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.
Aplicado a la ciudad de Valencia, este sistema 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.
En su trabajo, el equipo del Instituto ITACA (UPV) e IFIC (CSIC-UV)
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 Valencia, por ejemplo, el tráfico representa alrededor
del 60*% de las emisiones totales de gases de efecto invernadero (GEI).
«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.
El experto recuerda que 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 UE».
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 y complementado con variables
meteorológicas (viento, lluvia, presión atmosférica...).
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,
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.
«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.
Por su parte, Javier Urchueguía, también investigador de Itaca,
destaca: «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».
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.
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 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.