Aplicación de técnicas de separación de fuentes y reconocimiento de patrones al conteo y clasificación de ruido de tráfico

Resumo

Con el fin de elaborar mapas de ruido para la predicción de ruido de tráfico, los métodos de cálculo requieren disponer de distinta información acerca de las características del tráfico rodado y de la vía, entre ella la intensidad de tráfico. Esta información no se encuentra a menudo disponible para muchas de las vías, por lo que es típicamente adquirida mediante conteos esporádicos, habitualmente recurriendo a procedimientos manuales. El estándar ISO 1996-2:2007 Determinación de Niveles de Ruido Ambiental, en su sección 6.2, hace hincapié en la necesidad de abordar este conteo de vehículos durante el intervalo de registro de los niveles Leq asociados al ruido de tráfico de la vía. En el caso europeo, el método de cálculo CNOSSOS-EU actualmente en desarrollo y que deberá ser adoptado en breve en respuesta a la Directiva Europea 2002/49/EC sobre Evaluación y Gestión de Ruido Ambiental (END), amplía las necesidades de la Norma. Además de requerir el registro de la velocidad media de la vía, necesita que la intensidad de tráfico sea clasificada por categorías de vehículos y sentido de circulación. Esta tesis doctoral aborda el diseño de un sistema portable que da cobertura a la información requerida por CNOSSOS-EU. El sistema obtenido procesa en tiempo real la señal de audio adquirida a través de una red sencilla de dos sensores. Proporciona la velocidad media del tramo de vía estudiado y el conteo de vehículos, clasificándolo de acuerdo al método. El sistema de clasificación desarrollado combina técnicas de separación de fuentes y reconocimiento de patrones, consiguiendo incrementar de forma sustancial la precisión alcanzada en trabajos relacionados. La investigación llevada a cabo, además, da origen a una nueva teoría en separación de fuentes. Sus resultados pueden ser aplicados a otros ámbitos de investigación, pudiendo resultar de especial interés para el lector. Palabras clave: Ruido de Tráfico, CNOSSOS-EU, Clasificación, Reconocimiento de Patrones, Análisis de Componentes Principales, Separación Ciega de Fuentes, Separación Ciega de Fuentes Implícitas, Separación de Fuentes Doblemente Ciega.