Vlootbeheer revolutioneren: AI & IoT integratie voor slimmere operaties

De toepassing van kunstmatige intelligentie op het internet of things (IoT) drijft snelle innovatie, in sectoren variërend van gezondheidszorg tot productie en transport.

Waar IoT zich richt op het ontwikkelen van remote sensorsystemen voor data verzameling, verbindt de artificial intelligence of things (AIoT) die systemen om collectieve intelligentie te creëren, wat uiteindelijk elk knooppunt in het systeem slimmer maakt. Door intelligente cognitie, edge computing en autonoom vermogen te combineren, stelt het geautomatiseerde verwerking van mensgeïnspireerde besluitvorming in tegen lage kosten, hoge schaal en met hoge nauwkeurigheid.

De technologie vormt al de ruggengraat van veel van de huidige commerciële transportsystemen, met name in vlootveiligheid.

AIoT is specifiek nuttig voor sectoren die massive hoeveelheden data genereren die niet efficiënt door mensen verwerkt kunnen worden. In de transportindustrie groeit het volume data dat door voertuigen wordt gegenereerd elke dag, naarmate vlooten hun technologievoetafdruk upgraden en de nieuwste advanced driver-assistance systems (ADAS) adopteren.

Hoewel het combineren van video en voertuigdata cruciaal is voor het detecteren en mitigeren van veiligheidsrisico's, missen de meeste platforms de opslag- of rekencapaciteiten om al die data in de cloud te verwerken, analyseren en interpreteren. Wat meer is, apparaten die gemeenschappelijk op commerciële voertuigen worden geïnstalleerd, genereren hi-resolutie data, wat cloudtransmissie economisch onhaalbaar maakt.

Als reactie combineert AIoT technologie de machine learning capaciteiten van in- en op-voertuig apparaten met de rekenkracht van cloud verwerkingsomgevingen. Deze geïntegreerde benadering stelt de geïnstalleerde apparaten in staat om geavanceerde inzichten af te leiden die verloren zouden gaan als de data eerst samengevat of gereduceerd moest worden voordat het naar de cloud werd getransmitteerd.

AIoT systemen zijn uniek bi-directioneel, brengend data samen van honderden on-board apparaten om trends te identificeren die op hun beurt informeren hoe diezelfde apparaten in de toekomst beslissingen zullen nemen.

On-board apparaten nemen constant AI-gedreven beslissingen op basis van machine learning algoritmes en sensoren geïnstalleerd op verschillende punten van het voertuig. In een AIoT systeem wordt de redenering achter elke beslissing geüpload naar een cloud verwerkingsomgeving, die dan data en inzichten van een grote groep apparaten kan bekijken om algemene trends te bepalen. Deze informatie wordt dan teruggestuurd naar het apparaat als een update aan zijn machine learning algoritme. Hoe meer knooppunten deelnemen aan deze lus van verzamelde "crowdsourced" intelligentie, des te slimmer en beter elk knooppunt zal presteren.

Als bonus kunnen AIoT systemen informatie delen die buiten voertuigsensoren wordt verzameld, zoals weersvoorspellingen, verkeerscondities en gevaarlijke incidenten langs de weg. Gelagerd bovenop rijgedragsdata, leren deze inzichten de apparaten hoe ze realtime beslissingen nemen over alles van de snelste route tot de meest geschikte snelheid voor weersomstandigheden.

Veiligheidssystemen voor commercieel vrachtverkeer hebben de voordelen van AIoT al enige tijd gerealiseerd, wel vóór de term überhaupt geadopteerd was. Bijvoorbeeld, AIoT wordt gemeenschappelijk gebruikt om tijdige zelf-coaching aan chauffeurs te bieden. In-cab ADAS sensoren kunnen chauffeurs in realtime waarschuwen voor veiligheidsrisico's, zodat ze correctieve actie kunnen ondernemen vóór een botsing plaatsvindt.

Onlangs is AIoT zelfs geïmplementeerd om "zittende eenden" te identificeren en vlootmanagers te waarschuwen — commerciële vrachtwagens geparkeerd op gevaarlijke corridors. In deze gevallen evalueren de machine learning systemen een complexe reeks gebeurtenissen die de veiligheidsrisico's van een voertuig dat op een bepaalde locatie geparkeerd is, weerspiegelen.

Trigger management is de sleutel tot transportveiligheid; het sturen van de juiste notificatie op het juiste moment redt vlooten van dure botsingen en, het meest belangrijk, redt levens. Wanneer een veiligheidsplatform data van elk voertuig in de vloot ophaalt, en het correleert met daadwerkelijke veiligheidsuitkomsten in de cloud, zorgt AIoT ervoor dat on-board apparaten in staat zijn om chauffeurs effectief te notificeren met de juiste cues. Het vermogen om chauffeurs in het juiste moment te waarschuwen vereist edge processing, lage-latentie notificaties en mogelijke remediaties. In tegenstelling tot apparaten die aan de edge werken door een continue stroom van verschillende evenementen naar de cloud te sturen, leert AIoT deze apparaten om de risicovolste gedragingen te identificeren, prioriteren en te reageren.

In de commerciële transportsector heeft AIoT technologie het potentieel om enkele van de meest significante rijrisico's van vandaag aan te pakken: afleiding, te snel rijden voor weersomstandigheden, en parkeren in historisch gevaarlijke wegcorridors.

Op een gegeven dag weten we al de gevaarlijkste wegen in het land. Stel je het impact voor van het koppelen van deze informatie aan routeringssystemen om alle chauffeurs te helpen de veiligste, meest efficiënte routes voor hun voertuigen of rijvaardigheidsniveau te kiezen. Wanneer gecrowdsourced, zou deze technologie zelfs gemeentelijke, staatelijke en federale instanties kunnen leiden om te reageren op riskante wegelementen, zoals gaten, en nieuwe veiligheidsstrategieën te implementeren bij het ontwerpen van wegen en snelwegen.

David Wagstaff is vicepresident analytics bij SmartDrive Systems, een aanbieder van video-gebaseerde veiligheids- en transportintelligentie.