Un equipo del Instituto de Tecnologías de Información y Comunicaciones (ITACA) de la Universitat Politècnica de València (UPV) y del Instituto de Física Corpuscular (IFIC), un centro mixto del Consejo Superior de Investigaciones Científicas (CSIC) y la Universitat de València (UV), ha desarrollado un sistema innovador que utiliza inteligencia artificial para predecir episodios de alta contaminación por tráfico en entornos urbanos. Este avance, basado en técnicas de deep learning, busca facilitar la adopción de medidas preventivas ante situaciones críticas.
Los investigadores han destacado que el nuevo método está diseñado para anticipar con 30 minutos de antelación los niveles elevados de tráfico, lo cual es crucial para mitigar las emisiones contaminantes. En Valencia, el tráfico representa aproximadamente el 60% de las emisiones totales de gases de efecto invernadero (GEI), lo que convierte a este desarrollo en una herramienta vital para mejorar la calidad del aire.
Contaminación y salud pública
Edgar Lorenzo-Sáez, investigador del ITACA, subraya que “el tráfico urbano es una fuente importante de contaminantes atmosféricos nocivos”, añadiendo que la contaminación del aire es la principal causa ambiental de muertes prematuras. Las enfermedades asociadas a la mala calidad del aire, como el asma y problemas cardiovasculares, son responsables de unas 300.000 muertes al año en la Unión Europea.
El sistema implementado no solo permite prever el aumento del tráfico, sino que también ayuda a proteger la salud pública mediante alertas tempranas. Esto se traduce en decisiones más rápidas y efectivas para evitar superar los límites legales establecidos para la contaminación en áreas sensibles.
Tecnología avanzada al servicio del medio ambiente
El sistema ha sido entrenado utilizando datos provenientes de 1.472 sensores distribuidos por Valencia, complementados con variables meteorológicas como viento y lluvia. Gracias a las redes neuronales tipo LSTM (Long Short-Term Memory), se logra una alta precisión en tiempo real, incluso durante las horas pico.
Además, se ha comprobado que los datos sobre 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 zonas donde no hay una red densa de sensores específicos para medir la calidad del aire.
Perspectivas futuras y sostenibilidad urbana
Verónica Sanz, catedrática en la UV y coautora del estudio, destaca que el sistema ha sido diseñado para adaptarse a diferentes escenarios urbanos. “La inteligencia artificial puede ser una gran aliada para que las ciudades respiren mejor”, afirma Sanz, quien resalta que esta tecnología está lista para ser implementada en otras localidades con desafíos similares.
Este avance representa un paso significativo hacia ciudades más sostenibles y resilientes. Los autores sugieren que el sistema podría convertirse en una herramienta clave para diseñar intervenciones urbanas más dinámicas y eficaces, especialmente dirigidas a proteger a grupos vulnerables como escolares o personas mayores.
Nuevas líneas de investigación
Entre los futuros desarrollos se contempla la creación de un gemelo digital de Valencia que permita simular medidas antes de su implementación real. Asimismo, se planea incorporar sensores adicionales del Internet de las Cosas (IoT) para mejorar aún más las predicciones sobre contaminantes.
El estudio ha sido publicado en la revista científica Neural Computing and Applications, recibiendo apoyo institucional por parte de entidades como 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. |
| 30 minutos |
Tiempo de anticipación para prever un nivel elevado de tráfico. |
| 90% |
Tasa de acierto del sistema cuando el tráfico es fluido. |
| 70% |
Tasa de acierto del sistema al anticipar episodios de tráfico elevado. |
| 300,000 |
Número estimado de muertes prematuras al año en la Unión Europea debido a la mala calidad del aire. |
Preguntas sobre la noticia
¿Qué sistema se ha desarrollado en Valencia para anticipar episodios de alta contaminación?
Un equipo del Instituto de Tecnologías de Información y Comunicaciones (ITACA) y el Instituto de Física Corpuscular (IFIC) 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.
¿Cuánto tiempo antes puede anticipar el sistema un aumento en el tráfico?
El sistema permite anticipar con 30 minutos de antelación si un tramo de calle va a registrar un nivel elevado de tráfico.
¿Cuál es la precisión del sistema en la predicción del tráfico?
El sistema acierta en el 90% de los casos cuando el tráfico es fluido y en el 70% cuando anticipa episodios de tráfico elevado.
¿Qué impacto tiene el tráfico en las emisiones de gases de efecto invernadero en Valencia?
En Valencia, el tráfico representa alrededor del 60% de las emisiones totales de gases de efecto invernadero (GEI).
¿Cómo se ha entrenado el sistema desarrollado por los investigadores?
El sistema ha sido entrenado con datos procedentes de 1.472 sensores de tráfico distribuidos por toda la ciudad, complementados con variables meteorológicas como viento, lluvia y presión atmosférica.
¿Qué beneficios aporta este sistema a la salud pública?
El sistema ayuda a reducir la contaminación del aire, que es una causa importante de muertes prematuras y enfermedades como el asma y problemas cardiovasculares.
¿Qué futuro se prevé para este sistema?
Se planea crear un gemelo digital de la ciudad para simular medidas antes de su aplicación real y mejorar la predicción directa de contaminantes mediante sensores adicionales del internet de las cosas (IoT).
Si (
No(
