Caso de uso
Medición y gestión de la calidad del aire
Resumen
¿Cómo sabe un ayuntamiento qué calle concreta respira peor y qué medida —una zona de bajas emisiones, un cambio de tráfico, más zonas verdes— reduciría más esa contaminación? BRISA integra las estaciones oficiales con sensores municipales, tráfico, meteorología y satélite en un gemelo digital que predice la calidad del aire calle a calle, simula el efecto de cada intervención antes de aplicarla y explica el motivo de cada recomendación.
Problema
- Cobertura limitada de las redes de medición: las estaciones oficiales son escasas y fijas, lo que impide capturar la variabilidad intraurbana de la calidad del aire.
- Dificultad para atribuir fuentes de contaminación: la falta de granularidad en los datos limita la capacidad de identificar con precisión los focos emisores.
- Complejidad en la integración de datos heterogéneos: combinar información de sensores municipales, privados, satelitales y datos urbanísticos o meteorológicos supera las capacidades habituales.
- Falta de herramientas para completar y validar datos: no existen soluciones para reconstruir lagunas de información ni garantizar su calidad.
- Limitaciones para simular escenarios urbanos: resulta difícil modelar el impacto de medidas como ZBE, cambios de tráfico o nuevas zonas verdes con resolución a nivel de calle.
- Déficit de evidencia compartida para la toma de decisiones: la ausencia de un sistema común dificulta coordinar decisiones entre departamentos.
- Falta de un gemelo digital operativo: sin esta capa, la comparación “antes/después” y la priorización de medidas se vuelven lentas y discutibles.
Solución
- Gemelo digital urbano de aire: permitió integrar datos de sensores, meteorología y GIS para describir, predecir y simular políticas a nivel de barrio y calle, con visualización temporal y espacial.
- Atribución de fuentes y escenarios: permitió separar contribuciones (tráfico, industria, morfología urbana) y estimar impactos de medidas como ZBE, rediseño viario o infraestructura verde antes de su implementación.
- Reconstrucción y validación de datos: permitió aplicar modelos de series temporales para imputar huecos y controlar la calidad de los datos, garantizando continuidad operativa.
- Motor de decisiones interdepartamental: permitió habilitar paneles y comparativas “antes/después” para distintas áreas (movilidad, urbanismo, medio ambiente), mejorando la coordinación y la rendición de cuentas.
Modelo de despliegue
Región de alojamiento de datos
Modelo de venta
Análisis del encaje GovTech
Aplicaciones reales
Nº de aplicaciones
1
Aplicaciones destacadas en clientes
- Tracasa Instrumental / Precio: 59.000€
CPVs
Solución desarrollada por
Heading
BRISA ha desarrollado un modelo fundacional propio de series temporales, entrenado con más de 11.000 millones de datos de energía, clima y transporte, para ayudar a las Administraciones a decidir dónde actuar primero. Entre 2025 y 2026 ha ganado varios retos competitivos de innovación pública, como el GovTech4All de la Generalitat de Catalunya, del que surge su piloto de gestión energética de edificios públicos.
El modelo reconstruye datos incompletos y combina fuentes de distinta calidad, desde estaciones oficiales hasta tráfico o meteorología. A partir de ellas anticipa la evolución de indicadores como la contaminación o el consumo y simula el efecto de una medida antes de aplicarla, ya sea una zona de bajas emisiones o una mejora energética en un edificio. Su valor para la Administración está en priorizar inversiones en calidad del aire o energía con una estimación previa de su impacto, a partir de los datos que ya tiene.