# QUIXZOOM Fleet Intelligence & Data Value Score

## Arkitektur

```
┌─────────────────────────────────────────────────────────────┐
│                    FLEET INTELLIGENCE                        │
│                      (Nivå 5)                                │
├─────────────────────────────────────────────────────────────┤
│  Zoomer A ──┐                                               │
│  Zoomer B ──┼──► Fleet Coordinator ──► Mission Assignment   │
│  Zoomer C ──┤          │                                    │
│  Zoomer D ──┘          ▼                                    │
│              Area Knowledge Graph                           │
│              - Coverage Analysis                            │
│              - Knowledge Gaps                               │
│              - Optimization                                 │
└─────────────────────────────────────────────────────────────┘
                              │
                              ▼
┌─────────────────────────────────────────────────────────────┐
│                  DATA VALUE SCORE                            │
├─────────────────────────────────────────────────────────────┤
│  Varje observation får ett värde baserat på:                │
│                                                             │
│  1. NOVELTY (25%)        — Hur mycket ny information        │
│  2. RARITY (20%)         — Sällsynta objekttyper            │
│  3. VERIFICATION (20%)   — Verifiera osäkra observationer   │
│  4. COVERAGE (15%)       — Förbättra spatial täckning       │
│  5. QUALITY (15%)        — Teknisk kvalitet                │
│  6. DIVERSITY (5%)       — Ny vinkel, tid, väder           │
└─────────────────────────────────────────────────────────────┘
```

---

## Nivå 5 — Fleet Intelligence

### Scenario

```
Zoomer A dokumenterar Sukhumvit
    ↓
AI upptäcker misstänkt skada nära Zoomer B
    ↓
Zoomer B får verifieringsuppdrag
    ↓
Zoomer C får nattuppdrag (samma plats, annan tid)
    ↓
Zoomer D skickas för annan kameravinkel
```

### Funktioner

- **Coverage Analysis**: Identifiera områden utan data
- **Knowledge Gaps**: Hitta vad som saknas
- **Mission Assignment**: Tilldela bästa zoomer för varje uppdrag
- **Fleet Balancing**: Fördela zoomers jämnt
- **Diversification**: Olika vinklar, tider, väder

---

## Data Value Score — Exempel

### Observation 1: Första i området
```
Total Value: 86.9/100
Reward: $8.69
Factors:
  ✅ Första observationen av detta område
  ✅ Sällsynt objekttyp
  ✅ Förbättrar spatial täckning
  ✅ Ny vinkel/tid/väder
```

### Observation 2: Liknande plats och objekt
```
Total Value: 23.8/100
Reward: $2.38
Factors: Inga särskilda faktorer
```

### Observation 3: Verifiering av osäker observation
```
Total Value: 69.8/100
Reward: $6.98
Factors:
  ✅ Verifierar osäker tidigare observation
  ✅ Sällsynt objekttyp
  ✅ Ny vinkel/tid/väder
```

### Observation 4: Sällsynt objekt
```
Total Value: 64.2/100
Reward: $6.42
Factors:
  ✅ Sällsynt objekttyp (historic_marker)
  ✅ Första observationen
```

---

## Area Knowledge Graph

### Hierarki

```
Area (Bangkok)
  └── District (Sukhumvit)
        └── Road (Sukhumvit Road)
              └── Segment (Soi 22)
                    └── Object (Streetlight)
                          └── Observation
                                ├── Confidence: 0.85
                                ├── Last Seen: 2026-06-28T08:15:30Z
                                ├── Needs Verification: false
                                └── Knowledge Gap: null
```

### Kunskapsgap-typer

1. **Spatial**: Områden utan observationer
2. **Temporal**: Tider utan data
3. **Categorical**: Objekttyper med få exempel
4. **Confidence**: Låg konfidens
5. **Verification**: Behöver verifiering

---

## Filstruktur

```
quixzoom-capture-pipeline/
├── ios/
│   └── QuixZoomCapture/           # iOS-app (Swift)
│       ├── QuixZoomCaptureApp.swift
│       ├── Models/
│       │   └── CaptureSession.swift
│       ├── Services/
│       │   └── CaptureManager.swift
│       └── Views/
│           └── ContentView.swift
├── websocket/
│   └── server.js                  # WebSocket-server
├── area-knowledge-graph/
│   └── graph.js                   # Kunskapsgraf
├── fleet-intelligence/
│   └── coordinator.js             # Fleet-koordinator
├── value-score/
│   └── calculator.js              # Värdeberäkning
└── README-FLEET-INTELLIGENCE.md   # Denna fil
```

---

## Integration

### iOS App → WebSocket → Backend

```swift
// iOS: Starta session
let config = SessionConfig(
    videoQuality: .p1080,
    telemetryRate: 10,
    uploadMode: .buffered
)
captureManager.startSession(mode: .adaptive, config: config)

// WebSocket: Registrera
{
  "type": "register",
  "sessionId": "session_xxx",
  "mode": "adaptive",
  "area": "bangkok_sukhumvit"
}

// WebSocket: Mottag instruktion
{
  "type": "instruction",
  "text": "Dokumentera streetlight på 13.725, 100.555",
  "priority": "high",
  "reason": "Knowledge gap: infrastructure"
}
```

---

## Nästa steg

1. **iOS-app**: Bygga och testa på enhet
2. **WebSocket**: Deploya till server
3. **Backend**: Integrera med Area Knowledge Graph
4. **Fleet**: Testa med flera zoomers
5. **Value Score**: Justera vikter baserat på feedback

---

*LandveX Inc. — Fleet Intelligence för optimal datainsamling.*