Explainable Machine Learning for Predicting Thermal Discomfort from Multipollutant Exposure on Dhaka Roadways

Resumen Técnico: Aprendizaje Automático Explicable para la Predicción del Malestar Térmico por Exposición a Multipollutantes en las Vías de Dhaka

Planteamiento del Problema
Las vías urbanas en megaciudades en rápido desarrollo como Dhaka, Bangladesh, presentan entornos de exposición complejos donde los usuarios de la vía (peatones, viajeros, la policía de tráfico y trabajadores informales) enfrentan estresores simultáneos: calor, contaminación del aire (material particulado y CO₂) y ruido de tráfico. Los estudios tradicionales suelen evaluar estos factores de forma aislada, sin capturar los efectos sinérgicos de la exposición a multipollutantes sobre la percepción térmica humana. Además, los métodos estadísticos estándar pueden tener dificultades para modelar las interacciones no lineales entre estas variables y el confort térmico subjetivo. Este estudio aborda la necesidad de cuantificar y predecir el malestar térmico en los microentornos de las vías de Dhaka mediante la integración de datos de exposición a multipollutantes con marcos de aprendizaje automático (ML) explicable.

Metodología
La investigación empleó un diseño observacional transversal basado en el campo, realizado en 17 sitios de monitoreo estratégicos a lo largo de tres corredores principales (Norte, Central y Sur) en Dhaka. La recolección de datos ocurrió durante los períodos de finales del monzón, post-monzón y la transición al invierno (agosto 2025 – enero 2026).

• Adquisición de Datos:
  • Sensores Ambientales: Detectores de aire inteligentes calibrados (JLDC) midieron las concentraciones de PM₁, PM₂.₅, PM₁₀ y CO₂. Medidores de nivel de sonido miniatura (UT353) registraron los niveles de ruido de tráfico. También se capturaron datos meteorológicos (temperatura, humedad relativa, velocidad del viento).
  • Percepción Humana: Entrevistas estructuradas con 1,109 participantes recolectaron votos de sensación térmica subjetiva basados en las directrices de ASHRAE (que van desde Muy Fresco hasta Caluroso), junto con datos sobre niveles de vestimenta, quejas de salud (por ejemplo, dolores de cabeza) y calidad del aire percibida.
• Preprocesamiento de Datos: El conjunto de datos bruto fue sometido a una limpieza rigurosa, incluyendo la eliminación de errores de sensores, duplicados y valores faltantes. El conjunto de datos final para el modelado comprendió 1,109 observaciones.
• Marco de Aprendizaje Automático: Se entrenaron tres algoritmos de clasificación supervisada para predecir las categorías de malestar térmico:
  1. Árbol de Decisión (DT): Utilizado como una línea base interpretable.
  2. Bosque Aleatorio (RF): Un método de ensamble para reducir el sobreajuste y mejorar la estabilidad.
  3. XGBoost: Un modelo avanzado de potenciación de gradiente para capturar relaciones no lineales complejas.
• Explicabilidad y Validación: El rendimiento del modelo se evaluó mediante ROC-AUC, precisión (accuracy), precisión (precision), exhaustividad (recall), puntuación F1 y matrices de confusión. Para asegurar la interpretabilidad, se aplicó el análisis de SHapley Additive exPlanations (SHAP) para determinar la contribución relativa de cada predictor. Se realizó un análisis de sensibilidad para evaluar la robustez del modelo frente a variaciones en las variables de entrada.

Resultados Clave

• Carga de Exposición: El estudio encontró una alta carga de exposición a multipollutantes. La concentración media de PM₂.₅ fue de 71.37 µg/m³, mientras que la de PM₁ promedió 58.35 µg/m³. Las mediciones junto a la carretera registraron una concentración máxima de PM₂.₅ de 100.00 µg/m³ en el conjunto de datos del estudio, aunque el texto señala un pico específico de 172.2 µg/m³ en la zona de Mirpur-10. Los niveles medios de ruido alcanzaron los 82.96 dB. Estos valores exceden significativamente las directrices de la Organización Mundial de la Salud (OMS).
• Prevalencia del Malestar Térmico: Los datos de campo revelaron un malestar térmico extremo, con el 99.46% de las observaciones clasificadas como "Caluroso", "Cálido" o "Ligeramente Cálido". Solo una fracción insignificante reportó sensaciones neutras o frescas.
• Rendimiento del Modelo: Los modelos de ensamble superaron significativamente al Árbol de Decisión único. Tanto el Bosque Aleatorio como el XGBoost alcanzaron una precisión de 0.96 y una puntuación F1 de 0.96, con valores de ROC-AUC que indican una discriminación excelente (AUC = 0.96). Los modelos demostraron una alta estabilidad en la clasificación del malestar térmico a través de diferentes escenarios de exposición.
• Importancia de los Predictores (Análisis SHAP): Contrario al supuesto de que la temperatura es el único motor, el análisis SHAP identificó la Velocidad del Viento y la concentración de CO₂ como los predictores más influyentes del malestar térmico. El PM₁₀, el nivel de vestimenta y la humedad también contribuyeron moderadamente, mientras que el PM₂.₅ y los niveles de ruido tuvieron impactos menores pero no despreciables. Esto sugiere que el flujo de aire microclimático y las emisiones relacionadas con el tráfico (que indican congestión y mala ventilación) son determinantes críticos del malestar.
• Sensibilidad: El análisis de sensibilidad confirmó que, si bien las variables de PM y ruido se mantuvieron relativamente estables en su impacto, las variaciones en la exposición al CO₂ causaron fluctuaciones más significativas en las predicciones del modelo, resaltando la sensibilidad del confort térmico a la densidad del tráfico y las condiciones de ventilación.

Significancia y Contribuciones
El artículo afirma varias contribuciones significativas a los campos de la salud ambiental urbana y el aprendizaje automático:

1. Enfoque Integrado de Multipollutants: A diferencia de estudios previos que aislaron el calor, el ruido o la contaminación, esta investigación proporciona un marco basado en evidencia para comprender el impacto combinado de estos estresores en la percepción térmica en una densa megaciudad tropical.
2. Aplicación de IA Explicable: Al utilizar el análisis SHAP, el estudio va más allá de las predicciones de "caja negra". Cuantifica la influencia específica de variables como la velocidad del viento y el CO₂, ofreciendo información accionable para los responsables de políticas en lugar de solo precisión predictiva.
3. Relevancia para la Salud Pública: Los hallazgos resaltan que el malestar térmico en Dhaka no es meramente un problema meteorológico, sino una crisis de salud pública impulsada por la sinergia del calor, el material particulado y el ruido. La alta prevalencia de malestar (99.46%) subraya la vulnerabilidad de los trabajadores al aire libre y los viajeros.
4. Marco de Políticas: El estudio propone una estrategia de intervención multisectorial, que incluye soluciones basadas en la naturaleza (plantación de árboles junto a las carreteras, aceras sombreadas), controles de emisiones de tráfico y mitigación del ruido. Sugiere que estas medidas deben dirigirse a segmentos de vía específicos de alto riesgo identificados mediante análisis espacial.

Los autores concluyen que abordar el malestar térmico requiere un enfoque de planificación urbana integrado que gestione simultáneamente la calidad del aire, el ruido y el microclima, respaldado por modelos predictivos explicables y basados en datos.