Un equipo de investigadores del Instituto de Tecnologías de Información y Comunicaciones (ITACA) de la Universitat Politécnica de Valencia (UPV) y del Instituto de Física Corpuscular (IFIC), que es un centro mixto del Consejo Superior de Investigaciones Científicas (CSIC) y la Universitat de Valencia (UV), ha desarrollado un innovador sistema de predicción y alerta temprana de tráfico urbano. Este sistema, basado en técnicas de deep learning, permite anticipar episodios de alta contaminación en la ciudad, facilitando la adopción de medidas preventivas.
Los investigadores han subrayado que este método está listo para ser exportado y contribuir a mejorar la calidad del aire en entornos urbanos a nivel global. Partiendo de la premisa de que reducir las emisiones del transporte ayuda a mitigar el cambio climático y mejora la calidad del aire, el equipo ha implementado su sistema en Valencia, donde el tráfico representa aproximadamente el 60% de las emisiones totales de gases de efecto invernadero (GEI).
Predicción anticipada y salud pública
El nuevo sistema permite predecir con 30 minutos de antelación si un tramo de calle experimentará un aumento en el tráfico, lo que a su vez facilita la implementación de medidas para reducir la contaminación y proteger la salud de los ciudadanos. Según Edgar Lorenzo-Sáez, investigador de ITACA y autor del estudio, «la contaminación del aire es la principal causa ambiental de muertes prematuras». Además, la mala calidad del aire está relacionada con enfermedades graves como el asma y el cáncer de pulmón, que son responsables de unas 300 000 muertes prematuras al año en la Unión Europea.
El sistema desarrollado ha sido entrenado con datos de 1 472 sensores de tráfico distribuidos por toda Valencia, complementados con variables meteorológicas como viento y lluvia. Este método clasifica cada segmento de vía en tres niveles de alerta y, gracias a las redes neuronales tipo LSTM (Long Short-Term Memory), logra una elevada precisión en tiempo real, incluso durante las horas punta.
Impacto en políticas ambientales
La efectividad del modelo 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 puede reforzar las Zonas de Bajas Emisiones (ZBE), permitiendo medidas más localizadas y ajustadas al riesgo real de cada calle, evitando restricciones generalizadas que podrían tener un mayor impacto social. Lorenzo-Sáez apunta: «Nuestro sistema acierta en el 90% de los casos cuando el tráfico es fluido y en el 70% al prever episodios de tráfico elevado».
Por su parte, Javier Urchueguía, también investigador de ITACA, destaca la correlación directa entre los flujos de tráfico y los niveles de NOx registrados, lo que permite generar alertas incluso sin una red completa de sensores de calidad del aire. Este hallazgo es clave para muchas ciudades europeas con recursos limitados.
La profesora Verónica Sanz, catedrática en la UV e investigadora del IFIC, explica que la inteligencia del sistema se ha desarrollado mediante modelos de IA capaces de aprender cómo respira la ciudad y anticipar cambios en el tráfico y la contaminación. «Este sistema está listo para ser exportado y ayudar a mejorar la calidad del aire en entornos urbanos de todo el mundo», concluye.
El avance en la gestión urbana basada en datos integrado con inteligencia artificial se presenta como una herramienta esencial para diseñar intervenciones más dinámicas y socialmente aceptadas, especialmente para proteger a colectivos vulnerables como escolares, personas mayores o pacientes con enfermedades respiratorias. Entre las futuras líneas de desarrollo se contempla la creación de un gemelo digital de la ciudad de Valencia para simular medidas antes de su aplicación real y la incorporación de sensores adicionales del Internet de las Cosas (IoT) para mejorar la predicción directa de contaminantes.
