Академический Документы
Профессиональный Документы
Культура Документы
Presentado por:
BRIGITTE LASCANO BASTO
DANIEL JOSE PADILLA PEÑA
Asesor:
ING. DIEGO GÓMEZ CERÓN, MSc.
Presentado a:
ING. MARIA GABRIELA CALLE, Ph.D.
AGRADECIMIENTOS ................................................................................................................. 4
1. INTRODUCCIÓN ................................................................................................................. 5
2. OBJETIVOS......................................................................................................................... 6
2.1 Objetivo general .......................................................................................................... 6
2.2 Objetivos específicos ................................................................................................. 6
3. DELIMITACIÓN ................................................................................................................... 7
3.1 Alcances ...................................................................................................................... 7
3.2 Limitaciones ................................................................................................................ 7
3.3 Entregables ................................................................................................................. 7
4. ESTADO DEL ARTE ........................................................................................................... 8
5. DESCRIPCIÓN DETALLADA ............................................................................................ 11
5.1 Requerimientos de diseño........................................................................................ 11
5.2 Especificaciones de diseño ...................................................................................... 12
5.3 Selección de la plataforma tecnológica................................................................... 12
5.3.1 Etapa de adquisición y procesamiento de datos ............................................. 12
5.3.2 Etapa de almacenamiento y envío de datos ..................................................... 14
5.3.3 Etapa de visualización del perfil vial ................................................................ 15
5.4 Descripción del protocolo utilizado ......................................................................... 16
5.4.1 Protocolo usado en el Hardware ....................................................................... 17
6. PRUEBAS, RESULTADOS Y ANALISIS DE RESULTADOS ........................................... 21
6.1 Planteamiento de la situación .................................................................................. 22
6.1.1 Hipótesis Nula .................................................................................................... 22
6.1.2 Hipótesis alternativa .......................................................................................... 22
6.2 Determinación de las variables que intervienen ..................................................... 22
6.2.1 Determinación del NTE ...................................................................................... 23
7.1 Validación de la etapa de adquisición y procesamiento de datosError! Bookmark not
defined.
7.2 Validación de la etapa de almacenamiento y envío de datosError! Bookmark not
defined.
7.3 Etapa de visualización del perfil vial ............................... Error! Bookmark not defined.
7. CONCLUSIONES Y RECOMENDACIONES ..................................................................... 25
8. BIBLIOGRAFÍA .................................................................................................................... 26
2
3
AGRADECIMIENTOS
Gracias al Ing. Diego Gómez Cerón, por su asesoría, guía y colaboración en el desarrollo del
proyecto final de carrera PERFIL VIAL.
4
1. INTRODUCCIÓN
Como es de claro conocimiento por los expertos en ingeniería, el realizar una obra civil, implica
conocimientos de índole, tanto ambiental, económico y cultural, entre otros. Es de esta manera
que se hace imprescindible que a lo largo de la construcción o mantenimiento de la obra, se
deban utilizar, todo tipo de herramientas tecnológicas que podamos incluir, para que permitan
optimizar los impactos del desarrollo y proyección de la misma.
Quizás, las obras civiles a las cuales se les puede dar más relevancia y considerar más
importante día por día, por la frecuencia con la que se construyen en todas las ciudades del
mundo, son las vías terrestres en todas las etapas del desarrollo. De esta manera se ve reflejado
el continuo y arduo trabajo que desarrolla el Instituto Nacional de Vías (INVIAS)[1], ya que es el
ente encargado de la regulación del estado de las vías nacionales. Estas regulaciones se realizan
por un medio limitado, debido a la subjetividad que posea la persona que realiza el diagnóstico.
Se pretende diseñar un dispositivo que proporcione las características del perfil vial, para
observar mediante una página web y aplicación móvil dicho perfil, además del lugar donde se
realiza la muestra. Y de esta manera verificar la exactitud de la respuesta que proporciona
INVIAS.
5
2. OBJETIVOS
Diseñar y validar una solución electrónica para el levantamiento del perfil de una vía.
6
3. DELIMITACIÓN
3.1 Alcances
La información del perfil vial será transmitida en tiempo real a través de la red de datos
celular.
La información del perfil vial será almacenada en una memoria interna, y dispuesta para su
descarga por USB.
La información del sistema (variables en tiempo real e histórico) será accesible de manera
remota mediante página web y aplicación móvil Android, esta información se observará
mediante gráficos.
3.2 Limitaciones
El diseño del sistema no tendrá en cuenta factores ambientales que puedan afectar su
correcto funcionamiento.
3.3 Entregables
Informe final.
Póster.
7
4. ESTADO DEL ARTE
Se realizó una revisión teórica acerca de las implementaciones anteriores que poseen relación
con el proyecto desarrollado, su método de adquisición de datos y el procesamiento de estos. Se
encontró que existen diferentes formas para la medición del perfil vial, esto dependiendo del
sistema de adquisición de los datos. A continuación, se muestran algunas de las investigaciones.
En [2], se utiliza un dispositivo electrónico que permite obtener en tiempo real, topografías en
vivo de las vías de Texas, Estados Unidos. Esta adquisición es enviada a un centro de acopio, el
cual sirve como vigía, para determinar en qué sitio y en qué momento se puede llegar a presentar
una alteración del algún eje de la vía. Además, permite planificar cuando de debe realizar alguna
revisión o mantenimiento de algún tramo de la vía. Esto se da por los sensores de característica
electro - ópticos, con capacidad para detectar todo tipo de cambio, sin necesidad de tener
contacto físico con la muestra que se debe estudiar.
Como bien se viene expresando, en tan importante la construcción de una vía, como es igual de
importante, el mantenimiento de la misma. Por lo cual el siguiente trabajo [3], propone un diseño
para planear, controlar y actuar sobre las grietas que existen a nivel de un pavimento en una vía.
Este novedoso diseño de procesamiento de las señales y datos se recolectan a través de sus
sensores, además existe la interacción con un sistema robótico que sella las grietas que existan
en el pavimento de una vía.
En [4], se propone un sistema de monitoreo en tiempo real, para detectar, seguir y caracterizar,
gracias al procesamiento de los videos en vivo de 8 cámaras, colocadas estratégicamente sobre
una autopista. Dicho sistema es capaz de procesar largos períodos de tiempo de grabación de
videos, obteniendo altos volúmenes de datos diarios sobre las autopistas. Luego se crean
modelos que nos sirvan como parámetros y que consisten en parámetros del flujo de tráfico, para
obtener patrones diarios de las velocidades.
Trabajos realizados sobre LIDAR’s, para el diseño y la visualización de carreteras, han sido otro
tipo de planteamientos que se han propuesto, para obtener datos precisos y en base a éstos,
generar modelos en 3D, como en [5].
Además se pueden utilizar para obtener relación de las anomalías de las calles, teniendo en
cuenta el comportamiento del conductor, como en [6]; también se observa con esta tecnología,
cómo es el patrón de estacionamiento por parte de los diferentes conductores, respecto a sus
vehículos, en un espacio en particular y en aparcamientos en paralelo, con base al viraje y el
ángulo que maneja en su conducción.
El transporte se ha compaginado con RWIS (Road Wheather Information System), para tomar
decisiones sobre el mantenimiento en las vías y poder detectar con toda anticipación y en tiempo
real, todas las alteraciones que se puedan presentar en los diferentes trayectos de las vías
vehiculares tratadas.
En china se ha venido trabajando con sensores de origen tecnológico, para estudiar el estado del
pavimento en diferentes sitios del mismo, pero estos datos, no han sido tan rápidos y aún se
encuentran en estudio, debido entre otros factores, a la dificultad para la calibración de estos,
ante los cambios meteorológicos, como se observa en [7].
En [8] y [9] por medio del cálculo del valor RMS de la aceleración ponderada en función del tiempo
𝑎𝑤 (𝑡), se muestra el análisis de la influencia de las vibraciones. Estas están directamente
8
relacionadas con las irregularidades de la vía. Primero se realiza el cálculo de 𝑎𝑤 (𝑡), teniendo en
cuenta que la medición depende del tiempo 𝑇 que se prolongue esta. Luego se calcula la
aceleración en banda ancha 𝐴𝑤, para determinar de esta manera los estados del pavimento [8]
y compararlos con el rango de valores de la IRI.
𝟏 𝑻 𝟐
𝒂𝒘 = [𝑻 ∫𝟎 𝒂𝟐𝒘 (𝒕)] (𝟏) 1
𝐴𝑤 = 2√∑𝑛𝑖=1(𝑎𝑖 ∗ 𝑤𝑖 )2 (2)
En [10], el caso de estudio logro un nivel de precisión significativos con respecto a los
instrumentos perfiladores comúnmente usados, además se aplica en un dispositivo relativamente
económico y pequeño. Además este dispositivo cuenta con capacidad de enviar la información
en tiempo real y almacenarla de igual forma.
En [11], se muestra y propone una alternativa por medio de láser, teniendo en cuenta la
reflectividad del material usado (asfalto o pavimento) y el ángulo del mismo. De igual forma se
obtienen los datos que conlleven a estudios tecnológicos, con reflejos de respuestas importantes
para la mejora de las fallas detectadas.
En este estudio [13] se demostró la idoneidad del sistema, y actualmente es utilizado para la
detección de señales de tránsito defectuoso, siendo este sistema más efectivo que una
inspección manual y a la final, puede resultar casi igual de oneroso que si se aplicará de forma
física por varias personas, aunque los resultados en esta última pueden ser más fiables.
En otro estudio [14], se compararon métodos no invasivos respecto a la calidad del asfalto, y el
comúnmente usado, Georadar y un nuevo método, la termografía de infrarrojos, dejándose por
fuera de la comparación , algunos estudios antiguos, que no demostraron con el pasar de los
años, que fueran los más fidedignos. En este estudio se encontraron una diferencia entre las dos
medidas menores al 5%, esto comprobó que la termografía de infrarrojos, siendo menos costosa
que muchas otras tecnologías, estadísticamente es igual de eficaz que el georadar.
Existen también estudios para determinar los límites físicos de la carretera y las aceras, que
además de analizar alteraciones presentes en las carreteras tales como sombras, suciedad y
daños del pavimento, también pueden determinar estados de concentración de determinada
sustancia o la densidad de otra, entre múltiples valores que determina, como también la dureza
del mismo y la calidad.
En [15], se creó un método para la detección del borde vial mediante diferentes tipos de cámaras,
y este sistema demostró que obtiene imágenes del pavimento en varias dimensiones y mediante
el procesamiento grafico de las mismas, determina el borde de la carretera, conllevando esto, a
utilizar un método ponderado para obtener el límite del pavimento, logrando con esto, que se
9
pueda determinar a qué nivel desde la determinación de la anchura de la misma, se puedan
encontrar las fallas de las misma, si es que existen en un determinado momento.
En [18] se desarrolla un sistema de gestión de pavimento el cual está diseñado no solo para
mostrar los datos característicos y su posición georreferenciada, sino que además ofrece datos
y resultados estadísticos de pruebas de carretera, facilitando con esto, la toma de decisiones en
cuanto al manejo del pavimento.
En [19] se diseña una solución para medir el perfil vial mediante la variación del escaneo laser.
Este sensor permite ubicar los puntos escaneados en un modelo 3d con el cual se puede obtener
el perfil del pavimento y esta solución se vuelve efectiva ante los métodos tradicionales que
dependen de cerrar la vía y medir manualmente el perfil, pero sigue siendo impráctica para la
masificación del mismo.
En [20] se diseña una solución a partir de dos capturas de imágenes. En este caso se realiza una
correlación entre las dos imágenes y se obtiene a partir de ahí el perfil de deformación pudiéndose
encontrar daños graves del pavimento que ahorran los métodos tediosos mencionados
anteriormente.
En [21] se equipa un vehículo con sensores laser, que registraran el perfil vial y en este trabajo
se modela el carro al que se le incorporaron los sensores para tener en cuenta los efectos
amortiguadores del tren del vehículo, con el fin de estandarizar la medida. En este trabajo se
descartan acelerómetros por el costo del mismo en la fecha del estudio.
Otros trabajos relacionados en cuanto al tipo de variable utilizada en las diferentes mediciones,
han sido realizados en estudios oceanográficos del perfil de las olas. Aunque son ambientes
diferentes, las variables a medir son similares, es por esto que tienen relevancia y se vuelven de
gran importancia.
10
5. DESCRIPCIÓN DETALLADA
En el proyecto desarrollado para el proyecto final se realizaron tres etapas: Etapa de adquisición
y procesamiento de datos, etapa envío y almacenamiento de datos, etapa de visualización del
perfil vial.
Cada una de estas etapas es de vital importancia para la visualización del perfil vial, el cual se
muestra en la página web y en la aplicación móvil. La primera fase del proyecto se realiza en el
hardware diseñado, el cual se encarga de la adquisición de datos mediante el sensor
acelerómetro. En segunda instancia por medio de un módulo GPS/GPRS se envía la trama de
información a la base de datos en el servidor. Este diseño cuenta además con un módulo SD
card para el almacenamiento de los datos. Por otra parte se encuentra la página web que es la
encargada de mostrar el perfil vial en tiempo real e históricos al igual que se pueden observar en
la aplicación Android.
El sistema propuesto debe de ser económico, teniendo en cuenta que en el mercado existen
soluciones a un muy alto precio y el propósito del proyecto es tener cientos de productos
funcionando.
11
5.2 Especificaciones de diseño
En cada una de las etapas desarrolladas en la implementación del proyecto del perfilador vial se
analizó las plataformas tecnológicas que cumplían con los requerimientos planteados.
Tiene un alto grado de sensibilidad, es decir, que los datos obtenidos son más cercanos
al valor verdadero y, para garantizar de esta manera el perfil vial del pavimento.
12
Ilustración 2. Medición del Acelerómetro a 10 bits.
Se llegó a la conclusión que 10 bits de Conversor análogo digital es un valor optimo entre
precisión y rendimiento.
13
un costo menor. También este es el encargado del procesamiento de los datos para el envío.
Estas son las características que se tuvieron en cuenta para la selección:
Memoria SRAM de por lo menos 800 bytes debido al uso del buffer para la escritura en la
tarjeta SD.
Menor Costo.
En el caso de la transmisión de la información por medio de una red telefónica se tuvo en cuenta
módulos GPS/GPRS compatibles con el microcontrolador seleccionado. En este caso se analizó
los módulos SIM800L, SARA G3, SIM908.
Al analizar las características de los módulos GPS/GPRS, se escogió el módulo SIM 908, por las
siguientes razones:
La tasa de transmisión del GPRS es apta para enviar la trama de 140 bytes es decir un
envío de 10 tramas en un segundo a 11200 bps.
También se deben guardar la información de forma interna, en este caso se comparó el módulo
SD card con el MMC, los cuales permiten almacenar la información en memorias externas. Al
tener memoria interna, se adquiere la información mediante USB o por medio del lector de
tarjetas.
14
Módulo SD Card MMC (MultiMedia Card)
Características [30] [31]
Voltaje (V) 2,7 – 3,6 1,1 – 3,6
Corriente (mA) 2,5 200
Capacidad soportada (GB) 16 1
Timer (MHz) 4 4
Velocidad de escritura (Bps) 2250 806
Tabla 4, Comparación módulos SD.
Al analizar las características de los módulos, se escogió el SD Card por las siguientes
características:
Para seleccionar la plataforma tecnológica a usar en la etapa de visualización del perfil vial, se
tuvo en cuenta el alcance siguiente:
La información del sistema (variables en tiempo real e histórico) será accesible de manera
remota mediante página web y aplicación móvil Android, esta información se observará
mediante gráficos.
Para aplicación móvil con sistema operativo Android, existen varios entornos de desarrollo, pero
para este proyecto se tuvieron en cuenta: Android Studio, Eclipse y NetBeans. La primera opción
que se observó es que maneja un lenguaje común: JAVA, con opción de integrar diferentes
librerías.
En la actualidad las plataformas para desarrollo web tiene una amplia acogida en la industria, por
este motivo que se realizó la comparación entre Ruby on Rails, Django, Laravel y Play. Estas
plataformas poseen un lenguaje de programación diferente
15
Frameworks Rails Django Laravel Play
Características [35] [36] [37] [38]
Lenguaje de Ruby Python Php Java
programación
MVC2 Si Si Si Si
Tipo de lenguaje Interpretado Interpretado Interpretado Compilado
Tabla 6. Comparación Frameworks WEB.
La visualización del perfil muestreado se podrá observar por medio de un aplicativo web, el cual
se desarrolló en el lenguaje de Ruby, utilizando el Framework de Rails. Mediante este, se puede
administrar los usuarios que tienen acceso al mismo, también configurar varios dispositivos en el
caso que tengan estos. Se escogió esta plataforma por las siguientes razones:
Porque es uno de los frameworks de desarrollo más usados a nivel mundial, debido a que
posee la comunidad más grande de desarrollo.
Posee un portal de librerías llamada Ruby Gems, esta permite la interacción con múltiples
plataformas y permite más recurso y herramientas en la hora de programación.
Según la Tabla 7, se decidió utilizar la base de datos PostgreSQL por las siguientes razones:
16
el software se encarga de la visualización de la trama muestreada. El sistema adquiere y
transfiera los datos de longitud, latitud y altura, por medio de estos se realiza la cartografía del
perfil vial.
17
Ilustración 3. Diagrama de flujo de cada etapa del dispositivo3.
Para realizar el sistema se desarrolló un algoritmo, que a base de funciones realiza cada una de
las tareas necesarias del dispositivo. En primer lugar, se desarrollaron las funciones encargadas
de inicializar cada uno de los componentes del sistema. Desde los módulos de almacenamiento,
posicionamiento y comunicación hasta la calibración inicial del sensor. Posterior a esto y acorde
a la investigación del estado del arte y de la metodología. Se prosigue a generar las funciones
encargadas de registrar y procesar los datos registrados por el acelerómetro.
Para procesar los datos se parte de la ecuación del movimiento uniformemente acelerado,
proveniente de la física clásica.
18
𝑑𝑓 = 𝑑0 + 𝑣0 𝑡 + 𝑎𝑡 2
Esta ecuación la podemos convertir en una función discreta para un momento instantáneo i.
La cual podemos dejar en función únicamente de valores de interés como lo son distancia y
aceleración. Reconociendo la velocidad como un cambio de distancia en un periodo de tiempo.
Además, asumiendo que el muestreo es regular. Es decir, t es el mismo valor de tiempo para
cualquier muestra y equivale al periodo de muestreo 𝑇𝑠 . Esto deja la fórmula
𝑑𝑖 = 2𝑑𝑖−1 − 𝑑𝑖−2 + 𝑎𝑖 𝑇𝑠
Con esta ecuación resultante, obtenemos un cálculo de la distancia a un bajo uso computacional.
Además, podemos observar que pasa con el sistema cuando no se ejerce una aceleración
𝑑𝑖 = 2𝑑𝑖−1 − 𝑑𝑖−2
La ecuación nos garantiza que mientras las 2 últimas distancias calculadas sean iguales y la
aceleración vertical sea cero, la distancia nueva será igual a las 2 anteriores. Pero además nos
muestra otro posible escenario. Reorganizando la ecuación tenemos que:
De esta ecuación podemos generalizar que cuando la aceleración es igual a cero, la diferencia
entre el dato calculado y el último dato será igual a la diferencia entre el último y el penúltimo
dato. Esta relación se convierte en una clara explicación de las dificultades de este método. El
más mínimo error de medición produciría una diferencia entre dos distancias y ante ausencia de
aceleración puede provocar un incremento del error. Si a esto se le suma un offset del
acelerómetro, la medida experimentaría un comportamiento exponencial.
Ante estos dos problemas se implementaron dos soluciones algorítmicas. La primera función se
encarga de promediar una muestra de datos (100 datos) y calcular el promedio. En este caso
particular si la muestra no alcanza una media superior a 2 mG, el valor se remplaza por cero.
Esta primera función reduce las variaciones propias de la microelectrónica del sensor. Posterior
a este primer tratamiento de la señal. Se realiza un segundo tratamiento el cual consiste en
determinar los cruces por cero del acelerómetro. Estos puntos se vuelven fundamentales si
tenemos en cuenta la formula expresadas anteriormente. Además, por el tipo de medición que
estamos llevando a cabo. Conocemos que la distancia no puede crecer exponencialmente.
Además, para este escenario de medición en particular. Ante un valor de aceleración del
dispositivo igual a cero. Se estaría en presencia de un tramo de recorrido sin perturbaciones.
19
de acumulaciones en el tiempo. De esta manera eliminamos en su mayoría cualquier error
exponencial, característico del tipo de medición que estamos llevando a cabo.
Se desarrolló un aplicativo web con la ayuda del framework de Rails (Ruby on Rails 4.1.8), sobre
el cual se despliegan todos los portales necesarios para hacer las correspondientes
funcionalidades necesarias en el perfilador vial.
Debido a una de las características más destacadas de Rails, el mapeo objeto relacional de sus
modelos en memoria se pueden persistir con la base de datos. La base de datos que se escogió
para desarrollar el proyecto fue la de Postgresql, y más que todo por el soporte Geográfico con
la ayuda de su plugin postgis.
Se programó un endpoint a través del cual se comunica el dispositivo hardware con el aplicativo
y para una vez entregada la información la primera función que realiza es desplegarla en tiempo
real, al usuario que esté en el portal de visión en vivo del cargue. Sobre cada cargue se entregan
dos funciones importantes, una es la de revisión de los históricos de un cargue a través del cual
se despliega un cuadro de texto para selección de fechas, en caso que se quiera filtrar los detalles
de un determinado de cargue en cierto día. La otra funcionalidad es la de recepción de detalles
de un cargue en vivo, una vez llega la información a través del endpoint es notificado al usuario
y desplegado en el mapa de google y en la gráfica perfiladora.
20
Estas dos funcionalidades consta de un mapa de google sobre donde se muestran las
coordenadas de los detalles de los cargues con la ayuda de los marcadores en los mapas de tipo
mapas de calor, y una gráfica perfiladora la cual se genera con la ayuda de google charts, la cual
consta en el eje x de la distancia para el portal de histórico, en el caso del panel en vivo de los
milisegundos que transcurren.
Básicamente el proyecto consta de 4 tablas las cuales observamos en el modelo de datos que
tenemos anexo en la Ilustración 5.
El aplicativo se desplegó sobre un servidor VPS4 de digital ocean con las siguientes
especificaciones: CPU con 512 Mb de memoria RAM y 30 Gb de disco duro.
Sobre este servidor se le instaló el servidor web de nginx y se le configuró el servidor de
aplicaciones Phusion Passenger, para que se pueda ejecutar correctamente las aplicaciones de
Rails.
Otras de las herramientas que se utilizó durante el desarrollo del proyecto, fue el repositorio de
código fuente de git, en específico se usó el servicio de Bitbucket, lo cual nos agilizó para cuando
queríamos realizar despliegues de las versiones más actualizadas en nuestro servidor.
Para la validación de los resultados obtenidos mediante la solución planteada se realizó un diseño
de experimento que permite comparar estos con los datos obtenidos con una solución comercial.
21
Los datos obtenidos corresponden al perfil de un tramo vial. Mediante el estado del arte se pudo
constatar que para validar los datos de este tipo de soluciones se realiza una correlación en la
trama de señales dadas por los medidores a comparar. Esto debido a que esta es la manera más
usada de comparar la similitud de dos señales, además de ser el método utilizado por las mejores
soluciones comerciales para validar la calidad de los mismos.
Niveles
50 metros
100 metros
1 kilometro
El único factor relacionado a nuestro proyecto es la distancia recorrida. Por lo cual la manipulación
del mismo se vuelve muy sencilla y facilita la ejecución del experimento. En teoría se tendrían
infinitos niveles para la distancia recorrida ya que existen infinitos trayectos posibles para la
medición. Por comodidad y conveniencia y debido a la necesidad de usar pruebas estándar se
fijaron medidas comúnmente usadas para la medición de vías y que brindasen un registro de
datos aceptable para un análisis. Las medidas fijadas fueron 50 metros, 100 metros y 1 kilómetro.
22
6.2.1 Determinación del NTE
𝑵𝑻𝑬 = 𝒓 ∗ 𝟐𝒌
𝑵𝑻𝑬 = 𝟑𝟎 ∗ 𝟐𝟏
𝑵𝑻𝑬 = 𝟔𝟎
Los resultados obtenidos por medio del dispositivo, proporcionan los datos Latitud, Longitud,
Altura, Fecha y Hora. Se producen errores en este envío los cuales se originan por la intermitencia
de los datos del operador, además de la posición que en donde se realiza la prueba, por ejemplo
un lugar cerrado.
El análisis de la correlación mide el nivel de grado de relación lineal entre dos variables. Para el
análisis de este se calculó el coeficiente de Pearson mediante Matlab, los resultados obtenidos
son:
23
Ilustración 6. Índice de correlación.
El análisis de la correlación mide el nivel de grado de relación lineal entre dos variables. Para el
análisis de este se calculó el coeficiente de Pearson
Valores Correlación
̅)
Media muestral (𝑿 0,754646
24
Capabilidad de Proceso para Col_1
30
LSE = 1,0
Normal
Desviación estándar (S) 0,253403
Media=0,754646
25 Desv. Est.=0,253404
20 Cpk = 0,35
frecuencia
Ppk = 0,32
15
10
0
-0,1 0,2 0,5 0,8 1,1 1,4 1,7
Col_1
7. CONCLUSIONES Y RECOMENDACIONES
25
8. BIBLIOGRAFÍA
26
[6] F. Seraj, K. Zhang, O. Turkes, N. Meratnia, y P. J. M. Havinga, “A smartphone based method
to enhance road pavement anomaly detection by analyzing the driver behavior”, 2015, pp.
1169–1177.
[7] L. Cai, B. Li, C. Meng, y J. Zhang, “Preliminary Exploration of Standardized Testing
Methodologies for Embedded Pavement Sensors”, 2013, pp. 189–193.
[8] X. Hou, X. Liang, S. Ma, y W. Hua, “The Analysis of the Correlation between International
Roughness Index and Body Ride Comfort”, 2009, pp. 1–8.
[9] G. Cantisani y G. Loprencipe, “Road Roughness and Whole Body Vibration: Evaluation Tools
and Comfort Limits”, J. Transp. Eng., vol. 136, no 9, pp. 818–826, sep. 2010.
[10] S. Liu, D. Gong, y Y. Xu, “A Moored Wave-Powered Oceanographic Profiler for Vertical
Section Acquisition System”, 2009, pp. 388–391.
[11] Zhang Yi y Ma Rong-Gui, “A study of pavement roughness measurement system based on
laser ranger finder”, 2009, pp. 295–299.
[12] M. Ndoye, S. Vanjari, H. Huh, J. Krogmeier, D. Bullock, C. Hedges, y A. Adewunmi, “Sensing
and Signal Processing for a Distributed Pavement Monitoring System”, 2006, pp. 162–167.
[13] S. Haughey, M. Brogan, S. Murray, C. Deegan, C. Fitzgerald, y S. McLoughlin, “Sensor
integration for mobile mapping and feature analysis”, 2010, pp. P04–P04.
[14] M. Solla, S. Lagüela, H. González-Jorge, y P. Arias, “Approach to identify cracking in asphalt
pavement using GPR and infrared thermographic methods: Preliminary findings”, NDT E Int.,
vol. 62, pp. 55–65, mar. 2014.
[15] V. Schomerus, D. Rosebrock, y F. M. Wahl, “Camera-based lane border detection in arbitrarily
structured environments”, 2014, pp. 56–63.
[16] R. Wu, X. Li, y J. Li, “Continuous pavement profiling with ground-penetrating radar”, IEE Proc.
- Radar Sonar Navig., vol. 149, no 4, p. 183, 2002.
[17] E. Kassem, W. Liu, T. Scullion, E. Masad, y A. Chowdhury, “Development of compaction
monitoring system for asphalt pavements”, Constr. Build. Mater., vol. 96, pp. 334–345, oct.
2015.
[18] F. Xie y Q. Li, “Development of Highway Management System Based WebGIS”, 2010, pp.
136–138.
[19] Y. An y F. Sun, “Identification of Pavement Elevation Size Based on Laser Scanning Ranging”,
2010, pp. 390–392.
[20] M. I. Rajab, “Profiling of external deformation in asphalt pavement rutting using image analysis
method”, 2013, pp. 99–102.
[21] R. McCann y S. Nguyen, “System Identification for a Model-Based Observer of a Road
Roughness Profiler”, 2007, pp. 336–343.
[22] “MMA 7361”. [En línea]. Disponible en:
http://eecs.oregonstate.edu/education/docs/accelerometer/MMA7361_module.pdf.
[Accedido: 11-may-2016].
[23] “MPU 6050”. [En línea]. Disponible en: https://www.cdiweb.com/datasheets/invensense/MPU-
6050_DataSheet_V3%204.pdf. [Accedido: 11-may-2016].
[24] “ADXL 335”. [En línea]. Disponible en:
https://www.sparkfun.com/datasheets/Components/SMD/adxl335.pdf. [Accedido: 11-may-
2016].
[25] “Microchip”. [En línea]. Disponible en:
http://ww1.microchip.com/downloads/en/devicedoc/39632c.pdf. [Accedido: 05-may-2016].
[26] “ATmega328P”. [En línea]. Disponible en:
http://www.atmel.com/devices/atmega328p.aspx?tab=parameters. [Accedido: 05-may-2016].
[27] “Sim 800”. [En línea]. Disponible en: https://cdn-
shop.adafruit.com/datasheets/sim800h_hardware_design_v1.00.pdf. [Accedido: 07-may-
2016].
27
[28] “Sara G3”. [En línea]. Disponible en: https://www.u-blox.com/sites/default/files/SARA-
G3_DataSheet_(UBX-13000993).pdf. [Accedido: 12-may-2016].
[29] “SIM 908”. [En línea]. Disponible en: https://www.sos.sk/a_info/resource/c/SIM908-C.pdf.
[Accedido: 07-may-2016].
[30] “SD Card”. [En línea]. Disponible en: http://www.cypress.com/file/118706/download.
[Accedido: 12-may-2016].
[31] “MMC355 Datasheet pdf - 8x8 cross point switch with control memory (serial switch
addressing) - Microelectronica”. [En línea]. Disponible en:
http://www.datasheetcatalog.com/datasheets_pdf/M/M/C/3/MMC355.shtml. [Accedido: 12-
may-2016].
[32] F. Domínguez Mateos, M. Paredes Velasco, y L. P. Santacruz Valencia, Programación
multimedia y dispositivos móviles. 2014.
[33] C. Robledo Sacristán, Programación en Android. 2011.
[34] E. Gómez Jiménez, A. Herrera, y A. Cruz Ulloa, Desarrollo de software con NetBeans 7.1
¡programe para escritorio, Web y dispositivos móviles! Alfaomega Grupo Editor, 2000.
[35] “Ruby on Rails”. [En línea]. Disponible en: http://rubyonrails.org/. [Accedido: 13-may-2016].
[36] “The Web framework for perfectionists with deadlines | Django”. [En línea]. Disponible en:
https://www.djangoproject.com/. [Accedido: 13-may-2016].
[37] “Laravel - The PHP Framework For Web Artisans”. [En línea]. Disponible en:
https://laravel.com/. [Accedido: 13-may-2016].
[38] “Play Framework - Build Modern & Scalable Web Apps with Java and Scala”. [En línea].
Disponible en: https://playframework.com/. [Accedido: 13-may-2016].
[39] “MySQL”. [En línea]. Disponible en: https://www.mysql.com/. [Accedido: 13-may-2016].
[40] “PostgreSQL: The world’s most advanced open source database”. [En línea]. Disponible en:
http://www.postgresql.org/. [Accedido: 13-may-2016].
[41] “SQLite Home Page”. [En línea]. Disponible en: https://www.sqlite.org/. [Accedido: 13-may-
2016].
28