13
Red de nodos sensores para una Ciudad
Inteligente
Sensor node network for a Smart City
Jorge Yovanis Gamboa Figueredo
0000-0002-7326-757X
Centro Educacional Privado Pequenos Reis, Luanda, Angola
yovanis77062722463@gmail.com
Yanosky González Tristá
0009-0006-9343-1273
Empresa Cubana de Telecomunicaciones S.A. ETECSA, Villa Clara, Cuba
yanosky.gonzalez@etecsa.cu
Miguel Arturo Mendoza Reyes
0000-0003-2454-8700
Universidad de Villa Clara, Cuba
mmendoza@uclv.edu.cu
Recibido: 30/11/2024
Aceptado: 10/12/2024
Publicado: 30/12/2025
Citación/como citar este artículo: Gamboa F. J. Y., Yanosky G. T., Mendoza R. M. A,
(2025). Red de nodos sensores para una ciudad inteligente. Ásstery Journal, 1(2), 13-31.
Ásstery Journal Vol. 1 Num.1
pp. 13-31
14
Resumen
Este artículo explora el papel de las redes de sensores inalámbricos (WSN, por sus siglas
en inglés) en el desarrollo de las ciudades inteligentes, destacando su integración con
tecnologías emergentes como el internet de las cosas (IoT), la inteligencia artificial (IA)
y la conectividad 5G. El estudio resalta cómo las WSN permiten la recopilación,
transmisión y procesamiento en tiempo real de datos, facilitando la automatización y
optimización de servicios urbanos. A través de un enfoque observacional descriptivo y
prospectivo, la investigación revisa 21 fuentes bibliográficas para analizar la
convergencia de redes de telecomunicaciones y sensores inalámbricos, centrándose en su
impacto en el bienestar social y el desarrollo urbano. Los hallazgos clave revelan que las
WSN, respaldadas por las redes 5G, permiten que millones de dispositivos intercambien
información de manera continua o discontinua, automatizando servicios como el control
del tráfico, la iluminación, la monitorización ambiental y la salud. el artículo concluye
que las WSN, combinadas con el IoT, la IA y el Big Data, son esenciales para crear
ciudades inteligentes sostenibles y eficientes, mejorando la calidad de vida de los
ciudadanos y abordando los desafíos de la urbanización en el siglo xxi.
Palabras clave: Sensores, internet de las cosas, servicios móviles.
Abstract
This article explores the role of wireless sensor networks (WSN) in the development of
smart cities, emphasizing their integration with emerging technologies such as the
Internet of Things (IoT), artificial intelligence (AI), and 5G connectivity. The study
highlights how WSNs enable the collection, transmission, and real-time processing of
data, facilitating the automation and optimization of urban services. Through a descriptive
and prospective observational approach, the research reviews 21 bibliographic sources to
analyze the convergence of telecommunications networks and wireless sensors, focusing
on their impact on social well-being and urban development. Key findings reveal that
WSNs, supported by 5G networks, allow millions of devices to exchange information
continuously or intermittently, automating services such as traffic control, lighting,
environmental monitoring, and healthcare. The article concludes that WSNs, combined
with IoT, AI, and Big Data, are essential for creating sustainable and efficient smart cities,
improving the quality of life for citizens and addressing the challenges of urbanization in
the 21st century.
Keywords: sensors, internet of things, mobile services.
Red de nodos sensores para una Ciudad Inteligente
15
Introducción
Como parte de la tecnología y la industria, se reconoce que los inventos
tecnológicos desarrollados por la humanidad han sido transmitidos de generación en
generación a lo largo de los años, reflejando un proceso continuo de aprendizaje y
adaptación. Desde sus inicios, las técnicas y herramientas, que en un principio eran
rudimentarias, han sido perfeccionadas conforme al conocimiento y las necesidades de
cada época. Muchas de estas innovaciones han sido diseñadas específicamente para
aumentar el bienestar de la especie humana, mejorando la calidad de vida y facilitando
diversas actividades cotidianas.
Por eso, según Einstein (González Quirós, 2006), a medida que la tecnología
evolucionaba, también lo hacían las condiciones de vida, tanto en entornos urbanos como
en el ámbito industrial. Este progreso constante ha desencadenado una serie de avances
interconectados que dan lugar a nuevas tecnologías y métodos de producción. Estos saltos
cualitativos en el desarrollo industrial son comúnmente conocidos como revoluciones
industriales. Cada revolución no solo ha transformado la forma en que trabajamos y
vivimos, sino que también ha influido en la estructura social, económica y cultural de las
sociedades.
La revolución industrial ha marcado hitos significativos en la historia del progreso
humano, desde la mecanización inicial hasta la digitalización contemporánea. Estas
transformaciones nos recuerdan que la innovación es un motor esencial para el avance
colectivo y el desarrollo sostenible.
La industria de informatización y digitalización de los procesos promueve la
transformación digital de los procesos, refiere Ghobakhloo (2020), abarca importantes
tecnologías como la de Mega Datos (Big Data) de acuerdo con Ngiam (2019), y es una
mejoría en el análisis de los datos con la Inteligencia Artificial (AI) como plantean
Nguyen y Pérez (2020), el Internet de las Cosas (IoT) según Gokhale (2018) es donde
todo está interconectado. Con lo anterior, aun no queda claro dónde quedan las redes de
sensores y cómo logran el protagonismo entre las tecnologías emergentes antes
mencionadas.
Por consiguiente, estas son razones que motivan la realización del presente
trabajo, se declara entonces como objetivo analizar cómo funciona el procesamiento
remoto de información desde la convergencia de varias redes de telecomunicaciones, a
partir de sensores inalámbricos, que favorezca las nuevas tecnologías de la industria y el
bienestar de la sociedad actual. Ya que en este procesamiento de información se le suma
la emergente 5ta Generación de servicios móviles que provee el ancho de banda necesario
para que los nodos de redes de sensores puedan ejecutar los algoritmos de cómputo más
complejos en la nube. Se facilita así un aumento en la autonomía energética de los nodos
y un incremento en el alcance necesario para integrar masivamente los objetos que nos
rodean en el entorno de la Internet de las Cosas.
Ásstery Journal Vol. 1 Num.1
pp. 13-31
16
Materiales y Métodos
Se realiza un estudio observacional, descriptivo y prospectivo, desarrollado en la
universidad Marta Abreu, en la provincia de las Villas Cuba, se emplea como técnica de
recolección de datos el estudio de documentos, y como métodos teóricos y empíricos:
Histórico-lógico: para revelar la evolución histórica fundamentalmente cuando se realiza
el análisis para el procesamiento remoto de información desde la convergencia de varias
redes de telecomunicaciones, a partir de sensores inalámbricos. Análisis-síntesis: para
establecer los presupuestos teóricos y metodológicos que sustentan todo el transcurso de
la investigación fundamentalmente cuando se realiza el análisis para el procesamiento
remoto de información desde la convergencia de varias redes de telecomunicaciones, a
partir de sensores inalámbrico.
Inducción-deducción: para establecer los razonamientos generales y singulares
fundamentalmente en el proceso el análisis para el procesamiento remoto de información
desde la convergencia de varias redes de telecomunicaciones, a partir de sensores
inalámbricos.
El método hermenéutico que recorre toda la investigación en la comprensión,
explicación e interpretación de los conceptos relacionados con este tema. Análisis de
documentos: Se revisan 21 fuentes bibliográficas de diferentes autores en revistas de
impacto e internet que evidencian la actualidad e importancia de la investigación. Y
permiten valorar el procesamiento remoto de información desde la convergencia de varias
redes de telecomunicaciones, a partir de sensores inalámbricos, además de su impacto.
Resultados y discusión
Cuando se habla del Internet de las cosas, se debe partir que desde 1999 fue
definido el concepto de IoT como objetos conectados e identificados por la tecnología de
radiofrecuencia (RFID). Sin embargo, esta definición cambia en función de los procesos.
Un concepto más general sería el de Furstenau (2018), que refiere que el IoT es la
conexión de dispositivos de cualquier tipo a Internet, enviando información de forma
continua o periódica a cualquier tipo de base de datos. IoT conectará millones de
dispositivos de cualquier lugar a una misma red para intercambiar información y
mediciones en tiempo real. En próximos años a criterio de Swamys (2020), se estima que
los sensores conectados a la red representarán doce veces la cantidad de habitantes en el
planeta, aumentando significativamente el soporte tecnológico a la inteligencia de
aplicaciones que forman una ciudad inteligente, los datos estadísticos se muestran en la
Figura 1.
Red de nodos sensores para una Ciudad Inteligente
17
Figura 1. Dispositivos por personas.
Fuente: Furstenau l. b., Rodrigues y. P.T., sott m. K., Leivas p., Dohan m. s., López--
Robles j.
Respecto a la inteligencia artificial y mega datos, las tecnologías emergentes están
orientadas a disminuir el tiempo en la toma de decisiones, ya sea en el comercio,
agricultura, diseño, entre otros. Para lograr incrementar los beneficios económicos,
procesos, productos y servicios, es necesario un alto grado de análisis de información
acumulada, que bien pudiera estar en la nube o en servidores dedicados, esta información
sin ningún tipo de análisis carecería de utilidad, sin embargo, procesar y analizar esta
información brindaría resultados y detalles con precisión.
El volumen de datos se duplica cada año y en este sentido, el Big Data suministra
la información recopilada a la IA para que sea profundamente analizada y procesada. Los
grandes volúmenes de datos hacen posibles la comprensión de conceptos y características.
La capacidad de aprendizaje de las máquinas está creciendo vertiginosamente, por lo que
el análisis a este gran volumen de datos les ayuda a aprender y entender aún más rápido,
en este aspecto se concuerda con (Rouhiainen, 2018).
Siendo así, con la rápida evolución de las generaciones móviles hacia la 5G las
velocidades de bajada aumentan exponencialmente. 5G integrará todas las tecnologías
emergentes que almacenan datos y hacen análisis para la toma de decisiones, logrando
así una transformación digital al 100% en todos los ámbitos de la industria. Los servicios
móviles de 5G multiplicarán el número de dispositivos que podrán interconectarse y
formar parte del IoT.
Los servicios móviles 5G alcanzan velocidades que permiten el acceso de
aplicaciones remotas a los datos e información en la nube en el orden de los Gbit/s y una
latencia menor a un milisegundo, Tabla 1.
Ásstery Journal Vol. 1 Num.1
pp. 13-31
18
Tabla 1. Generaciones de las tecnologías móviles.
Tecnología
Velocidad
máxima
Latencia
Características principales
Generación
Analógica
⁓2.4 kbit/s
N/A
Llamadas de voz básicas, sin
soporte para datos.
2G
GSM
⁓50 kbit/s
(GPRS)
⁓300 ms
Introdujo SMS y datos móviles
básicos (GPRS/EDGE).
3G
UMTS
⁓2 Mbit/s
(HSDPA)
⁓100 ms
Mayor velocidad para
navegación web, videollamadas
y aplicaciones básicas.
4G
LTE
⁓1 Gbit/s
(LTE-A)
⁓30 ms
Banca ancha móvil, streaming
de video en HD, aplicaciones en
la nube.
5G
NR (New
Radio)
⁓10 Gbit/s
(teórica)
< 1 ms
Velocidades ultra rápidas,
latencia ultra baja, soporte para
IoT, ciudades inteligentes y más.
Fuente: E. NR, "Base Station (BS) Radio Transmission and Reception (3GPP TS 38.104
Version 15.5. 0 Release 15)
1G: Primera generación, solo voz analógica.
2G: Introdujo servicios de texto (SMS) y datos móviles básicos.
3G: Mejoró la velocidad para aplicaciones multimedia y navegación web.
4G: Ofreció velocidades de banda ancha móvil, ideal para streaming y
aplicaciones en la nube.
5G: Revoluciona con velocidades en el orden de los Gbit/s y latencia ultra baja
(<1 ms), permitiendo aplicaciones remotas en tiempo real, IoT masivo y ciudades
inteligentes.
La 5G se considera una red convergente donde se integran los hogares y las
industrias para la trasformación digital; 5G pasará a ser parte del backbone en la
infraestructura de telecomunicaciones de cualquier país.
La Unión Internacional de Telecomunicaciones (UIT) y el Grupo de la 3ra
Generación de patrocinio de proyectos (3GPP) que incluye las firmas Huawei, ZTE,
Ericsson, Nokia, Qualcomm, entre otros, y el Instituto Europeo de Normas de
Telecomunicaciones (ETSI), exponen en el documento 3GPP TS 38.104 V16.1.0 de
octubre del 2019 los rangos de frecuencia RF1 y RF2, ambos descritos en las Tabla 2
Red de nodos sensores para una Ciudad Inteligente
19
Tabla 2. Desglose de Rangos de frecuencias de la 5G.
Rango
Banda
Ancho de banda
Baja frecuencia
N71, N28, N20
10 MHz – 20 MHz
Frecuencia media
N78, N41, N1
50 MHz – 100
MHz
Alta frecuencia
N257, N260, N261
400 MHz – 2GHz
Fuente: 3rd Generation Partnership Project (3GPP)
Rango: Clasificación general de las frecuencias (baja, media, alta).
Banda: Bandas específicas estandarizadas por 3GPP (ejemplo: n78, n257).
Rango de Frecuencia: Intervalo de frecuencias utilizado.
Ancho de Banda: Espectro disponible para la transmisión de datos.
Detalles adicionales:
• Baja Frecuencia (Sub-1 GHz):
• Bandas comunes: n71 (600 MHz), n28 (700 MHz), n20 (800 MHz).
• Ancho de banda limitado, pero con gran cobertura y penetración.
Frecuencia Media (1-6 GHz):
• Bandas comunes: n78 (3.5 GHz), n41 (2.5 GHz), n1 (2.1 GHz).
• Equilibrio entre cobertura y capacidad, ideal para zonas urbanas.
Alta Frecuencia (mmWave):
• Bandas comunes: n257 (28 GHz), n260 (39 GHz), n261 (28 GHz).
• Gran ancho de banda, permite velocidades extremadamente altas, pero con
menor cobertura.
Una mayor velocidad permitirá incrementar el uso de sensores en multitud de
aplicaciones industriales, tanto para controlar maquinarias como en aplicaciones de
gestión logística o de transporte remoto. Según Swamys (2020), en el sector de la salud
permitirá a los cirujanos controlar instrumentos y robots de alta precisión para realizar
operaciones quirúrgicas a distancia.
La implementación de esta tecnología favorecerá el acceso a la nube de
dispositivos con menor memoria interna y evitará la necesidad de equiparlos con
múltiples procesadores, dado que el nivel de cómputo se podrá derivar hacia la red. Esto
permitirá, a criterio de Sahoo (2023), prolongar la vida útil y la autonomía energética de
los sensores, de esta manera podrán transmitir mayor variedad de datos, desde imágenes
en alta definición hasta vídeo en tiempo real.
Ásstery Journal Vol. 1 Num.1
pp. 13-31
20
En cuanto a los sensores, estos son dispositivos que convierten los parámetros
físicos, químicos o biológicos de entrada en señal eléctrica equivalente, o en otra
información útil acorde con sus variaciones y se clasifican atendiendo a las variables con
las que interactúan como la temperatura, la presión, fuerza, voltaje, amperaje, gas, por el
principio de transducción en resistivo, capacitivo, inductivo, piezoeléctrico o
semiconductor, por el tamaño y tecnología de fabricación en macro, micro y nano, y por
el nivel de inteligencia pueden ser simples o inteligentes según Nguyen (2020).
Los tipos de sensores más utilizados en la actualidad según su función se resumen
en la Tabla 3 y en la Figura 3 se muestran físicamente algunos sensores.
Tabla 3. Tipo de sensores más utilizados según su aplicación.
Aplicación
Sensores
Iluminación
Fotoresistivos (LDR), fotoeléctricos.
Temperatura
Termistores (PTC, NTC,
semiconductores)
Humedad
Resistivos, capacitivos.
Posición/Inclinación
Mecánicos, resistivos, acelerómetros,
magnéticos.
Presencia
Magnéticos, infrarrojos, ultrasonidos.
Distancia
Infrarrojos, ultrasonido.
Presión
Piezoeléctricos, resistivos
Caudal
Piezoeléctricos, magnetoresistivos
Frío/Calor
Células termoeléctricas (Peltier)
Químicos
Detectores de gas y humo
Fuente: Ramírez, L. G. C., Jiménez, G. S. A., & Carreño, J. M.
Figura 3. Tipo de sensores
Fuente: Elaboración propia
Red de nodos sensores para una Ciudad Inteligente
21
Por tanto, las redes de sensores fueron diseñadas inicialmente para el ámbito
industrial, sin embargo, en la actualidad han encontrado diversos usos en escenarios como
el hogar, lo militar, medioambiental, en la salud, en lo comercial, entre otras. Estas redes
tienen la capacidad de crecer en número de nodos en forma exponencial y la
implementación o desinstalación es rápida y fácil, lo que hace posible como refiere
Rachavendra (2006), realizar cambios temporales o de emergencia en un intervalo de
tiempo relativamente corto.
De las topologías básicas como estrella, árbol, malla (mesh), es esta última la más
usada actualmente en las Redes de Sensores Inalámbricos (WSN). Todos los nodos están
conectados entre sí, por lo que no requiere un nodo o coordinador central y por
consiguiente la información no se concentra en un solo nodo.
La información se envía de un nodo a otro que esté dentro de su alcance, de lo
contrario la red debe ser capaz de usar un nodo intermedio para llegar a otro que está fuera
de su alcance, esta tipología utiliza tres elementos, nodo final, gateway (puerta de enlace)
y router (enrutador), Figura 3.
Figura 4. Topologías
Fuente: Elaboración propia
Algunos ejemplos actuales de redes de nodos de sensores que utilizan la tipología
de malla por su escalabilidad y versatilidad se describen en la Tabla 4.
Ásstery Journal Vol. 1 Num.1
pp. 13-31
22
Tabla 4. WSN con tipología de malla
WSN
Estándar
Características
Zigbee
IEEE 802.15.4
Baja potencia, bajo costo, ideal para hogares inteligentes
y automatización industrial.
Thread
IEEE 802.15.4
Basado en IPv6, diseñado para hogares inteligentes,
interoperable con otros dispositivos.
Bluetooth
Mesh
Bluetooth Low
Energy
Escalable, bajo consumo de energía, ampliamente
utilizado en iluminación y edificios inteligentes.
LoRaWAN
LoRa Alliance
Largo alcance, baja potencia, ideal para aplicaciones IoT
en áreas extensas (agricultura, ciudades inteligentes).
Z-Wave
Z-Wave
Alliance
Frecuencia sub-1 GHz, bajo consumo, ampliamente
utilizado en seguridad y domótica.
WirelessHART
IEC 62591
Robustez industrial, soporta entornos críticos como
plantas de manufactura y petróleo.
6LoWPAN
RFC 6282
Uso de IPv6 en redes de baja potencia, ideal para IoT en
ciudades inteligentes.
Fuente: Elaboración propia
➢ WSN: Redes de sensores inalámbricos (Wireless Sensor Networks).
➢ Estándar: Protocolo o especificación técnica que define la comunicación.
➢ Características: Ventajas y aplicaciones principales de cada red.
Aplicaciones destacadas:
• Zigbee y Thread: Hogares inteligentes, automatización.
• Bluetooth Mesh: Iluminación inteligente, control de edificios.
• LoRaWAN: Agricultura, monitoreo ambiental, ciudades inteligentes.
• Z-Wave: Seguridad y domótica.
• WirelessHART: Entornos industriales críticos.
• 6LoWPAN: IoT en ciudades inteligentes.
La comunicación del sensor con los demás elementos de la red se realiza mediante
un módulo inalámbrico al que está conectado. Existen muchos módulos inalámbricos en
la actualidad, uno de ellos es el ESP8266 de Espressif como dice Systems (2023), un
ejemplo de su empleo en diferentes ramas de la industria se encuentra en Aziz (2023).
El diseño compacto del módulo requiere un mínimo de circuitos externos y
además ofrece una solución Wifi altamente integrada para la interconexión, con un uso
eficiente de energía, diseño compacto y rendimiento confiable en la industria del IoT,
Figura 5.
Red de nodos sensores para una Ciudad Inteligente
23
Figura 5. ESP8266 NodeMCU.
Fuente: Elaboración propia
Fuente: E. Systems, "ESP8266 Datasheet.," Available: 15-mar 2023
También algunos de los protocolos de comunicación a nivel de aplicación son el
Protocolo de transferencia de Hipertexto (HTTP), Protocolo de Aplicación Restringida
(CoAP), el transporte de Telemetría de Cola de Mensajes (MQTT), entre otros. El
protocolo MQTT por ejemplo, fue diseñado para sistemas con limitaciones de
procesamiento y memoria, para redes con un ancho de banda reducido y alta latencia, su
procesamiento es de bajo consumo de potencia, con lo que se coincide con Tsaq (2023),
todas estas características favorecen a los dispositivos con recursos limitados y su
escalabilidad es compatible con los requerimientos del IoT. En la Tabla 5 se comparan
varios parámetros de estos protocolos.
Tabla 5. Comparación entre HTTP, CoAP y MQTT
Parámetro
HTTP
CoAP
MQTT
Arquitectura
Client/Server
Client/Server o
Client/Broker
Client/Broker
Protocolo de
transporte
TCP
UDP, SCTP
TCP (MQTT-SN puede usar
UDP)
Calidad de
Servicio (QoS)
No
Confirmable, No-
confirmable
QoS0 - Una vez cuando más;
QoS1 - Al menos una vez; QoS2
- Exactamente una vez
Distribución de
los datos
Uno-a-Uno
Uno-a-Uno, Uno-a-
Muchos
Uno-a-Uno, Uno-a-Muchos,
Muchos-a-Muchos
Patrón
Solicitud/Respuesta
Solicitud/Respuesta
Publicación/Suscripción
Tamaño del
encabezado
Indefinido
4 bytes
2 bytes
Ásstery Journal Vol. 1 Num.1
pp. 13-31
24
Puerto
80 / 443 (TLS/SSL)
5683(UDP) / 5684
(DTLS)
1883 / 8883 (TLS/SSL)
Soporte
Organizacional
Global Web
Protocol Standard
Large Web Community
Support, Cisco,
Contiki, Erika, IoTivity
IBM, Facebook, Eurotech, Cisco,
Red Hat, Software AG, Tibco,
ITSO, M2Mi, Amazon Web
Services (AWS), InduSoft,
Fiorano
Fuente: Vinitha, K., Prabhu, R. A., VVBhaskar, R., & Hariharan, R
Dos de las técnicas de conectividad más usadas en los últimos tiempos son las
punto-a-punto y las punto-a-multipunto. Ambas son muy usadas para la comunicación
efectiva entre nodos de sensores inalámbricos y proveedores de servicios a distancia.
Cada una muestra diferencias en cuanto tiempo de conexión, alcance, costo, velocidad de
transferencia, cantidad de nodos y tipo de seguridad, entre otros parámetros. En la Tabla
6 se puede observar una comparación entre algunas de las tecnologías inalámbricas más
utilizadas en las redes de sensores inalámbricos.
Tabla 6. Tecnologías para las redes inalámbricas de sensores.
Parámetros
Bluetooth
Zigbee
WiFi
WiMax
Estándar
IEEE
802.5.1
IEEE 802.15.4
IEEE
802.11
IEEE 802.16
Topología
Ad-hoc
Ad-hoc, Punto a
punto, estrella o
malla
Punto-
Hub
punto a punto,
estrella o malla
Cobertura
10-100 m
10-100 m
50-100
m
48 km
Velocidad
1 Mbps
250 kbps
54 Mbps
70 Mbps
Frecuencia
2,4 GHz
2,4 GHz
2,4 y 5,8
GHz
2,5- 3.5 MHz
Número de
nodos
7
64 000
32
2048
Consumo
Medio
Muy bajo
Alto
Medio
Seguridad
Cifrado 64 y
128 bits
AES-128
-
OSA y SKA
Costo
Bajo
Bajo
Alto
Alto
Fuente: Elaboración propia
Las aplicaciones de sensores inteligentes que integran los servicios de una ciudad
inteligente comparten un elemento fundamental: una red de sensores que permite la
recolección y transmisión de datos en tiempo real. Estas redes de sensores, conocidas
como WSN, son esenciales para optimizar la gestión urbana y mejorar la calidad de vida
de los ciudadanos. A continuación, se describen algunas de las aplicaciones más comunes
y relevantes, detalladas en la Tabla 7. (Anexo.1)
Red de nodos sensores para una Ciudad Inteligente
25
Al respecto, una ciudad inteligente es un entorno urbano donde convergen diversas
tecnologías emergentes, integrando sensores con Internet de las Cosas, conectividad 5G,
inteligencia artificial y computación en la nube, entre otras. Este ecosistema tecnológico
busca automatizar procesos y optimizar la vida diaria de sus habitantes, priorizando el
bienestar ciudadano con este criterio de Bellini (2020) se concuerda en esta investigación.
La sinergia de estas tecnologías permite que redes de sensores, compuestas por millones
de dispositivos de bajo consumo energético, se conecten a la nube. Esto facilita el
intercambio continuo de información entre estos sensores y diversas plataformas en línea,
donde se llevan a cabo procesos computacionales avanzados.
La información recopilada por estos sensores, al decir de Jasim (2021), es almacenada y
gestionada mediante Big Data, lo que permite su análisis a gran escala. Gracias a la IA,
esta información puede ser procesada en tiempos extremadamente cortos, lo que resulta
crucial para una gestión eficiente en áreas que requieren decisiones rápidas e informadas.
Los beneficios derivados de estas aplicaciones son vastos y abarcan múltiples aspectos
de la vida urbana.
Por ejemplo, el control del tránsito se vuelve más dinámico y efectivo mediante la
monitorización en tiempo real del flujo vehicular, optimizando rutas y reduciendo la
congestión. Asimismo, los sistemas automatizados de iluminación ajustan su intensidad
según las condiciones ambientales y la presencia de personas, contribuyendo al ahorro
energético. En el ámbito de la seguridad pública, tecnologías como el reconocimiento de
imágenes y sonidos ambientales permiten identificar situaciones anómalas o emergencias
con mayor agilidad.
Además, como expone Alenoghena (2023), las aplicaciones en el sector salud son
prometedoras: la adquisición y procesamiento de variables fisiológicas pueden facilitar
diagnósticos médicos más precisos y oportunos. En el contexto medioambiental, los
sensores pueden alertar a las empresas de reciclaje sobre contenedores llenos,
optimizando así la logística del reciclaje y reduciendo residuos. También están surgiendo
sistemas que controlan el clima en cultivos específicos, garantizando un uso más eficiente
de recursos como agua y nutrientes.
Ásstery Journal Vol. 1 Num.1
pp. 13-31
26
Figura 6. Ciudad inteligente con tecnologías emergentes
Fuente: Elaboración propia.
Por tanto, las ciudades inteligentes no solo mejoran la calidad de vida de los
ciudadanos mediante la implementación eficiente de tecnologías avanzadas, sino que
también promueven un entorno más sostenible y resiliente frente a los desafíos urbanos
contemporáneos. Esta transformación hacia un modelo urbano inteligente es clave para
enfrentar las demandas crecientes de las poblaciones urbanas del futuro.
Conclusiones
Los nodos IoT y la tecnología emergente 5G transformarán la manera de
comunicarnos e influirán en la industria, las ciudades, la agricultura, entre otros. 5G
provee el ancho de banda necesario a los nodos de sensores para que puedan ejecutar los
algoritmos de cómputo más complejos en la nube.
El monitoreo con dispositivos conectados permite el análisis, control y la gestión
inteligente de diversos servicios como la luz, la temperatura, la energía empleada en el
hogar, por lo que los nodos de sensores y el 5G son esenciales para implementar la
inteligencia de aplicaciones. Una ciudad inteligente es la máxima expresión del desarrollo
urbano, producto de la automatización, digitalización y la interconexión de todas las cosas
en función del bienestar de quienes la habitan. Las redes de nodos sensores siempre
formarán parte de su arquitectura.
Red de nodos sensores para una Ciudad Inteligente
27
Author Contributions “J. Y. G. F. Conceptualización, investigación, redacción del
borrador original y recopilación de datos. Y. G. T. : Análisis de datos, validación y revisión
crítica del manuscrito. M. A. M. R. Supervisión, administración del proyecto, y
contribuciones intelectuales y metodológicas.”
Conflicto de Intereses
Los autores de este artículo declaran de manera expresa que no existe ningún
conflicto de interés de naturaleza personal, financiera, profesional o institucional que
pudiera haber influido en el diseño, desarrollo, interpretación de los resultados o las
conclusiones presentadas en esta investigación.
En específico, se certifica que:
1. No existen lazos familiares, laborales o de cualquier otra índole entre los
autores que pudieran comprometer la objetividad del trabajo.
2. Este trabajo de investigación no contó con financiamiento externo de
entidades comerciales o privadas que pudieran tener un interés particular
en los hallazgos.
3. Ninguna institución patrocinadora, en caso de haberla, ha realizado
solicitud alguna de modificación a la metodología, análisis o conclusiones
del estudio con el fin de obtener un beneficio.
4. Las afiliaciones institucionales de los autores listadas en este artículo no
representan un conflicto y no han tenido injerencia en la integridad de la
investigación.
Por lo tanto, los autores asumen la plena responsabilidad intelectual del contenido
de este artículo, el cual se presenta con total imparcialidad y rigor académico.
Referencias
González Quirós, J. L. (Ed.). (2006). Los rascacielos de marfil: Creación e innovación
en la sociedad contemporánea (pp. 259–296). Lengua de Trapo; Escuela
Contemporánea de Humanidades. ISBN 84-96080-67-6.
Ghobakhloo, M. (2020). Industry 4.0, digitization, and opportunities for sustainability.
Journal of Cleaner Production, 252, 119869.
https://doi.org/10.1016/j.jclepro.2019.119869
NgIAm, K. Y. y Khor, W. (2019). Big data and machine learning algorithms for health-
care delivery. The Lancet Oncology, 20(5), e262–e273.
https://doi.org/10.1016/S1470-2045(19)30149-4
Nguyen, D. C., Cheng, P., Ding, M., Lopez-Perez, D., Pathirana, P. N., Li, J., Seneviratne,
A., Li, Y. y Poor, H. V. (2020). Enabling AI in future wireless networks: A data
life cycle perspective. IEEE Communications Surveys & TutorIAls, 23(1), 553–
595. https://doi.org/10.1109/COMST.2020.3028955
Ásstery Journal Vol. 1 Num.1
pp. 13-31
28
Peres, R. S., JIA, X., Lee, J., Sun, K., Colombo, A. W. y Barata, J. (2020). IndustrIAl
artificIAl intelligence in industry 4.0-systematic review, challenges and outlook.
IEEE Access, 8, 220121–220139.
https://doi.org/10.1109/ACCESS.2020.3042874
Gokhale, P., Bhat, O. y Bhat, S. (2018). Introduction to IoT. International Advanced
Research Journal in Science, Engineering and Technology, 5(1), 41–44.
Fürstenau, L. B., Rodrigues, Y. P. R., Sott, M. K., Leivas, P., Dohan, M. S., López-Robles,
J. R. y GuédrIA, W. (2023). Internet of things: Conceptual network structure, main
challenges and future directions. Digital Communication and Networks, 9(2),
677–687. https://doi.org/10.1016/j.dcan.2022.11.001
Swamy, S. N. y Kota, S. R. (2020). An empirical study on system level aspects of Internet
of Things (IoT). IEEE Access, 8, 188082–188134.
URL: https://ieeexplore.ieee.org/stamp/stamp.jsp?tp=&arnumber=9218916&isn
umber=8948470
RouhIAinen, L. (2018). InteligencIA artificIAl. Alienta EditorIAl.
European Telecommunications Standards Institute. (2019). Base station (BS) radio
transmission and reception (3GPP TS 38.104 version 15.5.0 Release 15).
http://www.etsi.org/standards-search
Adolph, M., Andreev, D., Aubineau, P., Bedi, I., Bozsóki, I., Bueti, C., Dillinger, M.,
Guedhami, O., Li, Z. y Rao, S. (2018). Sentando las bases para la 5G:
Oportunidades y desafíos (Vol. 1). Unión Internacional de Telecomunicaciones.
http://handle.itu.int/11.1002/pub/811d7a5f-en
Sahoo, S. S., Mohanty, S., Sahoo, K. S., Daneshmand, M., & Gandomi, A. H. (2023). A
three factor based authentication scheme of 5G wireless sensor networks for IoT
system. IEEE Internet of Things Journal, 10(17), 15087–
15099. https://doi.org/10.1109/JIOT.2023.3264565
Ramírez, L. G. C., Jiménez, G. S. A. y Carreño, J. M. (2014). Sensores y actuadores.
Grupo EditorIAl PatrIA.
Raghavendra, C. S., Sivalingam, K. M. y Znati, T. (2006). Wireless sensor networks.
Springer. https://link.springer.com/book/10.1007/978-0-387-49590-3
Espressif Systems. (2023). ESP8266 datasheet.
https://www.espressif.com/sites/default/files/documentation/0a-
esp8266ex_datasheet_en.pdf
Zahra A and Aziz A. (2022). Prototype Design of Landfill Gas Pipe Leak Monitoring
System Based on Microcontroller Node MCU ESP8266 with the Internet of
Things Method. International Journal of Intelligent Systems and Applications in
Engineering, https://scholar.binus.ac.id/publication/4ADFE633-2C2B-4EA4-
956B-EB67477A9547/prototype-design-of-landfill-gas-pipe-leak-monitoring-
Red de nodos sensores para una Ciudad Inteligente
29
system-based-on-microcontroller-node-mcu-esp8266-with-the-internet-of-
things-method
Tsao, Y.-C., Cheng, F.-J., Li, Y.-H. y LIAo, L.-D. (2022). An IoT-based smart system with
an MQTT broker for individual patient vital sign monitoring in potentIAl
emergency or prehospital applications. Emergency Medicine International, 2022,
123456. https://doi.org/10.1155/2022/7245650
Mesbahi, Y., Ed-Dahha, A., Guerbaoui, M., Selmani, A. y Lachhab, A. (2023). Data
acquisition of a photovoltaic installation using ESP8266 card and MQTT protocol.
EasyChair Preprint, 2516-2314. https://easychair.org/publications/preprint/98wh
Bellini, P., Nesi, P. y Pantaleo, G. (2022). IoT-enabled smart cities: A review of concepts,
frameworks and key technologies. Applied Sciences, 12(3), 1607.
https://doi.org/10.3390/app12031607
Jasim, N. A., Th, H. y Rikabi, S. A. (2021). Design and implementation of smart city
applications based on the Internet of Things. International Journal of Interactive
Mobile Technologies, 15(1), 123–134. https://doi.org/10.3991/ijim.v15i13.22331
Alenoghena, C. O., Ohize, H. O., Adejo, A. O., Onumanyi, A. J., Ohihoin, E. E., Balarabe,
A. I. y Ovarhimwen, A. (2023). Telemedicine: A survey of telecommunication
technologies, developments, and challenges. Journal of Sensor and Actuator
Networks, 12(1), 20.
https://www.researchgate.net/publication/368958349_Telemedicine_A_Survey_
of_Telecommunication_Technologies_Developments_and_Challenges
Ásstery Journal Vol. 1 Num.1
pp. 13-31
30
Anexo
Sensor
Aplicación
Tráfico
Proporcionan información en tiempo real sobre el estado del tráfico, alertando a
los ciudadanos y a las administraciones públicas sobre posibles incidencIAs. Esto
permite seleccionar rutas alternativas con menor congestión. Además, estos
sensores facilitan el control telemático de semáforos, paneles informativos y
puentes elevadores. Por ejemplo, sistemas como Waze y Google Maps utilizan
datos de tráfico en tiempo real para ofrecer rutas optimizadas a los conductores.
Humedad
Optimiza la gestión del riego en parques y jardines públicos, activando el riego
solo cuando es necesario y durante el tiempo justo. Al detectar que la humedad
del suelo es adecuada, los aspersores se apagan automáticamente. Esto no solo
ahorra agua, sino que también reduce el consumo energético. Ejemplos recientes
incluyen sistemas de riego inteligente como Rachio, que utilizan datos
meteorológicos para ajustar el riego.
Luz
Detecta cambios en la luminosidad ambiental, encendiendo o apagando el
alumbrado público según las condiciones naturales. Esto asegura un uso eficiente
de la energía. Un ejemplo actual son las farolas inteligentes que ajustan su brillo
dependiendo de la luz disponible, como las implementadas en varIAs ciudades
europeas.
Paso
Mantiene el alumbrado público en un modo tenue hasta que detecta el paso de
vehículos o peatones. En ese momento, la iluminación se intensifica para
garantizar la seguridad. Este sistema se está utilizando en varIAs ciudades
inteligentes para mejorar la eficiencIA energética y la seguridad nocturna.
Meteorologicos
Monitorizan parámetros ambientales como la calidad del aire, temperatura,
humedad y ruido. Estos sensores son fundamentales para el análisis del clima
urbano y la salud pública. Un ejemplo reciente es el uso de estaciones
meteorológicas conectadas que proporcionan datos precisos a aplicaciones como
AirVisual.
Contaminación
Miden varIAbles ambientales críticas, como la concentración de CO2 y partículas
en suspensión. Estos datos ayudan a las autoridades a implementar políticas
medioambientales efectivas. InicIAtivas como las redes de sensores Air Quality
Egg están ganando popularidad en diversas ciudades.
Residuos
Alertan cuando los contenedores están llenos, permitiendo una planificación más
eficiente de la recolección de basura. Esto optimiza las rutas de recogida y reduce
costos operativos. Un ejemplo son los sensores implementados en San Francisco
que han mejorado significativamente su sistema de gestión de residuos.
Consumo
Miden el consumo real de agua y electricidad, interactuando con dispositivos que
reflejan estas lecturas en tiempo real. También notifican sobre incidencIAs en la
red eléctrica. Sistemas como Sense permiten a los usuarios monitorizar su
consumo energético desde sus hogares.
Obs:
Introducción: Tiene filosofía poca focalizada, debe ir al problema a solucionar: ¿Qué
problema existe? ¿Qué no está resuelto? ¿Qué aporta ESTE artículo?.
Red de nodos sensores para una Ciudad Inteligente
31
Objetivo: necesita menos discurso y más precisión
Metodología: dice ser observacional, descriptiva y prospectiva, pero no hay varIAbles,
criterios de análisis y marco comparativo, parece una narrativa sin comparación. Se
recomienda reducir los excesos históricos-lógicos
Resultados: Presenta datos de otros autores, discusión poca aclarada. Falta ¿Qué
tecnologías son más vIAbles?¿Qué no funciona bien?¿Qué brechas existen?
ReferencIAs: Homogenizarlas, evitar "EditorIAl Desconocida"
------------
Tablas: Usar el formato mostrado de tabla anidada para uniformidad y reescribir
corrigiendo notación numérica, definir la norma usada (IEEE, APA, etc), el texto de la
tabla debe explicar el contenido.
Figuras: Evaluar si la fig.1 referencIAda es necesarIA. No hay fig.2.Rehacer la fig.3 con
imágenes más grandes, ordenadas y descritas, igual la fig. 5. Incrementar calidad de la
fig.6