Investigadores de la Universitat de València y el CSIC han creado un sistema de inteligencia artificial que predice episodios de alta contaminación por tráfico, mejorando la calidad del aire en la ciudad.
Un equipo del Instituto de Física Corpuscular (IFIC, UV-CSIC) y el Instituto de Tecnologías de Información y Comunicaciones (ITACA, UPV) ha desarrollado un sistema innovador para la predicción y alerta temprana del tráfico urbano en Valencia. Este método, que utiliza técnicas de deep learning, no solo mejora la gestión del tráfico, sino que también permite anticipar episodios de alta contaminación, facilitando así la implementación de medidas preventivas.
Los investigadores han partido de una premisa fundamental: reducir las emisiones del transporte es clave para combatir el cambio climático y mejorar la calidad del aire en las ciudades. En Valencia, el tráfico representa aproximadamente el 60% de las emisiones totales de gases de efecto invernadero (GEI).
Para abordar esta problemática, el equipo ha diseñado un sistema que proporciona información sobre el nivel de tráfico en un tramo específico con 30 minutos de antelación. Esto permite a las autoridades adoptar medidas para reducir la contaminación y proteger la salud pública. “El tráfico urbano es una fuente significativa de contaminantes atmosféricos nocivos”, destaca Edgar Lorenzo-Sáez, investigador del ITACA y coautor del estudio. La mala calidad del aire se asocia con enfermedades graves como el asma y problemas cardiovasculares, que causan unas 300.000 muertes prematuras anuales en la Unión Europea.
El sistema ha sido entrenado utilizando datos de 1.472 sensores distribuidos por toda Valencia, complementados con variables meteorológicas como viento y presión atmosférica. Gracias al uso de redes neuronales LSTM (Long Short-Term Memory), este método logra una elevada precisión en tiempo real, incluso durante las horas punta.
Además, los investigadores han encontrado que los datos del tráfico pueden servir como un indicador fiable de los niveles de NOx (óxidos de nitrógeno), uno de los contaminantes más perjudiciales para la salud. Esto resulta especialmente útil en áreas donde no hay una red densa de sensores para medir la calidad del aire. “Hemos observado una correlación directa entre los flujos de tráfico y los niveles de NOx registrados”, indica Javier Urchueguía, también investigador en ITACA.
Verónica Sanz, catedrática de Física Teórica en la Universitat de València (UV) y coautora del estudio, resalta que se ha trabajado para hacer estos modelos robustos y adaptables a diferentes escenarios. “La inteligencia artificial puede ser una gran aliada para mejorar la calidad del aire en las ciudades”, afirma Sanz.
Este avance representa un paso significativo hacia una gestión urbana más eficiente basada en datos, integrando la inteligencia artificial como herramienta clave para enfrentar desafíos medioambientales complejos. Según sus autores, el sistema tiene el potencial para convertirse en un instrumento esencial que permita diseñar intervenciones más dinámicas y socialmente aceptadas, especialmente dirigidas a proteger a grupos vulnerables como escolares o personas mayores.
A futuro, se prevé desarrollar un gemelo digital de Valencia que simule medidas antes de su implementación real e incorporar sensores adicionales del Internet de las Cosas (IoT) para mejorar aún más la predicción directa sobre contaminantes.
El estudio ha sido publicado en la revista científica Neural Computing and Applications, respaldado por instituciones como la Generalitat Valenciana y el Ministerio de Ciencia, Innovación y Universidades.