Estudiamos el problema de calcular rápidamente rutas más cortas de punto a punto en redes viales masivas con predicciones de tráfico. La incorporación de predicciones de tráfico en el enrutamiento permite, por ejemplo, evitar congestiones de tráfico de los viajeros diarios. Las técnicas existentes siguen un enfoque de dos fases: En un paso de preprocesamiento, se construye un índice. El índice depende de la red vial y de los patrones de tráfico, pero no de la ruta de inicio y fin. Estos últimos son la entrada de la fase de consulta, en la que se calculan las rutas más cortas. Todas las técnicas existentes tienen un tamaño de índice grande, tiempos de ejecución de consulta lentos o pueden calcular rutas subóptimas. En este trabajo, presentamos CATCHUp (Jerarquías de Contracción Dependientes del Tiempo Aproximado Personalizables a través de Desempaquetado), el primer algoritmo que logra simultáneamente los tres objetivos. La idea principal de CATCHUp es almacenar rutas en lugar de tiempos de viaje en atajos. Los tiempos de viaje de los atajos se derivan perezosamente de las rutas almacenadas. Realizamos un estudio experimental en un conjunto de instancias del mundo real y comparamos nuestro enfoque con técnicas de vanguardia. Nuestro enfoque logra el preprocesamiento más rápido, tiempos de ejecución de consulta competitivos y hasta 38 veces índices más pequeños que enfoques competidores.