Evaluación del estado del pavimento aplicando Machine Learning en las principales Avenidas de Lima Metropolitana, 2025

• Autores: Ramírez Zapata, Wendy Karol, Santos Pacheco, Richard Victor César
• Formato: tesis de grado
• Fecha de Publicación: 2025
• Institución: Universidad Tecnológica del Perú
• Repositorio: UTP-Institucional
• Lenguaje: español
• OAI Identifier: oai:repositorio.utp.edu.pe:20.500.12867/12361
• Enlace del recurso: https://hdl.handle.net/20.500.12867/12361
• Nivel de acceso: acceso abierto
• Materia: Aprendizaje Automático; Metodología PCI; Estado del pavimento; Bosque Aleatorio; https://purl.org/pe-repo/ocde/ford#2.01.01

La presente investigación tiene como objetivo desarrollar un modelo de clasificación basado en aprendizaje automático (Machine Learning) para evaluar el estado del pavimento de las principales avenidas de Lima Metropolitana, utilizando un conjunto de datos recopilados mediante la metodología del PCI, a través del uso del modelo Random Forest, del cual se logró una precisión de 74% en la clasificación del estado del pavimento. Los resultados indican que el área, la longitud y la severidad son los factores más influyentes en el deterioro del pavimento. Los resultados obtenidos muestran que el modelo propuesto es capaz de clasificar con alta precisión el estado del pavimento, lo que lo convierte en una herramienta útil para la gestión y mantenimiento de la infraestructura vial en la ciudad. Futuras investigaciones podrían explorar la incorporación de datos de sensores remotos y el desarrollo de modelos más complejos para mejorar la precisión y la capacidad de generalización.