Machine Learning aplicado a la predicción de emisiones en el Tránsito marítimo del Canal de Panamá

La predicción de emisiones marítimas ha cobrado creciente relevancia en el contexto de los esfuerzos globales de descarbonización de los gases invernadero y la gestión eficiente del tráfico marítimo en rutas críticas y corredores marítimos verdes. Este estudio se centra en el Canal de Panamá, donde el tráfico de buques contribuye de manera significativa a las emisiones regionales de gases de efecto invernadero. Se propone un marco predictivo capaz de estimar las emisiones de CO₂ en el trayecto restante de los buques que se aproximan al Canal. La metodología combina cuidadosamente estrategias de partición basadas en secuencias de navegación y en intervalos temporales, asegurando una adecuada generalización hacia buques y trayectorias no observados previamente. Se evaluaron diversos algoritmos de aprendizaje automático, utilizando datos históricos AIS y registros operativos. Los resultados demuestran que el enfoque propuesto logra estimación de emisiones antes del arribo, aportando valor tanto para la gestión operativa en tiempo real como para la planificación estratégica en sostenibilidad. Además, la implementación de este modelo puede servir como herramienta de apoyo a políticas de reducción de emisiones y a la optimización de rutas marítimas, contribuyendo a la eficiencia energética y a la mitigación del impacto ambiental en zonas de alto tránsito.