Exkluzivně pro Techzprávy.cz promluvil prof. Dr. Ing. Miroslav Svítek, dr. h. c., odborník na inteligentní dopravní systémy a chytrá města z ČVUT. V roce 2026 vede Národní centrum Dopravy 4.0, které propojuje výzkum, stát a průmysl a chce využívat umělou inteligenci, data a digitální dvojčata při plánování a řízení dopravy.
Rozhovor se proto nebude ptát jen na obecnou představu „chytrého města“. Zaměří se na to, co mohou nové technologie změnit pro běžného člověka: zda lze předvídat kolony ještě před jejich vznikem, co bude digitální dvojče vědět o pohybu lidí, kdy se autonomní doprava stane běžnou součástí českých ulic a kde leží hranice mezi pohodlím, sběrem dat a soukromím. Prostor dostane i otázka, jak odolné budou stále propojenější městské systémy při kybernetickém útoku nebo výpadku energie.
Aktuální výzkum nabízí i velmi konkrétní české příklady. Rozhovor se podívá také na projekt Chytrá Evropská, vztah mezi městem a technologickými firmami, budoucnost semaforů a MHD a na to, co z dnešních vizí může český cestující skutečně zažít během příštích deseti let.
1. Když se řekne chytré město, lidé si často představí senzory, aplikace nebo chytré semafory. Jakou změnu podle vás běžný obyvatel českého města během příštích pěti až deseti let skutečně pocítí při cestě do práce nebo domů?
Základním principem chytrého města je rozhodování založené na znalostech, které jsou získávány analýzou aktuálních i historických dat. Zatímco informace odpovídají například na otázky, jaká je rychlost či obsazenost dopravního proudu nebo kolik cestujících se přepravuje z místa A do místa B, znalosti umožňují pochopit, proč daná dopravní poptávka vzniká, kterých skupin uživatelů se týká a jaké jsou skutečné příčiny konkrétních problémů.
K získání těchto znalostí již nestačí samotný sběr dat. Je zapotřebí detailní a průběžně aktualizovaný dopravní model, který umožňuje analyzovat chování dopravního systému, porovnávat různé scénáře jeho budoucího vývoje a hodnotit jejich očekávané dopady. Takový model se stává nástrojem pro podporu kvalifikovaného rozhodování.
Cestující ani řidiči přitom nemusí o existenci těchto systémů vůbec vědět. Jejich přínos vnímají nepřímo – prostřednictvím plynulejší, spolehlivější a komfortnější dopravy, ale také díky snížení negativních dopadů dopravy na životní prostředí a kvalitu života. Právě propojení efektivní mobility, kvalitního rozhodování s udržitelností a odolností představuje jednu ze základních charakteristik chytrého města.
2. Národní centrum Dopravy 4.0 chce pracovat s umělou inteligencí, daty a digitálními dvojčaty. Co by měl být první konkrétní výsledek, u kterého si veřejnost řekne: ano, tohle mi opravdu usnadnilo cestování?
Jedním ze základních principů čtvrté průmyslové revoluce je propojování osob, organizací, zařízení prostřednictvím digitálních technologií. V dopravě do tohoto ekosystému vstupuje velké množství aktérů – řidiči a cestující, dopravci, správci dopravní infrastruktury, logistické společnosti, ale také státní a veřejná správa, samosprávy nebo složky integrovaného záchranného systému.
Digitální dvojče dopravního systému vytváří společné digitální prostředí, ve kterém lze propojit a průběžně aktualizovat údaje o dopravních tocích, dopravní infrastruktuře, veřejné dopravě, emisích, počasí, územním rozvoji, logistice a dalších souvisejících procesech. Nejde přitom pouze o zobrazení aktuálního stavu. Hlavním přínosem digitálního dvojčete je možnost modelovat vztahy mezi jednotlivými částmi systému, simulovat alternativní scénáře, předem vyhodnocovat jejich dopady a v reálném čase reagovat na konkrétní vzniklé situace.
Lze tak například posoudit důsledky nového dopravního opatření, změny tras a dělby přepravní práce, zavedení nízkoemisních či zpoplatněných zón, umístění nového terminálu nebo logistického mikrouzlu, ale také výpadku části dopravní sítě. Stejný princip lze využít při přípravě na mimořádné události, například při růstu povodňového, teplotního či jiného rizika nebo při překročení limitů kvality ovzduší.
Digitální dvojče se tak stává společnou integrační a rozhodovací platformou, která propojuje jednotlivé aktéry, data a modely a umožňuje hodnotit nejen současný stav dopravního systému, ale také možné důsledky rozhodnutí ještě před jejich realizací.
3. Dokáže podle vás město jednou předvídat vznik kolony dříve, než se skutečně vytvoří, a aktivně změnit řízení semaforů nebo doporučit lidem jinou trasu?
Umělá inteligence bude brzy schopna z aktuálních i historických dat rozpoznávat situace, které vzniku dopravní kolony předcházejí, a předpovědět její vznik ještě dříve, než se naplno projeví. Nemusí přitom vycházet pouze z dopravních parametrů. Dokáže kombinovat informace o počasí, nehodách, provozu veřejné dopravy, kulturních a sportovních akcích, obsazenosti parkovišť, omezeních na dopravní síti nebo dlouhodobých změnách dopravního chování obyvatel.
Klíčovou roli zde může sehrát digitální dvojče, tedy průběžně aktualizovaný digitální model dopravního systému propojený s reálnými daty. V něm lze v reálném čase simulovat několik možných reakcí – například změnu řízení dopravy, úpravu preference veřejné dopravy, přesměrování části dopravního proudu nebo doporučení alternativních tras – a ještě před jejich skutečným zavedením vyhodnotit jejich dopady na celý dopravní systém. Město tak nemusí pouze reagovat na problém, který již nastal, ale může jeho vzniku aktivně předcházet.
Tento přístup přímo navazuje na nové pojetí SUMP 3.0, tedy třetí generaci plánování udržitelné městské mobility. Ta propojuje dopravu s územním rozvojem, životním prostředím, energetikou, dostupností služeb a celkovou kvalitou života. Oproti tradičnímu plánování se výrazně více opírá o data, jejich průběžné vyhodnocování, scénáře budoucího vývoje a digitální nástroje.
Jedním ze základních principů je „Vision-led Planning“, tedy plánování vycházející z dlouhodobé vize města. Nejde pouze o otázku, kolik automobilů bude za dvacet let projíždět konkrétní komunikací a jak tomu přizpůsobit infrastrukturu, ale především o to, jak má město v budoucnu fungovat a jakou roli v něm má doprava hrát.
Nejprve se proto stanoví cíle – například dostupnost služeb, bezpečnost, kvalita veřejného prostoru, emise nebo dělba přepravní práce – a následně se pomocí dat, modelů, umělé inteligence a digitálních dvojčat ověřuje, která opatření k těmto cílům skutečně vedou.
4. Když bude dopravu stále více optimalizovat umělá inteligence, kdo by měl mít poslední slovo ve chvíli, kdy se zájmy řidičů, cestujících MHD, chodců a obyvatel jedné čtvrti dostanou do konfliktu?
Umělá inteligence může při řešení takových konfliktů využívat například multiagentní systémy, v nichž jsou jednotliví aktéři nebo skupiny uživatelů reprezentováni softwarovými agenty se svými cíli a prioritami. Ti mohou ve virtuálním prostředí předvídat důsledky různých rozhodnutí a vzájemně „vyjednávat“ o možném řešení. Nejde tedy o jednoduchou optimalizaci typu „vítěz bere vše“, ale o hledání rovnováhy mezi rozdílnými zájmy, kdy výsledné řešení nemusí být ideální pro každého, ale zůstává pro jednotlivé aktéry stále přijatelné.
Zásadní však je, kdo stanoví cíle a pravidla tohoto vyjednávání. To nemůže určit samotná umělá inteligence. Priority musí vycházet z dlouhodobé strategie a charakteru konkrétního města. Lázeňské město může například klást větší důraz na kvalitu ovzduší, hluk a pěší dopravu, zatímco průmyslové město může více zohledňovat dostupnost podniků, logistiku a ekonomickou výkonnost. AI následně hledá optimální řešení v rámci cílů a hodnot, které byly stanoveny člověkem.
U konkrétních zásahů do řízení dopravy bude ještě dlouhou dobu přetrvávat princip „human in the loop“, tedy zachování člověka přímo v rozhodovacím procesu. Umělá inteligence může vyhodnotit velké množství variant, předvídat jejich dopady a doporučit vhodné řešení, ale u zásadních zásahů zůstává konečné rozhodnutí i odpovědnost na člověku, například na dopravním dispečerovi.
5. Často říkáte, že dopravu nelze řešit odděleně od energetiky a dalších městských systémů. Co to znamená v praxi pro člověka, který chce jen spolehlivě dojet z bodu A do bodu B?
Pro běžného uživatele to znamená, že město musí fungovat jako propojený celek. Doprava dnes souvisí nejen s dopravní infrastrukturou, ale také s energetikou, obnovitelnými zdroji energie (OZE), dobíjecí infrastrukturou, dostupností služeb nebo digitální konektivitou.
Energetika, zejména v dnešní době, sehrává klíčovou roli v efektivitě celého dopravního systému. Dopravní podniky, logistická centra, železniční stanice jsou významnými energetickými odběrnými místy, ale také součástí kritické infrastruktury. Všechny tyto požadavky včetně duálního využití musí být zahrnuty do návrhu celého dopravního systému.
Koncept „Triple Access“ propojuje fyzickou mobilitu, prostorovou blízkost a digitální dostupnost. Cílem není vždy pouze člověka někam efektivně přepravit (MaaS – Mobility as a Service), ale zajistit mu co nejjednodušší přístup k práci, službám nebo vzdělání. Někdy pomůže lepší doprava, jindy bližší dostupnost služeb nebo možnost vyřídit část věcí digitálně. Náš tým tento koncept doplňuje ještě o mobilitu služeb (MoS – Mobility of Services), kdy samy služby mohou být mobilní a efektivně být doručovány ke svým uživatelům.
6. Existuje podle vás technologie, která se dnes prezentuje jako budoucnost měst, ale ve skutečnosti od ní očekáváme víc, než je schopna nabídnout?
Problém většinou není v konkrétní technologii, ale spíše v představě, že jedna technologie sama dokáže vyřešit složité problémy města. Typickým příkladem jsou autonomní vozidla, umělá inteligence nebo některé koncepty „smart city“, od kterých se očekávalo, že automaticky odstraní kolony, sníží emise a zvýší kvalitu života ve městech.
Technologie ale sama o sobě neurčuje, zda bude město fungovat lépe. Autonomní vozidlo může zvýšit bezpečnost a efektivitu dopravy, ale pokud pouze nahradí dnešní vozidla, nevyřeší přetížení ulic ani nedostatek veřejného prostoru. Stejně tak umělá inteligence může výrazně zlepšit řízení dopravy, ale stále závisí na stávající dopravní infrastruktuře, cílech a pravidlech, které jí nastavíme.
Budoucnost měst proto nevidím v jedné „zázračné“ technologii, ale v promyšleném propojení různých technologií, dat, infrastruktur a kvalitního plánování.
Digitální dvojčata, AI, autonomní mobilita nebo obnovitelné zdroje energie mají velký potenciál, pokud jsou součástí jednoho funkčního systému. Pokud se zavádějí izolovaně, jejich skutečný přínos může být výrazně menší, než se od nich očekává.
7. V roce 2026 jste představil záměr vybudovat národní digitální dopravní dvojče. Co přesně by takový virtuální obraz české dopravy dokázal předpovědět nebo otestovat, co dnes neumíme?
Hlavním přínosem národního digitálního dopravního dvojčete by byla možnost modelovat dopravu jako jeden propojený systém, nikoliv pouze jednotlivé komunikace nebo druhy dopravy. Mohli bychom předem testovat například dopady nové dálnice či vysokorychlostní tratě, změny cen energií, výpadku významného dopravního uzlu, povodní, extrémního počasí nebo změn v chování cestujících a sledovat, jak se jejich důsledky přenesou do dalších částí systému.
Mohli bychom například vidět, kde a kdy vzniknou nové kapacitní problémy, jak se změní cestovní doby, intenzity dopravy nebo dělba přepravní práce, jaké budou dopady na emise a spotřebu energie, které části infrastruktury jsou nejzranitelnější nebo jak rychle se dopravní systém zotaví po mimořádné události. U velkých investic by bylo možné porovnat několik variant a vyhodnotit jejich ekonomické, sociální i environmentální dopady ještě před realizací.
Umělá inteligence by přitom využívala aktuální i historická data, hledala souvislosti a pomáhala vytvářet různé scénáře budoucího vývoje. Digitální dvojče by tak nebylo pouze nástrojem pro predikci dopravy, ale především prostředím, ve kterém lze předem ověřit důsledky rozhodnutí a hledat řešení, která budou efektivní, udržitelná a odolná i vůči krizovým situacím.
8. Na projektu Chytrá Evropská vzniká prostředí, v němž lze modelovat dopravu a další dění ještě před zásahem do skutečné ulice. Můžete uvést příklad rozhodnutí, které by bylo možné nejprve vyzkoušet virtuálně a teprve potom v reálné Praze?
Typickým příkladem může být nová výstavba nebo změna organizace dopravy v oblasti Evropské a Vítězného náměstí. Jde o mimořádně zatížené území, kde se potkává doprava z tunelového komplexu Blanka, dojížďka ze Středočeského kraje, spojení na letiště, univerzitní kampus i složitý dopravní uzel na Vítězném náměstí.
V digitálním modelu můžeme ještě před realizací ověřit, jak například nový administrativní nebo obytný komplex ovlivní intenzitu dopravy, cestovní doby, veřejnou dopravu, parkování, emise nebo zatížení okolních ulic. Stejně tak lze virtuálně testovat změny řízení křižovatek, preference tramvají a autobusů, nové uspořádání jízdních pruhů nebo omezení automobilové dopravy.
Hlavní výhodou je, že případnou chybu odhalíme nejprve ve virtuálním prostředí, kde ji lze ještě relativně snadno napravit. Jakmile se ale jednou zásadně změní dopravní infrastruktura nebo urbanistické uspořádání území, bývá náprava velmi nákladná, složitá, nebo už prakticky nemožná.
9. Aby město dokázalo dobře předvídat pohyb lidí, potřebuje data. Jak podrobná data o našem pohybu jsou pro chytré řízení dopravy skutečně nutná a kde už podle vás začíná nepřijatelný zásah do soukromí?
Pro efektivní řízení dopravy většinou nepotřebujeme vědět, kdo konkrétně se pohybuje, ale odkud, kam, kdy a jakým způsobem se lidé jako celek přepravují. K tomu lze využívat například anonymizovaná a agregovaná data mobilních operátorů, údaje z indukčních smyček, kamerových systémů, veřejné dopravy nebo dalších dopravních senzorů. Klíčové přitom není jen množství dat, ale především jejich správné propojení, zpracování a důsledná anonymizace.
Novým problémem jsou ale propojená vozidla vybavená kamerami a dalšími senzory, která při jízdě sbírají značné množství informací nejen o vozidle, ale také o svém okolí. Tato data jsou často v držení soukromých výrobců a technologických společností a veřejná správa nad nimi má omezenou kontrolu. Právě zde bude podle mě nutné postupně vytvořit jasnější pravidla, jaká data mohou být sbírána, jak musí být anonymizována, kdo k nim může přistupovat a za jakých podmínek je lze využít ve veřejném zájmu.
Smyslem chytrého města tedy nemá být sledovat jednotlivce, ale porozumět fungování města jako celku a využít k tomu pouze tak podrobná data, jaká jsou pro daný účel skutečně nezbytná.
10. V jednom z letošních rozhovorů jste mluvil i o vztahu měst a technologických firem. Může nastat situace, kdy Google nebo jiná soukromá platforma bude o skutečném pohybu lidí ve městě vědět víc než samotná radnice?
Velké technologické platformy získávají v reálném čase obrovské množství dat od svých uživatelů, zatímco město má k dispozici především data ze své vlastní infrastruktury. Vzniká tak určitá nerovnováha: město nese odpovědnost za fungování dopravy, ale nemusí mít přístup ke všem datům ani k nástrojům, které skutečné dopravní chování významně ovlivňují.
Typickým příkladem jsou navigační systémy. Při hledání nejrychlejší trasy mohou odvést velké množství vozidel do rezidenčních ulic, přestože z pohledu města je žádoucí vést hlavní dopravní proud jinudy. To, co je optimální pro jednotlivého řidiče, tedy nemusí být optimální pro město jako celek.
Evropská unie se proto snaží vytvářet pravidla pro lepší sdílení dopravních dat mezi veřejným a soukromým sektorem. Evropská legislativa pro inteligentní dopravní systémy směřuje k tomu, aby poskytovatelé dopravních informačních služeb zohledňovali dopravní omezení a pravidla organizace dopravy, která veřejná správa zpřístupní ve standardizované digitální podobě. Současně vzniká European Mobility Data Space, jehož cílem je umožnit bezpečné a kontrolované sdílení dopravních dat mezi veřejnými a soukromými subjekty.
Do budoucna by proto město mělo být schopno digitálně vyjádřit pravidla a priority, podle kterých chce svůj dopravní systém řídit, a soukromé platformy by je měly respektovat. Zároveň by veřejná správa měla mít přístup alespoň k agregovaným datům, která potřebuje pro kvalitní plánování, modelování a řízení dopravy.
11. Čím je město propojenější a „chytřejší“, tím více systémů může být závislých na elektřině, komunikaci a datech. Nestává se tím zároveň zranitelnější?
Ano, vyšší propojenost může zranitelnost zvyšovat, pokud je systém navržen špatně. Problém tedy není v samotné digitalizaci, ale v tom, zda město dokáže fungovat i při výpadku části technologií.
Skutečně chytré město proto musí být zároveň odolné. To znamená mít záložní zdroje energie a komunikace, redundantní systémy, oddělené části infrastruktury a schopnost přejít do omezeného nebo lokálního režimu bez centrálního řízení. Kritické funkce nesmějí být závislé na jediném datovém centru, jednom komunikačním kanálu nebo jednom dodavateli.
Digitalizace tedy může zranitelnost zvýšit, ale zároveň nám dává mnohem lepší nástroje pro včasné rozpoznání problému, koordinaci reakce a rychlejší obnovu provozu. Chytré město proto není město, které je maximálně propojené, ale město, které je propojené tak, aby dokázalo bezpečně fungovat i tehdy, když část systému selže.
12. Ve veřejných vystoupeních jste označil blackout za jedno z velkých rizik. Co by se v opravdu chytrém městě mělo stát v prvních minutách rozsáhlého výpadku, aby doprava a základní služby neselhaly současně?
V prvních minutách blackoutu je klíčové, aby město nečekalo na centrální rozhodnutí, ale automaticky přešlo do předem připraveného krizového režimu. Kritické systémy – například dopravní dispečinky, vybrané křižovatky, nemocnice, komunikační infrastruktura, vodárenství nebo složky integrovaného záchranného systému – musí mít záložní napájení a jasně stanovené priority.
Současně by se měla omezit spotřeba méně důležitých systémů a dostupná energie směrovat tam, kde je v danou chvíli nejpotřebnější. Lokální zdroje, bateriová úložiště a obnovitelné zdroje mohou vytvořit energetické ostrovy, které udrží vybrané části města v provozu i při výpadku nadřazené sítě.
V dopravě to znamená například zachovat provoz klíčových světelných křižovatek, umožnit průjezd vozidlům záchranného systému, udržet základní provoz veřejné dopravy a zabránit tomu, aby se výpadek energie změnil v dopravní kolaps. Chytré město se pozná podle toho, že dokáže při selhání zachovat své nejdůležitější funkce a postupně obnovit běžný provoz.
13. A jak se má chytré město připravovat na kybernetický útok? Je realistické navrhovat systémy tak, aby dokázaly bezpečně fungovat i v omezeném režimu bez centrálního řízení?
Chytré město nesmí být navrženo tak, aby výpadek jednoho centrálního systému ochromil dopravu, energetiku nebo další kritické služby. Základem musí být segmentace systémů, záložní komunikace, redundance a schopnost jednotlivých částí fungovat alespoň v bezpečném omezeném režimu i samostatně.
V dopravě to může znamenat například to, že při ztrátě centrálního řízení přejdou světelné křižovatky na předem definované lokální signální plány, jednotlivé uzly si zachovají základní řídicí funkce a dispečeři budou mít možnost přejít na manuální řízení. Podobný princip musí fungovat i u energetiky nebo dalších prvků kritické infrastruktury.
Cílem tedy není vytvořit systém, který nikdy neselže, ale systém, který při útoku degraduje bezpečně, zachová nejdůležitější funkce a dokáže se postupně obnovit. Právě na kontinuitu provozu, zálohování, obnovu po incidentu a řízení krizových situací dnes kladou důraz také evropské předpisy NIS2 a pravidla pro odolnost kritických subjektů.
14. Umělá inteligence může při krizové situaci reagovat rychleji než člověk. Existuje ale podle vás rozhodnutí v řízení města nebo dopravy, které by AI nikdy neměla dostat plně do svých rukou?
Umělá inteligence může velmi rychle vyhodnocovat situaci a u některých provozních úloh i automaticky zasahovat – například měnit signální plány, preferovat vozidla integrovaného záchranného systému nebo přesměrovávat dopravu. Musí se ale pohybovat v předem stanovených pravidlech a bezpečnostních limitech.
Jiná situace nastává u rozhodnutí, jejichž chyba může přímo ohrozit životy, zdraví, základní práva nebo fungování kritické infrastruktury – například při evakuaci, uzavření významné části dopravní sítě nebo při rozhodování o prioritách v krizové situaci. Tam by podle mě neměla mít AI konečné slovo.
Ostatně tímto směrem jde i evropský AI Act. Systémy AI používané jako bezpečnostní součást řízení silniční dopravy nebo kritické infrastruktury řadí mezi vysoce rizikové a požaduje u nich účinný lidský dohled. Odpovědný člověk musí být schopen doporučení AI pochopit, odmítnout nebo změnit a v případě potřeby systém bezpečně zastavit.
15. Jak probíhá výuka v oboru Smart Cities na ČVUT?
Výuka Smart Cities na ČVUT je založena především na propojení technických znalostí s řešením konkrétních problémů měst a regionů. Nejde tedy pouze o klasickou výuku jednotlivých technologií, ale o systémový přístup, ve kterém se propojuje doprava, energetika, bezpečnost, informační technologie, urbanismus, životní prostředí, ekonomika i řízení města. Studenti se učí chápat město jako složitý propojený systém a hledat řešení, která mají skutečný přínos pro jeho obyvatele.
Velký důraz klademe na projektovou a mezinárodní výuku. Významným partnerem je například The University of Texas at El Paso (UTEP), prestižní americká univerzita zařazená mezi výzkumné univerzity kategorie R1. Společně rozvíjíme témata, jako jsou Smart Campus nebo Smart Border, na kterých lze prakticky ověřovat využití nových technologií, digitálních dvojčat, umělé inteligence nebo pokročilé práce s daty pro zvýšení efektivity a odolnosti městských systémů.
Pro studenty je velmi cenné také porovnávání rozdílných přístupů v Evropě a USA. Evropa je podle mé zkušenosti velmi silná v nových koncepcích, výzkumu a pilotních projektech, slabší však bývá jejich následné zavádění do běžné praxe. Ve Spojených státech je přístup často pragmatičtější – pokud se technologie prokáže jako užitečná a ekonomicky výhodná, dokážou ji zavést velmi rychle.