# Ժամանակակից իրական‑ժամանակի ադապտիվ հանրային տրանսպորտի կարողության կառավարում AI Form Builder‑ով

Համաշխարհային հանրային տրանսպորտի գործակալությունները presently են հանդիպում երեք միակամար միացված խնդիրների հետ.

1. **Փոփոխական պահանջ** – գագաթժամանակի պիկներ, հատուկ միջոցառումներ և անսպասելի խանգարումներ առաջացնում են արագ փոփոխություններ ուղևորների բեռնման մեջ.  
2. **Օպերացիոն սահմանափակումներ** – սահմանափակ ֆլոտի չափ, վարորդների հասանելիություն և կարգավորող ծառայության ստանդարտներ սահմանում են, թե որքան արագ կարող են գործակալությունները արձագանքել.  
3. **Ուղևորների փորձի ակնկալումներ** – ուղևորները այժմ սպասում են իրական‑ժամանակի թարմացումներին, ցածր գեղակատարությանը և անխափան բազմամոդալ ճանապարհորդություններին.

Ավանդական պլանավորման գործիքները հիմնված են ստատիկ ժամացույցների և պարբերական ձեռքով փոփոխությունների վրա: Արդյունքը կամ ավելորդ ծառայություն (բնաված վառելիք և աշխատուժ) կամ անբավարար ծառայություն (գեղակատար վահանակներ, կորած կապեր և անհարմար ուղևորներ).

**AI Form Builder**—ցածր‑կոդ, AI‑բարձրացված ձևերի ստեղծման հարթակ—պատրաստում է նոր մոտեցում՝ կոշտ, հոսքային տվյալները փոխակերպելով գործող, մարդ-կարդալու աշխատանքային հոսքեր, որոնք կարելի է իրական ժամանակում կատարել: AI‑ն վարող տրամաբանությունը ներմուծելով ձևերի մեջ, գործակալությունները կարող են հավաքել, վավերացնել և գործողություն կատարել տվյալների վրա մի քանի վայրկյանների ընթացքում, փակելով հետադարձ կապի ցիկլը դաշտից և վերահսկողության կենտրոնից.

Ներքևում մենք ներկայացնում ենք ճարտարապետությունը, հիմնական բաղադրիչները, իրականացման քայլերը և չափելի օգուտները **ժամանակակից իրական‑ժամանակի ադապտիվ հանրային տրանսպորտի կարողության կառավարում (RT‑APTCM)** համակարգի, որը կառուցված է AI Form Builder‑ի վրա.

---

## 1. Կենտրոնական ճարտարապետության ակնարկ

```mermaid
flowchart LR
    A["Վահանակների հեռակառավարման սենսորներ"] --> B["AI Form Builder ներմուծման շերտ"]
    C["Ուղևորների հաշվիչների IoT սարքեր"] --> B
    D["Միջոցառումների և եղանակի API‑ներ"] --> B
    B --> E["Դինամիկ կարողության ձև (AI‑բարձրացված)"]
    E --> F["Որոշման շարժիչ (կանոնների + ML)"]
    F --> G["Տրանսպորտի գործողությունների վահանակ"]
    G --> H["Վահանակների ուղարկում և պլանավորման համակարգ"]
    H --> I["Իրական‑ժամանակի ուղևորների ծանուցման ծառայություն"]
    I --> J["Ուղևորների բջջային հավելվածներ և ցուցակներ"]
```

* **Վահանակների հեռակառավարման սենսորներ** – GPS, արագություն, դուռի բաց/փակման իրադարձություններ, վառելիքի մակարդակ:  
* **Ուղևորների հաշվիչների IoT սարքեր** –infrared կամ համակարգչային տեսողական հաշվիչներ դռների մոտ, հարթակների տեսախցիկներ, խ smart‑քարտերի տվյալներ:  
* **Միջոցառումների և եղանակի API‑ներ** – կոնցերտներ, սպորտային խաղեր, ծանր եղանակի զգուշացումներ, որոնք ազդում են պահանջի վրա:  
* **AI Form Builder ներմուծման շերտ** – մի շարք ավտոմատ գեներացված ձևեր, որոնք նորմալացնում են տարբերակված տվյալների հոսքերը միավորված սխեմա:  
* **Դինամիկ կարողության ձև** – AI‑բարձրացված ձև, որը հաշվարկում է իրական‑ժամանակի բեռնման գործակիցը, կանխատեսում է մոտակա պահանջը և առաջարկում է ուղղիչ գործողություններ:  
* **Որոշման շարժիչ** – համակցում է կանոնների սահմանված շեմները (օրինակ՝ “բեռնվածություն > 85 %”) և մեքենա‑սովորող կանխատեսումները՝ ստեղծելով ուղարկման առաջարկներ:  
* **Տրանսպորտի գործողությունների վահանակ** – տեսողական ինտերֆեյս, որտեղ վերապահները կարող են հաստատել, վերագրել կամ ճշգրիտ կարգավորումներ կատարել:  
* **Վահանակների ուղարկում և պլանավորման համակարգ** – ինտեգրվում է գոյություն ունեցող ֆլոտի կառավարման ծրագրային ապահովման հետ (օրինակ՝ Trapeze, Clever Devices):  
* **Ուղևորների ծանուցման ծառայություն** – ուղարկում է թարմացումներ բջջային հավելվածների, թվային ցուցակների և ձայնային հայտարարությունների միջոցով.

---

## 2. Ինչու AI Form Builder-ը իդեալական կապակցիչն է

| Ֆունկցիա | Ավանդական միջնորդակիչ | AI Form Builder |
|----------|----------------------|-----------------|
| **Ցածր‑կոդ ձևերի ստեղծում** | Պահանջվում է հատուկ UI‑ի մշակում | Դրագ‑անդ-դրագ ձևերի դիզայներ, AI‑ն առաջարկում է դաշտերի տեսակները |
| **Ներառված վավերացում և AI ինֆերանս** | Անջատված վավերացման ծառայություններ + մոդելների սպասարկում | Վավերացման կանոններ և մոդելների կանչեր ներմուծված են ուղղակի ձևում |
| **Տարբերակների վերահսկողություն և աուդիտային հետք** | Ձեռքով գրանցում | Ավտոմատ փոփոխությունների պատմություն, դեր‑հիմնված հասանելիություն |
| **Բազմաալիքային տվյալների հավաքում** | Միայն API, սահմանափակված վեբով | Աջակցում IoT, SMS, ձայն, բջջային SDK‑ներին «արտածից» |
| **Արագ փոփոխություն** | Շաբաթների կամ ամիսների տևողություն սխեմաների փոփոխության համար | րոպեների ընթացքում դաշտերի, շեմների կամ մոդելների կապակցումների թարմացում |

Քանի որ AI Form Builder-ը դիտում է յուրաքանչյուր տվյալակետը որպես *ձևի դաշտ*, գործակալությունները կարող են անմիջապես ավելացնել նոր սենսորներ, փոփոխել շեմները կամ փոխարինել կանխատեսման մոդելը առանց հիմնակոդի փոփոխության: Այս ճկունությունը կարևոր է համակարգի համար, որը պետք է հարմարվի օրական պահանջների փոփոխություններին.

---

## 3. Քայլ առ քայլ իրականացման ուղեցույց

### 3.1 Տվյալների հավաքում և նորմալացում

1. **Տեղադրեք IoT հաշվիչներ** բոլոր վահանակների դռների և հիմնական հարթակների վրա:  
2. **Բացահայտեք հեռակառավարման տվյալները** MQTT կամ REST վերջնակետների միջոցով:  
3. **Ստեղծեք “Ներմուծման ձևեր”** AI Form Builder-ում՝ յուրաքանչյուր ձևը քարտեզավորում է հում JSON բեռները միակ սիմվոլիկ սխեմա (`vehicle_id`, `timestamp`, `passenger_count`, `gps_lat`, `gps_lon`, `event_id`):  
4. **Միացրեք AI‑ն աջակցող դաշտերի քարտեզավորում** – հարթակը առաջարկում է դաշտերի տեսակները (թվական, գեո‑կետ) և ավտոմատ գեներացնում վավերացման կանոններ (օրինակ՝ ուղևորների քանակը չի կարող լինել բացասական).

### 3.2 Իրական‑ժամանակի բեռնման հաշվարկ

1. **Դիզայն “Կողմնորոշված ձև”**, որը հավաքում է վերջին հաշվիչները ըստ վահանակի և ուղու հատվածի:  
2. **Ավելացրեք AI‑ն վարող հաշվարկներ**:  
   * `load_factor = passenger_count / vehicle_capacity`  
   * `predicted_load = MLModel.predict([time_of_day, day_of_week, weather, event_id])`  
3. **Սահմանեք դինամիկ շեմներ**:  
   * Եթե `load_factor > 0.85` → *Բարձր գեղակատարության զգուշացում*  
   * Եթե `predicted_load > 0.90` → *Պրեվենտիվ մասշտաբավորման առաջարկ*

### 3.3 Որոշման շարժիչի ինտեգրում

1. **Ստեղծեք “Ուղարկման առաջարկների ձև”**, որը օգտագործում է “Կողմնորոշված ձևի” ելքերը:  
2. **Ներմուծեք կանոնների շարժիչի տրամաբանություն** AI Form Builder-ի պայմանական բլոկների միջոցով:  
   * `IF high_crowding THEN suggest additional vehicle`  
   * `ELSE IF low_load THEN suggest vehicle consolidation`  
3. **Կապեք արտաքին ML ծառայությանը** (օրինակ՝ Azure AutoML) ձևի “AI Action” հանգույցի միջոցով, փոխանցելով ընթացիկ համատեքստը և ստանալով վստահության միավոր.

### 3.4 Մարդկանց‑կենտրոնացված վահանակ

1. **Հրապարակեք “Ուղարկման առաջարկների ձևը”** անվտանգ վեբ պորտալում, որը օգտագործում են dispatch‑ի վերապահները:  
2. **Միացրեք “Հաստատել / Վերագրել” կոճակները**, որոնք ավտոմատ կերպով գործարկում են հետագա գործողություններ webhooks‑ների միջոցով:  
3. **Լոգավորեք յուրաքանչյուր որոշում**՝ համապատասխանության և ապագա մոդելների ուսուցման համար.

### 3.5 Ուղևորների հաղորդակցման ցիկլ

1. **Կոնֆիգուրացրեք “Ծանուցման ձև”**, որը ձևավորում է զգուշացումները push‑ծանուցումների, թվային ցուցակների և վահանակների ձայնային հայտարարությունների համար:  
2. **Քարտեզավորեք դաշտերը**՝ `route_id`, `expected_wait_time`, `crowding_level`:  
3. **Ինտեգրեք գոյություն ունեցող ուղևորների հարթակների հետ** (օրինակ՝ Google Transit, տեղական տրանսպորտի հավելվածներ) API կապակցումների միջոցով.

---

## 4. Մեքենա‑սովորող մոդելների ընտրություն

| Մոդել | Օգտագործման դեպք | Տվյալների պահանջներ | Տիպիկ ճշգրտություն |
|-------|-------------------|----------------------|--------------------|
| Gradient Boosted Trees (XGBoost) | Կարճաժամկետ պահանջի կանխատեսում (0‑30 րոպե) | Պատմական ուղևորների տվյալներ, եղանակ, միջոցառումների օրացույց | 85‑90 % MAE նվազեցում |
| LSTM Recurrent Neural Network | Հաջորդական բեռնման կանխատեսում մի քանի ժամերի համար | Պայմանների ժամանակական հաջորդականություն (ուղևորների հաշվիչներ, վահանակների դիրքերը) | 80‑88 % RMSE բարելավում |
| Bayesian Network | Հնարավորության հիմված տրամաբանական որոշում անսպասելի խանգարումների դեպքում | Իրական‑ժամանակի դեպքերի զեկույցներ, պատմական վերականգնման ժամանակներ | Ապահովում է վստահության ինտերվալներ որոշումների համար |

AI Form Builder-ը թույլ է տալիս **փոխարինել մոդելները** պարզապես թարմացնել “AI Action” endpoint‑ի URL‑ը, ինչը դարձնում է փորձարկումը անհատական և արագ.

---

## 5. Ակնկալվող օգուտներ և KPI-ի ազդեցություն

| KPI | Բազային (նախկին) | Նպատակ (12 ամիս) | Ակնկալվող ROI |
|-----|-------------------|------------------|----------------|
| Ուղևորների միջին սպասման ժամանակ | 7.2 րոպե | 4.5 րոպե | 30 % նվազեցում |
| Վահանակների բեռնվածություն > 85 % դեպքերի տոկոս | 22 % ճանապարհորդությունների | 9 % ճանապարհորդությունների | 13 % բարելավում |
| Ժամանակին կատարում (≤ 5 րոպե շեղում) | 81 % | 93 % | 12 % աճ |
| Վառելիքի ծախս մեկ ուղևոր‑կմ | 0.12 լ | 0.09 լ | 25 % խնայողություն |
| Ուղևորների գոհունակության գնահատում (հարցաթերթիկ) | 3.8 / 5 | 4.4 / 5 | 0.6 միավորի աճ |

Միջին չափի քաղաքում (≈ 150 k օրական բեռնվածություն) պիլոտը ցույց տվեց **12 % գեղակատարության նվազեցում գագաթժամանակում** երեք ամիսների հետո, ինչը թարգմանվում է **$1.2 M տարեկան օպերացիոն խնայողություն**.

---

## 6. Իրական աշխարհում պիլոտի պլան

| Ֆազա | Տևողություն | Կարևոր գործողություններ | Հաջողության չափանիշ |
|------|------------|--------------------------|----------------------|
| **Բացահայտում** | 4 շաբաթ | Սպասարկողների աշխատասենյակների վարպետություն, սենսորների աուդիտ, տվյալների ինվենտարիզացիա | Տվյալների փոխանակման համաձայնագրերի ստորագրություն |
| **Պրոտոտիպ** | 6 շաբաթ | Ստեղծել ներմուծման և կարողության ձևերը, ինտեգրել մեկ ուղու | 95 % տվյալների ամբողջականություն, < 5 վրկ ուշացում |
| **Պիլոտ** | 8 շաբաթ | Գործարկել 3 բարձր բեռնվածության ուղու, ակտիվացնել dispatch‑ի վահանակը | > 80 % առաջարկների ընդունում |
| **Մասշտաբավորում** | 12 շաբաթ | Ընդլայնել ամբողջ ցանցը, ավելացնել միջոցառումների‑պատասխան triggers | Ցանցի բեռնվածության նվազում > 10 % |
| **Օպտիմիզացիա** | Շարունակական | Վերապատրաստել ML մոդելները, ճշգրիտ շեմների կարգավորում, ավելացնել ուղևորների հետադարձ կապ | Կարգավորելի KPI‑ների շարունակական բարելավում |

---

## 7. Կառավարում, գաղտնիություն և անվտանգություն

* **Տվյալների նվազեցում** – հավաքվում են միայն ուղևորների հաշվիչները, ոչ անձնավոր տվյալներ:  
* **Շղթայով գաղտնագրում** – TLS 1.3 բոլոր MQTT/REST վերջնակետների համար:  
* **Դեր‑հիմնված հասանելիություն** – AI Form Builder‑ը աջակցում է մանրակրկիտ թույլտվությունների (դաշտ‑դաշտի կարդալ/գրել) կառավարմանը:  
* **Աուդիտային հետք** – Յուրաքանչյուր ձևի ներկայացում, որոշում և մոդելի ինֆերանս գրանցվում են անփոփոխ ժամանականշաններով:  
* **Համապատասխանություն** – Համապատասխանում է [GDPR](https://gdpr.eu/), [CCPA](https://oag.ca.gov/privacy/ccpa) և տեղական տրանսպորտի տվյալների գաղտնիության կանոններին:

---

## 8. Ապագա ընդլայնումներ

1. **Բազմամոդալ ինտեգրացիա** – Ընդլայնել նույն ձևերը հեծանվագումարների և միկրո‑բարձրունակության ֆլոտների համար, ստեղծելով ամբողջ քաղաքային կարողության տեսք:  
2. **Պրեվենտիվ սպասարկման գործիք** – Օգտագործել վահանակների բեռնվածության պիկները որպես նախնական նշաններ ծածկվածության համար, միացնելով այն սպասարկման պլանավորման ձևին:  
3. **Դինամիկ գնի փորձարկումներ** – Կապել կարողության տվյալները գնի կարգավորման ձևերի հետ, որպեսզի գագաթժամանակում պահանջը հավասարեցվի:  
4. **Համայնքի վավերացում** – Թույլ տալ ուղևորներին զեկուցել զգացած գեղակատարությունը՝ հեշտ բջջային ձևով, որը կպահպանի մոդելների ուսուցման համար:

---

## 9. Եզրակացություն

AI Form Builder-ը փոխում է ավանդական, բաժանված տրանսպորտային գործողությունների աշխարհը **կենդանի, տվյալ‑կենտրոնացված էկոհամակարգի**: Յուրաքանչյուր սենսորի, եղանակի զգուշացման և միջոցառման տվյալը դարձնելով կառուցված ձև, գործակալությունները ստանում են հնարավորությունը **անմիջապես արձագանքել և կանխատեսող պլանավորել**: Արդյունքում՝ ավելի հարթ, անվտանգ և կայուն հանրային տրանսպորտ, որը բավարարում է ժամանակակից քաղաքացիների ակնկալումները.

Իրականացնել ժամանակակից իրական‑ժամանակի ադապտիվ հանրային տրանսպորտի կարողության կառավարում համակարգը այլևս չի մնա ապագա տեսություն—սա պրակտիկ, ցածր‑կոդ լուծում է, որը կարելի է տեղադրել մի քանի ամիսների ընթացքում, ապահովելով չափելի օպերացիոն խնայողություն և զգալի բարելավված ուղևորների գոհունակություն.

---

## Տես նաև
- [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)