Incertidumbre en el retrocálculo de parámetros geométricos de curvas verticales obtenidos con UAV.
Loading...
Date
2021
Authors
Journal Title
Journal ISSN
Volume Title
Publisher
Universidad de Concepción
Abstract
En caminos existentes habitualmente es necesario estimar coordenadas y elevación para retro -
calcular la geometría del trazado horizontal, vertical y de la sección transversal. Esta información
es útil cuando no se cuenta con planos as-built o cuando se requieren datos geométricos para
elaborar, por ejemplo, modelos que relacionen la velocidad de operación con la geometría del
camino. En caminos existentes las mantenciones y el deterioro introducen distorsiones en la
continuidad de las cotas del trazado vertical y su geometría. Existen modelos para estimar la
nueva geometría en base a algoritmos de optimización y suavización de alturas del eje
longitudinal. Sin embargo, estos modelos utilizan generalmente espaciamientos de alturas fijos y
un único algoritmo de suavización, ignorando la variabilidad que ocasiona en los parámetros
geométricos la elección del espaciamiento, del algoritmo de suavización y sus parámetros. Por
tanto, estiman un valor único de parámetros geométricos sin conocer el error de estimación.
Este trabajo analiza el efecto del espaciamiento de los puntos topográficos del alineamiento
vertical obtenidos mediante fotogrametría, combinado con el efecto de la elección de diversos
métodos y parámetros de suavización sobre los parámetros de curvatura (K en m), deflexión (A
en %) y longitud (L en m) de las curvas verticales (KAL). Se rea
lizó un levantamiento fotogramétrico de una curva vertical utilizando un UAV (Unmanned Aerial
Vehicle por sus siglas en inglés) y se construyó un modelo digital de superficie, del cual se
extrajeron datos de elevación cada 2, 5 y 10 m.
Se construyeron diagramas de pendiente, para posteriormente aplicar suavización exponencial
simple (SES), doble (DES) y triple (TES) para diversos parámetros de nivel, tendencia y
estacionalidad. Se realizó un análisis de variabilidad con los métodos boosting regression (BR),
ANOVA y K-Nearest Neighbor (KNN). Finalmente se concluyó que el tipo de suavizador y sus
parámetros explican entre un 85 y 89 % la variabilidad de los parámetros KAL y que, con un 95
% de nivel de confianza, el espaciamiento, suavizador y su combinación afectan
significativamente la media de los parámetros KAL.
Description
Tesis presentada para optar al grado de Magíster en Ciencias de la Ingeniería con mención en Ingeniería Civil.
Keywords
Ingeniería de Carreteras, Fotogrametría, Técnicas Digitales, Modelos Digitales de Elevación, Perfiles de Suelo, Industria Innovación e Infraestructura