Debido a la necesidad de predecir la congestión del tráfico durante las horas pico de la mañana o la tarde en las grandes ciudades, se requiere un modelo capaz de predecir el flujo de tráfico a corto plazo. Este modelo permitiría a las autoridades de transporte gestionar mejor la situación durante las horas pico y permitiría a los usuarios elegir las mejores rutas para llegar a sus destinos. El objetivo de este estudio fue realizar una predicción a corto plazo del flujo de tráfico en Madrid, utilizando diferentes tipos de arquitecturas de redes neuronales con un enfoque en redes neuronales residuales convolucionales, y compararlas con un análisis clásico de series temporales. La red neuronal residual convolucional propuesta es superior en todas las métricas estudiadas, y las predicciones se adaptan a diversas situaciones, como días festivos o posibles fallos en los sensores.