El CSIC y la UPV desarrollan un sistema con IA que prevé episodios de alta contaminación en Valencia

Un grupo de investigadores del Instituto de Tecnologías de Información y Comunicaciones (ITCA) de la UPV (Universitat Politècnica de Valencia ha desarrollado, en colaboración con el Instituto de Física Corpuscular (IFIC) del CSIC, un sistema con IA dedicado a la predicción y alerta temprana de tráfico urbano ante episodios de alta contaminación.

El sistema, basado en técnicas de deep learning, permite anticipar episodios de contaminación elevada, con el fin de que las autoridades puedan adoptar medidas preventivas para paliar sus efectos e, incluso, reducir su intensidad.

En Valencia, el tráfico representa cerca del 60% de las emisiones totales de gases de efecto invernadero, y el equipo que ha desarrollado el sistema, con este presente, partió de la premisa de que reducir sus emisiones no solo contribuye a mitigar el cambio climático, sino que también mejora la calidad del aire en las ciudades.

Para mitigar esta situación, los investigadores aplicaron en Valencia el sistema para poder anticipar con media hora de antelación si un tramo de calle va a registrar un nivel de tráfico elevado, y facilitar la adopción de medidas preventivas en la zona para reducir la contaminación.

El sistema desarrollado por el equipo de la UPV y el IFIC se ha entrenado con datos procedentes de 1.472 sensores de tráfico repartidos por toda la ciudad de Valencia, y complementado con los de distintas variables meteorológicas, como lluvia, viento o presión atmosférica.

El sistema, con estos datos como partida, clasifica cada segmento de vía en tres niveles de alerta, y gracias al uso de redes neuronales de tipo LSTM (Long Short-Term Memory, es decir, Memoria a corto y largo plazo), consigue una precisión elevada en sus previsiones 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 óxido de nitrógeno en el ambiente, un contaminante muy perjudicial para la salud. Esto es especialmente útil en entornos en los que no hay una red lo bastante densa de sensores de calidad del aire.

Con esta capacidad se puede llegar a reforzar la efectividad de las ZBE, o Zonas de Bajas Emisiones, con medidas más localizadas y ajustadas al riesgo real que presenta cada calle que permitan evitar restricciones generalizadas de mayor impacto social.

Según sus creadores, el sistema puede convertirse en un instrumento 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.

Edgar Lorenzo-Sáez, Investigador de Instituto ITACA y uno de los autores del estudio, ha destacado que «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. 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«.

Verónica Sanz, Catedrátiva de la UPV, investigadora del IFIC y coautora del estudio sobre este sistema, ha explicado que la inteligencia del sistema se ha desarrollado a partir de modelos de IA capaces de aprender cómo «respira» la ciudad, y de anticipar cambios en el tráfico y en la contaminación, además de destacar que «se ha trabajado para que estos modelos sean robustos y se adapten a distintos escenarios, lo que abre la puerta a su aplicación en muchas otras poblaciones. La inteligencia artificial puede ser una gran aliada paraque las ciudades respiren mejor«.