La industria de la construcción es un importante contribuyente al polvo, gases de efecto invernadero y otros contaminantes del aire. La implementación de prácticas efectivas y sostenibles en la gestión de las operaciones en el sitio de construcción puede mitigar en gran medida los efectos ambientales de un proyecto. Para lograr esto, una colaboración entre una institución de investigación científica y una empresa de construcción permitió el monitoreo en tiempo real de los parámetros de calidad del aire en un sitio de construcción utilizando tecnologías de Internet de las Cosas (IoT). Implementaron un marco de sistema basado en IoT que integró una red de sensores distribuidos para recopilar datos en tiempo real del sitio de construcción. Se utilizaron varios sensores para recopilar datos sobre la concentración de NO y material particulado (PM y PM), así como parámetros meteorológicos como la velocidad del viento, la dirección del viento, la humedad, la presión y la temperatura. Las mediciones en tiempo real proporcionaron información sobre el nivel de contaminación del aire en el sitio de construcción y su asociación con la excavación de tierras, la actividad de construcción principal. Esta información puede ser utilizada para gestionar el trabajo de excavación y reducir los niveles de gases contaminantes (NO) y partículas suspendidas. Al realizar un monitoreo in situ de estos tres contaminantes, el estudio descubrió que los niveles de polvo resultantes de las actividades de excavación eran relativamente altos. Al comparar la dirección del viento con las concentraciones de NO y PM, se concluyó que la excavación de tierras influía significativamente en la calidad del aire en el área de construcción. Sin embargo, en términos de los factores principales que afectan las concentraciones de NO y polvo de construcción, el análisis reveló que los factores meteorológicos no mostraron una correlación significativa con los niveles de NO y polvo en el sitio de construcción. Se aplicaron modelos de regresión lineal múltiple (MLR) y de red neuronal artificial (ANN) para predecir la concentración de PM, PM y NO en el aire utilizando parámetros meteorológicos como predictores. El modelo ANN mostró una mayor concordancia con las concentraciones medidas en el aire que el modelo MLR.