La detección temprana de fallos basada en sonido para vehículos es un área crítica pero poco explorada, particularmente dentro de los Sistemas de Transporte Inteligente (ITS) para ciudades inteligentes. A pesar de la clara necesidad de sistemas de diagnóstico basados en sonido, la escasez de conjuntos de datos especializados disponibles públicamente presenta un gran desafío. Este estudio aborda esta brecha contribuyendo en múltiples dimensiones. En primer lugar, enfatiza la importancia de los diagnósticos basados en sonido para la detección en tiempo real de fallos mediante el análisis de sonidos generados directamente por los vehículos, como ruidos del motor o de los frenos, y la clasificación de sonidos de emergencia externos, como sirenas, relevantes para la seguridad del vehículo. En segundo lugar, este documento introduce un nuevo conjunto de datos que abarca sonidos de fallos de vehículos, sirenas de emergencia y ruidos ambientales, específicamente curado para abordar la ausencia de conjuntos de datos especializados. Se propone un marco integral que combina preprocesamiento de audio, extracción de características (a través de espectrogramas de Mel, MFCCs y cromatogramas) y clasificación utilizando 11 modelos. Las evaluaciones utilizando representaciones compactas (52 características) y ampliadas (126 características) muestran que varias clases (por ejemplo, fallo de encendido del motor, fallo del cartucho de la bomba de combustible, fallo del ventilador del radiador) logran una precisión casi perfecta, aunque clases acústicamente similares como fallo de junta universal, golpeteo y problema de pre-ignición siguen siendo desafiantes. La regresión logística obtuvo la mayor precisión del 86.5% para el conjunto de datos de fallos de vehículos (DB1) utilizando características compactas, mientras que las redes neuronales tuvieron el mejor rendimiento para los conjuntos de datos DB2 y DB3, alcanzando el 88.4% y el 85.5%, respectivamente. En el segundo escenario, se propone un enfoque de Votación Suave Ponderada Optimizada Bayesiana con Selección de Características (BOWSVFS), que mejora significativamente la precisión al 91.04% para DB1, 88.85% para DB2 y 86.85% para DB3. Estos resultados destacan la efectividad de los métodos propuestos para abordar las limitaciones clave de los ITS y mejorar la accesibilidad para personas con discapacidades a través de diagnósticos de vehículos basados en audio y sistemas de reconocimiento de emergencias.