# Optimizacija protoka pješaka u stvarnom vremenu uz AI Form Builder

Urbani centri doživljavaju neviđene količine pješačkog prometa kako gradovi postaju gušći, a obrasci mobilnosti pomiču se prema hodanju, mikro‑mobilnosti i javnom prijevozu. Tradicionalna statička vremena semafora za pješačke prijelaze i ručne strategije upravljanja gužvom više ne mogu jamčiti sigurnost, pristupačnost ili učinkovitost. **AI Form Builder** — platforma za generiranje obrazaca s niskim kodom i AI‑poboljšanjima — nudi novi paradigm: optimizaciju protoka pješaka u stvarnom vremenu, temeljenu na podacima, koja se odmah prilagođava promjenjivim uvjetima.

U ovom članku ćemo:

1. Objasniti zašto je protok pješaka važan za sigurnost, jednakost i gospodarsku vitalnost.  
2. Pokazati kako AI Form Builder može primati heterogene IoT i podatkovne tokove računalnog vida.  
3. Detaljno opisati arhitekturu koja pretvara sirove senzorske ulaze u adaptivne akcije upravljanja signalima.  
4. Pružiti korak‑po‑korak vodič za izgradnju gradskog radnog toka obrasca za protok pješaka.  
5. Raspraviti skalabilnost, privatnost i buduće proširenja poput višemodalnog predviđanja potražnje.

> **Ključne riječi:** protok pješaka, AI Form Builder, adaptivno signaliziranje, pametni grad, IoT, edge AI, analitika u stvarnom vremenu, urbana mobilnost

---

## 1. Zašto je adaptivno upravljanje protokom pješaka kritično

| Područje utjecaja | Tradicionalni pristup | Adaptivni AI‑vođeni pristup |
|-------------------|----------------------|------------------------------|
| **Sigurnost** | Fiksni ciklusi pješačkog signala, ručna provedba | Dinamična alokacija zelenog vremena temeljena na stvarnoj gustoći gužve, smanjujući sukobe s vozilima |
| **Pristupačnost** | Jedinstveno vrijeme za sve, često zanemaruje korisnike s ograničenjima u mobilnosti | Produžeci u stvarnom vremenu za korisnike invalidskih kolica kada senzor otkrije sporije brzine prelaska |
| **Gospodarska aktivnost** | Zagušenja u komercijalnim koridorima smanjuju prihod od pješačkog prometa | Optimizirani protok održava kupce u pokretu, povećavajući vrijeme zadržavanja i prodaju |
| **Okoliš** | Vozila u mirovanju na loše tempiranim prijelazima povećavaju emisije | Brži pješački prelazak smanjuje zaustavljanje i kretanje vozila, smanjujući CO₂ |

Trošak jedne nesreće povezane s pješacima u velikom gradu može premašiti **1 milijun USD** u medicinskim, pravnim i gubicima produktivnosti. Adaptivno upravljanje može smanjiti stopu nesreća za čak **30 %**, prema nedavnim europskim pilot studijama.

## 2. AI Form Builder kao integracijsko središte

AI Form Builder je više od generatora obrazaca; on je **radni motor** koji može:

* **Prikupljati** podatke iz REST API‑ja, MQTT tema ili izravnih učitavanja senzora.  
* **Obogaćivati** ulaze AI‑generiranim uvidima (npr. klasifikacija gustoće gužve iz videa).  
* **Pokretati** downstream akcije poput poziva API‑ja za semafore, slanja obavijesti ili ažuriranja GIS‑a.  
* **Zapisivati** svaku odluku radi revizije i kontinuiranog učenja.

Budući da platforma podržava **low‑code skriptiranje** i **pre‑trenirane AI modele**, gradski inženjeri mogu prototipirati cjelovito rješenje za protok pješaka bez pisanja opsežnog koda.

## 3. Pregled arhitekture sustava

Dolje je prikazan visokorazinski Mermaid dijagram koji ilustrira protok podataka od edge senzora do adaptivnog upravljanja signalima, sve orkestrirano od strane AI Form Buildera.

```mermaid
flowchart LR
    subgraph Edge Layer
        S1["\"IoT Pedestrian Counters\""]
        S2["\"Computer‑Vision Cameras\""]
        S3["\"Bluetooth Beacon Trackers\""]
    end

    subgraph Cloud Layer
        FB["\"AI Form Builder Engine\""]
        AI["\"Edge‑AI Model (Density Classification)\""]
        DB["\"Time‑Series DB (InfluxDB)\""]
        SIG["\"Signal Controller API\""]
    end

    subgraph Feedback Loop
        NOTIF["\"Citizen Alert Service\""]
        DASH["\"Live Dashboard (Grafana)\""]
    end

    S1 -->|count| FB
    S2 -->|video stream| AI
    AI -->|density score| FB
    S3 -->|BLE pings| FB
    FB -->|store| DB
    FB -->|adjust| SIG
    FB -->|notify| NOTIF
    DB -->|visualize| DASH
```

**Ključne točke:**

* **Edge sloj** prikuplja sirove metrike pješačkog prometa.  
* **AI Form Builder** prima podatke putem webhook‑ova, pokreće AI modele (ili poziva vanjske usluge) i zapisuje rezultate u vremensku seriju baze podataka.  
* **Signal Controller API** prima adaptivne parametre vremena u stvarnom vremenu (obično svakih 30 sekundi).  
* **Povratna petlja** šalje upozorenja pješacima (npr. „Prijelaz će ostati zelen 15 s”) i vizualizira performanse za operatere.

## 4. Izgradnja obrasca za adaptivni protok pješaka

### 4.1 Definiranje izvora podataka

1. Stvorite obrazac „Pedestrian Counter“ koji prihvaća JSON payloadove s infracrvenih brojača.  
   ```json
   {
     "sensor_id": "PC-001",
     "timestamp": "2026-10-09T12:34:56Z",
     "count": 42
   }
   ```
2. Dodajte webhook „Video Analytics“ koji prima ocjene gustoće od edge‑AI modela (npr. YOLO‑baziran detektor gužve).  
   ```json
   {
     "camera_id": "VC-12",
     "timestamp": "2026-10-09T12:34:57Z",
     "density_score": 0.78
   }
   ```

### 4.2 Obogaćivanje AI‑generiranim uvidima

AI Form Builder vam omogućuje da svakom dolaznom payloadu priložite **transformaciju u stilu Pythona**:

```python
def enrich(payload):
    # Normalize count to persons per minute
    ppm = payload.get('count',0) * 60 / 30   # assuming 30‑second interval
    payload['persons_per_min'] = ppm
    return payload
```

Obogaćeni payload se pohranjuje u **Form Builder Data Store** i postaje dostupan za downstream pravila.

### 4.3 Logika odlučivanja – pravilo adaptivnog vremena

Stvorite **motor pravila** koji izračunava optimalno zeleno vrijeme pješačkog signala (`walk_time`) na temelju kombiniranih metrika:

```python
def compute_walk_time(counter, density):
    base = 20  # seconds
    # Increase green time when density > 0.6 or count > 50
    if density['density_score'] > 0.6 or counter['persons_per_min'] > 50:
        return min(base + 10, 45)  # cap at 45 s
    return base
```

Pravilo generira JSON payload za kontroler semafora:

```json
{
  "intersection_id": "INT-07",
  "walk_time_seconds": 30,
  "effective_at": "2026-10-09T12:35:00Z"
}
```

### 4.4 Pokretanje kontrolera semafora

Konfigurirajte **webhook akciju** u AI Form Builderu koja POST‑a gore navedeni payload na REST endpoint grada za kontrolu semafora (`/api/v1/signal/update`). Platforma automatski ponavlja pokušaj pri neuspjehu i zapisuje svaku transakciju.

### 4.5 Obavijesti građanima (neobavezno)

Ako vrijeme prelaska premaši prag (npr. > 35 s), pošaljite push obavijest putem gradske mobilne aplikacije:

```python
if output['walk_time_seconds'] > 35:
    send_push(
        user_group="pedestrians_nearby",
        title="Extended Walk Time",
        body=f"Crosswalk at {output['intersection_id']} will stay green for {output['walk_time_seconds']} seconds."
    )
```

## 5. Skaliranje rješenja na razini cijelog grada

| Dimenzija skaliranja | Preporučena praksa |
|----------------------|--------------------|
| **Geografija** | Implementirajte **hierarhičku arhitekturu obrazaca**: jedan glavni obrazac po distriktu, podređeni obrasci po raskrižju. |
| **Volumen podataka** | Koristite **particioniranu pohranu vremenskih serija** (npr. InfluxDB s politikama zadržavanja) kako biste zadržali nedavne podatke visoke rezolucije i arhivirali starije podatke. |
| **Latencija** | Pokrenite AI inferenciju na **edgeu** (na Raspberry Pi ili NVIDIA Jetson) i šaljite samo kompaktni rezultat gustoće u oblak, održavajući krajnju latenciju < 2 sekunde. |
| **Upravljanje** | Iskoristite ugrađeni **audit log** i **kontrolu pristupa temeljenu na ulogama** AI Form Buildera kako biste zadovoljili [GDPR](https://gdpr.eu/) i lokalne propise o privatnosti. |

## 6. Dizajn s naglaskom na privatnost

* **Minimizacija podataka:** Prenosite samo agregirane brojeve ili ocjene gustoće; nikada ne šaljite sirove videozapise.  
* **Anonimizacija:** Uklonite identifikatore uređaja (npr. MAC adrese) prije pohrane.  
* **Upravljanje pristankom:** Koristite **obrasce pristanka** AI Form Buildera za prikupljanje pristanka za obavijesti temeljene na lokaciji.

## 7. Buduća proširenja

1. **Višemodalno predviđanje potražnje** – Kombinirajte podatke o pješacima s podacima o biciklističkim dijeljenjima i javnom prijevozu kako biste predvidjeli prekrižnu gužvu.  
2. **Dinamičko određivanje cijena za zone prijateljske pješacima** – Ponudite snižene parkirne naknade kada je protok pješaka visok, potičući hodanje.  
3. **AI‑generirane preporuke za urbani dizajn** – Učitajte agregirane karte protoka u generativne alate dizajna koji predlažu proširenje pločnika ili nove lokacije prijelaza.

## 8. Mjerenje uspjeha

| Ključni pokazatelj uspjeha (KPI) | Cilj (12 mjeseci) |
|----------------------------------|-------------------|
| **Prosječno vrijeme čekanja pješaka** | ↓ 20 % |
| **Stopa nesreća na pješačkim prijelazima** | ↓ 30 % |
| **Emisije vozila na raskrižjima** | ↓ 15 % |
| **Zadovoljstvo građana (anketa u aplikaciji)** | ≥ 85 % pozitivno |

Kontinuirano praćenje putem nadzornih ploča AI Form Buildera osigurava da se sustav samopoboljšava i da gradonačelnici mogu izvijestiti o opipljivim koristima dionicima.

## Pogledajte i

- [IEEE Xplore – Kontroliranje semafora u stvarnom vremenu uz AI](https://ieeexplore.ieee.org/document/9876543)