Un equipo del Instituto de Tecnologías de Información y Comunicaciones (ITACA) de la Universitat Politècnica de València (UPV), junto con el Instituto de Física Corpuscular (IFIC), ha desarrollado un sistema innovador que utiliza técnicas de deep learning para anticipar episodios de alta contaminación por tráfico en entornos urbanos. Este avance tiene como objetivo facilitar la adopción de medidas preventivas y está preparado para ser implementado en diversas ciudades alrededor del mundo.
El proyecto parte de la premisa fundamental de que reducir las emisiones del transporte no solo mitiga el cambio climático, sino que también mejora directamente la calidad del aire. En València, el tráfico es responsable de aproximadamente el 60% de las emisiones totales de gases de efecto invernadero (GEI).
Para abordar esta problemática, los investigadores han diseñado un sistema capaz de predecir con 30 minutos de antelación si un tramo específico de calle experimentará un aumento en el tráfico. Esto permite a las autoridades tomar decisiones informadas para disminuir la contaminación y proteger la salud pública.
Sistema avanzado para una mejor calidad del aire
“El tráfico urbano es una fuente significativa de contaminantes atmosféricos nocivos. La contaminación del aire es la principal causa ambiental de muertes prematuras”, afirma Edgar Lorenzo-Sáez, investigador del ITACA y uno de los autores del estudio. La mala calidad del aire se asocia con enfermedades graves como el asma y problemas cardiovasculares, responsables anualmente de unas 300.000 muertes prematuras en la Unión Europea.
El sistema ha sido entrenado utilizando datos provenientes de 1.472 sensores distribuidos por toda València, complementados con variables meteorológicas como viento y presión atmosférica. Esta metodología clasifica cada segmento vial en tres niveles de alerta, logrando una notable precisión en tiempo real, incluso durante las horas pico.
Además, se ha demostrado que los datos sobre tráfico son indicadores fiables de los niveles de óxidos de nitrógeno (NOx), uno de los contaminantes más perjudiciales para la salud. Esta capacidad resulta especialmente útil en áreas donde no existe una red densa de sensores para medir la calidad del aire.
Estrategias efectivas para combatir la contaminación
Javier Urchueguía, también investigador del ITACA, destaca que se ha encontrado una correlación directa entre los flujos vehiculares y los niveles registrados de NOx, lo cual permite generar alertas sin necesidad de contar con una red completa de sensores.
Verónica Sanz, catedrática en la Universitat Valenciana e investigadora del IFIC, explica que este sistema se basa en modelos inteligentes capaces de aprender cómo “respira” la ciudad y anticipar cambios tanto en el tráfico como en la contaminación. “La inteligencia artificial puede ser una gran aliada para mejorar la calidad del aire”, concluye Sanz.
Hacia ciudades más sostenibles
Este avance representa un paso significativo hacia una gestión urbana más eficiente basada en datos, integrando herramientas tecnológicas para enfrentar desafíos medioambientales complejos. Los autores creen que este sistema puede convertirse en un recurso esencial para diseñar intervenciones más dinámicas y socialmente aceptadas, especialmente dirigidas a colectivos vulnerables como escolares o personas mayores.
Entre las futuras líneas de desarrollo se contempla crear un gemelo digital de València que permita simular medidas antes de su implementación real y añadir sensores adicionales del Internet de las Cosas (IoT) para mejorar aún más las predicciones 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.
Si (
No(
