Estimación de la condición del pavimento a partir de datos de vehículos autónomos y conectados

Abstract

[EN] Proper maintenance of the road network is crucial to preserving and improving citizens¿ quality of life. Otherwise, the costs associated with the transportation of goods and people would increase, since poor road conditions are linked to a higher risk of accidents, greater fuel consumption, and consequently, an increase in greenhouse gas emissions.Current methods for assessing pavement conditions on roads involve carrying out inspections with specialized equipment to evaluate both the state of the surface and driving quality or comfort. This means that the administration cannot inspect the entire road network annually due to technical and economic limitations. In this context, crowdsourcing data from connected and autonomous vehicles (CAVs) with enhanced attributes emerges as an alternative to the use of instrumented equipment. Unlike traditional inspection methods¿whose results largely depend on the specific track followed by the specialized equipment at the time of measurement and whose data collection frequency is very limited¿the use of data from CAVs provides more reliable, near real-time information on road conditions, since each point of the roadway can be monitored by hundreds or thousands of vehicles.Therefore, the main objective of this work is to evaluate the feasibility of using CAV data to assess pavement conditions through the International Roughness Index (IRI). To this end, CAV-derived data have been compared with traditional inspection data, establishing different thresholds to quantitatively and qualitatively define pavement condition based on vehicle data.

[ES] Un adecuado mantenimiento de la red vial es crucial para preservar y mejorar la calidad de vida de los ciudadanos. En caso contrario, el coste asociado al transporte de mercancías y personas se incrementaría, pues un mal estado de la vía está asociado a un mayor riesgo de ocurrencia de accidentes y un mayor consumo de combustible y, consecuentemente, a un aumento también de las emisiones de gases de efecto invernadero. Los métodos actuales de evaluación de la condición del pavimento de las carreteras implican la realización de inspecciones con equipos especializados para evaluar el estado del firme y la calidad o confort de la conducción, lo que implica que la administración no pueda abarcar la inspección de toda la red vial anualmente debido a limitaciones tanto técnicas como económicas. En este contexto, el crowdsourcing de datos de vehículos autónomos y conectados (CAVs) con atributos mejorados se postula como una alternativa al empleo de equipos instrumentados. A diferencia de los métodos de auscultación, cuyos resultados dependen en gran medida de la rodada del equipo especializado en el momento de la medición y cuya frecuencia de toma de datos es muy reducida, el empleo de datos provenientes de CAVs permite disponer del estado real de la vía con mayor fiabilidad puesto que en cada punto de la carretera se dispone de los datos de centenares o miles de vehículos prácticamente en tiempo real. Así, el objetivo principal de este trabajo es evaluar la posibilidad del empleo de los datos provenientes de los CAVs para evaluar el estado del pavimento a través del Índice de Regularidad Internacional (IRI). Para ello, se han comparado los datos provenientes de CAVs con datos de auscultaciones, estableciendo distintos umbrales para definir cuantitativa y cualitativamente la condición del pavimento a partir de los datos de los vehículos.