Equivalencia de base granular

La equivalencia de base granular (en inglés Granular base equivalency) (GBE) es una medida del espesor total del pavimento.^[1]^[2] Debido a que el pavimento está compuesto por múltiples capas con diferentes propiedades mecánicas, su espesor total se mide mediante GBE. GBE traduce el grosor de diferentes capas de carreteras a un número utilizando un conjunto de coeficientes. Entonces, para calcular el GBE, la profundidad de cada capa debe multiplicarse por el factor de equivalencia granular para el material en esa capa. El GBE es la suma de estos números. La equivalencia de base granular es un factor importante en el diseño de carreteras y en el modelado del rendimiento del pavimento.^[3]^[4]

Ejemplo[editar]

A continuación, se muestra un ejemplo de cálculo de GBE adoptado de Piryonesi (2019).^[1] El ejemplo es sobre una carretera de la base de datos LTPP. Este camino está hecho de estas capas: subbase, base y tres capas de concreto asfáltico caliente. Sus espesores se dan en milímetros en la siguiente tabla. El GBE total para esta carretera 805,7 milímetros.

Capa	Grosor (mm)	Coeficiente	GBE (mm)
Asfalto caliente	30.5	2	61.0
Asfalto caliente	58.5	2	117.0
Asfalto caliente	38.1	2	76.2
Base	144.8	1	144.8
Subbase	607.1	0.67	406.7
Total	-	-	805.7

Referencias[editar]

↑ ^a ^b «Piryonesi, S.M., 2019. The Application of Data Analytics to Asset Management: Deterioration and Climate Change Adaptation in Ontario Roads (Doctoral dissertation).».
↑ Haas, R., and Kazmierowski, T. 1996. TAC’s New Management Design and Management Guide. Transportation Association of Canada (TAC), Ottawa.
↑ Piryonesi, S. Madeh; El-Diraby, Tamer E. (2020-03). «Data Analytics in Asset Management: Cost-Effective Prediction of the Pavement Condition Index». Journal of Infrastructure Systems (en inglés) 26 (1): 04019036. ISSN 1076-0342. doi:10.1061/(ASCE)IS.1943-555X.0000512. Consultado el 17 de octubre de 2020.
↑ Piryonesi, S. Madeh; El-Diraby, Tamer E. (2020-06). «Role of Data Analytics in Infrastructure Asset Management: Overcoming Data Size and Quality Problems». Journal of Transportation Engineering, Part B: Pavements (en inglés) 146 (2): 04020022. ISSN 2573-5438. doi:10.1061/JPEODX.0000175. Consultado el 17 de octubre de 2020.

Datos: Q98713733

[:1-1] «Piryonesi, S.M., 2019. The Application of Data Analytics to Asset Management: Deterioration and Climate Change Adaptation in Ontario Roads (Doctoral dissertation).».

[:0-2] Haas, R., and Kazmierowski, T. 1996. TAC’s New Management Design and Management Guide. Transportation Association of Canada (TAC), Ottawa.

[3] Piryonesi, S. Madeh; El-Diraby, Tamer E. (2020-03). «Data Analytics in Asset Management: Cost-Effective Prediction of the Pavement Condition Index». Journal of Infrastructure Systems (en inglés) 26 (1): 04019036. ISSN 1076-0342. doi:10.1061/(ASCE)IS.1943-555X.0000512. Consultado el 17 de octubre de 2020.

[4] Piryonesi, S. Madeh; El-Diraby, Tamer E. (2020-06). «Role of Data Analytics in Infrastructure Asset Management: Overcoming Data Size and Quality Problems». Journal of Transportation Engineering, Part B: Pavements (en inglés) 146 (2): 04020022. ISSN 2573-5438. doi:10.1061/JPEODX.0000175. Consultado el 17 de octubre de 2020.

[1]

[2]

[3]

[4]