Con el paso del tiempo los sistemas de la información y la comunicación se han integrado en las sociedades humanas de tal forma que pasan desapercibidos en el entorno, para proporcionar, cada vez más y de forma más rápida, una gran cantidad de información que, al ser tratada, puede hacer que la vida de las personas sea más cómoda y sencilla. Gracias a esta computación ubicua que monitoriza constantemente los datos de las actividades humanas han surgido paradigmas como Aprendizaje Profundo (Deep Learning) en Inteligencia Artificial o IoT (Internet of Things), que presta una especial atención a problemas del mundo real resolubles y automatizables, mediante el empleo de sistemas hardware y software que aplican los mejores modelos de procesamiento y análisis de datos para lograr una mejor toma de decisiones. En particular, en el presente trabajo se pone el foco en el problema del análisis del flujo de vehículos existente en las ciudades modernas, que evolucionan hacia el concepto de ciudades inteligentes. Se trata de un problema relevante de cara a la sostenibilidad, un problema de la historia reciente que trata algunas cuestiones, como por ejemplo, la optimización de las rutas de transporte, la movilidad eficiente, la determinación de los flujos de transporte en función de los itinerarios de las ciudades, la gestión eficiente de las plazas de aparcamiento, entre otros aspectos relacionados. Para abordar esta problemática se ha desarrollado un sistema software pensado para su implantación y uso en el mencionado contexto de las ciudades inteligentes. Dicho sistema contiene las siguientes funcionalidades: ● Técnicas de análisis del movimiento en secuencias de imágenes mediante el cálculo del flujo óptico. ● Determinación de las regiones en movimiento mediante la aplicación técnicas de segmentación basadas en umbralización y etiquetado. ● Identificación de los vehículos en movimiento mediante técnicas basadas en Aprendizaje Profundo con Redes Neuronales Convolucionales. ● Desarrollo de un módulo de predicción del flujo de tráfico de vehículos con fines de prevención y planificación. ● Desarrollo de una arquitectura cliente-servidor para la implementación de métodos basados en el paradigma IoT, que permitan publicar y visualizar los datos en crudo y los resultantes del análisis del flujo de vehículos.