Un equipo del Instituto de Tecnologías de Información y Comunicaciones (ITACA) de la Universitat Politècnica de València (UPV) y del Instituto de Física Corpuscular (IFIC) ha presentado un innovador sistema de predicción y alerta temprana sobre el tráfico urbano, que utiliza técnicas de deep learning. Este avance busca anticipar episodios de alta contaminación, facilitando así la implementación de medidas preventivas para mejorar la calidad del aire en las ciudades.
La contaminación generada por el tráfico representa alrededor del 60 % de las emisiones de gases de efecto invernadero en ciudades como Valencia. Con el nuevo sistema, es posible prever con una antelación de 30 minutos si un tramo de calle alcanzará niveles elevados de tráfico, permitiendo a las autoridades tomar decisiones rápidas para mitigar la contaminación y salvaguardar la salud de los ciudadanos.
Edgar Lorenzo-Sáez, investigador del Instituto ITACA, enfatiza la gravedad de la contaminación atmosférica, que es la principal causa ambiental de muertes prematuras. Se ha demostrado que este fenómeno está vinculado a serias afecciones de salud como el asma y enfermedades cardiovasculares, que causan aproximadamente 300,000 muertes anuales en la Unión Europea.
El sistema ha sido entrenado con datos obtenidos de 1,472 sensores de tráfico en Valencia, además de incluir variables meteorológicas. Este modelo clasifica cada segmento de la vía en tres niveles de alerta, con una precisión destacable en tiempo real gracias a las redes neuronales tipo LSTM, incluso durante las horas punta. Asimismo, se ha demostrado que los datos de tráfico son un indicador fiable de los niveles de óxidos de nitrógeno (NOx), uno de los contaminantes más nocivos para la salud.
La eficacia del sistema puede ser crucial para mejorar las Zonas de Bajas Emisiones, permitiendo que las decisiones se tomen de manera más localizada y ajustada al riesgo real de cada área. Lorenzo-Sáez resalta que el sistema acierta el 90 % de las veces en condiciones de tráfico fluido y un 70 % al anticipar episodios de tráfico elevado, lo que abre nuevas posibilidades para una gestión más flexible de la contaminación.
Por su parte, Javier Urchueguía, también del ITACA, menciona la relación directa entre los flujos de tráfico y los niveles de NOx, un factor que resulta esencial para ciudades con recursos limitados que no disponen de una red de sensores de calidad del aire completa. Verónica Sanz, catedrática en la UV y coautora del estudio, agrega que los modelos de inteligencia artificial pueden adaptarse a diferentes escenarios, lo que los hace aplicables en varias localidades.
Este desarrollo representa un avance hacia una gestión urbana más efectiva y sostenible, integrando la inteligencia artificial como una herramienta clave para enfrentar retos medioambientales complejos. A futuro, se planea crear un gemelo digital de la ciudad de Valencia, lo que permitirá simular medidas antes de su puesta en práctica y aumentar la cantidad de sensores del internet de las cosas para perfeccionar la predicción de contaminantes. Con esto, se busca no solo contribuir a la sostenibilidad de las ciudades, sino también fomentar la salud y el bienestar de sus habitantes.
