La UPV y el CSIC crean un sistema para anticipar atascos con 30 minutos de antelación en las calles de Valencia
Los investigadores desarrollan un método de alertas de tráfico basado en inteligencia artificial para prever episodios de alta contaminación
Investigadores de la UPV y el CSIC han desarrollado un sistema de alertas de tráfico basado en inteligencia artificial que permite anticipar episodios de alta contaminación en Valencia, pero que puede tener una gran trascendencia porque también permite anticipar con 30 minutos de antelación si un tramo de calle va a registrar un nivel de tráfico elevado.
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. «Específicamente, nuestro sistema actualiza los datos de tráfico cada 10 minutos y pronostica las condiciones del tráfico para los siguientes 30 minutos», explican en su análisis. «El sistema clasifica los tramos de carretera en tres niveles de alerta, proporcionando información oportuna que facilita la toma de decisiones en la gestión del tráfico. El modelo de predicción se construye mediante técnicas de aprendizaje profundo, entrenado con un año completo de datos de tráfico en la ciudad de Valencia y probado con los datos del año siguiente».
«Este sistema sienta las bases para una gestión del tráfico más precisa a nivel de barrio, garantizando que las ZBE (Zonas de Bajas Emisiones) y medidas similares sean más eficaces para salvaguardar la calidad del aire urbano y la salud pública», subrayan.
Los científicos demuestran «que nuestro modelo predice con precisión el tráfico a una escala geográfica precisa para cada segmento de calle monitoreado, con un margen de 30 minutos. Esto ofrece una amplia oportunidad para implementar medidas locales para ajustar el flujo vehicular, reduciendo así el riesgo de que la contaminación supere los umbrales legales».
«En el futuro, nuestro objetivo es integrar una red más densa de sensores de calidad del aire (tienen acceso a datos de tráfico de 1472 sensores de tráfico vial en toda la ciudad, pero solo a 7 de datos ubicaciones específicas de calidad) para mejorar la precisión de nuestro modelo y predecir directamente las concentraciones de contaminantes, en lugar de basarnos en los datos de tráfico como indicador indirecto, aunque ambos factores siguen estando estrechamente vinculados», concluyen.
Modelo exportable
El nuevo método, aplicable a otras ciudades y que facilita la adopción de medidas preventivas, ha sido desarrollado por un equipo del Instituto 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)-. El trabajo ha sido relaizasdo por los investigadores Miguel G. Folgado, Verónica Sanz, Johannes Hirn, Edgar Lorenzo-Sáez y Javier Urchueguía.
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 investigador de ITACA 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 estudio
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.
Puedes ver el estudio completo publicado en la revista Neural Computing and Applications.
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».
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.
