Inteligencia Artificial de la Universidad Nacional de Pusan busca reducir la contaminación marítima y el gasto de combustible

Investigadores de la Universidad Nacional de Pusan, en Corea del Sur, han diseñado un sistema basado en inteligencia artificial que permite una navegación marítima más eficiente. El objetivo principal de este nuevo marco tecnológico es disminuir la contaminación en las zonas costeras mediante la optimización de las rutas de los buques y el uso de datos meteorológicos en tiempo real, logrando que las embarcaciones consuman menos combustible.

Este avance surge como respuesta a los riesgos de salud que representa la contaminación atmosférica en las ciudades portuarias. Actualmente, las medidas para mitigar este problema suelen limitarse a reducir la velocidad de los barcos, una estrategia que, si bien ayuda, suele afectar la eficiencia de las operaciones comerciales.

Tecnología de navegación temporal para proteger la salud

El sistema desarrollado combina el aprendizaje basado en la física con la optimización multiobjetivo y datos climáticos actualizados al momento. A diferencia de los métodos tradicionales, esta herramienta predice cómo se dispersan las columnas de gases de escape de los barcos según el viento y el clima, permitiendo recomendar trayectorias y velocidades que protejan a las comunidades costeras sin sacrificar la operatividad.

El equipo de trabajo, integrado por el profesor adjunto Dowon Kim, el estudiante de doctorado Seongbeom Park y el profesor Jinhyeok Yun, ha denominado este enfoque como “navegación temporal”. Esta técnica ajusta la ruta y la velocidad de manera estratégica para aprovechar condiciones climáticas favorables, en lugar de aplicar reducciones de velocidad uniformes que solo alargan los tiempos de viaje.

“Al integrar las condiciones ambientales en tiempo real en las decisiones de navegación, nuestro sistema recomienda rutas y perfiles de velocidad óptimos que reducen la contaminación que llega a las comunidades costeras “

El Dr. Kim también señaló que el peligro para las personas no depende únicamente de la cantidad de emisiones, sino de su trayectoria, añadiendo que:

“El mayor riesgo de contaminación para las comunidades cercanas suele estar determinado por cuándo y dónde se transportan los contaminantes, más que por la cantidad que se emite”

Resultados y aplicaciones futuras

Durante las pruebas realizadas en simulaciones cerca del Puerto de Busan, el modelo de IA mostró una eficiencia superior a los métodos convencionales. Los resultados indicaron una mejora en el rendimiento de optimización de entre el 20% y el 35%, logrando además reducir la exposición máxima a contaminantes en un rango de entre el 34% y el 78%.

La tecnología utiliza una red neuronal profunda que reconstruye el flujo de aire a partir de sensores ambientales, permitiendo una gestión casi instantánea de la navegación. Además de mejorar la calidad del aire, este marco de trabajo tiene el potencial de integrarse en la gestión digital de puertos, el desarrollo de buques autónomos y sistemas de tráfico marítimo de nueva generación para promover una industria más sostenible.