En aquest treball, l'equip de recerca parteix d'una premissa: reduir les emissions del transport no sols contribueix a mitigar el canvi climàtic, sinó que també millora de manera directa la qualitat de l'aire en les ciutats. En el cas de València, per exemple, el trànsit representa al voltant del 60% de les emissions totals de gasos d'efecte d'hivernacle (GEI).
Per a mitigar aquesta situació, els investigadors i investigadores han aplicat un sistema que permet conèixer, amb 30 minuts d'antelació, el nivell de trànsit que registrarà un tram de carrer determinat, facilitant l'adopció de mesures preventives per a reduir la contaminació i protegir la salut de la ciutadania.

“El trànsit urbà és una font important de contaminants atmosfèrics nocius. No hem d'oblidar que la contaminació de l'aire és la principal causa ambiental de morts prematures”, assenyala Edgar Lorenzo-Sáez, investigador de l'Institut ITACA i un dels autors de l'estudi. A més, la mala qualitat de l'aire s'ha vinculat a malalties com l'asma, el càncer de pulmó o els problemes cardiovasculars, “responsables d'unes 300.000 morts prematures per l'any a la Unió Europea”, afig l'investigador.

Un sistema precís, fiable i escalable

El sistema ha sigut entrenat amb dades procedents de 1.472 sensors de trànsit distribuïts per tota la ciutat de València i complementat amb variables meteorològiques –vent, pluja, pressió atmosfèrica…–. El nou mètode classifica cada segment de via en tres nivells d'alerta i, gràcies a l'ús de xarxes neuronals tipus LSTM (Long Short-Term Memory), aconsegueix una elevada precisió en temps real, fins i tot en hores punta.

A més, el model ha demostrat que les dades de trànsit poden servir com a indicador fiable dels nivells de NOx (òxids de nitrogen), un dels contaminants més perjudicials per a la salut, la qual cosa resulta especialment útil en entorns on no es disposa d'una xarxa densa de sensors de qualitat de l'aire. Aquesta capacitat permetria reforçar l'efectivitat de les Zones de Baixes Emissions (ZBE), amb mesures més localitzades i ajustades al risc real de cada carrer, evitant restriccions generalitzades de major impacte social.

“Hem comprovat una correlació directa entre els fluxos de trànsit i els nivells de NOx registrats, la qual cosa ens permet generar alertes fins i tot sense una xarxa completa de sensors de qualitat de l'aire. És una troballa clau per a moltes ciutats europees amb recursos limitats”, indica Javier Urchueguía, també investigador d'ITACA.

Segons Verónica Sanz, catedràtica de Física teòrica de la Universitat de València (UV), investigadora de l’IFIC i coautora de l'estudi, “s'ha treballat perquè aquests models siguen robustos i s'adapten a diferents escenaris, la qual cosa obri la porta a la seua aplicació en moltes altres poblacions. La intel·ligència artificial pot ser una gran aliada perquè les ciutats respiren millor. Aquest sistema desenvolupat a València està llest per a exportar-se i ajudar a millorar la qualitat de l'aire en entorns urbans de tot el món”, subratlla la científica.

Un pas cap a ciutats més sostenibles i resilients

Aquest treball suposa un avanç en la gestió urbana basada en dades, integrant la intel·ligència artificial com a eina per a abordar desafiaments mediambientals complexos. Segons els seus autors, el sistema pot convertir-se en un instrument essencial per a dissenyar intervencions més dinàmiques, eficaces i socialment acceptades, especialment orientades a protegir col·lectius vulnerables com a escolars, persones majors o pacients amb malalties respiratòries.

Entre les futures línies de desenvolupament s'inclouen la creació d'un bessó digital de la ciutat de València, que permeta simular mesures abans de la seua aplicació real, i la incorporació de sensors de la internet de les coses (IoT, per les seues sigles en anglés) addicionals per a millorar la predicció directa de contaminants.

L'estudi ha sigut publicat en la revista científica Neural Computing and Applications i ha comptat amb el suport d'institucions com la Generalitat Valenciana i el Ministeri de Ciència, Innovació i Universitats.

Referència:
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