UN SISTEMA COLABORATIVO DE MONITORIZACIÓN GEORREFERENCIADA DE DATOS DE CONTAMINACIÓN ACÚSTICA CLASIFICADOS POR MODELO DE APRENDIZAJE AUTOMÁTICO

Resumen

Este trabajo propone un sistema colaborativo para el monitoreo georreferenciado de la contaminación acústica en entornos urbanos, utilizando un modelo de aprendizaje automático para la clasificación automática de sonidos. El sistema adopta una arquitectura modular, compuesta por tres aplicaciones principales: Aplicación Cliente (recolección); Aplicación Servidora (procesamiento) y Aplicación Cliente (visualización), lo que permite escalabilidad y facilidad de mantenimiento. En la Aplicación Cliente (recolección), la captura de datos se realiza a través de un chatbot integrado con la aplicación Telegram, permitiendo a los usuarios enviar grabaciones de audio junto con sus ubicaciones. Estos datos son procesados por una Aplicación Servidora, que extrae características acústicas y clasifica los sonidos usando el modelo UrbanSound8K_ECAPA, y almacena los resultados en una base de datos NoSQL. La Aplicación Cliente de visualización se compone de una página web, que realiza solicitudes a la Aplicación Servidora y presenta los datos capturados de forma interactiva, permitiendo la exploración de los sonidos clasificados y sus correspondientes ubicaciones geográficas. Se realizó un análisis comparativo de modelos de clasificación de audio para respaldar la elección del modelo más adecuado. Los resultados preliminares demuestran la viabilidad de la solución propuesta, que se perfila como una herramienta prometedora, de bajo costo, accesible y escalable para el mapeo y análisis de la contaminación acústica urbana, con potenciales aplicaciones en políticas públicas e iniciativas de ciudades inteligentes.