Érd reggel hét órakor. A Budaörsi úton a forgalom szinte áll, a jelzőlámpa ugyanolyan ritmusban vált, mint huszonöt évvel ezelőtt. Az úttest melletti érzékelő rögzíti a sorban álló autók számát, a torlódás hosszát, a várakozási időt. Az adat feltöltődik egy szerverre. Aztán ott marad.
Ez nem figyelmetlenség. Nem is technológiai elmaradottság abban az értelemben, ahogy azt a pályázati értékelők szokták kategorizálni. Ez egy rendszerszintű állapot: az infrastruktúra már termel adatot, de a döntéshozatal még nem adatvezérelt. A kettő között van egy rés – és ez a rés nemcsak Érden van jelen. Egész Európa agglomerációi próbálnak ebből a köztes állapotból kilépni, különböző sikerrel és különböző stratégiával.
Az okos város megoldások AI-val pontosan ebben a résben keletkeznek. Nem ott, ahol a szenzor nincs – hanem ott, ahol az adat már megvan, de senki nem tudja, mit kezdjen vele. Az intelligens városüzemeltetés nem technológiai forradalom, hanem döntési infrastruktúra: az a rendszer, amely az adatból cselekvőképes tudást csinál. A paradoxon az, hogy a legtöbb helyen nem a szenzor hiányzik. A döntési logika hiányzik.
De van ahol nem ez a helyzet.
A hulladékgyűjtési útvonal-optimalizálás talán az egyik legkézzelfoghatóbb példa: az AI a tartályteli-érzékelők valós idejű adatai alapján dinamikusan tervezi át a napi útvonalat. Nem heti menetrend szerint megy ki a jármű, hanem akkor és oda, ahol a konténer valóban tele van. Egy közepes méretű Pest megyei városban – ahol a lomtalanítási körök hagyományosan naptáralapúak – ez 15–20%-os üzemanyag-megtakarítást hoz, ami éves szinten nem elhanyagolható közüzemi tételként jelenik meg a büdzséban.
Különösen figyelemre méltó az iskolai kerületek forgalomkezelése: a reggeli csúcs előre modellezhető, és a jelzőlámpa-ciklusok automatikusan alkalmazkodnak. Nem kézzel programozzák át, nem rendelettel szabályozzák – a rendszer maga igazítja a ritmusát az ingázók tényleges mozgásához. Ez néhány skandináv és holland önkormányzatnál már nem fejlesztési projekt, hanem üzemeltetési rutin.
Megáll az ember.
Mert ha ezek a megoldások máshol már rutinszerűen működnek, akkor Pest megye agglomerációjában miért tartanak a legtöbb projektek még mindig az első pilot-fázisban?
Amikor az adat már megvan, de a döntés még nem
Az okos városüzemeltetés AI-alapon olyan infrastrukturális döntéstámogatási rendszer, amely valós idejű szenzoros adatok elemzésével – forgalom, energia, közterület – automatizált vagy félautomatizált beavatkozásokat tesz lehetővé. Nem egyedi alkalmazásokból, hanem integrált adatfolyamból áll. Fő előnye, hogy a városvezetési döntések ciklusa hetekről percekre rövidíthető.
Ez a definíció pontosnak tűnik. De ettől az olvasó még nem tudja, miért ragad el szinte minden negyedik projekt ugyanazon a ponton – és miért marad pilot az, ami városszintű rendszerré kellett volna váljon.
Tény: az AI-vezérelt jelzőlámpa-rendszerek integrált városi hálózatban 15–25%-kal csökkentik a csúcsidei átlagos menetidőt, miközben bevezetési költségük általában elmarad egy hagyományos útfelújítás ráfordításaitól. A bevezetés akkor indokolt, ha az önkormányzat rendelkezik legalább részben egységesített adatinfrastruktúrával és többéves finanszírozási horizonttal. 2026-ra az EU kohéziós és helyreállítási forrásainak egyre nagyobb hányada kifejezetten az okos város infrastruktúra fejlesztéséhez kötött feltételrendszerrel érkezik, ami Pest megye számos településén az AI-alapú bevezetés pénzügyi akadályát érdemben csökkentette.
A bevezetés optimuma nem egyetlen technológiai döntéstől függ. Az adatkormányzási struktúra és a felelősségi döntések a szűk keresztmetszet.
Mit csinál valójában az AI egy városi infrastruktúrában?
A dinamikus forgalomirányítás az egyik leggyakrabban idézett alkalmazás – de amit az ajánlatok nem mondanak el: az AI-alapú forgalomirányítás nem csak a jelzőlámpákat érinti. A rendszer csak akkor hoz mérhető eredményt, ha a parkolási, tömegközlekedési és gyalogosáramlási adatok is ugyanabba az adatfolyamba kerülnek. Egyetlen szenzorból kiolvasott forgalmi adat nem ad elegendő kontextust ahhoz, hogy a rendszer valóban optimalizálhasson – csak azt látja, ami közvetlenül előtte van.
Az adatvezérelt városi infrastruktúra erejét az adja, hogy a rendszer az egész hálózat aktuális terhelésére reagál egyszerre – nem ciklusonként, nem mérési pontról mérési pontra, hanem folyamatosan. A legtöbb esetben az AI-vezérelt jelzőlámpa-rendszerek 15–25%-kal csökkentik a csúcsidei átlagos menetidőt integrált városi hálózatban. Ez azért lehetséges, mert a rendszer nem ciklusonként, hanem folyamatosan, az egész hálózat aktuális terhelésére reagál – nem pedig előre beállított időzítés szerint.
A Budapest–Gödöllő HÉV-vonal reggeli zsúfoltsága erre a pontra konkrét helyi illusztrációt ad: az ingázók egy része autóra vált, ha a HÉV késik – de ha a forgalomirányítási rendszer nincs összekötve a tömegközlekedési adatokkal, az út menti jelzőlámpák erről mit sem tudnak. Az autonóm tömegközlekedési predikció éppen az ilyen összekapcsolt döntési helyzetekre épül: a menetrend-eltérés azonnal begyűrűzik a forgalomirányítási modellbe.
A „smart city" kifejezés az elmúlt évtizedben annyira általánossá vált az önkormányzati prezentációkban és fejlesztési anyagokban, hogy szinte elvesztette a tartalommal bíró jelentését. Ami mögötte van, az nem varázslat: szenzor, adatátvitel, modell, döntési felület. Ha valamelyik láncszemből hiányzik az integráció, a rendszer nem lesz okos – csak drágább lesz a szokásosnál.
Az okos energiahálózatok – amit a szakirodalom smart gridként emleget – az időjárási előrejelzések és a mért fogyasztási minták kombinációjával szabályozzák az energiaelosztást. Az adaptív közvilágítás önmagában 20–30%-os energiamegtakarítást eredményezhet egy közepes méretű városban. Ez is csak akkor mérhető pontosan, ha a fogyasztási adatok és a döntési pontok visszakövethetők – ami a mérhetőségi kérdést visszahozza a középpontba.
Mikor éri meg AI-alapú okosváros-rendszert bevezetni egy önkormányzatnak?
Az AI-alapú okosváros-rendszer bevezetése akkor indokolt, ha az önkormányzat már rendelkezik részben egységesített szenzorinfrastruktúrával. A rendszer nem nulláról épít, hanem meglévő adatfolyamokat integrál és értelmez. A bevezetés optimális feltétele a legalább 18–24 hónapos finanszírozási horizont, mivel a modellek betanítása időt igényel. Pest megye agglomerációs városai esetén különösen releváns a közlekedési és energetikai adatfolyamok összekapcsolása. Az egyszeri pilot-projektek önmagukban ritkán hoznak mérhető városszintű eredményt. A döntés kulcskérdése nem a technológia, hanem az adatgazdálkodási felelősségek rendezése. Ahol ez megvan, az intelligens városüzemeltetés gyorsan megtérülő befektetéssé válik.
Dunakeszi éppen abban a fázisban tart, amelyet a legtöbb közepes méretű Pest megyei város ismer: az első pilot elindul, az adatok gyűlnek, a rendszer működik – de a hatás nem éri el azt a küszöböt, ahol finanszírozható következő fázist indokolna. Ez nem kudarc. Ez az a pillanat, amikor az architektúra-döntést meg kellett volna hozni – és általában nem hozták meg.
A prediktív karbantartás esetén ez különösen éles: amit kevesen tudnak – egy út vagy csőszakasz meghibásodási mintázatát legalább 18–24 hónapnyi szenzoros adat kell megelőzze, mielőtt a modell megbízhatóan jelez. Pest megye útállapota nem véletlenszerű folyamat – de az eddigi felújítási döntések jó része reaktív volt, nem prediktív. A csatornahálózat-felügyelet ugyanezt a logikát alkalmazza: a nyomáskülönbség-anomáliák alapján a szenzor jelez, mielőtt az út felszakad. Gödöllőn például több útfelújítási közbeszerzés mögött rejtett csőhálózati probléma húzódott meg, amelyet előre lehetett volna jelezni – ha a szenzoros adatfolyam összeköttetésbe kerül a döntési felülettel.
Bár ha az ember végignézi, hogyan alakultak a kilencvenes évek nagy közlekedési automatizálási ígéretei, az az érzés marad, hogy az optimizmus hullámai nem sokban különböztek egymástól.
Az EU digitális és zöld átálláshoz kötött finanszírozási feltételrendszere várhatóan egyre inkább a mérhető kimenetek felé tolódik – nem a bevezetett technológia típusa, hanem az igazolt hatékonysági és kibocsátási eredmény alapján. Ez azt jelenti, hogy az önkormányzatoknak nem elég majd bevezetni az AI-alapú rendszert: dokumentálni kell, hogy a rendszer döntése és a mért eredmény között van kauzális kapcsolat. Azok a városok, amelyek ezt a mérési logikát már az architektúra tervezésekor beépítik, előnyt élveznek a következő finanszírozási versenyben – azok, amelyek utólag próbálják rekonstruálni, jellemzően nem tudják.
Hogyan csökkenti az AI a városi energiafelhasználást?
Az okos energiahálózatok AI-alapon az időjárási előrejelzések és a mért fogyasztási minták kombinációjával szabályozzák az energiaelosztást. Ez lehetővé teszi, hogy a megújuló forrásokból érkező energia az igénycsúcsokhoz igazodva kerüljön felhasználásra. Az adaptív közvilágítás önmagában is 20–30%-os energiamegtakarítást eredményezhet egy közepes méretű városban. A rendszer nem csak csökkenti a fogyasztást, hanem egyenletesebbé teszi az elosztást, csökkentve a hálózati terhelési csúcsokat. A prediktív logika azt is előre jelzi, mikor keletkezik felesleges kapacitás, és azt visszatáplálja a hálózatba. Az adatvezérelt energiagazdálkodás nem igényli a teljes infrastruktúra cseréjét – meglévő hálózatra is ráépíthető. Ez az egyik legrövidebb megtérülési idejű belépési pontja az intelligens városüzemeltetésnek.
Mikor éri meg – és mikor nem?
Az AI-alapú városüzemeltetési szolgáltatás akkor teljesít optimálisan, ha az önkormányzat vagy fejlesztési szervezet rendelkezik legalább részben egységesített adatgyűjtési infrastruktúrával, azonosított adatgazdálkodási felelőssel, és ha a projekt mögött többéves finanszírozási horizont áll – nem egyszeri pályázati ciklus. Azok a Pest megyei települések, ahol ezek a feltételek párhuzamosan jelen vannak, valódi városszintű integrációt tudnak építeni, nem csak egy jól dokumentált pilot-projektet.
Egyszeri, projekthatárral lezáruló megbízásokhoz a rendszer nem illeszkedik: az AI-modell betanítása és validálása időt igényel, amit egy 12 hónapos átadási határidő nem fed le. Ebben az esetben egy jól tervezett szenzorinfrastruktúra-fejlesztés értékesebb belépési pont – és kevésbé fájdalmas a második körben újratervezni.
A közbeszerzési döntéshozók egy része feltételezi, hogy az okos városüzemeltetési rendszer bevezetése elsősorban IT-projekt – holott a szűk keresztmetszet szinte minden esetben az adatgazdálkodási felelősségek és a szervezeti döntési struktúrák rendezetlensége. Gábor, az egyik Pest megyei agglomerációs város fejlesztési referense, ezt pontosan ismeri: a szenzor benn van, a szerver megy, a dashboard elérhető – de hogy ki hagyja jóvá a döntést, amelyet az adat sugall, azt nem rögzítette senki.
A bevezetés feltételeinek felmérése elvégezhető egy strukturált adatinfrastruktúra-audittal, amelynek eredménye megmutatja, hogy az adott önkormányzat milyen belépési ponton tud valódi integrációt elindítani – és melyik az, amelyik egyelőre csak elszigetelt pilot marad. Ez nem kötelező elköteleződés, nem közbeszerzési folyamatot indít el, és nem igényel előzetes rendszer-döntést. Csak azt adja meg, ami jelenleg hiányzik: egy pontos képet arról, hol tart valójában a meglévő infrastruktúra.
A szolgáltatás negyedéves adatfelülvizsgálatot és rendszeres döntési egyeztetést igényel az önkormányzati oldalon – a szakembereink az adatmodellt kezelik, de az érintett városi szakterületek – közlekedés, energia, közmű – hozzáféréseit és jóváhagyásait az együttműködés elején szükséges rendezni. Az adatmodell kezelése technikai kérdés – de az, hogy ki felelős a döntésért, amit az adat lehetővé tesz, szervezeti kérdés. Ezt a két felelősségi kört nem lehet ugyanaz a csapat kezelni.
Az AI-alapú városüzemeltetés bevezetése nem ajánlott annak az önkormányzatnak, amelynek nincs egységes adatgyűjtési infrastruktúrája – nem azért, mert a technológia nem működne, hanem mert a rendszer olyan inputot igényel, amelyet széttagolt, egyenként kezelt szenzorrendszerek nem tudnak megbízhatóan biztosítani. Aki elsőként szenzorhálózatot épít és csak aztán gondolkodik az AI-integráción, jellemzően újra kezdi a tervezést a második fázisban.
Ez nem kudarc. De két projektnyi idő és forrás.
Az okos energiahálózat és a zöldterület-öntözési rendszer – ahol a talaj-nedvességszenzor és az időjárási előrejelzés kombinációja automatizálja az öntözési döntést – valójában ugyanazon az infrastrukturális logikán alapul. Az adatfolyam egységessége a kulcs, nem az alkalmazás típusa. A városi parkfenntartás az egyik legolcsóbban bevezethető AI-alkalmazás, és mégis az utolsó helyen szerepel a digitalizációs tervekben – nem azért, mert nem éri meg, hanem mert az integráció kérdése soha nem kerül napirendre a közmű és a parkfenntartás közötti szervezeti határon.
Az első automatizált jelzőlámpa-rendszereket nem hatékonysági megfontolásból fejlesztették ki, hanem azért, mert a forgalomirányítók az 1920-as évek nagyvárosaiban egyszerűen nem tudtak lépést tartani a forgalom növekedési ütemével. A fix ciklusidő nem optimum volt, hanem kényszer: az egyetlen megoldás, amit emberi koordinációval fenn lehetett tartani. A smart city integráció jelenlegi pillanata valójában ugyanilyen kényszer-origójú – csak most nem az emberi figyelőkapacitás a szűk keresztmetszet, hanem az adatmennyiség és a döntési sebesség közötti rés. A városi infrastruktúra újra kinőtte a saját irányítási modelljét.
Ami a pilot után jön
Az okos városüzemeltetés fenntartható működéséhez szükséges szervezeti feltételek – egységes adatbázis-frissítési ciklus, önkormányzati IT-kapacitás, prediktív karbantartási protokoll – nem egyszer kerülnek kialakításra. Ezek folyamatosan frissítendő rendszerelemek. A pilot-projektek azért ragadnak el, mert ezeket a feltételeket mindenki a projekt végére szeretné tolni – miközben a modell ezek nélkül nem tud betanulni.
Azok a Pest megyei települések, amelyek az adatinfrastruktúrát nem utólag próbálják a meglévő rendszerre illeszteni, hanem az architektúra tervezésekor beépítik a mérhetőségi logikát, más pozícióból indulnak a következő finanszírozási körben. Nem azért, mert jobb technológiájuk van – hanem azért, mert dokumentált kauzális kapcsolatuk van a rendszer döntései és a mért eredmények között. Ez az a különbség, amelyet a pályázati értékelők egyre inkább látni fognak.
A közterületi hangalapú anomáliadetekció – ahol a mikrofonok nem rögzítenek, csak mintázatot elemeznek – arra emlékeztet, hogy az okos városüzemeltetés nem egyetlen látványos alkalmazásról szól. Sok kis rendszer integrált adatfolyama az, ami valódi városszintű döntési kapacitást épít.
Az adat ott van. Pest megye agglomerációjában egyre kevésbé az az akadály, hogy nincs szenzor vagy nincs szerver. A kérdés az, hogy ki felelős a döntésért, amelyet az adat lehetővé tesz – és hogy ez a felelősség a következő közbeszerzési ciklus előtt vagy után kerül rendezésre.
Nincsenek megjegyzések:
Megjegyzés küldése