Što već danas prometni inženjeri moraju znati.

Današnja brzina i količina promjena u tehnologiji, a očito se i dalje ubrzava, stavlja i prometne inženjere pred egzistencijalno pitanje: što će biti s nama sutra? Pitanje je ujedno i prvi stih jednog glazbenog broja iz najpoznatijeg (mnogi kažu i najboljeg) hrvatskog mjuzikla “Jalta, Jalta“. Moj odgovor je isto komercijalan i jednako melodramatičan: Tomorrow never dies! Kao što James Bond nikada ne umire, tako neće ni zadaće, a time i potrebe za prometnim znanjima. Upravo obrnuto, zastupam tezu: čeka nas još i (pre)više posla.

Iako uvijek naglašavam mjerljivu (inženjersku) namjenu ovog bloga, ipak ću prekršiti pravilo i kratko se pozabaviti jednom općenitom temom. Bavit ću se mjerljivim stvarima na nemjerljiv (politički, općeniti) način. Budući sam cestovne struke, većinom se usmjeravam na ovo područje. Razlog ove teme je egocentričan (sebičan). U svojoj karijeri prošao sam razdoblja kontaktne tehnologije, logičkih sklopova (profesionalne elektronike), prvih primjena procesorsko i kapacitetom slabih računala, a danas već prolazi vrhunac paradigme ICT tehnologija i već smo dobrano zakoračili smo u područje umjetne inteligencije i njezinih podpodručja.

Kompilirao sam (nisam plagirao) brojne znanstvenostručne izvore i koliko god se usredotočio na striktne inženjerske probleme, nisam mogao pobjeći od društvenih implikacija novih tehnologija u prometu. Jednim takvim problemom slobode izbora itinerera u društvu autonomnih vozila bavio sam se u prethodnoj temi. Slika novih/budućih tehnologija u cestovnom prometu i svih izravnih implikacija i utjecaja prikazana je u mentalnoj mapi. Ova mapa je rezultat promišljanja u razdoblju šest mjeseci. Na kraju sam ih sveo u ovaj prikaz. Cjelovito? Ne. Konzistentno? Ni slučajno. Pregledno? Baš i ne. Ovo je moj pogled na ono što sam već polako i radio na nekim dokumentima i što očekujem sutra.

Sve polazi od definicije prometa koju sam naučio na Fakultetu prometnih znanosti u Zagrebu. Promet je sustav i proces u kojem se neki entitet (čovjek, stvar, informacija) prijevozi u nekom prometnom sredstvu (cestovnom, vlak, avion, brod, cjevovod itd.) po nekom prometnom koridoru prema utvrđenim pravilima. Još sam naučio da se prijevoz obavlja – to je proces, a promet se odvija – to je sustav. Bavim se onim dijelom prometne znanosti koja promišlja kako prometni entitet provesti nekim prometnim koridorom u željenom (ili zadanom) vremenu na zadovoljavajući (kvalitetan) i siguran način. Nije to neki “problem” do trenutka spoznaje da prometni entitet zauzima dio (prostor) prometnog koridora (koji većinom nije dostatan ili adekvatan) u nekom vremenu (koje je većinom “pogrešan trenutak”) i pri tome se moramo pridržavati unaprijed poznatih pravila (propisa). Zato je ova mentalna mapa nastala primarno s motrišta problematike teorije prometnog toka. Netko iz područja problematike prometnih procesa (prijevoza) napravio bi potpuno drugačiju mapu. U dosta dijelova bi se podudarali i to je upravo ono što promet čini uzbudljivim, dinamičnim, lijepim problematičnim, a danas često još uvijek i nerješivim (neodrživim).

Za opisati (objasniti) ovu mentalnu mapu trebala bi knjiga napisana od više autora. Ograničit ću se na one dijelove koje smatram otvorenim problemima (čitaj: izazovima, to je politički korektan izraz).

Novi (budući) cestovni promet će zasigurno utjecati i na društvene promjene. Zbog puno stvari, uključujući i loše poput pojave poput pandemije Covid-19 (početkom 2022. Europu je zahvatio peti val), tko zna kako ćemo i gdje stanovati, koliko ćemo željeti i moći se dnevno kretati, kod fizičkog kretanja da li će to biti, kao danas, vozila u našem vlasništvu ili javni prijevoz velikog kapaciteta, ili će dominirati car-sharing i manja javna autonomna vozila (paratranzit), ili će usluga MaaS (ili neka druga) postati dominantna, itd.. Kako bilo, promet će morati, kao i do sada, ispuniti određene funkcije.

Nove tehnologije bi trebale riješiti ili barem pomoći u rješavanju današnjih (velikih) problema prometnih sustava. Nedostatna razina automatizacije, bolje rečeno još uvijek presudan utjecaj ljudskog faktora (s ograničenim kvantumom znanja i procesnim kapacitetima) izravno utječe na učinkovitost prometa. Dvodimenzionalni prostor ima konačnu veličinu koji se ne može namijeniti isključivo prometu pa je dijeljena ili neka nova mobilnost itekako bliska budućnost. Možda nas tehnologija preseli i u treću dimenziju (z-os) iako suvremeni trendovi razvoja i štednje energenata ne idu u tom smjeru. Čak i 3D prostor ima konačan kapacitet za promet, poglavito individualni.

Ono puno uzbudljivije je na lijevoj strani mape. Nove mogućnosti i tehnologije (u mapi nazvane Inovacije) otvaraju zaista more novih rješenja (i problema). Neke stvari su već sadašnjost, primjerice virtualna realnost i on-line prometni modeli. Sve to omogućuje, a otvorit će i nove spoznaje sve veća dostupnost podataka. Brojna prometna rješenja već su isprepletena javnim i komercijalnim (naplativim) izvorima podataka.

Postojeće informatičke i mrežne tehnologije zadnjih 5 – 7 godina mnoge ljude su osvjestili da je prometna mreža “živi organizam” i da djelovanje jednog vozila nije “kap u moru” nego stvaran pozitivan/negativan utjecaj na neki prometni proces, a time i prometni sustav u cjelini. Danas se korisnici često oslanjaju na aplikacije na mobitelu koje izvještavaju o stanju prometne mreže. Današnji auti razine srednje klase imaju on-line navigacijske sustave koji automatski mijenjaju unaprijed izabranu najbolju (optimalnu) rutu u slučaju nekog poremećaja u mreži. U svom automobilu prvu takvu situaciju doživio sam prije četiri godine u Austriji na putu za Beč. Hrvatska je izgradila Nacionalnu pristupnu točku pa je za očekivati ubrzo takvu uslugu i našoj Domovini. Danas već polako postaje sutra.

Sve su to očekivanja koje donose nove informatičke i druge tehnologije, najčešće upakirane pod (ne)zasluženim nazivom umjetna inteligencija. Senzorika je uvijek imala izuzetne mogućnosti, a danas je postala i cjenovno pristupačna, kao i računala velike procesorske snage, a ljudsko znanje, inventivnost i imaginacija nikad nisu bili upitni. Sve zajedno (uključujući i robotiku) čini umjetnu inteligenciju i mnogi se, uključujući i mene, nadaju da će tako i ostati, u suživotu s čovjekom. Ono što unutar toga najviše interesira (bar bi trebalo) prometne inženjere je područje strojnog učenja, jer se upravo tu događaju stvari od našeg izravnog interesa za prometne procese i sustave. Kada se ogoli od svih komercijalnih i “stručnih” atributa strojno učenje je zaista pristupačno inženjerima svih profila i interesa.

Na web stranicama FER-a dostupna su predavanja iz strojnog učenja. Dostupan je pdf uvodnog predavanja kojeg potpisuju profesorica Dalbelo Bašić i profesor Šnajder iz kojeg ću “posuditi” par stvari jer, po meni, potpuno i istinito otkrivaju pozadinu i mogućnosti strojnog učenja u vrijeme nastanka ove teme (početak 2022. godine).

Prvo postavljaju tezu: podatci = sirove informacije, znanje = uzorci o podatcima ili modeli koji ih objašnjavaju. Svi znamo da podataka ima i previše, a znanja uvijek premalo. Da bi pretvorili podatke u neko praktično (korisno) znanje trebamo algoritme i/ili modele. Algoritmi/modeli predstavljaju pravila, uzorke po kojima ekstrahiramo podatke u novo znanje. Navodi se definicija strojnog učenja Ethema Alpaydına iz 2009. godine koja je za mene tautologija: Strojno učenje jest programiranje računala na način da optimiziraju neki kriterij uspješnosti temeljem podatkovnih primjera ili prethodnog iskustva. Sve se to dalje razvija prema (pod)područjima dubinske analize podataka (data mining), otkrivanja znanja u podatcima (datasets), kroz konkretne modele: nadziranog učenja (supervised learning), nenadziranog učenja (unsupervised learning), podržanog učenja (reinforcement learning), itd..

Na PMF-u se kreće s općom definicijom s tri primjera (čitanja teksta, izbora police osiguranja i igranja šaha) koja se isto može parafrazirati na jedan konkretan problem u cestovnom prometu:

• poboljšati kvalitetu izvršavanja zadaća / prepoznavanje prometnih znakova,
• obzirom na definiranu mjeru uspješnosti / postotak točno prepoznatih znakova,
• na osnovu dostupnog iskustva (znanja i podataka) / baza podataka prometnih znakova.

Na Internetu sam našao sljedeću sličnu točnu definiciju: Machine learning is turning things (data) into numbers and finding patterns in those numbers. Bukvalan (i točan) prijevod bi bio da strojno učenje pretvara stvari (podatke) u brojeve i pronalazi uzorke u tim brojevima. Slikovito prikazano, strojno učenje je:

Ono što zanima prometne inženjere je primjena ovakvih metoda u dinamičkim prilagodljivim sustavima, čemu danas težimo u prometu. U jednoj ranijom temi sam tretirao jedan specifičan problem cestovnog prometa kao (više)agentnog sustava (računalni sustav koji se može prilagoditi svojoj okolini). Dakle, ako je i postojao strah za budućnost prometnih inženjera, prikazana mentalna mapa i nove tehnološke mogućnosti učinile su upravo suprotno – otvorile su nove svjetove, a time i brojne poslove za buduće generacije; naravno, do pronalaska teleportacijskog uređaja iz Zvjezdanih staza (Star Trek).

Ako govorimo o Hrvatskoj, do danas nema puno ideja i aplikacija u prometu. Meni osobno nije poznata niti jedna u području cestovne prometne tehnike. Nadam se i vjerujem u brze promjene. Moja iskustva u ovom području su nikakva:

• dva regresijska prediktivna modela broja slobodnih mjesta u garažama,
• jedan regresijski prediktivni model dolaska autobusa na stajalište,

od čega niti jedan realiziran. Najbliže (skoroj) realizaciji bi mogao biti za dolaske autobusa, ali i to je malo vjerojatno jer nije obvezan.

Koliko budući prometni inženjeri dobivaju potrebnih znanja za danas i sutra. Pola stvari o kojima danas pričamo nisu postojale u moje vrijeme obrazovanja. Primjerice, nije bilo osobnih računala; prvo računalo uživo vidio sam u srednjoj školi 1982/83. godine, nekakav HP s malim monitorom u koji se mogao upisati neki kod, a prvi PC kojeg sam dotaknuo i radio na njemu na trećoj godini studija 1987. godine s aplikacijama DBase i Lotus 1-2-3. Studij sam proveo s Commodore 64 koristeći njegov rudimentaran (primitivan) BASIC. Ako postoji temeljno znanje (a postoji) i volja (trebala bi) onda nikakvo novo rješenje nije problem. Tisuće izvora tvrde (istinito) da se strojno učenje zasniva na poznavanju tri znanstvenostručna područja:

• matematika; linearna algebra, infinitezimalni račun, vjerojatnost i statistika,
• računarstvo; korištenje računala, algoritamsko razmišljanje, programiranje (osnove),
• uže područje struke na koje će se primijeniti strojno učenje.

Svaki inženjer, pa i prometni, tijekom studija dobiva potrebna znanja koja su, ako ništa drugo, dostatna za kasniji samostalni razvoj, samoučenje.

Europska unija donijela je smjernice u kojem pravcu bi trebao ići razvoj umjetne inteligencije. Dostupan je dokument pod nazivom “Fostering a European approach to Artificial Intelligence” oznake COM(2021) 205 final od 21.04.2021. godine. Postoji posebno poglavlje o prometu “Make mobility smarter, safer and more sustainable through AI” gdje se konkretno komentiraju zračni, željeznički, unutarnji vodni i cestovni promet. Za svaki vid prometa spominju se konkretni projekti pa se tako za cestovni promet posebno naglašava izvješće/dokument “Ethics of Connected and Automated Vehicles” koji predstavlja konkretne preporuke za razvoj cestovnog prometa u području novih generacija vozila. Daje se 20 preporuka za razvoj budućih generacija vozila u kojima sadašnji i budući inženjeri prometa imaju i te koliko posla. Preporuke navodim u izvornom (engleskom) obliku:

• Ensure that CAVs reduce physical harm to persons.
• Prevent unsafe use by inherently safe design.
• Define clear standards for responsible open road testing.
• Consider revision of traffic rules to promote safety of CAVs and investigate exceptions to non-compliance with existing rules by CAVs.
• Redress inequalities in vulnerability among road users.
• Manage dilemmas by principles of risk distribution and shared ethical principles.
• Safeguard informational privacy and informed consent.
• Enable user choice, seek informed consent options and develop related best practice industry standards.
• Develop measures to foster protection of individuals at group level.
• Develop transparency strategies to inform users and pedestrians about data collection and associated rights.
• Prevent discriminatory differential service provision.
• Audit CAV algorithms.
• Identify and protect CAV relevant high-value datasets as public and open infrastructural resources.
• Reduce opacity in algorithmic decisions.
• Promote data, algorithmic, AI literacy and public participation.
• Identify the obligations of different agents involved in CAVs.
• Promote a culture of responsibility with respect to the obligations associated with CAVs.
• Ensure accountability for the behaviour of CAVs (duty to explain).
• Promote a fair system for the attribution of moral and legal culpability for the behaviour of CAVs.
• Create fair and effective mechanisms for granting compensation to victims of crashes or other accidents involving CAVs.

Iza ovog birokratiziranog rječnika (mene “oduševljava”: Reduce opacity in algorithmic decisions) nalaze se neke isključivo inženjerske zadaće, većina je multidisciplinarna, a za neke će trebati politička odluka.

Kako god se promatra budućnost prometnih inženjera je itekako izvjesna, barem u cestovnom prometu. Čeka nas još više posla i “glavobolja”.