AI και επανασύνδεση γειτονιών: επένδυση με αποτέλεσμα

Στις 22/12/2025, μια πρόταση νόμου στις ΗΠΑ ξαναβάζει στο τραπέζι ένα θέμα που οι πόλεις πληρώνουν εδώ και δεκαετίες: υποδομές που σχεδιάστηκαν για να «περνάνε» αυτοκίνητα γρήγορα, αλλά τελικά έκοψαν γειτονιές στα δύο, αύξησαν την ατμοσφαιρική ρύπανση, ανέβασαν τη βία στην κυκλοφορία και αποδυνάμωσαν τα τοπικά κέντρα ζωής.

Η πρόταση λέγεται REPAIR Infrastructure Act και στοχεύει να επανεξουσιοδοτήσει και να ενισχύσει δραστικά ένα ομοσπονδιακό πρόγραμμα «επανασύνδεσης κοινοτήτων», ανεβάζοντας τη χρηματοδότηση στα 15 δισ. δολάρια. Αυτό που μου φαίνεται πραγματικά χρήσιμο για τη σειρά μας «Τεχνητή Νοημοσύνη στις Μεταφορές και τις Έξυπνες Πόλεις» δεν είναι μόνο το ύψος της επένδυσης. Είναι η αλλαγή φιλοσοφίας: υποδομές για ανθρώπους, όχι μόνο για ροές οχημάτων.

Και εδώ μπαίνει η Τεχνητή Νοημοσύνη (AI) με τρόπο πολύ πρακτικό: αν ρίξεις δισεκατομμύρια σε έργα χωρίς να μετράς σωστά το πρόβλημα, χωρίς να προβλέπεις επιπτώσεις και χωρίς να «κλειδώνεις» δείκτες αποτελέσματος, παίρνεις ωραίες μακέτες και μέτρια αποτελέσματα. Με AI, μπορείς να κάνεις το αντίθετο: να επιλέγεις έργα βάσει δεδομένων, να μειώνεις ρίσκο και να αποδεικνύεις την αξία τους.

Τι αλλάζει με το REPAIR Infrastructure Act (και γιατί αφορά τις έξυπνες πόλεις)

Η ουσία του νομοσχεδίου είναι ξεκάθαρη: περισσότερα χρήματα και νέα ώθηση σε έργα που επιδιορθώνουν τις ζημιές προηγούμενων αποφάσεων υποδομών — όπως αστικοί αυτοκινητόδρομοι που διέλυσαν τον αστικό ιστό ή σιδηροδρομικές γραμμές που λειτουργούν σαν «τείχος» μέσα σε μια πόλη.

Σύμφωνα με το ρεπορτάζ, τα προηγούμενα προγράμματα είχαν λάβει περίπου 4 δισ. δολάρια συνολικά, αλλά μεγάλο μέρος τους αφαιρέθηκε/ανακλήθηκε πολιτικά, ενώ άλλα κονδύλια καθυστέρησαν. Παρ’ όλα αυτά, η ζήτηση ήταν τεράστια: το πρόγραμμα δεχόταν κατά μέσο όρο 4,6 δισ. δολάρια ετήσιων αιτημάτων που έμεναν ακάλυπτα.

Αυτό, για όποιον ασχολείται με αστική κινητικότητα, λέει κάτι απλό: υπάρχει τεράστια ώριμη ανάγκη για παρεμβάσεις που:

• μειώνουν τη διχοτόμηση των γειτονιών,
• βελτιώνουν την πρόσβαση σε δουλειές/σχολεία/υπηρεσίες,
• κάνουν τους δρόμους ασφαλέστερους για περπάτημα και ποδήλατο,
• ανεβάζουν την αξία και τη βιωσιμότητα των τοπικών αγορών.

Σε όρους «έξυπνης πόλης», αυτά είναι ακριβώς τα πεδία όπου τα δεδομένα, τα μοντέλα πρόβλεψης και η αξιολόγηση επιπτώσεων μπορούν να κάνουν τη διαφορά.

Το πραγματικό πρόβλημα: δεν είναι μόνο «παλιές γέφυρες»

Όταν λέμε «υποδομές», πολλοί σκέφτονται λακκούβες, γέφυρες και συντήρηση. Αυτά είναι σημαντικά. Αλλά το άρθρο θυμίζει κάτι που αρκετές πόλεις αποφεύγουν να πουν δυνατά: η υποδομή μπορεί να είναι και κοινωνική ζημιά.

Η κατασκευή του ομοσπονδιακού δικτύου αυτοκινητοδρόμων στις ΗΠΑ οδήγησε σε εκτοπισμό πάνω από 1 εκατομμύριο κατοίκων, με δυσανάλογη επίδραση σε κοινότητες χρώματος. Η ζημιά δεν ήταν μόνο «μια μετακόμιση». Ήταν:

• απώλεια κατοικιών και μικρών επιχειρήσεων,
• απώλεια διαγενεακής περιουσίας,
• έκθεση σε ρύπους και θόρυβο,
• αύξηση συγκρούσεων και κινδύνου στους δρόμους.

Αν το φέρουμε στα δικά μας, το μοτίβο είναι αναγνωρίσιμο και στην Ευρώπη: μεγάλοι οδικοί άξονες που κόβουν γειτονιές, υπογειοποιήσεις που δεν έγιναν ποτέ, παράδρομοι που έγιναν «πίστες», σταθμοί ΜΜΜ που δεν συνδέθηκαν με ασφαλείς διαδρομές πεζών.

Το δύσκολο μέρος δεν είναι να παραδεχτείς το πρόβλημα. Είναι να σχεδιάσεις λύση που να μην το μεταφέρει απλώς 500 μέτρα πιο πέρα.

Πού βοηθάει η AI: από την πολιτική πρόθεση στο μετρήσιμο αποτέλεσμα

Η AI δεν «φτιάχνει» δρόμους. Φτιάχνει κάτι εξίσου κρίσιμο: καλύτερες αποφάσεις. Αν μια δημόσια επένδυση 15 δισ. (ή οποιαδήποτε αντίστοιχη κλίμακα σε εθνικό/δημοτικό επίπεδο) θέλει να πετύχει, χρειάζεται μηχανισμό για:

1. σωστή επιλογή έργων, 2) σωστό σχεδιασμό, 3) σωστή υλοποίηση, 4) συνεχή αξιολόγηση.

Επιλογή έργων: ποια γειτονιά «πονάει» πραγματικά;

Το άρθρο δείχνει πόσο πολιτικά φορτισμένη μπορεί να γίνει η λέξη «equity». Η τεχνική διέξοδος είναι να μιλήσουμε με δείκτες.

Η AI μπορεί να συνδυάσει δεδομένα όπως:

• συγκρούσεις/ατυχήματα ανά κόμβο και ώρα,
• ρύπανση (NO₂/PM), θόρυβος, θερμικές νησίδες,
• χρόνοι πρόσβασης σε δουλειές/σχολεία με ΜΜΜ,
• «κενά» στο δίκτυο πεζού/ποδηλάτου,
• κοινωνικο-οικονομικά προφίλ και μετακινήσεις.

Αποτέλεσμα: ένας «χάρτης προτεραιότητας» που εξηγεί γιατί ένα έργο είναι πρώτο στη σειρά, χωρίς να στηρίζεται σε γενικόλογες διατυπώσεις.

Σχεδιασμός σεναρίων: τι γίνεται αν κατεβάσεις ταχύτητες ή αφαιρέσεις λωρίδα;

Τα έργα επανασύνδεσης συχνά έχουν ένα πολιτικό άγχος: «θα γίνει μποτιλιάρισμα». Η πραγματικότητα είναι πιο σύνθετη.

Με AI/ML μοντέλα και μικρο-προσομοιώσεις κυκλοφορίας μπορείς να δοκιμάσεις σενάρια:

• μετατροπή υπερυψωμένου άξονα σε αστική λεωφόρο,
• νέες διαβάσεις και προστατευμένες διαδρομές,
• ανακατανομή χώρου (λεωφορειολωρίδες, ποδηλατόδρομοι),
• αλλαγές σηματοδότησης.

Έτσι, η συζήτηση γίνεται: «Με αυτά τα μέτρα, ο μέσος χρόνος διαδρομής αυξάνει 2-4 λεπτά στην αιχμή, αλλά οι σοβαροί τραυματισμοί πέφτουν Χ% και η πρόσβαση με ΜΜΜ βελτιώνεται Υ%». Αυτό είναι διαχειρίσιμο.

Υλοποίηση: έργα που “μαθαίνουν” από τα δεδομένα

Οι έξυπνες πόλεις δεν τελειώνουν στο σχέδιο. Χρειάζονται λειτουργία.

Με αισθητήρες, ανώνυμα δεδομένα κινητικότητας και AI μπορείς να έχεις:

• προσαρμοστική σηματοδότηση που μειώνει επικίνδυνες ταχύτητες,
• παρακολούθηση επικίνδυνων συμβάντων (near-misses) με υπολογιστική όραση,
• ανίχνευση «σημείων τριβής» για πεζούς (π.χ. μεγάλες αναμονές σε φανάρια).

Η καλύτερη επανασύνδεση είναι αυτή που βελτιώνεται μετά τα εγκαίνια, όχι αυτή που μένει φωτογραφία.

Παραδείγματα που δείχνουν τι σημαίνει «επανεφεύρεση για ανθρώπους»

Το άρθρο αναφέρει δύο κλασικές περιπτώσεις που βοηθούν να «πιάσεις» την ιδέα:

• Rochester, NY: μετατροπή τμήματος του Inner Loop από αυτοκινητόδρομο σε λεωφόρο οδήγησε στη δημιουργία πάνω από 500 κατοικίες. Όταν η στέγαση πιέζει (και πιέζει παντού), η αστική υποδομή μπορεί να ανοίξει γη για κατοικία αντί να την κλειδώνει κάτω από ράμπες.
• San Francisco (Embarcadero): μετά την αφαίρεση του αυτοκινητόδρομου, καταγράφηκε 23% αύξηση θέσεων εργασίας στην περιοχή, καθώς αναπτύχθηκε πυκνή μικτή χρήση.

Αυτό που θα πρόσθετα από πλευράς AI: τέτοια έργα χρειάζονται από την αρχή ένα «πακέτο μετρήσεων» για να αποδεικνύουν επιπτώσεις σε:

• εμπορική δραστηριότητα,
• τιμές/διαθεσιμότητα κατοικίας,
• μετακινήσεις χωρίς ΙΧ,
• οδική ασφάλεια.

Αν δεν το μετρήσεις, την επόμενη φορά θα χάσεις τη χρηματοδότηση στον πρώτο γύρο πολιτικής σύγκρουσης.

Δεν είναι μόνο οι μητροπόλεις: η “έξυπνη” επανασύνδεση στην περιφέρεια

Ένα δυνατό σημείο του νομοσχεδίου είναι ότι βάζει ρητά στο κάδρο και τις αγροτικές/μικρές κοινότητες. Το άρθρο αναφέρει πως σχεδόν 20% των βραβεύσεων σε έναν γύρο (FY 2023) πήγαν σε αγροτικές περιοχές.

Εδώ η AI μπορεί να έχει ακόμα μεγαλύτερο αντίκτυπο, επειδή οι πόροι είναι λιγότεροι και οι αποστάσεις μεγαλύτερες:

• βελτιστοποίηση δρομολογίων μεταφοράς κατά παραγγελία (on-demand) για πρόσβαση σε υπηρεσίες,
• ανάλυση επικινδυνότητας σε διασταυρώσεις (ιδίως κοντά σε σιδηροδρομικές γραμμές),
• «δείκτης προσβασιμότητας» για βασικά αγαθά (υγεία, εκπαίδευση, διοίκηση).

Ένα παράδειγμα από το άρθρο: μικρή πόλη (Georgetown, Delaware) πήρε χρηματοδότηση για μελέτη ασφάλειας πεζών σε οκτώ διασταυρώσεις που τέμνουν σιδηροδρομική γραμμή. Αυτά τα έργα δεν είναι εντυπωσιακά για δελτία Τύπου, αλλά είναι εκεί που σώζονται ζωές.

Πώς να «δέσεις» την επένδυση με KPI: ένας πρακτικός οδηγός για δήμους/φορείς

Αν δουλεύεις σε δήμο, φορέα μεταφορών ή σύμβουλο κινητικότητας, η πιο χρήσιμη ερώτηση δεν είναι «να βρούμε λεφτά;». Είναι «πώς θα αποδείξουμε ότι έπιασαν τόπο;».

Ένα ελάχιστο πλαίσιο δεικτών (ιδανικά πριν την υλοποίηση) είναι:

1. Οδική ασφάλεια: σοβαροί τραυματισμοί/θάνατοι, αλλά και near-misses.
2. Προσβασιμότητα: χρόνος πρόσβασης σε 10 βασικούς προορισμούς με ΜΜΜ/πεζή.
3. Ποιότητα αέρα & θόρυβος: πριν/μετά στους άξονες παρέμβασης.
4. Οικονομική ζωτικότητα: κενά καταστήματα, ροές πεζών, νέες άδειες.
5. Κατανομή μετακινήσεων (modal split): αύξηση περπατήματος/ποδηλάτου/ΜΜΜ.

Η AI βοηθά να μαζεύεις αυτά τα δεδομένα φθηνότερα, πιο συχνά και με καλύτερη ανάλυση. Και, το πιο κρίσιμο, βοηθά να τα παρουσιάζεις σε γλώσσα που πείθει.

Έξυπνη πόλη δεν είναι αυτή με τα περισσότερα dashboards. Είναι αυτή που μπορεί να δείξει, με αριθμούς, ότι οι άνθρωποι φτάνουν πιο ασφαλείς και πιο γρήγορα εκεί που χρειάζονται.

Το επόμενο βήμα: από το «πολιτικό» στο «λειτουργικό»

Η συζήτηση γύρω από το REPAIR Infrastructure Act έχει πολιτικό θόρυβο (και θα έχει). Όμως το διακύβευμα είναι τεχνικό και καθημερινό: οι υποδομές καθορίζουν ποιος μπορεί να κινηθεί, πώς, με τι ρίσκο και με τι κόστος.

Για τη δική μας θεματική («AI στις Μεταφορές και τις Έξυπνες Πόλεις»), το μήνυμα είναι καθαρό: αν η πολιτική ανοίγει το πορτοφόλι, η AI πρέπει να ανοίγει το δρόμο προς μετρήσιμα αποτελέσματα.

Αν σχεδιάζετε έργα επανασύνδεσης (γέφυρες πεζών, ασφαλείς διαβάσεις, μετατροπές οδών, αναδιανομή χώρου, αστικές αναπλάσεις γύρω από ΜΜΜ), αξίζει να ξεκινήσετε από τώρα με μια απλή ερώτηση: ποιο KPI θα βελτιωθεί σε 6, 12 και 24 μήνες — και πώς θα το αποδείξουμε;