A través de la combinación de sensores de bajo coste y tecnologías de procesamiento de datos como el Machine Learning, VIBRATREN busca generar un modelo predictivo adaptado a las particularidades locales del terreno y las infraestructuras.
La pervivencia de infraestructuras ferroviarias en zonas urbanas y periurbanas plantea importantes desafíos relacionados con el impacto ambiental, siendo las vibraciones y el ruido estructural dos de los problemas menos estudiados, pero con gran repercusión en la calidad de vida de los ciudadanos. A diferencia de otras fuentes de contaminación acústica, la propagación de vibraciones a través del terreno y las estructuras de los edificios presenta una gran complejidad, ya que depende de múltiples variables como la tipología del terreno, las características de los edificios y las condiciones de cimentación. Estos factores, junto con los limitados estudios previos en el ámbito local, han dificultado el desarrollo de herramientas precisas para evaluar su impacto en diferentes entornos.
A medida que las infraestructuras ferroviarias se aproximan a áreas residenciales y urbanas, las vibraciones y el ruido estructural se convierten en una preocupación cada vez más relevante para la población, debido a las molestias y posibles daños a largo plazo en por ejemplo las edificaciones o la salud de los ciudadanos. En el caso particular del País Vasco la legislación actual exige evaluaciones para nuevas edificaciones cercanas a vías férreas, lo que subraya la necesidad urgente de avanzar en el conocimiento y en las técnicas de medición y predicción de estos fenómenos, especialmente en territorios donde las particularidades del terreno juegan un papel clave en la propagación de estas vibraciones.
Partiendo de este contexto, el proyecto VIBRATREN –Modelo local de predicción y red IoT para evaluar la vibración y el ruido estructural debido a las infraestructuras ferroviarias–, liderado por AAC Centro de Acústica Aplicada, surge con el objetivo de abordar esta problemática, desarrollando una metodología innovadora que permita medir y analizar de manera efectiva el impacto de las vibraciones ferroviarias en diferentes tipos de edificaciones.
VIBRATREN se enfoca en el desarrollo de un modelo de predicción que utilice datos locales para evaluar y prever situaciones existentes y futuras. Uno de los elementos clave es la implementación de sensores MEMS (Micro Electro-Mechanical Systems) de bajo coste, que permiten la recolección eficiente de datos sobre vibraciones en diversos puntos de forma simultánea. A través de la integración de grandes volúmenes de datos y el uso de técnicas avanzadas como el Machine Learning, el proyecto busca identificar patrones y correlaciones que ayuden a caracterizar mejor la propagación de las vibraciones. Además, se prevé la creación de sistemas de monitorización basados en redes IoT, lo que facilitará una evaluación continua y abrirá nuevas oportunidades comerciales.
Los resultados esperados incluyen el desarrollo del modelo VibraTren, que proporcionará predicciones precisas adaptadas a las particularidades del terreno y las infraestructuras del País Vasco. Este modelo estará acompañado por una red IoT de monitorización de bajo coste para evaluar y vigilar las vibraciones, así como por la creación de mapas geográficos que representen los niveles de vibración y ruido estructural. Además, el proyecto contempla el desarrollo de una plataforma de información que permitirá el seguimiento y visualización de los resultados de la monitorización a largo plazo, facilitando la toma de decisiones tanto en infraestructuras existentes como en nuevos proyectos.
Todo lo anterior, no solo permitirá una evaluación más precisa del impacto ambiental, sino que también contribuirá a la mejora de futuras normativas y soluciones en el diseño de infraestructuras ferroviarias.
Consorcio del proyecto
Financiado por el Programa de Ayudas de Apoyo a la I+D empresarial Hazitek 2024 y enmarcado en el Plan de Ciencia, Tecnología e Innovación Euskadi 2030, el proyecto VIBRATREN está liderado por AAC Centro de Acústica Aplicada y responde a las prioridades de especialización inteligente RIS3. Contará con la colaboración de ETS – Euskal Trenbide Sarea – y de Aclima, Basque Environment Cluster en su calidad de miembro de la RVCIT.