Investigadores del MIT han llevado a cabo un estudio innovador en la ciudad de Nueva York, demostrando que es posible utilizar sensores existentes y datos móviles para crear una imagen dinámica y casi en tiempo real de las emisiones de automóviles. Esta metodología podría ser clave para el desarrollo de políticas locales de transporte y descarbonización.
La nueva técnica ofrece datos mucho más detallados que otros enfoques comunes, que suelen basarse en muestras intermitentes de emisiones vehiculares. Según los investigadores, este método no solo es más práctico, sino que también se adapta mejor a estudios que buscan obtener datos muy específicos sobre las emisiones de un número reducido de vehículos. Este trabajo ayuda a cerrar la brecha entre los inventarios de emisiones a nivel urbano y los análisis altamente detallados basados en vehículos individuales.
Un modelo revolucionario para la medición de emisiones
“Nuestro modelo, al combinar cámaras de tráfico en tiempo real con múltiples fuentes de datos, permite extrapolar mapas de emisiones muy detallados, hasta el nivel de una sola carretera y una hora específica del día”, afirma Paolo Santi, científico principal del MIT Senseable City Lab y coautor del artículo que detalla los resultados del proyecto. “Esta información tan precisa puede ser extremadamente útil para apoyar la toma de decisiones y comprender los efectos de las intervenciones en el tráfico y la movilidad”.
Carlo Ratti, director del laboratorio, destaca que esta investigación forma parte de una búsqueda continua por medir factores ambientales como la calidad del aire a nivel hiperlocal. “Al integrar múltiples flujos de datos, podemos alcanzar un nivel de precisión inimaginable hace unos años, proporcionando a los responsables políticos herramientas poderosas para entender y proteger la salud humana”, añade.
Protección de la privacidad y uso eficiente de datos
El nuevo método también garantiza la privacidad, ya que utiliza técnicas de visión por computadora para reconocer tipos de vehículos sin compilar números de matrícula. La investigación aprovecha tecnologías ya instaladas en intersecciones para proporcionar datos más ricos sobre el movimiento vehicular y la contaminación.
“La idea básica es estimar las emisiones del tráfico utilizando fuentes de datos existentes de manera rentable”, explica Songhua Hu, exinvestigador postdoctoral en el laboratorio y ahora profesor asistente en la Universidad Ciudadana de Hong Kong.
El artículo titulado "Marco Ubiquitario Basado en Datos para la Estimación de Emisiones del Tráfico y Evaluación de Políticas" ha sido publicado en Nature Sustainability.
Análisis detallado desde Manhattan
Para llevar a cabo este estudio, los investigadores utilizaron imágenes provenientes de 331 cámaras instaladas en intersecciones manhattanenses, junto con registros anónimos de ubicación procedentes de más de 1.75 millones de teléfonos móviles. Aplicando programas para el reconocimiento vehicular y definiendo 12 categorías amplias, lograron clasificar correctamente el 93% de los vehículos analizados.
A través del análisis visual también obtuvieron información crucial sobre cómo afectan los semáforos al flujo vehicular, un aspecto fundamental dado que estos son una causa importante del patrón stop-and-go que impacta significativamente las emisiones urbanas pero suele omitirse en inventarios convencionales.
Cambio significativo tras políticas públicas
En uno de sus escenarios modelados, los investigadores simularon qué sucedería si un porcentaje determinado del uso privado se trasladara al transporte público. También evaluaron cómo se verían afectadas las emisiones si se ampliaran los horarios punta matutinos y vespertinos, lo cual disminuiría el número total de vehículos circulando simultáneamente. Estos modelos revelaron variaciones significativas en las estimaciones cuando se utilizaban promedios generales frente a entradas más específicas.
No obstante, uno de los hallazgos más destacados proviene del análisis tras la implementación del peaje por congestión en Nueva York a partir de enero 2025. Los investigadores observaron que esta medida redujo el volumen vehicular en aproximadamente un 10%, lo que correspondió a una disminución en las emisiones entre un 16% y un 22%.
Efectos positivos observados después del peaje por congestión
Dicha reducción coincide con estudios previos realizados por investigadores en Cornell University, quienes reportaron una disminución del 22% en niveles de material particulado (PM2.5) dentro del área afectada por el peaje. Sin embargo, estas reducciones no fueron uniformes; algunas calles principales experimentaron mayores descensos mientras que otras zonas mostraron efectos mixtos.
"Observamos cambios significativos tras la implementación del peaje por congestión", señala Hu. "Esto demuestra que nuestro modelo puede ser muy útil si un gobierno realmente quiere saber si una nueva política tiene impacto real". Además, existen otras formas adicionales de datos que podrían integrarse al nuevo método desarrollado por los investigadores.
Fábio Duarte, director asociado del laboratorio e investigador activo en estudios relacionados, concluye: “Con nuestro modelo podemos convertir cualquier cámara utilizada en ciudades —desde cientos hasta miles— en dispositivos poderosos para estimar emisiones vehiculares en tiempo real”. La investigación cuenta con el apoyo del MIT Senseable City Consortium, compuesto por diversas instituciones académicas y organizaciones gubernamentales.
Si (
No(
