Jak to się zaczęło

Najpierw był grant. Niby mały, niby „pilotaż”, ale wiesz jak jest — trzy arkusze Excela, jeden formularz z pytaniem o „wpływ na mieszkańców” i nagle siedzisz po nocach z plikami CSV w CP1250, bo ktoś w urzędzie miał tak ustawiony system. Trzecia nad ranem, kawa stygnie, a ja walczę z kolumną, w której zamiast godzin są „09:0O” z literą O. Serio, tylko ja tak mam?

Przemiana, nie manifest

Byłam badaczką kognitywną. Modele uwagi, nawyki, mikrorutyny. A potem pewne spotkanie w ratuszu: zastępca prezydenta, teczka z kropkami po kawie, pytanie „czy da się przewidzieć korki przed nową szkołą?”. Da się. Tylko trzeba przestać mówić o „użytkownikach” i zacząć myśleć o ludziach, którzy rano zapinają dziecko w fotelik, gubią rękawiczkę i skręcają za wcześnie, bo w radiu gadali o objazdach.

Dane, czyli brud pod paznokciami

Nie ma „magicznych źródeł”. Są:

• rozkłady i real-time z GTFS (bez strefy czasowej, bo po co),
• pętle indukcyjne, które w deszczu stukają jak stare winyle,
• odczyty z parkometrów, gdzie 0 i O to to samo,
• sygnały GSM z opóźnieniem, które udają, że nie ma tuneli,
• czujniki powietrza przy przedszkolu, wywalone na słońce i przepalające się w lipcu,
• ścieżki rowerowe w shapefile’u z innym EPSG niż reszta miasta.

Brzmi jak bałagan. I tym właśnie jest. Z tego się robi chleb.

Agentowe zabawki, ale na serio

Zamiast „średniego kierowcy” — tysiące drobnych bytów: auta, piesi, dostawcze, hulajnogi. Każdy z inaczej skalibrowaną niecierpliwością, innym „skrót tuż przed światłami”. Modele uczą się nie tylko skręcać, ale też zrobić głupi kółko, bo na mapie jest zakaz, a w życiu nie. Dodałam „agenta nerwowego rodzica”, który jedzie 200 metrów dalej, żeby zawrócić pod samą bramą. Nagle symulacja zaczęła przypominać poniedziałek o 8:05.

Konsulting, czyli rozmowy w świetlicy

Nie znoszę słowa „konsulting”, ale zapłacili, więc przyszłam. Dyrektor ZDM: „proszę tylko bez anglicyzmów”. Dobrze. Pokazałam mapę ciepła w kolorach, które nie wyglądają jak krew. Pytanie z sali: „czy to się da zrobić do września?”. Mówię: da się zrobić mały wycinek — jedna szkoła, trzy skrzyżowania, cztery scenariusze. Bez obietnic, że miasto zmieni się w SimCity. Zamiast deklaracji — lista kabli do przecięcia:

• czy mamy priorytet dla autobusów na dwóch konkretnych sygnalizacjach?
• kto zmieni programy świateł — firma z zewnątrz czy ktoś z wydziału?
• gdzie wstawić trzy miejsca „kiss&ride”, żeby nie rozlało się na całą ulicę?
• co mierzymy jako sukces: krótszą medianę czy stabilniejszy 95. percentyl czasu dojazdu?

Pilotaż, nie „wdrożenie”

Wybrałam korytarz od ronda do szkoły. Dwa tygodnie „shadow mode” — model liczy, my nie dotykamy miasta. Pomiary: logger bluetooth na słupie, wolontariusze z klikaczami, kamera z detekcją ruchu (ta, co myli wózki z rowerami). Po dwóch tygodniach różnice zaczęły pachnieć realem. Nie pięknie, ale uczciwie.

Potem trzy drobne ruchy:

1. Przesunięcie zielonej fali o 8 sekund, ale tylko 7:40–8:20.
2. Tymczasowe pachołki odcinające lewy skręt, który rozbijał wszystko w drobny mak.
3. Trzy miejsca szybkiego wysiadania z limitem 2 min, z prawdziwą egzekucją przez straż miejską, nie tabliczką „prosimy”.

Efekt po miesiącu: nie cud, tylko 11–14% mniej 95. percentyla spóźnień autobusów w porannym szczycie i mniej sygnałów klaksonów na rogu — liczonych serio, mikrofonem.

Gdzie to gryzie

• Dryf danych. Nowa piekarnia przyciąga dostawy o 6:15 i cały poranny ruch wygląda inaczej niż w marcu. Model udaje, że nie.
• Polskie zamówienia publiczne. SIWZ z zapisem „równoważne” i jednocześnie żądaniem konkretnego formatu z jednego programu. Brama wąska jak brwi urzędowej pieczątki.
• Spory o prywatność. Dane z telefonów. Zgody? Agregacja? Okna czasowe? Musisz tłumaczyć, że nie interesuje cię pani Basia, tylko wzór 7:30–8:30.
• Sprzęt w piwnicy. Serwer w szafie 42U, wentylator jak suszarka. A potem sierpień i restart „bo prąd”. Backup? Na pendrive w szufladzie.
• Kolory na mapie. Zielony „ok” sprawia, że nikt nie czyta legendy. Zmieniasz na skale, która boli w oczy i dopiero wtedy ktoś pyta „a ten pomarańczowy to ile?”.

Co pomogło, poza oczywistościami

• Minimum zestawu danych. Zamiast „wszystkiego od razu”: GTFS + dwa czujniki + ręczne liczenie wolontariuszy + trzy ankiety rodziców. Reszta później.
• Karty modeli. Jedna strona: zakres, założenia, gdzie się myli. Wisi w pokoju obok ekspresu. Jak ktoś ma pytanie, idziemy do kartki.
• Tryb awaryjny. Jeśli coś idzie źle, wracamy do poprzednich ustawień świateł jednym kliknięciem. Nie ma bohaterstwa.
• Red teaming. Zapraszam „malkontenta” z innego wydziału, żeby rozwalił scenariusz. Lepiej teraz niż w poniedziałek rano.
• Środowe demo. Co tydzień, 20 minut, zero slajdów. Tylko mapa i trzy liczby. Nie ma czasu na „przeglądy strategiczne”.

Roadmapa bez zadęcia

0–6 tygodni (rozruch)

• Zbieram minimum danych.
• Stawiam skromny pipeline: walidacja, normalizacja, wersjonowanie.
• Kalibruję agentów na jednym korytarzu.
• Ustalam trzy wskaźniki, które rozumie radny i rodzic.

2–6 miesięcy (rozszerzenie)

• Dorzucam dwa obszary miasta o innym profilu (osiedle z lat 70. i nowe bloki przy obwodnicy).
• Łączę ruch z powietrzem i hałasem — nie po to, by robić ładne mapy, tylko by sprawdzić, czy zmiana sygnalizacji nie psuje zdrowia.
• Zaczynam współpracę z MPO/służbami — śmieciarki i karetki to inne zwierzęta.

6–18 miesięcy (utrwalenie)

• Tworzę „kuchnię danych” w urzędzie: repo, polityki dostępu, dyżury.
• Ustalam stałe godziny aktualizacji i alerty o dryfie (np. „średnia prędkość spadła o 20% w 3 poranki z rzędu”).
• Szkolę jedną osobę z urzędu, która jest w stanie sama odpalić scenariusz i napisać do mnie „to nie działa, bo X”.

Lekcje o ludziach, nie tylko o ruchu

• Ludzie zmieniają trasę, gdy dasz im powód na poziomie mikro: „tu szybciej o 4 minuty” albo „tu jest cień w lipcu”. Nie manifest. Mały baner w apce. Strzałki na asfalcie.
• Szkoły to centra wszechświata. Jeśli pogodzisz rodziców, pieszych i autobus w jednym miejscu, reszta miasta staje się łatwiejsza.
• Straż miejska z realnym dyżurem przy „kiss&ride” działa lepiej niż dziesięć postów na Facebooku.

Techniczne sztuczki, które uratowały mi skórę

• Idempotentne ETL. Każdy krok powtarzalny. Jak padnie prąd, odpalasz i leci dalej, nie od zera.
• Feature flags dla zmian w sygnalizacji. Przełącznik „on/off” na konkretnym skrzyżowaniu.
• Testy dymne dla nowych danych: trzy sanity checks (zakres godzin, brak dziur, sensowne odchylenie).
• Zliczanie klaksonów jako tani wskaźnik stresu kierowców. Mikrofon + prosta detekcja częstotliwości. Brzmi jak hack, a koreluje z korkami.

Koszty i zyski, w trzech zdaniach

Nie oszczędzasz na czasie pracy ludzi, tylko na nerwach i nieprzewidywalności. 95. percentyl spada i rodzic nie musi wyjeżdżać 30 minut wcześniej „bo może być dramat”. Autobus nie gubi rytmu, a grafiki kierowców przestają być ruletką.

Co bym zrobiła inaczej

Dałabym więcej mocy szkołom i osiedlom: mini-panelek „zgłoś problem” spięty z modelem, który potrafi policzyć „czy twoja propozycja nie rozwali wszystkiego dwie ulice dalej”. I jeden otwarty dzień w miesiącu, gdzie każdy może przyjść i dotknąć mapy na dużym ekranie. Bez marketingu. Z pytaniem: „co tu jest nie tak?”.

Pułapki, w które wpadniesz, jeśli nie będziesz czujny

• Piękne wykresy przykrywają brzydkie dane.
• Zbyt szeroki zakres zabija ruch. Lepiej jeden korytarz niż „strategia dla całego miasta”.
• Zgody prawne traktowane jak formalność wracają jak bumerang. DPIA robię na początku, nie gdy tabelka jest gotowa.
• „To tylko 8 sekund więcej zielonego” — i masz efekt domina trzy skrzyżowania dalej.

Na koniec

Nie zostałam „guru od miast”. Zostałam kimś, kto łączy nawyki ludzi z kablami pod asfaltem. Czasem pachnie to spalenizną, bo serwer się zagrzał. Czasem jest pięknie, bo autobus dojechał równo, a dziecko nie spóźniło się na apel. Jeśli masz podobny plan — zacznij od jednego skrzyżowania. Jednego pytania. Jednej liczby, którą ktoś poza tobą zrozumie. Reszta dojdzie. I tak, możesz do mnie napisać, kiedy utkniesz na CP1250. Nie śmieję się. Też tam byłam.

To jest osobista relacja badaczki kognitywnej, która zmieniła kierunek z teorii na praktyczne zarządzanie ruchem miejskim. Opisuje jak od małego grantu przeszła do budowania modeli agentowych przewidujących korki, pracując z brudnymi danymi (GTFS, czujniki, parkometry).