Convocatoria abierta

I Premios Universidad y Divulgación Fundación Muy Interesante

Reconocemos el trabajo de investigadores, divulgadores, profesores, doctorandos y unidades de cultura científica que acercan el conocimiento a la sociedad.

Fundación » Ciencia e innovación » Planificadores de rutas saludables para la ciudadanía en las urbes: tecnología urbana al servicio de la salud

Planificadores de rutas saludables para la ciudadanía en las urbes: tecnología urbana al servicio de la salud

Las ciudades se llenan de sensores y datos, y ahora también de inteligencia para cuidar nuestra salud. Los nuevos planificadores de rutas saludables prometen guiarnos por caminos con menos contaminación.

Peatones vulnerables ante la contaminación urbana. Las estaciones de calidad del aire son clave para planificar rutas más saludables.
Peatones vulnerables ante la contaminación urbana. Las estaciones de calidad del aire son clave para planificar rutas más saludables. Fuente: IA / autores.

Creado: 11.11.2025

Actualizado: 24.03.2026

Decides salir de casa a comprar unas cosas a primera hora de la mañana. Es uno de los últimos días de invierno. Últimamente estás más sensible, notando irritación en los ojos y picor en la nariz. Te viene a la cabeza que el neumólogo te ha dado una serie de recomendaciones y pautas. Al pisar la calle, notas que el aire no es especialmente agradable, muy diferente al que respiras en el campo y la montaña. Empiezas a caminar y te resulta incómodo. El trayecto es de casi media hora de ida y otra de vuelta. Decides volver y consultar previamente caminos alternativos antes de salir a la calle nuevamente.

Buscas por Internet y encuentras una aplicación que te puede ayudar, se llama “planificador de rutas saludables de última generación” que te aconsejará de rutas menos contaminadas para ti, o te recomendará esperar un poco.

En este artículo, os vamos a destripar estos planificadores, cómo funcionan y en qué se basan.

Actualmente, con el grado de digitalización en las ciudades, las plataformas de datos abiertos de los organismos públicos y la normativa de calidad del aire, estos planificadores, aunque no muy extendidos todavía, van a ser una herramienta ideal en las zonas urbanas e indispensables para grupos de riesgo.

Calidad del aire y estaciones de monitorización

La contaminación del aire es un problema que afecta tanto a países ricos como pobres, aunque los pobres con mayor medida.

La Organización Mundial de la Salud (OMS) ya lleva años advirtiendo que, en las grandes ciudades, respiramos un aire cada vez más contaminado, fundamentalmente debido a los motores de combustión del tráfico rodado y marítimo, a las calefacciones y a las reacciones fotoquímicas de los contaminantes generados con la luz solar. Según su último informe, publicado en enero de 2024, el 99 % de la población mundial respira aire que supera los límites recomendados en sus guías de calidad, provocando unos 7 millones de muertes prematuras al año en todo el mundo. Recientemente, un estudio realizado por la Sociedad Española de Cardiología y la Fundación Española del Corazón —coordinado por la Dra. Raquel Campuzano y Dr. Julio Núñez— han demostrado en España que la exposición a la contaminación del aire se asocia con un aumento en el número de infartos y el riesgo de morir durante el ingreso por un infarto aumenta un 14 %.

A nivel europeo, la calidad del aire está regulada, y en su última Directiva 2024/2881, viene determinada principalmente por los rangos de concentraciones de cinco contaminantes: dióxido de nitrógeno (NO2), el dióxido de azufre (SO2), el monóxido de carbono (CO), el ozono troposférico (O3) y las partículas en suspensión (PM) con diámetros de 2,5 y 10 μm. Esta misma directiva especifica también el número mínimo obligatorio de estaciones para monitorización de calidad del aire, y están distribuidas según la densidad de población y tipo de zona urbana. Actualmente, la tendencia es aumentar los puntos de monitorización, añadiendo sistemas de calidad del aire de bajo coste.

Todos estos contaminantes, al inhalarlos involuntariamente, penetran profundamente en los pulmones y en la sangre, lo que aumenta el riesgo de enfermedades cardíacas y enfermedades respiratorias agudas y crónicas.

Figura 1: Esquema simplificado de las etapas para cálculo de ruta saludable en tiempo real. Fuente: autores.
Figura 1: Esquema simplificado de las etapas para cálculo de ruta saludable en tiempo real. Fuente: autores.

Planificador de rutas saludables

Todas las aplicaciones para buscar rutas utilizan algoritmos de encaminamiento, donde la función coste a minimizar es la distancia recorrida total entre el origen y el destino, si buscamos el camino más corto. Pero si esta distancia se sustituye por otro valor, otra métrica, que exprese la concentración de contaminantes en la ruta, entonces estamos buscando rutas saludables. Si además se calcula según los perfiles del usuario y sus preferencias, podemos personalizar las rutas; esta métrica es personalizada. Estas métricas también pueden incluir otras variables como temperatura, humedad relativa, luminosidad, presión sonora, etc. Pero en esta ocasión solo nos centraremos en el aire.

Dado que los contaminantes varían con el tiempo, es necesario recabar y procesar los contaminantes medidos por todas las estaciones y sensores de forma periódica (cada 10 minutos, mínima frecuencia con la que trabajan). A continuación, estos valores son procesados con técnicas de interpolación espacial (utilizando técnicas estadísticas adaptadas de Kriging), para estimar las concentraciones de los diferentes contaminantes sobre todo el grafo de calles/caminos de la ciudad, en particular en todas las intersecciones. Estos grafos proceden del proyecto Open Street Map. En la Figura 1, se muestra un esquema simplificado de las diferentes etapas en el proceso de cálculo de ruta saludable en tiempo real, con detalle del refresco de datos y solicitud/cálculo a petición de un usuario.

Cuando se recibe una petición para una ruta entre un origen y destino, los algoritmos de encaminamiento recorren el grafo anterior utilizando la métrica personalizada escogida, calculando la ruta con menor exposición a los contaminantes, a costa de aumentar ligeramente la distancia recorrida.

Mapas de estimación de contaminación del aire.
Figura 2. Mapas de estimación de contaminación del aire. Ejemplo de mapas de distribución de contaminantes en la ciudad de Valencia a las 12:40 en un día laborable de febrero. Fuente: autores.

A modo de ejemplo, en la Figura 2, se presentan los mapas de estimación de contaminantes de forma independiente en la ciudad de Valencia a las 12:40 en un día laborable de febrero. A partir de ahí, en la Figura 3, se muestran las rutas saludables (r.s.) para tres perfiles diferentes: personas asmáticas, embarazadas y personas mayores, comparadas con el camino más corto utilizando el demostrador del proyecto Eco4rupa para la ciudad de Valencia. Como observamos, cada perfil de usuario cuenta con un mapa de calor específico, ya que se genera ponderando los contaminantes más perjudiciales para ese perfil. Por ejemplo, para las personas asmáticas, se asigna un mayor peso al ozono y partículas; para personas mayores, se asigna mayor peso a los óxidos de azufre y nitrógeno, junto con partículas; finalmente para las embarazadas, se asigna un mayor peso para el monóxido de carbono y los óxidos de nitrógeno, lo que da como resultado una ruta óptima completamente diferente a las anteriores.

Figura 3: Rutas saludables (r.s.) calculadas para personas asmáticas, embarazadas y personas mayores en el demostrador del proyecto Eco4rupa para la ciudad de Valencia, comparadas con camino más corto
Figura 3: Rutas saludables (r.s.) calculadas para personas asmáticas, embarazadas y personas mayores en el demostrador del proyecto Eco4rupa para la ciudad de Valencia, comparadas con camino más corto. Fuente: autores.

Además, el planificador incluye un parámetro ajustable de personalización (α, entre 0 a 1) para ajustar el grado de exposición a la contaminación vs. la distancia recorrida, con menor exposición si α cercano a 1,frente a la ruta más corta si α cercano a 0, como se observa para el perfil asmático en Figura 4.

Figura 4: Rutas saludables (r.s.) calculadas para personas asmáticas variando el parámetro de personalización α comparadas con camino más corto.
Figura 4: Rutas saludables (r.s.) calculadas para personas asmáticas variando el parámetro de personalización α comparadas con camino más corto. Fuente: autores.

Otras aplicaciones disponibles y nuevas tendencias

Uno de los servicios más utilizados de Google es Google Maps (Air quality on Google Maps 2025), que recientemente ha introducido información sobre la calidad del aire. Esta se visualiza sobre la ruta seleccionada, pero no influye directamente en el cálculo del trayecto.

También podemos encontrar otras aplicaciones similares. Airnow proporciona información actualizada de ozono, PM10 y PM2,5. Pero solo en Estados Unidos, México y Canadá, permitiendo verificar sus niveles en las ubicaciones seleccionadas. BreezoMeter y el proyecto europeo HOPE ofrecen aplicaciones que muestran indicadores de calidad del aire (AQI) para las rutas, pero sin pormenorizar los contaminantes. Plume Labs también proporciona información sobre los diferentes contaminantes en las ubicaciones seleccionadas y permite establecer alertas personalizadas para los niveles de contaminación. Estas aplicaciones tampoco permiten influir directamente en el cálculo de la ruta.

Además, como habrás comprobado, para tener una buena resolución de los contaminantes sobre la ciudad, se ha utilizado interpolación espacial basándose en los datos recogidos. Alternativamente, una nueva línea de trabajo es distribuir sensores de bajo coste en mayor cantidad y utilizar técnicas de inteligencia artificial para mejorar sus medidas, una de las iniciativas del proyecto Eco4rupa.

Asimismo, la predicción y detección de episodios de alta de la contaminación para las próximas horas o días también es fundamental. En esta línea, el Departament de Territori, Habitatge i Transició Ecològica de la Generalitat de Catalunya junto con el Barcelona Supercomputing Center – Centro Nacional de Supercomputación (BSC-CNS) han presentado una nueva herramienta (CALIOPE-Urban) que permite estimar y predecir estos contaminantes (en particular el NO2) a nivel de calle en la zona de Barcelona, utilizando el supercomputador Mare-Nostrum 5.

Conclusiones

La calidad del aire es un aspecto a considerar en los trayectos por las zonas urbanas tanto para los peatones como para los ciclistas, especialmente si tenemos problemas respiratorios. En este artículo hemos visto de forma breve las técnicas utilizadas y mecanismos para poder planificar rutas saludables en tiempo real, recabando información de diferentes puntos de monitorización. La mayoría de las opciones disponibles actualmente están limitadas y no incluyen estas funcionalidades, pero veremos cómo, poco a poco, en un futuro próximo se irán añadiendo.

Este trabajo es parte del proyecto de I+D+i «Eco4rupa» (PID2021-126823OB-I00) financiado por MCIN/AEI/10.13039/501100011033 y por fondos FEDER (Una manera de hacer Europa), así como la GVA a través del proyecto «Greenish» (CIAICO/2022/179).

Eric Meneses Albalá

Eric Meneses Albalá

Graduado en Ingeniería Telemática
Jaume Segura Garcia

Jaume Segura Garcia

Profesor Titular de Universidad, en la Universitat de València. Doctor en Física Aplicada
Santiago Felici-Castell

Santiago Felici-Castell

Doctor Ingeniero de Telecomunicaciones

Artículos relacionados

El color que no existe: por qué tus ojos azules son pura ilusión óptica

El color que no existe: por qué tus ojos azules son pura ilusión óptica

Tus ojos pueden parecer azules, verdes o incluso grises, pero su color esconde un pequeño engaño. Lo que vemos al mirarnos al espejo no depende solo de los pigmentos del iris: la física de la luz y nuestra historia genética intervienen en un rasgo mucho más complejo de lo que aprendimos en el colegio.

Pablo Donato Pablos Rivera

Una GPU, muchas tareas y una IA que decide: cómo el aprendizaje por refuerzo optimiza su planificación

Una GPU, muchas tareas y una IA que decide: cómo el aprendizaje por refuerzo optimiza su planificación

¿Y si una IA pudiera aprender a repartir una GPU sobre la marcha? Investigadores de la Universidad Complutense de Madrid han desarrollado un sistema de aprendizaje por refuerzo profundo capaz de decidir cómo asignar los recursos de una GPU a distintas tareas.

Jorge Villarrubia Elvira, Luis Mª Costero Valero, Katzalin Olcoz Herrero, Francisco Daniel Igual Peña

OP 313: el viaje de ocho mil millones de años que ilumina la historia del universo

OP 313: el viaje de ocho mil millones de años que ilumina la historia del universo

Un equipo internacional coliderado por el Instituto de Astrofísica de Andalucía (IAA-CSIC) ha publicado en 'Astronomy & Astrophysics' el análisis detallado de OP 313, el blázar más lejano detectado hasta la fecha en rayos gamma de muy alta energía.

Pablo Donato Pablos Rivera

De imprimir formas a estructuras inteligentes: así es la impresión 4D

De imprimir formas a estructuras inteligentes: así es la impresión 4D

No podemos negar que la impresión 3D ha marcado un antes y un después en nuestra forma de fabricar. Hoy podemos imprimir desde juguetes y prototipos en casa hasta componentes de motores de cohetes espaciales en grandes empresas. Pero, ¿qué pensarías si te dijera que, además de imprimir objetos, podemos fabricar estructuras que «cobran vida», capaces de reaccionar a su entorno y transformarse con el tiempo?

Carlos Aguilar Vega