Español (pdf)
Articulo en XML
Referencias del artículo
Traducción automática
Enviar articulo por email
Citado por SciELO 
Similares en
SciELO 
Permalink
1. Introducción
La contaminación acústica generada por el tráfico vehicular es un problema que día a día crece en distintas zonas clasificadas como urbanas y/o metropolitanas alrededor del mundo. Las distintas fuentes de contaminación acústica se producen esencialmente a causa de los motores de diferentes medios de transporte automotriz, el frenado en seco y el mal uso del claxon (Goines & Hagler, 2007). El descontrolado crecimiento urbano ha traído consigo un mayor aumento demográfico y cada vez son más las personas que se acomodan en las zonas urbanas, y así viene el aumento de muchas actividades que facilitan la existencia, pero a su vez son fuentes de ruidos molestos que interfieren en la calidad de vida de toda persona (Zárate et al., 2007). En Perú, el ruido se ha vuelto prominente en varias áreas debido a muchas quejas públicas. Según el diario Publimetro, esto se ve amplificado por los autos muy ruidosos. En Lima, “el ruido del tráfico, las agresiones, la pérdida auditiva progresiva y el uso excesivo de bocinas son las principales causas de la contaminación acústica, que puede derivar en agresiones, estrés, trastornos del sueño y problemas respiratorios. De hecho, según datos de la Asociación Médica Mundial (2005), el ruido es la segunda causa ambiental de problemas de salud, solo por detrás de la contaminación del aire (partículas en el aire) (Patricio et al., 2023). La principal causa es producida por vehículos de todo tipo en mayoría por aquellos que tienen años de antigüedad y deberían ya no transitar debido a su condición (Rodríguez Manzo, 2015).
En el año 2015 el OEFA (Organismo de Evaluación y Fiscalización Ambiental) realizó la medición del ruido ambiental a la provincia de Lima, en las cuales consideró un total de 224 puntos, distribuidos en 43 distritos, entre zonas comerciales, urbanas, residenciales, de protección especial e industriales. De los 224 puntos elegidos para la medición de ruido, 10 puntos fueron identificados como críticos, debido a que la presión sonora estaba entre 81.6 y 84.9 dB, de estos 8 pertenecen a las zonas comerciales en toda Lima Metropolitana (Gamero Motta, 2020).
Lima, es la primera región en el Perú donde el caos, el malestar, el tráfico abrumador, los vehículos viejos, la contaminación ambiental y acústica están provocando niveles desorbitados. Las tasas de contaminación alcanzaron el 15% en 2014 y aumentaron al 20% en 2016, pero ahora no se hace nada para que no se propague su desarrollo (Amambal & Jamanca, 2021). El lugar estudiado es el centro comercial de Gamarra que cuenta con 7 mil 192 habitantes y una superficie de 7.148,91 m2, según el último censo (INEI, 2017). En este lugar predomina mucho la venta ambulatoria, bocinas de triciclos y la congestión vehicular, esta última es la principal fuente de ruido que se estudiará debido a las consecuencias que trae en la salud de las personas. En este lugar predominan 2 problemas ambientales importantes como: contaminación del ruido y aire. La congestión vehicular, la principal fuente de ruido en esta zona, es debido al incremento de vehículos que se dan con el pasar de los años a consecuencia de la existencia de más personas, de allí que el ruido se incrementa con los días, meses y año (Ziad et al., 2020).
Por ello, la importancia de estudiar y predecir los niveles de ruido que se percibe en el lugar y así aplicar las medidas necesarias para su minimización (Ramírez et al., 2011). Por otro lado, para realizar la predicción se utilizó el modelo ARIMA (AutoRegressive Integrated Moving Average) lo cual nos servirá para analizar el comportamiento y las tendencias del ruido vehicular en un entorno específico, esta se ha convertido en una herramienta útil (De Arce & Mahía, 2001). Este modelo estadístico es ampliamente utilizado en el análisis de series temporales debido a su capacidad para capturar patrones a lo largo del tiempo y realizar predicciones basadas en datos históricos (Ayala Castrejon & Bucio Pacheco, 2020). Por ello, para predecir lo niveles de ruido en el emporio comercial de Gamarra, será utilizado este tipo de metodología.
2. Metodología
2.1. Recopilación de datos
Los datos que se recopilaron en el periodo entre el 06 de junio al 06 de julio del 2024 fueron obtenidos previamente por un monitoreo ambiental en el emporio de Gamarra. Se consideraron 12 puntos de muestreo donde se registraron los niveles de ruido y se realizó la contabilización de vehículos. Los monitoreos se realizaron en 4 avenidas transitadas, situadas alrededor del emporio comercial donde se percibieron mayor ruido y estas fueron las siguientes: Avenida México, Avenida 28 de julio, Jirón Huánuco y Avenida Aviación (Figura 1). Los datos se tomaron utilizando un sonómetro integrador clase 2, BSWA 309, el presente equipo paso por un proceso de calibración teniendo su certificado de calibración vigente, este sonómetro se posicionó en un trípode a una altura de 1.50 m del suelo y a 3 metros de distancia del tráfico vehicular, el micrófono se colocó indicando a la dirección de la congestión, lejos de cualquier obstáculo que pueda interferir en los resultados, teniendo en cuenta que el viento no sea fuerte en el lugar de monitoreo y que no haya precipitaciones (Echeverri & González, 2011). Se midieron en un horario de 10:00 a.m. a 05:00 p.m. con 30 minutos de monitoreo por cada punto, y con una medición por minuto, todos los puntos se monitorearon en un solo día, haciendo seguidamente del punto 1 al punto 12, estos monitoreos se realizaron de lunes a sábado para así ver la diferencia entre día de semana y fines de semana.
2.2. Modelo Matemático (ARIMA)
Antes de realizar el modelamiento con el método ARIMA se analizó las series de tiempo por punto de monitoreo analizando todas las mediciones de los 27 días de monitoreo. Este análisis fue de ayuda para conocer la tendencia, periodicidad y estacionalidad de cada uno de los puntos. Además, es bueno indicar que para saber el pronóstico de dicho punto lo que se consideró fue únicamente la presión sonora provocada por el tráfico de vehículos entre los meses de junio a julio del 2024. El modelo matemático ARIMA nos da como resultado datos con carácter autorregresivo, de modo que obtengamos predicciones a un tiempo predeterminado, de manera que podamos realizar comparaciones con patrones futuros (Estadística & 2021, 2021).
Gallego Gómez (2008) nos dice que los modelos ARIMA son preferibles por la flexibilidad para diversos datos de series de tiempo y la precisión de la predicción. La importancia de este método es la capacidad para trabajar con series de tiempo estacionarias. Cuando una serie de tiempo no es estacionaria se puede convertir en estacionaria mediante su diferenciación, lo que hace más fácil su aplicación.
Por otro lado, en nuestra investigación aplicando el método mencionado, primero se analizó las series de tiempo por punto de monitoreo analizando todas las mediciones de los 27 días de muestreo. Este análisis fue de ayuda para conocer la estacionalidad de cada punto. Además, es bueno indicar que para saber el pronóstico de dichos puntos lo que se consideró fue únicamente la presión sonora provocada por el tráfico de vehículos del mes de junio a julio del 2024. Para poder tener la predicción de cada punto se aplicaron dos pruebas que son las siguientes:
Prueba de Dickey- Fuller: Se utiliza para la detección de Estacionariedad de una serie temporal. Su determinación de esta serie se concluye con la siguiente hipótesis:
Prueba de Ljung - Box: Esta prueba estadística sirve para saber si existe o no los ruidos blancos, en la cual nos da la siguiente hipótesis:
Al saber ya los requisitos para una adecuada predicción se agregó la base de datos del monitoreo con los niveles de ruido, por día y semana, el algoritmo y modelo estadístico más adecuado hacia el programa R-studio versión 3.6.0 para la obtención de figuras que indicaran la tendencia que tendrá el nivel de ruido para la predicción del periodo julio - agosto (27 días).
2.3. Mapa de Calor de Niveles de ruido utilizando el software ArcGIS
Se realizó el mapa de calor respecto a los niveles de ruido en avenidas principales del centro comercial de Gamarra para ver su dispersión a lo largo de toda la zona y representar los sitios con mayor cantidad de ruido. Para su realización se consideraron los 12 puntos de monitoreo, su finalidad es ver la coloración de estos con respecto a los niveles de ruido, en puntos donde los niveles sean altos estará pintado de un color más fuerte que el de los puntos con niveles bajo.
Se inició con la base de datos de los 27 días de monitoreo, se obtuvó un valor promedio diario por cada punto de monitoreo. Los datos recopilados se organizaron en una tabla estructurada con los siguientes campos como: ID del punto de monitoreo, coordenadas en UTM, nivel de ruido promedio en decibeles de los 27 días. Toda esta información se almacenó en un archivo CSV para su posterior procesamiento en ArcGIS. Además, se consideraron: red vial principal (calles y avenidas), parques y zonas de amortiguamiento acústico, edificios y árboles, y se interpolaron datos con IDW donde correspondía según los puntos de monitoreo con una extensión de 200 metros o del área puntual de Gamarra.
Se añadieron los datos de presión sonora relacionándolo con colores, cada color representaría un rango. Para estos valores se tomaron en cuenta lo estipulado en el ECA DS N° 085 - 2003 PCM, referente a los límites máximos permisibles de ruido ambiental para fuentes fijas móviles. El mapa de calor fue representado con los rangos de valores y colores que se indican en la tabla 1. Estos mapas fueron realizados en ArcGIS versión 10.8.
3. Resultados y discusión
3.1. Series de Tiempo
Se presenta a través de gráficos (Laeq Tpoint 1 al 12) los comportamientos del nivel sonoro continuo equivalente (LAeqT) obtenido durante la investigación con 30 lecturas diarias en un lapso de 27 días. Cada grafico representa la serie de tiempo para cada punto de monitoreo.
De acuerdo a los resultados obtenidos, las series de tiempo anteriormente mencionadas poseen estacionalidad de los LAeqT pero no existen secuencialidad ni periodicidad para todos los gráficos. Por ello podemos decir que existe estacionalidad, pero no tendencia.
En el comportamiento estacionario podemos decir que es constante, sin embargo, se visualiza como una serie temporal.
3.2. Serie temporal descompuesta
La descomposición de series de tiempo separa la serie en sus componentes: tendencia, estacionalidad y ruido.
Según los gráficos anteriormente mencionados podemos observar que nos dan resultados de datos, estacionalidad, tendencia y serie diferenciada. Por otra parte, la estacionalidad se identifica al observar el componente estacional de la descomposición. Y vemos que el componente estacional muestra patrones repetitivos en intervalos regulares, entonces se tiene estacionalidad en los datos.
Por otro lado, la tendencia también se puede observar en el componente de tendencia de la descomposición. Si el componente de tendencia muestra un aumento o disminución a lo largo del tiempo, entonces hay una tendencia leve presente en la serie temporal, sin embargo, en estos casos, no presenta tendencia. Podemos observar que la serie temporal diferenciada en todos los casos (gráficos) posee una media cero con una varianza equilibrada alrededor de cero.
3.3. Test de Dickey-Fuller
El Test de Dickey - Fuller es una prueba en el ámbito estadístico que se utiliza para determinar si una serie temporal es estacionaria o no estacionaria. Es así que se realizó un cuadro en el cual se identificaron las características de cada uno de los 12 puntos.
En la tabla se puede observar que respecto a las p value de cada punto de monitoreo nos sale 0.01 lo cual es menor 0.05 por lo que se dice que la serie es estacionaria. Así mismo, se observa que en todos los puntos da un valor igual que quiere decir que en todos los puntos la serie es estacionaria y no tiene tendencia.
3.4. Mapas de predicción de ruido
El ruido observado en cada mapa corresponde al ruido promedio de los 12 puntos a las distintas horas realizadas, es así que se da un considerable aumento de ruido.
En el grafico de proyección de los niveles de ruido de todos los puntos nos presenta una tendencia de estacionalidad que se mantendrá en los próximos días, a excepción del punto número 4 que tendrá una tendencia de crecimiento y aumento de los niveles de ruido en el próximo mes de julio a agosto. Por lo tanto, los datos son independientes o son ruido blanco. La prueba de Ljung-Box indica que no hay autocorrelación en los residuos del modelo. En otras palabras, los residuos son independientes entre sí. Por lo tanto, se comportan como ruido blanco.
3.5. Prueba de Ljung-Box
La prueba de Ljung-Box es un test estadístico que se utiliza para disponer si existe autocorrelación significativa en una serie temporal, es decir, si los valores de la serie están correlacionados entre sí en diferentes retardos.
Fuente: Elaboración propia
Respecto al Test de Ljung Box, nos dice que tenemos ruido blanco para cada punto, en este caso en todos los puntos el p value en mayor a 0.05 por lo que los datos son independientes. Así mismo, los datos proyectados están en buen camino para cada punto.
3.6. Mapa de calor de ruido
El mapa realizado en ArcGIS muestra la distribución de la contaminación sonora en la zona comercial de Gamarra. Los resultados indican que:
Las áreas con mayor contaminación sonora se encuentran en el P-9 (intersección del jirón Von Humboldt y jirón Huánuco), ya que son las zonas de mayor concentración de comercios y tráfico.
Los niveles de ruido superan los 80 decibelios en más del 60% de la zona estudiada, lo que puede generar problemas de salud y molestias para los residentes y visitantes.
La contaminación sonora es más alta durante las horas pico de tráfico y comercio, lo que sugiere una relación directa entre la actividad comercial y la generación de ruido.
El mapa destaca la necesidad de implementar medidas para reducir la contaminación sonora en la zona comercial de Gamarra.
Conclusiones
El monitoreo de ruido se realizó en las 4 avenidas principales siguiendo el protocolo nacional de monitoreo de ruido ambiental AMC N.º 298-2013-MINAM/OGA para tener en consideración el correcto monitoreo, de manera que obtengamos valores representativos. Según los datos estadísticos que obtuvimos de los monitoreos podemos determinar que los niveles de ruido son variables respectos a los días de semana, percibiéndose más los fines de semana y feriados entre las 11:00 am a 13:00 pm. Además, se pudo evidenciar que los puntos establecidos no presentan variación considerable respecto a las semanas anteriores.
La simulación y la predicción de ruido en un futuro, en el lugar de estudio, se realizó teniendo en cuenta las series de tiempo y se hicieron con 2 tipos de pruebas el Dickey - Fuller y Ljung - Box. Para obtener una predicción en los próximos días, esto varia con relación a los puntos.
Se concluye que el ruido generado en el centro comercial de Gamarra excede en todos los puntos los límites permitidos por las normativas del ECA, debido a que es zona comercial y debería haber un valor máximo de 70 dB en horario diurno, indicando así un impacto significativo en la calidad ambiental y en el bienestar de los trabajadores, comerciantes y visitantes.
Recomendaciones
Realizar charlas de sensibilización a los conductores de los vehículos que circulan por aquella zona comercial, esto se dará con entrevistas, campañas e infografías, con la finalidad de educar a los conductores sobre el efecto del uso indiscriminado de la bocina en la salud y calidad de vida.
Controlar a los conductores de vehículos que utilizan radios a volumen alto y que usan el claxon de manera innecesaria, que hacen que se eleven los niveles de ruido. Implementar silenciadores apropiados para cada uno. Así mismo, implementar multas y papeletas para aquellos conductores imprudentes que hacen caso omiso al aviso de no utilizar claxon en la zona comercial.
Implementar reductores de velocidad y señalización adecuada para que los vehículos bajen su velocidad lo que ayudará a disminuir el ruido del motor y de frenado. Además, que los policías puedan hacer una inspección exhaustiva que garantice que solo puedan circular vehículos con un mantenimiento adecuado que minimice el ruido y contaminan el aire.
Mejorar la fluidez del tráfico estableciendo paraderos para buses de servicios públicos a cierta distancia para que se pueda evitar la congestión y también limitar los gritos desmesurados de cobradores para conseguir pasajeros pues todo ello ocasiona el aumento de ruido.
Redirigir el tráfico pesado de camiones y buses, por vías alternas que no circulen por la zona o hacer que circulen en horarios que no sean hora pico de tráfico vehicular.
