Documenti di Didattica
Documenti di Professioni
Documenti di Cultura
ESCUELA DE INGENIERIA
PRIORIZACIÓN SOCIO-POLÍTICA DE
PROYECTOS DE MANTENIMIENTO DE
PAVIMENTOS URBANOS BASADA EN
SISTEMAS DE INFORMACIÓN
GEOGRÁFICA
Profesor Supervisor:
CLAUDIO MOURGUES
PRIORIZACIÓN SOCIO-POLÍTICA DE
PROYECTOS DE MANTENIMIENTO DE
PAVIMENTOS URBANOS BASADO EN
SISTEMAS DE INFORMACIÓN
GEOGRÁFICA
CLAUDIO MOURGUES A.
ALONDRA CHAMORRO G.
JORGE QÜENSE A.
GONZÁLO CORTÁZAR S.
AGRADECIMIENTOS
INDICE GENERAL
Pág.
DEDICATORIA........................................................................................................... ii
1. INTRODUCCIÓN .............................................................................................. 1
1.1. Antecedentes .............................................................................................. 3
1.2. El Problema ................................................................................................ 6
1.3. Intuición ..................................................................................................... 7
1.4. Puntos de Partida ........................................................................................ 8
1.4.1. Criterios Socio-Políticos en SGPU .................................................. 8
1.4.2. SIG y Gestión de Pavimentos .......................................................... 9
1.4.3. Análisis Multicriterio ..................................................................... 10
1.4.4. SIG y Análisis Multicriterio .......................................................... 11
1.5. Objetivos .................................................................................................. 14
1.6. Métodos de Investigación y Tareas .......................................................... 14
1.7. Resultados ................................................................................................ 21
1.8. Contribución al Conocimiento ................................................................. 24
1.9. Valor Práctico ........................................................................................... 25
BIBLIOGRAFíA ........................................................................................................ 80
A N E X O S ............................................................................................................... 87
INDICE DE TABLAS
Pág.
Tabla 1-1. Resumen aplicaciones por tipo de infraestructura y potencialidad del SIG
utilizada (Fuente: Propia) ................................................................................................. 10
Tabla 2-1. Niveles de Confianza de la Muestras.............................................................. 32
Tabla 2-2. Categorización y Número de Municipalidades por Ingreso Comunal............ 33
Tabla 2-3. Factorial Criterios Socio-Políticos.................................................................. 44
Tabla 2-4. Tamaño de Muestra en base a Error esperado y Niveles de Confianza.......... 45
Tabla 2-5. Desviación Estándar de la Muestra en Base a Escenarios .............................. 48
Tabla 3-1. Niveles de Confianza de la Muestras.............................................................. 53
Tabla 3-2. Categorización y Número de Municipalidades por Ingreso Comunal............ 54
Tabla 3-3. Capas de Datos de Información de Entrada al SIG ........................................ 59
Tabla 3-4. Tabla de Atributos de la Red Vial de la Comuna de San Miguel ................... 67
Tabla B-0-1. Categorización de Prioridad de Infraestructura .......................................... 92
Tabla C-0-1. Ejemplo de Niveles de Criterios ................................................................. 98
Tabla C-0-2. Escenarios para Red Estructurante Intermedia ........................................... 99
Tabla C-0-3. Escenarios para Red Local........................................................................ 100
Tabla F-0-1. Estadísticos Regresión Red Estructurante- Ciudad Metropolitana ........... 118
Tabla F-0-2. Análisis de Significancia Estadística de la Regresión Red Estructurante-
Ciudad Metropolitana..................................................................................................... 118
Tabla F-0-3. Pesos Relativos Criterios Socio-Políticos y Test “t” de Significancia
Estadística de Variables Independientes Red Estructurante-Ciudad Metropolitana ...... 119
Tabla F-0-4. Validación de Polinomio a través de Test “t” de dos colas Red
Estructurante-Ciudad Metropolitana .............................................................................. 119
Tabla F-0-5. Gráficas de Residuos para Polinomio de FPSP de Red Estructurante Ciudad
Metropolitana ................................................................................................................. 120
Tabla F-0-6. Estadísticos Regresión Red Estructurante- Otras Ciudades ...................... 120
Tabla F-0-7. Análisis de Significancia Estadística de la Regresión Red Estructurante-
Otras Ciudades ............................................................................................................... 121
ix
INDICE DE FIGURAS
Pág.
RESUMEN
ABSTRACT
1. INTRODUCCIÓN
1.1. Antecedentes
Por otro lado, la utilización de SIG en los SGP ha ido en aumento, por
razones como las que señalan, Elhadi & Mohammed (2009), como que el
futuro de la gestión de pavimentos está en el uso de los SIG, debido a que es
una de las herramientas más apropiadas para lograr que las operaciones de
mantenimientos de pavimentos sean exitosas, con potencialidades como la
visualización de la condición de pavimentos. Actualmente, existe un
aumento en el uso de SIG por parte de las autoridades, y en la búsqueda de
una mayor integración con los sistemas de gestión de pavimentos, debido a
las grandes facilidades que proporciona en el manejo de la información y a la
toma de decisiones. También Janin et al (2003) señalan que un SIG bien
diseñado es una plataforma que considera todos los aspectos de un sistema
de gestión de pavimentos. Estos aspectos incluyen la recolección de
información, análisis preliminares de datos y su interpretación, creación de
mapas temáticos, edición de base de datos la cual debe ser flexible, editores
de fórmulas, estadísticas, manipulación de matrices, generación de redes,
modelos y algoritmos.
Los SIG, son un sistema computacional conformado por software, hardware,
personas, organizaciones y procesos de negocios diseñados para ayudar a la
captura, administración, manipulación, análisis, modelación y visualización
de información espacialmente referenciada, con el fin de resolver problemas
complejos de planificación y gestión (Antenucci et al. 1991; Lewis y Sutton
1993, Flintsch, 2003).
Un SIG se compone de una base de datos espacial, que contiene la referencia
de las coordenadas (georreferenciación) de todas las entidades que queremos
analizar, y otra de atributos, que son las propiedades no espaciales de una
entidad, como por ejemplo, color, altura, capacidad, materialidad, etc. Los
datos no espaciales pueden ser nominales (información cualitativa),
ordinales (orden o escala) o intervalo/razón (cuantitativa que contiene orden
o escala).
Se constituye principalmente de tres capacidades:
6
1.2. El Problema
1.3. Intuición
importante, debido a que, como autor, se cree que los criterios socio-
políticos tiene una fuerte componente geográfica.
Es decir, la utilización de la herramienta SIG permitirá realizar análisis
espaciales, que serán de gran ayuda para formalizar la consideración de
criterios socio-políticos a la priorización. También ayudaran a comprender
el estado en que se encuentra la red vial y de esta manera, programar sus
intervenciones, de manera que nos permita no sólo visualizarla y observar el
efecto de éstas, sino que también desarrollar un algoritmo, a través de un
Análisis Multicriterio (AMC), que permita al tomador de decisiones
interactuar con la herramienta para realizar un análisis que permita priorizar
los proyectos mantenimiento de pavimentos urbanos. El SIG puede
considerar infraestructura importante adyacente a las calles, zonas que
podrían ser de un interés particular para las entidades administradoras,
cercanía a accidentes naturales, visualización de radios de afección por
intervenciones, entre otros.
Tabla 1-1. Resumen aplicaciones por tipo de infraestructura y potencialidad del SIG
utilizada (Fuente: Propia)
1.5. Objetivos
dada por los expertos a una cierta cantidad de escenarios con distintos
valores para cada uno de los criterios utilizados, con el fin de realizar un
análisis de regresión con los resultados y de esta manera determinar el
polinomio de priorización de análisis multicriterio. La encuesta realizada se
puede observar en el Anexo C.
Análisis de Regresión de Resultados para Obtener Polinomio AMC: Con
el 75% de las respuesta recibidas, se hace un análisis acabado de los datos,
con el fin de comprobar que las variables sean estadísticamente relevantes,
que sean independientes entre ellas, y finalmente obtener los polinomios de
regresión que nos permiten obtener los pesos relativos entre los criterios.
Validación de Polinomio AMC: Esta metodología finalmente termina
validando las regresiones lo que se realiza con el 25% de las respuestas que
no se utilizaron para el análisis estadístico. Se comprueba que las respuestas
de estos tomadores de decisiones sea consecuente con las entregadas por los
polinomios de priorización obtenidos, si es así, se obtuvo el resultado
querido.
1.7. Resultados
Red Estructurante-Intermedia:
R ^ 2 = 0,934
DW= 1.017
R ^ 2 = 0,917
DW= 1.124
Red Local:
R ^ 2 = 0,927
DW= 1.665
R ^ 2 = 0,900
DW= 1.385
Siendo:
PS: Índice de Prioridad de Percepción Social
IC: Índice de Prioridad de Infraestructura Crítica Cercana
PB: Índice de Prioridad de Población Beneficiada
PVA: Índice de Prioridad de Presencia de Vías Alternativas
contrario a distintos tipos de redes en los cuales los pesos relativos de los
criterios tienen una diferencia considerable.
Este sistema permita utilizar y priorizar los recursos limitados para los
proyectos mantenimiento de pavimentos urbanos mediante la consideración
de criterios socio-políticos que complementan a los técnicos-económicos que
generalmente se utilizan en un SGPU, lo que no sólo permite optimizar el
uso del dinero disponible para gestionar este tipo de conservaciones, sino
que también permite al tomador de decisiones elaborar un mejor programa
de mantención para las vías urbanas en base a información más confiable y
analizar el impacto socio-político de su elección.
Esto lo realiza aplicando un formato apropiado a la información necesaria
para considerar estos aspectos y estandarizándolos con el fin de acabar con la
variabilidad que existe hoy en esta toma de decisiones. Esto permite dar
mayor trazabilidad a las decisiones y simplifica la información, la que puede
ser compleja.
También esta herramienta permite la aplicación de todas las potencialidades
del SIG que dan como resultado una cuantificación de los criterios
geográficamente referenciados, los cuales son ingresados a un AMC que
permite calcular el FPSP para distintos niveles de decisión y tipo de ciudad.
Como se pudo observar en la metodología llevada a cabo, se levantó
información acerca de la capacidad técnica, económica y de información que
tienen cada una de las instituciones que utilizarán esta herramienta, con el fin
de desarrollar ésta con los estándares que permitan adecuarse a la realidad
económica e institucional de los entes encargados de la conservación de los
pavimentos urbanos.
Finalmente, se espera que a futuro que esta herramienta pueda ser
complementada con otros análisis más avanzados, que consideren, por
26
La gestión de pavimentos urbanos es una tarea difícil para las instituciones encargadas
de mantener y preservar este tipo de infraestructura, debido a una serie de factores como:
la heterogeneidad en la estructura de los pavimentos, las diferentes jerarquías existentes
en la red, la dificultad en la determinación de los flujos de vehículos, entre otros.
Teniendo en cuenta los limitados recursos financieros disponibles para mantener la
infraestructura pública, es necesario la optimización y priorización de las alternativas
más rentables para mantener la red de pavimentos urbanos. Una práctica común en todo
el mundo, especialmente en los países en desarrollo, es que las decisiones de
mantenimiento se realizan en base a criterios subjetivos, inversiones históricas, y, en
cierta medida, teniendo en cuenta criterios técnicos y económicos. Los criterios técnicos
suelen incluir capacidad de servicio, el tráfico y la jerarquía de la calle, mientras que los
criterios económicos por lo general se centran en los costes de mantenimiento de una
base a corto plazo.
Esta práctica no es consistente con la provisión sostenible de gestión de pavimentos
propuesto por la Comunidad de Desarrollo de Sudáfrica (SADC, 2003; Chamorro &
Tighe, 2013), que considera cinco aspectos de la gestión sostenible de las redes de
carreteras: técnico, económico-financiero, político, social, y ambiental.
El problema que surge del análisis es que los criterios socio-políticos, como la población
beneficiada o infraestructuras estratégicas que responden a las necesidades sociales
(tales como escuelas, hospitales, policía, etc), no se han estandarizado ni formalizado en
un Sistema de Gestión de Pavimentos Urbano (Wolters et al, 2011). Esto conduce a
decisiones basadas en consideraciones políticas, en lugar de las políticas públicas
informadas y bien conducidas donde la red se prioriza de manera sostenible.
Para el contexto de esta investigación, es importante tener en cuenta que la
Administración Federal de Carreteras (2005) considera tres tipos de actividades de
mantenimiento de pavimentos: la preservación, el mantenimiento y la rehabilitación (P +
28
M + R). La actividad que se lleva a cabo con el fin de mejorar la condición del
pavimento depende del nivel de deterioro de la estructura y su funcionamiento, siendo el
más rentable la Preservación, utilizada en pavimentos en buena condición, y el menos la
rehabilitación, utilizado en pavimentos dañados estructuralmente. En este documento se
utilizará las estrategias de mantenimiento como término para referirse a las tres tipos de
actividades.
Las entrevistas abarcaron a las instituciones que toman decisiones sobre este
tipo de infraestructura en dos niveles: municipios y gobiernos regionales. A
nivel municipal, los entrevistados incluyeron 25 municipios del área
32
Confianza Error n N
Municipalidades 95% 5% 25 33
de Santiago
Municipalidades 95% 7% 43 345
a Nivel Nacional
Gobiernos
Regionales 95% 4% 5 15
enviar los fondos y el importe de los mismos, sobre la base de criterios que
cambian en el tiempo y no están estandarizados.
A nivel municipal, el que toma las decisiones y quien tiene la
responsabilidad de dar prioridad a las distintas estrategias de mantenimiento
de pavimentos, en casi todos los municipios, es el alcalde o la alcaldesa, con
el jefe del departamento encargado de realizar el análisis del proyecto. Sólo
una quinta parte de los municipios, la decisión es tomada por los jefes de los
respectivos departamentos, que son los expertos en la materia (ver Figura 2-
2).
Aunque las quejas se relacionan con el estado del pavimento, que es una
variable técnica, incluyen también una perspectiva social, en términos de
cómo la comunidad percibe el estado de la vía y su impacto en su vida
cotidiana. La importancia de la calle incluye varios aspectos sociales y
políticos que se discuten más adelante en esta sección. Por lo tanto, tanto las
quejas y la importancia de la vía juntos representan el peso que los aspectos
sociales y políticos tienen en la toma de decisiones de mantenimiento.
36
Figura 2-4. Porcentajes Relativos Criterios por Localización para Priorizar Proyectos de
Mantenimiento de Pavimentos Urbanos
Figura 2-5. Porcentajes Relativos Criterios por Ingresos Comunales para Priorizar
Proyectos de Mantenimiento de Pavimentos Urbanos
La Figura 2-7 resume los resultados por ubicación geográfica del municipio,
y muestra que la infraestructura crítica es el criterio más importante en todos
los casos, mientras que la jerarquía funcional de la vía pierde el dominio en
comunidades fuera de Santiago, debido probablemente a que existe una
menor diferencia entre las jerarquías de las calles en esos lugares. La figura
2-7 muestra también que la presencia de rutas alternativas se vuelve
importante en las redes de las comunidades rurales, donde la redundancia de
la red es menor.
40
Figura 2-7. Porcentajes Relativos Criterios por Localización para Priorizar Proyectos de
Mantenimiento de Pavimentos Urbanos
Figura 2-8. Porcentajes Relativos Criterios por Ingresos Comunales para Priorizar
Proyectos de Mantenimiento de Pavimentos Urbanos
Red Estructurante-Intermedia:
R ^ 2 = 0,934
DW= 1.017
R ^ 2 = 0,917
DW= 1.124
Red Local:
R ^ 2 = 0,927
DW= 1.665
R ^ 2 = 0,900
DW= 1.385
Dónde:
47
Figura 2-9. Comparación entre el FPSP Calculado por Polinomio y el FPSP Observado
en las Encuestas
Desviación Estándar
Escenario Estructurante - Estructurante - Otras Local - Local - Otras
Metropolitana Ciudades Metropolitana Ciudades
1 1.07 2.07 1.16 1.30
2 1.04 2.19 2.30 1.85
3 1.69 1.16 1.20 1.07
4 1.39 0.74 1.41 1.49
5 1.89 1.04 1.75 1.81
6 1.36 1.06 1.07 1.25
7 1.13 1.41 1.49 1.77
8 1.89 1.25 1.19 1.06
9 1.39 1.49 1.67 1.60
10 1.41 1.16 1.51 1.51
2.6. Conclusiones
Presencia de Vías Alternativas: Vías que están disponible para los viajes que se
realizan a través del tramo analizado. Ante la ausencia de estas vías, el mal
estado del tramo generaría grandes reducciones en velocidades de circulación y
atochamientos.
Confianza Error N
Santiago 95% 5% 25
Nacional 95% 7% 43
Existe una clara tendencia que ante menores ingresos comunales existe un
menor grado de implementación de SIG en el sistema de gestión municipal.
Es importante señalar que la totalidad de las comunas encuestadas con altos
ingresos poseen un SIG implementado, y que en comunas de ingresos
medios existe un alto porcentaje de comunas en vías de implementarlo. Esto
se puede observar en la Figura 3-3.
56
Figura 3-3. Porcentajes Relativos de Municipalidades con SIG según Ingreso Comunal
- Base de Datos
Siendo:
Lo que el programa entrega como salida del proceso son las secciones de la
red vial priorizados para cada uno de los criterios socio-políticos. El usuario
interactivamente puede recurrir a los índices para comparar diferentes
secciones de acuerdo a cada uno de los criterios, además de tener la
posibilidad de visualizarlos, para una mejor comprensión del escenario de
decisión, en un mapa que ofrece el SIG.
También la herramienta permite priorizar las Secciones por medio del uso de
un Factor de Prioridad Socio-Política, en el cual el SIG puede incorporar
todos los índices calculados en un solo indicador general de prioridad socio-
política llamado Factor de Prioridad Socio-Política, a través de un análisis
66
multicriterio, lo que nos permitirá listar los proyectos para clarificar la toma
de decisiones.
Figura 3-10. Secciones Priorizadas con el FPSP para Caso de Estudio Comuna
San Miguel
3.4. Conclusiones
La realidad chilena nos señala que es necesario crear una herramienta que nos
permita considerar criterios socio-políticos en la priorización de proyectos de
mantenimiento de pavimentos urbanos, a través de la visualización e
73
4. CONCLUSIÓN Y RECOMENDACIONES
utilizar para definir esta distancia, por ejemplo, a 300 metros es la distancia utilizada
para el impacto del tráfico analiza en Chile (MINVU, 2003).
• Población Beneficiada: Población que se ve afectada positivamente por el
mantenimiento o conservación de la calle.
El criterio considera las personas que viven, realizan una actividad comercial, hacen
del turismo y usan el transporte público en la zona. Para cada una de estas variables,
algún método de cuantificación aproximada debe ser definido. Esta investigación
propone el siguiente: datos de población del censo, patentes
comerciales/empresariales cuyos datos pueden ser obtenidos del Servicio de
Impuestos Internos, las zonas de atracción turística del Servicio de Turismo, y las
rutas de transporte público que pasan por el tramo de vía, que se obtienes del
Ministerio de Transporte. Todos estos aspectos deben ser promediados juntos para
producir el resultado final de este criterio.
• Presencia de las Vías Alternativas: Vías, distintas de la sección de vía bajo
análisis, disponibles para viajes entre los puntos inicial y final de esa sección. En
ausencia de estas rutas, el mal estado de la sección generaría grandes reducciones en
la velocidad del tráfico y atascos.
Se cuantifica comparando el tiempo de viaje entre el inicio y el final del segmento a
mantener, con respecto al tiempo de viaje a través de la mejor ruta alternativa.
• Selección Estratégica de Política Pública: Este factor se refiere a una decisión
política del tomador de decisiones. Se relaciona con los compromisos que el tomador
de decisiones hace con los usuarios y vecinos de la zona de análisis, o para la
preservación de ciertos sectores por razones estratégicas o de beneficio social.
La consideración de este criterio permite al tomador de decisiones dar máxima
prioridad a determinadas zonas de la red.
Una vez formalizados los criterios socio-políticos, se llevó a cabo una encuesta en base a
escenarios de decisión con el fin de lograr rescatar la preferencia de tomadores de
decisiones acerca de la importancia relativa de cada uno de los criterios en un polinomio
de priorización con AMC. En esta encuesta se decidió no incluir el criterio de selección
76
FPSP (Metropolitano) = 0,257 *PS+ 0,298 * IC+ 0,278 *PB+ 0,167 *PVA
FPSP (Otras Ciudades) = 0,264 *PS+ 0,282 * IC+0,300 *PB +0,154 * PVA
Dónde:
PS: Índice de Prioridad de la Percepción Social
IC: Índice de Prioridad de la Infraestructura Crítica cercana a la Vía
PB: Índice de Prioridad de la Población Beneficiada
PVA: Índice de Prioridad de la Presencia de Vías Alternativas
En todas las regresiones, los valores de R ^ 2 fueron mayores del 85%, y el Test F y Test
t fueron exitosos, tanto para la variable dependiente como las independientes. Además se
hizo un análisis de residuos con el fin de comprobar su normalidad, además de que éstos
normalizados no tuvieran ningún tipo de tendencia, además se comprobó que el
estadístico de Durbin-Watson estuviera dentro de los límites de control, es decir entre 1
77
en este documento mejora la gestión que realiza, ya que presenta de forma estandarizada
la cuantificación de éstos, además de presentar información que puede ser compleja de
entender de forma desintegrada y en un formato no amigable, de manera clara y simple,
a través de visualización de mapas y de análisis espaciales, a través del uso de una
herramienta confiable.
También la implementación de esta metodología requiere que se genere un manual de
uso para los usuarios de manera de lograr el cambio cultural planteado, además de
generar protocolos de recopilación de información, de cómo se debe ingresar al SIG, y
de cómo se utiliza la herramienta, para que la barreras que estos cambios plantean al
usuario no sean insalvables, lo que conlleva que el SIG no es utilice.
Otro desafío va en la dirección de dar prioridades a los reclamos que caen dentro del
criterio de Percepción Social, dependiendo de quién los realice, por ejemplo, la molestia
de un vecino de la comuna puede ser más importante de un usario de otra comuna que
transita por el área de análisis.
Como futura línea de investigación se podría llevar a cabo una ampliación de las
funciones del SIG para la gestión de pavimentos urbanos, considerando, por ejemplo, la
coordinación de intervenciones de servicios de telefonía, luz, agua, alcantarillado, entre
otros, los cuales afectan la condición funcional y estructural del pavimento, con el fin de
aunar esfuerzos para que los proyectos de mantenimiento de pavimentos urbanos tengan
los efectos que se plantean en los SGPU y no se genere un deterioro producto del
rompimiento de la superficie debido a proyectos de líneas de algunos de los servicios
señalados.
80
BIBLIOGRAFÍA
Antenucci, J. C., Brown, K., Croswell, P. L., Kevany, M. J., & Archer, H.
(1991). Geographic Information Systems: a guide to the technology.
Antunes, A., Ferreira, A. & Picado-Santos, L. (2001), A GIS-Based Pavement
Management System, 5th International Conference on Managing Pavements.
Artigas, J., H. De Solminihac, S. Rudolphy, & E. Varas. (2003). Levantamiento,
Catastro y Valoración del Patrimonio de Infraestructura de Chile— Etapa II. Facultad de
Ciencias Económicas y Administrativas y facultad de Ingeniería, Pontificia Universidad
Católica; Dirección de Planeamiento, Ministerio de Obras Públicas de Chile, Santiago,
Sept. 2003.
Ascough, J. C. II, Rector HD, Hoag DL, McMaster GS, Van den berg BC, Shaffer MJ,
Weltz MA & Ahjua LR 2002. Multicriteria Spatial Decision Support Systems:
Overview, Applications, and Future Research Directions.[Online] In Rizzoli, AE and
Jakeman, AJ. In Integrated Assessment and Decision Support, Proceedings of the First
Biennial Meeting of the International Environmental Modelling and Software
Society (Vol. 2, pp. 175-180).
Ashur, S. A., & Crockett, B. (1997). Geographic information systems as a support tool
in construction cost estimating in state DOTs. Transportation Research Record: Journal
of the Transportation Research Board, 1575(1), 112-115.
Aronoff, S. (1993). Geographic information systems, a management perspective,
Ottawa Ontario, WDL publications Canada.
Bailey, K., & Grossardt, T. (2006). Addressing the Arnstein gap: improving public
confidence in transportation planning and design through structured public involvement
(SPI). na.
Bartin, B., Mudigonda, S., Ozbay, K. & Yanmaz-Tuzel, O. (2007). Evaluating Highway
Capacity Investments using a GIS-based tool – Trip-based Full Marginal Cost
Approach, Transportation Research Board’s 86th Annual Meeting.
81
Beneson, I., Martens, K. & Rofé, Y. (2010). Measuring the Gap Between Car and
Transit Accessibility Estimating Access Using a High-Resolution Transit Network
Geographic Information System, Automation in Construction, 2144, 28-35.
Bolstad, P. (2003). GIS Fundamentals a First Text in Geographic Information Systems,
Third Edition, Eider Press, White Bear Lake, Minnesota, US.
Brunner, I. M., Kim, K., & Yamashita, E. (2011). Analytic Hierarchy Process and
Geographic Information Systems to Identify Optimal Transit Alignments.Transportation,
Research Record: Journal of the Transportation Research Board, 2215(1), 59-66.
Cafiso, S., Di Graziano, A., Keraly, H. R. and Odoki, J. B. (2002). Multicriteria Analysis
Method for Pavement Maintenace Management, Transportation Research Record, 1816,
73-84.
Chamorro, A.; De Solminihac, H.; Salgado, M. and Barrera, E. (2010). Development
and Validation of a Method to Evaluate Unpaved Road Condition with Objetive Distress
Measures, Transportation Research Record, 2101, 3-9.
Cheetham, A., & Beck, B. (1994). Integration of a Pavement Management System and a
Geographic Information System in South Carolina. In Transportation Research Board
Conference Proceedings (Vol. 1, No. 1).
Cheng, M. Y., & Chang, G. L. (2001). Automating utility route design and planning
through GIS. Automation in Construction, 10(4), 507-516.
Cobra. (2004). The international construction research conference of the Royal
Institution of Chartered Surveyors.
Coutinho-Rodrigues, J., Simão, A., & Antunes, C. H. (2011). A GIS-based multicriteria
spatial decision support system for planning urban infrastructures. Decision Support
Systems, 51(3), 720-726.
De Solminihac, H. (2001). Gestión de Infraestructura Vial, 2ª Edición, Ediciones
Universidad Católica de Chile, Santiago.
De Solminihac, H. T., Hidalgo, P. S., & Salgado, M. T. (2003). Calibration of
Performance Models for Surface Treatment to Chilean Conditions The HDM-4
Case. Transportation Research Record: Journal of the Transportation Research
Board, 1819(1), 285-293.
82
De Solminihac, H.; Márquez, W.; Halles, F.; Chamorro, A. and Valdés, M. (2009).
Pavement and Shoulder Condition Models Developed with Expert Survey: The Chilean
Application, The Arabian Journal for Science and Engineering, 34, 137-142.
Eastman, J. R., Kyem, P. A. K., Toledano, J., & Jin, W. (1993). GIS and decision
making: explorations in geographic information systems technology. Geneva: UNITAR.
Elhadi, A. & Mohammed, H. (2009). GIS, a tool for Pavement Management, Royal
Institute of Techonology.
Feick, R.D. & Hall, B.G. (1999). Consensus-building in a multi-participant Spatial
Decision Support System. URISA Journal, 11, pp. 17–23.
Feick, R.D. & Hall, B.G. (2004). A method for examining the spatial dimension of
multi- criteria weight sensitivity, International Journal of Geographical Information
Science, 18, pp. 815–840.
Ferreira, A., & Duarte, A. (2005). A GIS-Based Integrated Infrastructure Management
System. From Pharaohs to Geoinformatics, FIG Working Week, 16-21.
Ferreira, A., Antunes A., and Picado-Santos, L. (2001). A GIS-Based Pavement
Management System Proc., 5th International Conference on Pavement Management.
Seattle, Washington.
Flintsch, G. W. (2004). Spatial Analysis Applications for Pavement Management. In 6th
International Conference on Managing Pavements: The Lessons, The Challenges, The
Way Ahead.Grossardt, T.
Gao, Bo, et al. "Interactive GIS Map-based Decision Support Program on Multi-year
Pavement Needs Analysis." GeoCongress 2006@ sGeotechnical Engineering in the
Information Technology Age. ASCE, 2006.
Geiger, D (2005), Memorandum: Pavement Preservation Definitions, US Department of
Transportation: Federal Highway Administration.
Goodchild, M. F. (Ed.). (1993). Environmental modeling with GIS.
Hass, R., Hudson, W. R., & Zaniewski, J. 1994, Modern pavement management, Krieger
Publishing Co., Malabar, Fla.
83
Huang, B., Fwa, T. F., & Chan, W. T. (2004). Pavement-distress data collection system
based on mobile geographic information system. Transportation Research Record:
Journal of the Transportation Research Board, 1889(1), 54-62.
Jain, N., Nanda, P. K., Durai, S. B., & Rao, S. I. P. (2003). Geographical Information
System for Pavement Management System. In Map Asia conference, New Delhi, India.
Jankowski, P. (1995). Integrating geographical information systems and multiple criteria
decision-making methods. International Journal of Geographical Information
Systems, 9(3), 251-273.
Jankowski, P., & Nyerges, T. (2003). GIS for group decision making. CRC Press.
Kang, S., & Seo, J. (2012). GIS Method for Haul Road Layout Planning in Large
Earthmoving Projects: Framework and Analysis. Journal of Construction Engineering
and Management, 139(2), 236-246.
Kyem, P.A.K. (2004). On intractable conflicts and participatory GIS applications: the
search for consensus amidst competing claims and institutional demands, Annals of the
Association of American Geographers, 94, pp. 37–57.
Lee, H. N., Jitprasithsiri, S., Lee, H., & Sorcic, R. G. (1996). Development of
geographic information system-based pavement management system for Salt Lake
City. Transportation Research Record: Journal of the Transportation Research
Board, 1524(1), 16-24.
Lewis, S., & Sutton, J. (1993). Demonstration Project No. 85: GIS/Video Imagery
Applications.
Southern African Development Community. (2003). Low-Volume Sealed Roads
Guidelines. Gaborone, Botswana.
Malczewski, J. (1999). GIS and multicriteria decision analysis. John Wiley & Sons.
Malczewski, J. (2006). GIS‐based multicriteria decision analysis: a survey of the
literature. International Journal of Geographical Information Science, 20(7), 703-726.
84
Zhang, Z., Smith, S. G., & Hudson, W. R. (2001). Geographic information system
implementation plan for pavement management information system: Texas Department
of Transportation. Transportation Research Record: Journal of the Transportation
Research Board, 1769(1), 46-50.
87
ANEXOS
88
Nombre: Fecha:
Institución: Entrevistador:
Cargo:
2. ¿Qué criterios son utilizados por esa persona para la priorización de proyectos de
rehabilitación y mantención de vías urbanas? (Costos, Técnicos, importancia
(utilidad) de la calle)
5. ¿Qué peso relativo tienen entre ellos los criterios señalados anteriormente? Si no
hay claridad en este aspecto, utilizar comparación entre alternativas.
10. ¿Su institución posee un SIG? En caso de ser positiva la respuesta, preguntar por
cuál, para qué se utiliza y qué cambios implementaría para optimizar su
utilización. En caso de ser negativa preguntar por restricciones que tienen para
poder implementarlo (presupuesto, técnico, etc.)
11. ¿Su institución tiene intención de implementar un SIG para ayudar a la gestión y
toma de decisiones en el mediano o corto plazo? En caso de ser positivo
preguntar con qué finalidad.
12. ¿Su institución posee personal capacitado para administrar este tipo de
herramientas? ¿Qué conocimientos posee este personal? En caso de ser negativa
la respuesta, ¿qué personal sería necesario para implementar SIG en su
institución.
13. ¿Con qué tipo de información cuenta su institución para poder ser ingresada a un
SIG? Cartográfica, espacial, inventarios, estructura de pavimentos, densidad de
población por sectores, tránsito, ubicación de proyectos, infraestructura
importante, jerarquía de calles, etc. (Sería mejor hacer una lista de estas
opciones)
14. ¿Qué desafíos Ud. identifica para poder implementar un SIG correctamente?
15. ¿Cree Ud. que la incorporación de un SIG para ayudar a mejorar la priorización
de proyectos de éste tipo es relevante y necesaria?
90
Nombre:
Institución:
Cargo:
Fecha:
Percepción Social: Reclamos que realizan los vecinos al municipio por el estado
de la vía que generalmente transitan, debido a la condición funcional de ésta,
principalmente.
Para cada una de las siguientes situaciones, señale cuál sería el límite para
separar una zona de alta densidad de población, de una de baja densidad.
91
¿Cuál sería el o los factores más importantes para medir este criterio?
¿Cómo los cuantificaría?
¿Le parece correcto este criterio? ¿Lo aplicaría como un filtro para
priorizar lugares específicos de la red vial?
93
Objetivo
Identificación
Instrucciones de Envío
Una vez llenada la encuesta, favor de hacerla llegar por correo electrónico a la
siguiente persona:
Pablo Godoy C.
Ingeniería y Gestión de la Construcción, PUC
Vicuña Mackenna 4860, Edificio San Agustín, Macul
pngodoy@puc.cl
Procedimiento:
Se solicita calificar cada uno de los escenarios presentados en dos contextos: una
red vial inserta dentro de una Ciudad Metropolitana y una red inserta en Otro Tipo de
Ciudades.
Definiciones Complementarias:
Red Vial Local: Todas aquellas vías que no forman parte de la Red Vial
Estructurante-Intermedia. Son vías de menor capacidad, y sus jerarquías son:
Local y Pasaje.
tramos)
Infraestructura
Crítica Cercana a 5 7 Alto Impacto
la Vía
Población
300 500 Alta
Beneficiada
Presencia de Vías
1.6 1.2 Bajo Impacto
Alternativas
Nivel 1. Red Estructurante Intermedia: De acuerdo a las definiciones descritas, califique para ciudades
metropolitanas y otras ciudades los diez escenarios presentados en la siguiente tabla, considerando que se trata únicamente de
vías que componen la red Estructurante e Intermedia.
Escenarios Percepción Infraestructura Crítica Población Presencia Vías Alternativas Calificación Ciudad Calificación
(1 a 10) (1 a 10)
Nivel 2. Red Local: De acuerdo a las definiciones descritas, califique para ciudades metropolitanas y otras ciudades los
diez escenarios presentados en la siguiente tabla, considerando que se trata únicamente de vías que componen la red Local.
Escenarios Percepción Social Infraestructura Crítica Población Presencia Vías Calificación Ciudad Calificación
(1 a 10) (1 a 10)
De Servicio: 30 km/hr
Local: 20 km/hr
Pasaje: 10 km/hr
f. Largo: Número que representa la longitud del tramo, medido en metros.
g. Tiempo de Viaje: Número que representa el tiempo en segundos en que
el usuario se demora en recorrer el tramo a la velocidad de diseño, se
calcula a partir del Largo y de la Velocidad de Diseño a partir de la
siguiente fórmula:
3. Estado del Tramo: Tabla que contiene toda la información del estado de cada
tramo registro de la Tabla Tramos.
a. ID Estado/Tramo: Identificador Numeral único para cada estado de
tramo.
b. ID Tramo: Identificador Numeral único para ese tramo.
c. Año de Análisis: Fecha que representa el año del estado del tramo.
d. Tipo de Pavimento: Texto que representa el tipo de pavimento que tiene
el tramo, puede ser Hormigón, Asfalto, Adoquines o Adocretos.
e. ICPU Proyectado Actual: Número que representa la nota del estado del
pavimento proyectado por las curvas de comportamiento para el año de
análisis.
f. ICPU Proyectado Año 1: Número que representa la nota del estado del
pavimento proyectado por las curvas de comportamiento para el siguiente
año de análisis.
g. ICPU Proyectado Año 2: Número que representa la nota del estado del
pavimento proyectado por las curvas de comportamiento para el sub-
siguiente año de análisis.
h. ICPU Proyectado Año 3: Número que representa la nota del estado del
pavimento proyectado por las curvas de comportamiento para el sub-sub-
siguiente año de análisis.
104
i. ICPU Proyectado Año 4: Número que representa la nota del estado del
pavimento proyectado por las curvas de comportamiento para el sub-sub-
sub-siguiente año de análisis.
j. ICPU Proyectado Año 5: Número que representa la nota del estado del
pavimento proyectado por las curvas de comportamiento para el sub-sub-
sub-sub-siguiente año de análisis.
k. Tipo de Conservación: Texto que representa el tipo de conservación que
requiere realizar sobre el tramo, según el estado actual del tramo.
4. Medición por Tramo: Tabla que contiene la información del estado del
pavimento medido en terreno.
a. ID Tramo: Identificador Numeral único para ese tramo.
b. Campaña de Auscultación: Identificador Numeral único para la
campaña de auscultación que midió ese tramo.
c. ICPU Medido: Numero que representa la nota del estado del pavimento
medida en terreno.
6. Reclamos: Tabla que contiene todos los reclamos realizados por los usuarios de
las vías por el estado de los tramos.
a. Reclamo: Identificador Numeral único del reclamo.
b. Fecha: Fecha en la que fue realizado el reclamo.
105
7. Información SII: Tabla que contiene la información acerca de los datos que se
usan para hacer los análisis provenientes del SII.
a. Información SII: Número que representa el código de la Información del
SII.
b. Año: Fecha que indica cuándo fue recabada la información del SII.
8. Actividad Comercial por Patente: Tiene toda la información sobre las patentes
comerciales en la zona de Análisis y es un shape de puntos.
a. ID Patente: Identificador Numeral único para cada patente.
b. Facturación: Moneda que identifica el valor del total de las facturaciones
realizada por esa patente.
c. Dirección: Texto que indica la dirección de la patente.
d. Información SII: Número que representa el código de la Información del
SII del cual se obtuvo la información.
9. Campaña Censal: Tabla que contiene la información acerca de los datos que se
usan para hacer los análisis provenientes del Censo.
a. Campaña Censal: Número que representa el código de la Campaña
Censal.
b. Año: Fecha en la que se realizó la Campaña Censal.
106
10. Población Censal por Manzana: Tiene toda la información sobre la población
que reside en cada una de las manzanas de la zona de Análisis, y es un shape de
polígonos.
a. ID Manzana: Identificador Numeral único para cada manzana.
b. Población Censal: Número de personas que reside en la manzana.
c. Campaña Censal: Número que representa el código de la Campaña
Censal del cual se obtuvo la información.
11. Información del Sernatur: Tabla que contiene la información acerca de los
datos que se usan para hacer los análisis provenientes del Sernatur.
a. Información Sernatur: Número que representa el código de la
Información del Sernatur.
b. Año: Fecha que indica cuándo fue recabada la información del Sernatur.
12. Zonas Turísticas: Tiene toda la información sobre la Zonas Turísticas en la zona
de Análisis y es un shape de polígonos.
a. ID Zona Turística: Identificador Numeral único para cada Zona
Turística.
b. Nombre: Texto que representa el nombre de la Zona Turística.
c. Información Sernatur: Número que representa el código de la
Información del Sernatur del cual se obtuvo la información.
14. Recorridos del Transporte Público: Tiene toda la información sobre los
recorridos del transporte público en el área de Análisis, y es un shape de líneas.
107
15. Segmentación: Tabla que contiene la relación entre todos los segmentos creados
para el año de análisis y los tramos que los conforman.
a. Año de Análisis: Fecha que representa el año en que se realiza el análisis
de la toma de decisiones.
b. ID Tramo: Identificador Numeral único para ese tramo.
c. ID Segmento/año: Identificador Numeral único que representa el
Segmento creado.
16. Segmentos: Contiene toda la información acerca de los Segmentos creados para
hacer los análisis, que son temporales para cada año, y es un shape de líneas.
a. ID Segmento/año: Identificador Numeral único que representa el
Segmento creado.
b. Nombre Calle: Texto que representa el nombre de la calle sobre la cual
se encuentra emplazado el segmento.
c. Jerarquía Funcional: Texto que representa la jerarquía funcional de la
vía según la categorización del SERVIU, es decir, puede sólo una de las
opciones de una lista desplegable que contiene: Expresa, Troncal,
Colectora, De Servicio, Local y Pasaje.
d. ICPU Segmento: Número que representa la nota del estado del
pavimento para el segmento
e. Tipo de Pavimento: Texto que representa el tipo de pavimento que tiene
el tramo, puede ser Hormigón, Asfalto, Adoquines o Adocretos.
108
Con la creación del “Network Dataset” se crea también un Shape de Puntos que
considera todos los nodos de intersección de los Tramos, que va ser utilizado para
cuantificar el criterio de Presencia de Vías Alternativas.
El primer paso que se debe realizar es hacer un “Copy Feature” del Shape
Tramos, debido a que éste va a ser modificado en el transcurso del algoritmo, por lo que
111
queremos mantener el original intacto y sólo modificar el copiado, que va a ser utilizado
de aquí en adelante.
La cuantificación de los criterios socio-políticos se hace en el siguiente orden:
Percepción Social, Infraestructura Crítica, Población Beneficiada y Presencia de Vías
Alternativas.
campo Población Censal usando como Case Field el ID de Tramo. A esta nueva tabla se
le hace un “Join Field” con el Shape de Tramos con el campo de suma de Población
Censal.
Teniendo toda la información de las variables que componen el criterio de
Población Beneficiada en el Shape de Tramos, se intersecta este con el Shape de
Segmentos. En esta nueva capa se crean cinco campos nuevos (Double), llamados:
Max_Censo, Max_Patentes, Max_Facturación, Max_ZOIT y Max_TP. También se hace
un “Summary Statistics” y se calcula el máximo valor de todos los registros para Suma
Población Censal, Frecuencia de Patentes, Suma Facturación, Zona_Turística y
Recorrido_TP. Luego con el comando “Get Field Value” rescatamos el valor de cada
uno de esos máximos y se lo asignamos a cada uno de los campos respectivos recién
creados.
Finalmente se crean cinco campos nuevos (Double) llamados: IP_Censo,
IP_Comercial, IP_Turismo, IP_TP e IP_Total_PB, y se calculan de la siguiente manera:
IP_Censo, IP_Turismo, IP_TP son la división entre el registro para ese Segmento sobre
el Max de ese factor. El IP_Comercial es la suma entre las divisiones parciales entre
Patentes sobre su máximo y facturación sobre su máximo, y finalmente IP_Total_PB es
la suma de todos los IP.
Para cuantificar el criterio se realiza un “Summary Statistics” obteniedo el
promedio de IP_Total_PB, usando como Case Field el Campo Identificador. Hacemos
un “Join Field” con el Shape de Segmentos con el campo Promedio_IP_Total_IP.
Estadísticas de la regresión
Coeficiente de correlación 0.9689931
múltiple
Coeficiente de determinación R^2 0.93894763
R^2 ajustado 0.93393425
Error típico 1.68621853
Observaciones 240
ANÁLISIS DE
VARIANZA
Grados de Suma de Promedio de F Valor crítico de F
libertad cuadrados los cuadrados
Regresión 4 10319.9734 2579.99336 907.383489 1.4564E-141
Residuos 236 671.026572 2.84333293
Total 240 10991
Para obtener los pesos relativos presentados en los polinomios, cuya valor
máximo de FPSP es 10, se obtuvo un porcentaje relativo de peso entre los criterios
socio-políticos a partir de los coeficientes entregados por la regresión.
Variable 1 Variable 2
Media 5.9125 6.26731132
Varianza 4.86566456 3.76779553
Observaciones 80 80
Diferencia hipotética de las medias 0
Grados de libertad 155
Estadístico t -
1.08006531
P(T<=t) una cola 0.14089541
Valor crítico de t (una cola) 1.65474377
P(T<=t) dos colas 0.28179082
Valor crítico de t (dos colas) 1.97538713
Tabla F-0-4. Validación de Polinomio a través de Test “t” de dos colas Red
Estructurante-Ciudad Metropolitana
120
Tabla F-0-5. Gráficas de Residuos para Polinomio de FPSP de Red Estructurante Ciudad
Metropolitana
Estadísticas de la regresión
Coeficiente de correlación 0.96032965
múltiple
Coeficiente de determinación 0.92223304
R^2
R^2 ajustado 0.91700719
Error típico 1.78137234
Observaciones 240
ANÁLISIS DE VARIANZA
Grados de Suma de Promedio de los F Valor crítico
libertad cuadrados cuadrados de F
Regresión 4 8881.10417 2220.27604 699.676941 3.218E-129
Residuos 236 748.895833 3.17328743
Total 240 9630
Variable 1 Variable 2
Media 5.3375 5.78243671
Varianza 5.26439873 3.29731734
Observaciones 80 79
Diferencia hipotética de las medias 0
Grados de libertad 150
Estadístico t -
1.35677179
P(T<=t) una cola 0.08844604
Valor crítico de t (una cola) 1.6550755
P(T<=t) dos colas 0.17689208
Valor crítico de t (dos colas) 1.97590533
Tabla F-0-9. Validación de Polinomio a través de Test “t” de dos colas Red
Estructurante-Otras Ciudades
Tabla F-0-10. Gráficas de Residuos para Polinomio de FPSP de Red Estructurante Otras
Ciudades
123
Estadísticas de la regresión
Coeficiente de correlación 0.96532659
múltiple
Coeficiente de determinación 0.93185542
R^2
R^2 ajustado 0.92675189
Error típico 1.57656098
Observaciones 240
Variable 1 Variable 2
Media 5.925 5.55556055
Varianza 4.50063291 2.59067834
Observaciones 80 80
Diferencia hipotética de las medias 0
Grados de libertad 147
Estadístico t 1.24086629
P(T<=t) una cola 0.10831591
Valor crítico de t (una cola) 1.65528544
P(T<=t) dos colas 0.21663181
Valor crítico de t (dos colas) 1.97623331
Tabla F-0-14. Validación de Polinomio a través de Test “t” de dos colas Red Local-
Ciudad Metropolitana
Tabla F-0-15. Gráficas de Residuos para Polinomio de FPSP de Red Local Ciudad
Metropolitana
125
Estadísticas de la regresión
Coeficiente de correlación 0.95060425
múltiple
Coeficiente de determinación 0.90364843
R^2
R^2 ajustado 0.89818634
Error típico 1.74530732
Observaciones 240
Variable 1 Variable 2
Media 5.5125 5.09745204
Varianza 4.05047468 2.13483884
Observaciones 80 80
Diferencia hipotética de las medias 0
Grados de libertad 144
Estadístico t 1.49266524
P(T<=t) una cola 0.06885627
Valor crítico de t (una cola) 1.65550418
P(T<=t) dos colas 0.13771255
Valor crítico de t (dos colas) 1.97657507
Tabla F-0-19. Validación de Polinomio a través de Test “t” de dos colas Red Local-
Otras Ciudades
Tabla F-0-20. Gráficas de Residuos para Polinomio de FPSP de Red Local Otras
Ciudades