Forskare från Universidad Politécnica de Madrid har utvecklat ett system för artificiell intelligens för att upptäcka och bedöma bullriga aktiviteter från sociala nätverksdata.

De utvecklade ett system för textanalys som, tillämpas på kommentarer publicerade i sociala medier, kan automatiskt upptäcka klagomål om buller och klassificera dem efter deras ursprung. Detta system kombinerar artificiell intelligens (maskininlärning) med olika tekniker för språkanalys.

Dessutom, systemet kan förutsäga början av bullriga händelser, som kan hjälpa stadens chefer att utforma tidiga insatser för att undvika störningar och hälsoproblem för medborgarna. Studien har tagits fram i samarbete med Télécom Paristech.

I Europa, det uppskattas att 25 procent av befolkningen utsätts för höga ljudnivåer, vilket kan öka hälsoriskerna. Detta orsakar folkhälsoproblem och minskar livskvaliteten, speciellt i stadsområden som är förknippade med brist på vila och stress..

Traditionella undersökningar har använts för att bestämma medborgarnas uppfattningar om bullriga stadsmiljöer, men dessa har nackdelarna med höga kostnader som härrör från utveckling och utförande, ett begränsat antal deltagare, och undersökningskampanjens varaktighet.

Dessutom, detta system är inte smidigt när det upptäcker problem eller specifika bullriga händelser. Under de senaste åren har nya system för medborgardeltagande online har kommit upp och de tillåter interaktion med lokala chefer, men de används i allmänhet inte av befolkningen.

Användare av sociala medier publicerar åsikter och känslor om olika ämnen:politik, TV, Produkter, och naturligtvis, miljön, inklusive buller.

Luis Gascó, en forskare från gruppen för instrumentering och tillämpad akustik (I2A2) vid UPM säger, "I åratal, företag har använt maskininlärning och naturliga språkbehandlingstekniker för att ta reda på kundernas åsikter om deras produkter och tjänster i sociala medier för att förbättra försäljningen. Dock, denna tekniska trend har inte tillämpats i stadsförvaltning, saknar inlägg på sociala medier som kan ge realtidsdata om problem i en stad. "

På det här sättet, Projektets forskargrupp har utvecklat ett textanalyssystem som automatiskt kan upptäcka klagomål om buller och klassificera dem efter deras ursprung.

För detta ändamål, de använde de senaste teknikerna inom artificiell intelligens, som maskininlärning, och olika tekniker för språkanalys. Dessutom, forskare har utformat ett prognossystem med hjälp av statistiska tekniker som gör att de kan ta reda på hur en störande bullerhändelse ser ut från antalet klagomål och specifika ord.

Tillämpningen av systemet som utvecklats av UPM-forskare är inte bara begränsat till området buller. Forskarna säger att det kan användas för att upptäcka andra typer av problem, inklusive skador på infrastruktur och medborgarnas känslor om förändringar i stadsplanering som halvfotgängariseringen av Gran Vía i Madrid.

Nu, forskarna tillsammans med sina franska kollegor från Télécom ParisTech letar efter nya partners, främst företag inom stadsförvaltning och transportinfrastruktur, att genomföra ett projekt för teknisk överföring för att testa denna teknik in vivo.