Un equipo de investigadores del Instituto de Física Corpuscular (IFIC, UV-CSIC) y del Instituto de Tecnologías de Información y Comunicaciones (ITACA, UPV) ha desarrollado un sistema innovador para la predicción y alerta temprana del tráfico urbano. Este sistema, basado en técnicas de deep learning, tiene como objetivo anticipar episodios de alta contaminación atmosférica, permitiendo así la implementación de medidas preventivas.
La investigación parte de la premisa de que reducir las emisiones del transporte no solo ayuda a mitigar el cambio climático, sino que también mejora directamente la calidad del aire en las ciudades. En Valencia, el tráfico representa aproximadamente el 60% de las emisiones totales de gases de efecto invernadero (GEI).
Nueva herramienta para la salud pública
Para abordar esta problemática, los investigadores han creado un sistema que permite prever, con 30 minutos de antelación, el nivel de tráfico en un tramo específico de la ciudad. Esta información es crucial para adoptar medidas que reduzcan la contaminación y protejan la salud pública.
Edgar Lorenzo-Sáez, investigador del ITACA y coautor del estudio, destaca que "el tráfico urbano es una fuente significativa de contaminantes atmosféricos nocivos". La contaminación del aire se vincula a enfermedades graves como el asma y problemas cardiovasculares, responsables de unas 300.000 muertes prematuras al año en Europa.
El nuevo sistema ha sido entrenado utilizando datos provenientes de 1.472 sensores distribuidos por Valencia, complementados con variables meteorológicas como viento y lluvia. Gracias a redes neuronales LSTM (Long Short-Term Memory), este método logra una alta precisión en tiempo real incluso durante las horas pico.
Correlación entre tráfico y contaminación
Además, se ha demostrado que los datos sobre el tráfico pueden servir como indicadores fiables de los niveles de NOx (óxidos de nitrógeno), 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.
Javier Urchueguía, otro investigador involucrado en el proyecto, señala que "hemos encontrado una correlación directa entre los flujos de tráfico y los niveles de NOx registrados", lo cual permite generar alertas sin necesidad de contar con una red completa de sensores.
Verónica Sanz, catedrática en Física Teórica y coautora del estudio, resalta que estos modelos son robustos y adaptables a diferentes escenarios urbanos. "La inteligencia artificial puede ser una gran aliada para mejorar la calidad del aire en las ciudades", afirma Sanz.
Hacia un futuro sostenible
Este avance representa un paso significativo hacia una gestión urbana más eficiente y basada en datos. Los autores sugieren que este sistema podría convertirse en una herramienta esencial para diseñar intervenciones más dinámicas y socialmente aceptadas, enfocadas especialmente en proteger a grupos vulnerables como escolares o personas mayores.
Entre las futuras líneas de desarrollo se contempla la creación de un gemelo digital de Valencia para simular medidas antes de su implementación real, así como la incorporación adicional de sensores IoT (internet of things) para mejorar las predicciones sobre contaminantes.
El estudio ha sido publicado en la revista científica Neural Computing and Applications, con apoyo institucional por parte de la Generalitat Valenciana y el Ministerio de Ciencia, Innovación y Universidades.
La noticia en cifras
| Cifra |
Descripción |
| 60% |
Porcentaje de emisiones totales de gases de efecto invernadero (GEI) atribuibles al tráfico en Valencia. |
| 300,000 |
Número estimado de muertes prematuras al año en la Unión Europea debido a la mala calidad del aire. |
| 30 minutos |
Tiempo de antelación con el que se puede anticipar el nivel de tráfico en un tramo determinado. |
| 1,472 |
Número de sensores de tráfico utilizados para entrenar el sistema. |
Preguntas sobre la noticia
¿Qué sistema se ha desarrollado en Valencia para anticipar episodios de alta contaminación?
Un equipo del Instituto de Física Corpuscular (IFIC, UV-CSIC) y el Instituto de Tecnologías de Información y Comunicaciones (ITACA, UPV) ha desarrollado un sistema de predicción y alerta temprana de tráfico urbano basado en técnicas de ‘deep learning’ que permite anticipar episodios de alta contaminación por tráfico.
¿Cómo ayuda este sistema a mejorar la calidad del aire?
El sistema permite conocer con 30 minutos de antelación el nivel de tráfico en tramos específicos, facilitando la adopción de medidas preventivas para reducir la contaminación y proteger la salud pública.
¿Cuál es la relación entre el tráfico y las emisiones contaminantes en Valencia?
En Valencia, el tráfico representa alrededor del 60% de las emisiones totales de gases de efecto invernadero (GEI), lo que contribuye significativamente a la mala calidad del aire.
¿Qué tecnologías se utilizan en este sistema?
El sistema utiliza redes neuronales tipo LSTM (Long Short-Term Memory) y se ha entrenado con datos provenientes de 1.472 sensores de tráfico, además de variables meteorológicas como viento y presión atmosférica.
¿Qué beneficios trae este modelo para otras ciudades?
Este modelo puede ser útil para muchas ciudades europeas con recursos limitados, ya que permite generar alertas sobre niveles de NOx sin necesidad de una red completa de sensores de calidad del aire.
¿Qué futuras líneas de desarrollo se contemplan para este sistema?
Entre las futuras líneas se incluyen la creación de un gemelo digital de Valencia y la incorporación de sensores adicionales del internet de las cosas (IoT) para mejorar la predicción directa de contaminantes.
Si (
No(
