¿Cómo ayuda la inteligencia artificial a reducir los atascos y las emisiones en las ciudades?

En el centro urbano de Lima, en Perú, los conductores necesitan más de 33 minutos y 12 segundos de media para recorrer 10 kilómetros. Y pierden 155 horas al año en atascos. En Barranquilla, una de las ciudades más pobladas de Colombia, tardan unos 36 minutos en hacer la misma distancia y están atascados 130 horas. En Barcelona, la segunda ciudad con más habitantes de España, este trayecto se realiza en 31 minutos y 13 segundos. El tiempo en embotellamientos alcanza las 87 horas. Estas son algunas de las localizaciones con el tráfico más intenso, según el Índice TomTom 2024. Un estudio elaborado por el fabricante de sistemas de navegación para automóviles que ha analizado la congestión en 501 ciudades de todo el mundo. 

Además del tiempo perdido y la lentitud en los desplazamientos, el tráfico por carretera genera tres cuartas partes de las emisiones de gases de efecto invernadero (GEI), como dióxido de carbono (CO2) u óxido de nitrógeno (NO2), y otras partículas lanzadas a la atmósfera por la combustión de motores.

Planificación energética para el tráfico impulsada por la inteligencia artificial

Ante esta realidad, la inteligencia artificial (IA) suma puntos como herramienta eficaz para aliviar las congestiones de tráfico y reducir las emisiones contaminantes. En un reciente artículo publicado por un grupo de expertos de las ciudades chinas de Hangzhou y Shanghái, los algoritmos más sencillos usados en sistemas de gestión de señales de tráfico han mostrado reducciones de más del 15% en los retrasos en los viajes.

“Una de las aplicaciones de la IA es la predicción de patrones de comportamiento. Predecir flujos de tráfico en función de circunstancias como climatología, laboralidad, disrupciones de la normalidad permitirá tomar medidas por adelantado y reducir, por consiguiente, los atascos, ruido, molestias y la contaminación, tanto de contaminantes como de gases de efecto invernadero asociados a los sistemas de combustión fósiles”, explica Javier Urchueguía, investigador del Instituto de Tecnologías de Información y Comunicaciones (ITACA) de la Universitat Politècnica de València (UPV).

La principal ventaja -dice- es que la aplicación de la IA facilitará que estas medidas tengan “un efecto más quirúrgico, mayor eficacia que los sistemas de control clásicos y afecten lo mínimo necesario a la aspiración de movilidad de los ciudadanos”. El objetivo es lograr ciudades más sostenibles.

Aplicaciones de inteligencia artificial en el tráfico

• Control dinámico de semáforos: mientras que los semáforos tradicionales siguen ciclos fijos de tiempo (verde, rojo y ámbar), los sistemas de semáforos inteligentes basados en IA pueden ajustarse en tiempo real a las condiciones del tráfico. Detectores en el pavimento, sensores y cámaras recopilan datos sobre cuántos vehículos hay en cada calle y en cada carril, su velocidad y la longitud de la acumulación. Una plataforma central recibe esos datos, los procesa con algoritmos y decide cómo ajustar los ciclos de cada semáforo. El sistema puede alargar el tiempo de luz verde en intersecciones congestionadas o acortar los tiempos de espera cuando no hay mucho tráfico. Este tipo de optimización disminuye los tiempos muertos de los automóviles, las aceleraciones y frenazos bruscos y también la emisión de gases, ya que los vehículos pasan menos tiempo al ralentí.Un proyecto pionero en Latinoamérica, la ciudad portuaria y amurallada de San Francisco de Campeche, en el golfo de México, ha instalado en julio de 2025 un total de 124 semáforos inteligentes. Según la empresa Dahua Technology, responsable del desarrollo e implementación de la tecnología, han reducido el tiempo de desplazamiento un 27% y las emisiones de carbono un 20%. En la ciudad española de Córdoba se está probando, desde febrero de 2025, un semáforo que detecta a las personas con movilidad reducida (con muletas, silla de ruedas, andadores o carritos). Mediante un sistema basado en IA, el semáforo les da paso antes y durante más tiempo para así garantizar su seguridad. La ubicación elegida ha sido junto a un centro de salud y en una avenida con tráfico intenso.

• Alerta por contaminación: Un equipo de la Universitat Politècnica de València (UPV), de la Universitat de València (UV) y del Instituto de Física Corpuscular, dependiente del CSIC (Consejo Superior de Investigaciones Científicas), ha desarrollado un sistema de predicción y alerta temprana que permitirá anticipar con 30 minutos episodios de alta contaminación por tráfico de vehículos. Para ello, la IA ha sido entrenada con los datos procedentes de casi 1.500 sensores de tráfico distribuidos por la ciudad. Además de esta información, la inteligencia artificial analiza variables meteorológicas, como la velocidad o la dirección del viento, y la precipitación para explorar el impacto en el tráfico. Según Javier Urchueguía, participante en este proyecto, Valencia tiene “una de las mayores redes de sensores basados en espiras de tráfico (sensores magnéticos colocados en la carretera) del mundo, por lo que es un laboratorio único para captar datos y entrenar inteligencias artificiales”.

• Creación de rutas óptimas: las aplicaciones de navegación utilizan algoritmos de IA para sugerir los mejores recorridos en tiempo real. Permiten a los conductores evitar los puntos con mayor tráfico, mejorar la eficiencia del viaje y reducir el número de vehículos en las calles. Al elegir rutas menos congestionadas, más cortas y eficientes, estas ‘apps’ también contribuyen a reducir la huella de carbono del transporte urbano. Algunas aprovechan los datos facilitados por los conductores, en tiempo real, sobre obras, atascos y accidentes para generar rutas alternativas.
• Apuesta por los vehículos compartidos: plataformas de movilidad que utilizan una ‘app’ similar a Uber o Cabify, y de ‘carpooling’ (compartir un coche con otras personas para hacer un mismo trayecto) se basan en algoritmos que optimizan el emparejamiento entre conductores y pasajeros, de forma que los vehículos estén ocupados en su máxima capacidad, disminuyendo la cantidad de coches en circulación.
• Sistemas inteligentes para el transporte público: las herramientas con IA ayudan a ajustar las necesidades de los usuarios, aumentando la frecuencia de autobuses o trenes en las horas de mayor demanda y reduciéndose en momentos de baja afluencia. El pasado mes de noviembre, por ejemplo, Transportes Metropolitanos de Barcelona (TMB) puso en marcha un proyecto piloto de paradas de autobús inteligente en 14 ubicaciones de la ciudad para recopilar datos en tiempo real y mejorar el servicio. Para monitorizar el flujo de pasajeros, los tiempos de espera y el grado de ocupación de los autobuses se están usando cámaras de profundidad junto con técnicas de detección y seguimiento de visión artificial basadas en IA. El ensayo durará un año.
• Gestión de aparcamientos: En muchas ciudades, el llamado ‘tráfico fantasma’, que corresponde a los vehículos que circulan buscando aparcamiento, representa una fracción significativa del tráfico total. Con la ayuda de sensores, cámaras y aplicaciones móviles, la IA puede identificar espacios de aparcamiento disponibles en tiempo real. En septiembre de 2023 se desplegaron en aparcamientos al aire libre de la ciudad de Santander más de 300 sensores de estacionamiento, conectados en red, para analizar en tiempo real la disponibilidad de plazas. A partir de datos históricos y actuales, los investigadores desarrollaron un modelo basado en IA capaz de predecir las plazas libres. A través de una aplicación móvil, residentes y visitantes tienen información anticipada sobre dónde encontrar aparcamiento, lo que reduce el tiempo perdido dando vueltas, la contaminación y los atascos.
• Optimización de las flotas de reparto: con el auge del comercio electrónico, el tráfico generado por las furgonetas de reparto ha aumentado considerablemente. Las empresas están adoptando algoritmos que permiten planificar las rutas más eficientes y agrupar las entregas de manera que se minimicen los viajes innecesarios. De esta forma, los vehículos de reparto no solo pueden reducir los kilómetros recorridos, sino también contribuir a una mayor reducción de emisiones en las ciudades.

Ventajas del uso de la IA en la movilidad urbana

La implantación de estas tecnologías contribuye a una movilidad urbana más sostenible. Los principales beneficios son:

• Reducción del tiempo de espera y viaje, lo que significa menos atascos, menos tráfico fantasma y trayectos más eficientes.
• Disminución de las emisiones de CO2. Los vehículos están menos tiempo al ralentí y hacen menos arrancadas y frenadas.
• Mejora la calidad del aire. A menor cantidad de emisiones de gases contaminantes, más beneficios para la salud.
• Favorece el flujo continuo de vehículos y, por ende, reduce paradas innecesarias.
• Menor consumo de combustible por kilómetro recorrido. Los trayectos más fluidos disminuyen de esta forma las emisiones.
• Aumenta la resiliencia de las ciudades. Una gestión más flexible y eficiente del tráfico permite la adaptación al contexto de cambio climático.

Desafíos de la IA en la movilidad urbana

Los sistemas de ‘smart traffic’ (tráfico inteligente) generan tantos datos valiosos sobre patrones de tráfico, congestión, flujos y emisiones que permiten a las autoridades impulsar una planificación inteligente para mejorar el transporte, diseñar infraestructuras, decidir zonas de bajas emisiones y realizar cambios en la red viaria.

“La disponibilidad de estos datos es un reto mayúsculo –admite el profesor Javier Urchueguía–, dado que son imprescindibles para el entrenamiento de la inteligencia artificial y que adquiera suficiente precisión. La principal barrera es el desconocimiento de estas posibilidades por parte de los actores urbanos y el desafío de integrar la información que producen estos sistemas en la gestión municipal del tráfico y en la toma de decisión estratégica en movilidad urbana”.

Según un artículo publicado en la revista científica ‘Springer Nature’ de junio de 2025, firmado por dos investigadores del Instituto Jaypee de Tecnología de la Información de Noida (India) que han analizado la evolución de las técnicas de optimización del tráfico basadas en IA entre 2019 y 2024, las herramientas de aprendizaje automático de IA alcanzan una precisión del 95% en la clasificación de patrones de tráfico y un 98% en el reconocimiento de la densidad del tráfico, lo que las convierten en piezas fundamentales de las ciudades sostenibles.