Investigadores de la UPV y el CSIC han creado un sistema de inteligencia artificial que anticipa episodios de alta contaminación por tráfico en València, mejorando la gestión urbana y la calidad del aire.
Investigadores de la Universitat Politècnica de València (UPV) y el Consejo Superior de Investigaciones Científicas (CSIC) han desarrollado un innovador sistema de alertas de tráfico basado en inteligencia artificial, diseñado para anticipar episodios de alta contaminación en la ciudad de València. Este avance, que utiliza técnicas de deep learning, busca facilitar la adopción de medidas preventivas ante situaciones críticas de calidad del aire.
El equipo, formado por expertos del Instituto ITACA y el Instituto de Física Corpuscular (IFIC), destaca que su sistema es capaz de prever con hasta 30 minutos de antelación si un tramo específico de calle experimentará un aumento significativo en el tráfico. Esta capacidad permite implementar acciones proactivas para mitigar la contaminación y proteger la salud pública.
La investigación parte de una premisa fundamental: reducir las emisiones generadas por el transporte no solo contribuye a combatir el cambio climático, sino que también mejora directamente la calidad del aire en entornos urbanos. En València, se estima que el tráfico representa aproximadamente el 60% de las emisiones totales de gases de efecto invernadero (GEI).
Edgar Lorenzo-Sáez, investigador del Instituto ITACA y coautor del estudio, subraya la gravedad del problema: “El tráfico urbano es una fuente importante de contaminantes atmosféricos nocivos. La contaminación del aire es la principal causa ambiental de muertes prematuras”. Además, menciona que la mala calidad del aire está relacionada con enfermedades graves como asma, cáncer de pulmón y problemas cardiovasculares, responsables anualmente de unas 300.000 muertes en Europa.
El sistema ha sido entrenado utilizando datos provenientes de 1.472 sensores distribuidos por toda València, complementados con variables meteorológicas como viento y lluvia. Gracias al uso de redes neuronales tipo LSTM (Long Short-Term Memory), se logra una alta precisión en tiempo real, incluso durante las horas pico.
Este modelo no solo proporciona alertas sobre niveles elevados de tráfico; también ha demostrado ser un indicador fiable para los niveles de NOx (óxidos de nitrógeno), uno de los contaminantes más perjudiciales para la salud. Esta capacidad es especialmente útil en áreas donde no existe una red densa de sensores dedicados a medir la calidad del aire, lo que podría optimizar las Zonas de Bajas Emisiones (ZBE) mediante medidas más localizadas.
Lorenzo-Sáez añade que su sistema tiene un índice de aciertos del 90% cuando el tráfico fluye sin problemas y del 70% al anticipar episodios críticos. Esto abre nuevas posibilidades para tomar decisiones rápidas que eviten superar los límites legales establecidos para la contaminación en zonas sensibles.
Javier Urchueguía, también investigador en ITACA, resalta que han encontrado una correlación directa entre los flujos vehiculares y los niveles registrados de NOx. Esto les permite generar alertas incluso sin contar con una red completa de sensores, lo cual es crucial para muchas ciudades europeas con recursos limitados.
El trabajo realizado representa un avance significativo en la gestión urbana basada en datos, integrando la inteligencia artificial como herramienta clave para abordar desafíos medioambientales complejos. Según sus creadores, este sistema puede convertirse en un recurso esencial para diseñar intervenciones dinámicas y efectivas que protejan a colectivos vulnerables como escolares o personas mayores.
A futuro, se contempla desarrollar un gemelo digital de València que permita simular diferentes medidas antes de su implementación real. También se planea incorporar sensores adicionales basados en Internet of Things (IoT) para mejorar aún más las predicciones sobre contaminantes.
Este estudio ha sido publicado recientemente en la revista científica Neural Computing and Applications, recibiendo apoyo institucional tanto por parte de la Generalitat Valenciana como del Ministerio de Ciencia e Innovación.
| Cifra | Descripción |
|---|---|
| 60% | Porcentaje de emisiones totales de GEI atribuibles al tráfico en València. |
| 90% | Precisión del sistema cuando el tráfico es fluido. |
| 70% | Precisión del sistema al anticipar episodios de tráfico elevado. |
| 1.472 | Número de sensores de tráfico utilizados para entrenar el sistema. |