El futuro ya está aquí: investigadores españoles predicen con IA dónde habrán atascos con 30 minutos de antelación

La acumulación diaria de atascos en las grandes ciudades españolas es uno de los principales retos de la movilidad urbana del siglo presente. Y es que más allá de las pérdidas de tiempo, el tráfico denso tiene un impacto directo sobre la calidad del aire, el ruido y la planificación de las políticas públicas vinculadas al transporte.

En este contexto, la aplicación de inteligencia artificial al análisis del tráfico apareció milagrosamente como una herramienta con potencial para reducir atascos. En este marco, investigadores españoles han trabajado en un modelo predictivo que combina datos de circulación y variables ambientales para anticipar los problemas antes de que se produzcan.

¿Cómo hace la IA para anticipar atascos antes de que se formen?

La inteligencia artificial ahora también es una aliada del tráfico. El sistema que estamos por descubrir, desarrollado por investigadores valencianos, funciona como una red de alerta temprana que informa con hasta 30 minutos de antelación si un tramo concreto de calle va a registrar un nivel elevado de tráfico.

De este modo, los atascos dejan de ser un fenómeno imprevisible y pasan a integrarse en un modelo de gestión preventiva basado en datos.

El trabajo, publicado en la revista Springer Nature, ha sido desarrollado por investigadores del Instituto de Tecnologías de la Información y las Comunicaciones (ITACA) de la Universidad Politécnica de Valencia y del Instituto de Física Corpuscular (IFIC), centro mixto del Consejo Superior de Investigaciones Científicas y la Universidad de Valencia.

La investigación parte de una premisa clara: el transporte es uno de los principales responsables de las emisiones contaminantes en las ciudades.

En el caso de Valencia, el tráfico concentra alrededor del 60 % de los gases de efecto invernadero, lo que convierte a los atascos en un factor clave dentro de las estrategias de sostenibilidad urbana.

La influencia del tráfico en la contaminación y la salud

El vínculo entre atascos y contaminación atmosférica es uno de los ejes centrales del estudio. La circulación lenta y continuada incrementa la emisión de contaminantes nocivos, especialmente en zonas con alta densidad de vehículos y escasa ventilación urbana.

Edgar Lorenzo-Sáez, investigador del Instituto ITACA y coautor del trabajo, explica en declaraciones a la agencia científica Sinc que «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».

Diversos estudios han relacionado la mala calidad del aire con enfermedades respiratorias y cardiovasculares, como el asma o el cáncer de pulmón.

En el ámbito de la Unión Europea, estas patologías están asociadas a unas 300.000 muertes prematuras anuales, una cifra que refuerza la necesidad de actuar sobre el tráfico urbano y sus episodios más críticos.

¿Cuáles son los indicadores de la contaminación?

Otro de los hallazgos del estudio es la correlación directa entre los flujos de tráfico y los niveles de óxidos de nitrógeno (NOx), uno de los contaminantes más perjudiciales para la salud. Este punto resulta especialmente relevante en ciudades que no cuentan con una red densa de sensores de calidad del aire.

Javier Urchueguía, investigador de ITACA, señala que «hemos comprobado una correlación directa entre los flujos de tráfico y los niveles de NOx registrados, lo que nos permite generar alertas incluso sin una red completa de sensores de calidad del aire».

Esta información puede resultar clave para reforzar las Zonas de Bajas Emisiones, permitiendo aplicar restricciones más ajustadas a la realidad de cada calle y evitando medidas generalizadas con mayor impacto social. A largo plazo, el sistema también podría integrarse en gemelos digitales urbanos y en redes de sensores IoT para mejorar la planificación de la movilidad.

¿Cómo funciona este sistema de predicción de atascos?

Para desarrollar el modelo, el equipo de investigación ha trabajado con datos procedentes de 1.472 sensores de tráfico repartidos por toda la ciudad de Valencia.

Esta información se ha complementado con variables meteorológicas como el viento, la lluvia o la presión atmosférica, factores que influyen directamente en la dispersión de contaminantes y en la fluidez del tráfico.

El sistema clasifica cada segmento de vía en tres niveles de alerta y utiliza redes neuronales de tipo LSTM, una tecnología de aprendizaje profundo especialmente eficaz para analizar series temporales. Gracias a este enfoque, la herramienta mantiene un alto nivel de precisión incluso en horas punta, cuando los atascos suelen concentrarse.

Entre los resultados más relevantes, el modelo acierta en el 90 % de los casos cuando el tráfico es fluido y en el 70 % cuando anticipa episodios de tráfico elevado. Así, esta capacidad convierte a los atascos en un fenómeno gestionable desde el punto de vista preventivo y no solo reactivo.

Por último, según los autores, la combinación de inteligencia artificial y datos urbanos abriría nuevas posibilidades para diseñar ciudades más resilientes, donde la gestión de los atascos se base en la anticipación y no en la improvisación.