Neven Grubišić, Sveučilište u Rijeci, Pomorski fakultet
Saša Vojvodić, Ericsson Nikola Tesla d.d.
EDIH Adria je dio mreže europskih digitalnih centara za inovacije, a zadužen je za digitalnu transformaciju privatnog i javnog sektora u Jadranskoj Hrvatskoj
Uvođenje digitalnih inovativnih tehnologija ključni su za jačanje konkurentnosti gospodarstva i efikasnost javnog sektora u vremenu u kojem živimo. Među njima se posebno izdvajaju umjetna inteligencija i računarstvo visokih performansi. Navedena teza prepoznata je od strane Europske komisije koja je diljem Europske unije inicirala osnivanje Europskih centara za digitalne inovacije, skraćeno EDIH. Zadatak tih centara je pomoć i davanje stručne pomoći poduzećima i javnom sektoru u razvoju proizvoda i usluga temeljenih na digitalnim inovativnim tehnologijama. EDIH Adria je dio mreže europskih digitalnih centara za inovacije, a zadužen je za digitalnu transformaciju privatnog i javnog sektora u Jadranskoj Hrvatskoj. Sektori koji su u fokusu aktivnosti EDIH Adrije jesu: zdravlje i kvaliteta života, energija i održivi razvoj, te prijevoz i mobilnost. Jačanje ovih sektora smatraju se ključnim za bržu tranziciju Jadranke Hrvatske prema digitalnoj ekonomiji. Treba reći da je opći cilj europskih digitalnih centara za inovacije usmjeren ka jačanju europske konkurentnosti i zelenoj tranziciji, ali i razvoj usmjeren ka većem stupnju tehnološke suverenosti i neovisnosti EU. Centralna aktivnost EDIH Adrije predstavlja prethodno testiranje primjene inovativnih tehnologija, prije odluke o samom investiranju u proizvode koji se temelje na tim tehnologijama, tzv. Test Before Invest (TBI). Koristeći znanje, vještine i stručnost članova projektnog tima te relevantnu opremu, korisnicima se nudi podrška, savjetovanje te demonstracija mogućnosti digitalnih tehnologija i alata kroz
identificirane slučajeve (use-cases) iz sektorskih domena.
Tijekom 2024. provedeno je nekoliko TBI-ova za korisnike iz javnog sektora gdje su se testirale i prezentirale tehnologije iz domene upravljanja prometom i mobilnošću kao i primjene digitalnih prometnih modela. U nastavku se daje kratak osvrt na četiri TBI koji su provedeni za korisnike: Primorsko-goransku županiju, Grad Cres, Grad Opatiju i Općinu Matulji. U sklopu TBI za PGŽ testirana je tehnologija mapiranja dnevnih putovanja na prostoru Gorskog kotara integriranjem podataka iz mobilnih mreža u prometni model te su tako dobivene matrice mobilnosti stavljene u odnos s postojećom razinom ponude usluge javnog prijevoza u tom području. Za obradu prikupljenih podataka iz mobilnih mreža korišteni su napredni alati, Apache Spark i Hadoop Distributed File System, namijenjeni za analizu velikog skupa podataka (Big Data Analytics) koji koriste napredne tehnologije strojnog učenja (Machine Learning) za inženjering podataka. Odabrani su karakteristični dani tijekom kojih su se prikupljali anonimizirani podaci iz GSM mreže te obrađivali s ciljem dobivanje obrazaca mobilnosti stanovništva na području Gorskog kotara. Prostor je podijeljen u zone koje odgovaraju administrativnoj podjeli na naselja i gradove, a mobilnost za karakteristične dane iskazana je kroz O-D matrice putovanja, za sve modove prijevoza, te odvojeno za javni prijevoz (Slika 1). Drugi korak u sklopu ovog TBI-a bila je izrada statičkog GTFS-a (General Transit Feed
Specification) za javni prijevoz, formata zapisa o javnom prijevozu koji uključuje standardizirani digitalni zapis linija javnog prijevoza, ruta, vremenskih profila te reda vožnje. Kako ovakav zapis nije postojao za ciljane linije javnog prijevoza, napravljen je testni GTFS zapis koji je uvezen u model. Kroz model se ostvaruje povezivanje prometne ponude (prometna infrastruktura i usluge javnog prijevoza) i prometne potražnje odnosno potrebe za putovanjima. Na taj način moguće je simulirati različite scenarije, ali i testirati kvalitetu povezanosti pojedinih područja, te dostupnost i pristupačnost javnog prijevoza.
U sklopu TBI za grad Cres napravljena je simulacija usluge javnog prijevoza na zahtjev – DRT (Demand Responsive Transport), odnosno prijevoza temeljenog na dijeljenju vožnje (Ride Sharing), na temelju estimacije potražnje za putovanjima na području otoka Cresa. Motiv za ovaj TBI bio je zahtjev korisnika, grada Cresa da se osmisli alternativno rješenje za osiguravanje veće mobilnosti lokalnog stanovništva. Istaknut je problem manjih naselja gdje konvencionalni javni prijevoz ne egzistira zbog neisplativosti što znatno utječe na umanjenje kvalitete života na otoku i potiče iseljavanje stanovništva. DRT usluga je oblik javnog prijevoza putnika prilagođen korisniku kojeg karakteriziraju fleksibilnost ruta i manja vozila kojima se obavlja prijevoz po sistemu dijeljenja vožnje između točaka preuzimanja tj. mjesta ukrcaja putnika i mjesta iskrcaja, na temelju zahtjeva putnika i njihovim potrebama. Glavne prednosti ove usluge primjenljivo u ruralnim područjima, jesu bolja pristupačnost regionalnim centrima i linijama javnog prijevoza, veća efikasnost i manji troškovi u odnosu na konvencionalnu uslugu javnog prijevoza, te optimalno iskorištenje resursa uz pomoć IT tehnologija i računalnih programskih rješenja. Na temelju provedenog istraživanja u kojem su sudjelovali stanovnici otoka, dobiveni su inicijalni podaci o potrebama, količini i svrsi putovanja, kao i informacije o zainteresiranosti za uslugu prijevoza koja se zasniva na generiranim zahtjevima i logistici dijeljenja vožnje. Izrađen je jednostavan DRT model koji u prvom koraku generira slučajne
pojedinačne zahtjeve za putovanjima s obzirom na lokaciju, ciljano vrijeme početka putovanja, odredište te prihvatljive razine čekanja na uslugu i odstupanja od najkraće rute. Navedeno informacije karakteriziraju DRT uslugu pa ih je potrebno postaviti u svojevrsni odnos s mogućnostima prijevoza, prijevoznim sredstvima, njihovim kapacitetima i trenutnim pozicijama vozila, kako bi se osigurala svojevrsna ravnoteža između potreba i mogućnosti. U drugom koraku zahtjevima su pridruženi nalozi odnosno vozila, te su simulirane vožnje i prikazani rezultati u vidu realiziranih putovanja na mreži (Slika 2.).
Korištenjem prometnih simulacija moguće je testirati različite scenarije izvršenja, pa su tako testirane različite konfiguracije voznog parka, tj. broja i kapaciteta vozila, mjesta ukrcaja i iskrcaja putnika te mjesta koja je moguće koristiti kao depoe gdje bi DRT vozila čekala na nalog, odnosno gdje bi se punila električnom energijom u slučaju korištenja elektro-vozila. Kroz simulaciju je moguće pratiti dodijeljenu rutu kretanja pojedinačnog vozila te redoslijed izvršenja naloga, kao i dobiti podatke o performansama usluge (Slika 3.)
U sklopu TBI za grad Opatiju i za općinu Matulji, testirane su mogućnosti prometnih modela i prometnih simulacija za estimaciju raspodjele prometnih tokova na temelju postavljanja ograničenog broja senzora na glavne presjeke prometne mreže, te su prikazane mogućnosti dobivanje prometne metrike i kvantificiranih pokazatelja utjecaja prometa na okoliš (Key Performance Indicators – KPI), kao i mogućnosti kreiranje različitih scenarija upravljanja prometom (Slika 4.). 
Također je prikazana mogućnost primjene algoritama umjetne inteligencije (AI), koji se temelje na detekciji, prepoznavanju i kategorizaciji uzoraka, a svode se na analizu video stream-a s kamera postavljenih na ključnim presjecima ili raskrižjima. Na taj način ove kamere postaju inteligentne i mogu se koristiti za prikupljanje podataka u strojno čitljivom formatu, što je neophodno da bi se oni mogli dalje koristiti kao ulazni podaci za prometne modele. Osim podataka sa privremenih senzora koji su postavljeni radi realizacije usluge, korišteni su i podaci iz Nacionalne pristupne točke (NPT) koji obuhvaćaju prometne informacije sa brojača postavljenim na prometnicama u širem području. Podatke iz NPT moguće je automatski preuzimati i integrirati u prometni model na način da se oni automatski ažuriraju u zadanim intervalima (npr. svakih 5-15 minuta). U tom slučaju prometni model dobiva dinamička obilježja i prikazuje stvarno stanje s minimalnom odgodom (Near Real Time Simulation).
Temeljem podataka sa privremeno postavljenih senzora i podataka dostupnih s Nacionalne pristupne točke, kroz digitalni prometni model je napravljena estimacija putovanja prema ishodišno-odredišnim zonama na razini jednog sata. Estimacija je provedena korištenjem naprednih algoritama korigiranja inicijalnih matrica potražnje tzv. TFuzzyFlow metoda (estimacija tokova na temelju neizrazite logike), odnosno LSM metoda (estimacija tokova na temelju metode najmanjih kvadrata). Za raspodjelu prometnih opterećenja korištena je dinamička asignacija na osnovu simulacije (Simulation Based Assignment). Ova vrsta raspodjele za rezultat ima točnije estimacije prometnih tokova na mikrorazini jer uzima u obzir dinamiku vozila i promjene koje su posljedica dnevnih varijacija prometne potražnje (Slika 6.). U sklopu simulacija mogu se testirati i različiti scenariji kao potpora aktivnom upravljanju prometom.
Zaključno, može se istaknuti da je primjena digitalnih inovativnih tehnologija u prometu realnost koja se ostvaruje u brojnim europskim i svjetskim gradovima, pa i onima u našem bližem okruženju. EDIH Adria je projekt koji može pomoći da se njihova primjena ostvari i u Hrvatskoj. U tom kontekstu može se izvući zajednička osnova svim dosadašnjim testiranjima u sklopu TBI aktivnosti, a to je potreba integriranog rješenja za upravljanje prometom i mobilnošću koje će objediniti funkcionalnost prometnog modela, tehnologija koje mogu mapirati mobilnost stanovništva, te podatke o prometu i javnom prijevozu u stvarnom vremenu. Na taj način moguće je zaista stvoriti tzv. digitalnog blizanca prometnog sustava.
