegue a dar algún tipo de tendencia en las áreas estudiadas. Cabe resaltar que se realizaron
transformaciones para estabilizar la varianza como exponenciales, logarítmicas, potencial
y polinómica pero ninguna presentó una mejora en el coeficiente de correlación.
En la tabla 74 se presenta la matriz de correlación donde se puede ver que el coeficiente

de rozamiento no tiene ninguna relación con las áreas calculadas.
114
Tabla 74 matriz de correlación muestras secas
MATRIZ DE CORRELACIÓN
ÁREAS ÁREAS ÁREAS ÁREAS SIN COEF
ÁREAS VACIOS AGREGADOS ASFALTO ASFALTO ROZAMIENTO
ÁREAS VACIOS 1.0000000
ÁREAS AGREGADOS -0.4989632 1.0000000
ÁREAS ASFALTO -0.2341034 -0.7040869 1.0000000
ÁREAS SIN ASFALTO -0.3591885 0.7621596 -0.6947220 1.0000000
COEF ROZAMIENTO 0.0422305 0.0215254 -0.0358442 -0.0428515 1.0000000
Fuente: propia
4.1.5.3 Gráficos de Dispersión Coeficiente de Rozamiento Briqueta Húmeda

En las figuras 83, 84, 85 y 86 se muestra el coeficiente de rozamiento contra cada una de
las áreas calculadas.
0.350
COEFICIENTE DE ROZAMIENTO VS ÁREAS DE VACIOS
0.300
0.250
y = 0.0003x + 0.1536
0.200 R² = 0.0004
vacios
0.150 Lineal
0.100 (vacios)
0.050
0.000
0 2 4 6 8 10 12 14 16 18 20 22 24
area de vacios
Figura 83 Coeficiente de rozamiento vs áreas de vacíos Fuente: propia
0.350
COEFICIENTE DE ROZAMIENTO VS ÁREAS DE AGREGADOS
0.300
0.250 y = 0.0011x + 0.1485
R² = 0.0061
0.200 AREA
0.150
AGREGADOS
0.100
0.050
0.000
0 2 4 6 8 10 12 14 16 18 20 22 24
area de agregados
Figura 84 Coeficiente de rozamiento vs áreas de agregados pétreos Fuente: propia
115
COEFICIENTE DE ROZAMIENTO VS ÁREAS CONTENIDO DE ASFALTO

0.340
0.320
0.300
0.280
0.260
0.240
0.220
0.200 y = -0.0009x + 0.2104
0.180 R² = 0.0054
0.160 asfalto
0.140
Lineal (asfalto)
0.120
0.100
0.080
0.060
0.040
0.020
0.000
40 45 50 55 60 65 70 75
area de asfalto
Figura 85 Coeficiente de rozamiento vs áreas de contenido de asfalto Fuente: propia
COEFICIENTE DE ROZAMIENTO VS ÁREAS SIN ASFALTO

0.340
0.320
0.300
0.280
0.260
0.240
0.220
0.200
0.180
0.160 sin asfalto
0.140
Lineal (sin asfalto)
0.120
0.100
y = -0.0007x + 0.1575
0.080
R² = 0.0004
0.060
0.040
0.020
0.000
0 1 2 3 4 5 6 7 8 9 10 11
area sin asfalto
Figura 86 Coeficiente de rozamiento vs áreas sin asfalto Fuente: propia
116
La figura 87 se puede ver que los datos son muy dispersos lo cual no se tiene ningún tipo
de correlación entre la variable del coeficiente de rozamiento con las áreas de vacíos,
asfalto, agregados y sin asfalto.
COEFICIENTE DE ROZAMIENTO VS AREAS CONTENIDO DE ASFALTO

0.350
0.300
0.250
0.200 vacios
0.150 agregados
0.100 asfalto
0.050 sin asfalto
0.000
0.000 10.000 20.000 30.000 40.000 50.000 60.000 70.000 80.000
areas clasificadas briquetas
Figura 87 Resumen coeficiente de rozamiento vs áreas clasificadas Fuente: propia
La tabla 75 muestra la matriz de correlación estando las muestras húmedas.
Tabla 75 Matriz de correlación muestras húmedas
MATRIZ DE CORRELACION
AREA SIN COEF
AREA VACIOS AREA AGREGADOS AREA ASFALTO ASFALTO ROZAMIENTO
AREA VACIOS 1
AREA AGREGADOS -0.498963 1
AREA ASFALTO -0.234103 -0.704086 1
AREA SIN ASFALTO -0.359188 0.762159 -0.694722 1
COEF ROZAMIENTO 0.020074 0.077877 -0.07377 -0.018799 1
Fuente: propia
4.1.5.4 Gráficos de Dispersión Teniendo en Cuenta la Profundidad de Textura

A continuación se muestra las gráficas de la profundidad de textura calculada mediante el
ensayo de Círculo de Arena contra las áreas calculadas en el procesamiento. (ver figuras
88, 89, 90 y 91).
117
ÁREA VACIOS
0.0035 y = 2E-05x + 0.0022
0.003 R² = 0.0332
TEXTURA 0.0025
0.002
0.0015 AREA
0.001 VACIOS
0.0005
0
0.000 5.000 10.000 15.000 20.000 25.000
AREAS VACIOS
Figura 88 Profundidad de textura vs áreas de vacíos Fuente: propia
0.004
ÁREA AGREGADOS
0.003 y = -3E-06x + 0.0024

R² = 0.0011 AREA
TEXTURA
0.002 AGREGADOS
0.001 Lineal (AREA

AGREGADOS
)
0
0.000 5.000 10.000 15.000 20.000 25.000
AREA DE AGREGADOS
Figura 89 Profundidad de textura vs áreas de agregados pétreos Fuente: propia
ÁREA ASFALTO
0.0035
0.003
AREA
0.0025 ASFALTO
TEXTURA
0.002
0.0015 Lineal (AREA
ASFALTO)
0.001
y = -4E-06x + 0.0026
0.0005 R² = 0.0046
0
0.000 20.000 40.000 60.000 80.000
AREA CONTENIDO DE ASFLATO
Figura 90 Profundidad de textura vs áreas de contenido de asfalto Fuente: propia
118
ÁREA SIN ASFALTO
0.0035
0.003 y = -3E-05x + 0.0024

R² = 0.0173 AREA SIN
0.0025 ASFALTO
TEXTURA
0.002
0.0015
Lineal
0.001 (AREA SIN
ASFALTO)
0.0005
0
0.000 2.000 4.000 6.000 8.000 10.000 12.000
AREA SIN ASFALTO
Figura 91 Profundidad de textura vs áreas sin asfalto Fuente: propia
La figura 92 muestra el resumen de la profundidad de la textura y todas las áreas

calculadas.
TEXTURA VS ÁREAS CALCULADAS

0.004
0.003
TEXTURA
0.002
0.001
0
0 5 10 15 20 25 30 35 40 45 50 55 60 65 70 75 80
AREAS CLASIFICADAS
AREA VACIOS AREA AGREGADOS

AREA ASFALTO AREA SIN ASFALTO
Lineal (AREA SIN ASFALTO)
Figura 92 Resumen Profundidad de textura vs áreas clasificadas Fuente: propia
Se puede ver que no existe tampoco ninguna tendencia entre los datos calculados, por lo
tanto existe ninguna asociación por lo tanto no hay correlación.
119
En la tabla 76 se muestra la matriz de correlación donde se precian valores cercanos a 0 lo

cual sugiere una falta completa de correlación.
Tabla 76 matriz de correlación profundidad de textura
AREA AREA AREA SIN PROFUNDIDAD

AREA VACIOS
AGREGADOS ASFALTO ASFALTO TEXTURA
AREA VACIOS 1
AREA AGREGADOS -0.4989632 1
AREA ASFALTO -0.2341034 -0.70408685 1
AREA SIN ASFALTO -0.3591885 0.76215955 -0.6947220 1
PROFUNDIDAD TEXTURA 0.1821654 -0.03337966 -0.0678598 -0.1313580 1
Fuente: propia
4.1.5.5 Gráficas de Dispersión por Mezclas

Como se describió anteriormente las primeras 9 briquetas corresponden a las mezclas MDC
19, las briquetas 10 hasta la 18 corresponden a la mezcla MDC 25 y las briquetas 19 a la
27 mezclas tipo MDC 10; a continuación se presentan los gráficos de dispersión por mezcla.
(ver figuras 93, 94 y 95)
COEFICIENTE DE ROZAMIENTO VS AREAS MEZCLA MDC 19

0.700
COEFICIENTE DE ROZAMIENTO
0.600
0.500
0.400
0.300
0.200
0.100
0.000
0.000 10.000 20.000 30.000 40.000 50.000 60.000 70.000 80.000
AREAS CALCULADAS
AREA VACIOS AREA AGREGADOS AREA ASFALTO AREA SIN ASFALTO
Figura 93 Coeficiente de rozamiento vs Áreas mezcla MDC 19 Fuente: propia
120
COEFICIENTE DE ROZAMIENTO VS AREAS MEZCLA MDC 25

0.800
COEFICIENTE DE
ROZAMIENTO
0.600
AREA VACIOS
0.400
AREA AGREGADOS
0.200
AREA ASFALTO
0.000
0.000 20.000 40.000 60.000 80.000 AREA SIN ASFALTO
AREAS
COEFICIENTE DE ROZAMIENTO VS AREAS MEZCLA MDC

10
0.400
COEFICIENTE DE
ROZAMIENTO
0.350
AREA VACIOS
0.300
AREA AGREGADOS
0.250
AREA ASFALTO
0.200
0.000 20.000 40.000 60.000 80.000 AREA SIN ASFALTO
AREAS
4.1.5.6 Gráficas de Dispersión por Golpes

A continuación se presentan los gráficos de dispersión por numero de golpes de
compactación. (Ver figuras 96, 97 y 98)
COEFICIENTE DE ROZAMIENTO vs MEZCLAS COMPACTADAS A

75 GOLPES
0.600
COEFICIENTE DE
ROZAMIENTO
0.400
0.200
0.000
0.000 10.000 20.000 30.000 40.000 50.000 60.000 70.000 80.000
AREAS DE MEZCLAS COMPACTADAS A 75 GOLPES
Figura 96 Coeficiente de rozamiento vs mezclas compactadas a 75 golpes. Fuente: propia
121
COEFICIENTE DE ROZAMIENTO vs MEZCLAS

COMPACTADAS A 50 GOLPES
0.700
0.600
0.500
0.400
0.300
0.200
0.100
0.000
0.000 10.000 20.000 30.000 40.000 50.000 60.000 70.000 80.000
COEFICIENTE DE ROZAMIENTO vs MEZCLAS

COMPACTADAS A 25 GOLPES
0.700
0.600
0.500
0.400
0.300
0.200
0.100
0.000
0.000 10.000 20.000 30.000 40.000 50.000 60.000 70.000 80.000
Como se pudo analizar y apreciar anteriormente no existe ningún tipo de correlación entre
los datos que se tomaron en el laboratorio con las áreas calculadas en el procesamiento de
las imágenes, por lo cual no se puede continuar con ningún tipo de análisis.
Se entiende que las muestras al ser compactadas con diferentes números de golpes
poseen diferentes espacios de vacíos, es por esto que las mezclas que fueron compactadas
a 75 golpes son menos porosas que las que se compactan a 25 golpes.
122
Según las matrices de correlación se puede ver que existe correlación positiva entre las
áreas sin asfalto con el área de los agregados pétreos por lo cual se puede deducir que
encontrándose las muestras húmedas o secas, a mayor área sin asfalto se encontraran
mayores áreas de agregados pétreos; al igual que existe una correlación negativa entre las
áreas de contenido de asfalto con las áreas de los agregados pétreos lo cual se deduce
que si se tiene mayor contenido de asfalto se tendrá menor cantidad de agregados pétreos.
El coeficiente de fricción es una de las características principales que se debe evaluar en

un pavimento para asegurar la adherencia de las llantas de los vehículos con la superficie,
por lo cual se quería establecer una nueva metodología para evaluar esta propiedad del
pavimento a partir de fotografías, pero como se pudo apreciar no es posible determinar la
microtextura y macrotextura en un pavimento, por medio de fotografías convencionales.
Una de las razones es porque las imágenes con las que se generó el estudio son imágenes
planas (x. y), tomadas desde un plano horizontal lo cual no permite obtener ningún tipo de
ondulación o desviaciones en las muestras; por lo tanto se genera problema con los
modelos obtenidos para el análisis. Por otra parte se quiso realizar un modelo digital de la
briqueta pero tampoco era la solución a este problema puesto que si se hiciese la
reconstrucción del modelo a partir de varias fotografías tomadas desde diferentes ángulos,
el modelo quedaría totalmente plano en todas sus caras, por lo tanto se llega a la conclusión
que una posible solución puede ser determinando las protuberancias o diferencias en altura
en las muestras. Es importante lograr hacer un perfil en cada una de las briquetas y así
realizar el análisis mediante alturas y poder posiblemente determinar unas longitudes de
onda que permitan relacionarlas con las especificaciones existentes para el cálculo de la
microtextura y la macrotexytura.
Otra posible razón por la cual no se obtuvo correlación con los datos obtenidos es porque
puede incidir, que la toma de las fotografías no se hizo con la misma altura por lo que puede
causar variación en la luz y al procesarlas puede que se obtengan errores en la asignación
de los niveles digitales, por lo tanto, existe un porcentaje de la briqueta sin clasificar, más
sin embargo se pudo comprobar que a partir de la validación de la información clasificada
los porcentajes calculados están dentro de un margen adecuado. Cabe resaltar que las
imágenes se tomaron a la luz del día sin uso de flash para que no interfiera en ningún caso
problemas de brillo en las fotografías. Tal vez se hubiera podido obtener una mejor
percepción de la superficie de las briquetas si se hubiera tomado desde una distancia
123
apropiada, y ajustando la resolución posiblemente si se utilizara una cámara profesional de

mejores especificaciones y posiblemente haciendo uso de una banda infraroja que permita
tener una mejor clasificación.
Al georeferenciar la imagen se puede perder un poco la escala real a la que se tomó la

fotografía por lo cual se pueden encontrar igualdad en los niveles digitales, por lo cual es
importante trabajar a una escala correcta de análisis, como equilibrio para que la superficie
de la briqueta presente sus características perceptibles y puedan ser cuantificables. Cabe
resaltar que se obtuvo una relación entre la resolución y las dimensiones de las imágenes
para poder optimizar los tiempos y la capacidad de cálculo en el software utilizado sin perder
la fiabilidad de los resultados obtenidos.
Es posible que en el ensayo del Circulo de Arena no se tengan los resultados más óptimos
debido a que no se cumplía con el diámetro descrito en la norma INVIAS por lo cual se
puede obtener una desviación en los datos calculados mediante este laboratorio, al igual si
se hiciera el estudio a partir de equipos más sofisticados y sobre tramos de vías con una
determinada longitud puede que arrojen mejores resultados que los que se obtuvieron.
124
CONCLUSIONES MARIAM RIVAS DIAZGRANADOS
5. CONCLUSIONES
Al realizar la validación de la información obtenida en laboratorio con las áreas calculadas

mediante el procesamiento de las imágenes, no se obtuvieron resultados de asociación
entre las variables analizadas, por lo que se estima, que mediante fotografías
convencionales no se puede analizar la textura y la rugosidad en un pavimento flexible.
Se considera que se debe calcular otra variable que permita analizar con tres ejes x, y, z. y
así, por medio de un perfil de la briqueta, obtener longitudes de onda para el análisis de la
microtextura y macrotextura.
Por medio del método de SVM se obtienen resultados óptimos en la clasificación de las
fotografías, ya que ninguna presenta bajos porcentajes en la exactitud del usuario, pero se
debe tener en cuenta que al procesar mediante el programa R Project se requiere de un
computador que permita una velocidad de ejecución alta porque se trabaja con un conjunto
de datos grandes.
Las gráficas de dispersión generadas a partir de la comparación entre el coeficiente de

rozamiento y la profundidad de textura contra las áreas, no presentan mayor diferencia en
la asociación de los datos y teniendo en cuenta que se presentan datos atípicos, no influye
en la tendencia obtenida en las gráficas.
Al realizar el modelamiento de los datos no se ve cambios importantes en las diferentes

transformaciones (logarítmica, exponencial, potencial), ya que el coeficiente de correlación
y el coeficiente de determinación siempre eran valores cercanos a 0.
El número de golpes con las que son compactadas las briquetas tienen gran incidencia en
el porcentaje de vacíos, ya que a mayor número de golpes (75) se encuentran menos
porcentajes de vacíos en la mezcla total y compactando a menor número de golpes se tiene
menos porcentaje de vacíos llenos de asfaltos.
Aunque las imágenes quedaron bien clasificadas no se puede descartar que si tienen en
cuenta solo tres bandas (R, G, B), puede que existan niveles digitales que se confundan
con otros por lo que se presentan algunos datos atípicos en los resultados.
125
CONCLUSIONES MARIAM RIVAS DIAZGRANADOS
Se debe tener gran atención al momento de generar la clasificación supervisada, puesto

que si no se seleccionan bien las muestras de entrenamiento no se van a obtener resultados
satisfactorios en las clases determinadas.
Para determinar la macrotextura y microtextura de un pavimento se realizan ensayos los

cuales resultan ser costosos y demorados y algunos de mucha exclusividad de los lugares
en donde los realizan; por esto se ve la necesidad de implementar métodos más rápidos y
económicos para evaluar estas propiedades de los pavimentos.
Realizar el estudio directamente in-situ en un tramo de vía específico, puede llegar ser más
efectivo para obtener áreas más grandes de trabajo y resultados más favorables en los
ensayos de laboratorio.
Se propone una metodología donde se pueda realizar perfiles longitudinales en las

briquetas y así generar nuevamente la correlación con los datos obtenidos a partir del
laboratorio.
126
RECOMENDACIONES MARIAM RIVAS DIAZGRANADOS
6. RECOMENDACIONES
Para poder evaluar y realizar una mejor clasificación de la información, se puede hacer el
estudio tomando las fotografías con la banda del infrarrojo, ya que tal vez puede clasificar
con mucha más precisión los niveles digitales teniendo así un porcentaje más bajo de
pixeles que se queden sin clasificar.
Una posible solución es calcular las desviaciones que se tengan en el pavimento y permita
obtener las diferencias de nivel para generar un perfil por muestra y obtener otra variable
de comparación en el estudio.
Realizar comparaciones con otros ensayos de laboratorio más específicos como los
equipos topográficos clásicos, perfilógrafo láser, rugosímetro de Merlín entre otros y
comparar si se pueden obtener resultados más favorables.
127
BIBLIOGRAFIA MARIAM RIVAS DIAZGRANADOS
7. BIBLIOGRAFÍA
Achutegui, F Crespo del Río, R Sánchez, B y Sánchez, I. “La medida de la resistencia al

deslizamiento y de la textura. Panorámica internacional”. España. 1996.
Alvarado Moya, José Pablo. Notas de clase Procesamiento y Análisis de Imágenes

Digitales. Instituto Tecnológico de Costa Rica. Escuela de Ingeniería Electrónica. Versión
del 26 de mayo de 2012
Amarasiri, Saumya Priyadari. Optical Texture-Based Tools for Monitoring Pavement Surface
Wear and Cracks Using Digital Images. Universidad del Sur de Florida. Ingeniería Civil y
Ambiental. 2011.
Asociación De Productores y Pavimentadores Asfalticos De Colombia. ASOPAC. Cartilla

del Pavimento Asfaltico. Editado por ASOPAC. 2004
Asociación Mundial de Carreteras, AIPCR. (World Road Association, AIPCR).

Conocimientos y técnicas sobre las carreteras y los transportes. Chambon, Sylvie.
Asociación Mundial de la Carretera. Experimento Internacional AIPCR de Comparación y

Armonización de las Medidas de Textura y Resistencia al Deslizamiento. Comité Técnico
AIPCR de Características Superficiales. París. 1995
ASTM E-1911. Individual Commitment y Group Effort TICS.Ltd. Dynamic friction Tester. [en
línea: http://www.tics.hu/DFTester.htm].
Badilla Vargas, Gustavo. Determinación de la regularidad superficial del pavimento,

mediante el cálculo del Índice de Regularidad Internacional. (IRI). Infraestructura Vial, Vol
11 (#21), 26-33. 2009.
Barraza Eléspuru, Giuliana. Resistencia al Deslizamiento en Pavimentos Flexibles:

Propuesta De Norma Peruana. Universidad Peruana de Ciencias Aplicadas. Facultad de
Ingeniería. 2004.
Betancourt, G. A. (2005). Las máquinas de soporte vectorial (SVMs).
C. Burges B. Schölkopf and A. Smola. Advances in kernel methods: Support vector

machines. Cambridge, MA: MIT Press, 1999.
128
C. Burges. A tutorial on support vector machines for pattern recognition. Data Mining and
Knowledge Discovery, vol. 2, no. 2, 1998.
Cáceres Morales, C. A. Análisis de la Metodología Superpave para el Diseño de Mezclas

Asfálticas en México. Tesis Licenciatura. Ingeniería Civil. Departamento de Ingeniería Civil
y Ambiental, Escuela de Ingeniería y Ciencias, Universidad de las Américas Puebla.
Noviembre. 2007
Chuvieco, E. (2002). Fundamentos de Teledetección Ambiental. Madrid, España: Rialp,

Ediciones, SA.
Cortes Bahamón, Nelson. Restauración de imágenes mediante un modelo matemático

basado en las técnicas de detección de bordes y propagación de texturas. Universidad
Nacional de Colombia Facultad de Ciencias, Departamento de Matemáticas Bogotá,
Colombia 2011.
Crespo del Rio, Ramón. Jornadas Sobre La Calidad En El Proyecto y La Construcción De

Carreteras. AEPO Ingenieros Consultores. BARCELONA 19 de mayo 1999.
Departamento Administrativo De Planeación Distrital. Plan de Ordenamiento Territorial de

Bogotá: Decreto 619 de 2000.
F. Caro, G. Peña. Análisis y criterios para el cálculo del Índice de Rugosidad Internacional
(IRI) en vías urbanas colombianas que orienten la elaboración de una especificación
técnica. Intekhnia. 2012.
GONZALEZ, R. y P. Wintz, Digital Image Processing. Addison-Wesley. 1987
González, F. (2003). Máquinas con Vectores de Soporte - SVM.
González RC, Woods RE 1996. Tratamiento digital de imágenes, Addison-Wesley

Publishing Co, Reading, Washington.
Gutiérrez, M., & eT al. (2005). Clasificación no supervisada de coberturas vegetales sobre
imágenes digitales de sensores remotos: “landsat – etm+”. Medellín: Universidad Nacional.
Recuperado el 19 de agosto de 2015,
Higuera Sandoval, Carlos. Diseño de estructuras de pavimentos en afirmado Escuela de

Transportes y Vías, Facultad de Ingeniería. Universidad Pedagógica y Tecnológica de
Colombia. Tunja. 2008.
129
Instituto de Desarrollo Urbano, Universidad de los Andes. Manual de Pavimentos para

Bogotá. 1994.
Instituto de Desarrollo Urbano. Especificación Técnica Cemento Asfaltico. Articulo 200-

2011.
Instituto del Cemento Portland Argentino ICPA. Avances en la rugosidad IRI. 1995
Instituto Mexicano Del Transporte (IMT), Secretaria De Comunicaciones y Transportes.

Diagnóstico de las Características Superficiales de los Pavimentos. Sanfandila. 1998.
Instituto Nacional de Vías. Norma I.N.V. E – 748 – 07, Resistencia de Mezclas Asfálticas en
Caliente Empleando El Aparato Marshall. Bogotá, Colombia: 2007, p. 2. Impreso Ediciones
LTDA.
Instituto Nacional de Vías. Norma I.N.V. E – 790 – 07, Determinación del Índice
Internacional de Rugosidad (IRI) para Medir la Rugosidad de los Pavimentos, Bogotá,
Colombia: 2007, p. 2. Impreso Ediciones LTDA.
Instituto Nacional de Vías. Norma I.N.V. E – 791 – 07, Textura Superficial De Un Pavimento
Mediante El Método Del Círculo De Arena. Bogotá, Colombia: 2007, p. 2. Impreso Ediciones
LTDA.
Instituto Nacional de Vías. Norma I.N.V. E – 791 – 13, Textura Superficial De Un Pavimento
Mediante El Método Del Círculo De Arena. Bogotá, Colombia: 2013, p. 2. Impreso Ediciones
LTDA.
Instituto Nacional de Vías. Norma I.N.V. E – 792 – 07, Coeficiente De Resistencia Al

Deslizamiento Usando El Péndulo Británico. Bogotá, Colombia: 2007, p. 2. Impreso
Ediciones LTDA.
Instituto Nacional de Vías. Norma I.N.V. E – 792 – 13, Medida Del Coeficiente De
Resistencia Al Deslizamiento Usando El Péndulo Británico. Bogotá, Colombia: 2013, p. 2.
Impreso Ediciones LTDA.
Instituto Nacional de Vías. Disposiciones Generales para la Ejecución de Riegos De

Imprimación, Liga y Curado, Tratamientos Superficiales, Sellos de Arena Asfalto, Lechadas
Asfálticas, Mezclas Asfálticas en Frío y en Caliente y Reciclado de Pavimentos Asfálticos.
Artículo 400- 2013.
130
Kraemer C, Rocci S, Ingeniería de carreteras. Vol.2, 1ª ed., Editorial McGraw Hill, 2004.
La Serna Palomino, Nora, Román Concha, Ulises. Técnicas de Segmentación en

Procesamiento Digital de Imágenes. Facultad de Ingeniería de Sistemas e Informática
Universidad Nacional Mayor de San Marcos. Revista de Ingeniería de Sistemas e
Informática vol. 6, N. 2, Julio - Diciembre 2009
Lizarazo Ivan. Getting Started with Rgis V- 0.1. Facultad de Ingeniería. Universidad Distrital
Francisco José de Caldas. Bogotá, agosto 2013..
Lizarazo, I., & Medina, R. (2014). Evaluación de la fusión de imágenes satelitales usando
la transformada de Wavelet con relación a los métodos tradicionales. Universidad Distrital.
Recuperado el 08 de Mayo de 2013.
M. Sayers y S. Karamihas. The Little Book of Profiling, Michigan, USA: University of

Michigan, 1988, p. 52.
Maila Paucar Manuel Elías. Comportamiento De Una Mezcla Asfáltica Modificada Con
Polímero Etileno Vinil Acetato (Eva). Facultad De Ingeniería, Ciencias Físicas y Matemática.
Universidad Central Del Ecuador. Quito – Ecuador. 2013
Ministerio de Transporte. Manual para la inspección visual de pavimentos flexibles. Bogotá

D.C. octubre de 2006.
Moliard, Jean-Marc; Chambon, Sylvie. Automatic Road Pavement Assessment with Image
Processing. Departement of MACS, Institut Francais des Sciences et Technologies des
Transports, de l’Am´enagement et des R´eseaux (IFSTTAR), France. 2011.
Montejo Fonseca, Alfonso. Ingeniería de Pavimentos. Universidad Católica de Colombia.

Bogotá D.C. 2002.
Prado Campos, Carlos. Bioestadística. Pontificia Universidad Católica de Chile. Instituto de

matemáticas. Departamento de Estadística. 1981.
R. Torrent. Avances en la rugosidad (IRI) de Pavimentos de Hormigón Construidos con

Pavimentadoras de Molde Deslizante, Buenos Aires, Argentina: Instituto del Cemento
Portland Argentino, 1999.
Romero Manchado, Antonio. Dpto. de Ingeniería Cartográfica, Geodésica y Fotogrametría.

Escuela Politécnica Superior. 2000
131
Rondón, H. A. Asfaltos y mezclas asfálticas. Editorial EAE, Madrid, España, 2012.
Rondón, H.A. ; REYES, F.A. Pavimentos, Materiales, construcción y diseño. Bogotá,

Febrero de 2015. Ecoe Ediciones Ltda.
Sayers, Michael W. Banco Mundial. El experimento de la International Road rugosidad. El

establecimiento de correlación y un estándar de calibración para mediciones. Documento
técnico 45. 1986.
Secretaría Distrital de Movilidad. Información consolidada de los IPAT (Informes Policiales

de Accidentes de Tránsito). 2014
Solminihac, Hernán. Cabrera, Cristian. Bengoa Elva. Evaluación De La Capacidad

Estructural Y Funcional Del Pavimento Durante El Proceso De Construcción. Departamento
de Ingeniería y Gestión de la Construcción. Pontificia Universidad Católica de Chile. 2011.
Solminihac, Hernán. Echaveguren, Tomas. Antecedentes Para La Inspección Y Diseño De

Especificaciones De Textura, Resistencia Al Deslizamiento y Fricción En Pavimentos.
Pontificia Universidad Católica de Chile. 2011.
V.Ñ. Vapnik. The nature of statistical learning theory. New York: Springer-Verlag, 1995.
V.Ñ. Vapnik. Statistical learning theory. New York: Wiley, 1998
3DRiskMapping. (2008). Teoría y práctica del escaneo laser terrestre. Preparado por el
proyecto herramientas de aprendizaje para el levantamiento tridimensional avanzado en la
conciencia de riesgos.
132
ANEXOS MARIAM RIVAS DIAZGRANADOS
ANEXO A CODIGO PARA LA CLASIFICACIÓN DE LAS IMÁGENES MEDIANTE SVM
# Código de Profesor Ivan Lizarazo

# Definición de la Ruta de Trabajo
rm(list=ls())
getwd()
setwd("E:/Mariam/otravez/Georreferenciadas")
getwd()
# Cargar la imagen en R
library(foreign)
library(raster)
library(kernlab)
library(mda)
library(vcd)
library(sp)
library(rgdal)
library(scatterplot3d)
library(maptools)
# cargar imagen
muestra<-stack("22_8.tif")
muestra
# class : RasterStack
# dimensions : 3867, 5147, 19903449, 3 (nrow, ncol, ncell, nlayers)
# resolution : 0.002999, 0.002999 (x, y)
# extent : -2.620497, 12.81536, -5.629455, 5.967678 (xmin, xmax, ymin, ymax)
# coord. ref. : +proj=tmerc +lat_0=4.596200416666666 +lon_0=-74.07750791666666 +k=1
+x_0=1000000 +y_0=1000000 +ellps=GRS80 +towgs84=0,0,0,0,0,0,0 +units=m +no_defs
# names : X22.1, X22.2, X22.3
# min values : 0, 0, 0
# max values : 255, 255, 255
names(muestra) <- c("band1","band2","band3")

plot(muestra)
hist(muestra)
# Composición a color
par(mfrow=c(1,1))
plotRGB(muestra, r=3, g=2, b=1)
# Estadísticas Unibandas
resumen <- summary(muestra)
resumen
# Matriz de Covarianza
covar <- cov(as.matrix(muestra))
covar
133
# Matriz de Correlación
corr <- cor(as.matrix(muestra))
corr
# Ploteos de Dispersión
pairs(muestra)
# Archivo de cobertura
vector=readOGR(dsn="E:/Mariam/Shape",layer="Muestra")
vector
plot(vector, col='orange')
# Definición aleatoria de 150 puntos

p.train <- spsample(vector,150,"random")
temp1 <- over(p.train,vector)
resp <- temp1$Value
# Obtención de ND de la imagen en cada punto de muestreo

trainvals <- extract(muestra, p.train)
trainvals
# Adición de clases de cobertura a los puntos de entrenamiento

sp.train = SpatialPointsDataFrame(p.train, temp1)
sp.train
# Visualización entrenamiento
plotRGB(muestra,r=3,g=2,b=1)
plot(vector,col='red', add=TRUE)
plot(sp.train,col='red', add=TRUE)
# Definición de 1600 puntos de validación

p.test <- spsample(vector,300,"random")
# Obtención de clases existentes en los sitios de validación

temp <- over(p.test,vector)
temp
# Creación de la respuesta del modelo

response <- temp$Value
response
# Obtención de ND de la imagen en cada punto de muestreo

testvals <- extract(muestra, p.test)
testvals
# Adición de clases de cobertura a los puntos de entrenamiento

sp.test = SpatialPointsDataFrame(p.test, temp)
sp.test
134
# Visualización validación
plot(vector)
plot(sp.test ,col='blue', add=TRUE)
# Clasificación de la cobertura del suelo usando SVM

# cargue de la librería requerida
library(kernlab)
# Entrenamiento de SVM
svp_1 <- ksvm(trainvals,resp, type="C-svc",kernel='rbf',kpar=list(sigma=2.5),C=50)
svp_1
# Support Vector Machine object of class "ksvm"
# SV type: C-svc (classification)

# parameter : cost C = 50
# Gaussian Radial Basis kernel function.

# Hyperparameter : sigma = 2.5
# Number of Support Vectors : 33

# Objective Function Value : -2.0139 -1.8836 -1.3335 -4.536 -179.3572 -1.9234
# Training error : 0.006667
# Vectores de soporte
alpha(svp_1)
alphaindex(svp_1)
b(svp_1)
# Predicción modelo
clasepred <- predict(svp_1,getValues(muestra))
clasepred
Muestra
# Creación del un raster con las clases de cobertura obtenidas por el algoritmo SVM
Predicción <- raster(ncols=5147,nrows=3867,xmn=-2.620497, xmx=12.81536, ymn=-
5.629455, ymx=5.967678)
predicción[1:19903449] <- clasepred
r<-predicción
Predicción
# raster de clases existentes en el terreno y el raster de clases obtenidas mediante SVM
plot(vector, main="Clases existentes en el terreno")
plot(predicción, main="Clases obtenidas mediante SVM")
# escribir la imagen
library(rgdal)
rf<-writeRaster(r,filename="muestreo_22.tif",format="GTiff",overwrite=TRUE)
135
## Evaluación de exactitud temática

# Obtención de clase predicha en cada punto de validación
temp$clas <- extract(prediccion, p.test)
# Derivación de la matriz de confusión

library(mda)
conf <- confusion(temp$Value, temp$clas)
conf
# Porcentaje correctamente clasificado

pcc <- 100 * sum(diag(conf))/nrow(temp)
pcc
# Obtención del valor kappa

k1 = Kappa(conf)$Unweighted[[1]]
k1
136

Evaluacion Textura y Rugpsidad - C

Uploaded by

Document Information

Original Title

Copyright

Available Formats

Share this document

Share or Embed Document

Sharing Options

Did you find this document useful?

Is this content inappropriate?

Copyright:

Available Formats

Evaluacion Textura y Rugpsidad - C

Uploaded by

Copyright:

Available Formats

EVALUACIÓN DE LA TEXTURA Y LA RUGOSIDAD DE PAVIMENTOS FLEXIBLES

MEDIANTE IMÁGENES TOMADAS A PARTIR DE CÁMARA NO MÉTRICA NIKON

UNIVERSIDAD DISTRITAL FRANCISCO JOSÉ DE CALDAS

Tesis presentada como requisito parcial para optar al título de:

UNIVERSIDAD DISTRITAL FRANCISCO JOSÉ DE CALDAS

Agradezco a Dios primeramente por darme la fuerza y fortaleza necesaria para no

1.1 PROBLEMA DE INVESTIGACIÓN ......................................................................... 21

1.3 OBJETIVOS ...................................................................................................... 22

1.3.1 Objetivo General .............................................................................................. 22

1.3.2 Objetivos Específicos ....................................................................................... 22

2. MARCO TEÓRICO ...................................................................................................... 24

2.1 ANTECENDENTES ................................................................................................ 24

2.1.1 ENSAYOS PARA EVALUAR LA MICROTEXTURA Y MACROTEXTURA DE

2.1.1.1 Medición de Fricción Dinámica (ASTM E-1911) ........................................ 24

2.1.1.2 Macrotextura: Círculo de Arena (I.N.V.E- 791) .......................................... 26

2.1.1.3 Microtextura: Resistencia al Deslizamiento Mediante el Péndulo TRRL

(INV E- 792) .......................................................................................................... 28

2.1.2 ESTUDIOS SIMILARES EN LOS PAVIMENTOS REALIZADOS EN EL

MUNDO UTILIZANDO IMÁGENES .......................................................................... 29

2.2 CONCEPTOS TEÓRICOS ..................................................................................... 30

2.2.1 Textura ............................................................................................................ 31

2.2.1.1 Macrotextura: ............................................................................................ 32

2.2.1.3 Megatextura: ............................................................................................. 33

2.2.3 Concreto Asfáltico ............................................................................................ 34

2.2.4 Diseño de mezclas asfálticas por método Marshall .......................................... 35

2.2.4.1 Fabricación de las briquetas ...................................................................... 37

2.2.5 Procesamiento Digital de Imágenes ................................................................. 38

2.2.6 Clasificación de las Imágenes .......................................................................... 39

2.2.6.1 Supervisada: ............................................................................................. 39

2.2.6.2 No supervisada: ........................................................................................ 39

2.2.7 Algoritmo Maquinas de Soporte Vectorial SVM ................................................ 39

2.2.8 Cámaras No Métricas ...................................................................................... 40

2.2.8.1 Cámara Nikon Coolpix S2900 ................................................................... 41

3.1 DISEÑO DE LAS BRIQUETAS POR MÉTODO MARSHALL ................................. 46

3.2 ENSAYOS DE LABORATORIO.............................................................................. 50

3.2.1 Medida del Coeficiente de Resistencia al Deslizamiento Usando el

Péndulo Británico (INV E- 792) ................................................................................. 50

3.2.2 Medida De La Macrotextura Superficial De Un Pavimento Empleando La

Técnica Volumétrica (Circulo de arena) (I.N.V.E- 791- 13)........................................ 53

3.3 PROCESAMIENTO DE LAS IMÁGENES ............................................................... 55

3.3.1 Toma de Fotografías ........................................................................................ 55

3.3.2 Procesamiento de las imágenes a partir del método de Máquinas de

Soporte Vectorial (SVM) ........................................................................................... 55

3.3.3 Extracción de Áreas ......................................................................................... 57

3.3.4 Validación de la Clasificación de las imágenes ................................................ 58

3.3.4.1 Matriz de confusión ................................................................................... 58

3.3.4.2 Índice kappa y porcentaje correctamente clasificados en imágenes .......... 58

3.3.5.1 Análisis Descriptivo de los Datos ............................................................... 59

4.1 RESULTADOS DE LOS ENSAYOS DE LABORATORIO ....................................... 62

4.1.1 Ensayo para Evaluar la Microtextura: Péndulo de Fricción............................... 62

4.1.2 Ensayo para Evaluar la Macrotextura: Círculo de Arena .................................. 69

4.1.3. Clasificación de las Imágenes por Medio del Método de Maquinas de

Soporte Vectorial (SVM) ........................................................................................... 72

4.1.5 Análisis Estadístico de los Datos Obtenidos .................................................. 110

4.1.5.1 Análisis Descriptivo de los Datos ............................................................. 110

4.1.5.2 Gráficos de Dispersión Coeficiente de Rozamiento en Briquetas Secas . 112

4.1.5.3 Gráficos de Dispersión Coeficiente de Rozamiento Briqueta Húmeda ..... 115

4.1.5.4 Gráficos de Dispersión Teniendo en Cuenta la Profundidad de Textura .. 117

4.1.5.5 Gráficas de Dispersión por Mezclas ........................................................ 120

4.1.5.6 Gráficas de Dispersión por Golpes .......................................................... 121

5. CONCLUSIONES ...................................................................................................... 125

6. RECOMENDACIONES .............................................................................................. 127

7. BIBLIOGRAFÍA .......................................................................................................... 128