Tesis:
Valoración económica contingente del ruido de tráfico rodado mediante redes neuronales artificiales
- Autor: BRAVO MONCAYO, Luis
- Título: Valoración económica contingente del ruido de tráfico rodado mediante redes neuronales artificiales
- Fecha: 2017
- Materia: Sin materia definida
- Escuela: E.T.S. DE INGENIEROS INDUSTRIALES
- Departamentos: INGENIERIA MECANICA
- Acceso electrónico: http://oa.upm.es/47146/
- Director/a 1º: PAVÓN GARCÍA, Ignacio
- Director/a 2º: LUCIO NARANJO, José
- Resumen: La contaminación acústica que genera el tráfico rodado en zonas urbanas es uno de los problemas ambientales más patentes debido a la cantidad de población que actualmente se encuentra expuesta a niveles sonoros perjudiciales para la salud. Los esfuerzos por reducir su impacto en la sociedad son retos importantes para quienes generan políticas públicas relacionadas con la calidad de los recursos naturales. Los costes asociados al ruido de tráfico permiten valorar en términos económicos sus efectos sociales, integrando esta externalidad en la planificación de las ciudades modernas. Uno de los métodos de valoración consiste en estimar la disposición a pagar que tiene la ciudadanía para mitigar el impacto a través de modelos estadísticos o econométricos desarrollados mediante estudios socio acústicos. Estos análisis son de tipo lineal, sin embargo algunas variables utilizadas tienen carácter no-lineal debido a la subjetividad de la percepción de la población, lo que supone una limitación en la precisión de los resultados. En este estudio se presenta una alternativa que valora económicamente la disposición a pagar de una muestra representativa de la población de Quito para reducir la molestia que ocasiona el ruido de tráfico, a través de una herramienta de inteligencia artificial que considera la no linealidad del problema. La metodología propuesta utiliza un comité de redes neuronales artificiales para predecir un rango de pago a partir de la percepción subjetiva del ruido y sus efectos en la salud, los niveles objetivos de exposición al ruido de tráfico obtenidos a partir de un modelo acústico predictivo, las características demográficas y socioeconómicas y las coordenadas geográficas del lugar de residencia de los encuestados. Los resultados de este método han sido comparados con los resultados de un modelo econométrico probit ordenado, obteniendo un rendimiento superior al 85,7 % en términos del error porcentual promedio en los rangos de predicción. Esta investigación demuestra la capacidad de generalización del método, y su posibilidad de ser utilizado como una herramienta de valoración económica en la gestión del ruido urbano. ABSTRACT Noise pollution resulting from to road traffic is one of the most relevant environmental issue due to the current population exposed to noise levels that are harmful to health, and the efforts to reduce its impact on society are relevant challenges for those who generate public policies related to natural resources quality. The costs related to road traffic noise allow to assess its social effects in economic terms, by integrating this externality into the planning of modern cities. One valuing methodology estimate the willingess to pay that the citizenship has to reduce the impact through statistical or econometric models developed by socio-acoustic surveys. These are linear-kind analyzes, however some input variables used have a non-linear nature due to the subjectivity of the population’s perception, which implies a limitation in the precision of the results. This study presents an alternative approach for valuing the willingness to pay to reduce traffic noise annoyance, through an artificial intelligence tool that considers the nonlinearity of the problem. The proposed methodology uses a committee of artificial neural networks to predict a payment range from the subjective perception of noise and its effects on health, objective exposure traffic noise levels obtained from a predictive acoustic model, demographics and socioeconomics data and geographical coordinates of the respondents’ dwellings. The results were compared to an ordered probit econometric model in terms of the performance mean relative error and obtained 85,7% better accuracy. This research demonstrates its generalization capacity and possibility to be used as a valuation tool in urban noise management.