Emplean inteligencia artificial para anticipar episodios de alta contaminación por tráfico en Valencia

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

Para mitigar esta situación, los investigadores e investigadoras han aplicado un sistema que permite conocer, con 30 minutos de antelación, el nivel de tráfico que registrará un tramo de calle determinado, facilitando la adopción de medidas preventivas para reducir la contaminación y proteger la salud de la ciudadanía.

“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.

Un sistema preciso, fiable y escalable

El sistema 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 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. 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.

“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”, indica Javier Urchueguía, también investigador de ITACA.

Según Verónica Sanz, catedrática de Física teórica de la Universitat de València (UV), investigadora del IFIC y coautora del estudio, “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. La inteligencia artificial puede ser una gran aliada para que las ciudades respiren mejor. Este sistema desarrollado en València está listo para exportarse y ayudar a mejorar la calidad del aire en entornos urbanos de todo el mundo”, subraya la científica.

Un paso hacia ciudades más sostenibles y resilientes

Este trabajo supone un avance 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.

Entre las futuras líneas de desarrollo se incluyen la creación de un gemelo digital de la ciudad de València, 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 estudio 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.

Referencia:

Methodology development for high-resolution monitoring of emissions in urban road traffic systems. Atmospheric. Neural Computing and Applications. Miguel G. Folgado, Verónica Sanz, Johannes Hirn, Edgar Lorenzo-Sáez, Javier Urchueguía. DOI: https://doi.org/10.1007/s00521-025-11316-0