Революция в управлении автопарками: интеграция ИИ и IoT для более умных операций

Применение искусственного интеллекта к интернету вещей (IoT) драйвит быструю инновацию в отраслях от здравоохранения до производства и транспорта.

В то время как IoT фокусируется на разработке систем удаленных датчиков для сбора данных, искусственный интеллект вещей (AIoT) соединяет эти системы для создания коллективного интеллекта, который в конечном счете делает каждый узел в системе умнее. Сочетая интеллектуальную когницию, крайние вычисления и автономные возможности, оно позволяет автоматизированную обработку человеко-вдохновленного принятия решений при низкой стоимости, высоком масштабе и с высокой точностью.

Технология уже формирует костяк многих современных коммерческих транспортных систем, особенно в безопасности автопарков.

AIoT особенно полезен для секторов, генерирующих массивные объемы данных, которые не могут быть эффективно обработаны людьми. В транспортной индустрии объем данных, генерируемых транспортными средствами, растет каждый день, по мере того как автопарки обновляют свой технологический след и принимают новейшие передовые системы помощи водителю (ADAS).

Хотя сочетание видео и данных транспортного средства критично для обнаружения и смягчения рисков безопасности, большинство платформ не имеют хранилища или вычислительных возможностей для обработки, анализа и интерпретации всех этих данных в облаке. Более того, устройства, обычно устанавливаемые на коммерческих транспортных средствах, генерируют высокорезультационные данные, делая облачную передачу экономически запредельной.

В ответ, технология AIoT сочетает возможности машинного обучения в- и на-транспортных устройствах с вычислительной мощью облачных сред обработки. Этот интегрированный подход позволяет установленным устройствам выводить продвинутые инсайты, которые были бы потеряны, если бы данные пришлось суммаризировать или сократить перед передачей в облако.

Системы AIoT уникально би-дирекциональны, собирая данные от сотен бортовых устройств для выявления трендов, которые, в свою очередь, информируют, как эти же устройства будут принимать решения в будущем.

Бортовые устройства постоянно принимают ИИ-драйвные решения на основе алгоритмов машинного обучения и датчиков, установленных в различных точках транспортного средства. В системе AIoT рассуждение за каждым решением загружается в облачную среду обработки, которая может затем посмотреть на данные и инсайты от большой группы устройств, чтобы определить общие тренды. Эта информация затем отправляется обратно на устройство как обновление его алгоритма машинного обучения. Чем больше узлов участвует в этом цикле собранного «краудсорсного» интеллекта, тем умнее и лучше будет выполнять каждый узел.

В качестве бонуса, системы AIoT могут делиться информацией, собранной вне транспортных датчиков, такой как прогнозы погоды, дорожные условия и опасные инциденты вдоль дороги. Наслоенные поверх данные поведения за рулем, эти инсайты обучают устройства принимать решения в реальном времени обо всем: от быстрейшего маршрута до наиболее подходящей скорости для погодных условий.

Системы безопасности для коммерческого грузовичества реализовывали выгоды AIoт уже некоторое время, задолго до того, как термин был даже принят. Например, AIoT обычно используется для предложения своевременного само-коучинга водителям. Бортовой ADAS датчики способны оповещать водителей о рисках безопасности в реальном времени, чтобы они могли принять корректирующие действия до возникновения столкновения.

Недавно AIoT даже развертывался для выявления и оповещения менеджеров автопарков о «сидящих утках» — коммерческих грузовиках, припаркованных на опасных коридорах. В этих случаях системы машинного обучения оценивают сложную последовательность событий, отражающую риски безопасности транспортного средства, припаркованного в конкретном месте.

Управление триггерами — ключ к транспортной безопасности; отправка правильного уведомления в правильное время спасает автопарки от дорогих столкновений и, что важнее всего, спасает жизни. Когда платформа безопасности тянет данные от каждого транспортного средства в автопарке и коррелирует их с реальными исходами безопасности в облаке, AIoT обеспечивает, что бортовые устройства способны эффективно уведомлять водителей правильными сигналами. Способность оповещать водителей в правильный момент требует крайней обработки, низколатентных уведомлений и возможных ремедиаций. В отличие от устройств, работающих на краю, отправляющих непрерывный поток разных событий в облако, AIoT обучает эти устройства идентифицировать, приоритизировать и отвечать на самые рискованные поведения.

В секторе коммерческого транспорта технология AIoT имеет потенциал адресовать некоторые из сегодняшних самых значительных рисков вождения: отвлечение, превышение скорости для погодных условий и парковка в исторически опасных дорожных коридорах.

В любой данный день мы уже знаем самые опасные дороги в стране. Представьте эффект связывания этой информации с системами маршрутизации, чтобы помочь всем водителям выбирать самые безопасные, эффективные маршруты для их транспортных средств или уровня навыка вождения. Когда краудсорсные данные, эта технология может даже направлять муниципальные, штатные и федеральные агентства к ответу на рисковые дорожные элементы, как ямы, и развертыванию новых стратегий безопасности при проектировании дорог и шоссе.

Дэвид Вагстафф — вице-президент по аналитике в SmartDrive Systems, провайдере видео-ориентированной безопасности и транспортной интеллектуальности.