# Real‑time adaptuojamas viešojo transporto talpos valdymas su AI Form Builder

Viešojo transporto įmonės visame pasaulyje susiduria su trimis susijusiomis problemomis:

1. **Kintanti paklausa** – pikų valandų šuoliai, specialūs renginiai ir netikėti sutrikimai sukelia greitus keleivių apkrovų pokyčius.  
2. **Operaciniai apribojimai** – ribotas transporto priemonių parkas, vairuotojų prieinamumas ir reguliavimo paslaugų standartai riboja, kaip greitai įmonės gali reaguoti.  
3. **Keleivių patirties lūkesčiai** – keleiviai dabar tikisi realaus laiko atnaujinimų, mažos minios ir sklandžių multimodalių kelionių.

Tradiciniai planavimo įrankiai remiasi statiniais tvarkaraščiais ir periodiniais rankiniais koregavimais. Rezultatas – arba per didelė paslauga (švaistomas kuras ir darbo jėga), arba nepakankama paslauga (perpildytos transporto priemonės, praleistos persėdimų galimybės ir nepatenkinti keleiviai).  

**AI Form Builder** – mažo kodo, AI patobulinta formų kūrimo platforma – siūlo naują būdą paversti neapdorotus, srautinio duomenų srautus į veiksmingus, žmonėms suprantamus darbo procesus, kurie gali būti įvykdyti akimirksniu. Įterpiant AI valdomą logiką tiesiai į formas, įmonės gali rinkti, tikrinti ir veikti duomenimis per kelias sekundes, uždarydamos grįžtamojo ryšio ciklą tarp lauko ir valdymo centro.

Žemiau apžvelgiame architektūrą, pagrindinius komponentus, įgyvendinimo žingsnius ir matuojamus privalumus **Real‑time adaptuojamos viešojo transporto talpos valdymo (RT‑APTCM)** sistemos, sukurtos ant AI Form Builder.

---

## 1. Pagrindinė architektūros apžvalga

```mermaid
flowchart LR
    A["Vehicle Telemetry Sensors"] --> B["AI Form Builder Ingestion Layer"]
    C["Passenger‑Count IoT Devices"] --> B
    D["Event & Weather APIs"] --> B
    B --> E["Dynamic Capacity Form (AI‑Powered)"]
    E --> F["Decision Engine (Rule‑Based + ML)"]
    F --> G["Transit Operations Dashboard"]
    G --> H["Vehicle Dispatch & Scheduling System"]
    H --> I["Real‑Time Rider Notification Service"]
    I --> J["Passenger Mobile Apps & Displays"]
```

* **Transporto priemonių telemetrijos jutikliai** – GPS, greitis, durų atidarymo/uždarymo įvykiai, kuro lygis.  
* **Keleivių skaičiavimo IoT įrenginiai** – infraraudonųjų spindulių arba kompiuterio vizijos skaitikliai prie durų, platformų kameros, išmaniosios kortelės prisilietimo duomenys.  
* **Renginių ir oro prognozės API** – koncertai, sporto varžybos, stiprūs oro įspėjimai, kurie veikia paklausą.  
* **AI Form Builder įsisavinimo sluoksnis** – automatiškai sukurtų formų rinkinys, normalizuojantis heterogeniškus duomenų srautus į vieningą schemą.  
* **Dinaminė talpos forma** – AI patobulinta forma, kuri apskaičiuoja realaus laiko apkrovos koeficientą, prognozuoja artimiausią paklausą ir siūlo korekcinius veiksmus.  
* **Sprendimų variklis** – sujungia taisyklėmis pagrįstus slenksčius (pvz., „apkrova > 85 %“) su mašininio mokymosi prognozėmis, kad pateiktų paskirstymo rekomendacijas.  
* **Transporto operacijų skydelis** – vizualinė sąsaja prižiūrėtojams patvirtinti, atšaukti arba tikslinti rekomendacijas.  
* **Transporto priemonių paskirstymo ir planavimo sistema** – integruojama su esama parko valdymo programine įranga (pvz., Trapeze, Clever Devices).  
* **Keleivių pranešimų paslauga** – siunčia atnaujinimus į mobilias programas, skaitmenines reklamas ir balsinius pranešimus.

---

## 2. Kodėl AI Form Builder yra idealus „klijai“

| Savybė | Tradicinis tarpinis programinis įrenginys | AI Form Builder |
|--------|--------------------------------------------|-----------------|
| **Žemo kodo formų kūrimas** | Reikalingas individualus UI kūrimas | Drag‑and‑drop formų kūrimo įrankis su AI siūlomais laukų tipais |
| **Įdėta validacija ir AI inferencija** | Atskiri validacijos servisai + modelio teikimas | Validacijos taisyklės ir modelio kvietimai įterpti tiesiai į formą |
| **Versijų kontrolė ir audito takelis** | Rankinis žurnalas | Automatinė keitimų istorija, rolės pagrindu paremtas priėjimas |
| **Daugiakanalinis duomenų surinkimas** | Tik API, ribotas iki web | Palaiko IoT, SMS, balsą, mobilias SDK iš karto |
| **Greita iteracija** | Savaitės ar mėnesiai schemai keisti | Minutės laiko lauko, slenksčių, modelio susiejimo atnaujinimui be kodo keitimo |

Kadangi AI Form Builder traktuoja kiekvieną duomenų tašką kaip *formos lauką*, įmonės gali akimirksniu pridėti naujus jutiklius, koreguoti slenksčius arba pakeisti prognozavimo modelį, nepaliečiant pagrindinės kodo bazės. Ši lankstumas yra esminis sistemai, kuri turi prisitaikyti prie kasdieninių paklausos svyravimų.

---

## 3. Žingsnis po žingsnio įgyvendinimo vadovas

### 3.1 Duomenų įgijimas ir normalizavimas

1. **Įdiekite IoT skaitiklius** visų transporto priemonių duryse ir pagrindinėse platformose.  
2. **Pateikite telemetriją** per MQTT arba REST galinius taškus.  
3. **Sukurkite „Įsisavinimo formas“** AI Form Builder: kiekviena forma susieja žaliąjį JSON duomenų paketą su kanonine schema (`vehicle_id`, `timestamp`, `passenger_count`, `gps_lat`, `gps_lon`, `event_id`).  
4. **Įjunkite AI‑pagelbintą laukų susiejimą** – platforma siūlo laukų tipus (skaitinis, geo‑taškas) ir automatiškai generuoja validacijos taisykles (pvz., keleivių skaičius negali būti neigiamas).

### 3.2 Realaus laiko apkrovos skaičiavimas

1. **Suplanuokite „Talpos formą“**, kuri agreguoja naujausius skaičius pagal transporto priemonę ir maršruto segmentą.  
2. **Pridėkite AI‑valdomus skaičiavimus**:  
   * `load_factor = passenger_count / vehicle_capacity`  
   * `predicted_load = MLModel.predict([time_of_day, day_of_week, weather, event_id])`  
3. **Nustatykite dinamiškus slenksčius**:  
   * Jei `load_factor > 0.85` → *Įspėjimas apie didelę minią*  
   * Jei `predicted_load > 0.90` → *Preemptinė skalės rekomendacija*

### 3.3 Sprendimų variklio integracija

1. **Sukurkite „Paskirstymo rekomendacijų formą“**, kuri naudoja „Talpos formos“ išvestis.  
2. **Įterpkite taisyklėmis pagrįstą logiką** naudojant AI Form Builder sąlygos blokus:  
   * `IF high_crowding THEN suggest additional vehicle`  
   * `ELSE IF low_load THEN suggest vehicle consolidation`  
3. **Susiekite su išoriniu ML servisu** (pvz., Azure AutoML) per formos „AI Action“ mazgą, perduodant dabartinį kontekstą ir gaunant pasitikėjimo balą.

### 3.4 Žmogaus įtrauktas skydelis

1. **Publikuokite Paskirstymo rekomendacijų formą** saugiame web portale, kurį naudoja paskirstymo prižiūrėtojai.  
2. **Įjunkite „Patvirtinti / Atšaukti“ mygtukus**, kurie automatiškai sukelia veiksmus per webhook'us.  
3. **Užregistruokite kiekvieną sprendimą** atitikties ir būsimo modelio mokymo tikslais.

### 3.5 Keleivių komunikacijos ciklas

1. **Sukonfigūruokite „Pranešimų formą“**, kuri formatuoja įspėjimus push pranešimams, skaitmeninėms reklamoms ir įgulos garsiniams pranešimams.  
2. **Susiekite laukus** kaip `route_id`, `expected_wait_time`, `crowding_level`.  
3. **Integruokite su esamomis keleivių platformomis** (pvz., Google Transit, vietinėmis transporto programėlėmis) per API jungiklius.

---

## 4. Mašininio mokymosi modelių pasirinkimai

| Modelis | Naudojimo atvejis | Duomenų reikalavimai | Įprastinis tikslumas |
|---------|-------------------|----------------------|----------------------|
| Gradientų sustiprinti medžiai (XGBoost) | Trumpalaikė paklausos prognozė (0‑30 min) | Istoriniai keleivių duomenys, oras, renginių kalendoriai | 85‑90 % MAE sumažėjimas |
| LSTM rekursinis neuroninis tinklas | Sekvencinė apkrovos prognozė kelioms valandoms | Laiko serijos keleivių skaičiai, transporto priemonių vietos | 80‑88 % RMSE pagerinimas |
| Bayeso tinklas | Probabilinis sprendimas neapibrėžtumo sąlygomis (pvz., staigus sutrikimas) | Realaus laiko incidentų pranešimai, istoriniai atkūrimo laikai | Suteikia pasitikėjimo intervalus sprendimams |

AI Form Builder leidžia **keisti modelius** tiesiog atnaujinant „AI Action“ galinio taško URL, todėl eksperimentavimas tampa be vargo.

---

## 5. Tikėtini privalumai ir KPI poveikis

| KPI | Pradinė būsena (prieš įgyvendinimą) | Tikslas (po 12 mėn.) | Numatomas ROI |
|-----|------------------------------------|----------------------|----------------|
| Vidutinis keleivių laukimo laikas | 7,2 min | 4,5 min | 30 % sumažėjimas |
| Transporto priemonių apkrovos > 85 % dažnis | 22 % kelionių | 9 % kelionių | 13 % pagerėjimas |
| Laiku vykdymas (≤ 5 min nukrypimas) | 81 % | 93 % | 12 % augimas |
| Kuro sąnaudos vienam keleiviui‑km | 0,12 L | 0,09 L | 25 % taupymas |
| Keleivių pasitenkinimo indeksas (apklausa) | 3,8 / 5 | 4,4 / 5 | 0,6 balo padidėjimas |

Pilotinis projektas vidutinio dydžio mieste (≈ 150 k kasdieninių įlipsų) parodė **12 % pikų valandų minių sumažėjimą** po trijų mėnesių, kas išvertė į **1,2 M USD metines operatyvines taupymo**.

---

## 6. Realus pilotinis planas

| Etapas | Trukmė | Pagrindinės veiklos | Sėkmės kriterijai |
|--------|--------|----------------------|-------------------|
| **Atranka** | 4 sav. | Suinteresuotų šalių dirbtuvės, jutiklių auditas, duomenų inventorius | Pasirašytos duomenų dalijimosi sutartys |
| **Prototipas** | 6 sav. | Sukurti įsisavinimo ir talpos formas, integruoti vieną maršrutą | 95 % duomenų pilnumas, < 5 s vėlavimas |
| **Pilotas** | 8 sav. | Įdiegti 3 labiausiai apkrautas maršrutus, įjungti paskirstymo skydelį | > 80 % rekomendacijų priimta |
| **Plėtra** | 12 sav. | Išplėsti visam tinklui, pridėti įvykių ir oro trigerius | Tinklo mastu apkrovos sumažėjimas > 10 % |
| **Optimizavimas** | Nuolat | Permokyti ML modelius, tikslinti slenksčius, įtraukti keleivių atsiliepimus | Nuolatinis KPI gerėjimas |

---

## 7. Valdymas, privatumas ir saugumas

* **Duomenų minimizavimas** – renkame tik keleivių skaičių, ne asmeninius identifikacinius duomenis.  
* **Šifravimas perdavime** – TLS 1.3 visiems MQTT/REST galiniams taškams.  
* **Rolės pagrindu paremtas priėjimas** – AI Form Builder palaiko smulkią leidimų kontrolę (pvz., lauko‑lygio skaitymas/rašymas).  
* **Audito takeliai** – Kiekvienas formos pateikimas, sprendimas ir modelio inferencija registruojami su nekeičiama laiko žyme.  
* **Atitiktis** – Atitinka [GDPR](https://gdpr.eu/), [CCPA](https://oag.ca.gov/privacy/ccpa) ir vietinius transporto duomenų privatumo įstatymus.

---

## 8. Ateities plėtiniai

1. **Multimodalinė integracija** – išplėsti tas pačias formas į dviračių dalijimosi ir mikro‑mobilumo parkus, sukuriant miesto masto talpos vaizdą.  
2. **Prognozinė priežiūra** – naudoti transporto priemonių apkrovos šuolius kaip ankstyvą nusidėvėjimo indikatorių, tiekiant į priežiūros planavimo formą.  
3. **Dinaminės kainodaros eksperimentai** – susieti talpos duomenis su kainų koregavimo formomis, siekiant išlyginti paklausą pikų valandomis.  
4. **Keleivių patvirtinimo validacija** – leisti keleiviams per lengvą mobiliosios programėlės formą pranešti apie minių lygį, papildomai mokant modelius.

---

## 9. Išvada

AI Form Builder paverčia tradiciškai izoliuotą transporto operacijų pasaulį į **gyvą, duomenimis valdomą ekosistemą**. Paverčiant kiekvieną jutiklio įrašą, oro įspėjimą ir renginio tvarkaraštį į struktūruotą, AI patobulintą formą, įmonės įgyja galimybę **reaguoti akimirksniu** ir **planavimą proaktyviai**. Tai lemia sklandesnę, saugesnę ir tvaresnę viešojo transporto patirtį, atitinkančią šiuolaikinių miesto gyventojų lūkesčius.

Įgyvendinti Real‑time adaptuojamos viešojo transporto talpos valdymo sistemą nebėra futuristinė vizija – tai praktiškas, mažo kodo sprendimas, kurį galima įdiegti per kelis mėnesius, suteikiantis matomų operatyvinių taupymų ir reikšmingą keleivių pasitenkinimo padidėjimą.

---

## Susiję

- [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)