# Upravljanje kapacitetom javnog prijevoza u stvarnom vremenu uz AI Form Builder

Agencije za javni prijevoz diljem svijeta suočavaju se s tri međusobno povezane izazove:

1. **Promjenjiva potražnja** – vrhunci u špici, posebni događaji i neočekivane smetnje uzrokuju brze promjene u broju putnika.  
2. **Operativna ograničenja** – ograničen broj vozila, dostupnost vozača i regulatorni standardi usluge ograničavaju brzinu reakcije agencija.  
3. **Očekivanja putnika** – putnici sada očekuju ažuriranja u stvarnom vremenu, nisku gužvu i besprijekorne multimodalne putove.

Tradicionalni alati za raspoređivanje oslanjaju se na statične voznike i periodične ručne prilagodbe. Rezultat je ili pretjerano pružanje usluge (trošenje goriva i radne snage) ili nedovoljno pružanje usluge (pretrpane vozila, propuštene veze i nezadovoljni putnici).  

**AI Form Builder** — platforma za izradu obrazaca s niskim kodom i AI‑poboljšanim funkcionalnostima — nudi novi način pretvaranja sirovih, kontinuiranih podataka u akcijske, ljudski čitljive radne tokove koji se mogu izvršiti odmah. Ugradnjom AI‑pogonjene logike izravno u obrasce, agencije mogu prikupljati, validirati i reagirati na podatke u sekundi, zatvarajući povratnu petlju između terena i kontrolnog centra.

U nastavku prikazujemo arhitekturu, ključne komponente, korake implementacije i mjerljive koristi **Sustava upravljanja kapacitetom javnog prijevoza u stvarnom vremenu i adaptivno (RT‑APTCM)** izgrađenog na AI Form Builderu.

---

## 1. Pregled osnovne arhitekture

```mermaid
flowchart LR
    A["Senzori telemetrije vozila"] --> B["AI Form Builder sloj za unos"]
    C["IoT uređaji za brojanje putnika"] --> B
    D["API‑ji za događaje i vremensku prognozu"] --> B
    B --> E["Dinamički obrazac kapaciteta (AI‑pogonjen)"]
    E --> F["Motor odlučivanja (pravila + ML)"]
    F --> G["Nadzorna ploča operacija prijevoza"]
    G --> H["Sustav za raspoređivanje i slanje vozila"]
    H --> I["Usluga obavijesti putnicima u stvarnom vremenu"]
    I --> J["Mobilne aplikacije i zasloni za putnike"]
```

* **Senzori telemetrije vozila** – GPS, brzina, događaji otvaranja/zatvaranja vrata, razina goriva.  
* **IoT uređaji za brojanje putnika** – infracrveni ili računalni vizijski brojači na vratima, kamere na platformama, podaci o doticaju pametnih kartica.  
* **API‑ji za događaje i vremensku prognozu** – koncerti, sportski događaji, upozorenja o teškim vremenskim uvjetima koji utječu na potražnju.  
* **AI Form Builder sloj za unos** – skup automatski generiranih obrazaca koji normaliziraju heterogene podatkovne tokove u jedinstvenu shemu.  
* **Dinamički obrazac kapaciteta** – AI‑poboljšani obrazac koji izračunava faktor opterećenja u stvarnom vremenu, predviđa blisku budućnost potražnje i predlaže korektivne radnje.  
* **Motor odlučivanja** – kombinira pravila temeljena na pragovima (npr. “opterećenje > 85 %”) s prognozama strojnog učenja kako bi proizveo preporuke za slanje vozila.  
* **Nadzorna ploča operacija prijevoza** – vizualno sučelje za nadzornike da odobre, ponište ili fino podese preporuke.  
* **Sustav za raspoređivanje i slanje vozila** – integrira se s postojećim softverom za upravljanje flotom (npr. Trapeze, Clever Devices).  
* **Usluga obavijesti putnicima** – šalje ažuriranja na mobilne aplikacije, digitalne znakove i glasovna najavljivanja.

---

## 2. Zašto je AI Form Builder idealan “ljepljivi” element

| Značajka | Tradicionalni middleware | AI Form Builder |
|----------|--------------------------|-----------------|
| **Izrada obrazaca s niskim kodom** | Potreban je prilagođeni UI razvoj | Designer s povlačenjem i ispuštanjem, AI‑predloženi tipovi polja |
| **Ugrađena validacija i AI inferencija** | Odvojene usluge validacije + poslužitelj modela | Pravila validacije i pozivi modela ugrađeni izravno u obrazac |
| **Kontrola verzija i revizijski zapis** | Ručno evidentiranje | Automatska povijest promjena, pristup po ulogama |
| **Višekanalni unos podataka** | Samo API, ograničeno na web | Podrška za IoT, SMS, glas, mobilne SDK‑ove “out‑of‑the‑box” |
| **Brza iteracija** | Tjedni do mjesečni ciklusi za promjene sheme | Minute za ažuriranje polja, pragova ili veza modela |

Budući da AI Form Builder tretira svaki podatak kao *polje obrasca*, agencije mogu trenutno dodati nove senzore, prilagoditi pragove ili zamijeniti prognozni model bez izmjene osnovnog koda. Ova agilnost je ključna za sustav koji mora reagirati na dnevne promjene potražnje.

---

## 3. Vodič za implementaciju korak po korak

### 3.1 Prikupljanje i normalizacija podataka

1. **Postavite IoT brojače** na sva vrata vozila i glavne platforme.  
2. **Izložite telemetriju** putem MQTT ili REST krajnjih točaka.  
3. **Kreirajte “Obrasce za unos”** u AI Form Builderu: svaki obrazac mapira sirovi JSON na kanonsku shemu (`vehicle_id`, `timestamp`, `passenger_count`, `gps_lat`, `gps_lon`, `event_id`).  
4. **Omogućite AI‑pomoć pri mapiranju polja** – platforma predlaže tipove polja (numeričko, geo‑točka) i automatski generira pravila validacije (npr. broj putnika ne smije biti negativan).

### 3.2 Izračun opterećenja u stvarnom vremenu

1. **Dizajnirajte “Obrazac kapaciteta”** koji agregira najnovije brojeve po vozilu i segmentu rute.  
2. **Dodajte AI‑pogonjene izračune**:  
   * `load_factor = passenger_count / vehicle_capacity`  
   * `predicted_load = MLModel.predict([time_of_day, day_of_week, weather, event_id])`  
3. **Postavite dinamičke pragove**:  
   * Ako je `load_factor > 0.85` → *Upozorenje o visokoj gužvi*  
   * Ako je `predicted_load > 0.90` → *Preemptivna preporuka za skaliranje*

### 3.3 Integracija motora odlučivanja

1. **Kreirajte “Obrazac preporuke za slanje”** koji prima izlaze iz Obrasca kapaciteta.  
2. **Ugradite logiku pravila** koristeći uvjetne blokove AI Form Buildera:  
   * `AKO high_crowding ONDA predloži dodatno vozilo`  
   * `INAČE AKO low_load ONDA predloži konsolidaciju vozila`  
3. **Povežite se s vanjskom ML uslugom** (npr. Azure AutoML) putem “AI Action” čvora obrasca, prosljeđujući trenutni kontekst i primajući rezultat povjerenja.

### 3.4 Nadzorna ploča s ljudskim faktorom

1. **Objavite Obrazac preporuke za slanje** na sigurnom web portalu koji koriste nadzornici rasporeda.  
2. **Omogućite tipke “Odobri / Poništi”** koje automatski pokreću radnje u pozadini putem webhook‑ova.  
3. **Zabilježite svaku odluku** radi usklađenosti i budućeg treniranja modela.

### 3.5 Petlja komunikacije s putnicima

1. **Konfigurirajte “Obrazac obavijesti”** koji formatira upozorenja za push obavijesti, digitalne znakove i zvučna najavljivanja.  
2. **Mapirajte polja** poput `route_id`, `expected_wait_time`, `crowding_level`.  
3. **Integrirajte se s postojećim platformama za putnike** (npr. Google Transit, lokalne aplikacije) kroz API konektore.

---

## 4. Izbori modela strojnog učenja

| Model | Primjena | Potrebni podaci | Tipična točnost |
|-------|----------|-----------------|-----------------|
| Gradient Boosted Trees (XGBoost) | Kratkoročno prognoziranje potražnje (0‑30 min) | Povijesna putnička statistika, vremenska prognoza, kalendari događaja | 85‑90 % smanjenje MAE |
| LSTM Recurrent Neural Network | Sekvencijalna prognoza opterećenja za višesatne horizonte | Vremenske serije broja putnika, lokacije vozila | 80‑88 % poboljšanje RMSE |
| Bayesian Network | Probabilističko razmišljanje pod neizvjesnošću (npr. iznenadna prekida usluge) | Real‑time izvještaji o incidentima, povijesna vremena oporavka | Pruža intervale povjerenja za odluke |

AI Form Builder omogućuje **zamjenu modela** jednostavnim ažuriranjem URL‑a “AI Action” krajnje točke, što čini eksperimentiranje jednostavnim.

---

## 5. Očekivane koristi i utjecaj na KPI‑e

| KPI | Početno stanje (prije implementacije) | Cilj (12 mjese) | Očekivani ROI |
|-----|--------------------------------------|-----------------|--------------|
| Prosječno vrijeme čekanja putnika | 7,2 min | 4,5 min | 30 % smanjenje |
| Udio vozila s opterećenjem > 85 % | 22 % vožnji | 9 % vožnji | 13 % poboljšanje |
| Točnost vremena (≤ 5 min odstupanja) | 81 % | 93 % | 12 % porast |
| Potrošnja goriva po putniku‑km | 0,12 L | 0,09 L | 25 % ušteda |
| Ocjena zadovoljstva putnika (anketa) | 3,8 / 5 | 4,4 / 5 | +0,6 bodova |

Pilot u srednjem gradu (≈ 150 k dnevnih ukrcaja) zabilježio je **12 % smanjenje gužve u špici** nakon tri mjeseca, što je rezultiralo **uštedom od 1,2 M USD godišnje** u operativnim troškovima.

---

## 6. Plan pilot projekta u stvarnom svijetu

| Faza | Trajanje | Ključne aktivnosti | Kriteriji uspjeha |
|------|----------|--------------------|-------------------|
| **Otkrivanje** | 4 tjedna | Radionice s dionicima, revizija senzora, inventura podataka | Potpisani sporazumi o dijeljenju podataka |
| **Prototip** | 6 tjedana | Izgradnja obrazaca za unos i kapacitet, integracija jedne rute | 95 % cjelovitosti podataka, < 5 s latencije |
| **Pilot** | 8 tjedana | Implementacija na 3 rute s visokim prometom, aktivacija nadzorne ploče | > 80 % preporuka prihvaćenih |
| **Širenje** | 12 tjedana | Pokriće cijele mreže, dodavanje okidača na događaje | Smanjenje opterećenja mreže > 10 % |
| **Optimizacija** | kontinuirano | Ponovno treniranje ML modela, fino podešavanje pragova, petlja povratnih informacija putnika | Kontinuirano poboljšanje KPI‑a |

---

## 7. Upravljanje, privatnost i sigurnost

* **Minimizacija podataka** – prikupljamo samo broj putnika, ne osobne podatke.  
* **Šifriranje u prijenosu** – TLS 1.3 za sve MQTT/REST krajnje točke.  
* **Pristup po ulogama** – AI Form Builder podržava detaljna dopuštenja (čitanje/pisanje po polju).  
* **Revizijski zapisi** – Svako podnošenje obrasca, odluka i inferencija modela bilježe se s nepromjenjivim vremenskim oznakama.  
* **Usklađenost** – U skladu s [GDPR‑om](https://gdpr.eu/), [CCPA‑om](https://oag.ca.gov/privacy/ccpa) i lokalnim zakonima o privatnosti podataka u javnom prijevozu.

---

## 8. Moguća proširenja

1. **Integracija multimodalnosti** – proširite iste obrasce na biciklističke i mikro‑mobilne flote, stvarajući cjelokupni prikaz kapaciteta grada.  
2. **Okidač za prediktivno održavanje** – koristite vrhunce opterećenja kao rane indikatore trošenja, povezujući ih s obrascem za raspored održavanja.  
3. **Eksperimenti s dinamičnim cijenama** – kombinirajte podatke o kapacitetu s obrascima za prilagodbu cijena kako biste izravnali potražnju u vršnim periodima.  
4. **Crowd‑sourced validacija** – omogućite putnicima da putem laganog mobilnog obrasca prijave percepciju gužve, čime se podaci vraćaju u treniranje modela.

---

## 9. Zaključak

AI Form Builder pretvara tradicionalno izolirani svijet operacija prijevoza u **živi, podatkovno‑vođeni ekosustav**. Pretvaranjem svakog očitanja senzora, vremenskog upozorenja i rasporeda događaja u strukturirani, AI‑poboljšani obrazac, agencije dobivaju mogućnost **trenutnog reagiranja** i **proaktivnog planiranja**. Rezultat je glatkiji, sigurniji i održiviji javni prijevoz koji zadovoljava očekivanja modernih urbanih stanovnika.

Uvođenje sustava upravljanja kapacitetom javnog prijevoza u stvarnom vremenu i adaptivno nije više futuristička vizija – to je praktično rješenje s niskim kodom koje se može implementirati u mjesecima, donoseći mjerljive operativne uštede i opipljivo poboljšanje zadovoljstva putnika.

---

## Vidi također
- [MIT Urban Mobility Lab – AI‑Driven Transit Scheduling](https://urbanmobility.mit.edu/ai-transit-scheduling)  
- [World Bank – Sustainable Urban Transport Solutions](https://www.worldbank.org/en/topic/transport/brief/sustainable-urban-transport)