La estimación del estado del tráfico (TSE) es un componente crítico de las operaciones eficientes de los sistemas inteligentes de transporte (ITS). En la literatura, los métodos de TSE se dividen en métodos basados en modelos y métodos basados en datos. Cada enfoque tiene sus limitaciones. El marco de red neuronal basado en información física (PINN) surge para mitigar las limitaciones de los métodos tradicionales de TSE, mientras que el estado del arte de dicho marco se ha centrado en segmentos de carretera individuales pero apenas puede lidiar con redes de tráfico. Este artículo presenta un marco PINN que puede hacer un uso efectivo de una pequeña cantidad de datos de velocidad observacionales para obtener TSE de alta calidad para una red de tráfico. Se incorporan componentes basados en modelos y basados en datos en los PINN para combinar las ventajas de ambos enfoques y superar sus desventajas. Se utilizan datos de simulación de redes de tráfico simples para estudiar el TSE de la red de carreteras. Este artículo demuestra cómo resolver el popular modelo de flujo de tráfico físico LWR con un PINN para una red de tráfico. Los resultados experimentales confirman que el enfoque propuesto es prometedor para estimar con precisión el tráfico de la red.