Emplean IA para anticipar episodios de alta contaminación por tráfico en Valencia

Un sistema de alertas desarrollado por el CSIC y la UPV informa con 30 minutos de antelación si un tramo de calle de Valencia va a registrar un nivel de tráfico elevado. El nuevo método está basado en técnicas de inteligencia artificial deep learning es aplicable a otras ciudades y facilita la adopción de medidas preventivas para reducir la contaminación y proteger la salud de la ciudadanía.

Un equipo del Instituto de Tecnologías de Información y Comunicaciones (ITACA) de la Universitat Politècnica de València (UPV) y el Instituto de Física Corpuscular (IFIC), centro mixto del Consejo Superior de Investigaciones Científicas (CSIC) y la Universitat de València (UV), 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.

En este trabajo, el equipo del instituto ITACA y del IFIC partió 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 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 e investigadoras 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.

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 óxidos de nitrógeno (NOx), 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.

Radiocable.com y su programa La Cafetera se financian con las aportaciones de lectores y oyentes. Necesitamos tu ayuda para sobrevivir. Si te gusta el periodismo que defiende el programa y sientes que te acompaña, hazte suscriptor-mecenas aquí.