Un equipo de investigadores de la Universidad Politécnica de Madrid (UPM) ha implementado un sistema de inteligencia artificial para la detección y evaluación de actividades ruidosas a partir de datos de redes sociales.
Los autores han desarrollado un sistema de análisis de texto que, aplicado a los comentarios publicados en las redes sociales, es capaz de detectar automáticamente las quejas que se plantean sobre contaminación acústica, además de clasificarlas según el origen de estas.
Predicción de eventos ruidosos
El sistema combina la inteligencia artificial, en concreto el machine learning, con diversas técnicas de análisis de lenguaje. Además, permite predecir la aparición de eventos ruidosos, lo que puede ayudar a los gestores urbanos a diseñar intervenciones tempranas para evitar molestias y problemas de salud a los ciudadanos. El estudio ha sido desarrollado en colaboración con el centro Télécom Paristech.
Contaminación acústica
La contaminación acústica afecta al 25% de la de la población europea. De los 500 millones de personas de la Unión Europea, se estima que 125 están expuestos a niveles de ruido superiores a los recomendados por la Organización Mundial de la Salud. Esto provoca problemas de salud pública y pérdidas en la calidad de vida de la población, especialmente en entornos urbanos, asociadas a la falta de descanso y el estrés generado por esta situación molesta.
Tradicionalmente, las encuestas han sido la herramienta utilizada para conocer la percepción ciudadana sobre el ambiente acústico en entornos urbanos. Estos medios tienen algunos inconvenientes significativos como la baja participación ciudadana y el coste asociado a su desarrollo y análisis.
Además, no permiten una gestión ágil ni de los problemas detectados, ni de eventos ruidosos puntuales que, no obstante, pueden generar un gran malestar a la población. Por otra parte, en los últimos años han aparecido sistemas de participación ciudadana online que permiten una interacción más veloz con los gestores urbanos, pero que, sin embargo, no son utilizadas de forma generalizada por la población probablemente por utilizar un canal específico en el que no se sienten cómodos.
Procesado del lenguaje natural
Como señala Luis Gascó, investigador del grupo de investigación en Instrumentación y Acústica Aplicada (I2A2) de la UPM, “desde hace años las empresas están aplicando machine learning y técnicas de procesado de lenguaje natural para conocer la valoración que tienen sus clientes sobre sus marcas y productos en las redes sociales con la intención de mejorar sus ventas.
Sin embargo, esta tendencia tecnológica no se ha replicado en la gestión urbana, perdiendo la información de un canal de comunicación utilizado por miles de ciudadanos, como son las redes sociales, y que puede proporcionar datos en tiempo real acerca de problemas en la ciudad velozmente”.
Análisis y clasificación de textos
Esto es precisamente lo que ha desarrollado el equipo, un sistema de análisis de texto que detectar y clasifica automáticamente quejas sobre el ruido. Para ello han utilizado el machine learning y los métodos de análisis de lenguaje; pero además, mediante técnicas estadísticas han diseñado un sistema de predicción que permite conocer la aparición de un evento ruidoso molesto a partir de la evolución temporal del número de quejas y palabras específicas que se utilizan en estas.
Las aplicaciones del sistema desarrollado por los investigadores no se limitan al campo de la contaminación acústica ya que, como indican los responsables del proyecto, “podría aplicarse la misma metodología para la detección de problemas de otra índole en una ciudad, desde desperfectos en el mobiliario urbano hasta la opinión de la ciudadanía sobre cambios en el planeamiento urbanístico en una ciudad como, por ejemplo, la semipeatonalización de la Gran Vía en Madrid, algo que sería de gran ayuda para la creación de ordenanzas municipales más inclusivas”.
Actualmente, los investigadores del proyecto, junto a sus colaboradores franceses de Télécom ParisTech, están buscando más socios, principalmente empresas de gestión de ciudades e infraestructuras de transporte, para realizar un proyecto de transferencia tecnológica en el que se pueda testear esta tecnología en un entorno real.
