Un innovador sistema de predicción y alerta temprana, desarrollado por el Instituto de Tecnologías de Información y Comunicaciones (ITACA) de la Universitat Politècnica de València (UPV) y el Instituto de Física Corpuscular (IFIC), está revolucionando la forma en que se aborda la contaminación urbana. Utilizando técnicas de deep learning, la nueva herramienta busca anticipar episodios de alta contaminación, facilitando así la adopción de medidas preventivas para mejorar la calidad del aire.
Se estima que el tráfico contribuye con el 60% de las emisiones de gases de efecto invernadero en urbes como Valencia. Gracias a este sistema, ahora se puede prever con 30 minutos de antelación si un tramo particular de calle experimentará un aumento en el tráfico, permitiendo así implementar soluciones rápidas para reducir la contaminación y proteger la salud pública.
Edgar Lorenzo-Sáez, del Instituto ITACA, enfatiza la urgente necesidad de enfrentar la contaminación atmosférica, citando que es una de las principales causas de muertes prematuras asociadas a enfermedades graves como el asma y problemas cardiovasculares, con alrededor de 300,000 muertes anuales en la Unión Europea.
El sistema ha sido alimentado con datos de 1,472 sensores de tráfico en Valencia, además de variables meteorológicas, para clasificar cada segmento de vía en tres niveles de alerta. Utilizando redes neuronales LSTM, ofrece una alta precisión en tiempo real, incluso durante horas pico. Además, ha demostrado que los datos de tráfico son un fiable indicador de los niveles de óxidos de nitrógeno (NOx), contaminantes altamente perjudiciales.
Esta funcionalidad promete mejorar la eficacia de las Zonas de Bajas Emisiones, permitiendo medidas más específicas y acordes al riesgo. Lorenzo-Sáez señala que el sistema tiene una precisión del 90% en condiciones de tráfico fluido y un 70% en eventos de tráfico elevado, lo que abre nuevas oportunidades para una gestión más dinámica de la contaminación.
Javier Urchueguía resalta la correlación directa entre el flujo de tráfico y los niveles de NOx, especialmente relevante para ciudades con menos recursos y sin sensores de calidad del aire completos. Verónica Sanz, de la Universitat de València y coautora del estudio, menciona que los modelos de inteligencia artificial pueden adaptarse a diferentes contextos, ampliando así su aplicación.
Este avance marca un significativo paso hacia una gestión urbana responsable, utilizando inteligencia artificial para enfrentar desafíos ambientales complejos. En el futuro, se planea crear un gemelo digital de Valencia que permita simular medidas antes de su implementación e incorporar sensores del Internet de las Cosas para mejorar la predicción de contaminantes. Así, el sistema no solo contribuye a la sostenibilidad de las ciudades, sino que también promueve la salud y bienestar de sus habitantes.
