Proporcionar información sobre la accesibilidad de las aceras para personas con dificultades de movilidad es un tema social importante. Anteriormente, propusimos un enfoque de aprendizaje automático completamente supervisado para proporcionar información sobre accesibilidad al estimar las condiciones de la superficie de la carretera utilizando datos de acelerómetros de sillas de ruedas con etiquetas de condiciones de superficie de carretera anotadas manualmente. Sin embargo, anotar manualmente las etiquetas de condiciones de superficie de carretera es costoso e impráctico para datos extensos. Este artículo propone y evalúa un método novedoso para estimar las condiciones de la superficie de la carretera sin anotación humana aplicando aprendizaje débilmente supervisado. El método propuesto se basa únicamente en información posicional mientras se conduce para una supervisión débil que aprende las condiciones de la superficie de la carretera. Nuestros resultados demuestran que el método propuesto aprende características detalladas y sutiles de las condiciones de la superficie de la carretera, como la diferencia en el ascenso y descenso de una pendiente, el ángulo de las pendientes, las ubicaciones exactas de los bordillos y las ligeras diferencias de pavimentos similares. Los resultados demuestran que el método propuesto aprende representaciones de características que son discriminativas para una tarea de clasificación de superficies de carretera. Cuando la cantidad de datos etiquetados es del 10% o menos en un entorno semi-supervisado, el método propuesto supera a un método completamente supervisado que utiliza etiquetas anotadas manualmente para aprender representaciones de características de las condiciones de la superficie de la carretera.