Un equipo del Instituto de Tecnologías de Información y Comunicaciones (ITACA) de la Universitat Politècnica de València (UPV) y el Instituto de Física Corpuscular (IFIC), centro mixto del Consejo Superior de Investigaciones Científicas (CSIC) y la Universitat de València (UV), ha desarrollado un sistema innovador de predicción y alerta temprana de tráfico urbano, utilizando técnicas de deep learning. Este método tiene como objetivo anticipar episodios de alta contaminación, facilitando así la adopción de medidas preventivas para mejorar la calidad del aire en ambientes urbanos.
Los investigadores destacan que el tráfico representa alrededor del 60 % de las emisiones totales de gases de efecto invernadero en ciudades como Valencia. Con el nuevo sistema, es posible prever con 30 minutos de antelación si un tramo de calle registrará un nivel elevado de tráfico, lo que permite tomar decisiones rápidas para mitigar la contaminación y proteger la salud pública.
Edgar Lorenzo-Sáez, investigador del Instituto ITACA, subraya la importancia de abordar la contaminación atmosférica, recordando que es la principal causa ambiental de muertes prematuras y que se vincula a enfermedades graves como el asma y problemas cardiovasculares, responsables de aproximadamente 300,000 muertes al año en la Unión Europea.
El sistema ha sido entrenado con datos de 1,472 sensores de tráfico en Valencia y variables meteorológicas, logrando clasificar cada segmento de vía en tres niveles de alerta. Gracias a las redes neuronales tipo LSTM, el sistema ofrece una elevada precisión en tiempo real, incluso durante las horas punta. El modelo también ha demostrado que los datos de tráfico pueden servir como un indicador fiable de los niveles de óxidos de nitrógeno (NOx), uno de los contaminantes más perjudiciales para la salud.
Esta capacidad tiene el potencial de mejorar la efectividad de las Zonas de Bajas Emisiones, permitiendo medidas más localizadas y ajustadas al riesgo real de cada vía. Lorenzo-Sáez menciona que su sistema acierta el 90 % de las veces cuando el tráfico es fluido y el 70 % al anticipar episodios de tráfico elevado. Así, se abren posibilidades para una gestión de la contaminación más ágil.
Javier Urchueguía, también del ITACA, destaca una correlación directa entre los flujos de tráfico y los niveles de NOx, lo que resulta clave para ciudades con recursos limitados que carecen de una red completa de sensores de calidad del aire. Por su parte, Verónica Sanz, catedrática en la UV y coautora del estudio, menciona que los modelos de inteligencia artificial son capaces de adaptarse a distintos escenarios, lo que permite su aplicación en diversas localidades.
Este avance representa un paso significativo hacia una gestión urbana más efectiva y responsable, integrando la inteligencia artificial como herramienta para abordar desafíos medioambientales complejos. En el futuro, se planea desarrollar un gemelo digital de la ciudad de Valencia que facilite la simulación de medidas antes de su implementación, así como la incorporación de más sensores del internet de las cosas para mejorar la predicción de contaminantes. De este modo, el sistema no solo contribuirá a la sostenibilidad de las ciudades, sino que también promoverá la salud y el bienestar de sus habitantes.
Fuente: Agencia Sinc
