Objetivo: Proponer un algoritmo CLR (Clusterwise Linear Regression) que realiza agrupamiento divisivo de muestras de segmentos de pavimentos utilizando modelos de regresión lineal y define automáticamente el número de agrupaciones con el fin de predecir el índice de capacidad de servicio del pavimento (pavement serviceability index, PSI). Metodología: Basado en el proceso de investigación iterativa propuesto por Pratt se desarrollaron dos ciclos de mejora del algoritmo propuesto. El primer ciclo permitió obtener una versión inicial, aplicarlo sobre los datasets de entrenamiento y prueba y observar las mejoras que se debían realizar. En el segundo ciclo se obtuvo la versión final a la que se le afinaron los parámetros y se comparó con el estado del arte usando varias métricas. Resultados: Se obtuvo un modelo compuesto por tres grupos de muestras de segmentos de pavimento con sus correspondientes modelos de regresión lineal multivariable (atributos mixtos) que permiten predecir el PSI de una muestra de pavimento. Conclusiones: El modelo se obtuvo con menor tiempo de cómputo (15,6 veces menos tiempo que el reportado por el estado del arte) y presenta mejores resultados en sencillez en comparación con los modelos lineales y no lineales reportados en la literatura, además, en calidad tiene resultados similares (incluso mejores en algunas métricas) al modelo lineal y es competitivo frente al modelo no lineal.