Reconstrucción de Estructuras con Filtros de Modas Aplicado en Smart Cities
DOI:
https://doi.org/10.56913/teceo.6.12.106-118Palabras clave:
Reconstrucción parcial,, completado de datos,, detección de fallas,, LiDAR,, Odometría,, Robótica Móvil.Resumen
El monitoreo inteligente de infraestructuras urbanas, como túneles, puentes y pasos a desnivel, es fundamental para garantizar la seguridad pública y la movilidad eficiente en las ciudades. Este artículo introduce una metodología que combina robótica móvil con un arreglo de sensores de distancia, permitiendo a los expertos obtener información precisa y detallada sobre el estado estructural de estas construcciones. La robótica móvil, al operar de manera autónoma, asegura una exploración segura y exhaustiva de entornos difíciles, eliminando la exposición del personal humano a potenciales peligros. Sin embargo, la naturaleza del entorno y las limitaciones tecnológicas pueden dar lugar a la captura de datos incompletos o fragmentados, lo que representa un desafío crítico para el análisis. Para superar este desafío, se emplean metodologías de completado de datos basadas en técnicas estadísticas de tendencia central fundamentado en la Moda, que permiten reconstruir con alta fidelidad la topología de las estructuras monitoreadas. Los resultados experimentales validan la eficacia de estos métodos, demostrando su capacidad no solo para completar la información faltante, sino también para identificar y localizar de manera precisa deformaciones o fallas estructurales. Más allá de las aplicaciones en infraestructura urbana, este enfoque se muestra prometedor para otros escenarios críticos, como la monitorización de estructuras en entornos industriales, instalaciones subterráneas, y hasta en la evaluación de edificaciones en áreas afectadas por desastres naturales. Este sistema no solo mejora la capacidad de respuesta en el mantenimiento predictivo, sino que también abre nuevas oportunidades para la gestión integral y sostenible de infraestructuras clave en diversas áreas.Citas
Agencias, R. l. (2021, 4 mayo). Al menos 23 muertos y 70 heridos al partirse un puente del metro en Ciudad de México. La Vanguardia.
Alatise, M. B., & Hancke, G. P. (2020). A review on challenges of autonomous mobile robot and sensor fusion methods. IEEE Access, 8, 39830-39846.
Araya-López, J. L. (2011). Resultados de un control de calidad de datos de temperatura superficial del aire y humedad relativa. Revista Tecnología en Marcha, 24(1), pág-33.
Athawale, T., & Entezari, A. (2013). Uncertainty quantification in linear interpolation for isosurface extraction. IEEE Transactions on Visualization and Computer Graphics, 19(12), 2723-2732.
Ávila, M. A. O., & Arancibia, J. A. G. (2015). Sistema de localización autónoma para robots móviles basado en fusión de sensores propioceptivos. Revista Politécnica, 11(21), 75-84.
Barrientos, V. R., Sánchez, J. R. G., & Silva‐Ortigoza, R. (2007). Robots móviles: evolución y estado del arte. Polibits, 35, 12-17.
Belgiu, M., & Drǎguţ, L. (2016). Random Forest in Remote Sensing: A review of applications and future directions. Isprs Journal of Photogrammetry and Remote Sensing, 114, 24-31. https://doi.org/10.1016/j.isprsjprs.2016.01.011
Carrera-Villacrés, D. V., Guevara-García, P. V., Tamayo-Bacacela, L. C., Balarezo-Aguilar, A. L., Narváez-Rivera, C. A., & Morocho-López, D. R. (2016). Relleno de series anuales de datos meteorológicos mediante métodos estadísticos en la zona costera e interandina del Ecuador, y cálculo de la precipitación media. Idesia (Arica), 34(3), 81-90.
Cdmx, M. (s. f.). Longitudes líneas. Metro CDMX. https://metro.cdmx.gob.mx/longitud-lineas.
Colomer, B. J. (2018, 1 junio). Estudio de los sensores para la detección de obstáculos aplicables a robots móviles.
De Estadística Y Geografía, I. N. (s. f.). Transporte de pasajeros. https://www.inegi.org.mx/temas/transporteurb/
González, O. (1988). El metro de Ciudad de México. Revista EURE-Revista de Estudios Urbano Regionales, 14(42).
Granados, R. M. (2016). Modelos de regresión lineal múltiple. Granada, España: Departamento de Economía Aplicada, Universidad de Granada. Documentos de Trabajo en Economía Aplicada. Universidad de Granada. España
Morantes, G., Polo, G. R., & Pérez-Santodomingo, N. A. (2019). MODELO DE REGRESIÓN LINEAL MÚLTIPLE PARA ESTIMAR CONCENTRACIÓN DE PM1. Revista Internacional De Contaminacion Ambiental, 35(1), 179-194.
Muja, M., & Lowe, D. G. (2009). Fast approximate nearest neighbors with automatic algorithm configuration. VISAPP (1), 2(331-340), 2.
Parnás, V. E. (2008). FALLAS ESTRUCTURALES EN TORRES RETICULADAS PARA TELECOMUNICACIONES. Revista científica de Arquitectura y Urbanismo, 29, 57-63.
Rico Jiménez, J. de J., González Barbosa, J. J., Hurtado Ramos, J. B., Ornelas Rodríguez, F. J., Hernández García, D. E., & González Barbosa, R. (2012). Digitalización del entorno a partir de un LIDAR HDL-64E. Nexo Revista Científica, 25(1), 28–37.
Secretaria de Comunicaciones y Transportes: Puentes de la Red Federal de Carreteras. (s. f.). https://www.sct.gob.mx/carreteras/direccion-general-de-conservacion-de-carreteras/puentes-de-la-red-federal-de-carreteras/
Strauß, A., Bień, J., Neuner, H., Harmening, C., Seywald, C., Österreicher, M., Voit, K., Pistone, E., Spyridis, P., & Bergmeister, K. (2020). Sensing and monitoring in tunnels Testing and monitoring methods for the assessment of tunnels. Structural Concrete, 21(4), 1356-1376.
Vandiver, J. K. (1975, May). Detection of structural failure on fixed platforms by measurement of dynamic response. In Offshore Technology Conference (pp. OTC-2267). OTC.
Archivos adicionales
Publicado
Cómo citar
Número
Sección
Licencia
Esta obra está bajo una licencia internacional Creative Commons Atribución-NoComercial-CompartirIgual 4.0.
