RT Dissertation/Thesis
T1 Minería de datos para la sostenibilidad urbana
A1 Rodríguez-Gómez, Francisco
K1 Urbanismo - Innovaciones tecnológicas - Tesis doctorales
AB El principal objetivo de este trabajo de investigación es el uso de la minería de datos, la inteligencia artificial, y el conocimiento de los expertos para la mejora de la sostenibilidad urbana. Se han propuesto una serie de metodologías, modelos, herramientas inteligentes, y algoritmos para las dos líneas de investigación principales para las que se aportan soluciones en esta tesis: las energías y el enverdecimiento en las ciudades.Con respecto a la primera línea de investigación se aportan soluciones para la caracterización de los perfiles de consumo de energía eléctrica y para la ubicación de los mejores emplazamientos fotovoltaicos en las ciudades.Para la caracterización de los perfiles de consumo de energía eléctrica, se propone una novedosa metodología extensible a cualquier dominio basada en técnicas de aprendizaje automático no supervisado y un novedoso algoritmo (ISAC) para la determinación automática del número óptimo de clústeres.Como solución al problema de determinar las mejores ubicaciones para los emplazamientos fotovoltaicos de un área urbana se propone una herramienta inteligente que a partir de una serie de datos heterogéneos: imágenes aéreas y datos meteorológicos, permite extraer de forma automática una serie de características relevantes de los tejados del área de interés. El uso combinado de estos datos con una serie de modelos de cálculo fotovoltaico y de aprendizaje automático supervisado, permiten realizar estimaciones de producción fotovoltaica a corto y largo plazo. Gracias a esta propuesta, los planificadores urbanos podrán realizar simulaciones para conocer si determinadas áreas urbanas satisfacen su demanda energética y los consumidores particulares podrán desplazar el consumo a las horas de mayor producción.
PB UMA Editorial
YR 2023
FD 2023-06
LK https://hdl.handle.net/10630/28821
UL https://hdl.handle.net/10630/28821
LA spa
NO Para asesorar en el enverdecimiento de ciudades se aporta soluciones para determinar las zonas más desfavorecidas por el efecto isla de calor urbano y para realizar simulaciones en diferentes escenarios modificando las características del entorno urbano cercano para realizar estimaciones de la temperatura de la superficie terrestre.Se propone una metodología basada en el procesamiento de imágenes satelitales, combinada con técnicas de clustering y un nuevo índice (DAI) para la determinación automática de las zonas más desfavorables en cuanto a ausencia de vegetación y elevadas temperaturas.Para realizar simulaciones de las temperaturas esperadas en las zonas más desfavorables modificando algunas características del entorno urbano cercano como el tipo y porcentaje de vegetación, se ha desarrollado una herramienta inteligente basada en modelos de aprendizaje automático supervisado.Estas herramientas para asesorar en el enverdecimiento de ciudades, permiten la intervención inmediata en las zonas de mayor urgencia de actuación, así como una simulación de los resultados esperados añadiendo elementos de infraestructura verde urbana al entorno cercano.Gracias al desarrollo de los modelos, algoritmos, metodologías y herramientas que se han propuesto en esta tesis, se ha descubierto información relevante para la toma de decisiones en el ámbito de la sostenibilidad urbana, y se puede afirmar qué si se usan de forma general estas herramientas en las ciudades, podrían tener un impacto positivo en la lucha contra el cambio climático y en la mejora de la sostenibilidad urbana.
DS RIUMA. Repositorio Institucional de la Universidad de Málaga
RD 22 ene 2026