Treinta minutos para evitar que la contaminación alcance niveles peligrosos
En Valencia, la inteligencia artificial ha comenzado a leer el pulso de la ciudad antes de que esta enferme: un equipo de investigadores de la UPV y el CSIC ha desarrollado un sistema capaz de anticipar la congestión vial treinta minutos antes de que ocurra, abriendo una ventana de tiempo en la que las autoridades pueden actuar para reducir la contaminación que cada año cobra 300.000 vidas prematuras en Europa. Es un recordatorio de que la tecnología, cuando se orienta hacia lo humano, puede convertir datos en aire más limpio.
- El tráfico urbano en Valencia no es solo un problema de movilidad: representa el 60% de las emisiones de gases de efecto invernadero de la ciudad, con consecuencias directas sobre la salud de sus habitantes.
- El sistema entrenado con 1.472 sensores y datos meteorológicos clasifica cada tramo viario en tres niveles de alerta, logrando un 90% de precisión en condiciones de tráfico fluido y un 70% ante congestiones severas.
- La herramienta no solo predice atascos, sino que actúa como indicador indirecto de óxidos de nitrógeno, uno de los contaminantes más dañinos, incluso donde no hay sensores de calidad del aire instalados.
- Las Zonas de Bajas Emisiones podrían volverse más precisas y socialmente aceptadas gracias a restricciones localizadas basadas en riesgo real, en lugar de medidas generalizadas de mayor impacto social.
- El modelo está listo para exportarse a otras ciudades europeas y evolucionar hacia un gemelo digital de Valencia que permita simular políticas antes de aplicarlas en el mundo real.
En Valencia, un equipo del Instituto ITACA de la Universitat Politècnica de Valencia y del Instituto de Física Corpuscular —centro conjunto del CSIC y la Universitat de Valencia— ha desarrollado un sistema de inteligencia artificial que predice episodios de congestión vial con treinta minutos de antelación. La herramienta emplea redes neuronales LSTM, una arquitectura especializada en secuencias temporales, entrenada con datos de 1.472 sensores de tráfico y variables meteorológicas como viento, lluvia y presión atmosférica.
La urgencia del proyecto tiene raíces concretas: el tráfico rodado genera el 60% de las emisiones de gases de efecto invernadero en Valencia, y la contaminación atmosférica es responsable de aproximadamente 300.000 muertes prematuras anuales en la Unión Europea, asociadas a asma, cáncer de pulmón y enfermedades cardiovasculares. El investigador Edgar Lorenzo-Sáez subraya que anticipar la congestión permite a las autoridades actuar antes de que el daño ocurra.
Más allá de la predicción del tráfico, el sistema puede estimar los niveles de óxidos de nitrógeno incluso en zonas sin sensores de calidad del aire, lo que lo convierte en un aliado para las Zonas de Bajas Emisiones. Javier Urchueguía destaca que esta correlación abre posibilidades para ciudades con recursos limitados, permitiendo restricciones más localizadas y ajustadas al riesgo real de cada calle.
Publicado en Neural Computing and Applications con apoyo de la Generalitat Valenciana y el Ministerio de Ciencia e Innovación, el modelo ya está preparado para exportarse a otras ciudades europeas. Los investigadores trabajan además en un gemelo digital de Valencia que simule medidas antes de implementarlas, con la mirada puesta en proteger especialmente a escolares, personas mayores y pacientes con enfermedades respiratorias.
En Valencia, un equipo de investigadores ha puesto en marcha un sistema de inteligencia artificial capaz de predecir atascos de tráfico con treinta minutos de anticipación. El desarrollo, fruto de la colaboración entre el Instituto ITACA de la Universitat Politècnica de Valencia y el Instituto de Física Corpuscular —un centro conjunto del Consejo Superior de Investigaciones Científicas y la Universitat de Valencia—, utiliza técnicas de aprendizaje profundo para alertar sobre episodios de congestión vial antes de que ocurran, permitiendo a las autoridades adoptar medidas preventivas que reduzcan la contaminación atmosférica.
La herramienta ha sido entrenada con datos procedentes de 1.472 sensores de tráfico distribuidos por toda la ciudad, complementados con información meteorológica como viento, lluvia y presión atmosférica. El sistema clasifica cada segmento de vía en tres niveles de alerta y, gracias al uso de redes neuronales de tipo LSTM —una arquitectura especializada en procesar secuencias temporales—, logra una precisión elevada incluso durante las horas de mayor circulación. Los investigadores reportan que el modelo acierta en el 90% de los casos cuando el tráfico es fluido y en el 70% cuando anticipa episodios de congestión severa.
La motivación detrás de este trabajo es directa: en Valencia, el tráfico rodado representa aproximadamente el 60% de las emisiones totales de gases de efecto invernadero. Edgar Lorenzo-Sáez, investigador del Instituto ITACA y uno de los autores del estudio, subraya que el tráfico urbano es una fuente importante de contaminantes atmosféricos nocivos. La contaminación del aire se ha vinculado a enfermedades como el asma, el cáncer de pulmón y problemas cardiovasculares, siendo responsable de alrededor de 300.000 muertes prematuras anuales en la Unión Europea.
Un aspecto particularmente valioso del sistema es su capacidad para servir como indicador fiable de los niveles de óxidos de nitrógeno —uno de los contaminantes más perjudiciales para la salud—, incluso en entornos donde no existe una red densa de sensores de calidad del aire. Esta característica podría reforzar la efectividad de las Zonas de Bajas Emisiones, permitiendo medidas más localizadas y ajustadas al riesgo real de cada calle, evitando restricciones generalizadas que tengan mayor impacto social. Javier Urchueguía, también investigador de ITACA, destaca que la correlación directa entre los flujos de tráfico y los niveles de óxidos de nitrógeno abre puertas para muchas ciudades europeas con recursos limitados.
Los investigadores subrayan que el sistema está listo para exportarse y ayudar a mejorar la calidad del aire en entornos urbanos de todo el mundo. El trabajo, publicado en la revista científica Neural Computing and Applications, ha contado con el respaldo de la Generalitat Valenciana y el Ministerio de Ciencia e Innovación. Entre las futuras líneas de desarrollo se incluyen la creación de un gemelo digital de Valencia que permita simular medidas antes de su aplicación real, así como la incorporación de sensores del internet de las cosas para mejorar la predicción directa de contaminantes. Los autores consideran que este sistema puede convertirse en un instrumento esencial para diseñar intervenciones más dinámicas, eficaces y socialmente aceptadas, especialmente orientadas a proteger a colectivos vulnerables como escolares, personas mayores y pacientes con enfermedades respiratorias.
Citas Notables
El tráfico urbano es una fuente importante de contaminantes atmosféricos nocivos. No debemos olvidar que la contaminación del aire es la principal causa ambiental de muertes prematuras.— Edgar Lorenzo-Sáez, investigador del Instituto ITACA
Hemos comprobado una correlación directa entre los flujos de tráfico y los niveles de NOx, lo que nos permite generar alertas incluso sin una red completa de sensores de calidad del aire.— Javier Urchueguía, investigador de ITACA
La Conversación del Hearth Otra perspectiva de la historia
¿Por qué treinta minutos exactamente? ¿Qué se puede hacer en ese tiempo?
Es el horizonte que permite a las autoridades redirigir tráfico, activar carriles reversibles o comunicar a los ciudadanos que eviten ciertas zonas. Treinta minutos es suficiente para que las medidas tengan efecto antes de que la contaminación alcance niveles peligrosos.
¿Cómo sabe el sistema que va a haber un atasco si solo mira sensores de tráfico?
Analiza patrones históricos. Ha visto miles de días de datos. Cuando detecta una combinación específica de flujos en diferentes puntos de la ciudad, sabe que esa combinación ha precedido a congestión en el pasado. Las redes neuronales LSTM son especialmente buenas reconociendo estas secuencias temporales.
El 70% de precisión en tráfico elevado suena bajo. ¿Es suficiente?
Depende del uso. Si el objetivo es evitar que se superen límites legales de contaminación, sí. Una falsa alarma que redirige tráfico innecesariamente es menos costosa que permitir que la contaminación alcance niveles que dañen la salud pública.
¿Por qué es tan importante que funcione sin una red completa de sensores de aire?
Porque la mayoría de ciudades europeas no tienen esa infraestructura. Si solo puedes medir contaminación en cinco puntos de la ciudad, tienes puntos ciegos. Pero si el tráfico predice NOx con fiabilidad, de repente tienes información en 1.472 ubicaciones.
¿Quién se beneficia más de esto?
Los grupos vulnerables: niños en escuelas, ancianos, personas con asma o enfermedades cardíacas. Pero también toda la ciudad. Medidas preventivas localizadas son menos disruptivas que restricciones generales de tráfico.
¿Cuál es el siguiente paso?
Un gemelo digital. Simular cómo responde la ciudad a diferentes intervenciones antes de implementarlas. Eso convierte predicción en planificación real.