Esta herramienta, que se describe en el artículo publicado en la revista Science of the Total Environment, aplica por primera vez sistemas que ya se usan en diferentes ámbitos como la economía o la contaminación atmosférica o hidrológica, al ruido ambiental y que tienen en cuenta la multiplicidad de variables
Investigadores de las universidades de Málaga y Granada han diseñado un modelo para predecir el ruido ambiental de una ciudad en un amplio rango de situaciones. La herramienta resulta fácil de implementar, incluso por personal no entendido en el tema, debido a su capacidad de ir aprendiendo a medida que analiza variables y obtiene así resultados muy precisos. Por otro lado, esta herramienta, que se describe en el artículo publicado en la revista Science of the Total Environment, aplica por primera vez sistemas que ya se usan en diferentes ámbitos como la economía o la contaminación atmosférica o hidrológica, al ruido ambiental y que tienen en cuenta la multiplicidad de variables.
Los expertos apuntan que existen dos fórmulas para medir el ruido ambiental en las ciudades. Por un lado, establecer una red de monitoreo que permita observar si los niveles sobrepasan los límites establecidos por la normativa. Esta opción es costosa porque resulta difícilmente posible cubrir toda una ciudad con dispositivos de medida. Por ello, se recurre a modelos que estiman o predicen estos niveles para, en caso de definirse como superiores a los marcados por la normativa, acometer soluciones.
El sistema propuesto por los investigadores andaluces da respuesta a la multitud de variables que intervienen en la caracterización y modelación de ruido ambiental en entornos urbanos (flujo y composición de tráfico, fuentes de sonido complementarias, geometría de la calle, tipo y condición del asfalto).
Además, es capaz de incluir la heterogeneidad de los espacios que caracteriza a los entornos urbanos, como las zonas de ocio, residenciales o comerciales. Para ello, abordan el problema con un modelo basado en técnicas de selección de características y métodos de regresión de aprendizaje automático.
En el caso de la selección de características, escogen sólo ciertas variables de todas las que se evalúan. “En trabajos anteriores comenzamos analizando 33 parámetros indicados por la normativa de referencia, de los cuales, tras un procesado se ha seleccionado un subconjunto de 11. Se trata por ejemplo de identificar qué tipo de vehículos circulan en la zona bajo estudio, considerar el periodo temporal, si es una zona residencial, de ocio o recreativa o el tipo de asfalto”, precisa el investigador principal del estudio Antonio José Torija, de la Universidad de Málaga.
La selección de variables implica simplificar el proceso de recogida de datos, lo que supone un ahorro de tiempo y que el método pueda ser aplicado por cualquier técnico, sin necesidad de ser experto. “El hecho de elegir menos parámetros para medir, no supone reducir la precisión en los datos obtenidos, ya que se alcanza un nivel de exactitud elevado. Nuestro método puede tener una desviación de alrededor de 1 decibelio con respecto a las mediciones realizadas in situ en esa zona”, subraya.
Otra de las ventajas que caracteriza al modelo es la utilización de técnicas basadas en aprendizaje automático. Este sistema propone la utilización de redes neuronales o máquinas de vectores de soporte, lo que permite el aprendizaje del modelo,porque adquiere experiencia a medida que analiza datos. “Esto añade una capacidad amplia de generalizar los resultados porque, sobre la base de su experiencia, el modelo predice el nivel de ruido en un rango amplio de situaciones”, matiza. Modelo adaptable y preciso Esta combinación de estrategias, la selección de variables y el abordaje algoritmos de aprendizaje automático, da lugar a un método preciso y adaptable a cualquier escenario urbano. “Su capacidad de aprendizaje permite que el modelo siga consiguiendo buenos resultados, aunque se produzcan cambios en variables, como la reducción del flujo de tráfico o la construcción de una nueva hilera de edificios”, subraya.
Por otra parte, Torija destaca la precisión del modelo, ya que las predicciones cuentan con un rango de error reducido. Así lo han comprobado en escenarios reales de la ciudad de Granada. “Tras implementar nuestros algoritmos, los resultados obtenidos fueron comparados con los datos reales medidos in situ en la ciudad de Granada, siendo el error observado de alrededor de 1 decibelio”, precisa. Aplicaciones Los investigadores aportan con su modelo una herramienta para una evaluación y gestión del ruido en la ciudad. “La normativa europea define la realización de mapas de ruido, por lo que el modelo serviría para valorar la situación existente antes de acometer planes de acción y corregir los niveles en caso de que se desvíen de los niveles establecidos”, adelanta. Hasta ahora la construcción de mapas se perfila con una combinación de mediciones in situ y modelos basados en la predicción de la emisión y propagación sonora. “El problema de estos modelos es su complejidad de utilización en la práctica, la alta precisión requerida en las variables de entrada y el elevado tiempo necesario para la recolección de dichas variables así como para la ejecución de los cálculos”, argumenta.
Los expertos apuntan que estos modelos son diseñados para su aplicación en la predicción del ruido generado por el tráfico rodado bajo condiciones muy específicas, por lo que resulta complicado su aplicación bajo situaciones complejas de tráfico rodado, tales y como se dan en las ciudades mediterráneas. “Además, no permiten la inclusión de otros focos ruidosos presentes en los entornos urbanos, como el ruido de ocio. El sistema desarrollado se posiciona para la solución de todos estos problemas”, reconoce Torija.
Referencia bibliográfica: Antonio J. Torija, Diego P. Ruiz. ‘A general procedure to generate models for urban environmental-noise pollution using feature selection and machine learning methods’.Science of the Total Environment. Este trabajo ha sido realizado en el marco del proyecto Europeo ITTSoundscapes2011 ‘Development of intelligent tools to characterize, evaluate and manage traffic-impacted soundscapes’, financiado por la Universidad de Málaga y el VII Programa Marco de la Unión Europea, concedido dentro del Programa People, ‘Co-funding of Regional, National and International Programmes’ (COFUND).
Fuente original: http://www.agenciasinc.es/