# Riadenie kapacity verejnej dopravy v reálnom čase s adaptívnym prístupom pomocou AI Form Builder

Dopravné agentúry po celom svete čelia trom prepojeným výzvam:

1. **Kolísavá dopyt** – špičkové nárasty, špeciálne podujatia a nečakané rušenia spôsobujú rýchle zmeny v počte cestujúcich.  
2. **Prevádzkové obmedzenia** – obmedzená veľkosť vozového parku, dostupnosť vodičov a regulačné štandardy služieb obmedzujú, ako rýchlo môžu agentúry reagovať.  
3. **Očakávania cestujúcich** – cestujúci teraz očakávajú aktualizácie v reálnom čase, nízku preplnenosť a plynulé multimodálne cesty.

Tradičné nástroje na plánovanie sa spoliehajú na statické cestovné poriadky a periodické manuálne úpravy. Výsledkom je buď nadmerná kapacita (plytvanie palivom a pracovnou silou) alebo nedostatočná kapacita (preplnené vozidlá, zmeškané spojenia a nespokojní cestujúci).

**AI Form Builder** – platforma na tvorbu formulárov s nízkym kódom a podporou AI – ponúka nový spôsob, ako previesť surové, prúdiace dáta na akčné, ľudsky čitateľné pracovné postupy, ktoré je možné vykonať okamžite. Vložením logiky poháňanej AI priamo do formulárov môžu agentúry zbierať, overovať a reagovať na dáta v priebehu sekúnd, čím uzavrú slučku spätnej väzby medzi terénom a riadiacim centrom.

Nižšie prechádzame architektúrou, kľúčovými komponentmi, krokmi implementácie a merateľnými prínosmi systému **Riadenia kapacity verejnej dopravy v reálnom čase s adaptívnym prístupom (RT‑APTCM)** postaveného na AI Form Builder.

---

## 1. Prehľad základnej architektúry

```mermaid
flowchart LR
    A["Senzory telemetrie vozidiel"] --> B["Vrstva príjmu AI Form Builder"]
    C["IoT zariadenia na počítanie cestujúcich"] --> B
    D["API udalostí a počasia"] --> B
    B --> E["Dynamický formulár kapacity (poháňaný AI)"]
    E --> F["Rozhodovací engine (pravidlami + ML)"]
    F --> G["Panel operácií dopravy"]
    G --> H["Systém rozmiestňovania a plánovania vozidiel"]
    H --> I["Služba upozornení cestujúcich v reálnom čase"]
    I --> J["Mobilné aplikácie a displeje pre cestujúcich"]
```

* **Senzory telemetrie vozidiel** – GPS, rýchlosť, udalosti otvorenia/zatvorenia dverí, úroveň paliva.  
* **IoT zariadenia na počítanie cestujúcich** – infračervené alebo počítačové vizuálne počítadlá pri dverách, kamery na nástupiskách, dáta o dotykoch smart kariet.  
* **API udalostí a počasia** – koncerty, športové podujatia, výstrahy pred nepriaznivým počasím, ktoré ovplyvňujú dopyt.  
* **Vrstva príjmu AI Form Builder** – sada automaticky vygenerovaných formulárov, ktoré normalizujú heterogénne dátové prúdy do jednotnej schémy.  
* **Dynamický formulár kapacity** – AI‑rozšírený formulár, ktorý vypočíta faktor zaťaženia v reálnom čase, predpovie blízku budúcnosť a navrhne korekčné opatrenia.  
* **Rozhodovací engine** – kombinuje pravidlami definované prahy (napr. „zaťaženie > 85 %\") s predikciami strojového učenia na tvorbu odporúčaní pre rozmiestnenie.  
* **Panel operácií dopravy** – vizuálne rozhranie pre supervízorov na schvaľovanie, obchádzanie alebo doladenie odporúčaní.  
* **Systém rozmiestňovania a plánovania vozidiel** – integruje sa s existujúcim softvérom pre správu vozového parku (napr. Trapeze, Clever Devices).  
* **Služba upozornení cestujúcich v reálnom čase** – posiela aktualizácie do mobilných aplikácií, digitálnych tabúľ a hlasových oznámení.

---

## 2. Prečo je AI Form Builder ideálnym spojivom

| Vlastnosť | Tradičný middleware | AI Form Builder |
|-----------|---------------------|-----------------|
| **Vytváranie formulárov s nízkym kódom** | Vyžaduje vývoj vlastného UI | Návrh formulárov drag‑and‑drop s AI‑navrhovanými typmi polí |
| **Zabudovaná validácia a AI inferencia** | Samostatné validačné služby + nasadzovanie modelov | Pravidlá validácie a volania modelov vložené priamo do formulára |
| **Kontrola verzií a auditná stopa** | Manuálne logovanie | Automatická história zmien, prístup na základe rolí |
| **Zachytávanie dát z viacerých kanálov** | Iba API, obmedzené na web | Podpora IoT, SMS, hlas, mobilných SDK „out‑of‑the‑box“ |
| **Rýchla iterácia** | Týždne až mesiace na zmeny schémy | Minúty na aktualizáciu polí, prahov alebo väzieb na modely |

Keď AI Form Builder považuje každý dátový bod za *pole formulára*, agentúry môžu okamžite pridať nové senzory, upraviť prahy alebo nahradiť predikčný model bez zásahu do kódu. Táto agilita je kľúčová pre systém, ktorý sa musí prispôsobovať denným výkyvom dopytu.

---

## 3. Sprievodca implementáciou krok za krokom

### 3.1 Získavanie a normalizácia dát

1. **Nasadiť IoT počítadlá** na všetky dvere vozidiel a hlavné nástupiská.  
2. **Zverejniť telemetriu** cez MQTT alebo REST endpointy.  
3. **Vytvoriť „Ingestion Forms“** v AI Form Builder: každý formulár mapuje surový JSON na kanonickú schému (`vehicle_id`, `timestamp`, `passenger_count`, `gps_lat`, `gps_lon`, `event_id`).  
4. **Povoliť AI‑asistované mapovanie polí** – platforma navrhne typy polí (číselné, geo‑bod) a automaticky vygeneruje validačné pravidlá (napr. počet cestujúcich nesmie byť záporný).

### 3.2 Výpočet zaťaženia v reálnom čase

1. **Navrhnúť „Capacity Form“**, ktorý agreguje najnovšie počty na vozidle a úseku trasy.  
2. **Pridať AI‑poháňané výpočty**:  
   * `load_factor = passenger_count / vehicle_capacity`  
   * `predicted_load = MLModel.predict([time_of_day, day_of_week, weather, event_id])`  
3. **Nastaviť dynamické prahy**:  
   * Ak `load_factor > 0.85` → *Upozornenie na vysokú preplnenosť*  
   * Ak `predicted_load > 0.90` → *Odporúčanie predbežného rozšírenia kapacity*

### 3.3 Integrácia rozhodovacieho engine

1. **Vytvoriť „Dispatch Recommendation Form“**, ktorý prijíma výstupy z Capacity Form.  
2. **Vložiť logiku pravidlového engine** pomocou podmienkových blokov AI Form Builder:  
   * `IF high_crowding THEN suggest additional vehicle`  
   * `ELSE IF low_load THEN suggest vehicle consolidation`  
3. **Prepojiť s externou ML službou** (napr. Azure AutoML) cez uzol „AI Action“, odovzdávať aktuálny kontext a prijímať skóre istoty.

### 3.4 Panel s ľudským vstupom

1. **Zverejniť Dispatch Recommendation Form** na zabezpečenom webovom portáli pre supervízorov rozmiestňovania.  
2. **Povoliť tlačidlá „Schváliť / Obísť“**, ktoré automaticky spúšťajú downstream akcie cez webhooky.  
3. **Zaznamenávať každé rozhodnutie** pre súlad a budúce trénovanie modelov.

### 3.5 Smyčka komunikácie s cestujúcimi

1. **Nastaviť „Notification Form“**, ktorý formátuje upozornenia pre push notifikácie, digitálne tabule a na‑board audio.  
2. **Mapovať polia** ako `route_id`, `expected_wait_time`, `crowding_level`.  
3. **Integrovať s existujúcimi platformami pre cestujúcich** (Google Transit, lokálne dopravné aplikácie) cez API konektory.

---

## 4. Voľby modelov strojového učenia

| Model | Použitie | Požiadavky na dáta | Typická presnosť |
|-------|----------|--------------------|-------------------|
| Gradient Boosted Trees (XGBoost) | Krátkodobá predikcia dopytu (0‑30 min) | Historické počty cestujúcich, počasie, kalendár podujatí | 85‑90 % zníženie MAE |
| LSTM Recurrent Neural Network | Sekvenčná predikcia za viac hodín | Časové rady počtov cestujúcich, polohy vozidiel | 80‑88 % zlepšenie RMSE |
| Bayesian Network | Pravdepodobné uvažovanie pri neistote (napr. náhle výpadky) | Správy o incidentoch v reálnom čase, historické časy zotavenia | Poskytuje intervaly istoty pre rozhodnutia |

AI Form Builder umožňuje **vymeniť modely** jednoduchou úpravou URL endpointu v uzle „AI Action“, čo robí experimentovanie bezbolestným.

---

## 5. Očakávané prínosy a vplyv na KPI

| KPI | Základ (pred implementáciou) | Cieľ (12 mesiacov) | Očakávaná návratnosť |
|-----|------------------------------|--------------------|-----------------------|
| Priemerný čas čakania cestujúcich | 7,2 min | 4,5 min | 30 % zníženie |
| Výskyt zaťaženia vozidla > 85 % | 22 % jázd | 9 % jázd | 13 % zlepšenie |
| Presnosť časových plánov (≤ 5 min odchýlka) | 81 % | 93 % | 12 % nárast |
| Spotreba paliva na pasažiersko‑km | 0,12 L | 0,09 L | 25 % úspora |
| Skóre spokojnosti cestujúcich (prieskum) | 3,8 / 5 | 4,4 / 5 | +0,6 bodu |

Pilot v stredne veľkom meste (≈ 150 tis. denných nástupov) zaznamenal **12 % zníženie preplnenosti počas špičiek** po troch mesiacoch, čo sa preložilo na **úsporu 1,2 mil. $ ročne**.

---

## 6. Blueprint pilotného projektu

| Fáza | Trvanie | Kľúčové aktivity | Kritériá úspechu |
|------|---------|------------------|------------------|
| **Objavovanie** | 4 týždne | Workshopy so stakeholdermi, audit senzorov, inventarizácia dát | Podpísané dohody o zdieľaní dát |
| **Prototyp** | 6 týždňov | Vytvorenie ingest a capacity formulárov, integrácia jednej trasy | 95 % úplnosť dát, < 5 s latencia |
| **Pilot** | 8 týždňov | Nasadenie na 3 najvyťaženejších trasách, aktivácia panelu operácií | > 80 % odporúčaní akceptovaných |
| **Rozšírenie** | 12 týždňov | Pokrytie celého siete, pridanie spúšťačov na podujatia | Zníženie zaťaženia siete > 10 % |
| **Optimalizácia** | priebežná | Retréning modelov, dolaďovanie prahov, zavedenie spätnej väzby od cestujúcich | Kontinuálne zlepšovanie KPI |

---

## 7. Správa, ochrana súkromia a bezpečnosť

* **Minimalizácia dát** – zbierame len počty cestujúcich, nie osobné údaje.  
* **Šifrovanie pri prenose** – TLS 1.3 pre všetky MQTT/REST endpointy.  
* **Prístup na základe rolí** – AI Form Builder podporuje detailné oprávnenia (čítanie/zápis na úrovni polí).  
* **Auditná stopa** – Každé odoslanie formulára, rozhodnutie a inferencia modelu sú zaznamenané s nezmeniteľnými časovými pečiatkami.  
* **Súlad** – Zodpovedá požiadavkám GDPR, CCPA a miestnych zákonov o ochrane dopravných dát.

---

## 8. Budúce rozšírenia

1. **Multimodálna integrácia** – rozšíriť rovnaké formuláre na zdieľané bicykle a mikromobility, čím vznikne celomestský pohľad na kapacitu.  
2. **Spúšťač prediktívnej údržby** – využiť špičky zaťaženia ako včasné signály opotrebenia a prepojiť ich s formulárom plánovania údržby.  
3. **Experimenty s dynamickým tarifovaním** – spojiť kapacitné dáta s formulármi úpravy cien na vyhladzovanie dopytu počas špičiek.  
4. **Crowd‑sourced validácia** – umožniť cestujúcim hlásiť vnímanú preplnenosť cez ľahký mobilný formulár, čím sa obohatia tréningové dáta modelov.

---

## 9. Záver

AI Form Builder mení tradične izolovaný svet dopravných operácií na **živý, dátovo‑riadený ekosystém**. Prevedením každého senzorového signálu, výstrahy počasia a kalendára podujatí na štruktúrovaný, AI‑rozšírený formulár získavajú agentúry schopnosť **okamžite reagovať** a **proaktívne plánovať**. Výsledkom je plynulejšia, bezpečnejšia a udržateľnejšia verejná doprava, ktorá spĺňa očakávania moderných obyvateľov miest.

Nasadenie systému Riadenia kapacity verejnej dopravy v reálnom čase s adaptívnym prístupom už nie je futuristickým snom – je to praktické riešenie s nízkym kódom, ktoré možno implementovať v priebehu mesiacov a prináša merateľné úspory prevádzky a výrazné zvýšenie spokojnosti cestujúcich.

---

## Pozri aj
- [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)