Maestría en Ciudades Inteligentes y Sostenibles

URI permanente para esta colección

https://repository.urosario.edu.co/handle/10336/43296

Examinar

Examinando Maestría en Ciudades Inteligentes y Sostenibles por Director "Sarmiento Rojas, Jefferson Steven"

Mostrando1 - 2 de 2
  • Miniatura
    Ítem
    Acceso Abierto
    Diseño y simulación de un sistema IoT para la detección temprana de incendios forestales en los cerros de Santiago de Cali
    (2025-12-01) Loaiza Mejia, Valentina; Sarmiento Rojas, Jefferson Steven
    Este trabajo de grado presenta el diseño y validación por simulación de un sistema IoT de bajo costo para la detección temprana de incendios forestales en los cerros de Santiago de Cali, una zona altamente vulnerable debido al cambio climático, la expansión urbana y la limitada capacidad de vigilancia continua. El objetivo central es proponer y evaluar, en un entorno virtual, una arquitectura técnica capaz de monitorear variables ambientales críticas y emitir alertas oportunas, integrando sensores virtuales, procesamiento distribuido y analítica predictiva. Metodológicamente, se empleó un enfoque mixto basado en la revisión sistemática de literatura, el diseño conceptual del sistema, la simulación funcional mediante Wokwi, Node-RED y Firebase, y la incorporación de un modelo de riesgo entrenado con datos históricos del sistema FIRMS y condiciones meteorológicas locales. Los resultados incluyen la construcción de un prototipo virtual que demuestra la viabilidad técnica del sistema, la interoperabilidad entre sus componentes y su potencial para anticipar condiciones propicias para incendios, complementando la detección en tiempo real con capacidades predictivas. El análisis de madurez tecnológica ubica el desarrollo en un TRL 3, correspondiente a validación analítica en entorno de simulación, con posibilidades claras de avanzar hacia implementaciones físicas escalables en campo. En conjunto, la propuesta evidencia que la integración de IoT y analítica de datos puede fortalecer la vigilancia ambiental, reducir tiempos de respuesta y promover procesos de gobernanza comunitaria orientados a la prevención del riesgo.
  • Miniatura
    Ítem
    Embargo
    Implementación de un sistema embebido para la clasificación de fuentes de ruido ambiental urbano utilizando técnicas de TinyML en un entorno acústico de Bogotá
    (2024-07-19) Amaya Guzmán, Brian; Remolina Soto, Maykol Sneyder; Sarmiento Rojas, Jefferson Steven; Aya Parra, Pedro Antonio
    El aumento del ruido urbano, derivado del desarrollo continuo de actividades económicas y sociales en las ciudades, se ha convertido en una preocupación diaria con un impacto negativo en la población. Estudios presentados por la Secretaría Distrital de Ambiente (SDA) de Bogotá, Colombia indican que al menos el 11.8% de la población está expuesta a niveles de ruido que exceden las recomendaciones de la Organización Mundial de la Salud . El objetivo principal del proyecto de investigación es diseñar una herramienta de clasificación inteligente que permita identificar y categorizar diferentes fuentes de ruido en tiempo real. El sistema implementado está basado en dispositivos de bajo consumo energético equipados con sensores de audio y capacidad de procesamiento (TinyML). Se utilizó el modelo YAMNet, optimizado para las condiciones específicas de Bogotá, logrando una clasificación precisa de las fuentes de ruido en clases como alarmas, ambiente, aplausos, aviones, actividades humanas, impactos, motocicletas y vehículos pesados. Los resultados obtenidos muestran que en el entorno acústico objeto de estudio los ruidos de vehículos pesados y motocicletas constituyen una gran parte del ruido ambiental en el sector. Además, los aviones, aunque menos frecuentes, permiten establecer que una gran cantidad de eventos (87%) se encuentran por encima del estándar máximo permisible para el sector llegando a eventos de hasta 88.4 dBA. En conclusión, esta investigación demuestra que el uso de TinyML para la clasificación de fuentes de ruido urbano es una estrategia viable y efectiva. La metodología desarrollada facilita una gestión más eficiente del ruido urbano, proporcionando una base sólida para futuras investigaciones y desarrollos tecnológicos, con el potencial de mejorar significativamente la calidad de vida en entornos urbanos.