La inteligencia artificial revoluciona Valencia: predice los eventos de alta contaminación por tráfico

El tráfico urbano mata de forma silenciosa, invisible, pero letal, causando 300.000 muertes prematuras al año solo en la Unión Europea. Mientras los coches circulan por las arterias de Valencia generando el 60% de sus emisiones contaminantes, la inteligencia artificial emerge como la nueva arma contra esta epidemia imperceptible pero letal.

Un sistema revolucionario desarrollado por investigadores del CSIC y la Universidad Politécnica de Valencia ha conseguido lo imposible: predecir el futuro tóxico de la ciudad con 30 minutos de antelación, convirtiendo a Valencia en el laboratorio mundial de una tecnología que promete salvar vidas anticipándose a los episodios de alta contaminación antes de que sucedan.

Innovador sistema de predicción

Desde el Instituto de Tecnologías de Información y Comunicaciones (ITACA) de la Universidad Politécnica de Valencia (UPV) y el Instituto de Física Corpuscular (IFIC), centro mixto del Consejo Superior de Investigaciones Científicas (CSIC) y la Universidad de Valencia (UV), se ha desarrollado un innovador sistema de predicción y alerta temprana de tráfico urbano basado en técnicas de deep learning.

El nuevo método, que permite anticipar episodios de alta contaminación para facilitar la adopción de medidas preventivas, “está listo para exportarse y ayudar a mejorar la calidad del aire en entornos urbanos de todo el mundo”, destacan los investigadores.

Objetivo: reducir las emisiones

En este trabajo, el equipo del instituto ITACA y del IFIC partió de una premisa: reducir las emisiones del transporte no sólo contribuye a mitigar el cambio climático, sino que también mejora de forma directa la calidad del aire en las ciudades. En el caso de Valencia, por ejemplo, el tráfico representa alrededor del 60% de las emisiones totales de gases de efecto invernadero (GEI).

Para mitigar esta situación, los investigadores aplicaron en esta ciudad un sistema que permite anticipar con 30 minutos de antelación si un tramo de calle va a registrar un nivel de tráfico elevado, facilitando así la adopción de medidas preventivas para reducir la contaminación y proteger la salud de la ciudadanía.

El sistema clasifica los tramos de carretera en tres niveles de alerta basándose en datos de tráfico actualizados cada 10 minutos, proporcionando información oportuna que facilita la toma de decisiones en la gestión del tráfico.

Contaminación nociva

«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», señala Edgar Lorenzo-Sáez, investigador del Instituto ITACA y uno de los autores del estudio.

Además, la mala calidad del aire se ha vinculado a enfermedades como el asma, el cáncer de pulmón o los problemas cardiovasculares, «responsables de unas 300.000 muertes prematuras al año en la Unión Europea», añade el investigador de ITACA.

Un sistema preciso, fiable y escalable

El sistema desarrollado por el equipo de la UPV y el IFIC ha sido entrenado con datos procedentes de 1.472 sensores de tráfico distribuidos por toda la ciudad de Valencia y complementado con variables meteorológicas (viento, lluvia, presión atmosférica…).

El nuevo método clasifica cada segmento de vía en tres niveles de alerta y, gracias al uso de redes neuronales tipo LSTM (Long Short-Term Memory), alcanza una elevada precisión en tiempo real, incluso en las horas punta.

Además, el modelo ha demostrado que los datos de tráfico pueden servir como un indicador fiable de los niveles de NOx (óxidos de nitrógeno), uno de los contaminantes más perjudiciales para la salud, lo que resulta especialmente útil en entornos donde no se dispone de una red densa de sensores de calidad del aire.

Evitar superar los límites de contaminación

Esta capacidad permitiría reforzar la efectividad de las Zonas de Bajas Emisiones (ZBE), con medidas más localizadas y ajustadas al riesgo real de cada calle, evitando restricciones generalizadas de mayor impacto social.

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

Generación de alertas

Por su parte, Javier Urchueguía, también investigador de ITACA, destaca 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. Es un hallazgo clave para muchas ciudades europeas con recursos limitados».

Asimismo, Verónica Sanz, catedrática en la UV, investigadora del IFIC y coautora del estudio, explica que la inteligencia del sistema se ha desarrollado mediante modelos de IA capaces de aprender cómo respira la ciudad y de anticipar cambios en el tráfico y en la contaminación.

IA para respirar mejor

«Se ha trabajado para que estos modelos sean robustos y se adapten a distintos escenarios, lo que abre la puerta a su aplicación en muchas otras poblaciones», apunta Sanz.

«La inteligencia artificial puede ser una gran aliada para que las ciudades respiren mejor. Este sistema, desarrollado en Valencia, está listo para exportarse y ayudar a mejorar la calidad del aire en entornos urbanos de todo el mundo», subraya la catedrática.

Ciudades más sostenibles y resilientes

Este trabajo supone un avance relevante en la gestión urbana basada en datos, integrando la inteligencia artificial como herramienta para abordar desafíos medioambientales complejos.

Según sus autores, el 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 o pacientes con enfermedades respiratorias.

Gemelo digital

Entre las futuras líneas de desarrollo se incluyen 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 (IoT, por sus siglas en inglés) adicionales para mejorar la predicción directa de contaminantes.

El trabajo, denominado Aprendizaje profundo para la calidad del aire urbano: un sistema de predicción y alerta basado en el tráfico para Valencia, ha sido publicado en la revista científica Neural Computing and Applications y ha contado con el respaldo de instituciones como la Generalitat Valenciana y el Ministerio de Ciencia, Innovación y Universidades.