Este artículo propone un marco avanzado para fortalecer el control de emisiones vehiculares mediante una integración de IoT, blockchain y aprendizaje automático, superando las limitaciones del sistema PUCC tradicional, caracterizado por baja supervisión y riesgos de manipulación de datos. En el modelo propuesto, sensores IoT instalados en los vehículos monitorean continuamente los niveles de emisión y envían datos en tiempo real a una blockchain de consorcio, garantizando registros inmutables, transparentes y auditables. La arquitectura incorpora smart contracts y una DApp para automatizar la emisión del PUCC, mientras que un mecanismo de incentivos fomenta la participación ciudadana. El algoritmo XGBoost se aplica para predecir tendencias de emisión y alertar sobre necesidades de mantenimiento, alcanzando precisiones superiores al 97%, con picos cercanos al 100% en escenarios validados. Las simulaciones muestran mejoras en rendimiento, tiempo de respuesta y confiabilidad. Los autores resaltan que este enfoque ofrece una vía escalable y segura para reducir la contaminación vehicular y apoyar el desarrollo de ciudades inteligentes y sostenibles.