Catalunya no és un territori afectat per grans temporals de neu, cada vegada menys habituals degut a l'emergència climàtica, però quan neva de forma extraordinària o en llocs on normalment no ho fa, pot col·lapsar les carreteres i provocar problemes de mobilitat. 

Amb l'objectiu d'evitar incidències i minimitzar riscos, un grup d'investigadors de la Universitat Politècnica de Catalunya - BarcelonaTech (UPC) ha llançat l'aplicació Carretera nevada, que permet conèixer la previsió de l'estat de la xarxa viària catalana i la seva afectació en cas de fortes nevades fins a 24 hores després del temporal.

L'aplicació està disponible de forma gratuïta tant per a dispositius iOS com Android, així com en format web. L'objectiu de l'eina és que els conductors estiguin ben informats abans d'emprendre una ruta i evitin aquelles vies afectades.

Com funciona?

L'app mostra les afectacions i les condicions de les diferents carreteres sobre un mapa i usa un model numèric de predicció, desenvolupat pel Centre de Recerca Aplicada en Hidrometeorologia (CRAHI) de la UPC, que transforma les dades sobre previsions meteorològiques en impactes quantitatius i mesurables.

L'estat de la via es classifica segons el grau d'afectació i es mostra fent ús d'un codi semafòric de tres colors: el verd, quan hi ha bones condicions per circular; el taronja, quan la neu ha agafat; i el vermell; quan s'haurien de fer servir cadenes per la circulació.

La previsió també es pot consultar desglossada per comarques en format text, i pot contenir informació del nom de la carretera afectada; hora d'inici de l'afectació; hora en què acaba l'afectació, i com evolucionarà en les següents 24 hores. Si es té activada la ubicació del dispositiu, per defecte es mostra la informació en funció de la geoposició de la persona usuària; si no, s'ha de seleccionar manualment de quina comarca es vol veure la previsió.

L'aplicació creada per la UPC permet col·laborar mitjançant l'enviament de fotografies geolocalitzades de les vies afectades i aportant informació addicional com el nom de la via, el punt quilomètric o el municipi. Amb aquesta aportació, es vol continuar validant i refinant el model de predicció i, pròximament, ampliar les seves funcionalitats usant el mapa amb imatges rebudes.