Praca magisterska z transportu to nie esej o tym, dlaczego autobusy się spóźniają. To analiza ilościowa z modelami ruchowymi, bazami danych liczonych w milionach rekordów i oprogramowaniem, które kosztuje tyle co używany samochód. Jeśli zaczynasz pisać i nie masz jeszcze tematu, albo masz temat, ale nie wiesz od czego zacząć – ten tekst jest dla ciebie.
Poniżej znajdziesz konkretne tematy z gotową logiką analityczną, źródła danych, które naprawdę działają, narzędzia używane w branży i błędy, które powtarzają się w pracach dyplomowych rok po roku. Na końcu – ramy prawne, bo recenzenci transportowi bardzo lubią pytać o podstawy legislacyjne.
Zakres kierunku – co wchodzi w skład transportu i logistyki miejskiej
Transport i logistyka miejska to kierunek, który łączy inżynierię, ekonomię i planowanie przestrzenne. W zależności od uczelni (Politechnika Warszawska, Gdańska, Krakowska, Wrocławska, Śląska) akcenty są różne, ale zakres przedmiotów zazwyczaj pokrywa te obszary:
Transport drogowy, kolejowy i lotniczy – sieć dróg krajowych i autostrad zarządzana przez GDDKiA (Generalną Dyrekcję Dróg Krajowych i Autostrad), zarządzanie infrastrukturą kolejową (PKP PLK S.A.), lotniska i zarządzanie przepustowością.
Logistyka miejska i last-mile delivery – ostatni odcinek dostawy to największy koszt w łańcuchu. Tu mieszczą się elektryczne pojazdy towarowe (cargo e-bikes, małe elektryczne vany), systemy PUDO (Pick Up / Drop Off) – paczkomaty InPost, PUDO Orlen, punkty odbioru DHL – oraz optymalizacja tras i okien czasowych.
Modelowanie ruchu – czteroetapowy model podróży (generacja, dystrybucja, podział modalny, przypisanie do sieci) to fundament każdej pracy z tego zakresu. Model przetwarza dane o populacji, zatrudnieniu i sieci transportowej w macierze popytu i natężenia na odcinkach.
Zarządzanie ruchem – ITS i SUTP – ITS (Intelligent Transport Systems) obejmuje sygnalizację adaptacyjną, zmienna informację drogową, systemy poboru opłat (e-toll, bilety ŚKUP). SUTP (Sustainable Urban Transport Planning) to planowanie zrównoważonej mobilności – odpowiednik angielskiego SUMP (Sustainable Urban Mobility Plan).
Mikromobilność i MaaS – rowery miejskie (Veturilo, Nextbike), hulajnogi elektryczne (Bolt, Lime), a przede wszystkim MaaS (Mobility as a Service) – integracja wielu środków transportu w jednej aplikacji i jednej płatności.
Instytucje, z których danymi będziesz pracować:
– GDDKiA – Generalny Pomiar Ruchu, dane z systemów detekcji, mapy SDR
– ZTM Warszawa, ZTM Poznań, MPK Kraków, ZDiT Łódź – rozkłady GTFS, dane pasażerskie
– UTK (Urząd Transportu Kolejowego) – raporty o rynku kolejowym, dane o przewozach
– ITS (Instytut Transportu Samochodowego) – baza SEWIK (wypadki i kolizje), raporty badawcze
Tematy prac – sześć gotowych koncepcji z logiką analityczną
Dobry temat pracy to taki, do którego dane już istnieją i są publicznie dostępne. Poniżej sześć koncepcji, które spełniają ten warunek.
Kalibracja macierzy popytu na podróże dla aglomeracji
Dane wejściowe: liczniki ruchu z sieci GDDKiA (pętle indukcyjne, stacje TMS), wyniki Kompleksowych Badań Ruchu KBR 2015 i 2022 dla Warszawy, dane GUS o strukturze zatrudnienia i miejscu zamieszkania.
Metodologia: model czterostopniowy w PTV VISUM. Kalibracja polega na minimalizacji różnicy między macierzą modelową a obserwowanymi natężeniami – zazwyczaj metodą gradientową lub iteracją proporcjonalną (furness). Wskaźnik jakości: GEH < 5 dla co najmniej 85% przekrojów.
Uzasadnienie: każde miasto robiące studium transportowe potrzebuje skalibrowanego modelu. Praca z tym tematem ma zastosowanie praktyczne – może zainteresować urząd marszałkowski lub biuro planowania.
Analiza efektywności systemu roweru miejskiego
Dane wejściowe: API trips Veturilo/Nextbike (dane O-D – skąd/dokąd każda wycieczka, timestamp, czas trwania), dane meteorologiczne IMGW (temperatura, opady, godziny słoneczne), dane GTFS ZTM.
Metodologia: macierz O-D wygenerowana z surowych tripów. Regresja LASSO do identyfikacji czynników wpływających na liczbę wypożyczeń (temperatura, dzień tygodnia, dostępność alternatyw publicznych). Analiza przestrzenna: które stacje są przeciążone, skąd brakuje rowerów w godzinach szczytu.
Wynik: rekomendacje dotyczące rozmieszczenia stacji i liczby rowerów na stację.
Ocena dostępności komunikacją publiczną do szpitalnych oddziałów ratunkowych
Dane wejściowe: GTFS feed ZTM (lub innego operatora – pliki dostępne bezpłatnie), lokalizacje SOR-ów z rejestru MZ, OpenStreetMap jako podstawa sieci pieszej.
Metodologia: izochrony 30-minutowe – obszar, z którego można dotrzeć do SOR-u komunikacją publiczną w 30 minut. Algorytm RAPTOR (Round-Based Public Transit Routing) – najszybszy dostępny algorytm dla GTFS, zaimplementowany w OpenTripPlanner (OTP). Porównanie dostępności między różnymi grupami demograficznymi (osoby bez samochodu, seniorzy).
Wynik: mapa braków dostępności i propozycja korekt rozkładu jazdy lub lokalizacji nowych linii.
Modelowanie emisji ze źródeł transportowych z oceną scenariusza LEZ
Dane wejściowe: natężenia ruchu z pętli indukcyjnych (dla Krakowa: ZDMK), dane pomiarowe jakości powietrza z sieci GIOŚ (stacje automatyczne, godzinowe stężenia NO2, PM2.5, PM10), struktura floty z CEPiK (wiek pojazdów, normy emisji EURO).
Metodologia: model emisji COPERT 5 (Computer Programme to Calculate Emissions from Road Transport) – europejski standard EEA, open-source. Obliczenia dla scenariusza bazowego i scenariusza LEZ (Low Emission Zone) – ograniczenia wjazdu dla pojazdów poniżej EURO 4/5.
Wynik: różnica emisji CO2, NOx i PM2.5 między scenariuszami, przeliczona na koszty zewnętrzne (metodą VSL lub kosztów zdrowotnych EC).
Optymalizacja tras dostaw last-mile dla kurier-eBike
Dane wejściowe: dane adresowe przesyłek (syntetyczne lub od lokalnego kuriera), sieć ulic OpenStreetMap, ograniczenia infrastruktury rowerowej.
Metodologia: VRP (Vehicle Routing Problem) z oknami czasowymi (VRPTW). Implementacja OR-Tools Google (biblioteka open-source w Pythonie). Porównanie kosztów: van spalinowy vs cargo e-bike. Ograniczenia: cargo e-bike max ~100 paczek dziennie, zasięg 80-120 km, prędkość w centrum miasta wyższa niż van (brak poszukiwania parkingu).
Wynik: rekomendacja dla jakiej gęstości adresowej i jakiego rejonu e-bike bije van kosztowo.
Analiza wypadkowości na sieci dróg krajowych
Dane wejściowe: baza SEWIK (System Ewidencji Wypadków i Kolizji) Komendy Głównej Policji – dane za lata 2015-2023, lokalizacja GPS wypadku, okoliczności, ofiary. Dostęp: wniosek do KGP lub dane udostępniane w projektach naukowych przez ITS.
Metodologia: hotspoty przestrzenne metodą Kernel Density Estimation (KDE) z GIS (QGIS lub ArcGIS). Współczynnik wypadkowości W = liczba wypadków / 10^8 * vmh (pojazkokilometry). Regresja logistyczna lub Poissona: wpływ czynników drogowych (przekrój, prędkość dopuszczalna, oświetlenie, nawierzchnia) vs czynników ludzkich (pora doby, dzień tygodnia).
Wynik: ranking odcinków do interwencji inżynieryjnej i rekomendacja działań BRD (Bezpieczeństwo Ruchu Drogowego).
Metodologia – narzędzia i techniki zbierania danych
Pomiary natężenia ruchu
Automatyczne – pętle indukcyjne wbudowane w nawierzchnię wykrywają metal pojazdu. Generują 15-minutowe profile natężenia (w pojazdach/h) i klasyfikację typów pojazdów. Kamery wideodetekcji robią to samo bez ingerencji w nawierzchnię, z możliwością reidentyfikacji tablic. Sondy FCD (Floating Car Data) to telefony komórkowe lub GPS w pojazdach – agregowane przez operatorów (HERE, TomTom, Inrix) dają dane o prędkości i natężeniu na każdym odcinku.
Ręczne – pomiar przekrojowy (liczenie pojazdów ręcznie lub kamerą) i sondaż O-D (ankiety przy wjeździe do miasta lub w pojazdach komunikacji publicznej).
Dane GTFS i routing
GTFS (General Transit Feed Specification) to otwarty format danych rozkładowych. Każde miasto udostępniające dane publiczne publikuje pliki: trips.txt, stop_times.txt, routes.txt, stops.txt, calendar.txt. ZTM Warszawa aktualizuje feed codziennie. Na bazie GTFS i OpenStreetMap działa OpenTripPlanner (OTP) – serwer routingu multimodalnego, który liczy izochrony i najszybsze połączenia.
Oprogramowanie modelowania
Modele makroskopowe:
– PTV VISUM – branżowy standard w Polsce i Europie. Macierze O-D, sieci, statyczne i dynamiczne przypisanie ruchu, VOT (Value of Time). Licencja akademicka dostępna przez uczelnie.
– CUBE (Citilabs) – popularny w USA, rzadszy w Polsce.
– TransCAD – używany przez GDDKiA w oficjalnych prognozach.
Symulacje mikroskopowe:
– VISSIM (PTV) – symulacja każdego pojazdu z osobna, zachowanie kierowcy, skrzyżowania, sygnalizacja. Branżowy standard do oceny ITS.
– Aimsun Next – alternatywa VISSIM, popularna w projektach unijnych.
– SUMO (Simulation of Urban Mobility) – open-source, bezpłatny, dobry do prac dyplomowych gdzie liczy się brak kosztu licencji.
Analiza sieciowa w Pythonie:
– NetworkX – grafy, najkrótsze ścieżki, analiza topologii sieci.
– OSRM (Open Source Routing Machine) – szybki routing samochodowy na danych OSM.
– OpenTripPlanner – routing multimodalny (pieszy + transport publiczny + rower).
Metody badań ankietowych
RP (Revealed Preferences) – preferencje ujawnione przez rzeczywiste zachowania. Ankieta pyta o to, co ludzie robią, nie co by zrobili. Wiarygodniejsza w modelowaniu popytu.
SP (Stated Preferences) – preferencje deklarowane. Respondent wybiera między hipotetycznymi wariantami (np. autobus 10 min vs metro 15 min za niższą cenę). Używana do oceny scenariuszy nieistniejących – np. MaaS przed wdrożeniem.
Conjoint analysis – odmiana SP, gdzie respondent rankinguje zestawy atrybutów. Standardowa metoda przy wycenie WTP (Willingness to Pay) za nową usługę MaaS.
Wyślij fragment tekstu, bezpłatną wycenę otrzymasz w 24 h. Poprawki bez limitu w cenie usługi.
Bazy danych – gdzie szukać i co tam znajdziesz
GDDKiA:
– GPR (Generalny Pomiar Ruchu) 2020 i 2025 – natężenia i struktura ruchu na drogach krajowych, dostępne bezpłatnie na stronie GDDKiA w formacie CSV/SHP.
– SDR (System Danych Ruchowych) – ciągłe dane z pętli indukcyjnych, dostęp przez wniosek do GDDKiA.
Policja / ITS:
– SEWIK (System Ewidencji Wypadków i Kolizji KGP) – baza wypadków z GPS, okolicznościami i ofiarami. Dostęp przez wniosek lub w ramach grantu badawczego.
Energia i e-mobilność:
– URE i ENTSO-E – dane o intensywności emisji sieci elektroenergetycznej, niezbędne przy porównaniu e-pojazdów z spalinowymi w przeliczeniu na całkowite emisje (well-to-wheel).
Otwarte dane przestrzenne:
– OpenStreetMap – routable graph (sieć dróg z atrybutami: prędkość, typ, liczba pasów). Pobieranie przez Overpass API lub Geofabrik (PBF całej Polski, ok. 1 GB).
– Publiczne GTFS miast: ZTM Warszawa (api.um.warszawa.pl), MPK Kraków, ZTM Poznań, ZDiT Łódź, TriStar Gdańsk. Codzienne aktualizacje, bezpłatny dostęp.
– Dane systemów rowerowych: Nextbike API, Veturilo (historia tripów przez zapytanie do operatora lub archiwalne pliki GBFS).
Statystyki:
– GUS: Transport – wyniki działalności (coroczna publikacja, dane o przewozach, taborze, infrastrukturze).
– EUROSTAT Transport Statistics: modal split EU27, emisje transportu, bezpieczeństwo ruchu w porównaniu międzynarodowym.
Struktura pracy i układ rozdziałów
Promotorzy z transportu zazwyczaj oczekują konkretnego układu, który odróżnia pracę inżynieryjną od humanistycznej. Poniżej typowy schemat dla pracy z modelowaniem lub analizą danych.
Rozdział 1 – Wstęp i cel pracy. Maksymalnie 3-4 strony. Uzasadnienie wyboru tematu, teza lub hipoteza badawcza, zakres przestrzenny i czasowy, metody użyte w pracy. Jeśli praca odpowiada na konkretny problem zarządczy (np. planowana reorganizacja linii autobusowych), napisz to wprost. Promotorzy doceniają prace z praktycznym kontekstem.
Rozdział 2 – Przegląd literatury i stan wiedzy. Tu opisujesz, co już wiadomo o twoim temacie. Dla prac z modelowaniem ruchu: artykuły z Transportation Research Part B/C/D (Elsevier), Journal of Transport Geography, dostępne przez uczelniane repozytoria Scopus/Web of Science. Dla prac z danymi GTFS i routingiem: literatura z konferencji Transportation Research Board (TRB), dokumentacja OpenTripPlanner i RAPTOR. Minimum 25-30 pozycji bibliograficznych, z czego co najmniej 60% po angielsku.
Rozdział 3 – Metodologia. Najważniejszy z punktu widzenia oceny naukowej. Opisujesz dokładnie: jakie dane zebrałeś i skąd (z datami pobierania), jakie narzędzia użyłeś i dlaczego akurat te, jakie przyjąłeś założenia i ograniczenia, jak zdefiniowałeś wskaźniki sukcesu. Każde założenie upraszczające musi mieć uzasadnienie.
Rozdział 4 – Analiza i wyniki. Prezentacja modelu, map, tabel i grafów. Nie przepisuj danych z tabel do tekstu – komentuj wyniki, wskazuj anomalie, porównuj z danymi referencyjnymi (np. GEH, RMSE, R²). Mapy powinny mieć legendę, skalę i strzałkę północy. Wykresy – osie z jednostkami, tytuł, źródło danych.
Rozdział 5 – Dyskusja. Odnosisz wyniki do hipotez postawionych we wstępie. Wyjaśniasz rozbieżności. Porównujesz z wynikami innych badań z przeglądu literatury. Tu możesz pisać spekulatywnie – „wyniki sugerują, że…”, „możliwym wyjaśnieniem jest…” – byleby odróżnić spekulację od twardego wyniku.
Rozdział 6 – Wnioski i rekomendacje. Krótko, konkretnie. Co z tego wynika dla praktyki (urbanistyki, planowania, operatorów)? Jakie są ograniczenia pracy? Co warto zbadać dalej? Dobre wnioski dają recenzentowi materiał do jednego sensownego pytania na obronie, a nie do pięciu.
Praca powinna mieć też aneks z surowymi danymi (albo linkiem do repozytorium GitHub/Zenodo, jeśli dane są duże), kodem w Pythonie lub R (jeśli pisałeś skrypty), a dla prac z VISUM – zrzutami ekranu kalibracji i macierzami O-D.
Ramy prawne – akty, które musisz znać
Recenzent z transportu zapyta o podstawy prawne. Wymień je z numerami.
Krajowe:
– Ustawa z 6.09.2001 r. o transporcie drogowym (Dz.U. 2001 nr 125 poz. 1371 ze zm.) – definicja transportu drogowego, licencje, warunki wykonywania.
– Ustawa z 28.03.2003 r. o transporcie kolejowym (Dz.U. 2003 nr 86 poz. 789 ze zm.) – zarządzanie infrastrukturą, dostęp do sieci, UTK jako regulator.
– Ustawa z 11.01.2018 r. o elektromobilności i paliwach alternatywnych (Dz.U. 2018 poz. 317 ze zm.) – cel 30% pojazdów elektrycznych w flotach publicznych do 2025, infrastruktura ładowania, limity dla gmin.
Unijne:
– Rozporządzenie PE i Rady (UE) 1315/2013 o sieci TEN-T – transeuropejska sieć transportowa, korytarze priorytetowe (w Polsce: korytarz Bałtyk-Adriatyk, Morze Północne-Bałtyk), standardy techniczne (prędkość, prześwit, ERTMS).
– Dyrektywa UE 2019/1161 o czystych pojazdach – zamówienia publiczne muszą uwzględniać min. 45% pojazdów zeroemisyjnych w kategorii autobusów od 2026 r. Obowiązuje zamawiających (gminy, powiaty).
– SUMP Guidelines 2019 (Wytyczne KE dla SUTP) – metodologia tworzenia Planów Zrównoważonej Mobilności Miejskiej. Dokument referencyjny dla każdej pracy o planowaniu transportu.
– Biała Księga Transportu UE 2011 (zaktualizowana 2021) – strategia dekarbonizacji transportu do 2050, 60% redukcji emisji CO2, przesunięcie na kolej i transport intermodalny.
Jeśli twoja praca dotyczy logistyki miejskiej w kontekście zamówień publicznych, dodaj jeszcze dyrektywę 2014/24/UE o zamówieniach publicznych – tam jest podstawa prawna dla klauzul środowiskowych w przetargach na usługi transportowe.
Typowe błędy w pracach z transportu
Kalibracja modelu bez niezależnej walidacji
To najczęstszy błąd przy pracach z PTV VISUM. Student kalibruje model do jednego zestawu danych, a potem prezentuje wyniki jako poprawne. Właściwy proces wygląda tak: połowa danych do kalibracji, druga połowa (inne przekroje lub inny rok) do walidacji. Jeśli wskaźnik GEH dla danych walidacyjnych jest dużo gorszy niż dla kalibracyjnych – model jest overfitowany i nie nadaje się do prognoz.
Ignorowanie efektu indukowanego popytu
Student dodaje pas ruchu na zatłoczonym odcinku i w konkluzji pisze, że korki się zmniejszą. Teoria DEVOE (Devil’s Economist) i liczne badania empiryczne pokazują, że dodanie przepustowości generuje nowy ruch (induced demand). Jevons Paradox w transporcie: im lepsza droga, tym więcej aut. Model musi to uwzględnić przez feedback loop między prędkością a generacją podróży, albo przynajmniej autor musi opisać to ograniczenie wprost.
Brak analizy wrażliwości VOT
VOT (Value of Time – Wartość Czasu Podróży) to jeden z najważniejszych parametrów w ocenie ekonomicznej projektów transportowych. Standardowe wartości dla Polski (JASPERS, instrukcja OOŚ GDDKiA) różnią się od wartości europejskich i zmieniają się w czasie. Zmiana VOT o 20% potrafi zmienić BCR (Benefit-Cost Ratio) z opłacalnego na nieopłacalny. Każda praca z analizą kosztów-korzyści musi zawierać analizę wrażliwości z zakresem ±30% dla kluczowych parametrów.
Użycie nieaktualnego GTFS
Feed GTFS starzeje się szybko. ZTM Warszawa aktualizuje go codziennie, bo rozkłady się zmieniają. Jeśli pobierzesz feed z zeszłego roku i użyjesz go do analiz bez sprawdzenia dat obowiązywania, twoje izochrony będą błędne. Zawsze weryfikuj zakres dat w pliku calendar.txt i feed_info.txt – zakres feed_valid_from / feed_valid_to musi pokrywać okres analizy.
Pominięcie cyklu dobowego
Transport ma wyraźny rytm dobowy: poranny szczyt (7:00-9:00), popołudniowy szczyt (16:00-18:00), ruch nocny. Model zbudowany na SDR (Średniodobowym Ruchu) nie nadaje się do analizy skrzyżowań w szczycie. Do oceny przepustowości skrzyżowań używaj danych godzinowych i modeluj szczyt poranny i popołudniowy osobno. Do oceny emisji za cały rok – SDR z przelicznikami dobowymi.
Brak OOŚ dla projektów drogowych
Każdy nowy odcinek drogi krajowej lub ekspresowej (i wiele modernizacji) wymaga Oceny Oddziaływania na Środowisko (OOŚ) zgodnie z ustawą z 3.10.2008 r. o udostępnianiu informacji o środowisku… (Dz.U. 2008 nr 199 poz. 1227 ze zm.) i rozporządzeniem Rady Ministrów z 2019 r. Jeśli praca proponuje nowy odcinek lub zmianę parametrów istniejącego – pomiń OOŚ i recenzent zada pytanie podczas obrony.
FAQ
Czy praca z transportu musi zawierać modelowanie w VISUM?
Nie, ale większość promotorów na kierunkach technicznych oczekuje narzędzi ilościowych. Alternatywą jest GIS (QGIS z wtyczką ORS Tools lub analiza w Pythonie z biblioteką OSMnx), analiza statystyczna w R lub Python, albo symulacja w SUMO. Liczy się uzasadnienie wyboru narzędzia i znajomość jego ograniczeń. Jeśli nie masz dostępu do VISUM, SUMO i OpenTripPlanner są bezpłatne i dają wyniki akademicko akceptowalne.
Skąd wziąć dane o ruchu, jeśli GPR jest za ogólny?
Generalna Dyrekcja Dróg Krajowych i Autostrad udostępnia dane SDR na wniosek – piszesz do właściwego oddziału GDDKiA (jest ich 10, według regionu) z informacją, że dane są potrzebne do pracy dyplomowej. Czas odpowiedzi: 2-4 tygodnie. Dla dróg miejskich: ZDM (Zarząd Dróg Miejskich) lub ZDMK (Kraków), MZDiK (Radom) itp. udostępniają dane analogicznie. Alternatywa: dane FCD z HERE lub TomTom – na licencji akademickiej można dostać bezpłatny dostęp przez program HERE Academic.
Jak uniknąć zarzutu, że model jest „za prosty”?
Przede wszystkim: explicite opisz ograniczenia i załóż je w rozdziale metodologicznym. Każdy model jest uproszczeniem. Recenzent, który powie „model jest za prosty”, dostaje kontrargument: „zgodnie z zasadą parsymonii, dodanie kolejnego stopnia złożoności nie zmieniłoby wniosków, co pokazuje analiza wrażliwości w rozdziale 4.3”. Analiza wrażliwości musi faktycznie tam być – bez niej argument nie zadziała.
Ile powinien trwać rozdział empiryczny?
W typowej pracy magisterskiej z transportu (80-100 stron): rozdział metodologiczny 15-20 stron, rozdział empiryczny (wyniki modelu, mapy, tabele) 25-35 stron, dyskusja i wnioski 10-15 stron. Mapy i wykresy mogą trafić do aneksu, ale co najmniej kluczowe rysunki muszą być w tekście głównym – recenzent nie zawsze zagląda do aneksu.
Korekta pracy z transportu – na co zwrócić uwagę przed oddaniem?
Prace techniczne często mają błędy w polskich terminach specjalistycznych – „natężenie ruchu” (nie „intensywność”), „przekrój pomiarowy” (nie „krzyżowanie”), „przypisanie do sieci” (nie „alokacja”). Skróty powinny być rozpisane przy pierwszym użyciu. Wzory matematyczne wymagają sprawdzenia numeracji i opisów zmiennych. Jeśli korekta jest zlecana zewnętrznie, powiedz korektorce, że tekst jest techniczny – recenzja językowa inaczej wygląda niż redakcja naukowa.
Praca magisterska z transportu i logistyki miejskiej daje ci coś, czego nie daje wiele innych kierunków: twarde umiejętności w narzędziach, których szukają pracodawcy. GDDKiA, biura planowania, firmy konsultingowe (Sweco, Arcadis, Trako) i operatorzy publiczni (PKP IC, Arriva, Transdev) zatrudniają ludzi, którzy potrafią zbudować model w VISUM albo przetworzyć GTFS w Pythonie. Promotor doceni temat z realną wartością analityczną. Pracodawca doceni to, że pokażesz wyniki w CV.
Jeśli masz gotowy tekst i szukasz korekty językowej lub technicznej przed oddaniem – sprawdź, czym zajmuje się dobrzenapisane.pl.
