Inteligencia artificial aplicada en la priorización de la elección de fuentes de materiales en el mejoramiento de la red vial terciaria : Estudio de caso en el departamento del Cauca (Colombia)

Abstract

La presente investigación tiene como finalidad desarrollar una herramienta computacional que permita determinar las posibles fuentes de extracción a ser explotadas en la construcción de afirmados en vías terciarias. Esta herramienta no solo busca identificar una o más fuentes de extracción candidatas, sino también optimizar los tiempos de acarreo mediante la generación de rutas cortas y proporcionar información sobre los tiempos de visita a múltiples fuentes de extracción basándose en las rutas mínimas entre un nodo de inicio y un nodo final. En este caso, los nodos corresponden a puntos georreferenciados asociados a las fuentes de extracción que serán evaluadas mediante la herramienta computacional desarrollada. El objetivo principal de esta investigación es implementar inteligencia artificial utilizando Redes Neuronales Artificiales (Artificial Neural Networks) a partir de la información recolectada en campo utilizando un modelo de software enfocado en la captura de datos de campo y laboratorio. Las Redes Neuronales Artificiales se integrarán dentro del software web desarrollado. La búsqueda de información acerca del suministro de materiales en la construcción de subbases, bases y afirmados ha permitido evidenciar sobrecostos y mayores tiempos de ejecución debido a la incertidumbre de las fuentes de materiales a ser explotadas, ya sea o por qué no se encuentran fuentes de extracción cercanas o por qué no se tiene confiabilidad del material que cumplan con los estándares de calidad exigidos por INVIAS. Esta metodología de búsqueda de materiales, basada en el uso de técnicas de inteligencia artificial como las redes neuronales, proporciona una base para identificar una o varias fuentes de extracción potenciales que cumplan con los estándares de calidad exigidos por el Instituto Nacional de Vías para los afirmados. Esta metodología ayudará en la planificación de proyectos viales y permitirá reducir el tiempo y los costos asociados a la incertidumbre en el suministro de materiales desde una fuente de extracción. En resumen, esta investigación combina la aplicación de técnicas de inteligencia artificial, específicamente las Redes Neuronales Artificiales, con un software web y software-móvil diseñados para la captura y análisis de datos en campo y laboratorio. El enfoque propuesto proporciona una solución eficiente y confiable para la selección de fuentes de extracción en la construcción de afirmados en vías terciarias, mejorando la planificación y optimización de los recursos en proyectos viales.

The purpose of this research is to develop a computational tool that allows determining the possible sources of extraction to be exploited in the construction of affirmed roads in tertiary roads. This tool not only seeks to identify one or more candidates pull sources, but also to optimize carry times by generating short paths and providing information on visit times to multiple pull sources based on the minimum paths between a start node. and an end node. In this case, the nodes correspond to georeferenced points associated with the extraction sources that will be evaluated using the developed computational tool. The main objective of this research is to implement artificial intelligence using Artificial Neural Networks (Artificial Neural Networks) from the information collected in the field using a software model focused on the capture of field and laboratory data. The Artificial Neural Networks will be integrated into the developed web software. The search for information about the supply of materials in the construction of subbases, bases and affirmations has allowed us to show cost overruns and longer execution times due to the uncertainty of the sources of materials to be exploited, either or because extraction sources cannot be found. nearby or because there is no reliability of the material that meets the quality standards required by INVIAS. This materials search methodology, based on the use of artificial intelligence techniques such as neural networks, provides a basis for identifying one or several potential extraction sources that meet the quality standards required by the National Highway Institute for the claimed. This methodology will help in the planning of road projects and will reduce the time and costs associated with the uncertainty in the supply of materials from an extraction source. In summary, this research combines the application of artificial intelligence techniques, specifically Artificial Neural Networks, with web and mobile software designed for data capture and analysis in the field and laboratory. The proposed approach provides an efficient and reliable solution for the selection of extraction sources in the construction of paved roads in tertiary roads, improving the planning and optimization of resources in road projects.