Movilidad

La calidad del aire en la ciudad de Barcelona sigue siendo un problema sin resolver hasta el punto de que la ciudad podría ser sancionada por la Comisión Europea por los elevados niveles de óxidos de nitrógeno que a menudo superan los límites recomendados por organismos internacionales. La disponibilidad de herramientas capaces de cuantificar el impacto de las estrategias para reducir las emisiones contaminantes es esencial en el proceso de toma de decisiones. En este contexto, el equipo investigador del Departamento de Ingeniería Mecánica de la URV y el grupo de investigación ECoMMFiT, liderado por Alexandre Fabregat, han utilizado herramientas de aprendizaje automático para estimar la contribución de cada tipo de medio de transporte a los niveles de contaminantes en distintos puntos de la ciudad de Barcelona.

Empleando grandes volúmenes de datos sobre la intensidad del tráfico rodado, marítimo y aéreo además de datos meteorológicos, la herramienta computacional creada por el equipo investigador ha demostrado que el tráfico rodado es el principal responsable de los niveles elevados de óxidos de nitrógeno dentro área metropolitana, con contribuciones muy inferiores provenientes de los otros medios de transporte. Más concretamente, el aumento de un 1% del tráfico rodado causa un incremento de un 1,05% de la concentración de dióxido de nitrógeno, mientras que el propio aumento en los tráficos aéreo y marítimo provocan un impacto de un 0 ,18% y un 0,04% respectivamente. 

La investigación también ha evaluado el impacto de la zona de bajas emisiones sobre la contaminación del aire en el área metropolitana de Barcelona, y ha resuelto que las concentraciones de óxidos de nitrógeno y monóxido de carbono se han reducido en un 15% y un 2,5% respectivamente desde su implementación. Por lo que respecta a la concentración del resto de contaminantes, no se ha reducido a pesar de la puesta en marcha de la ZBE.

Grandes volúmenes de datos

En contraste con las metodologías más tradicionales basadas en aproximaciones, la estrategia propuesta en el artículo “Using Machine Learning para estimar el impacto de diferentes modos de transporte y tráfico restricción de las estrategias en las que urban air quality”, publicado en la revista Urban Climate, utiliza gran volúmenes de datos sobre la intensidad de los diferentes sistemas de tráfico y las condiciones meteorológicas para establecer cómo estas variables afectan a la concentración de contaminantes en determinados puntos de la ciudad. Esta estrategia, con unos costes de operación modestos, ha demostrado tener una gran capacidad de predicción en comparación con las herramientas tradicionales a la hora de predecir los niveles locales de contaminación. 

El procedimiento será de aplicación a otras zonas urbanas, siempre que se disponga de datos históricos de concentración de contaminantes, meteorología e intensidad del tráfico u otros factores, como actividad industrial, susceptibles de impactar la calidad del aire. El equipo investigador tiene previsto seguir mejorando los modelos matemáticos para capturar de forma precisa el impacto de las emisiones provenientes de los sectores residencial, industrial y agroalimentario y extender el análisis a áreas urbanas con características distintas para estudiar su fiabilidad. Por otra parte, también se aplicarán las técnicas de aprendizaje automático para investigar otros problemas medioambientales como el efecto de isla térmica urbana, que provoca que se registren temperaturas más elevadas en las ciudades a causa de la actividad humana.