Technology Rain Journal

Gestión de mantenimiento de pavimentos flexibles basada en PCI: evaluación y priorización en la carretera PE‑08A (Cajamarca, Perú).

Nelve Núñez Bustamante

Universidad Nacional Autónoma de Chota (UNACH)

https://orcid.org/0009-0000-2218-9156

Krantz Peláez

Universidad Nacional de Cajamarca (UNC)

https://orcid.org/0009-0007-0151-4715

Aler Rafael

Universidad Nacional de Cajamarca (UNC)

https://orcid.org/0000-0001-6714-8999

DOI: https://doi.org/10.55204/trj.v5i1.e125

Palabras clave: PCI, pavimento flexible, fallas superficiales, mantenimiento vial, priorización

---

Resumen

El Índice de Condición del Pavimento (PCI) es un indicador ampliamente utilizado para caracterizar el estado funcional de superficies asfálticas mediante la identificación visual de fallas, su severidad y densidad. Este estudio evalúa el pavimento flexible de un tramo de 9.96 km de la carretera PE‑08A, en Cajamarca (Perú), aplicando el procedimiento de inspección de la ASTM D6433‑24. Se levantaron 310 unidades de muestra de 225 m², registrando fallas dominantes como desprendimiento de agregados, desintegración y fisuración longitudinal/transversal. El PCI promedio del tramo fue 86 (condición excelente). Sobre esta base, se propone una matriz práctica de intervención y priorización orientada a mantenimiento preventivo (sellado de fisuras y tratamientos superficiales) para sostener el nivel de servicio y reducir el riesgo de deterioro acelerado en el corto plazo.

---

Citas

ASTM D6433‑24. (2024). Standard Practice for Roads and Parking Lots Pavement Condition Index Surveys. ASTM International. https://doi.org/10.1520/D6433-24

Chang, C. M., Cheng, D. X., Smith, R. E., Tan, S. G., & Hossain, A. (2025). SMART quality control analysis of pavement condition data for pavement management applications. International Journal of Transportation Science and Technology, 18, 227–244. https://doi.org/10.1016/j.ijtst.2024.06.007

Federal Highway Administration. (2022). Pavement Management Roadmap: Executive Summary (FHWA‑HIF‑22‑055). U.S. Department of Transportation.

Huang, L.-L., Lin, J.-D., Huang, W.-H., Kuo, C.-H., Chiou, Y.-S., & Huang, M.-Y. (2024). Developing pavement maintenance strategies and implementing management systems. Infrastructures, 9(7), 101. https://doi.org/10.3390/infrastructures9070101

Ibragimov, E., Kim, Y., Lee, J. H., Cho, J., & Lee, J.-J. (2024). Automated pavement condition index assessment with deep learning and image analysis: An end-to-end approach. Sensors, 24(7), 2333. https://doi.org/10.3390/s24072333

Knapek, D. (2023). Asphalt crack treatment FAQs and technical resources. Minnesota Department of Transportation (MnDOT) Research.

Lu, S.-H., Lin, J.-D., & Chiou, Y.-S. (2025). Analysis and verification results of manual inspection of pavement condition index. Applied Sciences, 15(10), 5600. https://doi.org/10.3390/app15105600

Peshkin, D., Ram, P., Zimmerman, K., & Pai, S. (2024). Pavement Preservation Program Benchmarking Study (FHWA‑HIF‑24‑024). Federal Highway Administration.

Rosero Vega, D., & Rodríguez Moreno, M. A. (2024). Development of a multicriteria matrix for decision making in the management of flexible pavements in an urban road network: Case study the city of Itagüí – Colombia. Revista Ingeniería de Construcción, 39(1), 1–16. https://doi.org/10.7764/RIC.00095.21

Shang, J., Zhang, A. A., Dong, Z., & He, A. (2024). Automated pavement detection and artificial intelligence pavement image data processing technology: A review. Automation in Construction, 168, 105797. https://doi.org/10.1016/j.autcon.2024.105797

Tamagusko, T., Gomes Correia, M., & Ferreira, A. (2024). Machine learning applications in road pavement management: A review, challenges and future directions. Infrastructures, 9(12), 213. https://doi.org/10.3390/infrastructures9120213

ASTM E1166‑24. (2024). Standard Guide for Network Level Pavement Management. ASTM International. https://www.astm.org/e1166-24.html

Afridi, M. A., Erlingsson, S., Sjögren, L., & Englund, C. (2025). Predicting Pavement Condition Index Using an ML Approach for a Municipal Street Network. Journal of Transportation Engineering, Part B: Pavements, 151(2), 04025025. https://doi.org/10.1061/jpeodx.pveng-1568

Ashqar, H. I., Issa, A., & Masri, S. (2025). A software for predicting Pavement Condition Index (PCI) using machine learning for practical decision‑making with an exclusion approach. SoftwareX, 31, 102304. https://doi.org/10.1016/j.softx.2025.102304

Issa, A., Samaneh, H., & Ghanim, M. (2022). Predicting pavement condition index using artificial neural networks approach. Ain Shams Engineering Journal, 13(1), 101490. https://doi.org/10.1016/j.asej.2021.04.033

National Academies of Sciences, Engineering, and Medicine. (2024). AI Applications for Automatic Pavement Condition Evaluation. The National Academies Press. https://doi.org/10.17226/27993

Qureshi, W. S., Power, D., Ullah, I., Mulry, B., Feighan, K., McKeever, S., & O’Sullivan, D. (2023). Deep learning framework for intelligent pavement condition rating: A direct classification approach for regional and local roads. Automation in Construction, 153, 104945. https://doi.org/10.1016/j.autcon.2023.104945

Radwan, M. M., Mousa, A., & Zahran, E. M. M. (2024). Enhancing Pavement Sustainability: Prediction of the Pavement Condition Index in Arid Urban Climates Using the International Roughness Index. Sustainability, 16(8), 3158. https://doi.org/10.3390/su16083158

Briones, M. (2018). Evaluación del pavimento asfáltico mediante el índice de condición de pavimento (PCI) en la vía aeropuerto – desvío a Otuzco – Cajamarca – 2018 [Tesis]. Universidad Nacional de Cajamarca.

Torres-Torres, L. C., y Muñoz-Pérez, S.P. (2023). Evaluación de un pavimento flexible mediante el método PCI (Índice de Condición del Pavimento). ITECKNE, 20 (1), 45–57. https://doi.org/10.15332/iteckne.v20i1.2919

Ruiz Acero, J.C., & Gutiérrez Hortua, D.A. (2025). Evaluación del Índice de Condición del Pavimento (PCI) mediante Sistemas de Información Geográfica (SIG): Aplicación en el tramo Cajicá-Tabio (K0+000 a K2+000). Revista EIA, 22 (44), Reia4417, 1–28. https://doi.org/10.24050/reia.v22i44.1869

Triantaphyllou, E. (2000). Métodos de toma de decisiones multicriterio: Un estudio comparativo. Springer. https://doi.org/10.1007/978-1-4757-3157-6.

Saaty, T.L. (1980). El proceso de jerarquía analítica: Planificación, establecimiento de prioridades, asignación de recursos. McGraw-Hill.