Inteligencia artificial para anticipar la contaminación provocada por el tráfico en las ciudades

Un equipo del Instituto de Tecnologías de Información y Comunicaciones (ITACA) de la Universitat Politècnica de València (UPV) y el Instituto de Física Corpuscular (IFIC), centro mixto del Consejo Superior de Investigaciones Científicas (CSIC) y la Universitat de València (UV), ha desarrollado un sistema de predicción y alerta temprana de tráfico urbano basado en técnicas de deep learning. 

Este método permite anticipar episodios de alta contaminación producidos por los vehículos y, así, tomar decisiones preventivas. En concreto, el sistema avanza en hasta 30 minutos si un tramo de calle va a registrar un nivel de tráfico elevado, lo que ofrece a las autoridades un margen de tiempo suficiente para actuar, protegiendo la salud de la ciudadanía. 

El investigador del Instituto ITACA y uno de los autores del estudio, Edgar Lorenzo-Sáez, recuerda que la contaminación del aire es la principal causa ambiental de muertes prematuras y que, especialmente, el tráfico urbano es una fuente importante de contaminantes atmosféricos nocivos. De hecho, la mala calidad del aire se ha vinculado a enfermedades como el asma, el cáncer de pulmón o los problemas cardiovasculares. 

Valencia como escenario

El piloto de este proyecto se llevó a cabo en la ciudad de Valencia, donde el tráfico ya representa alrededor del 60% de las emisiones totales de gases de efecto invernadero. Allí, el sistema ha sido entrenado con datos procedentes de 1.472 sensores de tráfico y complementado con variables meteorológicas como el viento, la lluvia o la presión atmosférica. 

La catedrática en la UV, investigadora del IFIC y coautora del estudio, Verónica Sanz, explica que el 'core' de este sistema se ha desarrollado mediante modelos de IA capaces de aprender sobre la ciudad y de anticipar cambios en la circulación de vehículos y en la contaminación. “La inteligencia artificial puede ser una gran aliada para que las ciudades respiren mejor”, añade. 

Según precisan los autores, el nuevo método clasifica cada segmento de vía en tres niveles de alerta y, gracias al uso de redes neuronales, alcanza una elevada precisión en tiempo real, incluso en las horas punta. Esto, señalan, permitirá reforzar la efectividad de las Zonas de Bajas Emisiones con medidas ajustadas al riesgo real de cada calle. 

Sensores, IA y cámaras inteligentes para acabar con la contaminación acústica de la ciudad de Barcelona

“Nuestro sistema acierta en el 90% de los casos cuando el tráfico es fluido y en el 70% cuando anticipa episodios de tráfico elevado”, apunta Lorenzo-Sáez. “Esto abre la puerta a decisiones más ágiles que eviten superar los límites legales de contaminación en zonas sensibles”.

El también investigador de ITACA, Javier Urchueguía, destaca que el modelo ha demostrado que los datos de circulación pueden servir como un indicador fiable de los niveles de NOx, lo que permite generar alertas incluso sin una red completa de sensores de calidad del aire. “Es un hallazgo clave para muchas ciudades europeas con recursos limitados”, afirma. 

Investigadoras del CSIC presentan un sensor que analiza la salud de los deportistas en tiempo real a partir del sudor

Así, a pesar de que este sistema se ha entrenado en Valencia, los científicos avanzan que el método no solo se limita a la ciudad española, sino que está listo para exportarse y ayudar a mejorar la calidad del aire en entornos urbanos de todo el mundo. 

A futuro, los autores de este proyecto avanzan que entre sus objetivos se incluye la creación de un gemelo digital de la ciudad de Valencia que permita simular medidas antes de su aplicación real y la incorporación de sensores del internet de las cosas adicionales para mejorar la predicción directa de contaminantes.