Voor wagenparkbeheer zijn AI en IoT beter samen

De toepassing van kunstmatige intelligentie op het internet der dingen (IoT) stimuleert snelle innovatie, in sectoren variërend van gezondheidszorg tot productie en transport.

Terwijl IoT zich richt op het ontwikkelen van sensorsystemen op afstand voor het verzamelen van gegevens, verbindt de kunstmatige intelligentie van dingen (AIoT) die systemen om collectieve intelligentie te creëren, die uiteindelijk elk knooppunt in het systeem slimmer maakt. Door intelligente cognitie, edge computing en autonome mogelijkheden te combineren, maakt het de geautomatiseerde verwerking van door mensen geïnspireerde besluitvorming mogelijk tegen lage kosten, op grote schaal en met hoge nauwkeurigheid.

De technologie vormt nu al de ruggengraat van veel van de huidige commerciële transportsystemen, vooral op het gebied van vlootveiligheid.

AIoT is met name handig voor sectoren die enorme hoeveelheden gegevens genereren die niet efficiënt door mensen kunnen worden verwerkt. In de transportsector groeit de hoeveelheid gegevens die door voertuigen wordt gegenereerd elke dag, omdat wagenparken hun technologische voetafdruk upgraden en de nieuwste geavanceerde rijhulpsystemen (ADAS) gebruiken.

Hoewel het combineren van video- en voertuiggegevens van cruciaal belang is voor het detecteren en beperken van veiligheidsrisico's, missen de meeste platforms de opslag- of computermogelijkheden om al die gegevens in de cloud te verwerken, analyseren en interpreteren. Bovendien genereren apparaten die gewoonlijk op bedrijfsvoertuigen worden geïnstalleerd gegevens met een hoge resolutie, waardoor overdracht via de cloud economisch onbetaalbaar wordt.

Als reactie hierop combineert AIoT-technologie de machine learning-mogelijkheden van apparaten in en in voertuigen met de rekenkracht van cloudverwerkingsomgevingen. Deze geïntegreerde aanpak stelt de geïnstalleerde apparaten in staat om geavanceerde inzichten af ​​te leiden die verloren zouden zijn gegaan als de gegevens moesten worden samengevat of verminderd voordat ze naar de cloud werden verzonden.

AIoT-systemen zijn uniek bidirectioneel en brengen gegevens van honderden ingebouwde apparaten samen om trends te identificeren die op hun beurt aangeven hoe diezelfde apparaten in de toekomst beslissingen zullen nemen.

Apparaten aan boord nemen voortdurend AI-gestuurde beslissingen op basis van machine learning-algoritmen en sensoren die op verschillende punten van het voertuig zijn geïnstalleerd. In een AIoT-systeem wordt de redenering achter elke beslissing geüpload naar een cloudverwerkingsomgeving, die vervolgens naar gegevens en inzichten van een grote groep apparaten kan kijken om gemeenschappelijke trends te bepalen. Deze informatie wordt vervolgens teruggestuurd naar het apparaat als een update van het machine learning-algoritme. Hoe meer nodes deelnemen aan deze lus van verzamelde "crowdsourced" intelligentie, hoe slimmer en beter elke node zal presteren.

Als bonus kunnen AIoT-systemen informatie delen die buiten de voertuigsensoren om is verzameld, zoals weersvoorspellingen, verkeersomstandigheden en gevaarlijke incidenten langs de weg. Gelaagd op gegevens over rijgedrag, leren deze inzichten de apparaten hoe ze realtime beslissingen kunnen nemen over alles, van de snelste route tot de meest geschikte snelheid voor weersomstandigheden.

Veiligheidssystemen voor commercieel vrachtvervoer realiseren zich al geruime tijd de voordelen van AIoT, lang voordat de term zelfs maar werd aangenomen. AIoT wordt bijvoorbeeld veel gebruikt om chauffeurs tijdig zelfcoaching aan te bieden. ADAS-sensoren in de cabine kunnen chauffeurs in realtime waarschuwen voor veiligheidsrisico's, zodat ze corrigerende maatregelen kunnen nemen voordat er een aanrijding plaatsvindt.

Onlangs is AIoT zelfs ingezet om wagenparkbeheerders te identificeren en te waarschuwen voor "sitting ducks", commerciële vrachtwagens die op gevaarlijke gangen geparkeerd staan. In deze gevallen evalueren de machine learning-systemen een complexe reeks gebeurtenissen die de veiligheidsrisico's weerspiegelen van een voertuig dat op een bepaalde locatie geparkeerd staat.

Triggermanagement is de sleutel tot transportveiligheid; Door de juiste melding op het juiste moment te verzenden, worden vloten gered van kostbare aanvaringen en, belangrijker nog, levens. Wanneer een veiligheidsplatform gegevens uit elk voertuig in de vloot haalt en deze correleert met daadwerkelijke veiligheidsresultaten in de cloud, zorgt AIoT ervoor dat apparaten aan boord bestuurders effectief kunnen informeren met de juiste aanwijzingen. De mogelijkheid om chauffeurs op het juiste moment te waarschuwen vereist edge processing, low-latency notificaties en mogelijke oplossingen. In tegenstelling tot apparaten die aan de rand werken door een continue stroom van verschillende gebeurtenissen naar de cloud te sturen, leert AIoT deze apparaten om het meest risicovolle gedrag te identificeren, prioriteiten te stellen en erop te reageren.

In de commerciële transportsector heeft AIoT-technologie het potentieel om enkele van de belangrijkste rijrisico's van vandaag aan te pakken:afleiding, snelheidsovertredingen vanwege weersomstandigheden en parkeren in historisch gevaarlijke wegcorridors.

Op een willekeurige dag kennen we al de gevaarlijkste wegen van het land. Stel je de impact voor van het koppelen van deze informatie aan routesystemen om alle chauffeurs te helpen de veiligste, meest efficiënte routes voor hun voertuigen of rijvaardigheidsniveau te kiezen. Bij crowdsourcing kan deze technologie zelfs gemeentelijke, provinciale en federale instanties helpen om te reageren op risicovolle wegelementen, zoals kuilen, en nieuwe veiligheidsstrategieën in te zetten bij het ontwerpen van wegen en snelwegen.

David Wagstaff is vice-president analyse bij SmartDrive-systemen , een leverancier van op video gebaseerde veiligheids- en transportinformatie.