La UPV desarrolla un sistema de alertas basado en IA para advertir de episodios de alta contaminación atmosférica

Este novedoso método ha sido desarrollado conjuntamente por el Instituto de Tecnologías de Información y Comunicaciones (ITACA) de la Universitat Politècnica de València (UPV) y el Instituto de Física Corpuscular (IFIC), que es un centro mixto del Consejo Superior de Investigaciones Científicas (CSIC) y la Universitat de València (UV).

¿Cuál era el objetivo del proyecto?

La premisa de la que partieron los investigadores era que reducir las emisiones del transporte no solo contribuye a mitigar el cambio climático, sino también a la mejora de forma directa de la calidad del aire que respiramos en las ciudades.

El tráfico representa en Valencia sobre el 60 % de las emisiones totales de gases de efecto invernadero (GEI). Para mitigar esta situación, los investigadores aplicaron en esta ciudad un innovador sistema de predicción y alerta temprana de tráfico urbano basado en técnicas de deep learning.

Su objetivo es anticipar con 30 minutos de antelación si en un tramo de calle concreto se va a registrar un nivel de tráfico elevado que aumente la concentración de gases contaminantes. Esta anticipación facilita la adopción de medidas preventivas para reducir la contaminación y proteger la salud de los ciudadanos.

La mala calidad del aire está vinculada científicamente a enfermedades como son el asma, el cáncer de pulmón o problemas cardiovasculares, que son a su vez, las responsables de unas 300.000 muertes prematuras al año en la Unión Europea.

Un nuevo sistema preciso, fiable y escalable

El nuevo método clasifica cada segmento de la vía en tres niveles de alerta y, con el uso de redes neuronales tipo LSTM (Long Short-Term Memory), es capaz de alcanzar una elevada precisión en tiempo real, incluso en las horas punta del día.

Ha sido entrenado con datos de 1.472 sensores de tráfico distribuidos por toda la ciudad de Valencia y complementado con variables meteorológicas como el viento, la lluvia y la presión atmosférica. Se han utilizado modelos de IA capaces de aprender cómo respira la ciudad y de anticipar cambios en el tráfico y en la contaminación.

El modelo ha demostrado además, que a falta de un red de sensores de contaminantes extensa, los datos de tráfico pueden servir como un indicador fiable de los niveles de óxidos de nitrógeno (NOx), que es uno de los contaminantes más perjudiciales para la salud.

Por tanto, esta capacidad permitirá reforzar la efectividad de las Zonas de Bajas Emisiones (ZBE), con medidas más localizadas, ajustando las mismas al riesgo real que exista en ese momento en cada calle y evitando restricciones más generalizadas.

Ciudades inteligentes, más sostenibles y resilientes

El sistema puede llegar a convertirse en un instrumento esencial para diseñar intervenciones más eficaces, dinámicas y que estén socialmente aceptadas, orientadas por ejemplo, a la protección de los colectivos más vulnerables a la mala calidad del aire.

El método desarrollado supone un avance relevante en la gestión urbana basada en datos, con la inteligencia artificial como herramienta para abordar los desafíos medioambientales más complejos.

Entre las futuras líneas de desarrollo, la creación de un gemelo digital de la ciudad (Digital twin) de Valencia que permita simular, analizar y predecir resultados en la réplica virtual de la ciudad, de las medidas de prevención antes de su aplicación real y, la incorporación de más sensores adicionales de internet de las cosas (IoT) para mejorar la predicción directa de los contaminantes.

Referencia de la noticia

Miguel G. Folgado, Verónica Sanz, Johannes Hirn, Edgar Lorenzo-Sáez, Javier Urchueguía. "Methodology development for high-resolution monitoring of emissions in urban road traffic systems". Atmospheric. Neural Computing and Applications.