Investigadores del CAEND, centro mixto de la Universidad Politécnica de Madrid y del Consejo Superior de Investigaciones Científicas, han desarrollado una metodología para hacer mapas de ruido de más calidad y con menos costes.
La aplicación de esta metodología al proceso de elaboración de mapas de ruido permitirá reducir considerablemente la incertidumbre asociada y disminuir los costes computacionales en el proceso de generación de mapas mediante técnicas de interpolación espacial.
Desde su aprobación en 2002, la Directiva Europea del ruido ha obligado a las ciudades e infraestructuras del transporte más importantes a afrontar la tarea de realización de mapas de ruido, como una herramienta fundamental de diagnosis en la lucha contra el ruido ambiental. Dichos mapas de ruido suelen elaborarse mediante herramientas de simulación, ya que, a diferencia de las medidas, estas permiten ampliar la extensión espacial y temporal evaluada, permitiendo cubrir objetivos más ambiciosos con unos costes abordables por la administración.
Dichas herramientas de simulación permiten calcular el nivel sonoro en puntos discretos de un mapa que componen la rejilla de cálculo. Posteriormente se utilizan herramientas de interpolación espacial para dibujar un mapa completo que permite obtener líneas isofónicas. Dado que el proceso de interpolación no se realiza con criterios acústicos, dicho proceso origina errores que incrementan la incertidumbre del mapa. La manera de mejorar la calidad del mapa es hacer rejillas muy densas, con puntos muy próximos, de manera que la aportación a la incertidumbre del proceso de interpolación quede minimizada. Sin embargo, a medida que la rejilla de cálculo gana en resolución, los costes computacionales se disparan.
Las rejillas autoadaptativas permiten mejorar la calidad del mapa y reducir los costes computacionales enormemente. Dichas rejillas se generan mediante un proceso iterativo que permite centrar los cálculos acústicos en aquellas posiciones que resultan de interés, evitando los puntos que proporcionan información redundante.
Este procedimiento1 puede ser aplicado por una parte a la optimización de tiempos, ya que permite reducir enormemente el número de posiciones en las que realizan los cálculos acústicos (dependiendo de los casos hasta en una relación de 1:100 o incluso superior). Pero además, la metodología también puede ser aplicada sobre un mapa ya existente para su optimización ya que, con un sobrecoste computacional menor del 10%, puede llegar a reducir la incertidumbre de interpolación a la mitad.
Este procedimiento ha sido desarrollado por los investigadores del Centro de Acústica Aplicada y Evaluación no Destructiva (CAEND, UPM-CSIC), y publicado en la revista científica Applied Acoustics en su número especial “Noise Mapping”.
Referencia bibliográfica:
Asensio C, Recuero M, Ruiz M, Ausejo M, Pavon I. "Self-adaptive grids for noise mapping refinement". APPLIED ACOUSTICS 72 (8 Sp. Iss. SI): 599-610. julio de 2011.
El pájaro robótico PigeonBot II, probado con éxito en un túnel de viento y de manera autónoma al aire libre, logra volar de manera similar a estas aves, sin aleta vertical. Sus aplicaciones abren el camino para diseñar aviones más eficientes en combustible.
La Fundación BBVA ha galardonado al informático japonés, de la Universidad Carnegie Mellon (EE UU), por crear los algoritmos que permiten a las máquinas comprender las imágenes y procesar los movimientos. Sus técnicas están presentes en los coches autónomos, los drones y todos los robots con capacidad de visión, como los que se usan en cirugía.
