# Upravljanje kvalitetom zraka na otvorenim događajima u stvarnom vremenu uz AI Form Builder

Festivali na otvorenom, koncerti, sportski turniri i javni skupovi okupljaju tisuće sudionika, ali istovremeno izlažu mase promjenjivim uvjetima kvalitete zraka. Iznenadni porast čestica (PM2.5), ozona ili dušikovog dioksida može izazvati zdravstvena upozorenja, poremetiti program i narušiti reputaciju organizatora. Tradicionalno praćenje kvalitete zraka – često ograničeno na statične stanice i odgođeno izvještavanje – ne pruža agilnost potrebnu za dinamična okruženja događaja.

Upoznajte **AI Form Builder**, platformu s niskim kodom i AI‑poboljšanim obrascima koja može orkestrirati unos senzora, prediktivnu analitiku i petlje odlučivanja dionika u jedinstvenom, real‑time radnom toku. Ovaj članak vodi vas kroz cjelokupnu arhitekturu, adaptivni motor odlučivanja i praktične korake za implementaciju sustava upravljanja kvalitetom zraka u stvarnom vremenu za bilo koji otvoreni događaj.

---

## 1. Zašto je kvaliteta zraka ključna za otvorene događaje

| Utjecaj | Opis |
|--------|------|
| **Zdravlje i sigurnost** | Povišene razine PM2.5 ili ozona povećavaju rizik od respiratornih problema, osobito kod djece, starijih osoba i osoba s astmom. |
| **Usklađenost s propisima** | Mnogi gradovi primjenjuju pragove kvalitete zraka za javna okupljanja; neusklađenost može dovesti do kazni ili prisilnog zatvaranja. |
| **Iskustvo posjetitelja** | Loša kvaliteta zraka smanjuje udobnost, skraćuje vrijeme provedenog na mjestu i može izazvati negativne reakcije na društvenim mrežama. |
| **Reputacija brenda** | Proaktivno upravljanje signalizira odgovornost, privlači sponzore i potiče ponovnu posjetu. |

Budući da se kvaliteta zraka može promijeniti u minuti zbog prometa, vremenskih frontova ili industrijske aktivnosti u blizini, menadžeri događaja trebaju **real‑time, adaptivni** pristup umjesto statičnog popisa provjera.

---

## 2. Pregled sustava

AI Form Builder djeluje kao ljepilo koje povezuje tri temeljna sloja:

1. **Sloj senzora** – Distribuirani, niskobudžetni IoT senzori (PM2.5, O₃, NO₂, CO, temperatura, vlažnost) postavljeni oko perimetra lokacije i u „hotspot“ područjima publike.  
2. **Rubni čvorovi analitike** – Edge‑računala pokreću lagane AI modele koji čiste podatke, otkrivaju anomalije i generiraju kratkoročne prognoze (0‑30 min horizon).  
3. **Sloj odluka i suradnje** – AI Form Builder hosta dinamičke obrasce koji prikazuju live metrike, aktiviraju upozorenja i omogućuju dionicima (organizatorima, zdravstvenim službenicima, sigurnosti, dobavljačima) odobravanje ili odbijanje mjera (npr. pauza nastupa, aktivacija pročišćivača zraka, preusmjeravanje prometa).

Cijeli pipeline radi na **publish‑subscribe** arhitekturi, osiguravajući sub‑sekundnu latenciju od očitanja senzora do prikaza odluke.

---

## 3. Dijagram toka podataka

```mermaid
flowchart LR
    subgraph Sensing["Sloj senzora"]
        S1["\"Senzor PM2.5 A\""]
        S2["\"Senzor ozona B\""]
        S3["\"Vremenska stanica C\""]
    end

    subgraph Edge["Rubni čvorovi analitike"]
        E1["\"Čistač podataka\""]
        E2["\"Detektor anomalija\""]
        E3["\"Kratkoročna prognoza\""]
    end

    subgraph Forms["AI Form Builder"]
        F1["\"Obrazac uživo nadzorne ploče\""]
        F2["\"Obrazac upozorenja i akcije\""]
        F3["\"Obrazac odobrenja dionika\""]
    end

    subgraph Actions["Mjerodavne akcije"]
        A1["\"Aktiviraj prenosive pročišćivače zraka\""]
        A2["\"Pauziraj nastup na pozornici\""]
        A3["\"Preusmjeri protok publike\""]
    end

    S1 --> E1
    S2 --> E1
    S3 --> E1
    E1 --> E2
    E2 --> E3
    E3 --> F1
    E2 --> F2
    F1 --> F2
    F2 --> F3
    F3 --> A1
    F3 --> A2
    F3 --> A3
```

*All node labels are wrapped in double quotes as required for Mermaid syntax.*

---

## 4. Adaptivni motor odlučivanja

### 4.1 Logika praga vs. Prediktivna logika

- **Statički pragovi**: Jednostavna pravila‑temeljena upozorenja (npr., PM2.5 > 35 µg/m³). Lako se konfiguriraju, ali generiraju lažne pozitivne rezultate tijekom kratkih vrhova.  
- **Prediktivna logika**: AI modeli prognoziraju sljedećih 30 minuta koristeći najnovije podatke senzora, vremenske prognoze i obrasce prometa. Upozorenja se aktiviraju samo kada prognoza premaši prag prilagođen pouzdanosti.

AI Form Builder vam omogućuje da obje logike ugradite u jedan obrazac pomoću uvjetnih sekcija:

```json
{
  "type": "section",
  "label": "Air Quality Alert",
  "condition": "forecast_pm25 > 30 && confidence > 0.8",
  "fields": [...]
}
```

### 4.2 Usmjeravanje dionika

Kada se aktivira upozorenje, **Obrazac upozorenja i akcije** automatski se distribuira:

- **Zdravstveni službenici** dobivaju prikaz samo za čitanje s preporučenim zdravstvenim savjetima.  
- **Operacije događaja** dobivaju popis kontrola mogućih mjera (pročišćivači, pauza nastupa, preusmjeravanje publike).  
- **Sigurnost** vidi kartu u stvarnom vremenu zahvaćenih zona.

Svaki dionik može odobriti, izmijeniti ili odbiti radnju. Obrazac bilježi vremenske oznake, odluke i motivacije, stvarajući audit trail za izvještavanje nakon događaja.

### 4.3 Kontinuirano učenje

Nakon događaja, sustav unosi podatke o ishodu (npr., stvarne razine PM2.5, povratne informacije posjetitelja) kako bi ponovno trenirao model prognoze. AI Form Builder‑ov ugrađeni **Model Update obrazac** zakazuje periodično ponovno treniranje, osiguravajući da se sustav poboljšava sa svakom implementacijom.

---

## 5. Plan implementacije

| Faza | Aktivnosti | Ključni isporučivi rezultati |
|------|------------|------------------------------|
| **1. Planiranje** | Identificirati zone lokacije, odabrati dobavljače senzora, definirati regulatorne pragove. | Mapa rasporeda senzora, matrica usklađenosti. |
| **2. Postavljanje infrastrukture** | Postaviti senzore, konfigurirati edge pristupnike, uspostaviti MQTT posrednika. | Strujanje podataka senzora u stvarnom vremenu, kontejneri za obradu na rubu. |
| **3. Konfiguracija AI Form Builder** | Izraditi Obrazac uživo nadzorne ploče, Obrazac upozorenja i akcije, Obrazac odobrenja dionika. | Potpuno funkcionalni obrasci s uvjetnom logikom. |
| **4. Integracija modela** | Trenirati bazni model prognoze (npr., LSTM) na povijesnim podacima, implementirati na edge čvorove. | Arhiva modela, API za inferenciju. |
| **5. Pilot test** | Izvesti probni događaj s malim brojem posjetitelja, provjeriti latenciju (<2 s) i točnost upozorenja. | Izvješće o testu, podešeni pragovi. |
| **6. Potpuna implementacija** | Aktivirati sustav za glavni događaj, pratiti nadzorne ploče, izvršavati mjere ublažavanja. | Operativni sustav u stvarnom vremenu. |
| **7. Pregled nakon događaja** | Prikupiti audit logove, ankete o zdravlju posjetitelja, metrike performansi modela. | Izvješće o poduzetim radnjama, raspored ponovnog treniranja modela. |

---

## 6. Prednosti u pregledu

- **Odgovor u podsekundama**: Od vrhunca senzora do odluke o ublažavanju za manje od 2 sekunde.  
- **Povjerenje regulatora**: Automatizirani dokazi o usklađenosti za lokalne vlasti.  
- **Zaštita zdravlja**: Proaktivne mjere smanjuju izloženost, posebno za ranjive skupine.  
- **Uvidi temeljeni na podacima**: Analitika nakon događaja otkriva točke loše kvalitete zraka i učinkovite taktike ublažavanja.  
- **Skalabilni radni tok**: Isti obrasci mogu se ponovno koristiti za koncerte, maratone, političke skupove ili privremene tržnice.  

---

## 7. Izazovi i strategije ublažavanja

| Izazov | Strategija ublažavanja |
|--------|------------------------|
| **Pouzdanost senzora** | Korištenje redundantnih klastera senzora; implementacija provjera zdravlja na rubu koje označavaju neispravne jedinice. |
| **Drift modela** | Planiranje tjedne validacije modela; integracija Model Update obrasca AI Form Builder za automatizirano ponovno treniranje. |
| **Preopterećenost dionika** | Prioritiziranje upozorenja prema skorovima pouzdanosti; grupiranje obavijesti niske ozbiljnosti u dnevni sažetak. |
| **Privatnost podataka** | Anonimizacija podataka o lokaciji; pohrana samo agregiranih metrika u skladu s GDPR i CCPA. |
| **Kašnjenje mreže** | Postavljanje rubnih pristupnika blizu senzora; korištenje lokalnih MQTT posrednika za izbjegavanje kašnjenja u oblaku. |

---

## 8. Pogled u budućnost

- **Satelitski podaci o aerosolima** kombinirani s podacima zemaljskih senzora za kontekst cijelog grada.  
- **Digitalni blizanci** lokacije koji simuliraju dinamiku protoka zraka u stvarnom vremenu.  
- **Senzori nosivi od publike** (npr., pametni satovi) koji dostavljaju podatke o osobnoj izloženosti u motor odlučivanja.  
- **Automatizirano aktiviranje** mobilnih dronova za pročišćavanje zraka vođenih modelom prognoze.  

Ove ekstenzije pomiču upravljanje kvalitetom zraka na otvorenim događajima s reaktivnih upozorenja na **prediktivne, samoupravljačke ekosustave**.

---

## 9. Zaključak

Upravljanje kvalitetom zraka na otvorenim događajima više nije periferni problem – to je ključni element sigurnosti, regulatorne usklađenosti i povjerenja brenda. Korištenjem AI Form Builder‑ove real‑time orkestracije obrazaca, edge AI prognoza i kolaborativnog usmjeravanja odluka, organizatori mogu pretvoriti sirove tokove podataka u akcijske, adaptivne reakcije u sekundi.

Rezultat je sigurnije, ugodnije iskustvo za posjetitelje, glatkiji odnos s vlastima i podatkovno bogata osnova za kontinuirano unapređenje. Kako gradovi sve više prihvaćaju strategije pametnih događaja, AI Form Builder je spreman biti temelj sljedeće generacije, zdravstveno‑usmjerenih okupljanja na otvorenom.

---

## Pogledajte također
- [OpenAQ Platform – Global Air Quality Data](https://openaq.org)
- [Smart City Sensor Networks – World Economic Forum Report](https://www.weforum.org/reports/smart-city-sensor-networks)