Este estudio explora la aplicación del agrupamiento K-means para optimizar la selección de ubicaciones de muestreo para la carga de limo suspendido (sL) en pavimentos de asfalto, abordando las limitaciones de los métodos de muestreo aleatorio tradicionales en el método de la EPA. El objetivo fue identificar puntos de muestreo confiables para la medición de la concentración de polvo en las carreteras, con un enfoque en mejorar la precisión de la recolección de datos utilizando el método de barrido por vacío. Se utilizó el método del codo para determinar el número óptimo de clústeres, revelando que tres clústeres eran ideales para intervalos de 25 m y cinco para intervalos de 100 m. El análisis de agrupamiento identificó ubicaciones de muestreo específicas dentro de las secciones de carretera de 25 m y 100 m, como 1.5-4.5 m y 12-18 m, y 15-18 m, 39-42 m, 57 m, 69 m y 87 m, respectivamente, que capturaron adecuadamente las características de sL. El puntaje de silueta de 0.6247 confirmó la efectividad del método de agrupamiento para distinguir grupos distintos con características similares de sL. La comparación de secciones agrupadas versus no agrupadas a través de 15 segmentos de pavimento mostró una tasa de error de aproximadamente 6%. La selección adecuada de puntos de muestreo asegura datos de concentración de polvo más precisos, lo cual es crucial para un mantenimiento efectivo de las carreteras y la gestión ambiental. Los hallazgos destacan que optimizar el proceso de muestreo puede mejorar significativamente la precisión del monitoreo del polvo, especialmente en áreas con características de sL variables.