El proyecto tiene como objetivo el desarrollo de un sistema automático de detección y clasificación de sonidos mediante machine learning aplicado a la gestión de infraestructuras terrestres de transporte. En ROSOMACHINE, proponemos una investigación y desarrollo aplicado de la clasificación de sonidos en carreteras con el fin de ampliar las posibilidades actuales de gestión de carreteras y tráfico. Muchos de los eventos que la gestión de carreteras desea conocer de la forma más fiable y automática posible pueden ser abordados desde el machine learning aplicado a datos acústicos. Por tanto, si somos capaces de identificar y clasificar eventos por su sonido, podríamos monitorizar de forma innovadora, controlando: -Seguridad en el tráfico mediante la detección, clasificación y cuantificación de los sonidos asociados a impactos entre vehículos, salidas de la vía, frenadas bruscas, etc. -Control de la fluidez del tráfico gracias al sonido asociado a las diferentes velocidades de tránsito, motores a ralentí en atascos, etc. -Clasificación y cuantificación de diferentes tipologías de vehículos que transitan, diferenciando y contando motocicletas, turismos, vehículos pesados, etc

El objetivo de este proyecto es desarrollar una metodología que permita mejorar y optimizar el proceso de control de calidad de la producción de las mezclas bituminosas, mediante el análisis tomográfico de rayos X, contribuyendo en un importante ahorro en los costes de fabricación y favoreciendo, a una economía sostenible, puesto que repercutirá, consecuentemente, en un ahorro energético y de los materiales necesarios.

El proyecto tiene como objetivo desarrollar y validar una nueva metodología que sea viable técnica y económicamente para la fabricación de nuevos productos para el aumento de la inercia térmica en edificación basados en materia prima de origen alternativo, como residuos, subproductos, etc. con la que, por un lado, disminuir el impacto ambiental del producto y del edificio y, por otro, abaratar costes y rentabilizar procesos.