Kako AI smanjuje prometne gužve u pametnim gradovima: Primjer Zagreba

Što je AI upravljanje prometom i kako funkcionira?

Umjetna inteligencija transformira gradski promet iz reaktivnog sustava u prediktivnu mrežu koja analizira milijune vožnji dnevno i optimizira semafore u stvarnom vremenu, smanjujući zastoje do 30% i emisije stakleničkih plinova do 10%.

Za razliku od tradicionalnih prometnih sustava koji rade po unaprijed programiranim vremenskim ciklusima, AI sustavi kontinuirano uče iz podataka. Sustav prikuplja informacije iz GPS uređaja, kamera na raskrižjima, senzora u kolnicima i povijesnih prometnih obrazaca. Algoritmi dubokog učenja zatim predviđaju prometna opterećenja i dinamički prilagođavaju trajanje zelenih svjetala.

Prema podacima s Google AI Bloga, projekt "Green Light" obrađuje do 30 milijuna vožnji mjesečno na više od 70 raskrižja globalno, koristeći isključivo postojeću infrastrukturu - bez potrebe za kopanjem cesta ili ugradnjom novih senzora.

Zagreb je 2025. godine investirao preko 20 milijuna eura u modernizaciju Prometnog centra, s dodatnih 10 milijuna eura planiranih za 2026. godinu. Trenutno je više od 160 semaforiziranih raskrižja povezano u centralni sustav, a cilj je dosegnuti svih 487 raskrižja do 2028. godine.

Kako AI konkretno smanjuje prometne gužve?

AI sustavi koriste tri ključne tehnike: prediktivnu analitiku prometnih tokova, dinamičku optimizaciju semafora i prioritizaciju javnog prijevoza, što zajedno smanjuje vrijeme čekanja vozila do 40%.

Prediktivna analitika prometnih obrazaca

Umjesto da reagiraju na trenutno stanje, AI algoritmi predviđaju buduće gužve analizirajući:

• Povijesne podatke o prometnim špicama (jutarnja i popodnevna)
• Vremenske uvjete i njihov utjecaj na promet
• Događaje u gradu (koncerti, utakmice, sajmovi)
• Podatke iz navigacijskih aplikacija o planiranim rutama

Istraživanja iz 2026. godine pokazuju da multi-agentni sustavi i algoritmi dubokog učenja poboljšavaju ukupni prometni protok za 20-35%. Prema OECD smjernicama za AI politiku, najuspješniji sustavi integriraju različite oblike prijevoza (multimodalni transport) kako bi smanjili gradski ugljični otisak.

Dinamička optimizacija semafora

Zagreb je sredinom 2025. godine uložio 400.000 eura u zamjenu zastarjelih semafora novim, modularnim uređajima s naprednim video senzorima. Ovi senzori koriste računalni vid za:

1. Brojanje vozila na svakom prometnom traku u stvarnom vremenu
2. Detekciju инцидената (zaustavljeno vozilo, vožnja u krivom smjeru)
3. Mjerenje brzine prometnog toka
4. Prepoznavanje registarskih oznaka (ANPR) za analizu vremena putovanja

Ključno je napomenuti da ove kamere rade kao "zatvoreni sustavi" bez prijenosa podataka preko interneta. Prema EU AI Aktu, AI sustavi za upravljanje cestovnim prometom podliježu strogim smjernicama procjene rizika i moraju biti transparentni, sljedivi i nediskriminirajući. Biometrijska identifikacija i "društveno bodovanje" u javnim prostorima strogo su zabranjeni.

Prioritizacija javnog prijevoza

Najkontraintuitivniji aspekt AI prometnih sustava je da ne optimiziraju promet za privatne automobile, već za cjelokupnu gradsku mobilnost. U Zagrebu, novi pametni semafori programirani su da daju prioritet tramvajima.

Konkretni rezultati na ruti Prečko-Selska:

*Paradoksalno, privatni automobili mogu doživjeti duže čekanje na pojedinim raskrižjima kako bi se omogućio "zeleni val" za javni prijevoz, što ukupno smanjuje emisije i povećava broj ljudi koji koriste tramvaje.

Stvarni rezultati: Brojke iz hrvatskih i svjetskih gradova

Globalni projekti AI upravljanja prometom bilježe smanjenje stop-and-go prometa do 30%, emisija do 10%, a vrijeme putovanja javnim prijevozom smanjeno je za 40% u najboljim slučajevima.

Google projekt "Green Light" implementiran je u gradovima poput Los Angelesa, Seattlea, Rio de Janeira i Hamburga. Matheus Vervloet, Product Manager u Googleu, ističe da najuspješnija rješenja ne zahtijevaju gradnju nove infrastrukture - AI modeli optimiziraju promet analizirajući postojeće GPS podatke i pružajući softverske preporuke gradskim inženjerima za podešavanje semafora.

U Zagrebu, građani mogu pratiti napredak modernizacije semafora i trenutne radove na cestama putem službenog portala regulacije.zagreb.hr.

Usporedba tradicionalnog i AI upravljanja

Tehnologije koje pokreću AI prometne sustave

Moderna AI prometna rješenja kombiniraju računalni vid, duboko učenje, multi-agentne sustave i edge computing za obradu podataka direktno na raskrižjima, bez slanja osjetljivih informacija u oblak.

Računalni vid i detekcija objekata

Kamere na zagrebačkim raskrižjima koriste konvolucijske neuronske mreže (CNN) za prepoznavanje:

• Tipova vozila (osobni automobil, autobus, tramvaj, bicikl)
• Broja vozila po traku
• Brzine kretanja
• Incidenata (zaustavljeno vozilo, dim, požar)

Prema informacijama s OpenAI bloga i Anthropic bloga, najnapredniji jezični modeli danas se koriste za simulaciju kompleksnih gradskih prometnih scenarija, omogućavajući gradskim vlastima da predvide zagušenja prije nego što se dogode.

Edge computing za privatnost

Kako bi se uskladili s EU AI Aktom, zagrebački sustavi obrađuju video snimke lokalno, na samom raskrižju. AI model analizira scenu i šalje u centar samo metapodatke (broj vozila, prosječna brzina), a ne stvarne video zapise. To osigurava potpunu privatnost građana.

Duboko učenje s potkrepljivanjem (Reinforcement Learning)

Algoritmi poput Deep Q-Networks (DQN) uče optimalnu strategiju upravljanja semaforima kroz milijune simuliranih scenarija. Sustav dobiva "nagradu" kada smanji ukupno vrijeme čekanja i "kaznu" kada dođe do zastoja.

Izazovi i ograničenja AI prometnih sustava

Unatoč impresivnim rezultatima, AI upravljanje prometom suočava se s visokim inicijalnim troškovima, potrebom za stručnim kadrom i rizikom od prekomjerne ovisnosti o tehnologiji koja može otkazati.

Financijska ulaganja

Zagreb je do kraja 2025. uložio preko 20 milijuna eura u Prometni centar, s planiranim dodatnih 10 milijuna eura za 2026. godinu. Zamjena jednog raskrižja s pametnim semaforima košta između 15.000 i 25.000 eura, ovisno o broju prometnih traka i potrebnoj senzorici.

Za grad veličine Zagreba sa 487 raskrižja, ukupna investicija do 2028. mogla bi doseći 40-50 milijuna eura.

Nedostatak stručnog kadra

Održavanje AI prometnih sustava zahtijeva inženjere s poznavanjem strojnog učenja, računalnog vida i prometnog inženjerstva - profil koji je rijedak na hrvatskom tržištu rada. Gradovi često ovise o međunarodnim konzultantima i dobavljačima tehnologije.

Otpornost sustava na kvarove

Što se više oslanjamo na centralizirane AI sustave, veći je rizik od masovnog pada sustava. Zagreb ima protokole za automatski povratak na tradicionalno upravljanje semaforima u slučaju kvara centralnog sustava, ali to znači gubitak svih prednosti AI optimizacije.

Mitovi i zablude o AI prometnim sustavima

Tri najčešća pogrešna uvjerenja građana o AI prometnim sustavima su da će ubrzati vožnju automobila, da zahtijevaju skupu novu opremu i da kamere prate pojedince - sve troje je netočno.

Mit 1: AI će ubrzati vožnju privatnim automobilima

Stvarnost: AI sustavi često prioritiziraju javni prijevoz i pješake kako bi smanjili ukupne gradske emisije. Vozači privatnih automobila mogu doživjeti duže čekanje na pojedinim raskrižjima kako bi se omogućio "zeleni val" za tramvaj.

Cilj nije brzina pojedinca, već optimizacija ukupnog broja prevezenih ljudi i smanjenje ugljičnog otiska.

Mit 2: Implementacija zahtijeva skupu novu opremu svugdje

Stvarnost: Google "Green Light" projekt ne zahtijeva nijedan novi hardver. Sustav analizira postojeće GPS podatke iz Google Mapsa i daje softverske preporuke gradskim inženjerima za podešavanje postojećih semafora.

Naravno, Zagreb je odlučio investirati u nove semafore i kamere kako bi dobio dodatne mogućnosti, ali bazična AI optimizacija moguća je bez kopanja cesta.

Mit 3: Pametne kamere snimaju i prate građane

Stvarnost: Prema EU AI Aktu, biometrijska identifikacija u javnim prostorima je zabranjena. Zagrebačke kamere koriste edge computing - obrađuju video lokalno i šalju samo anonimne metapodatke (broj vozila, prosječna brzina).

ANPR (prepoznavanje registarskih oznaka) koristi se isključivo za analizu vremena putovanja i identifikaciju prekršitelja, ali ne za praćenje pojedinačnih građana.

Budućnost AI upravljanja prometom u Hrvatskoj

Do 2028. godine Zagreb planira povezati svih 487 raskrižja u jedinstvenu AI mrežu, dok Split, Rijeka i Osijek istražuju pilot projekte za pametne semafore i integraciju s aplikacijama za javni prijevoz.

Integracija s autonomnim vozilima

Kada autonomna vozila postanu uobičajena (predviđa se nakon 2030.), AI prometni sustavi moći će izravno komunicirati s njima putem V2I (Vehicle-to-Infrastructure) protokola. To će omogućiti:

• Koordinaciju brzine vozila za izbjegavanje zaustavljanja na crvenom
• Dinamičko formiranje "platoona" - grupa vozila koja zajedno putuju optimiziranom brzinom
• Potpuno eliminiranje prometnih znakova - vozila će dobivati upute direktno

Multimodalna integracija

Budući AI sustavi neće upravljati samo semaforima, već će koordinirati:

1. Javni prijevoz (tramvaji, autobusi)
2. Biciklističke staze i pješačke zone
3. Parking sustave i car-sharing usluge
4. Dostavu robe u gradskim centrima

Cilj je stvoriti "gradski operacijski sustav" koji optimizira mobilnost svih građana, a ne samo vozača.

Prediktivno održavanje infrastrukture

AI algoritmi već analiziraju podatke sa senzora u kolnicima kako bi predvidjeli gdje će se pojaviti rupe ili oštećenja. To omogućava preventivno održavanje prije nego što problem postane ozbiljan, štedeci milijune eura godišnje.