Un equip de l'Institut ITACA de la Universitat Politècnica de València (UPV) i l'Institut de Física Corpuscular (IFIC), situat en l'àrea científic-acadèmica del Parc Científic de la Universitat de València (PCUV), i centre mixt del Consell Superior d'Investigacions Científiques (CSIC) i la Universitat de València (UV), ha desenrotllat un innovador sistema de predicció i alerta primerenca de trànsit urbà basat en tècniques de deep learning.
Aplicat a la ciutat de València, este sistema permet anticipar amb 30 minuts d'antelació si un tram de carrer registrarà un nivell de trànsit elevat, facilitant així l'adopció de mesures preventives per a reduir la contaminació i protegir la salut de la ciutadania.
En el seu treball, l'equip de l'Institut ITACA (UPV) i IFIC (CSIC-UV) part d'una premissa: reduir les emissions del transport no sols contribuïx a mitigar el canvi climàtic, sinó que també millora de manera directa la qualitat de l'aire a les ciutats. En el cas de València, per exemple, el trànsit representa al voltant del 60 % de les emissions totals de gasos d'efecte d'hivernacle (GEI).
L'estudi partix d'una premissa: reduir les emissions del transport no sols contribuïx a mitigar el canvi climàtic, sinó que també millora de manera directa la qualitat de l'aire a les ciutats
“El trànsit urbà és una font important de contaminants atmosfèrics nocius. No hem d'oblidar que la contaminació de l'aire és la principal causa ambiental de morts prematures”, assenyala Edgar Lorenzo-Sáez, investigador de l'Institut ITACA i un dels autors de l'estudi.
L'investigador d'ITACA recorda que la mala qualitat de l'aire s'ha vinculat a malalties com l'asma, el càncer de pulmó o els problemes cardiovasculars, “responsables d'unes 300.000 morts prematures a l'any a la UE”.
El sistema desenrotllat per l'equip de la UPV i l'IFIC ha sigut entrenat amb dades procedents de 1.472 sensors de trànsit distribuïts per tota la ciutat i complementat amb variables meteorològiques (vent, pluja, pressió atmosfèrica…). Classifica cada segment de via en tres nivells d'alerta i, gràcies a l'ús de xarxes neuronals tipus LSTM (Long Short-Term Memory), aconseguix una elevada precisió en temps real, fins i tot en les hores punta.
A més, el model ha demostrat que les dades de trànsit poden servir com un indicador fiable dels nivells de NOx (òxids de nitrogen), un dels contaminants més perjudicials per a la salut, especialment útil en entorns on no es disposa d'una xarxa densa de sensors de qualitat de l'aire. Esta capacitat permetria reforçar l'efectivitat de les Zones de Baixes Emissions (ZBE), amb mesures més localitzades i ajustades al risc real de cada carrer, evitant restriccions generalitzades de major impacte social.
“El nostre sistema encerta en el 90 % dels casos quan el trànsit és fluid i en el 70 % quan anticipa episodis de trànsit elevat. Això obri la porta a decisions més àgils que eviten superar els límits legals de contaminació en zones sensibles”, afig Edgar Lorenzo-Sáez.
“La intel·ligència artificial pot ser una gran aliada perquè les ciutats respiren millor. Este sistema, desenrotllat a València, està preparat per a exportar-se i ajudar a millorar la qualitat de l'aire en entorns urbans de tot el món”, Verónica Sanz, investigadora de l'IFIC i coautora de l'estudi
Per part seua, Javier Urchueguía, també investigador d'ITACA, destaca: “Hem comprovat una correlació directa entre els fluxos de trànsit i els nivells de NOx registrats, la qual cosa ens permet generar alertes fins i tot sense una xarxa completa de sensors de qualitat de l'aire. És una troballa clau per a moltes ciutats europees amb recursos limitats”.
Així mateix, Verónica Sanz, catedràtica en la UV, investigadora de l'IFIC i coautora de l'estudi, explica que s'ha desenrotllat la ‘intel·ligència’ del sistema mitjançant models d'IA capaces d'aprendre com ‘respira’ la ciutat i anticipar canvis en el trànsit i la contaminació. “S'ha treballat perquè estos models siguen robustos i s'adapten a diferents escenaris, la qual cosa obri la porta a la seua aplicació en moltes altres poblacions”, apunta. “La intel·ligència artificial pot ser una gran aliada perquè les ciutats respiren millor. Este sistema, desenrotllat a València, està preparat per a exportar-se i ajudar a millorar la qualitat de l'aire en entorns urbans de tot el món”, subratlla.
Este treball suposa un avanç rellevant en la gestió urbana basada en dades, integrant la intel·ligència artificial com a ferramenta per a abordar desafiaments mediambientals complexos. Segons els seus autors, el sistema pot convertir-se en un instrument essencial per a dissenyar intervencions més dinàmiques, eficaces i socialment acceptades, especialment orientades a protegir col·lectius vulnerables com a escolars, persones majors o pacients amb malalties respiratòries.
Entre les futures línies de desenrotllament s'inclouen la creació d'un bessó digital de la ciutat de València que permeta simular mesures abans de la seua aplicació real i la incorporació de sensors IoT addicionals per a millorar la predicció directa de contaminants.
El sistema pot convertir-se en un instrument essencial per a dissenyar intervencions més dinàmiques, eficaces i socialment acceptades, especialment orientades a protegir col·lectius vulnerables com a escolars, persones majors o pacients amb malalties respiratòries
L'estudi ha sigut publicat en la revista científica Neural Computing and Applications i ha comptat amb el suport d'institucions com la Generalitat Valenciana i el Ministeri de Ciència, Innovació i Universitats.
Esta investigació seguix la línia de treball del projecte que recentment va realitzar l'IFIC i la UPV en el desenrotllament d'un sistema per a mesurar amb precisió les emissions del trànsit urbà a les ciutats, que ha permés conéixer els barris més afectats de València per la contaminació derivada del trànsit.
Font: UPV e IFIC