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

Descripción del Articulo

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...

Descripción completa

Detalles Bibliográficos
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
id UTPD_ded2eb3975a61931148a5f42791098d5
oai_identifier_str oai:repositorio.utp.edu.pe:20.500.12867/12361
network_acronym_str UTPD
network_name_str UTP-Institucional
repository_id_str 4782
dc.title.es_PE.fl_str_mv Evaluación del estado del pavimento aplicando Machine Learning en las principales Avenidas de Lima Metropolitana, 2025
title Evaluación del estado del pavimento aplicando Machine Learning en las principales Avenidas de Lima Metropolitana, 2025
spellingShingle Evaluación del estado del pavimento aplicando Machine Learning en las principales Avenidas de Lima Metropolitana, 2025
Ramírez Zapata, Wendy Karol
Aprendizaje Automático
Metodología PCI
Estado del pavimento
Bosque Aleatorio
https://purl.org/pe-repo/ocde/ford#2.01.01
title_short Evaluación del estado del pavimento aplicando Machine Learning en las principales Avenidas de Lima Metropolitana, 2025
title_full Evaluación del estado del pavimento aplicando Machine Learning en las principales Avenidas de Lima Metropolitana, 2025
title_fullStr Evaluación del estado del pavimento aplicando Machine Learning en las principales Avenidas de Lima Metropolitana, 2025
title_full_unstemmed Evaluación del estado del pavimento aplicando Machine Learning en las principales Avenidas de Lima Metropolitana, 2025
title_sort Evaluación del estado del pavimento aplicando Machine Learning en las principales Avenidas de Lima Metropolitana, 2025
author Ramírez Zapata, Wendy Karol
author_facet Ramírez Zapata, Wendy Karol
Santos Pacheco, Richard Victor César
author_role author
author2 Santos Pacheco, Richard Victor César
author2_role author
dc.contributor.advisor.fl_str_mv Inga Alva, Alexander Eduardo
dc.contributor.author.fl_str_mv Ramírez Zapata, Wendy Karol
Santos Pacheco, Richard Victor César
dc.subject.es_PE.fl_str_mv Aprendizaje Automático
Metodología PCI
Estado del pavimento
Bosque Aleatorio
topic Aprendizaje Automático
Metodología PCI
Estado del pavimento
Bosque Aleatorio
https://purl.org/pe-repo/ocde/ford#2.01.01
dc.subject.ocde.es_PE.fl_str_mv https://purl.org/pe-repo/ocde/ford#2.01.01
description 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.
publishDate 2025
dc.date.accessioned.none.fl_str_mv 2025-06-09T19:21:49Z
dc.date.available.none.fl_str_mv 2025-06-09T19:21:49Z
dc.date.issued.fl_str_mv 2025
dc.type.es_PE.fl_str_mv info:eu-repo/semantics/bachelorThesis
dc.type.version.es_PE.fl_str_mv info:eu-repo/semantics/publishedVersion
format bachelorThesis
status_str publishedVersion
dc.identifier.uri.none.fl_str_mv https://hdl.handle.net/20.500.12867/12361
url https://hdl.handle.net/20.500.12867/12361
dc.language.iso.es_PE.fl_str_mv spa
language spa
dc.relation.ispartof.fl_str_mv SUNEDU
dc.rights.es_PE.fl_str_mv info:eu-repo/semantics/openAccess
dc.rights.uri.es_PE.fl_str_mv https://creativecommons.org/licenses/by-nc-sa/4.0/
eu_rights_str_mv openAccess
rights_invalid_str_mv https://creativecommons.org/licenses/by-nc-sa/4.0/
dc.format.es_PE.fl_str_mv application/pdf
dc.publisher.es_PE.fl_str_mv Universidad Tecnológica del Perú
dc.publisher.country.es_PE.fl_str_mv PE
dc.source.es_PE.fl_str_mv Repositorio Institucional - UTP
Universidad Tecnológica del Perú
dc.source.none.fl_str_mv reponame:UTP-Institucional
instname:Universidad Tecnológica del Perú
instacron:UTP
instname_str Universidad Tecnológica del Perú
instacron_str UTP
institution UTP
reponame_str UTP-Institucional
collection UTP-Institucional
bitstream.url.fl_str_mv https://repositorio.utp.edu.pe/backend/api/core/bitstreams/9143ef24-60dc-496c-9db8-fc04323221ef/download
https://repositorio.utp.edu.pe/backend/api/core/bitstreams/4e3ae069-a516-4808-83ce-4ac638d8ea86/download
https://repositorio.utp.edu.pe/backend/api/core/bitstreams/61e39ac9-3077-4834-9766-4dc45580aa96/download
https://repositorio.utp.edu.pe/backend/api/core/bitstreams/85d620d7-2499-4d46-9927-94fa2d3c9de1/download
https://repositorio.utp.edu.pe/backend/api/core/bitstreams/3d634e20-fb2e-4e2a-af51-efa69b3fc7cd/download
https://repositorio.utp.edu.pe/backend/api/core/bitstreams/528b6672-a793-46dc-85ea-522edfa72ed6/download
https://repositorio.utp.edu.pe/backend/api/core/bitstreams/49664a66-43e4-4307-a5ef-80ac86f5277f/download
https://repositorio.utp.edu.pe/backend/api/core/bitstreams/808f0edf-11e0-4e8a-94ab-541d48fe2136/download
https://repositorio.utp.edu.pe/backend/api/core/bitstreams/ce7bd880-5e6d-49ba-a2c4-010da1aa8b6a/download
https://repositorio.utp.edu.pe/backend/api/core/bitstreams/a8af6f93-55a9-4d6b-adc8-5cf13c404ccb/download
bitstream.checksum.fl_str_mv 8a4605be74aa9ea9d79846c1fba20a33
2886b74a8724d68c933f2e7a293a689e
389247aa466f384168c8e89061ef74c7
f0b86c1a3461668cce70dd8bd79168b3
8e92def72facd4eeaeafa6aea40cbb44
f33a58eb8c28e227667e2d9590d34b39
b8958d5172c686e6455494e0f618b5fd
ce614d76b386e7a51cc3944d438f77ce
4b024dc6fe08d4bc59cd1ed0b04c4c22
f36bd6d61a0493dae129011226743e61
bitstream.checksumAlgorithm.fl_str_mv MD5
MD5
MD5
MD5
MD5
MD5
MD5
MD5
MD5
MD5
repository.name.fl_str_mv Repositorio de la Universidad Tecnológica del Perú
repository.mail.fl_str_mv repositorio@utp.edu.pe
_version_ 1853499904231473152
spelling Inga Alva, Alexander EduardoRamírez Zapata, Wendy KarolSantos Pacheco, Richard Victor César2025-06-09T19:21:49Z2025-06-09T19:21:49Z2025https://hdl.handle.net/20.500.12867/12361La 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.Campus Lima Centroapplication/pdfspaUniversidad Tecnológica del PerúPEinfo:eu-repo/semantics/openAccesshttps://creativecommons.org/licenses/by-nc-sa/4.0/Repositorio Institucional - UTPUniversidad Tecnológica del Perúreponame:UTP-Institucionalinstname:Universidad Tecnológica del Perúinstacron:UTPAprendizaje AutomáticoMetodología PCIEstado del pavimentoBosque Aleatoriohttps://purl.org/pe-repo/ocde/ford#2.01.01Evaluación del estado del pavimento aplicando Machine Learning en las principales Avenidas de Lima Metropolitana, 2025info:eu-repo/semantics/bachelorThesisinfo:eu-repo/semantics/publishedVersionSUNEDUIngeniero CivilUniversidad Tecnológica del Perú. Facultad de IngenieríaIngeniería CivilPregrado07493618https://orcid.org/0000-0001-6302-023447295070732016Umeres Mendoza, Marco AntonioFernández Díaz, Carlos MarioIzquierdo Horna, Luis Antoniohttps://purl.org/pe-repo/renati/level#tituloProfesionalhttps://purl.org/pe-repo/renati/type#tesisLICENSElicense.txtlicense.txttext/plain; charset=utf-81748https://repositorio.utp.edu.pe/backend/api/core/bitstreams/9143ef24-60dc-496c-9db8-fc04323221ef/download8a4605be74aa9ea9d79846c1fba20a33MD54ORIGINALR.Santos_W.Ramirez_Tesis_Titulo_Profesional_2025.pdfR.Santos_W.Ramirez_Tesis_Titulo_Profesional_2025.pdfapplication/pdf18733878https://repositorio.utp.edu.pe/backend/api/core/bitstreams/4e3ae069-a516-4808-83ce-4ac638d8ea86/download2886b74a8724d68c933f2e7a293a689eMD51R.Santos_W.Ramirez_Formulario_de_Publicacion.pdfR.Santos_W.Ramirez_Formulario_de_Publicacion.pdfapplication/pdf272920https://repositorio.utp.edu.pe/backend/api/core/bitstreams/61e39ac9-3077-4834-9766-4dc45580aa96/download389247aa466f384168c8e89061ef74c7MD52R.Santos_W.Ramirez_Informe_de_Similitud.pdfR.Santos_W.Ramirez_Informe_de_Similitud.pdfapplication/pdf5427660https://repositorio.utp.edu.pe/backend/api/core/bitstreams/85d620d7-2499-4d46-9927-94fa2d3c9de1/downloadf0b86c1a3461668cce70dd8bd79168b3MD53TEXTR.Santos_W.Ramirez_Tesis_Titulo_Profesional_2025.pdf.txtR.Santos_W.Ramirez_Tesis_Titulo_Profesional_2025.pdf.txtExtracted texttext/plain101744https://repositorio.utp.edu.pe/backend/api/core/bitstreams/3d634e20-fb2e-4e2a-af51-efa69b3fc7cd/download8e92def72facd4eeaeafa6aea40cbb44MD511R.Santos_W.Ramirez_Formulario_de_Publicacion.pdf.txtR.Santos_W.Ramirez_Formulario_de_Publicacion.pdf.txtExtracted texttext/plain5849https://repositorio.utp.edu.pe/backend/api/core/bitstreams/528b6672-a793-46dc-85ea-522edfa72ed6/downloadf33a58eb8c28e227667e2d9590d34b39MD513R.Santos_W.Ramirez_Informe_de_Similitud.pdf.txtR.Santos_W.Ramirez_Informe_de_Similitud.pdf.txtExtracted texttext/plain101345https://repositorio.utp.edu.pe/backend/api/core/bitstreams/49664a66-43e4-4307-a5ef-80ac86f5277f/downloadb8958d5172c686e6455494e0f618b5fdMD515THUMBNAILR.Santos_W.Ramirez_Tesis_Titulo_Profesional_2025.pdf.jpgR.Santos_W.Ramirez_Tesis_Titulo_Profesional_2025.pdf.jpgGenerated Thumbnailimage/jpeg13257https://repositorio.utp.edu.pe/backend/api/core/bitstreams/808f0edf-11e0-4e8a-94ab-541d48fe2136/downloadce614d76b386e7a51cc3944d438f77ceMD512R.Santos_W.Ramirez_Formulario_de_Publicacion.pdf.jpgR.Santos_W.Ramirez_Formulario_de_Publicacion.pdf.jpgGenerated Thumbnailimage/jpeg28615https://repositorio.utp.edu.pe/backend/api/core/bitstreams/ce7bd880-5e6d-49ba-a2c4-010da1aa8b6a/download4b024dc6fe08d4bc59cd1ed0b04c4c22MD514R.Santos_W.Ramirez_Informe_de_Similitud.pdf.jpgR.Santos_W.Ramirez_Informe_de_Similitud.pdf.jpgGenerated Thumbnailimage/jpeg18862https://repositorio.utp.edu.pe/backend/api/core/bitstreams/a8af6f93-55a9-4d6b-adc8-5cf13c404ccb/downloadf36bd6d61a0493dae129011226743e61MD51620.500.12867/12361oai:repositorio.utp.edu.pe:20.500.12867/123612025-11-30 17:14:43.235https://creativecommons.org/licenses/by-nc-sa/4.0/info:eu-repo/semantics/openAccessopen.accesshttps://repositorio.utp.edu.peRepositorio de la Universidad Tecnológica del Perúrepositorio@utp.edu.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
score 13.905324
Evaluación del estado del pavimento aplicando Machine Learning en las principales Avenidas de Lima Metropolitana, 2025
Nota importante:
La información contenida en este registro es de entera responsabilidad de la institución que gestiona el repositorio institucional donde esta contenido este documento o set de datos. El CONCYTEC no se hace responsable por los contenidos (publicaciones y/o datos) accesibles a través del Repositorio Nacional Digital de Ciencia, Tecnología e Innovación de Acceso Abierto (ALICIA).

Ejemplares Similares