García-González, JorgeFernández-Andrés, JavierAliane, NourdineSánchez-Soriano, Javier2026-01-272026-01-272025García-González, J, Fernández-Andrés, J, Aliane, N & Sánchez-Soriano, J 2025, 'Big Data and I2X Communication Infrastructure for Traffic Optimization and Accident Prevention on Automated Roads', IEEE Access, vol. 13, pp. 133497-133509. https://doi.org/10.1109/ACCESS.2025.35923102169-3536dblp: journals/access/GarciaGonzalezAAS25unpaywall: 10.1109/access.2025.3592310https://hdl.handle.net/10641/7560Publisher Copyright: © IEEE. 2013 IEEE.Este artículo presenta una infraestructura de big data escalable diseñada para apoyar la optimización del tráfico y la prevención de accidentes en entornos viarios automatizados y conectados. El sistema propuesto integra la adquisición de datos en tiempo real procedentes de fuentes heterogéneas, incluyendo pórticos de cámaras multicanal en carretera y telemetría vehicular habilitada por IoT. La arquitectura se basa en tecnologías como Apache Kafka, Apache Beam y MongoDB, que permiten la ingesta, el procesamiento y el almacenamiento de datos de alto rendimiento. Para validar su desempeño, se desarrollaron dos casos de uso experimentales: uno para la ingesta de imágenes a gran escala y otro para la transmisión de datos de telemetría vehicular. El sistema procesó con éxito más de 48 GB de datos de imagen y más de 3,4 millones de mensajes de telemetría bajo restricciones de tiempo real. Los resultados muestran que la aplicación de técnicas de compresión de datos, como la reducción de resolución y la limitación de la transmisión, redujo la duración de la carga de imágenes hasta en un 77%, mejorando la eficiencia de la ingesta sin comprometer la robustez del sistema. Estos hallazgos demuestran la viabilidad de desplegar la infraestructura propuesta como capa fundacional para futuros sistemas inteligentes de gestión del tráfico. [Traducción automática al español; idioma original: inglés.]This paper presents a scalable big data infrastructure designed to support traffic optimization and accident prevention in automated and connected road environments. The proposed system integrates real-time data acquisition from heterogeneous sources, including multichannel roadside camera gantries and IoT-enabled vehicle telemetry. The architecture is built upon technologies such as Apache Kafka, Apache Beam, and MongoDB, enabling high-throughput data ingestion, processing, and storage. To validate its performance, two experimental use-cases were developed: one for large-scale image ingestion and another for vehicle telemetry data streaming. The system successfully handled over 48 GB of image data and more than 3.4 million telemetry messages under real-time constraints. Results show that applying data compression techniques - such as resolution reduction and transmission throttling - reduced image upload durations by up to 77%, improving ingestion efficiency without compromising system robustness. These findings demonstrate the feasibility of deploying the proposed infrastructure as a foundational layer for future intelligent traffic management systems.137043484enghttp://creativecommons.org/licenses/by-nc-nd/4.0/Big dataV2X communicationinfrastructureintelligent transportation systems (ITS)real-timestreamingGeneral Computer ScienceGeneral Materials ScienceGeneral EngineeringYesyesjournal articleopen access10.1109/ACCESS.2025.3592310https://www.scopus.com/pages/publications/105011694368https://www.scopus.com/pages/publications/105011694368#tab=citedBy