Autor: Jose Antonio García y Rosa Martínez
Un estudio reciente del Centro Tecnológico Naval y del Mar de España ha explorado el uso de la inteligencia artificial (IA) para optimizar las operaciones portuarias y reducir el impacto ambiental del tráfico marítimo. El estudio se centró en el puerto de Cartagena, analizando datos históricos de los buques, incluyendo las características de los barcos, los patrones de movimiento, las condiciones meteorológicas y los factores específicos del puerto. Utilizando técnicas de aprendizaje automático, los investigadores desarrollaron un modelo para predecir el tiempo de navegación de los buques en las proximidades del puerto. El modelo, basado en Random Forest, demostró una precisión prometedora, logrando un R2 de 0.85 y un MSE de 0.145. Esta información puede ser utilizada para optimizar la gestión del tráfico marítimo, reducir los tiempos de espera y, por ende, disminuir las emisiones de gases de efecto invernadero.
Además de la predicción del tiempo de navegación, el estudio también evaluó la presión acústica submarina generada por los buques. Se aplicó el modelo de Ross para estimar el nivel de fuente (SL) de ruido de cada barco en diferentes frecuencias. Los resultados mostraron que los buques más grandes, como los cruceros y los buques tanque de GNL, generan los niveles de ruido más altos. Se elaboraron mapas de presión sonora (SPL) para diferentes escenarios, mostrando que los niveles más altos se encuentran cerca de las fuentes de ruido. Estos hallazgos resaltan la importancia de considerar el impacto acústico del tráfico marítimo en el medio ambiente marino.
El estudio concluye que la IA tiene un gran potencial para mejorar la eficiencia y la sostenibilidad de las operaciones portuarias. Los modelos de aprendizaje automático pueden ayudar a predecir los tiempos de navegación, optimizar las rutas y reducir los tiempos de espera, minimizando así el impacto ambiental del tráfico marítimo. Se necesitan futuras investigaciones para desarrollar modelos más complejos que permitan una mejor estimación de las pérdidas de transmisión acústica y una predicción más precisa del tiempo de navegación.
