Defensa de la tesis doctoral de Ángela Alonso Solorzano
- Viernes 13 de noviembre de 2026
- A las 10:00
- Escuela Politécnica Superior (Campus Milanera)
Ángela Alonso Solorzano, doctoranda de Ingeniería y Tecnologías Industrial, Informática y Civil, defenderá su tesis doctoral titulada “Modelización de firmes de carreteras mediante métodos deterministas, probabilísticos e inteligencia artificial”, dirigida por Heriberto Pérez Acebo y Hernán Gonzalo Orden, el viernes 13 de noviembre a las 10:00 h en la Escuela Politécnica Superior (Campus Milanera).
La conservación de las infraestructuras viarias constituye uno de los principales ámbitos de actuación de las administraciones responsables de la gestión de las redes de carreteras. La planificación de las intervenciones de mantenimiento requiere disponer de herramientas que permitan conocer y anticipar la evolución del estado de los firmes, con el objetivo de optimizar los recursos disponibles y mantener unas condiciones adecuadas de seguridad y confort para los usuarios.
En este contexto, esta tesis doctoral aborda el desarrollo de modelos predictivos destinados a evaluar la evolución del deterioro de los firmes de carreteras, mediante la aplicación de diferentes metodologías estadísticas, probabilísticas y de inteligencia artificial.
La investigación se centra en dos indicadores fundamentales del estado funcional de los pavimentos: el Índice de Regularidad Internacional (IRI), relacionado con la regularidad de la superficie de rodadura y el confort de circulación, y el Coeficiente de Resistencia al Deslizamiento (CRT), vinculado a las condiciones de adherencia entre el neumático y el pavimento y, por tanto, a la seguridad vial.
El estudio comprende diferentes redes de carreteras españolas, concretamente la Red de Carreteras del Estado y las Diputaciones Forales de Bizkaia y Gipuzkoa. Las metodologías empleadas se han adaptado a las características de los sistemas de gestión y a la disponibilidad de información de cada administración. En aquellos casos en los que los registros son más limitados, se han utilizado modelos probabilísticos basados en cadenas de Markov, mientras que para las redes con bases de datos más detalladas se han desarrollado modelos de regresión y aplicado técnicas de aprendizaje automático y aprendizaje profundo.
Los modelos consideran diferentes factores relacionados con el comportamiento de los firmes, entre ellos su antigüedad, la intensidad del tráfico, la circulación de vehículos pesados, el espesor de las capas bituminosas y la tipología estructural del pavimento. El análisis de estas variables permite estudiar su influencia sobre la evolución de los indicadores de estado y mejorar la capacidad de predicción del deterioro.
Los resultados de la investigación ponen de manifiesto la viabilidad de desarrollar herramientas predictivas adaptadas a las características y recursos de las distintas administraciones viarias. Asimismo, evidencian el potencial de las técnicas de aprendizaje automático para identificar relaciones complejas entre las variables consideradas y mejorar las predicciones respecto a los enfoques tradicionales.
La investigación proporciona una base metodológica para apoyar la toma de decisiones en los Sistemas de Gestión de Firmes, contribuyendo a una planificación más eficiente de las actuaciones de conservación, una mejor asignación de los recursos económicos y el mantenimiento de unas condiciones adecuadas de servicio en las infraestructuras viarias.
Última actualización: 3 de noviembre de 2026